線性方程組（三）- 向量方程

小結(jié)

向量的定義
向量方程的定義和求解
$\boldsymbol{Span\{v\}}$ 與 $\boldsymbol{Span\{u,v\}}$ 的幾何解釋

$\mathbb{R}^{2}$ 中的向量

僅含一列的矩陣稱為&列向量锁施，或簡(jiǎn)稱向量借浊。向量表示一組有序數(shù)。
包含兩個(gè)元素的向量表示為： $\boldsymbol{w} = \begin{bmatrix} w_1 \\ w_2 \\ \end{bmatrix}$ 盐须，其中 $w_1$ 和 $w_2$ 是任意實(shí)數(shù)。
所有兩個(gè)元素的向量的集記為 $\mathbb{R}^{2}$ 漆腌， $\mathbb{R}$ 表示向量中的元素是實(shí)數(shù)贼邓，而指數(shù)2表示每個(gè)向量包含兩個(gè)元素。
$\mathbb{R}^{2}$ 中兩個(gè)向量相等當(dāng)且僅當(dāng)其對(duì)應(yīng)元素相等闷尿。即 $\mathbb{R}^{2}$ 中的向量是實(shí)數(shù)的有序?qū)Α?br> 給定實(shí)數(shù) $c$ 和 $\mathbb{R}^{2}$ 中兩個(gè)向量 $\boldsymbol{u}$ 和 $\boldsymbol{v}$ 塑径，它們的和 $\boldsymbol{u}+\boldsymbol{v}$ 是把 $\boldsymbol{u}$ 和 $\boldsymbol{v}$ 對(duì)應(yīng)元素相加所得的向量。 $\boldsymbol{u}$ 和 $c$ 的標(biāo)量乘法（或數(shù)乘）是把 $\boldsymbol{u}$ 的每個(gè)元素乘以 $c$ 填具，所得向量記為 $c\boldsymbol{u}$ 统舀。 $c\boldsymbol{u}$ 中的數(shù) $c$ 稱為標(biāo)量（或數(shù)）。

給定 $\boldsymbol{u}= \begin{bmatrix} 1 \\ -2 \\ \end{bmatrix}$ 和 $\boldsymbol{u}= \begin{bmatrix} 2 \\ -5 \\ \end{bmatrix}$ ，求 $4\boldsymbol{u}-3\boldsymbol{v}$
解： $\quad\ \ \ 4\boldsymbol{u} - 3\boldsymbol{v}$
$\begin{equation}\begin{aligned}\qquad &= 4\boldsymbol{u} + (-3)\boldsymbol{v} \\ &= \begin{bmatrix} 4 * 1 \\ 4 * (-2) \\ \end{bmatrix} + \begin{bmatrix} -3 * 2 \\ -3 * (-5) \\ \end{bmatrix}\\ & = \begin{bmatrix} 4 \\ -8 \\ \end{bmatrix} + \begin{bmatrix} -6 \\ 15 \\ \end{bmatrix}\\ & = \begin{bmatrix} 4 + (-6) \\ -8 + 15\end{bmatrix}\\ & = \begin{bmatrix} -2 \\ 7 \\ \end{bmatrix}\end{aligned}\end{equation}$

$\mathbb{R}^{2}$ 的幾何表示

考慮平面上的直角坐標(biāo)系誉简。因?yàn)槠矫嫔厦總€(gè)點(diǎn)由實(shí)數(shù)的有序?qū)Υ_定碉就，所以可把幾何點(diǎn) $(a, b)$ 與列向量 $\left[\begin{matrix} a \\ b \\ \end{matrix}\right]$ 等同。因此我們可把 $\mathbb{R}^{2}$ 看作平面上所有點(diǎn)的集合闷串。
向量 $\left[\begin{matrix} 3 \\ -1 \\ \end{matrix}\right]$ 的幾何表示是一條由原點(diǎn) $(0, 0)$ 指向點(diǎn) $(3, -1)$ 的有向線段瓮钥。

向量加法的平行四邊形法則
若 $\mathbb{R}^{2}$ 中向量 $\boldsymbol{u}$ 和向量 $\boldsymbol{v}$ 用平面上的點(diǎn)表示，則 $\boldsymbol{u} + \boldsymbol{v}$ 對(duì)應(yīng)于以 $\boldsymbol{u}$ 窿克， $\boldsymbol{0}$ 和 $\boldsymbol{v}$ 為頂點(diǎn)的平行四邊形的第4個(gè)頂點(diǎn)骏庸。

向量加法的平行四邊形法則.png

$\mathbb{R}^{n}$ 中的向量

$\mathbb{R}^{3}$ 中向量是 $3 \times 1$ 列矩陣，有3個(gè)元素年叮。它們表示三維空間中的點(diǎn)具被，或起點(diǎn)為原點(diǎn)的箭頭。

若 $n$ 是正整數(shù)只损，則 $\mathbb{R}^{n}$ 表示所有 $n$ 個(gè)實(shí)數(shù)數(shù)列（或有序 $n$ 元組）的集合一姿，通常寫(xiě)成 $n \times 1$ 列矩陣的形式， $\boldsymbol{u}= \begin{bmatrix} u_1 \\ u_2 \\ \vdots \\ u_n \\ \end{bmatrix}$ 跃惫。
所有元素都是零的向量稱為零向量叮叹，用 $\boldsymbol{0}$ 表示。

$\mathbb{R}^{n}$ 中向量相等以及向量加法與標(biāo)量乘法類似于 $\mathbb{R}^{2}$ 中的定義爆存。
$\mathbb{R}^{n}$ 中向量的代數(shù)性質(zhì)
對(duì) $\mathbb{R}^{n}$ 中一切向量 $\boldsymbol{u},\boldsymbol{v},\boldsymbol{w}$ 以及標(biāo)量 $c$ 和 $d$ :
$\boldsymbol{u} + \boldsymbol{v} = \boldsymbol{v} +\boldsymbol{u} \qquad\qquad\qquad\qquad c(\boldsymbol{u} + \boldsymbol{v}) = c\boldsymbol{u} + c\boldsymbol{v}$
$(\boldsymbol{u} + \boldsymbol{v}) + \boldsymbol{w} = \boldsymbol{u} + (\boldsymbol{v} + \boldsymbol{w}) \qquad\ (c+d)\boldsymbol{u} = c\boldsymbol{u} + d\boldsymbol{u}$
$\boldsymbol{u} + \boldsymbol{0} = \boldsymbol{0} + \boldsymbol{u} = \boldsymbol{u} \qquad\qquad\qquad c(d\boldsymbol{u}) = cd\boldsymbol{u}$
$\boldsymbol{u} + (\boldsymbol{-u}) = \boldsymbol{-u} + \boldsymbol{u} = \boldsymbol{0} \qquad\quad\ 1\boldsymbol{u} = \boldsymbol{u}$

線性組合

給定 $\mathbb{R}^{n}$ 中向量 $\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_p}$ 和標(biāo)量 $c_1, c_2,\cdots,v_p$ 蛉顽，向量 $\boldsymbol{y}= c_1\boldsymbol{v_1} + \cdots + c_p\boldsymbol{v_p}$ 稱為向量 $\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_p}$ 以 $c_1, c_2,\cdots,v_p$ 為權(quán)的線性組合。形如 $\boldsymbol{y}= c_1\boldsymbol{v_1} + \cdots + c_p\boldsymbol{v_p}$ 的方程稱為向量方程先较。

設(shè) $\boldsymbol{a_1}=\begin{bmatrix} 1 \\ -2 \\ -5 \\ \end{bmatrix}$ 携冤， $\boldsymbol{a_2}= \begin{bmatrix} 2 \\ 5 \\ 6\end{bmatrix}$ ， $\boldsymbol闲勺= \begin{bmatrix} 7 \\ 4 \\ -3 \\ \end{bmatrix}$ 曾棕，確定 $\boldsymbol$ 能否寫(xiě)成 $\boldsymbol{a_1}$ 和 $\boldsymbol{a_2}$ 的線性組合菜循，也就是說(shuō)翘地，確定是否存在權(quán) $x_1$ 和 $x_2$ 使 $x_1\boldsymbol{a_1} + x_2\boldsymbol{a_2} = \boldsymbol$ 癌幕。
解： $x_1\boldsymbol{a_1} + x_2\boldsymbol{a_2}= x_1\begin{bmatrix} 1 \\ -2 \\ -5 \\ \end{bmatrix} + x_2\begin{bmatrix} 2 \\ 5 \\ 6 \\ \end{bmatrix} = \begin{bmatrix} x_1 + 2x_2 \\ -2x_1 + 5x_2 \\ -5x_1 + 6x_2 \\ \end{bmatrix}$
向量相等當(dāng)且僅當(dāng)它們的對(duì)應(yīng)元素相等衙耕。即 $x_1$ 和 $x_2$ 滿足 $x_1\boldsymbol{a_1} + x_2\boldsymbol{a_2} = \boldsymbol$ 當(dāng)且僅當(dāng) $x_1$ 和 $x_2$ 滿足方程組 $\begin{cases} {x_1 + 2x_2 = 7 \\ -2x_1 + 5x_2 = 4 \\ -5x_1 + 6x_2 = -3}\end{cases}$ 勺远。
用行化簡(jiǎn)算法將方程組的增廣矩陣化簡(jiǎn)臭杰，以此解方程組：
$\begin{bmatrix} 1 & 2 & 7 \\ -2 & 5 & 4 \\ -5 & 6 & -3 \\ \end{bmatrix}$ ～ $\begin{bmatrix} 1 & 2 & 7 \\ 0 & 9 & 18 \\ 0 & 16 & 32\\ \end{bmatrix}$ ～ $\begin{bmatrix} 1 & 2 & 7 \\ 0 & 1 & 2 \\ 0 & 16 & 32 \\ \end{bmatrix}$ ～ $\begin{bmatrix} 1 & 2 & 7 \\ 0 & 1 & 2 \\ 0 & 0 & 0 \end{bmatrix}$ ～ $\begin{bmatrix} 1 & 0 & 3 \\ 0 & 1 & 2 \\ 0 & 0 & 0 \\ \end{bmatrix}$
由階梯形矩陣最右列不是主元列，可知其有解谚中。解為 $x_1=3,x_2=2$ 渴杆。
因此 $\boldsymbol寥枝$ 是 $\boldsymbol{a_1}$ 與 $\boldsymbol{a_2}$ 的線性組合，權(quán)為 $x_1=3,x_2=2$ 磁奖。

若 $\boldsymbol{A}$ 是 $m \times n$ 矩陣囊拜。 $\boldsymbol{A}$ 的各列是 $\mathbb{R}^{m}$ 中的向量，用 $\boldsymbol{a_1}, \cdots,\boldsymbol{a_n}$ 表示比搭，則A= $\begin{bmatrix} \boldsymbol{a_1},\cdots,\boldsymbol{a_n} \\ \end{bmatrix}$ 冠跷。

注意：求解過(guò)程中，增廣矩陣 $\begin{bmatrix} 1 & 2 & 7 \\ -2 & 5 & 4 \\ -5 & 6 & -3 \\ \end{bmatrix}$ 的3列分別對(duì)應(yīng)于 $\boldsymbol{a_1},\boldsymbol{a_2},\boldsymbol身诺$ 蜜托。即增廣矩陣可直接寫(xiě)為: $\begin{bmatrix} \boldsymbol{a_1},\boldsymbol{a_2},\boldsymbol\end{bmatrix}$ 霉赡。

向量方程 $x_1\boldsymbol{a_1} + x_2\boldsymbol{a_2} + \cdots + x_n\boldsymbol{a_n} = \boldsymbol橄务$ 和增廣矩陣為 $\begin{bmatrix} \boldsymbol{a_1} & \boldsymbol{a_2} & \cdots & \boldsymbol{a_n} & \boldsymbol \\ \end{bmatrix}$ 的線性方程組有相同的解穴亏。特別地蜂挪， $\boldsymbol$ 可表示為 $\boldsymbol{a_1}, \boldsymbol{a_2}, \cdots, \boldsymbol{a_n}$ 的線性組合當(dāng)且僅當(dāng)線性方程組有解嗓化。

$\boldsymbol{Span\{v\}}$ 與 $\boldsymbol{Span\{u,v\}}$ 的幾何解釋

若 $\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_p}$ 是 $\mathbb{R}^{n}$ 中的向量棠涮，則 $\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_p}$ 的所有線性組合所成的集合用記號(hào) $\boldsymbol{Span\{v_1,v_2,\cdots,v_p\}}$ 表示，稱為由 $\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_p}$ 所生成（或張成）的 $\mathbb{R}^{n}$ 的子集刺覆。也就是說(shuō)严肪， $\boldsymbol{v_1},\boldsymbol{v_2},\cdots,\boldsymbol{v_p}$ 是所有形如 $c_1\boldsymbol{v_1} + c_2\boldsymbol{v_2} + \cdots + c_p\boldsymbol{v_p}$ 的向量的集合，其中 $c_1,c_2,\cdots,c_p$ 為標(biāo)量谦屑。

要判斷向量 $\boldsymbol驳糯$ 是否屬于 $\boldsymbol{Span\{v_1,v_2,\cdots,v_p\}}$ ，就是判斷向量方程 $x_1\boldsymbol{v_1}+x_2\boldsymbol{v_2}+\cdots+x_p\boldsymbol{v_p}=\boldsymbol伦仍$ 是否有解结窘，或等價(jià)地很洋，判斷增廣矩陣為 $\begin{bmatrix} \boldsymbol{v_1} & \boldsymbol{v_2} & \cdots & \boldsymbol{v_p} & \boldsymbol充蓝 \\ \end{bmatrix}$ 的線性方程組是否有解。

設(shè) $\boldsymbol{v}$ 是 $\mathbb{R}^{3}$ 中的向量喉磁，那么 $\boldsymbol{Span\{v\}}$ 就是 $\boldsymbol{v}$ 的所有標(biāo)量倍數(shù)的集合谓苟，也就是 $\mathbb{R}^{3}$ 中通過(guò) $\boldsymbol{v}$ 和 $\boldsymbol{0}$ 的直線上所有點(diǎn)的集合。

若 $\boldsymbol{u}$ 和 $\boldsymbol{v}$ 是 $\mathbb{R}^{3}$ 中的非零向量协怒， $\boldsymbol{v}$ 不是 $\boldsymbol{u}$ 的倍數(shù)涝焙，則 $\boldsymbol{Span\{u,v\}}$ 是 $\mathbb{R}^{3}$ 中包含 $\boldsymbol{u}$ ， $\boldsymbol{v}$ 和 $\boldsymbol{0}$ 的平面孕暇。

最后編輯于：2019.02.24 20:02:34

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者

人面猴
序言：七十年代末仑撞，一起剝皮案震驚了整個(gè)濱河市赤兴，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌隧哮，老刑警劉巖桶良，帶你破解...
沈念sama閱讀 211,290評(píng)論 6贊 491
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件，死亡現(xiàn)場(chǎng)離奇詭異沮翔，居然都是意外死亡陨帆，警方通過(guò)查閱死者的電腦和手機(jī)，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 90,107評(píng)論 2贊 385
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門(mén)采蚀，熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)疲牵，“玉大人，你說(shuō)我怎么就攤上這事榆鼠「侔郑” “怎么了？”我有些...
開(kāi)封第一講書(shū)人閱讀 156,872評(píng)論 0贊 347
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵璧眠，是天一觀的道長(zhǎng)缩焦。經(jīng)常有香客問(wèn)我，道長(zhǎng)责静，這世上最難降的妖魔是什么袁滥？我笑而不...
開(kāi)封第一講書(shū)人閱讀 56,415評(píng)論 1贊 283
?港島之戀（遺憾婚禮）
正文為了忘掉前任，我火速辦了婚禮灾螃，結(jié)果婚禮上题翻，老公的妹妹穿的比我還像新娘。我一直安慰自己腰鬼，他們只是感情好嵌赠，可當(dāng)我...
茶點(diǎn)故事閱讀 65,453評(píng)論 6贊 385
惡毒庶女頂嫁案：這布局不是一般人想出來(lái)的
文/花漫我一把揭開(kāi)白布。她就那樣靜靜地躺著熄赡，像睡著了一般姜挺。火紅的嫁衣襯著肌膚如雪。梳的紋絲不亂的頭發(fā)上彼硫，一...
開(kāi)封第一講書(shū)人閱讀 49,784評(píng)論 1贊 290
城市分裂傳說(shuō)
那天炊豪，我揣著相機(jī)與錄音，去河邊找鬼拧篮。笑死词渤，一個(gè)胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的串绩。我是一名探鬼主播缺虐，決...
沈念sama閱讀 38,927評(píng)論 3贊 406
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開(kāi)眼，長(zhǎng)吁一口氣：“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼礁凡！你這毒婦竟也來(lái)了高氮？” 一聲冷哼從身側(cè)響起慧妄，我...
開(kāi)封第一講書(shū)人閱讀 37,691評(píng)論 0贊 266
萬(wàn)榮殺人案實(shí)錄
序言：老撾萬(wàn)榮一對(duì)情侶失蹤，失蹤者是張志新（化名）和其女友劉穎剪芍，沒(méi)想到半個(gè)月后腰涧，有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體，經(jīng)...
沈念sama閱讀 44,137評(píng)論 1贊 303
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡紊浩，尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 36,472評(píng)論 2贊 326
?白月光啟示錄
正文我和宋清朗相戀三年窖铡，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片坊谁。...
茶點(diǎn)故事閱讀 38,622評(píng)論 1贊 340
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡费彼，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出口芍，到底是詐尸還是另有隱情箍铲，我是刑警寧澤，帶...
沈念sama閱讀 34,289評(píng)論 4贊 329
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布鬓椭，位于F島的核電站颠猴，受9級(jí)特大地震影響，放射性物質(zhì)發(fā)生泄漏小染。R本人自食惡果不足惜翘瓮，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 39,887評(píng)論 3贊 312
男人毒藥：我在死后第九天來(lái)索命
文/蒙蒙一、第九天我趴在偏房一處隱蔽的房頂上張望裤翩。院中可真熱鬧资盅，春花似錦、人聲如沸踊赠。這莊子的主人今日做“春日...
開(kāi)封第一講書(shū)人閱讀 30,741評(píng)論 0贊 21
一樁弒父案，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽(yáng)筐带。三九已至今穿，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間伦籍，已是汗流浹背蓝晒。一陣腳步聲響...
開(kāi)封第一講書(shū)人閱讀 31,977評(píng)論 1贊 265
情欲美人皮
我被黑心中介騙來(lái)泰國(guó)打工，沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留鸽斟，地道東北人拔创。一個(gè)月前我還...
沈念sama閱讀 46,316評(píng)論 2贊 360
代替公主和親
正文我出身青樓利诺，卻偏偏與公主長(zhǎng)得像富蓄，于是被迫代替她去往敵國(guó)和親。傳聞我的和親對(duì)象是個(gè)殘疾皇子慢逾，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 43,490評(píng)論 2贊 348

線性方程組（三）- 向量方程

小結(jié)

中的向量

的幾何表示