文章目录
- [一. n维向量概念](#一. n维向量概念)
-
- [1. 向量](#1. 向量)
-
- [1.1. 定义](#1.1. 定义)
- [1.2. 向量的运算规律](#1.2. 向量的运算规律)
- [1.3. 向量的线性表示](#1.3. 向量的线性表示)
- [2. 向量组](#2. 向量组)
-
- [2.1. 向量组矩阵](#2.1. 向量组矩阵)
- [2.2. 向量组的线性组合](#2.2. 向量组的线性组合)
- [2.3. 向量组的线性相关](#2.3. 向量组的线性相关)
- [2.4. 向量组的线性表出](#2.4. 向量组的线性表出)
- [2.5. 极大线性无关组与秩](#2.5. 极大线性无关组与秩)
- [二. 定理](#二. 定理)
-
- [1. 向量的线性表出与非齐次](#1. 向量的线性表出与非齐次)
- [2. 向量组的相关性](#2. 向量组的相关性)
- [3. 整体与部分向量组的相关性](#3. 整体与部分向量组的相关性)
- [4. 向量组的秩与相关性](#4. 向量组的秩与相关性)
- [三. 向量组相关的几何意义](#三. 向量组相关的几何意义)
一. n维向量概念
1. 向量
1.1. 定义
实向量的概念:分量(坐标)、行向量、列向量
1.2. 向量的运算规律
规定行向量与列向量都按矩阵的运算规则来运算
![](https://img-blog.csdnimg.cn/direct/a74558c9b7df46a68a67ae7a25849a22.png)
1.3. 向量的线性表示
![](https://img-blog.csdnimg.cn/direct/b53733df3c924ae6ad9eff4b80b2fe53.png)
2. 向量组
2.1. 向量组矩阵
一个含有有限个向量的向量组总可以构成一个矩阵。
2.2. 向量组的线性组合
![](https://img-blog.csdnimg.cn/direct/f33a5a5e8f224a399dfc06a184072584.png)
2.3. 向量组的线性相关
![](https://img-blog.csdnimg.cn/direct/b5abf7bd8afe4d97a0c8db4b4cc2ae84.png)
2.4. 向量组的线性表出
向量组的线性表出与向量组之间的等价
2.5. 极大线性无关组与秩
![](https://img-blog.csdnimg.cn/direct/b9b8e9fbded34bf1b8f9dc3729e1fa9e.png)
极大线性无关组的秩
二. 定理
1. 向量的线性表出与非齐次
![](https://img-blog.csdnimg.cn/direct/ab71c54087e74620b6b8599209bf4242.png)
2. 向量组的相关性
![](https://img-blog.csdnimg.cn/direct/347940bc29854788b66c32381417c752.png)
3. 整体与部分向量组的相关性
![](https://img-blog.csdnimg.cn/direct/37fc7975d10d42318586812205794f5c.png)
![](https://img-blog.csdnimg.cn/direct/31863d05be9c447cb2a0a05a52f084e3.png)
4. 向量组的秩与相关性
秩越大能够表示的就越多
定理7:
- 如果多数向量能由少数向量表示,则多数向量一定线性相关。
- 且多数向量的秩小于等于少数向量的秩
![](https://img-blog.csdnimg.cn/direct/8c28542f9b574c14aeaa62b1752bd822.png)
三. 向量组相关的几何意义
![](https://img-blog.csdnimg.cn/direct/29d7a4789b1147fbaaab70dad5436a03.png)
![](https://img-blog.csdnimg.cn/direct/caf9ceb1869a471ba388716c61e0c50c.png)