线性代数(4)—— 向量与向量组的线性相关性
- 参考:张宇高等数学基础30讲
文章目录
- 1. 引入
- 2. 向量的概念和运算
- 3. 向量组的线性表出与线性相关
- 3.1 基础概念
- 3.2 线性相关、线性无关的进一步说明
- 4. 判别线性相关性的七大定理
- 4.1 定理1
- 4.2 定理2
- 4.3 定理3
- 4.4 定理4
- 4.5 定理5
- 4.6 定理6
- 4.7 定理7
- 5. 例题
- 5.1 利用行列式判断线性相关/无关
- 5.2 利用定义法判断线性相关/无关
- 5.3 分类讨论
1. 引入
- 前文我们已经讨论过行列式和矩阵,下面我们将从更本质的向量角度来分析。在前文 线性代数(2)—— 矩阵定义及基本运算 我们提到过:矩阵是由若干行(列)向量拼成的,而且它们之间存在着某种联系,这种联系说到底就是线性无关的向量个数(独立信息的个数)的问题,也就是这若干个向量组成的向量组中,有几个就足够代表这整个向量组(其他的向量都可以由这几个向量线性表示出来)。比如向量组 [1,2,3],[2,4,6],[6,7,9] 中,向量 [2,4,6] 可以用向量 [1,2,3] 的两倍表示,因此 [2,4,6] 这个向量就是 “多余” 的,不是独立信息
- 经过仔细排查,我们可以找出某个向量组中能够代表所有成员的一组向量,把它们组成的向量组叫做原向量组的
极大线性无关组
,这个组是原向量组的 “代表”。比如 [1,2,3],[6,7,9] 就是 [1,2,3],[2,4,6],[6,7,9] 的极大线性无关组。后面我们会说明,对于同一个向量组,其极大线性无关组中 “代表” 的个数是唯一的。事实上,“代表” 的个数就是独立信息的个数,这个个数就叫做向量组的秩
。秩就是独立信息的个数,用这几个独立信息就能表示其他所有信息了。 - 注意到矩阵就是由向量组拼成的,因此
矩阵的秩
、向量组的秩
都反映了 “代表” 个数,其本质是一样的 - 后面我们还会说明一个重要观点:向量与向量间的关系要么
线性相关
,要么线性无关
,这种关系是 “非黑即白” 的
2. 向量的概念和运算
n维向量
:n个数构成的一个有序数组 [a1,a2,...,an][a_1,a_2,...,a_n][a1,a2,...,an] 称为一个 nnn 维向量,记作 α=[a1,a2,...,an]\pmb{\alpha} = [a_1,a_2,...,a_n]ααα=[a1,a2,...,an],并称 α\pmb{\alpha}ααα 为n维行向量
,α⊤=[a1,a2,...,an]⊤\pmb{\alpha}^\top = [a_1,a_2,...,a_n]^\topααα⊤=[a1,a2,...,an]⊤ 称为n维列向量
,其中 aia_iai 称为向量 α\pmb{\alpha}ααα 或 α⊤\pmb{\alpha}^\topααα⊤ 的第 iii 个分量
- 向量的运算
3. 向量组的线性表出与线性相关
3.1 基础概念
线性组合
:设有 m 个 n 维向量 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 和 m 个数 k1,k2,...,kmk_1,k_2,...,k_mk1,k2,...,km,则向量
k1α1+k2α2+...+kmαmk_1\pmb{\alpha}_1+k_2\pmb{\alpha}_2+...+k_m\pmb{\alpha}_m k1ααα1+k2ααα2+...+kmαααm 称为向量组 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 的线性组合线性表出
:若向量 β\pmb{\beta}βββ 能表示成 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 的线性组合,即存在 m 个数 k1,k2,...,kmk_1,k_2,...,k_mk1,k2,...,km,使得
β=k1α1+k2α2+...+kmαm\pmb{\beta} = k_1\pmb{\alpha}_1+k_2\pmb{\alpha}_2+...+k_m\pmb{\alpha}_m βββ=k1ααα1+k2ααα2+...+kmαααm 则称向量 β\pmb{\beta}βββ 能被 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 线性表出线性相关
:对 m 个 n 维向量 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm,若存在一组不全为零的数 k1,k2,...,kmk_1,k_2,...,k_mk1,k2,...,km,使得
k1α1+k2α2+...+kmαm=0k_1\pmb{\alpha}_1+k_2\pmb{\alpha}_2+...+k_m\pmb{\alpha}_m = \pmb{0} k1ααα1+k2ααα2+...+kmαααm=000 称向量组 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 线性相关线性无关
:若不存在不全为零的数 k1,k2,...,kmk_1,k_2,...,k_mk1,k2,...,km,使得 k1α1+k2α2+...+kmαm=0k_1\pmb{\alpha}_1+k_2\pmb{\alpha}_2+...+k_m\pmb{\alpha}_m = \pmb{0}k1ααα1+k2ααα2+...+kmαααm=000 成立,就称向量组 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 线性无关;亦即若只有 k1=k2=...=km=0k_1=k_2=...=k_m=0k1=k2=...=km=0 时才有 k1α1+k2α2+...+kmαm=0k_1\pmb{\alpha}_1+k_2\pmb{\alpha}_2+...+k_m\pmb{\alpha}_m = \pmb{0}k1ααα1+k2ααα2+...+kmαααm=000 成立,称向量组 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 线性无关
3.2 线性相关、线性无关的进一步说明
含有零向量或有成比例向量的向量组一定线性相关
- 若含有零向量,可以把零向量对应的系数 kik_iki 设为任意非零数,其他系数 kik_iki 都设成 0,即满足线性相关定义
- 若有成比例向量,可以把成比例向量的系数 kik_iki 按比例设为正负数值,其他系数 kik_iki 都设成 0,即满足线性相关定义
单个非零向量、两个不成比例向量均线性无关
- 对于单个非零向量 α\pmb{\alpha}ααα,只有 0⋅α=00 ·\pmb{\alpha} = \pmb{0}0⋅ααα=000
- 对于两个不成比例向量 α1,α2\pmb{\alpha}_1,\pmb{\alpha}_2ααα1,ααα2,对于 k1α1+k2α2=0k_1\pmb{\alpha}_1+k_2\pmb{\alpha}_2 =0k1ααα1+k2ααα2=0,有 k1=−k2α2/α1k_1 = -k_2 \pmb{\alpha}_2/\pmb{\alpha}_1k1=−k2ααα2/ααα1,若 α1,α2\pmb{\alpha}_1,\pmb{\alpha}_2ααα1,ααα2 线性相关,α2/α1\pmb{\alpha}_2/\pmb{\alpha}_1ααα2/ααα1 必为常数,而这代表 α2/α1\pmb{\alpha}_2/\pmb{\alpha}_1ααα2/ααα1 成比例,矛盾
- 只有
零向量自己一个向量就能线性相关
;其他所有非零向量自己一个向量都是线性无关的
- 对于单个零向量,若有 k⋅0=0k·\pmb{0} = \pmb{0}k⋅000=000,kkk 可取任意非零数
- 对于单个非零向量 α\pmb{\alpha}ααα,只有 0⋅α=00 ·\pmb{\alpha} = \pmb{0}0⋅ααα=000
向量组要么线性相关要么线性无关
,二者必居其一且仅居其一- 使用定义法解题:
- 写出 ∑imkiαi=0\sum_i^mk_i\pmb{\alpha}_i = 0∑imkiαααi=0
- kik_iki 不全为0 ⇒\Rightarrow⇒ 线性相关;kik_iki 全为0 ⇒\Rightarrow⇒ 线性无关
4. 判别线性相关性的七大定理
4.1 定理1
- 原命题:向量组 α1,α2,...,αn(n≥2)\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_n\space\space(n\geq2)ααα1,ααα2,...,αααn (n≥2) 线性相关 ⇔\Leftrightarrow⇔ 向量组中至少有一个向量可以由其他 n−1n-1n−1 个向量线性表出
- 逆否命题:向量组 α1,α2,...,αn(n≥2)\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_n\space\space(n\geq2)ααα1,ααα2,...,αααn (n≥2) 线性无关 ⇔\Leftrightarrow⇔ 向量组中任意一个向量不能由其他 n−1n-1n−1 个向量线性表出
- 原命题证明:
- ∑imkiαi=0\sum_i^mk_i\pmb{\alpha}_i = 0∑imkiαααi=0 时,哪个系数 ki≠0k_i \neq 0ki=0,其对应的 αi\pmb{\alpha}_iαααi 就能被其他向量线性表出
4.2 定理2
- 若向量组 α1,α2,...,αn\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_nααα1,ααα2,...,αααn 线性无关,而向量组 β,α1,α2,...,αn\pmb{\beta},\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_nβββ,ααα1,ααα2,...,αααn 线性相关,则 β\pmb{\beta}βββ 可以由 α1,α2,...,αn\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_nααα1,ααα2,...,αααn 线性表出,且表示法唯一
- 证明:
4.3 定理3
- 原命题:若向量组 β1,β2,...,βt\pmb{\beta}_1,\pmb{\beta}_2,...,\pmb{\beta}_tβββ1,βββ2,...,βββt 可由向量组 α1,α2,...,αs\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_sααα1,ααα2,...,αααs 线性表示,且 t>st > st>s,则无论 α1,α2,...,αs\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_sααα1,ααα2,...,αααs 是线性相关还是无关, β1,β2,...,βt\pmb{\beta}_1,\pmb{\beta}_2,...,\pmb{\beta}_tβββ1,βββ2,...,βββt 一定线性相关(
以少表多,多的相关
) - 逆否命题:若向量组 β1,β2,...,βt\pmb{\beta}_1,\pmb{\beta}_2,...,\pmb{\beta}_tβββ1,βββ2,...,βββt 可由向量组 α1,α2,...,αs\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_sααα1,ααα2,...,αααs 线性表示,且 β1,β2,...,βt\pmb{\beta}_1,\pmb{\beta}_2,...,\pmb{\beta}_tβββ1,βββ2,...,βββt 线性无关,则 t≤st\leq st≤s
- 证明原命题
4.4 定理4
- 原命题:设 m 个 n 维向量 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm,其中
α1=[a11,a21,...,an1]⊤α2=[a12,a22,...,an2]⊤…αm=[a1m,a2m,...,anm]⊤\begin{aligned} &\pmb{\alpha}_1 = [a_{11},a_{21},...,a_{n1}]^\top\\ &\pmb{\alpha}_2 = [a_{12},a_{22},...,a_{n2}]^\top\\ &\dots \\ &\pmb{\alpha}_m = [a_{1m},a_{2m},...,a_{nm}]^\top \end{aligned} ααα1=[a11,a21,...,an1]⊤ααα2=[a12,a22,...,an2]⊤…αααm=[a1m,a2m,...,anm]⊤ 则向量组 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 线性相关 ⇔\Leftrightarrow⇔ 齐次线性方程组 Ax=0\pmb{Ax}=\pmb{0}AxAxAx=000 有非零解,其中
A=[a11a12…a1ma21a22…a2m⋮⋮⋮an1an2…anm],x=[x1x2⋮xm]\pmb{A} = \begin{bmatrix} a_{11} & a_{12} &\dots & a_{1m} \\ a_{21} & a_{22} &\dots & a_{2m} \\ \vdots & \vdots & &\vdots \\ a_{n1} &a_{n2} &\dots & a_{nm} \end{bmatrix}, \pmb{x} = \begin{bmatrix} x_1 \\ x_2 \\ \vdots \\ x_m \end{bmatrix} AAA=⎣⎢⎢⎢⎡a11a21⋮an1a12a22⋮an2………a1ma2m⋮anm⎦⎥⎥⎥⎤,xxx=⎣⎢⎢⎢⎡x1x2⋮xm⎦⎥⎥⎥⎤(即 Ax=x1α1+x2α2+...+xmαm=0\pmb{Ax}= x_1\pmb{\alpha}_1+x_2\pmb{\alpha}_2 + ...+x_m\pmb{\alpha}_m = \pmb{0}AxAxAx=x1ααα1+x2ααα2+...+xmαααm=000,x\pmb{x}xxx 有非零解) - 逆否命题:m 个 n 维向量 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 线性无关 ⇔\Leftrightarrow⇔ 齐次线性方程组 Ax=0\pmb{Ax}=\pmb{0}AxAxAx=000 只有零解
- 原命题证明
- 注:注意到矩阵 A\pmb{A}AAA 中行数(即向量维度) nnn 是方程个,列数(即向量个数)mmm 是未知数数目
- 若 n<mn<mn<m,即方程个数小于未知数个数,线性方程组 Ax=0\pmb{Ax}=\pmb{0}AxAxAx=000 求解时必有自由未知量,即必有非零解。因此,任意 n+1n+1n+1 个 nnn 维向量都是线性相关的;nnn 维空间中,任何一个线性无关向量组最多只能包含 nnn 个向量
- 若 n=mn=mn=m,这时是方阵,可以引入行列式。对于 nnn 个 nnn 维向量 α1,α2,...,αn\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_nααα1,ααα2,...,αααn
- 线性相关 ⇔\Leftrightarrow⇔ ∣A∣=∣α1,α2,...,αn∣=0|\pmb{A}| = |\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_n| = 0∣AAA∣=∣ααα1,ααα2,...,αααn∣=0 ⇔\Leftrightarrow⇔ Ax=0\pmb{Ax}=\pmb{0}AxAxAx=000 有非零解
- 线性无关 ⇔\Leftrightarrow⇔ ∣A∣≠0|\pmb{A}| \neq 0∣AAA∣=0 ⇔\Leftrightarrow⇔ Ax=0\pmb{Ax}=\pmb{0}AxAxAx=000 只有零解
- 若 n>mn>mn>m,这时方程个数多于未知数个数,但是方程中可能有因线性相关而冗余的方程,此时可以
- 化阶梯型,找出真实方程数目
- 使用下面的定理6 / 定理7
4.5 定理5
- 原命题:
- 逆否命题:
- 说明:
- 定理5和定理4把向量组和线性方程组相联系,定理4从线性方程组角度给出了线性相关和线性无关的定义;定理5从线性方程组角度给出了线性表出的定义
- 这里 r(⋅)r(·)r(⋅) 代表向量组的秩,下一章再详细说明,这里简单一提:秩代表这组向量中不能被其余向量线性表出的向量的个数,当 β\pmb{\beta}βββ 可以被其他 α\pmb{\alpha}ααα 线性表出时,秩不变;不能时秩改变,其实就是增加了1
4.6 定理6
- 原命题:如果向量组 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 中有一部分线性相关,则整个向量组也线性相关(
部分相关,则整体相关
) - 逆否命题:如果向量组 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 线性无关,则其中任意部分向量组也线性无关(
整体无关,则部分无关
) - 证明原命题:不妨设 α1,α2,...,αj(j<m)\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_j \space\space(j<m)ααα1,ααα2,...,αααj (j<m) 线性相关,于是有不全为零的数 k1,k2,...,kjk_1,k_2,...,k_jk1,k2,...,kj 使得
k1α1+k2α2+...+kjαj=0k_1\pmb{\alpha}_1+k_2\pmb{\alpha}_2+...+k_j\pmb{\alpha}_j = \pmb{0} k1ααα1+k2ααα2+...+kjαααj=000 从而有不全为零的数 k1,k2,...,kj,0,...,0k_1,k_2,...,k_j,0,...,0k1,k2,...,kj,0,...,0 使得
k1α1+k2α2+...+kjαj+0αj+1+...+0αm=0k_1\pmb{\alpha}_1+k_2\pmb{\alpha}_2+...+k_j\pmb{\alpha}_j + 0\pmb{\alpha}_{j+1}+...+0\pmb{\alpha}_m = \pmb{0} k1ααα1+k2ααα2+...+kjαααj+0αααj+1+...+0αααm=000 故 α1,α2,...,αm\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_mααα1,ααα2,...,αααm 也线性相关
4.7 定理7
- 如果一组 nnn 维向量 α1,α2,...,αs\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_sααα1,ααα2,...,αααs 线性无关,那么把这些向量各任意添加 mmm 个分量后所得的新(n+mn+mn+m维)向量组 α1∗,α2∗,...,αs∗\pmb{\alpha}_1^*,\pmb{\alpha}_2^*,...,\pmb{\alpha}_s^*ααα1∗,ααα2∗,...,αααs∗ 也线性无关;如果 α1,α2,...,αs\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_sααα1,ααα2,...,αααs 线性相关,那么它们去掉相同的若干个分量所得到的新向量组也是线性相关的(
原来相关,缩短相关;原来无关,延长无关
)。注意,延长/缩短向量等价于增加/减少方程数目 - 注
- 例:
[12]和[23]线性无关⇒[123]和[234]线性无关\begin{bmatrix} 1 \\ 2 \end{bmatrix} 和 \begin{bmatrix} 2 \\ 3 \end{bmatrix} 线性无关 \Rightarrow \begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix} 和 \begin{bmatrix} 2 \\ 3 \\ 4 \end{bmatrix} 线性无关 [12]和[23]线性无关⇒⎣⎡123⎦⎤和⎣⎡234⎦⎤线性无关
[123]和[246]线性相关⇒[12]和[24]线性相关\begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix} 和 \begin{bmatrix} 2 \\ 4 \\ 6 \end{bmatrix} 线性相关 \Rightarrow \begin{bmatrix} 1 \\ 2 \end{bmatrix} 和 \begin{bmatrix} 2 \\ 4 \end{bmatrix} 线性相关 ⎣⎡123⎦⎤和⎣⎡246⎦⎤线性相关⇒[12]和[24]线性相关
5. 例题
5.1 利用行列式判断线性相关/无关
- 此题中向量个数(未知数个数) = 向量维数(方程个数),根据定理4,可以用行列式进行判断
5.2 利用定义法判断线性相关/无关
- 这个题用定义法证明线性无关。首先写出 ∑imkiαi=0\sum_i^mk_i\pmb{\alpha}_i = 0∑imkiαααi=0 的形式,然后分析系数是否全为0
5.3 分类讨论
- 这个题没有明确向量个数 sss(未知数个数) 和向量维数 nnn(方程个数)间的大小关系,需要分类讨论
- s>ns>ns>n 时,未知数个数多于方程个数,一定有自由变量,有非零解, 必线性相关
- s=ns=ns=n 时,用行列式是否等于0判断,注意到这里是范德蒙德行列式,直接展开行列式不等于零,线性无关
- s<ns<ns<n 时,取对应齐次线性方程组靠上的 sss 个方程,这一部分同第2点里 s=ns=ns=n 的情况,发现这部分线性无关,根据定理7,延长后的向量组一定也线性无关
线性代数(4)—— 向量与向量组的线性相关性相关推荐
- 【线性代数复习笔记】同济大学版第三章和第四章 矩阵的初等变换与线性方程组与向量组的线性相关性
[线性代数复习笔记]同济大学版第三章和第四章 矩阵的初等变换与线性方程组与向量组的线性相关性 1.矩阵的初等变换 矩阵的三种初等变换及性质 行阶梯形矩阵 矩阵的初等变换的性质 2.矩阵的秩 矩阵的秩的 ...
- 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(11):向量组的线性相关性
文章目录 前言 往期文章 4.2 向量组的线性相关性 定义4 线性相关/无关 特殊情况 定理4 举例 例4 例5 例6 定理5 结语 前言 Hello!小伙伴! 非常感谢您阅读海轰的文章,倘若文中有错 ...
- 线性代数:第四章 向量组的线性相关性(2)向量空间 线性方程组解的结构
第三节 向量空间 一.数字概念 定义3.1 设V是n维向量集合,且非空,若 (i) 则, : (ii) 则 . 则称V是一个向量空间. 定义3.2 设 是两个向量空间,若 ,则称 的 ...
- 线性代数 第四章 向量组的线性相关性
第四章 向量组的线性相关性 1 向量组及其线性组合 2 向量组的线性相关性 3 向量组的秩 4 线性方程组的解的结构 5 向量空间 习题 1 向量组及其线性组合 2 向量组的线性相关性 3 向量组的秩 ...
- 线性代数第四章 向量组的线性相关性
向量组及其线性组合 一.向量.向量组 1.向量 n个有次序的数a1,a2,...,an所组成的数组称为n维向量,这n个数称为该向量的n个分量,第i个数ai称为第 i个分量 n维向量可以写成一行,也可以 ...
- 线性代数:第四章 向量组的线性相关性(1)向量组的线性相关性 向量组的秩
第一节 向量组的线性相关性 一.数学概念 定义1.1 n个有次序的数 ,所组成的数组称为n维向量,这n个数称为该向量的n个分量,第i个数 称为第i个分量. 定义1. 2 给定向量组A: ,对 ...
- 线性代数笔记3 - 向量组的线性相关性
**向量及其线性组合** n 个有次序的数 a 1,a 2,-,a n 所组成的数组称为n 维向量,这 n 个 数称为该向量的 n 个分量,第i个数 a 称为第i个分量 向量组的概念 若干个同维数的列 ...
- 线性代数——向量的内积、范数、正交,向量组的线性相关性和向量空间
文章目录 向量的内积 性质 柯西不等式 范数 性质 相似度 向量组的线性相关性 向量空间 正交 规范正交基 施密特(Schimidt)正交化 正交矩阵 正交变换 向量的内积 设有n维向量 x=[x1x ...
- 人工智能必备知识——同济大学线性代数第四章向量组的线性相关性
第四章.向量组的线性相关性 知识逻辑结构图 考研考试内容 向量的概念,向量的线性组合与线性表示,向量组的线性相关与线性无关,向量组的最大线性无关组,等价向量组,向量组的秩,向量组的秩与矩阵的秩之间的关 ...
- 线性代数-向量组的线性相关性
1,n维向量的概念与运算 2,向量组的线性相关性 3,向量组的线性表示.线性相关.线性无关与矩阵秩之间的关系 4,其它有关向量组线性相关及线性无关的结论 5,向量组的秩 6,线性方程组解的结构 7,向 ...
最新文章
- JavaScript String
- Vue电商后台B站的项目需要的材料 密码等
- Things That Cannot Change
- sublime代码整理
- 大连交通大学计算机网络,计算机网络题库(大连交通大学)chapter5.doc
- go 声明二维数组_一篇文章了解Go语言中数组Arrays的使用内幕
- 1900页Python系列PPT分享八:异常处理结构与程序调试、测试(70页)
- html直播动画,HTML5 直播疯狂点赞动画实现代码 附源码
- 利用IP标准访问列表进行网络流量的控制
- 解决Mac安装Adobe软件错误代码501问题(PS AI AE PR)mac安装Adobe软件报错501解决方案
- 不用花钱,让你百度网盘满速下载的神器!简单实用教程
- matlab仓库选址,物流中心选址matlab
- grafana设置邮件监控报警
- Android开发之音乐播放器所遇到的问题
- SpringCloud(3)CloudAlibaba Nacos Sentinel Seata
- velocity源码分析:初始化之日志系统
- 114 西崖 柳成龍
- uni-app微信H5微信扫一扫支持安卓跟苹果
- 中文文本处理总结(读取文本、文本预处理、分词、去除停用词)
- hadoop 使用HA后java api连接获取 FileSystem