本篇笔记首先介绍了线性相关和线性无关的概念,关键是找到一组不全为零相关系数使得等成立;然后重点介绍了一些重要的结论,以及向量组线性相关和线性无关的几个充要条件。

1 线性相关与线性无关

线性相关:设 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1​,α2​,...,αn​为 n n n个 m m m维向量,若存在一组不全为零的数 k 1 , k 2 , . . . , k n k_1,k_2,...,k_n k1​,k2​,...,kn​,使得 k 1 α 1 + k 2 α 2 + . . . + k n α n = O k_1\alpha_1+k_2\alpha_2+...+k_n\alpha_n=O k1​α1​+k2​α2​+...+kn​αn​=O成立,则称向量组 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1​,α2​,...,αn​线性相关,而称 k 1 , k 2 , . . . , k n k_1,k_2,...,k_n k1​,k2​,...,kn​为一组相关系数;否则,称向量组 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1​,α2​,...,αn​线性无关

只要找到一组就可以,能找到多组肯定也可以。

例如: 2 × ( 1 0 ) + 3 × ( 0 1 ) − 1 × ( 2 3 ) = O 2\times\begin{pmatrix}1\\0\end{pmatrix}+3\times\begin{pmatrix}0\\1\end{pmatrix}-1\times\begin{pmatrix}2\\3\end{pmatrix}=O 2×(10​)+3×(01​)−1×(23​)=O,相关系数为 2 , 3 , − 1 2,3,-1 2,3,−1,不全为0;

又如: 1 × ( 2 0 ) − 2 × ( 1 0 ) + 0 × ( 8 9 ) = O 1\times\begin{pmatrix}2\\0\end{pmatrix}-2\times\begin{pmatrix}1\\0\end{pmatrix}+0\times\begin{pmatrix}8\\9\end{pmatrix}=O 1×(20​)−2×(10​)+0×(89​)=O,相关系数为 1 , − 2 , 0 1,-2,0 1,−2,0,也不全为0(注意:不是全不为0,有0可以,但别都是0就行)。

再如: 0 × ( 2 0 ) + 0 × ( 1 0 ) + 0 × ( 8 9 ) = O 0\times\begin{pmatrix}2\\0\end{pmatrix}+0\times\begin{pmatrix}1\\0\end{pmatrix}+0\times\begin{pmatrix}8\\9\end{pmatrix}=O 0×(20​)+0×(10​)+0×(89​)=O,等式虽然成立,但相关系数为 0 , 0 , 0 0,0,0 0,0,0,不能判断向量是否线性相关或线性无关。

线性无关
{ ① 不 是 线 性 相 关 ; ② 找 不 到 一 组 不 全 为 零 的 相 关 系 数 使 等 式 成 立 ; ③ 只 有 全 为 零 的 相 关 系 统 使 等 式 成 立 。 \begin{cases} ①&不是线性相关;\\ ②&找不到一组不全为零的相关系数使等式成立;\\ ③&只有全为零的相关系统使等式成立。 \end{cases} ⎩⎪⎨⎪⎧​①②③​不是线性相关;找不到一组不全为零的相关系数使等式成立;只有全为零的相关系统使等式成立。​

2 一些结论

若向量组中两个向量的分量对应成比例,则向量组必线性相关
例如: − 1 × ( 1 2 ) + 1 2 × ( 2 4 ) + 0 × ( 5 19 ) + 0 × ( − 1 99 ) = O -1\times\begin{pmatrix}1\\2\end{pmatrix}+\frac{1}{2}\times\begin{pmatrix}2\\4\end{pmatrix}+0\times\begin{pmatrix}5\\19\end{pmatrix}+0\times\begin{pmatrix}-1\\99\end{pmatrix}=O −1×(12​)+21​×(24​)+0×(519​)+0×(−199​)=O

含有零向量的任意向量组必线性相关
例如: 0 α 1 + 0 α 2 + 0 α 3 + 1 × O = O 0\alpha_1+0\alpha_2+0\alpha_3+1\times{O}=O 0α1​+0α2​+0α3​+1×O=O

③ 特别地:一个零向量必线性相关
例如: 1 × O = O 1\times{O}=O 1×O=O

任意一个非零向量必线性无关
假设非零向量 α ≠ 0 \alpha{\neq}0 α​=0,要证其线性相关,那么 k α = 0 k\alpha=0 kα=0,所以 k = 0 k=0 k=0(详见线性代数学习笔记(二十)——向量的定义例3.1.1),这与线性相关定义矛盾,故任意一个非零向量必线性无关。

⑤ 由一个向量 α \alpha α构成的向量组线性相关 ⟺ α = 0 {\Longleftrightarrow}\alpha=0 ⟺α=0。

3 部分与整体向量组的线性关系

★★ 例8:若向量组 α 1 , α 2 , . . . α r \alpha_1,\alpha_2,...\alpha_r α1​,α2​,...αr​线性相关,那么向量组 α 1 , α 2 , . . . α r , α r + 1 , . . . , α s \alpha_1,\alpha_2,...\alpha_r\color{red}{,\alpha_{r+1},...,\alpha_s} α1​,α2​,...αr​,αr+1​,...,αs​也线性相关。

例如,若向量组 α 1 , α 2 , α 3 \alpha_1,\alpha_2,\alpha_3 α1​,α2​,α3​线性相关,那么向量组 α 1 , α 2 , α 3 , α 4 , α 5 \alpha_1,\alpha_2,\alpha_3\color{red}{,\alpha_4,\alpha_5} α1​,α2​,α3​,α4​,α5​也线性相关。
证明:因为向量组 α 1 , α 2 , α 3 \alpha_1,\alpha_2,\alpha_3 α1​,α2​,α3​线性相关,所以存在不全为0的数 k 1 , k 2 , k 3 k_1,k_2,k_3 k1​,k2​,k3​,
使得: k 1 α 1 + k 2 α 2 + k 3 α 3 = 0 k_1\alpha_1+k_2\alpha_2+k_3\alpha_3=0 k1​α1​+k2​α2​+k3​α3​=0,
所以: k 1 α 1 + k 2 α 2 + k 3 α 3 + 0 α 4 + 0 α 5 = 0 k_1\alpha_1+k_2\alpha_2+k_3\alpha_3+\color{red}{0\alpha_4+0\alpha_5}\color{black}{=0} k1​α1​+k2​α2​+k3​α3​+0α4​+0α5​=0,
相关系数 k 1 , k 2 , k 3 , 0 , 0 k_1,k_2,k_3,0,0 k1​,k2​,k3​,0,0不全为0,故向量组 α 1 , α 2 , α 3 , α 4 , α 5 \alpha_1,\alpha_2,\alpha_3,\alpha_4,\alpha_5 α1​,α2​,α3​,α4​,α5​也线性相关。

可推出以下命题:
部 分 组 线 性 相 关 , 则 整 体 组 也 线 性 相 关 \color{red}{部分组线性相关,则整体组也线性相关} 部分组线性相关,则整体组也线性相关。

其逆否命题:
整 体 组 线 性 无 关 , 则 部 分 组 也 线 性 无 关 \color{red}{整体组线性无关,则部分组也线性无关} 整体组线性无关,则部分组也线性无关。

4 接长与截短向量组的线性关系

★★ 例9:若向量组
α 1 = ( a 11 , a 12 , . . . , a 1 r ) \alpha_1=(a_{11},a_{12},...,a_{1r}) α1​=(a11​,a12​,...,a1r​)
α 2 = ( a 21 , a 22 , . . . , a 2 r ) \alpha_2=(a_{21},a_{22},...,a_{2r}) α2​=(a21​,a22​,...,a2r​)
⋮ \vdots ⋮
α m = ( a m 1 , a m 2 , . . . , a m r ) \alpha_m=(a_{m1},a_{m2},...,a_{mr}) αm​=(am1​,am2​,...,amr​)
线性无关,则向量组
γ 1 = ( a 11 , a 12 , . . . , a 1 r , a 1 , r + 1 , . . . , a 1 n ) \gamma_1=(a_{11},a_{12},...,a_{1r}\color{red}{,a_{1,r+1},...,a_{1n}}\color{black}{)} γ1​=(a11​,a12​,...,a1r​,a1,r+1​,...,a1n​)
γ 2 = ( a 21 , a 22 , . . . , a 2 r , a 2 , r + 1 , . . . , a 2 n ) \gamma_2=(a_{21},a_{22},...,a_{2r}\color{red}{,a_{2,r+1},...,a_{2n}}\color{black}{)} γ2​=(a21​,a22​,...,a2r​,a2,r+1​,...,a2n​)
⋮ \vdots ⋮
γ m = ( a m 1 , a m 2 , . . . , a m r , a m , r + 1 , . . . , a m n ) \gamma_m=(a_{m1},a_{m2},...,a_{mr}\color{red}{,a_{m,r+1},...,a_{mn}}\color{black}{)} γm​=(am1​,am2​,...,amr​,am,r+1​,...,amn​)
也线性无关。

例如,若 α 1 = ( 1 , 3 , 5 ) \alpha_1=(1,3,5) α1​=(1,3,5)
α 2 = ( 6 , − 1 , 8 ) \alpha_2=(6,-1,8) α2​=(6,−1,8)
α 3 = ( − 3 , 3 , 9 ) \alpha_3=(-3,3,9) α3​=(−3,3,9)
线性无关,证明
γ 1 = ( 1 , 3 , 5 , 1 , 6 ) \gamma_1=(1,3,5\color{red}{,1,6}\color{black}{)} γ1​=(1,3,5,1,6)
γ 2 = ( 6 , − 1 , 8 , 3 , 3 ) \gamma_2=(6,-1,8\color{red}{,3,3}\color{black}{)} γ2​=(6,−1,8,3,3)
γ 3 = ( − 3 , 3 , 9 , 10 , 8 ) \gamma_3=(-3,3,9\color{red}{,10,8}\color{black}{)} γ3​=(−3,3,9,10,8)
也线性无关。

证明:假设 k 1 γ 1 + k 2 γ 2 + k 3 γ 3 = O k_1\gamma_1+k_2\gamma_2+k_3\gamma_3=O k1​γ1​+k2​γ2​+k3​γ3​=O,
所以: { k 1 + 6 k 2 − 3 k 3 = 0 3 k 1 − k 2 + 3 k 3 = 0 5 k 1 + 8 k 2 + 9 k 3 = 0 k 1 + 3 k 2 + 10 k 3 = 0 6 k 1 + 3 k 2 + 8 k 3 = 0 \begin{cases} k_1+6k_2-3k_3=0\\ 3k_1-k_2+3k_3=0\\ 5k_1+8k_2+9k_3=0\\ k_1+3k_2+10k_3=0\\ 6k_1+3k_2+8k_3=0 \end{cases} ⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧​k1​+6k2​−3k3​=03k1​−k2​+3k3​=05k1​+8k2​+9k3​=0k1​+3k2​+10k3​=06k1​+3k2​+8k3​=0​
通过观察前三项
{ k 1 + 6 k 2 − 3 k 3 = 0 3 k 1 − k 2 + 3 k 3 = 0 5 k 1 + 8 k 2 + 9 k 3 = 0 \begin{cases} k_1+6k_2-3k_3=0\\ 3k_1-k_2+3k_3=0\\ 5k_1+8k_2+9k_3=0 \end{cases} ⎩⎪⎨⎪⎧​k1​+6k2​−3k3​=03k1​−k2​+3k3​=05k1​+8k2​+9k3​=0​
可以看出: k 1 α 1 + k 2 α 2 + k 3 α 3 = O k_1\alpha_1+k_2\alpha_2+k_3\alpha_3=O k1​α1​+k2​α2​+k3​α3​=O,
又因为向量组 α 1 , α 2 , α 3 \alpha_1,\alpha_2,\alpha_3 α1​,α2​,α3​线性无关,
所以 k 1 , k 2 , k 3 k_1,k_2,k_3 k1​,k2​,k3​必全为0,
故向量组 γ 1 , γ 2 , γ 3 \gamma_1,\gamma_2,\gamma_3 γ1​,γ2​,γ3​也线性无关。

可推出以下命题:
线 性 无 关 的 向 量 组 , 接 长 向 量 组 也 线 性 无 关 \color{red}{线性无关的向量组,接长向量组也线性无关} 线性无关的向量组,接长向量组也线性无关。

其逆否命题:
线 性 相 关 的 向 量 组 , 截 短 向 量 组 也 线 性 相 关 \color{red}{线性相关的向量组,截短向量组也线性相关} 线性相关的向量组,截短向量组也线性相关。

5 行列式值与向量组的线性关系

★★ 例10:如果 n n n个 n n n维向量(向量的个数等于向量的维数才适用)
α 1 = ( a 11 , a 12 , . . . , a 1 n ) \alpha_1=(a_{11},a_{12},...,a_{1n}) α1​=(a11​,a12​,...,a1n​)
α 2 = ( a 21 , a 22 , . . . , a 2 n ) \alpha_2=(a_{21},a_{22},...,a_{2n}) α2​=(a21​,a22​,...,a2n​)
⋮ \vdots ⋮
α n = ( a n 1 , a n 2 , . . . , a n n ) \alpha_n=(a_{n1},a_{n2},...,a_{nn}) αn​=(an1​,an2​,...,ann​)
构成的行列式
D = ∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ∣ ≠ 0 D=\begin{vmatrix} {a_{11}}&{a_{12}}&{\cdots}&{a_{1n}}\\ {a_{21}}&{a_{22}}&{\cdots}&{a_{2n}}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {a_{n1}}&{a_{n2}}&{\cdots}&{a_{nn}}\\ \end{vmatrix}{\neq}0 D=∣∣∣∣∣∣∣∣∣​a11​a21​⋮an1​​a12​a22​⋮an2​​⋯⋯⋱⋯​a1n​a2n​⋮ann​​∣∣∣∣∣∣∣∣∣​​=0,
那么, α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1​,α2​,...,αn​线性无关。

证明:设存在数 k 1 , k 2 , . . . , k n k_1,k_2,...,k_n k1​,k2​,...,kn​使得 k 1 α 1 + k 2 α 2 + . . . + k n α n = O k_1\alpha_1+k_2\alpha_2+...+k_n\alpha_n=O k1​α1​+k2​α2​+...+kn​αn​=O,即
{ a 11 k 1 + a 21 k 2 + . . . + a n 1 k n = 0 a 12 k 1 + a 22 k 2 + . . . + a n 2 k n = 0 ⋮ a 1 n k 1 + a 2 n k 2 + . . . + a n n k n = 0 \begin{cases} a_{11}k_1+a_{21}k_2+...+a_{n1}k_n=0\\ a_{12}k_1+a_{22}k_2+...+a_{n2}k_n=0\\ \vdots\\ a_{1n}k_1+a_{2n}k_2+...+a_{nn}k_n=0 \end{cases} ⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧​a11​k1​+a21​k2​+...+an1​kn​=0a12​k1​+a22​k2​+...+an2​kn​=0⋮a1n​k1​+a2n​k2​+...+ann​kn​=0​
由于该齐次线性方程组的系数行列式 D T = D ≠ 0 D^T=D{\neq}0 DT=D​=0,
由线性代数学习笔记(七)——克莱姆法则定理 1.5.2可知,
该齐次线性方程组仅有零解,
即 k 1 = k 2 = . . . = k n = 0 k_1=k_2=...=k_n=0 k1​=k2​=...=kn​=0,
故,向量组 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1​,α2​,...,αn​线性无关。

可推出以下命题:
D ≠ 0 ⟺ 线 性 无 关 \color{red}{D{\neq}0{\Longleftrightarrow}线性无关} D​=0⟺线性无关。

其逆否命题:
D = 0 ⟺ 线 性 相 关 \color{red}{D=0{\Longleftrightarrow}线性相关} D=0⟺线性相关。

举例:判断向量 ( 1 , 0 , 3 ) (1,0,3) (1,0,3)、 ( 2 , 1 , 1 ) (2,1,1) (2,1,1)和 ( 1 , 1 , 0 ) (1,1,0) (1,1,0)是线性相关还是线性无关。
首先判断向量的个数等于向量的维数,即3个3维向量适用上述结论。
然后求行列式的值,即
∣ 1 0 3 2 1 1 1 1 0 ∣ \begin{vmatrix} 1&0&3\\ 2&1&1\\ 1&1&0 \end{vmatrix} ∣∣∣∣∣∣​121​011​310​∣∣∣∣∣∣​
若行列式值为0,则线性相关,反之,则线性无关。

6 单位向量组的线性关系

例11: n n n维单位向量组线性无关。
证明:因为 n n n维单位向量组
ε 1 = ( 1 , 0 , . . . , 0 ) \varepsilon_1=(1,0,...,0) ε1​=(1,0,...,0),
ε 2 = ( 0 , 1 , . . . , 0 ) \varepsilon_2=(0,1,...,0) ε2​=(0,1,...,0),
⋮ \vdots ⋮
ε n = ( 0 , 0 , . . . , 1 ) \varepsilon_n=(0,0,...,1) εn​=(0,0,...,1)
构成的行列式
D = ∣ 1 0 ⋯ 0 0 1 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 1 ∣ = 1 ≠ 0 D=\begin{vmatrix} 1&0&{\cdots}&0\\ 0&1&{\cdots}&0\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ 0&0&{\cdots}&1\\ \end{vmatrix}=1{\neq}0 D=∣∣∣∣∣∣∣∣∣​10⋮0​01⋮0​⋯⋯⋱⋯​00⋮1​∣∣∣∣∣∣∣∣∣​=1​=0,
由例10的结论可知,向量组 ε 1 , ε 2 , . . . , ε n \varepsilon_1,\varepsilon_2,...,\varepsilon_n ε1​,ε2​,...,εn​线性无关。

7 方程组解与向量组的线性关系

例12:判断向量 α 1 = ( 1 , 0 , − 1 ) \alpha_1=(1,0,-1) α1​=(1,0,−1)、 α 2 = ( − 1 , − 1 , 2 ) \alpha_2=(-1,-1,2) α2​=(−1,−1,2)和 α 3 = ( 2 , 3 , − 5 ) \alpha_3=(2,3,-5) α3​=(2,3,−5)是线性相关还是线性无关。如果线性相关,求一组相关系数。
分析:本题可以用上述例10的结论,以下按照传统方式计算。
解:第一步:设相关系数,
设数 k 1 , k 2 , k 3 k_1,k_2,k_3 k1​,k2​,k3​,使得 k 1 α 1 + k 2 α 2 + k 3 α 3 = O k_1\alpha_1+k_2\alpha_2+k_3\alpha_3=O k1​α1​+k2​α2​+k3​α3​=O,

第二步:将向量代入,
k 1 ( 1 , 0 , − 1 ) + k 2 ( − 1 , − 1 , 2 ) + k 3 ( 2 , 3 , − 5 ) = O k_1(1,0,-1)+k_2(-1,-1,2)+k_3(2,3,-5)=O k1​(1,0,−1)+k2​(−1,−1,2)+k3​(2,3,−5)=O,

第三步:联立方程组,
{ k 1 − k 2 + 2 k 3 = 0 − k 2 + 3 k 3 = 0 − k 1 + 2 k 2 − 5 k 3 = 0 \begin{cases} k_1&-&k_2&+&2k_3&=&0\\ &&-k_2&+&3k_3&=&0\\ -k_1&+&2k_2&-&5k_3&=&0 \end{cases} ⎩⎪⎨⎪⎧​k1​−k1​​−+​k2​−k2​2k2​​++−​2k3​3k3​5k3​​===​000​

第四步:解方程组,
{ k 1 = k 3 k 2 = 3 k 3 \begin{cases} k_1=k_3\\ k_2=3k_3 \end{cases} {k1​=k3​k2​=3k3​​

令 k 3 = 1 k_3=1 k3​=1,则 k 1 = 1 k_1=1 k1​=1, k 2 = 3 k_2=3 k2​=3,

第五步:判断相关性,
所以存在一组不全为0的数 1 , 3 , 1 1,3,1 1,3,1,使得 α 1 + 3 α 2 + α 3 = O \alpha_1+3\alpha_2+\alpha_3=O α1​+3α2​+α3​=O,
故向量组 α 1 , α 2 , α 3 \alpha_1,\alpha_2,\alpha_3 α1​,α2​,α3​线性相关,一组相关系数为 1 , 3 , 1 1,3,1 1,3,1。

能否令 k 3 = 0 k_3=0 k3​=0呢?
答案是不能。
若令 k 3 = 0 k_3=0 k3​=0,则 k 1 = 0 k_1=0 k1​=0, k 2 = 0 k_2=0 k2​=0,

是否说明向量组 α 1 , α 2 , α 3 \alpha_1,\alpha_2,\alpha_3 α1​,α2​,α3​线性无关呢?
答案也是不能。
线性相关和线性无关的本质是:能否找到一组非零的数使等式成立。

通过观察上述向量和方程组不难看出:原来的每个向量的分量,直接写成方程组的系数,不管是行向量还是列向量,都按列写成方程组的系数。

可推出以下命题:
方 程 组 有 非 零 解 ⟺ 线 性 相 关 \color{red}{方程组有非零解{\Longleftrightarrow}线性相关} 方程组有非零解⟺线性相关。

其逆否命题:
方 程 组 只 有 零 解 ⟺ 线 性 无 关 \color{red}{方程组只有零解{\Longleftrightarrow}线性无关} 方程组只有零解⟺线性无关。

回顾:
线 性 组 合 ⟺ 方 程 组 有 解 \color{red}{线性组合{\Longleftrightarrow}方程组有解} 线性组合⟺方程组有解。
只要有解就行,具体是零解还是非零解无所谓!

★★ 例13:若向量组 α , β , γ \alpha,\beta,\gamma α,β,γ线性无关,则向量组 α + β , β + γ , γ + α \alpha+\beta,\beta+\gamma,\gamma+\alpha α+β,β+γ,γ+α也线性无关。
证明:设有数 k 1 , k 2 , k 3 k_1,k_2,k_3 k1​,k2​,k3​,使得 k 1 ( α + β ) + k 2 ( β + γ ) + k 3 ( γ + α ) = O k_1(\alpha+\beta)+k_2(\beta+\gamma)+k_3(\gamma+\alpha)=O k1​(α+β)+k2​(β+γ)+k3​(γ+α)=O,
即: ( k 1 + k 3 ) α + ( k 1 + k 2 ) β + ( k 2 + k 3 ) γ = O (k_1+k_3)\alpha+(k_1+k_2)\beta+(k_2+k_3)\gamma=O (k1​+k3​)α+(k1​+k2​)β+(k2​+k3​)γ=O,
因为向量组 α , β , γ \alpha,\beta,\gamma α,β,γ线性无关,故
{ k 1 + k 3 = 0 k 1 + k 2 = 0 k 2 + k 3 = 0 \begin{cases} k_1&&&+&k_3&=&0\\ k_1&+&k_2&&&=&0\\ &&k_2&+&k_3&=&0 \end{cases} ⎩⎪⎨⎪⎧​k1​k1​​+​k2​k2​​++​k3​k3​​===​000​
由此解得 k 1 = k 2 = k 3 = 0 k_1=k_2=k_3=0 k1​=k2​=k3​=0,
所以向量组 α + β , β + γ , γ + α \alpha+\beta,\beta+\gamma,\gamma+\alpha α+β,β+γ,γ+α线性无关。

8 引用

《线性代数》高清教学视频 “惊叹号”系列 宋浩老师_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili_3.2 向量间的线性关系(二)

线性代数学习笔记(二十二)——向量间的线性关系(二)相关推荐

  1. 线性代数笔记3.2向量间的线性关系(二)

    3.2向量间的线性关系(二) 线性相关与线性无关 线性相关 注意不全为0!找到一组就是线性相关 线性无关 性质 向量组中两向量成比例,则线性相关 含零向量的任意向量组必线性相关 一个零向量必线性相关 ...

  2. 线性代数学习笔记(二十一)——向量间的线性关系(一)

    本篇笔记首先介绍了线性组合,并给出了线性表示.线性表出和组合系数的概念:然后介绍了线性组合的相关性质,其中还介绍了单位向量组或基本单位向量组的定义,并将判断是否是线性组合转化为求方程组的解:最后介绍了 ...

  3. 线性代数学习笔记(十五)——初等变换(一)

    本篇笔记首先讨论了矩阵的初等变换,包括初等行变换和初等列变换两类,每一类初等变换又有三种变换规则,需要注意该初等变换与行列式对应的性质没有任何关系:然后讨论了初等变换和标准形的关系,任意矩阵都可以通过 ...

  4. 线性代数学习笔记(十四)——分块矩阵

    本篇笔记首先介绍了分块矩阵的概念,并介绍了按行或按列进行分块的两种常见分块方式,还讨论了矩阵标准形的主要基本特征,然后重点讨论了分块矩阵的几种运算,包括分块矩阵的和.差.数乘和乘积,以及对角型分块矩阵 ...

  5. 线性代数学习笔记——第十三讲——行列式的定义

    1. 一.二.三阶行列式的定义 2. n阶行列式任意元素的余子式与代数余子式的定义 3. n阶行列式的定义 4. 行列式按第一行的展开式 5. 二.三阶行列式适合对角线法则(四阶及四阶以上的行列式一般 ...

  6. 线性代数学习笔记——第二十三讲——空间直角坐标系

    从此篇开始,采用电子科技大学<线性代数与空间解析>的课件. 原因是,东南大学<线性代数>相应部分只有板书,而基本上没有课件. 1. 空间直角坐标系的基本概念 2. 空间的点与有 ...

  7. 线性代数学习笔记——第二十七讲——向量的方向余弦

    1. 向量方向角的定义 2. 向量方向余弦的定义(方向角的余弦)及其性质 3. 方向余弦的应用示例1 3. 方向余弦的应用示例2

  8. 线性代数学习笔记——第十八讲——抽象矩阵的可逆性

    1. 矩阵可逆性的相关定理.引理和推论 2. 求逆矩阵示例1 3. 求逆矩阵示例2 4. 分块矩阵的逆矩阵的求解示例 5. 分块对角矩阵可逆的充分必要条件 6. 逆矩阵的应用示例

  9. 线性代数学习笔记——第二十讲——矩阵秩的定义

    1. 矩阵的k阶子式 2. 若矩阵的某个低阶子式全为零,则其更高阶的子式也全为零(用反证法证明) 3. 矩阵的秩的定义(满秩矩阵.非奇异矩阵.矩阵可逆.矩阵的行列式不等于零这几个概念是等价的) 4. ...

最新文章

  1. 独家 | Python中的SOLID原则(附链接)
  2. 使用RNNs进行机器翻译——介绍RNN和LSTM网络及其应用
  3. VS2010中添加第三方库目录VC++ Directories
  4. 自己动手制作的一个JDBC的套件封装,求指导
  5. os.path.join的妙用
  6. JDK各版本新特性总结
  7. 哪些行为会影响个人征信?
  8. redis将散裂中某个值自增_Redis总结
  9. 听说程序员普遍存在这 7 个坏习惯,你如果有其中一点,千万注意了!
  10. SQL Server触发器创建、删除、修改、查看示例步骤
  11. python求第三边长_如何用python求第三条边边长
  12. 坚持练字一年是什么样的体验?
  13. 十天学会单片机(1)单片机的认识、各进制、门运算、c51
  14. 试用SVO_edgelet
  15. 拆长虹iho3000_(CA版)四川长虹iho-3000t晶晨s905l-b刷全网通系统教程可救砖头
  16. 手把手教你solidworks重力下落物体动画制作
  17. Low Latency HLS的实现优化
  18. MAX232与MAX3232的区别
  19. 基于JavaSwing开发联机坦克游戏(服务器+客户端) 课程设计 大作业
  20. java克隆(clone)的两种实现方法

热门文章

  1. 企业获客的五种方式解读
  2. 强化学习:Actor-Critic、SPG、DDPG、MADDPG
  3. bloomFilter和哈希函数murmur3
  4. 2019秋招备战复习篇
  5. 蛋白质相互作用位点标签的获取方法
  6. stc89c52 单片机 修改头文件
  7. 树和二叉树知识点思维导图
  8. 电源电路设计常用软件,哪个适合你的应用?
  9. Android 源码编译技巧--模块清理
  10. 人大金仓 过期 更换license