线性代数学习笔记之向量

原创已于 2024-12-20 22:49:56 修改 · 2.4k 阅读

20 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

线性代数

于 2024-12-02 18:13:01 首次发布

1. 向量的概念与线性运算

1.1 向量的概念

引：①：向量中的每个元素称为分量。

②：向量中包含了几个分量，就是几维向量。

（1）行向量：

$eg:\alpha = (1,3,6,2)$

备注：行向量中的分量一般用逗号分隔开。

（2）列向量：

$eg:\beta =\begin{pmatrix} 1\\ 3\\ 7 \end{pmatrix}$

备注：列向量用的比较多。

（3）零向量：

$eg:\alpha = (0,0,0,0)$

$eg:\beta =\begin{pmatrix} 0\\ 0\\ 0 \end{pmatrix}$

备注：向量中的所有分量都为0。

（4）向量的转置：

$eg:\alpha = (1,5,8)\rightarrow \alpha ^{T}=\begin{pmatrix} 1\\ 5\\ 8 \end{pmatrix}$ $\beta=\begin{pmatrix} 1\\ 3\\ 8 \end{pmatrix}\rightarrow \beta^{T}=(1,3,8)$

备注： $\alpha _{1*n}*\beta _{n*1}$ 结果是一个标量。

（5）向量的相等：

两个向量相等，则两个向量的维数相等，对应位置的分量相等。

1.2 向量的线性运算

（1）向量的加减法：

遵守原则：1）两个向量的维数相等；2）对应位置的分量相加减相等。

备注：

①： $\alpha+\beta =\beta +\alpha$ （交换律）

②： $(\alpha+\beta)+\gamma =\beta +(\alpha+\gamma)$ （结合律）

③： $\alpha+0 =0 +\alpha=\alpha$ （ $0$ 为同维数的零向量）

④： $\alpha-\alpha =-\alpha + \alpha=0$ （ $0$ 为同维数的零向量）

⑤： $\alpha+\beta=\gamma \Leftrightarrow \beta =\gamma-\alpha\Leftrightarrow\alpha =\gamma-\beta$

（2）向量的数乘：

遵守原则：用数 $k$ 乘以向量 $\alpha$ ，就是用数 $k$ 乘以向量 $\alpha$ 内的每一个分量。

备注：

①： $1*\alpha =\alpha$

②： $(kl)\alpha =k(l\alpha)=l(k\alpha)$

③： $k(\alpha+\beta ) =k\alpha+k\beta$

④： $(k+l)\alpha =k\alpha+l\alpha$

⑤： $k\alpha =0$ $\Leftrightarrow$ $k$ = 0 或者 $\alpha =0$ （ $k$ 为实数， $\alpha$ 为向量，0是数， $0$ 是零向量）

（3）向量的乘法( $\gamma= \alpha * \beta$ )：

遵守原则：1）向量 $\alpha$ 的列数与向量 $\beta$ 的行数必须相等；

2）向量 $\gamma$ 的行数是向量 $\alpha$ 的行数，向量 $\gamma$ 的列数是向量 $\beta$ 的列数；

3）向量 $\alpha$ 的每行元素分别乘以向量 $\beta$ 的每列元素，再做和，结果写到相应的行列坐标位置上。

2. 向量的线性组合和线性表示

（1）设 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ 是一组 $n$ 维向量， $k_{1}$ ， $k_{2}$ ， $...$ $k_{m}$ 是一组常数，则称

$k_{1}\alpha _{1}+k_{2}\alpha _{2}+...+k_{m}\alpha _{m}$

为向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ 的一个线性组合， $k_{1}$ ， $k_{2}$ ， $...$ $k_{m}$ 称为组合系数。

备注：可联想线性方程组：

①： $m$ 为线性方程组中未知量的个数， $n$ 为线性方程组中方程的个数。

②： $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ 是线性方程组中系数的组合， $k_{1}$ ， $k_{2}$ ， $...$ $k_{m}$ 是线性方程组中未知量的组合。

（2）设 $\beta$ ， $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ 都是 $n$ 维向量，若存在常数 $k_{1}$ ， $k_{2}$ ， $...$ $k_{m}$ ，使得关系式

$\beta = k_{1}\alpha _{1}+k_{2}\alpha _{2}+...+k_{m}\alpha _{m}$

成立，则称向量 $\beta$ 是向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ 的线性组合，也称向量 $\beta$ 可由向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$

$\alpha _{m}$ 线性表示， $k_{1}$ ， $k_{2}$ ， $...$ $k_{m}$ 称为组合系数。

备注：可联想线性方程组：

①： $\beta = k_{1}\alpha _{1}+k_{2}\alpha _{2}+...+k_{m}\alpha _{m}$ 可表示整个线性方程组。

②：判断向量 $\beta$ 是否是向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ 的线性组合，就看是否存在常数 $k_{1}$ ， $k_{2}$ ， $...$ $k_{m}$ ，

使得关系式 $\beta = k_{1}\alpha _{1}+k_{2}\alpha _{2}+...+k_{m}\alpha _{m}$ 成立。

小贴士：可联想线性方程组：

①： $\beta = \alpha _{1}k_{1}+\alpha _{2}k_{2}+...+\alpha _{m}k_{m}$ $\Leftrightarrow$ $\beta =Ax$ 。

②：判断向量 $\beta$ 是否是向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ 的线性组合，就看 $\beta =Ax$ 是否有解。

若可以表示，则方程组有解；若不可以表示，则方程组无解。

若可以唯一表示，则方程组有唯一解；若可以表示且不唯一，则方程组有无穷多解。

（3）相关结论：

1）零向量是任意向量组的线性组合。

2）向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ 中的任意向量 $\alpha _{i}$ 均可由本向量组线性表示。

eg： $\alpha _{2}$ = 0* $\alpha _{1}$ +1* $\alpha _{2}$ + 0* $\alpha _{3}$ .

3）任意一个 $n$ 维向量 $\alpha =(b _{1},b _{2},...,b _{n})$ 均可由 $n$ 维基本(初始)单位向量组 $\varepsilon _{1} =(1,0,...,0)$ ，

$\varepsilon _{2} =(0,1,...,0)$ ，... $\varepsilon _{n} =(0,0,...,1)$ 唯一的线性表示，即： $\alpha = b _{1}\varepsilon _{1}+b _{2}\varepsilon _{2}+...+b _{n}\varepsilon _{n}$ 。

备注：从列向量的角度来分析比较清晰。

（4）向量组的等价：

定义：设有两个向量组①： $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ ，②： $\beta _{1}$ ， $\beta _{2}$ ， $...$ $\beta _{n}$ ，若向量组①和向量组 ②可相互线性表示，

则称向量组①与向量组②是等价的。

备注：

1）反身性：对于任何向量组①，都有① ≅ ①。

2）对称性：若向量组①与向量组②等价① ≅ ②，则向量组②与向量组①也等价② ≅ ①。

3）传递性：若向量组① ≅ ②，② ≅ ③，则① ≅ ③。

4）向量组等价，那么各个向量组所包含的向量的个数不一定相等。

3. 向量组的线性相关性

3.1 向量组线性相关性的概念

（1）线性相关：

给定一个向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ ，如果存在不全为零的数 $k_{1}$ ， $k_{2}$ ， $...$ $k_{n}$ ，使得关系式

$k_{1}\alpha _{1}+k_{2}\alpha _{2}+...+k_{n}\alpha _{n}=0$

成立，则称向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 线性相关，称 $k_{1}$ ， $k_{2}$ ， $...$ $k_{n}$ 为一组相关系数。

备注：常用于判断向量组是否线性相关。

（2）线性无关：

给定一个向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ ，如果只有在 $k_{1}$ ， $k_{2}$ ， $...$ $k_{n}$ 全为零的情况下，才使得关系式

$k_{1}\alpha _{1}+k_{2}\alpha _{2}+...+k_{n}\alpha _{n}=0$

成立，则称向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 线性无关。

备注：常用于判断向量组是否线性无关。

（3）相关结论：

1）单个的零向量是线性相关的；单个的非零向量是线性无关的。

2）两个非零向量 $\alpha,\beta$ 线性相关 $\Leftrightarrow$ $\alpha,\beta$ 的分量对应成比例。

3）如果向量组中有一部分向量（称为部分组）线性相关，则该向量组线性相关。

备注：若部分组相关，则整体组相关。

4）若向量组线性无关，则它任意部分组也线性无关。

备注：若整体组无关，则部分组无关。

5）含有零向量的向量组一定是线性相关的。

6） $n$ 维基本(初始)单位向量组一定是线性无关的。

7）若向量组线性无关，则分量接长(内嵌)向量组也线性无关。

备注： $\alpha _{1} = (1,2,5) , \alpha _{2} = (3,7,9), \alpha _{3} = (2,5,8)$

$\beta _{1} = (1,2,5,3,2) , \beta _{2} = (3,7,9,5,6), \beta _{3} = (2,5,8,6,7)$

$\beta$ 就是 $\alpha$ 的分量接长向量组(自定义名词)。

$\beta _{1} = (1,2,7,5,) , \beta _{2} = (3,7,6,9), \beta _{3} = (2,5,3,8)$

$\beta$ 就是 $\alpha$ 的分量内嵌向量组(自定义名词)。

8）若向量组线性相关，则分量截短向量组也线性相关。

备注： $\alpha _{1} = (1,2,5) , \alpha _{2} = (3,7,9), \alpha _{3} = (2,5,8)$

$\beta _{1} = (1,2,) , \beta _{2} = (3,7), \beta _{3} = (2,5)$

$\beta$ 就是 $\alpha$ 的分量截短向量组(自定义名词)。

9）若向量组中有两个向量成比例，则向量组一定是线性相关的。

3.2 向量组线性相关性的判定

（1）定义法：用定义法判断向量组线性相关、线性无关等同于判断齐次线性方程组是否有非零解。

①：向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 线性相关 $\Leftrightarrow$ 齐次线性方程组 $x_{1}\alpha _{1}+x_{2}\alpha _{2}+...+x_{n}\alpha _{n}=0$ 有非零解。

②：向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 线性无关 $\Leftrightarrow$ 齐次线性方程组 $x_{1}\alpha _{1}+x_{2}\alpha _{2}+...+x_{n}\alpha _{n}=0$ 只有零解。

（2）定理法：

1）向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ ( $n$ ≥ 2)线性相关的充要条件是至少有一个向量是其余 $n$ -1个向量的线性组合。

证明：①：因向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 线性相关，则存在不全为零的数 $k_{1}$ ， $k_{2}$ ， $...$ $k_{n}$ ，使关系式

$k_{1}\alpha _{1}+k_{2}\alpha _{2}+...+k_{n}\alpha _{n}=0$

成立。假设 $k_{1}$ ≠0，则有 $\alpha _{1}=-\frac{k_{2}}{k_{1}}\alpha _{2}-\frac{k_{3}}{k_{1}}\alpha _{3}-...-\frac{k_{n}}{k_{1}}\alpha _{n}$ 。

②：设 $\alpha _{1}=k_{2}\alpha _{2}+...+k_{n}\alpha _{n}$ ，则有 $1*\alpha _{1}-k_{2}\alpha _{2}-...-k_{n}\alpha _{n}=0$ ，故存

在不全为零的数 $1,k_{2},...k_{n}$ ,使得 $1*\alpha _{1}-k_{2}\alpha _{2}-...-k_{n}\alpha _{n}=0$ 成立。

2）若向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 线性无关，而向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ ， $\beta$ 线性相关，则向量 $\beta$ 可由向

量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ 线性表示，且表示法唯一。

证明：①：因向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ ， $\beta$ 线性相关，则存在不全为零的数 $k_{1}$ ， $k_{2}$ ， $...$ $k_{n}$ ， $l$ ，使

关系式 $k_{1}\alpha _{1}+k_{2}\alpha _{2}+...+k_{n}\alpha _{n}+l\beta =0$ 成立；

假设 $l$ =0，有 $k_{1}\alpha _{1}+k_{2}\alpha _{2}+...+k_{n}\alpha _{n} =0$ ，则向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 线性相关，

与条件矛盾，故 $l$ ≠ 0；因 $l$ ≠ 0，则有 $\beta =-\frac{k_{1}}{l}\alpha _{1}-\frac{k_{2}}{l}\alpha _{2}-\frac{k_{3}}{l}\alpha _{3}-...-\frac{k_{n}}{l}\alpha _{n}$ 。

②：假设表示法唯一，那么 $\beta$ 可以表示为：

$\beta =x_{1}\alpha _{1}+x_{2}\alpha _{2}+...+x_{n}\alpha _{n}\\ \beta =y_{1}\alpha _{1}+y_{2}\alpha _{2}+...+y_{n}\alpha _{n}\\$

两式相减可得： $\beta =(x_{1}-y_{1})\alpha _{1}+(x_{2}-y_{2})\alpha _{2}+...+(x_{n}-y_{n})\alpha _{n}$

因向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 线性无关，则有 $x_{1}=y_{1},x_{2}=y_{2},...x_{n}=y_{n}$ ，故表示法唯一。

3）设有两个向量组①： $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ ，②： $\beta _{1}$ ， $\beta _{2}$ ， $...$ $\beta _{n}$ ，若向量组①可由向量组 ②线性

表示，且向量组①是线性无关的，则有 $m$ ≤ $n$ 。

4）设有两个向量组①： $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ ，②： $\beta _{1}$ ， $\beta _{2}$ ， $...$ $\beta _{n}$ ，若向量组①和向量组 ②可相互

线性表示，且向量组①和向量组 ②均是线性无关的，则有 $m$ = $n$ 。

5）设有两个向量组①： $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{m}$ ，②： $\beta _{1}$ ， $\beta _{2}$ ， $...$ $\beta _{n}$ ，若向量组①可由向量组 ②线性

表示，且 $m$ > $n$ ，则有向量组①是线性相关的。

6）若向量组中向量的个数大于向量的维数，则该向量组是线性相关的。

4. 极(最)大线性无关组

（1）定义：设向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 的部分组为 $\alpha _{i_{1}}$ ， $\alpha _{i_{2}}$ ， $...$ $\alpha _{i_{m}}$ ，那么部分组满足以下条件：

①：部分组 $\alpha _{i_{1}}$ ， $\alpha _{i_{2}}$ ， $...$ $\alpha _{i_{m}}$ 是线性无关的；

②：从剩余向量中取向量 $\beta$ 放到部分组中，则新部分组 $\alpha _{i_{1}}$ ， $\alpha _{i_{2}}$ ， $...$ $\alpha _{i_{m}}$ ， $\beta$ 是线性相关的；

则称部分组 $\alpha _{i_{1}}$ ， $\alpha _{i_{2}}$ ， $...$ $\alpha _{i_{m}}$ 是向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 的一个极(最)大线性无关组。

备注：

①：向量组中的任意一个向量均可由它的极(最)大线性无关组线性表示。

②：向量组的极(最)大线性无关组不一定是唯一的，但所包含的向量的个数是相等的。

（2）性质：

1）零向量组是没有极(最)大线性无关组的。

2）向量组中的向量都是线性无关的，那么该向量组的极(最)大线性无关组就是其本身。

3）向量组的极(最)大线性无关组可能不唯一。

4）向量组和它的任意一个极(最)大线性无关组是等价的。

5）同一向量组的任意两个极(最)大线性无关组等价，且所含向量个数相等。

6）若向量组①可由向量组②线性表示，则向量组①的极(最)大线性无关组可由向量组②的极(最)

大线性无关组线性表示。

7）若两个向量组等价，则对应的极(最)大线性无关组也等价。

（3）求解方法：

eg：已知向量组： $\alpha _{1}=(1,-2,2,-1)$ ， $\alpha _{2}=(2,-4,8,0)$ ， $\alpha _{3}=(-2,4,-2,3)$ ，

$\alpha _{4}=(3,-6,0,-6)$ ，求解向量组的一个极(最)大线性无关组，并将其余向量用该极(最)

大线性无关组线性表示。

解：①：给定向量组中的向量，不管是行向量，还是列向量，均按列向量构成矩阵。

$A=\begin{pmatrix} \alpha _{1}^{T}&\alpha _{2}^{T} & \alpha _{3}^{T} & \alpha _{4}^{T} \end{pmatrix}=\begin{pmatrix} 1 & 2 & -2 & 3\\ -2& -4& 4 &-6 \\ 2& 8& -2&0 \\ -1& 0& 3 & -6 \end{pmatrix}$

②：将矩阵A只进行初等行变换处理，化成行简化阶梯形矩阵B。

$A=\begin{pmatrix} 1 & 2 & -2 & 3\\ -2& -4& 4 &-6 \\ 2& 8& -2&0 \\ -1& 0& 3 & -6 \end{pmatrix}\overset{Row Change}{\rightarrow}\begin{pmatrix} 1 & 0 &-3 &6 \\ 0& 1& \frac{1}{2} &-\frac{3}{2} \\ 0 &0 & 0& 0\\ 0 & 0& 0 & 0 \end{pmatrix}=B$

③：由行简化阶梯形矩阵B可得： $\alpha _{1}$ 、 $\alpha _{2}$ 是线性无关的，即为一个极(最)大线性无关组。

④：把行简化阶梯形矩阵B中的全零行去掉，则： $\alpha _{3} = -3\alpha _{1} +\frac{1}{2}\alpha _{2}$ ， $\alpha _{4} = 6\alpha _{1} -\frac{3}{2}\alpha _{2}$ 。

小贴士：

问题：矩阵进行初等行(列)变换是不改变矩阵列(行)向量组的线性关系的(线性相关性及线性表示系数)。

解析：把矩阵A只进行初等行变换处理，化成行简化阶梯形矩阵B的形式。

$A=\begin{pmatrix} \alpha _{1}^{T}&\alpha _{2}^{T} & \alpha _{3}^{T} & \alpha _{4}^{T} \end{pmatrix}=\begin{pmatrix} 1 & 2 & -2 & 3\\ -2& -4& 4 &-6 \\ 2& 8& -2&0 \\ -1& 0& 3 & -6 \end{pmatrix}$

在矩阵A的列向量组中， $\alpha _{1}$ 、 $\alpha _{2}$ 是线性无关的，且 $\alpha _{3} = -3\alpha _{1} +\frac{1}{2}\alpha _{2}$ ， $\alpha _{4} = 6\alpha _{1} -\frac{3}{2}\alpha _{2}$ 。

$B=\begin{pmatrix} \beta _{1}^{T}&\beta _{2}^{T} & \beta _{3}^{T} & \beta _{4}^{T} \end{pmatrix}=\begin{pmatrix} 1 & 0 & -3 &6 \\ 0 & 1& \frac{1}{2} &-\frac{3}{2} \\ 0 & 0& 0 &0 \\ 0 & 0 & 0&0 \end{pmatrix}$

在矩阵B的列向量组中， $\beta _{1}$ 、 $\beta _{2}$ 是线性无关的，且 $\beta _{3} = -3\beta _{1} +\frac{1}{2}\beta _{2}$ ， $\beta _{4} = 6\beta _{1} -\frac{3}{2}\beta _{2}$ 。

结论：从而可推出上述③④的结论。

5. 向量组的秩

（1）定义：向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 的任意一个极(最)大线性无关组所包含的向量的个数，称为向量

组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 的秩，记作r( $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ )。

备注：规定零向量组的秩为零。

（2）性质：

1）向量组的秩是唯一的，等于极(最)大线性无关组中向量的个数。

2）向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 是线性无关的 $\Leftrightarrow$ r( $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ ) = $n$ 。

向量组 $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ 是线性相关的 $\Leftrightarrow$ r( $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ ) < $n$ 。

3）若向量组①可由向量组②线性表示，则r(①) ≤ r(②)。

4）若两个向量组是等价的，则两个向量组的秩是相等的。

5）0 ≤ r( $\alpha _{1}$ ， $\alpha _{2}$ ， $...$ $\alpha _{n}$ ) ≤ min(向量组中向量的个数，向量组中向量的维数)。

6）若向量组的秩为 $r$ ，则向量组中必有 $r$ 个向量是线性无关的，而任意多于 $r$ 个向量都是线性相关的。

7）若向量组的秩为 $r$ ( $r$ > 0)，则任意包含 $r$ 个线性无关的向量的部分组都是向量组的极(最)大线性无关组。

小贴士：矩阵的行秩与列秩的概念

已知矩阵A，进行如下变形表示：

$A=\begin{pmatrix} 1 & 7& 2 & 5&9 \\ 3 & 5& 1 & 9 &8 \\ 8 & 2& 1 & 3 & 5 \end{pmatrix}=\begin{pmatrix} \alpha _{1}\\ \alpha _{2}\\ \alpha _{3} \end{pmatrix}$

设 $\alpha _{1},\alpha _{2},\alpha _{3}$ 是矩阵A的行向量组，则行向量组的秩 $r(\alpha _{1},\alpha _{2},\alpha _{3})$ 称为矩阵A的行秩。

$A=\begin{pmatrix} 1 & 7& 2 & 5&9 \\ 3 & 5& 1 & 9 &8 \\ 8 & 2& 1 & 3 & 5 \end{pmatrix}=\begin{pmatrix} \beta_{1} ,\beta_{2} ,\beta_{3} ,\beta_{4} ,\beta_{5} \end{pmatrix}$

设 $\beta _{1},\beta _{2},\beta _{3},\beta _{4},\beta _{5}$ 为矩阵A的列向量组，则列向量组的秩 $r(\beta _{1},\beta _{2},\beta _{3},\beta _{4},\beta _{5})$ 称为矩阵A的列秩(常用)。

结论：①：矩阵A的行秩 = 矩阵A的列秩 = 矩阵A的秩。(三秩相等)

②：求解向量组的秩转化为求解矩阵的秩。

标签

#线性代数 #学习 #笔记