线性代数课件3.2 n维向量及其线性运算

（1）
（加法交换律）
（2） ( ) ( ) （加法结合律）
（3） O O
（4） ( ) O
（5）1
（6） kl kl
（数乘结合律）
（7） k k k （数对向量的分配律）
（8） k l k l （向量对数的分配律）
其中 , , F n ，1,k,l F ， O 为 F n 中的零向量。
即
a1,a 2 , ,a n 。
设 (a1,a 2 , ,a n ) ， b1,b2 , ,bn 都是 n 维向量，则 当且 仅当 ai bi i 1,2, , n
3.1.2 n 维向量的运算 既然向量可看成矩阵，那么，由矩阵运算的定义就可得向
量的运算。
定义 2 设 (a1, a 2 , , a n ) ， b1, b2 , , bn Fn ， k F ，
在数学中，把具有上述八条规律的运算称为线性运算。 故向量的加法运算和数乘向量的运算统称为向量的线性运 算
定义 3 数域 F（一般为实数域 R 或复数域C ）上全体 n 维
向量的集合，连同定义在其上的线性运算，称为数域 F 上的
n 维向量空间，仍记为 F n 。当 F 为 R 时，称为 n 维实向量空
间，记为 Rn 。
3.2 向量组的线性相关性
本节将利用 n 维向量空间中向量的线性运算来研究向量
之间的线性关系，着重讨论有关向量的三个基本概念： 线性组合，线性相关与线性无关。
以下总是在一个固定的数域 F 上的 n 维向量空间中进行
讨论，不再每次说明。
3.2.1 线性组合与线性表示
定义 1 设有 n 维向量1, 2 , , m 及 ,如果存在一组数
第 3 章 n 维向量及向量组的线性相关性 3.1 n 维向量

必满足
.
证法
进一步：P94 定理2.6
定理 向量组线性相关至少有一个向量可由其 余向量线性表示．
定理 向量组线性无关任何一个向量都不能由 其向量线性表示．
P96 例题9
如果向量组
线性无关，而向量组
线性相关，则α可由Ａ唯一线性表示.
证设
∵Ａ线性无关，而向量组Ｂ线性相关， ∴ｋ≠０，（否则与Ａ线性无关矛盾）
为数域 F 上的向量.
2) 运算规律
k ( + ) =k + k , (k + l ) = k + l , k ( l ) = ( kl ) , 1 = , 0 = 0 , (-1) = - , k 0 = 0 . 如果 k 0, 0, 那么
线性代数-向量及其线性运算_图文.ppt
注意：集中精力，仔细理解
一、ｎ维向量（Vector） １、引入
确定飞机的状态，需 要以下6个参数： 机身的仰角 机翼的转角
机身的水平转角
飞机重心在空间的位置参数P(x,y,z) 所以，确定飞机的状态，会产生一个有序数组
２、定义 ｎ个数
组成的有序数组
称为一个ｎ维向量，其中 称为第 个分量.
x=（c1,c2,…., cn)T
来表示。此时称为方程组的一个解向量。（P78）
五、向量空间
1、定义 设Ｖ为ｎ维非空向量组，且满足
①对加法封闭 ②对数乘封闭
那么就称向量组Ｖ为向量空间（Vector Space）．
例３ ｎ维向量的集合是一个向量空间,记作 .
解 任意两个ｎ维向量的和仍是一个ｎ维向量； 任意ｎ维向量乘以一个数仍是一个ｎ维向量．
2) 运算规律
交换律 + = + . 结合律 + ( + ) = ( + ) + .

平面向量的线性相关性
空间向量具有三个分量，可以通过三个空间向量的线性组合来表示出任意一个空间向量，从而可以解决空间几何中的角度、距离、垂直和平行等问题。
空间向量的线性相关性
在几何中的应用
通过建立一元线性方程组，可以用向量表示未知数，利用向量的线性相关性求解方程组。
通过对向量空间的定义和性质的研究，可以建立向量空间的运算和结构，进而研究更为复杂的代数问题。
向量组线性相关性的判定定理
03
向量组的线性表示与矩阵
向量组的线性表示的定义：对于给定向量组A和向量b。存在一组系数$\lambda_1,\ldots,\lambda_n$
向量组的线性表示的概念与性质
线性表示的性质
唯一性：当且仅当$\mathbf{b}=0$时。存在一组非零系数$\lambda_1,\ldots,\lambda_n$
数乘运算示例：假设有一个实数k，则k×a=[k×1,k×2,k×3]=[k,2k,3k]。
减法运算示例：假设有一个3维向量c=[7,8,9]，则c-a=[7-1,8-2,9-3]=[6,6,6]，即c-a=[6,6,6]。
n维向量的运算实例
02
向量组的线性相关性
向量组的定义
有限个向量组成的集合称为一个向量组
非零向量组 $\mathbf{a_1,a_2,...,a_n}$ 与 $\mathbf{b_1,b_2,...,b_n}$ 线性相关
向量组 $\mathbf{a_1,a_2,...,a_n}$ 线性无关的充分必要条件是其中任意不等于零的向量的个数小于等于 $n$
向量组的线性相关性的定义与性质
01
02
在物理中的应用
05
总结与展望
向量组的秩
从定义、性质、计算方法等方面，系统地介绍了向量组的秩的基本概念和基本理论。

a 31 a 32 a 33 a13a22a31a12a21a33a11a23a32
规律：
1. 三阶行列式共有6项，即3!项．
2. 每一项都是位于不同行不同列的三个元素的乘积．
3. 每一项可以写成 a1p1a2p2（a3正p3负号除外），其中
是1、2、3的某个排列.
p1 p2 p3
4. 当 p1 p2 是p3偶排列时，对应的项取正号；
(方程组的系数行列式)
D1
b1 b2
a12 a22
D2
a11 a 21
b1 b2
则上述二元线性方程组的解可表示为
x1
b1a22 a11a22
a12b2 a12a21
D1 D
x2
a11b2b1a21 a11a22a12a21.
D2 D
10
例1
求解二元线性方程组
32x1x1 2xx22
12 1
3 2
1.4
.
14
例3 求解方程 1 1 1
2 3 x 0. 4 9 x2
解 方程左端 D 3 x 2 4 x 1 9 x 8 2 x 2 12 x25x6,
由 x25x60得
x2或 x3.
.
15
§2 全排列及其逆序数
问题 把 n 个不同的元素排成一列，共有多少种不同的 排法？
定义 把 n 个不同的元素排成一列，叫做这 n 个元素 的全排列. n 个不同元素的所有排列的种数，通常用 Pn 表示.
相减而得.
.
7
二元线性方程组
a11x1 a12x2 b1 a21x1 a22x2 b2
其求解公式为
x1
x
2
b1a 22 a11a 22 a11b2 a11a 22

VS
线性代数的特点
线性代数具有抽象性、实用性、广泛性等 特点，是数学中重要的分支之一。
线性代数的历史背景
线性代数的起源
线性代数起源于17世纪，主要目的 是为了解决线性方程组的问题。
线性代数的发展
随着数学的发展，线性代数逐渐成为 一门独立的数学分支，并在20世纪得 到了广泛的应用和发展。
线性代数的应用领域
转置矩阵
一个矩阵A的转置矩阵是满足$A^T_{ij}=A_{ ji}$的矩阵
行列式与高斯消元
03
法
行列式的定义及性质
总结词
行列式是线性代数中重要的工具之一，它具有特殊的性质和计算规则。
详细描述
行列式是由一组方阵中的元素按照一定规则组成的，它是一个方阵是否可逆的判断标准，同时也有一 些重要的性质和计算规则，如交换两行或两列、对角线上的元素相乘等。了解行列式的定义和性质是 学习线性代数的基础。
矩阵的运算规则
加法
两个相同大小的矩阵，对应位置的元素相加
数乘
用一个数乘以矩阵的每一个元素
减法
两个相同大小的矩阵，对应位置的元素相减
乘法
要求两个矩阵满足乘法运算的规则，即第一 个矩阵的列数等于第二个矩阵的行数
矩阵的逆与转置
逆矩阵
一个矩阵A的逆矩阵是满足$AA^{-1}=I$的矩阵，其中$I$是单位矩阵
高斯消元法的原理
总结词
高斯消元法是一种解线性方程组的直接方法 ，其原理是将方程组转化为阶梯形矩阵。
详细描述
高斯消元法的基本思想是通过一系列的行变 换将线性方程组转化为阶梯形矩阵，这样就 可以直接求解方程组。高斯消元法包括三种 基本的行变换：将两行互换、将一行乘以非 零常数、将一行加上另一行的若干倍。通过 这些行变换，我们可以将矩阵转化为阶梯形 矩阵，从而求解方程组。

km −1 k1 k2 α m = − α1 − α 2 − L − α m−1 km km km
αm 是其余向量的线性组合
定理4.1 向量组 α1,α2 ,L,αm (m≥ 2) 线性相关 定理
向量组中至少有一个向量是其余向量的线性组合
若 αm 是其余向量的线性组合
αm = k1α1 + k2α2 +L+ km−1αm−1 k1α1 + k2α2 +L+ km−1αm−1 + (−1)αm = 0
（Ⅱ）
β 1β 2 L β s
线性表示， 若（Ⅰ）中每一个向量都能由向量组（Ⅱ）线性表示， 则称向量组（ 线性表示. 则称向量组（Ⅰ）可由向量组（Ⅱ）线性表示. 若向量组（Ⅰ） 与向量组（Ⅱ）可以互相线性表示， 则称向量组（ 等价. 则称向量组（Ⅰ）与向量组（Ⅱ）等价. 向量组之间的等价关系具有以下性质： 向量组之间的等价关系具有以下性质： 性质
b1 b2 称为行向量 例如:① 例如 ① α = (a1, a2 ,L, an )称为行向量, β = M 称为 bn 列向量.
称为零向量 ②分量全为零的向量 (0, 0, L , 0) ,称为零向量. 称为 ③
等表示向量. 小写希腊字母 α, β ,γ 等表示向量
L 其中是 ε1，ε2， ，εn ，n维单位行向量组.
α1 =(1, 2,3)T， （ ） 例. 证明向量 β = −1,1,5 是向量组
T
将β 用向量组 α1，α2，α3 线性表出.
的线性组合,并具体 α 3 = ( 2 , 3 , 6 ) T 的线性组合 并具体 α 2 = 0,1, 4）， = β ⇔ ai = bi (i = 1, 2,L, n)

（称为行向量）
an
其中第i(i 1,2,n)个数ai称为n维向量的第i
个坐标或第i个分量，向量中分量或坐标的个
数称为向量的维数。
说明：
1.分量全为实（复）数的向量称为实（复）向量 2. 分量全为零的向量称为零向量 3.行向量和列向量总被看作是两个不同的向量
若无明确说明，所论向量均指列向量。
4. 两个向量当且仅当它们的各对应分量都相等时才 是相等的，即如果
解 因为对任意的
a b
x
2a
,
y
2b
V
3a 3b
及任意的数 R , 都有
a b x y 2(a b) V
3(a b)
所以V是向量空间。
a
x 2a V 3a
由上述例题可知，并不是任何一个由同维数的向量 所组成的集合都构成向量空间。
我们称由若干个维数相同的向量所组成的集合为向量组
(1)集合 V对向量的加法运算封闭，即对任意
, V , 都有 V
(2)集合 V对数与向量的乘法运算封闭，即对任意
V和任意的实数 都有 V， 则称V是 R的n 一个子空间， 也称V为实数域上的向量空间
例3.3 由单个三维零向量 V {(0,0,0)T } 组成的集合
是 3 维向量空间 R3 的一个子空间，称其为零子空间。
0.15a 0.15b
1.3 n维向量空间及其子空间
定义3.4 实数域上的全体n维向量组成的集合，连同定义在
其上的加法和数与向量的乘法运算，称为实数域上的
n维向量空间，记为 R n 当 n 3 时，三维向量空间 R3就是几何空间中全体
向量所组成的空间。
定义3.5
设V为 n维向量空间 Rn的非空子集合，且满足

定义36 对于给定的向量组 β , α 1 , α 2 , , α n 定义 若存在一组数
k 1 , k 2 , , k n ,使得
β = k1α 1 + k 2α 2 + + k nα n
线性表示. 则称向量 β 可由向量组α 1 ,α 2 ,,α n 线性表示. 或向量 β 是向量组 α 1 ,α 2 ,,α n 的线性组合. 的线性组合.
线性表示. 线性表示.
证明: 证明:
1 0 0 0 a1 a1 0 0 a 0 a 0 1 0 2 2 = + + ∵要证:存在一组数 +, k = …,k +,使 + + a n α = 要证:存在一组数k12, a1 n a 2 使 0 0 1 a a 0 0 ε n n α = k + k ε + + k ε
α + β = β +α α + ( β + γ ) = (α + β ) + γ α +0 =α α + ( α ) = 0
( k + t )α = k α + t α k (α + β ) = k α + k β ( kt )α = k ( t α ) 1α = α
改书P 改书 100
【例2】 已知四维向量 α 1 , α 2 , β 满足关系 】
=β
线性方程组的向量表达式: 线性方程组的向量表达式: x 1α 1 + x 2 α 2 + + x n α n = β 或
α 1 x1 + α 2 x 2 + + α n x n = β
三,向量间的线性关系

三、 例题
[1,0,4,7 ]T , [ 3,2, 1,6]T , 例 设
（1）求 的负向量；
（2）计算 3 2 .
解 （1）因为 ( ) 0, 从而 [ 1,4 ,7 ,0 ]T . （2） 3 2 3[1,0 ,4 ,7 ] 2[ 3 , 2 , 1,6 ]
T T T T
[ 3,0,12 , 21] [ 6,4, 2,12 ] [ 3, 4,14 ,9]T .
1 x1 2 x 2 n x n b
即 Ax b
或
1
2
x1 x2 n b xn
方程组与增广矩阵的列向量组之间一一对应．
第3.2节 n维向量的线性运算
主要内容: 一．线性运算定义 二．线性运算律 三．例题
（1）对任意的向量 , 存在唯一的零向量 o, 注： 使得 o （2）对任意的向量 , 存在唯一的负向量 , 使得 ( ) o （3） 0 0; ( 1) ; 0 0. （4）如果 0, 则 0或 0
二、线性运算律
(1)
( 5 )1
( 2 )( ) ( ) ( 6 ) k ( l ) ( kl ) ( 3 ) 0 ( 7 )k l k l ( 4 ) 0 ( 8 ) k k k
分量全为零的向量 0, 0, , 0 称为零向量。 向量相等：如果 n 维向量 a1 , a 2 , , a n 的对应分量都相等，即 a i bi
b1 , b2 , , bn

详细描述
向量的模是衡量向量大小的量，用符号“| |”表示。向量的模可以通过勾股定理或向量 的点积等公式计算得出。向量的模具有一些基本性质，如非负性、传递性、三角不等式 等。了解向量的模对于解决实际问题非常重要，如物理中的力、速度和加速度等都可以
用向量表示，而向量的模则可以用来衡量这些量的大小。
02
CATALOGUE
向量的线性运算
向量的加法
总结词
向量加法的定义与性质
详细描述
向量加法是向量空间的基本运算之一，其定义基于平行四边形法则。向量加法 满足交换律和结合律，即向量加法不依赖于其运算的顺序。
向量的数乘
总结词
数乘的定义与性质
详细描述
数乘是标量与向量的乘法运算，其结果仍为向量。数乘满足结合律和分配律，即 对于任意实数$k$和向量$vec{a}$，有$k(mvec{a}) = (km)vec{a}$。
总结词
向量积表示一个向量在另一个向 量上的投影面积。
详细描述
向量积的大小等于一个向量在另 一个向量上的投影面积，方向与 两向量的正交角有关，遵循右手 定则。
向量积的运算性质
要点一
总结词
向量积满足交换律和结合律，但不满足数乘分配律。
要点二
详细描述
根据向量的运算性质，我们有$mathbf{A} times mathbf{B} = -mathbf{B} times mathbf{A}$，并且 $(mathbf{A} + mathbf{B}) times mathbf{C} = mathbf{A} times mathbf{C} + mathbf{B} times mathbf{C}$。但是，$lambda(mathbf{A} times mathbf{B}) neq mathbf{A} times lambdamathbf{B}$， 其中$lambda$是标量。