设向量组B:b1,b2,…,br能由向量组A:a1,a2,…ar线性表示为(b1,b2⌘
设向量组B:b1,b2,…,br能由向量组A:a1,a2,…ar线性表示为(b1,b2,…,br)=(a1,a2,…,ar)K,其中K为s×r矩阵,且A组线性无关。证明B组线性无关的充要条件是矩阵K的秩R(K)=r。
设向量组B:b1,b2,…,br能由向量组A:a1,a2,…ar线性表示为(b1,b2,…,br)=(a1,a2,…,ar)K,其中K为s×r矩阵,且A组线性无关。证明B组线性无关的充要条件是矩阵K的秩R(K)=r。
设是n维实向量,且
α1,α2,···,αr线性无关。已知β=(b1,b2,···,bn)T是线性方程组
的非零解向量,试判断向量组α1,α2,···,αr,β的线性相关性。
设向量组能由向量组线性表示为
其中K为sXr矩阵,且A组线性无关,证明B组线性无关的充要条件是矩降K的秩R(K)=r
设变量b可用变量a1,a2,…,an的1次式表示:a1x1+a2x2+…+anxn=b.为了确定其中的系数x1,x2,…,xn给出a1,a2,…,an,b的m组测量值ai1,ai2,…,ain,bi(i=1,2,…m).于是,只要求出联立1次方程组
ai1x1+ai2x2+…+ainxn=bi(i=1,2,…,m) (6-28)的解x1,x2,…,xn就可以了.但由于测量的误差及通常情况下m>n,此时方程组(6-28)-般无解.这时,对于方程组(6-28)的最理想的x1,x2,…,xn的值,是取使得在各点处偏差
ai1x1+ai2x2+…+ainxn-bi(i=1,2,…,m)的平方和
达到最小的x1,x2,…,xn.由微分学知道,这样的x1,x2,…,xn一定满足(j=1,2,…,n),即满足
现在记矩阵A=(aij)m×n,列向量b=(b1,b2,…,bm)T,x=(x1,x2,…,xn)T.
设α1,α2,…,αn是一组n维向量,已知n维单位向量组ε1,ε2,…,εn能由它们线性表示,证明α1,α2,…,αn线性无关,
如果Frame算法中的矩阵B1,B2,…,Bn-1使得
, (5.27)
则Qk的非零列向量是A的对应于特征值λk的特征向量.
设与分别是由Lanczos方法确定的y0与z0相对于A的零化多项式,而y1,…,与z1,…,是由Lanczos正交化过程得到的向量组.如果
span{y0,y1,…,,z0,z1,…,}=Cn,则m(λ)等于与的最小公倍式.
B.当且仅当向量组α1,α2,…,αn可以由向量组β1,β2,…,βm线性表示
C.当且仅当V的基都是W的基
D.当且仅当dimV≤dimW