线性代数第11讲

合集下载

线性代数教案11

线性代数教案11

逆矩阵的性质
1. 如果A可逆,则A有唯一的逆矩阵;
2. 如果A可逆,且AB=I,则BA=I;
如果A可逆,且BA=I,则AB=I;
3. 如果A,B都可逆,则AB也可逆,且 ( AB)1 B 1 A1
4. 如果A可逆,则A1可逆,且 ( A1 )1 A
5. 如果A可逆,则A的每一行每一列都不能全为零。
,
B
B11 B21
分块矩阵数乘:
B12 B22
,
A
B
A11 A21
B11 B21
A12 A22
B12 B22
A
A11 A21
A12 A22
分块矩阵的乘法:矩阵A的列数等于B的行数,A的列的分
法与B的行的分法相同
AB
A11B11 A21B11
A12 B21 A22 B21
A11B12 A21B12
返回
矩阵的数乘
数 与矩阵A的乘积记作
返回
矩阵的转置
把矩阵A的各行变成同序数的列得到的新矩阵称为A 的转置(Transpose),记为 AT
例如
注意:将A的各列变成行同样能得到A的转置。 A为m×n的矩阵,则 AT 为n×m的矩阵。
对称矩阵的定义:AT A
返回
逆矩阵的唯一性
如果A可逆,则A有唯一的逆矩阵。 证明:设B和C都是A的逆矩阵,那么
矩阵A是m×n矩阵,可以记为 Amn
几种特殊的矩阵
1. 行矩阵; 2. 列矩阵; 3. 零矩阵; 4. n阶方阵; 5. 三角矩阵; 6. 对角矩阵(Diagonal Matrix); 7. 单位矩阵(Identity Matrix).
矩阵相等
如果两个矩阵A,B有相同的行数和相同的列数,并 且对应位置的元均相等,则称矩阵A与矩阵B相等, 记为A=B

线性代数课件11n阶行列式的定义

线性代数课件11n阶行列式的定义

a11
a12
a11a22 a12a21.
a21
a22
④当行标调成标准排列时
列标排列
12
21
逆序数t
0
1
(1)t
+
-
观察三阶行列式
D a11 a12 a13 a21 a22 a23 a31 a32 a33
①3!项代数和 ②不同行不同列 三个元素的乘积
③三项为正,三 项为负.
a11a22a33 a12a23a31 a13a21a32
(2) a12
(a11a22 a12a21)x1 b1a22 a12b2
a11x1 a12 x2 b1,
1
a21x1 a22 x2 b2 .
2
a21a11 x1 a22a11 x2 b2a11
) a11a21 x1 a12a21x2 b1a21
(2) a11
(1) a21
a11a22a33 a12a23a31 a13a21a32
a13a22a31 a11a23a32 a12a21a33
aa2111xx11
a12 x2 a22 x2
a13 x3 a23 x3
b1 b2
a31x1 a32 x2 a33 x3 b3
b1 a12 a13 D1 b2 a22 a23 ,
一个中心方法:矩阵的初等行变换 一个应用:二次曲线和二次曲面的形状判定
行列式
矩阵
第一章 §1 行列式的定义
本节我们将讨论: 方程个数和未知数个数相同,且
系数满足特定条件的线性方程组的求 解,从而得到行列式这个工具.
本节结构
➢ 二阶行列式的引出 ➢ 三阶行列式的引出 ➢ n阶行列式的引出 ➢ 四类特殊行列式计算

线性代数11n阶行列式PPT课件

线性代数11n阶行列式PPT课件
(1). a13a24a31a42 + (2). a21a32a43a14 - (3). a12a23a34a43
25
第25页/共38页
n阶行列式的等价定义
视情况灵活选用定义
(1)行、列下标任意排列
a11 a12 a1n
Dn
a21
a22
a2n
an1 an2 ann
(1) a a a (i1i2in ) ( j1 j2 jn )
21
第21页/共38页
22
三、 n阶行列式
先分析三阶行列式的计算
a11 a12 a13 a21 a22 a23 a31 a32 a33
a11a22a33 a12a23a31 a13a21a32 a13a22a31 a12a21a33 a11a23a32.
归纳每项内容及符号的规律
(1)每项都是位于不同行不同列的三个元素的乘积.
32 x 1
1 1 2x 1
求 x3 的 系 数.
32
第32页/共38页
解 含 x3 的项有两项,即
x1 1 2
f x 1 x 1 1
32 x 1
对应于
1 1 2x 1
1 a a a a 1 a a a a (1234) 11 22 33 44
1243
11 22 34 43
1
i1 j1 i2 j2
in jn
(2)列按自然序排列
Dn
(1) (i1i2in ) ai11 ai2 2 ainn
(i1i2 in )
26
第26页/共38页
例2:计算下三角形行列式
a11 0 0 D a21 a22 0
解:
an1 an2 ann 主对角线

线性代数PPT全集

线性代数PPT全集

a31 a32 b3
a11 a12 a13 D a21 a22 a23
a31 a32 a33
a11 a12 b1 D3 a21 a22 b2 .
a31 a32 b3
则三元线性方程组的解为:
b1 a12 a13 D1 b2 a22 a23 ,
b3 a32 a33
a11 b1 a13 D2 a21 b2 a23 ,
Pn = n (n–1) (n–2) ··· 2 1 = n!
二、排列的逆序数
我们规定各元素之间有一个标准次序. 以 n 个不同的自然数为例, 规定由小到大 为标准次序.
定义: 在一个排列 i1 i2 ···is ···it ···in 中, 若数 is>it, 则称这两个数组成一个逆序.
它的特点是研究的变量数量较多,关系复杂,方法上 既有严谨的逻辑推证、又有巧妙的归纳综合,也有繁 琐和技巧性很强的数字计算,在学习中,需要特别加 强这些方面的训练。
第一章 行列式 第二章 矩阵及其运算 第三章 矩阵的初等变换
及线性方程组
第四章 向量组的线性相关性
第五章 相似矩阵及二次型
基础 基本内容

a13 x3 a23 x3

b1 , b2 ,
a31x1 a32 x2 a33 x3 b3;
的系数行列式
a11 a12 a13 D a21 a22 a23 0,
a31 a32 a33
aa2111xx11

a12 x2 a22 x2

a13 x3 a23 x3
(2)a12:
a12a21x1 + a12a22x2 = b2a12,
两式相减消去x2, 得 (a11a22 – a12a21) x1 = b1a22 – b2a12;

11齐次方程组-线性代数

11齐次方程组-线性代数

线性方程组一、齐次线性方程组⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++000221122221211212111n mn m m n n n n x a x a x a x a x a x a x a x a x a 称为齐次线性方程组。

⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=mn m m n n a a a a a a a a a A212222111211系数矩阵⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n x x x X 21O AX =方程组的矩阵形式齐次线性方程组解的性质TO )0,,0,0(000 =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=显然是方程组的解;称为零解。

若非零向量Tn n a a a a a a ),,,(2121 =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=ξ是方程组的解,则称为非零解,也称为非零解向量。

性质1:齐次方程组的两个解的和仍是方程组的解。

即:也是解向量。

是解向量,则2121,ξξξξ+性质2:也是解向量。

是解向量,则ξξk {}O A V ==ξξ令则V 构成一个向量空间。

称为方程组的解空间。

若齐次线性方程组的解空间存在一组基,,,,21s ξξξ 则方程组的全部解就是,2211s s k k k ξξξ+++ 这称为方程组的通解。

由此可见,要求方程组的全部解,只需求出其基。

定义:若齐次方程组的有限个解,,,,21s ξξξ 满足:线性无关;s i ξξξ,,,)(21 方程组的任一解都可由)(ii 线性表示;s ξξξ,,,21 则称础解系。

是齐次方程组的一个基s ξξξ,,,21 ss k k k ξξξ+++ 2211也就是说,我们将解空间的基称为基础解系,此时,通解就是基础解系的线性组合,即为:齐次线性方程组基础解系的求法1.行最简形矩阵:⎪⎪⎪⎪⎪⎭⎫⎝⎛=mn m m n n a a aa a a a a a A 212222111211设r(A) =r < n ,且不妨设A 中最左上角的r 阶子式不为零。

则经有限次行初等变换,矩阵A 化为:⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=---⨯0000000000100010001)(1)(221)(111 r n r r r n r n nm b b b b b b I 显然:IA ≅同解。

第11讲齐次线性方程组解的结构

第11讲齐次线性方程组解的结构

(m n)
am1x1 am2 x2 amnxn 0。
它的矩阵形式为
AX 0 ,
其中,
a11 a12
A
a21
a22
am1 am2
a1n
x1
a2n
,
amn
X
xxn2

也可用向量来表示齐次线性方程组。
a11
a12
a1n

1 aam211 , 2 aam222 , , n aam2nn ,
四 解线性方程组的一个应用
本节讨论矩阵的特征值与特征向量
定义 4.1
设 A Rnn , 如果存在数 及 n 维非零向量,使得:
A .
(4.1)
则称 为矩阵 A 的一个特征值, 而 称为矩阵 A 相应 于特征值 的一个特征向量。
由于
A ( A E) 0.
为矩阵 A的一个特征值的充要条件是齐次方程组
2 (1, 1, 0, 1, 0 )T 。
齐次线性方程组的通解
若齐次线性方程组(2*) 的基础解系为
1, 2 , , nr
r(A) r
则(2*) 的通解为
C11 C22 Cnrnr ,
其中, Ci 为任意常数 ( i 1, 2, , n r )。
例 求齐次线性方程组的通解: x1 x2 2x3 2x4 7x5 0 , 2x1 3x2 4x3 5x4 0 , 3x1 5x2 6x3 8x4 0。
就是说 , 方程组(2*) 的任何一个解均可由方程组 (3)中所定义
的 1, 2, , nr 线性表出。于是称方程组(3)中的这一组向
量为齐次线性方程组(2*) 的基础解系。
齐次线性方程组的基础解系

线性代数第十一讲

线性代数第十一讲
第三节 矩阵的秩
矩阵秩的概念 矩阵秩的求法 例题 矩阵的秩的性质 小结
作业
返回
矩阵的秩的性质
(1) 0 ≤ R( Am×n ) ≤ min {m , n} (2) R( AT ) = R( A) (3) If A ~ B , then R( A) = R( B ) (4)若P,Q可逆,则 R( PAQ ) = R( A) 若 可逆, 可逆 (5) max{R( A), R( B)} ≤ R( A, B) ≤ R( A) + R( B),
设解为

λ1i λ2 i xi = ( i = 1, 2,L , l ) M λ ni
对矩阵(A, B )= ( a1 , a2 ,L , an , b1 , b2 ,L , bl ) 作初等列变换 cn+ i − λ1i c1 − λ2 i c2 − L − λni cn ( i = 1, 2,L , l ),
(8) If Am ×n Bn×l = O , then R( A) + R( B ) ≤ n 例 阶方阵, 的值. 设A为3阶方阵,且R(A)=1,则求 为 阶方阵 ,则求R(A*)的值 的值 的值. 若R(A)=2,则求 ,则求R(A*)的值 的值
返回
(7) R( AB ) ≤ min { R( A), R( B )}
1 0 −1 −1 1 2 c2 ↔ c3 0 1 0 −2 1 2 0 0 0 0 0
~
作业
返回
(1)若 R( A) < R( B ), 则 d r + 1 = 1, 对应矛盾方程: = 1, 对应矛盾方程: 0 所以方程组无解 ;
1 0 L 0 0 1 L 0 L L L L r B → B1 = 0 0 L 1 0 0 L 0 L L L L 0 0 L 0 d1 ( 2)若R( A) = R( B ) = r = n, d 2 则d r +1 = 0或不出现 , 且bij 都 L 不出现 , x1 = d1 dr M , 对应方程组: 0 对应方程组: xn = d n L 所以方程组解唯一. 0 所以方程组解唯一.

线性代数课件-11向量的内积

线性代数课件-11向量的内积
可以解释为两 个向量之间的角度。如果两个向量的 内积为0,则它们之间的夹角为90度 ;如果内积为正数,则它们之间的夹 角为锐角;如果内积为负数,则它们 之间的夹角为钝角。
长度和角度的关系
向量内积与向量的长度和角度之间有密切关系。向量的长度可以通过向量的平方 得到,即$|mathbf{a}| = sqrt{mathbf{a} cdot mathbf{a}}$。
实例2
设$mathbf{a} = (2,-3,4)$,$mathbf{b} = (1,2,-1)$,则$|mathbf{a}| = sqrt{mathbf{a} cdot mathbf{a}} = sqrt{2^2 + (-3)^2 + 4^2} = 5$。
实例3
设$mathbf{a} = (1,0,0)$,$mathbf{b} = (0,1,0)$,则$mathbf{a}$和$mathbf{b}$正 交,即$mathbf{a} cdot mathbf{b} = 0$。
线性代数课件-11向量的内积
目 录
• 向量内积的定义 • 向量内积的性质 • 向量内积的运算 • 向量内积的应用 • 总结与思考
01
向量内积的定义
定义
向量内积定义为两个向量$mathbf{a}$和$mathbf{b}$的点乘,记作$mathbf{a} cdot mathbf{b}$。 具体计算公式为:$mathbf{a} cdot mathbf{b} = a_1b_1 + a_2b_2 + cdots + a_nb_n$,其中 $a_i$和$b_i$分别是向量$mathbf{a}$和$mathbf{b}$的第$i$个分量。
详细描述
结合律是向量内积的重要性质之一。它表明 向量内积满足结合性,即向量的内积运算满 足结合律。这一性质确保了向量内积的运算 顺序不会影响最终的结果。结合律在证明向 量内积的一些性质和定理时非常有用,例如 证明向量的点乘满足分配律。

线性代数第11讲

线性代数第11讲

的线性组合, 或者称b可由向量组
a1,a2,,an线性表示.
15
例如, b=(2,-1,1), a1=(1,0,0), a2=(0,1,0), a3=(0,0,1), 显然b=2a1-a2+a3. 即b是 a1,a2,a3的线性组合, 或者说b可由 a1,a2,a3线性表示.
16
b1
a1 j
记号, 例如
b1
β
b2
bn
可写成 b=(b1,b2,,bn)T
5
a11 a12
矩阵
A
a21
a22
am1
am 2
a1n
a2n
中的每一行(ai1,
amn
ai2, , ain)(i=1,2,,m)都是 n 维行向量, 每一
a1 j

a2
j
(
j
1,
2,
, n)都是 m 维列向量.
8
定义3.3 n维向量a=(a1,a2,,an)的各个分
量都乘以k(k为一实数)所组成的向量, 称
为数k与向量a的乘积, 记作ka, 即 ka=(ka1,ka2,,kan).
向量的加, 减及数乘运算统称为向量的线 性运算.
9
定义3.4 所有n维实向量的集合记为Rn, 我
们称Rn为实n维向量空间, 它是指在
定理
3.3
设向量
β
b2
,
向量αi
a2
j
(j=1,
bm
amj
2, , n), 则向量b可由向量组a1,a2,,an 线
性表示的充分必要条件是以a1,a2,,an 为列
向量的矩阵与以a1,a2,,an,b为列向量的矩

同济大学线性代数课件11

同济大学线性代数课件11

的线性方程组,
•精品课件

•精品课件

同济大学线性代数课件11
•我们先讨论未知量的个数与方程 的个数相等的特殊情形.
•在讨论这一类线性方程组时,我 们引入行列式这个计算工具.
第一章 行列式
内容提要
•行列式是线性代 数的一种工具! •学习行列式主要 就是要能计算行列 式的值.
§1 二阶与三阶行列式
§2 全排列及其逆序数 •行列式的概念.
•注意:对角线法则只适用于二阶与三阶行列式.
•2.•三阶行列式包括3!项,每一项都是位于不同行, •不同列的三个元素的乘积,其中三项为正,三项为 •负. • 利用三阶行列式求解三元线性方程组
• 如果三元线性方程组
•的系数行列式
•若记 •或
•记 •即
•得
•得
•则三元线性方程组的解为:
•例2 计算行列式 •解 •按对角线法则,有
•例1 •求解二元线性方程组 •解 •因为
•所以

二、三阶行列式
•定义 设有9个数排成3行3列的数表
•引进记号 •主对角线 •副对角线
•原则:横行竖列
•称为三阶行列式.
•二阶行列式的对角线法则 并不适用!
•三阶行列式的计算 •(1)沙路法
•.列标 •行标
•三阶行列式的计算•——对角线法则
•实线上的三个元素的乘积冠正号, •虚线上的三个元素的乘积冠负号.
•数表所确定的二阶行列式,即
•原则:横行竖列
•其中,
称为元素.
•i 为行标,表明元素位于第i 行; •j 为列标,表明元素位于第j 列.
•二阶行列式的计算•——对角线法则
•主对角线 •副对角线
•即:主对角线上两元素之积-副对角线上两元素之积

《线性代数》章节11

《线性代数》章节11


x2 x3 x4 0, 2x4 6,

x4 3,
1 2 3 4
x1 x2 2 x3 x4 4, 1
3 4
4 23

x2 x3 x4 0, x4 3,
2 3

0 0,
4
用“回代”的方法求出解:
(B3 ) (B4 )
于是解得

x1 x2

x3 x3

4 3
x4 3
其中x3为任意取值.
或令x3 c,方程组的解可记作
x1 c 4
x


x2 x3 x4



c3 c 3
,
其中c为任意常数.
小结: 1.上述解方程组的方法称为消元法. 2.始终把方程组看作一个整体变形,用到如

x2
x3 x4


c 3

c 3


c
1 10

3

03
其中c为任意常数.
上述求解过程是将线性方程组的增广矩阵进行 初等行变换化阶梯形,从而得到简化的同解方程组, 达到消元与求解方程的目的,这种利用矩阵的初等 行变换求解线性方程组的方法称为高斯消元法(或 矩阵消元法).

B3


0 0
0
1 0 0
1 0 0
1 2 1
0 6 3
r3 r4 r4 2r3
r3 r4 r4 2r3
1 1 0 1 0 0 0 0
2 1 1 1
01 00
4

高等数学第11章 线性代数

高等数学第11章 线性代数
a21 A21 a22 A22 a23 A23 a31 A31 a32 A32 a33 A33
因此,
a11 a12 a13 a21 a22 a23 ai1Ai1 ai2 Ai2 ai3 Ai3 (i 1, 2, 3) 其中 a31 a32 a33
Aij (i, j 1, 2, 3) 是元素 aij (i, j 1, 2, 3)的代数余子式。
仿此 或
a11 a21
a12 a22
a11
a22
a12
a21
a11A11 a12 A12
a11 a21
a12 a22
a12
a21 a11 a22 a21A21 a22 A22

a11 a21
a12 a22
ai1Ai1 ai2 Ai2
依此类推把 4阶行列式定义为:
4.层次分析法
第一节 二、三阶行列式的概念与计算方法
1.引理:
对于二元线性方程组
aa2111xx11
a12 x2 a22 x2

b1 b2
解得

x1

b1a22 a11a22
b2a12 a12a21


x2

b2 a11 a11a22
b1a21 a12a21
a23 a33
A12
(1)12
a21 a31
a23 a33
A13
(1)13
a21 a31
a22 a32
称为元素 a11, a12 , a13 的代数余子式。
同理,三阶行列式
a11 a12 a13 a21 a22 a23 a11a22a33 a21a32a13 a12a23a31 a13a22a31 a12a21a33 a23a32a11 a31 a32 a33

线性代数11-向量组的秩

线性代数11-向量组的秩

1
1 1 1 8 0 4 6 2
因此这就是 A 的一个最高阶非零子式.
结论:矩阵的最高阶非零子式一般不是唯一的,但矩阵的秩
是唯一的.
2 1 1 1 r 1 1 1 0 A0 (a1 , a2 , a4 ) ~ 4 6 2 0 3 6 7 0
具体地说,就是:
若 a ∈ V, b ∈ V,则a + b ∈ V .(对加法封闭) 若 a ∈ V, l ∈ R,则 l a ∈ V .(对乘数封闭) 那么就称集合 V 为向量空间.
试讨论向量组 a1, a2, a3 及向量组a1, a2 的线性相关性.
解:
1 0 2 1 0 2 r 1 2 4 ~ 0 2 2 1 5 7 0 0 0
可见 r(a1, a2 ) = 2,故向量组 a1, a2 线性无关,
同时, r(a1, a2, a3 ) = 2,故向量组 a1, a2, a3 线性相关,
无关组及 Rn 的秩.
1 0 解: n 阶单位矩阵 I e1 , e2 , , en 0 0 0 1 0 的列向 0 1
量组是 Rn 的一个最大无关组,Rn 的秩等于n .
1 0 思考:上三角形矩阵 A 0 1 1 1 1 的列向量组是 Rn 的 0 1
从而 a1, a2 是向量组 a1, a2, a3 的一个最大无关组. 事实上, a1, a3 和 a2, a3 也是最大无关组.
最大无关组的等价定义
结论:向量组 A 和它自己的最大无关组 A0 是等价的. 定义:设有向量组 A ,如果在 A 中能选出 r 个向量a1, a2, …, ar,满足 ① 向量组 A0 :a1, a2, …, ar 线性无关; ② 向量组 A 中任意 r + 1个向量(如果 A 中有 r + 1个向量的 话)都线性相关; ② 向量组 A 中任意一个向量都能由向量组 A0 线性表示; 那么称向量组 A0 是向量组 A 的一个最大无关组.

麻省理工上课讲义 线性代数[第11集]矩阵空间、秩 1 矩阵和小世界图

麻省理工上课讲义 线性代数[第11集]矩阵空间、秩 1 矩阵和小世界图

Differential equations Another example of a vector space that’s not Rn appears in differential equa­ tions. d2 y We can think of the solutions y to 2 + y = 0 as the elements of a nullspace. dx Some solutions are: y = cos x, The complete solution is: y = c1 cos x + c2 sin x, where c1 and c2 can be any complex numbers. This solution space is a two dimensional vector space with basis vectors cos x and sin x. (Even though these don’t “look like” vectors, we can build a vector space from them because they can be added and multiplied by a constant.) Rank 4 matrices Now let M be the space of 5 × 17 matrices. The subset of M containing all rank 4 matrices is not a subspace, even if we include the zero matrix, because the sum of two rank 4 matrices may not have rank 4.

线性代数 基础知识11

线性代数 基础知识11

()000,nT A r A n A A Ax x Ax A Ax A A A E ββ==⇔∀≠≠≠⇔∀∈=≅可逆的列(行)向量线性无关的特征值全不为0 只有零解 ,0总有唯一解 是正定矩阵 R 12,s iA p p p p nB AB E AB E⎧⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪=⋅⋅⋅⎪==⎪⎩ 是初等阵存在阶矩阵使得 或 ()0A r A n A A A Ax A λ<=⇔==不可逆 0的列(行)向量线性相关 0是的特征值 有非零解,其基础解系即为关于0的⎧⎪⎪⎪⎨⎪⎪⎪⎩特征向量 注:全体n 维实向量构成的集合nR 叫做n 维向量空间.注:()()0a b r aE bA n aE bA aE bA x λ+<⎧⎪+=⇔+=⎨⎪⎩0有非零解=- ⎫⎪≅⎪−−−→⎬⎪⎪⎭具有向量组等价矩阵等价()反身性、对称性、传递性矩阵相似()矩阵合同()√ 关于12,,,n e e e ⋅⋅⋅:①称为n 的标准基,n中的自然基,单位坐标向量152p 教材; ②12,,,n e e e ⋅⋅⋅线性无关; ③12,,,1n e e e ⋅⋅⋅=; ④tr =E n ;⑤任意一个n 维向量都可以用12,,,n e e e ⋅⋅⋅线性表示.1212121112121222()1212()n n nnn j j j nj j nj j j j n n nna a a a a a D a a a a a a τ==-∑1√ 行列式的计算:①行列式按行(列)展开定理:行列式等于它的任一行(列)的各元素与其对应的代数余子式的乘积之和. 推论:行列式某一行(列)的元素与另一行(列)的对应元素的代数余子式乘积之和等于零.②若A B 与都是方阵(不必同阶),则==()mn A O A A OA B O B O B B O A AA B B O B O*==**=-1 ③上三角、下三角、主对角行列式等于主对角线上元素的乘积.④关于副对角线:(1)211212112111()n n nnn n n n n n n a O a a a a a a a Oa O---*==- 1⑤范德蒙德行列式:()1222212111112ni j nn i j n n n nx x x x x x x x x x x ≥≥≥---=-∏111由m n ⨯个数排成的m 行n 列的表111212122212n n m m mn a a a a a a A a a a ⎛⎫⎪⎪= ⎪ ⎪⎝⎭称为m n ⨯矩阵.记作:()ijm nA a ⨯=或m nA ⨯()1121112222*12n Tn ij nnnn A A A A A A A A A A A ⎛⎫ ⎪⎪== ⎪ ⎪⎝⎭,ijA 为A 中各个元素的代数余子式.√ 逆矩阵的求法:① 1A A A *-= 注: 1a b d b c d c a ad bc --⎛⎫⎛⎫= ⎪ ⎪--⎝⎭⎝⎭1 ②1()()A E E A -−−−−→ 初等行变换③1231111213a a a a a a -⎛⎫⎛⎫⎪ ⎪=⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭ 3211111213a a a a a a -⎛⎫⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭√ 方阵的幂的性质:m nm nA A A+= ()()m n mnA A =√ 设,,m n n s A B ⨯⨯A 的列向量为12,,,n ααα⋅⋅⋅,B 的列向量为12,,,s βββ⋅⋅⋅,则m sAB C ⨯=⇔()()1112121222121212,,,,,,s s n s n n ns b b b b b b c c c b b b ααα⎛⎫ ⎪⎪⋅⋅⋅= ⎪ ⎪⎝⎭ ⇔i i A c β= ,(,,)i s = 1,2⇔i β为i Ax c =的解⇔()()()121212,,,,,,,,,s s s A A A A c c c ββββββ⋅⋅⋅=⋅⋅⋅= ⇔12,,,s c c c 可由12,,,n ααα⋅⋅⋅线性表示. 同理:C 的行向量能由B 的行向量线性表示,T A 为系数矩阵.√ 用对角矩阵Λ左乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的行向量;用对角矩阵Λ右乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的列向量. √ 两个同阶对角矩阵相乘只用把对角线上的对应元素相乘.√ 分块矩阵的转置矩阵:TTT T T A B A C C D BD ⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭分块矩阵的逆矩阵:111A A B B ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭ 111A B B A---⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭1111A C A A CB O B OB ----⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭ 1111A O A O C B B CAB ----⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭ 分块对角阵相乘:11112222,A B A B A B ⎛⎫⎛⎫==⎪ ⎪⎝⎭⎝⎭11112222A B AB A B ⎛⎫= ⎪⎝⎭分块对角阵的伴随矩阵:***A BA B AB ⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭√ 矩阵方程的解法(0A ≠):设法化成AX B XA B ==(I) 或 (II) A B E X −−−−→ 初等行变换(I)的解法:构造()()T T T TA XB X X=(II)的解法:将等式两边转置化为,用(I)的方法求出,再转置得√ 0Ax =与0Bx =同解(,A B 列向量个数相同),则:① 它们的极大无关组相对应,从而秩相等; ② 它们对应的部分组有一样的线性相关性; ③ 它们有相同的内在线性关系.√ 矩阵m n A ⨯与l n B ⨯的行向量组等价⇔齐次方程组0Ax =与0Bx =同解⇔PA B =(左乘可逆矩阵P );101p 教材 矩阵m n A ⨯与l n B ⨯的列向量组等价⇔PQ B =(右乘可逆矩阵Q ). √ 判断12,,,s ηηη 是0Ax =的基础解系的条件: ① 12,,,s ηηη 线性无关; ② 12,,,s ηηη 都是0Ax =的解;③ ()s n r A =-=每个解向量中自由未知量的个数.√ 一个齐次线性方程组的基础解系不唯一.① 零向量是任何向量的线性组合,零向量与任何同维实向量正交. ② 单个零向量线性相关;单个非零向量线性无关. ③ 部分相关,整体必相关;整体无关,部分必无关.④ 原向量组无关,接长向量组无关;接长向量组相关,原向量组相关.⑤ 两个向量线性相关⇔对应元素成比例;两两正交的非零向量组线性无关114p 教材. ⑥ 向量组12,,,n ααα⋅⋅⋅中任一向量i α(1≤i ≤)n 都是此向量组的线性组合.⑦ 向量组12,,,n ααα⋅⋅⋅线性相关⇔向量组中至少有一个向量可由其余n -1个向量线性表示.向量组12,,,n ααα⋅⋅⋅线性无关⇔向量组中每一个向量i α都不能由其余n -1个向量线性表示. ⑧ m 维列向量组12,,,n ααα⋅⋅⋅线性相关()r A n ⇔<; m 维列向量组12,,,n ααα⋅⋅⋅线性无关()r A n ⇔=. ⑨ ()r A A O =⇔=0.⑩ 若12,,,n ααα⋅⋅⋅线性无关,而12,,,,n αααβ⋅⋅⋅线性相关,则β可由12,,,n ααα⋅⋅⋅线性表示,且表示法唯一. ⑪ 矩阵的行向量组的秩=列向量组的秩=矩阵的秩. 行阶梯形矩阵的秩等于它的非零行的个数.可画出一条阶梯线,线的下方全为0;每个台阶只有一行,台阶数即是非零行的行数,阶梯线的竖线后面的第一个元素非零.当非零行的第一个非零元为1,且这些非零元所在列的其他元素都是0⑫ 矩阵的行初等变换不改变矩阵的秩,且不改变列向量间的线性关系; 矩阵的列初等变换不改变矩阵的秩,且不改变行向量间的线性关系. 即:矩阵的初等变换不改变矩阵的秩. √ 矩阵的初等变换和初等矩阵的关系:对A 施行一次初等行变换得到的矩阵,等于用相应的初等矩阵左乘A ; 对A 施行一次初等列变换得到的矩阵,等于用相应的初等矩阵右乘A .如果矩阵A 存在不为零的r 阶子式,且任意r +1阶子式均为零,则称矩阵A 的秩为r .记作()r A r =向量组12,,,n ααα 的极大无关组所含向量的个数,称为这个向量组的秩.记作12(,,,)n r αααA 经过有限次初等变换化为B . 记作:A B =12,,,n ααα⋅⋅⋅和12,,,n βββ⋅⋅⋅可以相互线性表示. 记作:()()1212,,,,,,n n αααβββ⋅⋅⋅=⋅⋅⋅⑬ 矩阵A 与B 等价⇔PAQ B =,,P Q 可逆⇔()(),r A r B A B =≠>作为向量组等价,即:秩相等的向量组不一定等价.矩阵A 与B 作为向量组等价⇔1212(,,,)(,,,)n n r r αααβββ⋅⋅⋅=⋅⋅⋅=1212(,,,,,,)n n r αααβββ⋅⋅⋅⋅⋅⋅⇒ 矩阵A 与B 等价.⑭ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示⇔AX B =有解⇔12(,,,)=n r ααα⋅⋅⋅1212(,,,,,,)n s r αααβββ⋅⋅⋅⋅⋅⋅⇒12(,,,)s r βββ⋅⋅⋅≤12(,,,)n r ααα⋅⋅⋅.⑮ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示,且s n >,则12,,,s βββ⋅⋅⋅线性相关.向量组12,,,s βββ⋅⋅⋅线性无关,且可由12,,,n ααα⋅⋅⋅线性表示,则s ≤n .⑯ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示,且12(,,,)s r βββ⋅⋅⋅12(,,,)n r ααα=⋅⋅⋅,则两向量组等价;p 教材94,例10⑰ 任一向量组和它的极大无关组等价.向量组的任意两个极大无关组等价.⑱ 向量组的极大无关组不唯一,但极大无关组所含向量个数唯一确定. ⑲ 若两个线性无关的向量组等价,则它们包含的向量个数相等.⑳ 若A 是m n ⨯矩阵,则{}()min ,r A m n ≤,若()r A m =,A 的行向量线性无关;若()r A n =,A 的列向量线性无关,即:12,,,n ααα⋅⋅⋅线性无关. √ 矩阵的秩的性质:①()A O r A ≠⇔若≥1 0≤()m n r A ⨯≤min(,)m n ②()()()T T r A r A r A A == p 教材101,例15 ③()()r kA r A k =≠ 若0④()r A B ±≤()()r A r B + {}max (),()r A r B ≤(,)r A B ≤()()r A r B + p 教材70 ⑤ ()()A O O A r r A r B O B B O ⎛⎫⎛⎫==+⎪ ⎪⎝⎭⎝⎭ ()()A C r r A r B O B ⎛⎫≠+ ⎪⎝⎭⑥()r AB ≤{}min (),()r A r B⑦ ,,()()()m n n s A B r AB r A r B ⨯⨯=⇒+若且0≤n ⑧()()A r AB r B ⇒=若可逆()()B r AB r A ⇒=若可逆⑨若0()()()m n Ax r A n r AB r B ⨯⇔=⎧=⇒⎨=⎩ 只有零解且A 在矩阵乘法中有左消去律0AB B AB AC B C =O ⇒=⎧⎨=⇒=⎩;若()()()n s r B n r AB r B ⨯=⇒= 且B 在矩阵乘法中有右消去律.√61212,,,0,,,()()A n n Ax n Ax A Ax r A r A Ax n βαααβαααβββ⇔=<⇔⇒⇔=−−−−−→=⇔=⇔=⇔== 当为方阵时有无穷多解 表示法不唯一线性相关有非零解0 可由线性表示有解有唯一组解 1212,,,0()(),,,()(A n n Ax A r A r A Ax r A r αααββαααβ⎧⎪⎪⎪⎪⎨⎪⎪⇔⎪⇒⇔=−−−−−→≠⇒⎪⎩⇔≠⇔=⇔< 当为方阵时表示法唯一 线性无关只有零解0克莱姆法则 不可由线性表示无解)()1()A r A r A ββ⎧⎪⎨⎪⇔+=⎩注:Ax Ax ββ⇒=<≠⇒=<≠有无穷多解有唯一解其导出组只有零解 1122n n x x αααβ+++=Ax β= 12,,2,,j j j mj j n αααα⎛⎫⎪ ⎪== ⎪⎪ ⎪⎝⎭1 1212(,,,)n n x x x αααβ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭ 1112111212222212,,n n m m mn n m a a a x b a a a x b A x a a a x b β⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭线性方程组解的性质:1212121211221212(1),0,(2)0,,(3),,,0,,,,,(4),0,(5),,0(6k k k k Ax Ax k k Ax k Ax Ax Ax Ax Ax ηηηηηηηηηλλλληληληγβηγηβηηβηη=+⎫⎪=⎪⎬=⎪⎪++⎭==+==-= 是的解也是它的解 是的解对任意也是它的解齐次方程组 是的解对任意个常数 也是它的解 是的解是其导出组的解是的解 是的两个解是其导出组的解211212112212112212),0(7),,,,100k k k kk k k Ax Ax Ax Ax Ax ηβηηηηηηβληληληβλλλληληληλλλ⎧⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪=⇔-=⎪=⎪⎪++=⇔++=⎪⎪++=⇔++=⎩ 是的解则也是它的解是其导出组的解 是的解则也是的解 是的解√ 设A 为m n ⨯矩阵,若()r A m =,⇒()()r A r A β= ⇒Ax β=一定有解, 当m n <时,一定不是唯一解⇒<方程个数未知数的个数向量维数向量个数,则该向量组线性相关. m 是()()r A r A β 和的上限.n 个n 维线性无关的向量,两两正交,每个向量长度为1.(,)0αβ=.1α==.√ 内积的性质: ① 正定性:(,)0,(,)0αααααο≥=⇔=且 ② 对称性:(,)(,)αββα=③ 双线性:1212(,)(,)(,)αββαβαβ+=+ 1212(,)(,)(,)ααβαβαβ+=+ (,)(,)(,)c c c αβαβαβ==E A λ-.()E A f λλ-=.√ ()f λ是矩阵A 的特征多项式⇒()f A O =E A λ-=0. Ax x Ax x λ=→ 与线性相关√12n A λλλ= 1ni A λ=∑tr ,A tr 称为矩阵A √ 上三角阵、下三角阵、对角阵的特征值就是主对角线上的n 各元素.√ 若0A =,则λ=0为A 的特征值,且0Ax =的基础解系即为属于λ=0的线性无关的特征向量. √ ()1r A =⇔A 一定可分解为A=()1212,,,n n a a b b b a ⎛⎫⎪ ⎪ ⎪ ⎪⎝⎭、21122()n n A a b a b a b A =+++ ,从而A 的特征值为:11122n n A a b a b a b λ==+++ tr , 23n λλλ==== 0 p 指南358.√ 若A 的全部特征值12,,,n λλλ ,()f A 是多项式,则:① ()f A 的全部特征值为12(),(),,()n f f f λλλ ;12()()()()n f A f f f λλλ= ② 若A 满足()0f A =,则A 的任何一个特征值必满足()i f λ=0.√ 设1110()m m m m f x a x a x a x a --=++++ ,对n 阶矩阵A 规定:1110()m m m m f A a A a A a A a E --=++++ 为A 的一个多项式.√ 1231122,T A mm k kAa b aA bE A A A A A Aλλλλλλλλλλλ-*⎧⎪++⎪⎪⎨= 是的特征值则:分别有特征值 .⎪⎪⎪⎪⎪⎩ √ 1231122,A mm k kAa b aA bEA x A x A A A λλλλλλλλλ-*⎧⎪++⎪⎪⎪⎨=⎪⎪⎪⎪⎩是关于的特征向量则也是关于的特征向量. √ 2,mA A 的特征向量不一定是A 的特征向量. √ A 与TA 有相同的特征值,但特征向量不一定相同.1B P AP -= (P 为可逆矩阵) 记为:A B1B P AP -= (P 为正交矩阵)A 与对角阵Λ相似. 记为:A Λ (称Λ是A√ A 可相似对角化⇔()i i n r E A k λ--= i k 为i λ的重数⇔A 恰有n 个线性无关的特征向量. 这时,P 为A 的特征向量拼成的矩阵,1P AP -为对角阵,主对角线上的元素为A 的特征值.设i α为对应于i λ的线性无关的特征向量,则有:121212112212(,,,)(,,,)(,,,)(,,,)n n n n n n P PA A A A λλααααααλαλαλααααλΛ⎛⎫⎪⎪=== ⎪ ⎪⎝⎭.注:当i λ=0为A 的特征值时,A 可相似对角化⇔i λ的重数()n r A =-= 0Ax =基础解系的个数. √ 若A 可相似对角化,则其非零特征值的个数(重数重复计算)()r A =. √ 若n 阶矩阵A 有n 个互异的特征值,则A 可相似对角化.√ 若A Λ ⇒k A =1k P P-Λ=,1211()()()()()n A P P P P ϕλϕλϕϕϕλ--⎛⎫ ⎪⎪=Λ= ⎪ ⎪⎝⎭√ 相似矩阵的性质:① A B =tr tr② A B = 从而,A B 同时可逆或不可逆 ③ ()()r A r B =④TTA B ;11A B -- (若,A B 均可逆);**A B ⑤kkA B (k 为整数);()()f A f B ,()()f A f B =⑥,A B A B C D C D ⎛⎫⎛⎫⇒ ⎪ ⎪⎝⎭⎝⎭⑦E A E B λλ-=-,从而,A B 有相同的特征值,但特征向量不一定相同.注:x 是A 关于0λ的特征向量,1P x -是B 关于0λ的特征向量.√ 数量矩阵只与自己相似.√ 对称矩阵的性质: ① 特征值全是实数,特征向量是实向量;② 不同特征值对应的特征向量必定正交;注:对于普通方阵,不同特征值对应的特征向量线性无关;③ 必可用正交矩阵相似对角化,即:任一实二次型可经正交变换化为标准形; ④ 与对角矩阵合同,即:任一实二次型可经可逆线性变换化为标准形;⑤ 一定有n 个线性无关的特征向量,A 可能有重的特征值,该特征值i λ的重数=()i n r E A λ--).TAA E =√ A 为正交矩阵⇔A 的n 个行(列)向量构成n的一组标准正交基.√ 正交矩阵的性质:① 1T A A -=;② TTAA A A E ==;③ 正交阵的行列式等于1或-1;④ A 是正交阵,则TA ,1A -也是正交阵;⑤ 两个正交阵之积仍是正交阵;⑥ A 的行(列)向量都是单位正交向量组.1211(,,,)n nTn ij iji j f x x x x Ax a x x====∑∑ ij jia a =,即A 为对称矩阵,12(,,,)T n x x x x =T B C AC =. 记作:A B (,,A BC 为对称阵为可逆阵)二次型的规范形中正项项数p r p -; 2p r -. (r 为二次型的秩)√ 两个矩阵合同的充分必要条件是:它们有相同的正负惯性指数. √两个矩阵合同的充分条件是:A B √ 两个矩阵合同的必要条件是:()()r A r B =√ 12(,,,)Tn f x x x x Ax = 经过正交变换合同变换可逆线性变换xCy =化为21ni i f d y =∑√ 二次型的标准形不是唯一的,与所作的正交变换有关,但非零系数的个数是由()r A +正惯性指数负惯性指数唯一确定的.√ 当标准形中的系数i d 为-1或0或1时,√ 实对称矩阵的正(负)惯性指数等于它的正(负)特征值的个数.√ 惯性定理:任一实对称矩阵A与唯一对角阵111100⎛⎫ ⎪ ⎪⎪ ⎪- ⎪⎪ ⎪- ⎪⎪ ⎪⎪ ⎪⎝⎭合同. √ 用正交变换法化二次型为标准形:① 求出A 的特征值、特征向量; ② 对n 个特征向量正交化、单位化;③ 构造C(正交矩阵),作变换x C =,则1112221()()TT T T Tn n n y d y y d y Cy A Cy y C ACY y C ACY y d y -⎛⎫⎛⎫⎛⎫ ⎪⎪⎪⎪⎪⎪=== ⎪ ⎪⎪ ⎪ ⎪⎪⎝⎭⎝⎭⎝⎭新的二次型为21ni if d y=∑,Λ的主对角上的元素i d 即为A 的特征值.123,,ααα线性无关,11 112122111313233121122()()()()()()T T T T T T βααββαβββαβαββαββββββ=⎧⎪⎪⎪⎪=-⎨⎪⎪=--⎪⎪⎩正交化 单位化:111βηβ= 222βηβ= 333βηβ= 技巧:取正交的基础解系,跳过施密特正交化。

相关主题
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
16 2013-9-10
定义2 向量a的长度
| a | (a ,a ),
(4.9)
定理1 向量的内积满足 |(a,b)||a| |b|. (4.10) (4.10)式称为Couchy-Schwarz(柯西-许 瓦兹)不等式.
17 2013-9-10
证 当b=0时, (a,b)=0, |b|=0, (4.10)式显然成立. 当b0时, 作向量a+tb(tR), 由性质(iv)得 (a+tb, a+tb)0. 再由性质(i),(ii),(iii)得: (a,a)+2(a,b)t+(b,b)t20. 上式左端是t的二次三项式, 且t2系数(b,b)>0, 因此 4(a,b)2-4(a,a)(b,b)0, 即 (a,b)2(a,a)(b,b)=|a|2|b|2, 故 |(a,b)||a||b|. 不难证明(4.10)式等号成立的充分必要条件为 a与b线性相关.
18 2013-9-10
当a=[a1,a2,...,an]T, b=[b1,b2,...,bn]T时, 利用定理 1可得 2 n n 2 n 2 (4.11) ai bi ai bi . i 1 i 1 i 1
9 2013-9-10
x1 y1 x2 y2 a [a1 ,a 2 , ,a n ] [h1 ,h2 , ,hn ] xn yn y1 y1 y y2 ([a1 , a 2 , , a n ] A) [a1 , a 2 , , a n ] A 2 y yn n
由于内积满足Cauchy-Schwarz不等式, 于是 可以利用内积定义向量之间的夹角. 定义3 向量a,b之间的夹角 (a , b ) a , b arccos (4.12) | a || b |
19 2013-9-10
定理2 非零向量a,b正交(或垂直)的充分必要 条件是(a,b)=0. 由于零向量与任何向量的内积为0, 因此, 也说 零向量与任何向量正交. 在三维几何空间中, 向量a,b,a+b构成三角形, 三个向量的长度满足三角形不等式 |a+b||a|+|b|. (4.13) 当ab时, 满足勾股定理 |a+b|2=|a|2+|b|2. (4.14)
3 2013-9-10
定义1 设有序向量组B={b1,b2,...,bn}Rn, 如果 B线性无关, 则任给aRn有 a=a1b1+a2b2+...+anbn, (4.1) 就称B是Rn的一组基(或基底), 有序数组 (a1,a2,...,an)是向量a关于基B(或说在基B下)的 坐标, 记作 aB=[a1,a2,...,an]或aB=[a1,a2,...,an]T, 并称之为a的坐标向量. 显然Rn的基不是唯一的, 而a关于给定的基的 坐标是唯一的. 以后把n个单位向量组成的基 称为自然基或标准基.
定义5 设a1,a2,...,anRn, 若

25 2013-9-10
例1 设B={a1,a2,...,an}是Rn的一组标准正交基, 求Rn中向量b在基B下的坐标. 解 设b=x1a1+x2a2+...+xnan, 将上式两边对aj(j=1,2,...,n)分别求内积, 得 ( b ,a j ) ( x1a1 x2a 2 xna n ,a j )
由于a在基a1,a2,...,an下的坐标是唯一的, 所以 Ay=x 或 y=A-1x.
10 2013-9-10
在R2中, 任意两个不在一条直线上(线性无关) 的向量a1,a2都可以构成一斜角坐标系:
a2 a1
11 2013-9-10

但是在实际应用中更希望获得直角的坐标系, 即希望a1,a2相互垂直, 且a1和a2的长度都是1.
15 2013-9-10
定义1 设a=[a1,a2,...,an]T和b=[b1,b2,...,bn]TRn, 规定a与b的内积为: (a,b)=a1b1+a2b2+...+anbn 当a,b为列向量时, (a,b)=aTb=bTa. 根据定义, 容易证明内积具有以下的运算性质: (i) (a,b)=(b,a) (ii) (a+b,g)=(a,g)+(b,g) (4.8) (iii) (ka,b)=k(a,b); (iv) (a,a)0, 等号成立当且仅当a=0 其中a,b,gRn, kR 由于性质(iv), 可用内积定义n维向量a的长度.
23 2013-9-10
定理3 Rn中两两正交且不含零向量的向量组 (称为非零正交向量组)a1,a2,...,as是线性无关 的. 证 设 k1a1+k2a2+...+ksas=0, s 则 (ai , k ja j ) ki (ai ,ai ) 0, i 1, 2,, s.
j 1
由于(ai,ai)>0, 故ki=0, i=1,2,...,s. 因此, a1,a2,...,as线性无关.
24 2013-9-10
1, i j , (a i ,a j ) i, j 1, 2,, n (4.15) 0, i j,
则称{a1,a2,...,an}是Rn的一组标准正交 基.
(4.2)
6 2013-9-10
设B1={a1,a2,...,an}和B2={h1,h2,...,hn}是Rn的两 组基, 则h1,h2,...,hn也都能被B1唯一地表示
h1 a11a1 a21a1 an1a n h2 a12a1 a22a 2 an 2a n hn a1na1 a2 na 2 anna n 可用分块矩阵表示为 (4.3)
5 2013-9-10
为讨论方便, 对向量及其坐标常采用列向量的 形式[a1,a2,...,an]T, 则式子 a=a1b1+a2b2+...+anbn, (4.1) 可表示为分块矩阵相乘的形式
a1 a2 a [ b1 , b 2 , , b n ] an
a b cosa, b | a || b | | a | a a
14 2013-9-10
若a=a1i+a2j+a3k, 简记为a=(a1,a2,a3), b=b1i+b2j+b3k, 简记为b=(b1,b2,b3). 由内积的运算性质和内积的定义, 可得 a b=a1b1+a2b2+a3b3. 现在把三维向量的内积推广到n维实向量, 在n 维实向量空间中定义内积运算, 进而定义向量 的长度和夹角, 使n维实向量具有度量性.
a11 a12 a1n a21 a22 a2 n [h1 ,h2 , ,hn ] [a1 , a 2 ,, a n ] an1 an 2 ann (4.5)
7 2013-9-10
定义2 设Rn的两组基B1={a1,a2,...,an}和 B2={h1,h2,...,hn}满足
xi (a i ,a j ) x j ,
故b在标准正交基a1,a2,...,an下的坐标 向量的第j个分量为 xj=(b,aj), j=1,2,...,n.
26 2013-9-10
n
i 1
在R3中取i,j,k为标准正交基, 例1中的x1,x2,x3就 是a在i,j,k上的投影. 4.2.3 施密特(Schmidt)正交化方法 施密特正交化方法是将Rn中一组线性无关的 向量a1,a2,...,an, 作一种特定的线性运算, 构造 出一组标准正交向量组的方法. 先从R3的一组基a1,a2,a3构造出一组标准正交 基, 以揭示施密特正交化方法的思路和过程.
a2
a1
12 2013-9-10
4.2
n中向量的内积 R
标准正 交基和正交矩阵
4.2.1 n维实向量的内积, 欧氏空间
13 2013-9-10
前面讨论n维实向量空间中只定义了向量的线 性运算, 它不能描述向量的度量性质, 如长度, 夹角等. 在三维几何空间中, 向量的内积(即点 积或数量积)描述了内积与向量的长度及夹角 间的关系. 由内积定义 a b | a || b | cosa, b 可以得到
27 2013-9-10
令b1=a1, 将a2在b1上的投影向量记作 g12=k12b1
(a 2 , b1 ) k12 ( b1 , b1 )
再取 b2=a2-g12=a2-k12b1, 则b2b1
线性代数第11讲 向量空间与线性变换
1 2013-9-10
4.1 Rn的基与向量关于基的坐标
2 2013-9-10
Rn中的n个单位向量 e1=[1,0,0,...,0] e2=[0,1,0,...,0] ... en=[0,0,0,...,1] 是线性无关的 一个n阶实矩阵A=[aij]nn, 如果|A|0, 则A的n个 行向量和n个列向量也都是线性无关的. 此外, Rn中任何n+1个向量都是线性相关的, 因此Rn 中任一向量a都可用Rn中n个线性无关的向量 来表示, 且表示法唯一. 由此给出基和坐标的 概念.
矩阵A称为旧基B1到新基B2的过渡矩阵. 过渡矩阵一定是可逆的.
8 2013-9-10
定理2 设向量a在两组基B1={a1,a2,...,an}和 B2={h1,h2,...,hn}下的坐标向量分别为 x=[x1,x2,...,xn]T和y=[y1,y2,...,yn]T. 基B1到基B2的过渡矩阵为A, 则 Ay=x 或 y=A-1x. 证 由已知条件, 有(4.6)式成立, 且 a=x1a1+x2a2+...+xnan =y1h1+y2h2+...+ynhn, 故
相关文档
最新文档