线性代数向量空间维数求解 线性代数，求向量空间的维数
\u7ebf\u6027\u4ee3\u6570\uff1a\u6c42\u5411\u91cf\u7a7a\u95f4\u7684\u7ef4\u6570\uff0c\u89c1\u4e0b\u56fe\u3002\u7ef4\u6570\u662f2\u3002
\uff0d\uff0d\uff0d\uff0d\uff0d\uff0d\uff0d
\u7ebf\u6027\u9f50\u6b21\u65b9\u7a0b\u7ec4\u67093\u4e2a\u672a\u77e5\u91cf\uff0c\u53ea\u6709\u4e00\u4e2a\u65b9\u7a0b\uff0c\u6240\u4ee5\u5176\u57fa\u7840\u89e3\u7cfb\u67092\u4e2a\u5411\u91cf\uff0c\u6240\u4ee5V\u7684\u7ef4\u6570\u662f2\u3002
\u65b9\u7a0b\u5199\u4f5c3x=-2y-5z\uff0c\u4ee4y=-3,z=0\uff0c\u5f97x=2\uff0c\u6240\u4ee5(2,-3,0)^T\u662f\u65b9\u7a0b\u7684\u4e00\u4e2a\u89e3\u3002\u4ee4y=0,z=-3\uff0c\u5f97x=5\uff0c\u6240\u4ee5(5,0,-3)^T\u662f\u65b9\u7a0b\u7684\u53e6\u4e00\u4e2a\u89e3\u3002\u4e24\u4e2a\u89e3\u7ebf\u6027\u65e0\u5173\uff0c\u6240\u4ee5(2,-3,0)^T\uff0c(5,0,-3)^T\u662f\u65b9\u7a0b\u7684\u57fa\u7840\u89e3\u7cfb\uff0c\u4e5f\u662f\u5411\u91cf\u7a7a\u95f4V\u7684\u57fa\u3002
V\u662f\u4e09\u5143\u65b9\u7a0b\u7ec43x+2y+5z=0\u7684\u89e3\u7a7a\u95f4\uff0c\u8fd9\u4e2a\u65b9\u7a0b\u7ec4\u53ea\u67091\u4e2a\u65b9\u7a0b\uff0c\u67093\u4e2a\u672a\u77e5\u91cf\uff0c\u6240\u4ee5V\u7684\u7ef4\u6570\u5c31\u662f\u65b9\u7a0b\u7ec4\u7684\u57fa\u7840\u89e3\u7cfb\u91cc\u7684\u5411\u91cf\u4e2a\u6570\uff0c\u6240\u4ee5\u7ef4\u6570\u662fn-r(A)=3-1=2\u3002
维数是2。
线性齐次方程组有3个未知量，只有一个方程，所以其基础解系有2个向量，所以V的维数是2。
方程写作3x=-2y-5z，令y=-3，z=0，得x=2，所以（2，-3，0）^T是方程的一个解。令y=0，z=-3，得x=5，所以（5，0，-3）^T是方程的另一个解。两个解线性无关，所以（2，-3，0）^T，（5，0，-3）^T是方程的基础解系，也是向量空间V的基。
重要定理：
对一个 n 行 n 列的非零矩阵 A，如果存在一个矩阵 B 使 AB = BA =E（E是单位矩阵），则 A 为非奇异矩阵（或称可逆矩阵），B为A的逆阵。
矩阵非奇异（可逆）当且仅当它的行列式不为零。
矩阵非奇异当且仅当它代表的线性变换是个自同构。
矩阵半正定当且仅当它的每个特征值大于或等于零。
矩阵正定当且仅当它的每个特征值都大于零。
向量空间的维数＝向量组的秩。因向量Ⅹ3＝X1＋X2，X3由X1与Ⅹ2线性表出，所以线性无关向量只2个，向量组的秩r＝2，向量空间的维数＝2。
在解析几何里引入向量概念后，使许多问题的处理变得更为简洁和清晰，在此基础上的进一步抽象化，形成了与域相联系的向量空间概念。
扩展资料：
向量空间亦称线性空间。它是线性代数的中心内容和基本概念之一。设V是一个非空集合，P是一个域。若：
1、在V中定义了一种运算，称为加法，即对V中任意两个元素α与β都按某一法则对应于V内惟一确定的一个元素α+β，称为α与β的和。
2、在P与V的元素间定义了一种运算，称为纯量乘法(亦称数量乘法)，即对V中任意元素α和P中任意元素k，都按某一法则对应V内惟一确定的一个元素kα，称为k与α的积。
向量空间的维数＝构建空间的向量组的秩。因为向量Ⅹ₃＝X₁＋X₂，即X₃ 可由X₁ 与Ⅹ₂ 线性表出，所以线性无关向量只2个，向量组的秩r＝2，向量空间的维数r＝2。
解释上图: 因Ⅴ₁ 与V₂ 是二个线性无关的向量，它们构成向量空间是二维的，斜平面上所有向量集合均可由V₁ 与Ⅴ₂ 线性组合得到。但Ⅴ₁ (或Ⅴ₂) 本身有三个坐标 (X₁，X₂，X₃ ) → 这是相对于自然基的坐标，因此V₁ (或V₂) 是三维向量。∴向量空间的维数 ≤ 向量的维数。
因为该空间中的任意一个向量都可以表示成（1,0,1）和（0,1,1）的线性组合，即有
（x1,x2,x1+x2）=x1(1,0,1)+x2(0,1,1)
所以向量空间的维数是2.
绛旓細鍦ㄦ眰瑙ｅ叿浣撻棶棰樼殑缁存暟鏃讹紝鎴戜滑鍙互閲囩敤浠ヤ笅鍑犵鏂规硶锛氱洿鎺ユ壘鍑哄熀锛氬鏋滃悜閲忕┖闂存槸鐢变竴缁勫凡鐭ョ殑鍚戦噺瀹氫箟鐨锛屾垜浠彲浠ュ皾璇曟壘鍑轰竴缁勭嚎鎬ф棤鍏崇殑鍚戦噺锛屽苟楠岃瘉瀹冧滑鏄惁鑳藉鐢熸垚鏁翠釜绌洪棿銆備竴鏃︽壘鍒拌繖鏍风殑涓缁勫悜閲忥紝瀹冧滑鐨勪釜鏁板氨鏄┖闂寸殑缁存暟銆傞珮鏂秷鍏冩硶锛氬鏋滄垜浠湁涓涓煩闃碉紝瀹冪殑鍒楀悜閲忓畾涔変簡鍚戦噺绌洪棿锛屾垜浠彲浠...
绛旓細缁存暟鏄2銆傜嚎鎬ч綈娆℃柟绋嬬粍鏈3涓湭鐭ラ噺锛屽彧鏈変竴涓柟绋嬶紝鎵浠ュ叾鍩虹瑙ｇ郴鏈2涓悜閲忥紝鎵浠鐨勭淮鏁版槸2銆傛柟绋嬪啓浣3x=-2y-5z锛屼护y=-3锛寊=0锛屽緱x=2锛屾墍浠ワ紙2锛-3锛0锛塣T鏄柟绋嬬殑涓涓В銆備护y=0锛寊=-3锛屽緱x=5锛屾墍浠ワ紙5锛0锛-3锛塣T鏄柟绋嬬殑鍙︿竴涓В銆備袱涓В绾挎ф棤鍏筹紝鎵浠ワ紙2锛-3锛0锛...
绛旓細鍚戦噺缁勶紝搴旇鎸囧畾鏄瀬澶绾挎鏃犲叧鍚戦噺缁勶紙鍚戦噺缁勪腑鐨勫悜閲忛兘绾挎ф棤鍏筹紝鍙﹀鍔犺繘鏉ヤ换鎰1涓悜閲忥紝灏变細绾挎х浉鍏筹級姝ゆ椂姹傚嚭鏋佸ぇ绾挎ф棤鍏冲悜閲忕粍涓紝鍚戦噺鐨涓暟锛堝氨鏄З锛夛紝灏辨槸鍚戦噺绌洪棿鐨勭淮鏁銆
绛旓細绾挎т唬鏁涓殑缁存暟閫氬父鎸囩殑鏄鍚戦噺绌洪棿鐨勭淮鏁锛屼篃灏辨槸璇ョ┖闂寸殑鍩烘墍鍖呭惈鐨勫悜閲忎釜鏁般傛眰涓涓悜閲忕┖闂寸殑缁存暟閫氬父娑夊強鍒颁互涓嬪嚑涓楠わ細鐞嗚В鍚戦噺绌洪棿鐨勫畾涔夛細鍚戦噺绌洪棿鏄敱涓缁勫悜閲忕粍鎴愮殑闆嗗悎锛岃繖浜涘悜閲忔弧瓒冲姞娉曞拰鏍囬噺涔樻硶鐨勫皝闂с傚鏋滀竴涓悜閲忕┖闂碫涓殑鍏冪礌鍙互閫氳繃涓缁勫悜閲忥紙绉颁负鍩猴級绾挎х粍鍚堝緱鍒帮紝閭ｄ箞杩欑粍鍩...
绛旓細V鏄笁鍏冩柟绋嬬粍3x+2y+5z=0鐨勮В绌洪棿锛岃繖涓柟绋嬬粍鍙湁1涓柟绋嬶紝鏈3涓湭鐭ラ噺锛屾墍浠鐨勭淮鏁板氨鏄柟绋嬬粍鐨勫熀纭瑙ｇ郴閲岀殑鍚戦噺涓暟锛屾墍浠ョ淮鏁版槸n-r(A)=3-1=2銆
绛旓細鍚戦噺绌洪棿鐨勭淮鏁鐨勬眰娉曞涓嬶細鍚戦噺缁勫彧鏈変袱涓悜閲忥紝涓旀涓や釜鍚戦噺绾挎鏃犲叧锛屾墍浠ョ敓鎴愮殑瀛愮┖闂寸殑缁存暟鏄2銆傚悜閲忕┖闂村張绉绾挎х┖闂锛屾槸绾挎т唬鏁鐨勪腑蹇冨唴瀹瑰拰鍩烘湰姒傚康涔嬩竴銆傚湪瑙ｆ瀽鍑犱綍閲屽紩鍏ュ悜閲忔蹇靛悗锛屼娇璁稿闂鐨勫鐞嗗彉寰楁洿涓虹畝娲佸拰娓呮櫚锛屽湪姝ゅ熀纭涓婄殑杩涗竴姝ユ娊璞″寲锛屽舰鎴愪簡涓庡煙鐩歌仈绯荤殑鍚戦噺绌洪棿姒傚康銆傝濡傦紝瀹...
绛旓細1銆绾挎х┖闂寸殑缁存暟锛氬浜庣粰瀹氱殑绾挎х┖闂达紝鍙互閫氳繃姹傝В瀹冪殑涓缁勫熀涓悜閲忕殑涓暟鏉ョ‘瀹氬叾缁存暟銆傚鏋滀竴涓嚎鎬х┖闂寸殑涓缁勫熀鏈塶涓悜閲忥紝鍒欒绾挎х┖闂寸殑缁存暟涓簄銆2銆佺煩闃电殑绉╋細瀵逛簬涓涓煩闃碉紝鍙互閫氳繃璁＄畻鍏剁З鏉ョ‘瀹氬叾鍒楃┖闂寸殑缁存暟銆傜煩闃电殑绉╂槸鎸囧叾鍒楀悜閲忕粍鎴愮殑鍚戦噺绌洪棿鐨勭淮鏁銆傚父鐢ㄧ殑鏂规硶鍖呮嫭楂樻柉娑堝厓娉曘...
绛旓細绾挎т唬鏁涓紝鍚戦噺绌洪棿鐨勭淮鏁板拰瑙ｇ┖闂寸淮鏁版病鏈夊尯鍒傝В绌洪棿涔熸槸鍚戦噺绌洪棿锛屾槸閽堝绾挎ф柟绋嬬粍鑰岃█鐨勮В绌洪棿锛岀淮鏁板氨鏄熀纭瑙ｇ郴涓嚎鎬ф棤鍏崇殑鍚戦噺鏁般傝鍚戦噺鐨勭淮鏁鎸囩殑鍚戦噺鍒嗛噺鐨勪釜鏁般傜敤澶х櫧璇濇潵璁插氨鏄弿杩颁竴涓悜閲忛渶瑕佺敤鍒板ソ鍑犱釜鍏冪礌锛屾湁鍑犱釜鍏冪礌杩欎釜鍚戦噺灏辨湁鍑犵淮銆傛瘮濡傛渶鐩磋鐨勪笁缁村悜閲忥紝鍒嗗埆鐢▁銆亂銆亃...
绛旓細绾挎榻愭鏂圭▼缁勬湁3涓湭鐭ラ噺锛屽彧鏈変竴涓柟绋嬶紝鎵浠ュ叾鍩虹瑙ｇ郴鏈2涓鍚戦噺锛屾墍浠鐨勭淮鏁鏄2銆傛柟绋嬪啓浣3x=-2y-5z锛屼护y=-3锛寊=0锛屽緱x=2锛屾墍浠ワ紙2锛-3锛0锛塣T鏄柟绋嬬殑涓涓В銆備护y=0锛寊=-3锛屽緱x=5锛屾墍浠ワ紙5锛0锛-3锛塣T鏄柟绋嬬殑鍙︿竴涓В銆備袱涓В绾挎ф棤鍏筹紝鎵浠ワ紙2锛-3锛0锛塣T锛岋紙5...
绛旓細杩欎釜鏍规嵁鍑犱綍鍚箟姹傝В 1锛夎繖鏄竴鏉＄洿绾匡紝鐩寸嚎 鏂瑰悜鍚戦噺 涓(1,1/2,1/3)锛屾墍浠 缁存暟 涓1锛屽熀涓(1,1/2,1/3)2)杩欐槸涓涓钩闈紝缁存暟涓2锛屾硶鍚戦噺 涓(1,-2,3)锛屼换鎰忓拰瀹冨瀭鐩鐨勫悜閲閮藉湪骞抽潰涓 鍙栦袱涓换鎰忓拰(1,-2,3)鍨傜洿鐨勫悜閲忓氨鏄熀锛1锛1锛1/3锛夛紝锛1锛0锛-1/3锛...
