本章介绍 n 维向量组的线性相关性、向量组的极大线性无关组及向量组的秩的概念,并讨论向量组的秩和矩阵的秩之间的关系,最后给出向量空间的概念。
在三维空间中,用 i, j, k 分别表示空间直角坐标系的三个坐标轴 x 轴、y 轴和 z 轴上的单位向量,即 i=(1,0,0), j=(0,1,0), k=(0,0,1)。以坐标原点 O(0,0,0) 为起点,以 M(x,y,z) 为终点的向量可表示为
overrightarrowOM = xi + yj + zk,或简记为 overrightarrowOM = (x,y,z),即用三元有序数组来表示一个三维向量。
若暂时抛开向量的几何背景,而把一个向量抽象为一个数组,且数组中数的个数也可以少于或多于 3 个,那么向量可表示的对象就十分广泛,这使得向量理论在数学和其他应用科学中都有着广泛的应用。
一、n 维向量的定义
Section titled “一、nn 维向量的定义”由 n 个数 a₁, a₂, …, aₙ 组成的有序数组
α = (a₁, a₂, …, aₙ)称为一个 n 维向量,数 aᵢ 称为该向量的第 i 个分量 (i=1,2,…,n)。
分量为实数的向量称为实向量,分量为复数的向量称为复向量。如无特殊说明,本书中的向量都指实向量。
向量可以写成一行:(a₁, a₂, …, aₙ);也可以写成一列:
α = a₁ a₂ vdots aₙ前者称为行向量,后者称为列向量。列向量也可以写成 (a₁, a₂, …, aₙ)^T 的形式。
用小写黑体字母 α, β, x, y, … 来表示向量,用带下标的非黑体字母 aᵢ, bᵢ, xᵢ, yᵢ, … 表示向量的分量。本书下面所讨论的向量若未写出具体形式,也没有指明是行向量还是列向量时,都当作列向量。
n 维向量是解析几何中向量的推广,当 n>3 时,n 维向量没有直观的几何意义,只是沿用了几何上的术语。
可用矩阵方法定义向量:一个 n 维行向量定义为一个 1 × n 矩阵
α = (a₁, a₂, …, aₙ).一个 n 维列向量定义为一个 n × 1 矩阵
β = b₁ b₂ vdots bₙ .这样向量又是一种特殊的矩阵,因此,向量相等、零向量、负向量的定义及向量运算的定义,自然都应与矩阵的相应定义一致。
所有分量都是零的 n 维向量称为 n 维零向量,记作 0,即
0 = (0, 0, …, 0).向量 α = (a₁, a₂, …, aₙ) 的各个分量都取相反数组成的向量,称为 α 的负向量,记作 -α,即
-α = (-a₁, -a₂, …, -aₙ).如果两个 n 维向量 α = (a₁, a₂, …, aₙ) 与 β = (b₁, b₂, …, bₙ) 的对应分量都相等,即
aᵢ = bᵢ (i = 1, 2, …, n),则称向量 α 与 β 相等,记作 α = β。
二、n 维向量的加法和数乘运算
Section titled “二、nn 维向量的加法和数乘运算”设 n 维向量 α = (a₁, a₂, …, aₙ), β = (b₁, b₂, …, bₙ),则 α 与 β 的和是向量
α + β = (a₁ + b₁, a₂ + b₂, …, aₙ + bₙ).利用负向量的概念,还可以定义向量的减法为
α - β = α + (-β) = (a₁ - b₁, a₂ - b₂, …, aₙ - bₙ).设 α = (a₁, a₂, …, aₙ) 是一个 n 维向量,k 为一个实数,则实数 k 与 α 的乘积称为数乘向量,简称为数乘,记作 kα,并且
kα = k(a₁, a₂, …, aₙ) = (ka₁, ka₂, …, kaₙ).对于任意实数 k 以及任意的 n 维向量 α,都有 kα = αk。
以上是就行向量的情形定义了向量的加法、减法与数乘运算。对列向量的情形可完全类似地定义向量的加法、减法与数乘运算。
向量的加法运算及数乘运算统称为向量的线性运算,这是向量最基本的运算。
向量的运算满足下列 8 条运算规律:设 α, β, γ 都是 n 维向量,k, l 是任意实数,则:
- α + β = β + α(加法交换律);
- (α + β) + γ = α + (β + γ)(加法结合律);
- α + 0 = α;
- α + (-α) = 0;
- 1α = α;
- k(α + β) = kα + kβ(数乘分配律);
- (k + l)α = kα + lα(数乘分配律);
- (kl)α = k(lα)(数乘向量结合律)。
设 α = (2, 1, 3), β = (-1, 3, 6), γ = (2, -1, 4)。求向量 2α + 3β - γ。
解
设 α = (1, 0, -2, 3), β = (4, -1, -2, 3),求满足 2α + β + 3γ = 0 的 γ。