线性代数学习笔记(二十二)——向量间的线性关系(二)
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 k1α1+k2α2+...+knαn=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
① 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
② 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
④ 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 k1α1+k2α2+k3α3=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} k1α1+k2α2+k3α3+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 k1γ1+k2γ2+k3γ3=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 k1α1+k2α2+k3α3=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=∣∣∣∣∣∣∣∣∣a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1na2n⋮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 k1α1+k2α2+...+knαn=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} ⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧a11k1+a21k2+...+an1kn=0a12k1+a22k2+...+an2kn=0⋮a1nk1+a2nk2+...+annkn=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} ∣∣∣∣∣∣121011310∣∣∣∣∣∣
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⋮001⋮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 k1α1+k2α2+k3α3=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−k22k2++−2k33k35k3===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=k3k2=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} ⎩⎪⎨⎪⎧k1k1+k2k2++k3k3===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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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
- 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
- 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
- 独家 | Python中的SOLID原则(附链接)
- 使用RNNs进行机器翻译——介绍RNN和LSTM网络及其应用
- VS2010中添加第三方库目录VC++ Directories
- 自己动手制作的一个JDBC的套件封装,求指导
- os.path.join的妙用
- JDK各版本新特性总结
- 哪些行为会影响个人征信?
- redis将散裂中某个值自增_Redis总结
- 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!
- SQL Server触发器创建、删除、修改、查看示例步骤
- python求第三边长_如何用python求第三条边边长
- 坚持练字一年是什么样的体验?
- 十天学会单片机(1)单片机的认识、各进制、门运算、c51
- 试用SVO_edgelet
- 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
- 手把手教你solidworks重力下落物体动画制作
- Low Latency HLS的实现优化
- MAX232与MAX3232的区别
- 基于JavaSwing开发联机坦克游戏(服务器+客户端) 课程设计 大作业
- java克隆(clone)的两种实现方法