《高等代数》:学习笔记
大一高代知识点总结
大一高代知识点总结大一高等代数知识点总结高等代数是大一大学数学课程中重要的一部分,它探索了代数结构的各个方面。
在本篇文章中,我将总结大一高等代数课程中的重要知识点,希望对同学们的学习有所帮助。
1. 集合论:集合是高等代数的基础,它描述了元素的集合和它们之间的关系。
常见的集合运算包括并集、交集和补集等。
2. 映射与函数:映射是将一个集合的元素映射到另一个集合的过程。
函数是一种特殊的映射,它将每个输入值都映射到唯一的输出值上。
函数的定义域、值域、图像以及函数的性质是学习中需要注意的重点。
3. 线性方程组:线性方程组是解决线性关系的重要工具。
高等代数中,我们学习了如何使用消元法、矩阵运算以及向量空间的概念来解决线性方程组。
4. 矩阵与行列式:矩阵是一个二维数组,行列式是矩阵的一个标量。
在高等代数中,我们学习了矩阵的运算规则,包括矩阵的加法、减法、乘法和转置等,同时也了解了行列式的计算方法和性质。
5. 向量空间:向量空间是一种具有加法和数乘运算的集合,它满足一定的运算规则。
我们学习了向量空间的性质,如闭合性、结合律等,并掌握了子空间、线性无关、张成空间等概念。
6. 线性变换:线性变换是一种特殊的函数,它保持向量空间的线性结构。
我们学习了线性变换的表示、特征值与特征向量等概念,并应用于矩阵的对角化和相似变换等问题。
7. 特征值与特征向量:特征值与特征向量是矩阵及线性变换中重要的概念。
它们具有许多重要的性质和应用,如对角化、二次型的正负定性等。
8. 正交性与内积空间:正交性是向量空间中重要的概念,它描述了向量之间的垂直关系。
我们学习了内积的定义和性质,并应用于正交基、正交矩阵和施密特正交化等问题。
9. 特殊矩阵与特殊线性变换:在高等代数中,我们还学习了特殊的矩阵和特殊的线性变换,如对称矩阵、正交矩阵、幂等矩阵、厄米特矩阵等,它们在许多领域中都有重要的应用。
总结起来,大一高等代数课程中的知识点包括集合论、映射与函数、线性方程组、矩阵与行列式、向量空间、线性变换、特征值与特征向量、正交性与内积空间、特殊矩阵与特殊线性变换等内容。
大一高等代数第一章知识点总结
大一高等代数第一章知识点总结导读:在大一高等代数第一章学习中,我们了解了数学中的代数运算、集合论、函数与映射、二次函数等重要基础知识。
本文将对这些知识点进行总结和归纳,帮助读者更好地理解和掌握这些概念。
一、代数运算1. 代数运算的基本性质:加法和乘法运算的结合律、交换律和分配律。
这些性质是进行代数运算的基础,通过它们可以将复杂的代数式简化,或将代数式转换为更方便计算的形式。
2. 代数运算的逆元:对于加法运算,零是唯一的单位元,每个元素都有唯一的相反元;对于乘法运算,一是唯一的单位元,每个非零元素都有唯一的倒数。
3. 代数方程与不等式:代数方程是由字母和数构成的等式,通过方程解的求解过程,可以得到含有未知数的具体数值;不等式则是不等关系构成的不等式。
二、集合论1. 集合的概念:集合是由一定规则约定所组成的一种对象的整体。
2. 集合的运算:包括交集、并集、补集和差集等。
运用这些运算可以对集合元素进行组合或筛选,从而得到满足一定条件的集合。
3. 集合的表示方法:包括列举法、描述法、乘积集和无穷集等。
不同的表示方法适用于不同的问题求解。
三、函数与映射1. 函数的概念:函数是两个集合之间的一种对应关系,每个自变量对应唯一的因变量。
2. 函数的性质:包括定义域、值域、单调性、奇偶性等。
这些性质描述了函数的基本特征,可以帮助我们更好地理解和分析函数。
3. 映射的概念:映射是一种更广义的函数,它可以是一对一的、多对一的或一对多的关系。
四、二次函数1. 二次函数的概念与性质:二次函数是一种具有二次项和一次项的一元多项式函数。
它的图像呈现抛物线形状,关键点包括顶点、焦点和对称轴等。
2. 二次函数的图像与方程:通过观察二次函数的图像可以了解其方程的特征,反之也可以通过方程描述二次函数的图像。
3. 二次函数的应用:二次函数在实际生活中有广泛应用,如物体抛出运动、摄影中焦距的调整等。
通过掌握二次函数的性质和应用,能够更好地理解和解决相关实际问题。
大一高代常用知识点
大一高代常用知识点高等代数是大学数学中的一门重要课程,它是数学的基础和核心。
在大一的学习中,掌握高代的常用知识点是至关重要的。
本文将介绍大一高代课程中的一些常用知识点,帮助学生对这门课程有更加深入的了解和掌握。
一、向量与矩阵向量是高等代数中最基本的概念之一。
在大一高代中,主要学习了向量的定义、加法、数量乘法等基本运算。
同时,还需要掌握向量的线性相关性、线性无关性以及向量组的秩等概念和性质。
矩阵是高等代数中另一个重要概念,它是由数域(如实数域、复数域等)中的元素按照一定规则排列成的矩形数组。
大一高代的常用矩阵知识点包括矩阵的定义、矩阵的加法和数量乘法、矩阵乘法等。
同时,还需要了解矩阵的转置、矩阵的秩以及矩阵的逆等重要性质。
二、线性方程组线性方程组是大一高代中的重点内容之一。
线性方程组可以用矩阵形式表示,求解线性方程组就是求解矩阵方程。
在学习中,需要熟悉线性方程组的基本概念,包括齐次线性方程组和非齐次线性方程组的定义、解的存在唯一性等。
同时,线性方程组的求解方法也是重要的知识点,例如高斯消元法、矩阵的初等变换等。
三、特征值与特征向量特征值与特征向量是矩阵理论中的重要概念。
在大一高代中,需要了解特征值与特征向量的定义、求解方法以及它们在矩阵运算中的应用。
同时,还需要掌握对角化矩阵的概念和条件。
四、行列式行列式是矩阵中的一个重要概念,它是一个标量,具有很多重要的性质和应用。
在大一高代中,需要学习行列式的定义、计算方法以及性质。
同时,还需要了解行列式对矩阵的重要意义,例如行列式为0的判定、行列式在线性方程组求解中的应用等。
五、向量空间与线性变换向量空间是高等代数中的另一个关键概念。
在大一高代中,需要学习向量空间的定义、子空间的概念与性质,以及子空间的交与和等基本运算。
此外,还需要学习线性变换的定义、线性变换的性质以及线性变换的矩阵表示等。
六、内积与正交性内积与正交性是大一高代中的重要内容。
需要了解内积的定义、内积的性质以及内积空间的概念与性质。
高等代数笔记与做题思路总结
高等代数笔记与做题思路总结一、行列式相关(5题)1. 计算三阶行列式begin{vmatrix}1 2 3 4 5 6 7 8 9end{vmatrix}解析:- 按第一行展开,begin{vmatrix}1 2 3 4 5 6 7 8 9end{vmatrix}=1×begin{vmatrix}5 6 8 9end{vmatrix}-2×begin{vmatrix}4 6 7 9end{vmatrix}+3×begin{vmatrix}4 5 78end{vmatrix}- 计算二阶行列式begin{vmatrix}ab cdend{vmatrix}=ad - bc- begin{vmatrix}5 6 8 9end{vmatrix}=5×9-6×8 = 45 - 48=- 3- begin{vmatrix}4 6 7 9end{vmatrix}=4×9 - 6×7=36 - 42=-6- begin{vmatrix}4 5 7 8end{vmatrix}=4×8 - 5×7=32 - 35=-3- 所以原行列式=1×(-3)-2×(- 6)+3×(-3)=-3 + 12-9 = 02. 已知n阶行列式D = λ^n+a_1λ^n - 1+·s+a_n-1λ + a_n,求D的第一行元素的代数余子式之和。
解析:- 根据行列式按行展开定理D=a_i1A_i1+a_i2A_i2+·s+a_inA_in(i为行标)- 令λ = 1,构造一个新的行列式D_1,它的第一行元素全为1,其余元素与D 相同。
- 那么D_1按第一行展开D_1=A_11+A_12+·s+A_1n- 又因为D_1也是n阶行列式,且D_1 = 1^n+a_1×1^n - 1+·s+a_n-1×1+a_n- 所以第一行元素的代数余子式之和为1 + a_1+·s+a_n3. 证明:若一个n阶行列式D中零元素的个数多于n^2-n个,则D = 0。
高等代数知识点总结大一
高等代数知识点总结大一高等代数知识点总结在大一学习高等代数时,我们会接触到一系列的知识点,它们是我们理解和掌握高等代数的基础。
本文将对这些知识点进行总结,并给出一些例子来帮助读者更好地理解。
1. 向量和矩阵高等代数的基础是向量和矩阵。
向量是具有大小和方向的量,用于表示物理量或数学对象。
它可以进行加法、标量乘法和内积等运算。
矩阵是由一组排列成矩阵形式的数所构成的矩形阵列,可以进行加法、标量乘法和矩阵乘法等运算。
2. 行列式行列式是一个方块矩阵的标量值,用于确定矩阵的某些性质。
行列式可以用来解线性方程组、计算矩阵的逆、判断矩阵是否可逆等。
3. 线性方程组线性方程组是一组线性方程的集合,其未知数以线性的方式出现。
解线性方程组意味着找到满足所有方程的解。
可以使用矩阵和行列式的方法来解线性方程组。
4. 矩阵的特征值和特征向量矩阵的特征值和特征向量是矩阵在线性代数中非常重要的概念。
特征值表示矩阵的重要特性,特征向量是对应于特征值的向量。
5. 基变换和相似矩阵基变换是指改变向量的基准从而表示同一个向量的不同坐标。
相似矩阵是指两个矩阵之间可以通过一个基变换相互转化。
6. 线性空间和子空间线性空间是指满足线性运算法则的向量空间。
子空间是指线性空间中的一个子集,它同样满足线性运算法则。
7. 线性变换线性变换是指保持向量空间运算法则不变的变换。
线性变换是高等代数中的核心概念之一,它可以用矩阵表示。
8. 内积空间和正交性内积空间是指在向量空间中定义了一种内积运算的空间。
正交性是指两个向量的内积为零,表示它们之间的垂直关系。
9. 特征向量空间和对角化特征向量空间是指由一个矩阵的所有特征向量生成的向量空间。
对角化是指将一个矩阵相似化成一个对角矩阵的过程,可以简化计算。
10. 线性相关性和线性无关性线性相关性是指向量之间存在线性关系的情况。
线性无关性是指向量之间不存在非平凡的线性关系。
以上是大一学习高等代数中的一些重要知识点的总结。
高等代数知识点总结
高等代数知识点总结一、群论群是高等代数中最基本的代数结构之一,它是一个集合和上面的一个二元运算构成的代数系统。
群满足以下四个性质:1. 封闭性:对于群G中的任意两个元素a和b,它们的乘积ab也属于G。
2. 结合律:对于群G中的任意三个元素a、b和c,有(a·b)·c = a·(b·c)。
3. 存在单位元:存在一个元素e∈G,对于任意元素a∈G,有a·e = e·a = a。
4. 存在逆元:对于群G中的任意元素a,存在一个元素b∈G,使得a·b = b·a = e。
群的性质有很多重要的结论,比如:每个群都有唯一的单位元,每个元素都有唯一的逆元,乘法运算满足左消去律和右消去律等。
群还有很多重要的概念和定理,比如:子群、陪集、拉格朗日定理、卡曼定理等。
二、环论环是一个比群更一般化的代数结构,它包括一个集合和上面的两个二元运算:加法和乘法。
环满足以下性质:1. 集合对加法构成一个阿贝尔群。
2. 乘法满足结合律。
3. 分配律成立,即对于环R中的任意三个元素a、b、c,有a·(b+c) = a·b + a·c和(b+c)·a = b·a + c·a。
环还有一些重要的概念和定理,比如:整环、域、多项式环、欧几里德环、唯一因子分解整环等。
三、域论域是一个更加一般化的代数结构,它是一个集合和上面的两个二元运算:加法和乘法。
域满足以下性质:1. 集合对加法构成一个阿贝尔群。
2. 非零元素对乘法构成一个阿贝尔群。
3. 分配律成立。
域是代数学中一个非常重要的概念,它是线性代数和代数几何的基础。
高等代数还包括一些其他的内容,比如:线性代数、模论、范畴论等。
线性代数是代数学的另一个重要分支,它研究的是向量空间和线性变换等代数结构。
模论是研究环上模结构的代数学分支,它是线性代数的一种推广。
最新高等代数知识点总结
最新高等代数知识点总结高等代数是数学领域中的一门重要基础课程,它涵盖了众多的概念、定理和方法。
以下是对一些最新高等代数知识点的总结。
一、多项式多项式是高等代数中的基本研究对象之一。
多项式的运算包括加、减、乘,除法在特定条件下进行。
多项式的根是一个关键概念。
通过代数基本定理,我们知道在复数域上,n 次多项式必有 n 个根(重根按重数计算)。
在求多项式的最大公因式时,辗转相除法是常用的方法。
而对于不可约多项式的判定,需要根据其系数域和多项式的形式来确定。
二、行列式行列式是一个数值,其计算方法有多种,如按照某一行(列)展开、利用行列式的性质将其化为上三角或下三角行列式等。
行列式具有很多重要的性质,例如:某一行(列)元素乘以同一数加到另一行(列)的对应元素上,行列式的值不变;行列式中某一行(列)的元素全为零,则行列式的值为零等。
在解线性方程组时,行列式可以用来判断方程组是否有唯一解。
三、矩阵矩阵是高等代数中的核心概念之一。
矩阵的运算包括加法、乘法、数乘等。
矩阵的逆是一个重要的概念,如果一个矩阵存在逆矩阵,则称其为可逆矩阵。
求逆矩阵的方法有伴随矩阵法和初等变换法。
矩阵的秩反映了矩阵的本质特征。
通过初等变换可以求矩阵的秩。
矩阵的分块也是一个重要的技巧,通过合理分块,可以简化矩阵的运算。
四、线性方程组线性方程组的求解是高等代数中的重要内容。
对于齐次线性方程组,当系数矩阵的秩等于未知数的个数时,方程组仅有零解;当系数矩阵的秩小于未知数的个数时,方程组有非零解。
对于非齐次线性方程组,当增广矩阵的秩等于系数矩阵的秩且等于未知数的个数时,方程组有唯一解;当增广矩阵的秩等于系数矩阵的秩且小于未知数的个数时,方程组有无穷多解;当增广矩阵的秩不等于系数矩阵的秩时,方程组无解。
五、向量空间向量空间是一个集合,其中的元素称为向量,满足一定的运算规则。
向量组的线性相关性是一个重要概念。
判断向量组线性相关还是线性无关有多种方法,如定义法、行列式法等。
高代大一上学期知识点总结
高代大一上学期知识点总结高等代数大一上学期知识点总结在高等代数学的学习中,我们接触到了许多重要的概念和技巧。
以下是我对大一上学期高等代数知识点的总结。
一、集合论基础在学习高等代数之前,我们首先需要掌握一些集合论的基础知识。
比如,集合的概念、包含关系、交并运算、子集等。
此外,我们还需要了解常用的数集,如自然数集、整数集、有理数集和实数集等。
二、向量空间向量空间是高等代数中的一个重要概念。
我们要了解向量空间的定义及其性质,如加法运算和数乘运算的封闭性、零向量的存在性、逆元素的存在性等。
此外,我们还要学习向量的线性相关性和线性无关性的判定条件,以及基和维度的概念。
三、线性方程组线性方程组是高等代数中应用最广泛的一个概念。
我们需要学习如何解线性方程组,可以利用消元法、高斯消元法、矩阵求逆法等方法来求解。
此外,还需要了解线性方程组的解的性质,比如唯一解、无解和无穷多解的情况。
四、矩阵与行列式矩阵和行列式是高等代数中的重要工具。
我们需要学习矩阵的基本运算,如矩阵的加法、数乘和乘法等。
同时,还需要了解矩阵的转置、逆矩阵、秩和特征值等概念。
行列式是矩阵的一个重要性质,我们要学习行列式的定义、性质和计算方法。
五、线性变换线性变换是高等代数中的一个重要概念,它描述了向量空间之间的映射关系。
我们需要了解线性变换的定义、性质和表示方法。
同时,还要学习线性变换的矩阵表示和特征值分解等技巧。
六、特征值与特征向量特征值和特征向量是线性代数中的重要概念。
我们要学习如何计算特征值和特征向量,以及它们的性质和应用。
特征值和特征向量在诸多领域中都有广泛的应用,比如物理、工程和计算机科学等。
七、二次型与正交对角化二次型是高等代数中的一个重要概念。
我们需要了解二次型的定义、矩阵表示、规范形式和正交对角化等知识。
正交对角化是将一个二次型通过相似变换转化为对角矩阵的方法,它在矩阵运算和优化问题中有着重要的应用。
综上所述,以上是我对大一上学期高等代数知识点的总结。
高等代数.第七章.线性变换.课堂笔记
第七章 线性变换§7.1 线性变换的定义与判别一、线性变换的定义:定义1 设V 为数域P 上线性空间,A 为V 的一个变换(即V ⟶V 的映射),若A 保持加法和数乘运算,即A (α+β)=A (α)+ A (β),∀α,β∈V ,A (kα)=k A (α),∀k ∈P ,则称A 为V 的一个线性变换.注记: 以后我们用花体拉丁字母A,B,C,...表示V 的线性变换,除了特别说明外,本章节中V 均指数域P 上有限维线性空间.例1.说明下列变换均为线性变换: (1)把V 中任一向量都映射为0(称为零变换,记作0); (2)把V 中任一向量α映射为本身(恒等变换,记作E ); (3)取定k ∈P ,把V 中的每一个向量α映射为kα(数乘变换,记作k ).例2.判定下列规则σ是否为指定线性空间的线性变换: (1)ℝ,x -:σ(f (x ))=f′(x );(2)C ,a,b -: σ(f (x ))=∫f (t )dt x0;(3)P n×n : σ(A )=A +A ′,σ2(A )=SAT ,S,T 为固定二个n ×n 矩阵. (4)ℝ,x -n : σ1(f (x ))=xf (x ),σ2(f (x ))=f (x )+1. 解:可验证(1)-(3)均为线性变换,下面证明(1): ∀ f (x )∈ℝ,x -,其导函数唯一确定,且f (x )∈ℝ,x -,因而σ为V ⟶V 的变换,即V 的一个变换,σ(f (x )+g (x ))=(f (x )+g (x ))′=f ′(x )+g ′(x )= σ(f (x ))+ σ(g (x )), ∀k ∈ℝ,σ(kf (x ))=(kf (x ))′=kf ′(x )=kσ(f (x )).(4): σ1与σ2均不是线性变换,取f (x )=x n−1+1=ℝ,x -n ,但σ1(f (x ))=xf (x )=x n +x ∉ℝ,x -n , 因而σ1不是ℝ,x -n 的一个变换, σ2是ℝ,x -n 的一个变换,但运算不保持,因而不是线性变换.习题:P320、1例3.设α为通常几何空间ℝ3中固定的向量,把空间中每个向量η映射为η在α上的内映射(正投影),即Πα: η⟶(α∙η)(α∙α)α是ℝ3的线性变换,这里(α∙η),(α∙α)表示通常向量的内积.证:如图,Πα(η)=OD ⃗⃗⃗⃗⃗ =ηcos (η∙α)α|α|=(α∙η)(α∙α)α,唯一确定, 从而Πα为ℝ3的一个变换,如图,AC ⊥W(垂足为C),OCD LA Wα1α2η因此L 与W 为ℝ3的子空间且ℝ3=W ⊕L ,令 η=α1+α2,α1=OD⃗⃗⃗⃗⃗ =Πα(η),α2∈W , δ=β1+β2,β1=Πα(δ)∈L,β2∈W ,则η+δ=(α1+β1)+(α2+β2),α1+β1∈L,α2+β2∈W , 从而Πα(η+δ)=α1+β1=Πα(η)+Πα(δ), 同理,Πα(kη)=kΠα(η).二、线性变换的性质: 设A 为V 的线性变换,则: (1) A (0)=0, A (−α)=−A (α),∀α∈V ; (2) A (k 1α1+k 2α2+⋯+k t αt )=k 1A (α1)+k 2A (α2)+⋯+k t A (αt ); (3) A 把线性相关的向量组映射为线性相关的向量组(反之不真).2011-04-02A : V ⟶V 线性变换性质: (3) A 为V 中线性相关的向量组,映为V 中线性相关的向量组,即α1,α2,…,αs 相关⟹A (α1), A (α2),…, A (αs )相关;但A (α1), A (α2),…, A (αs )线性相关⇒α1,α2,…,αs 相关. 如A =0,∀ α∈V,α≠0, A (α)=0.(4)设α1,α2,…,αn 为V 的一个基,∀ α∈V,α=x 1α1+x 2α2+⋯+x n αn ⟹A (α)=A (x 1α1+x 2α2+⋯+x n αn ) 线性变换A 由V 中一个基中的像唯一确定;(5)设α1,α2,…,αn 为V 的一个基,则对V 中任一向量组β1,β2,…,βn 必存在一个线性变换 A : V ⟶V ,使得:A (αi )=βi ,1≤i ≤n ;证:作V ⟶V 映射:A (α)= x 1β1+x 2β2+⋯+x n βn ,其中:α=x 1β1+x 2β2+⋯+x n βn ,则A (αi )=βi ,1≤i ≤n ; 下证:A 为V 的线性变换:∀ α=x 1α1+x 2α2+⋯+x n αn ∈V,β=y 1α1+y 2α2+⋯+y n αn ∈V,A (α+β)= A .(x 1+y 1)α1+(x 2+y 2)α2+⋯+(x n +y n )αn /=(x 1+y 1)β1+(x 2+y 2)β2+⋯+(x n +y n )βn=(x 1β1+x 2β2+⋯+x n βn )+(y 1β1+y 2β2+⋯+y n βn ) = A (x 1α1+x 2α2+⋯+x n αn )+ A (y 1α1+y 2α2+⋯+y n αn )= A (α)+A (β)同理,∀k ∈P ,A (kα)=k A (α).§7.2 线性变换的运算为方便,引入记号:Hom (V,V ),它表示数域P 上线性空间V 的所有线性变换的集合。
高等代数教学笔记3:行列式 l+ II
高等代数教学笔记3:行列式 I1994 年, 一个叫夏侯惇, 呃......不, Sheldon 的人 (不知道是不是“生活大爆炸”里的那位), 写了一篇文章, 题目是 Down with determinant, 后来发展成一本书《Linear algebra done right》. 他抛弃了行列式这个概念, 把高等代数的内容重新写了一遍, 最后一章才给出行列式的定义. 理由是很多书上的行列式定义不自然, 并且高等代数的大部分内容不需要行列式也可以讲. 这至少给了我们两点启迪: 一是行列式的定义应该尽可能自然地引入, 二是在学习高等代数的时候我们可以使用行列式, 不过随时需要考虑一下, 不用行列式如何得到类似的结论. 不过, 我个人还是喜欢讲行列式.首先, 行列式具有传奇色彩, 它是日本数学家关孝和在 1683 年首先提出, 十年后德国数学家 Leibniz 又独立提出的. 有趣的是, 有证据表明, 关孝和当时已经有了微积分的思想, 这与 Leibniz 以及 Newton 不谋而合. 看起来, 代数和分析是有千丝万缕的联系的, 实际上也是这样, 比如分析中做变量替换就涉及到 Jacobi 行列式, 而前文提到的多项式的导数却是从微积分里来的.其次, 行列式的概念还是非常有用的, 涉及到代数中的解方程组, 分析中的Jacobi 行列式, 几何中的平行四边形和平行六面体体积, 外代数的最高次外积, 群表示论的导火线——群行列式等等.最重要的是, 行列式作为一个数学对象, 本身没有太复杂的理论背景, 它的提出和探索过程很有启发性, 这是数学家们进行数学研究或者数据处理的一个典范,启发我们怎么从一堆纷繁复杂的数据中找出有用的信息. 或许, 如今热门的大数据学科可以给被 Sheldon 打倒的行列式正个名, 把其发现者关孝和与Leibniz 奉为大数据的祖师爷.二、三阶行列式行列式是从线性方程组求解中发展出来的, 所以初学者必须自己动手算一算以下的几个问题. 我每次讲的时候都会花挺长时间展示如下的二元、三元一次方程组的求解过程, 不厌其烦地展示其中的细节, 希望学生们能从中得到启发, 理解行列式为什么会被提出. 不过效果并不太理想, 因为不少学生并不在乎问题的起源, 也不耐烦从繁琐的计算过程中寻找有用的线索, 而这其中不乏一些刻苦用功而事倍功半的学生.问题 1判断二元一次线性方程组何时有唯一解, 并求解的表达式.这个问题自然很简单, 不过它的解答蕴含着规律, 数学研究在很大程度上都是在探索规律. 中学生就可以尝试做一做的, 毕竟我们没必要每次遇到二元一次方程组时都用消元法求解. 实际上, 三十多年前的中学课本上是有求解公式的. 我们需要引入一个很关键的记号——二阶行列式, 即利用二阶行列式可以把解写得非常整齐, 推理完了可以好好欣赏一下其中展现的数学之美. 如果不觉得解的表达式漂亮, 可能是没有把解写得很对称, 可以调整一下, 当然更可能是审美观念的问题.为了找到一般规律, 我们需要再研究一下三元一次方程组. 其实很多很漂亮的结论并不是一开始就被想到, 大部分是经过了长期的摸索, 删繁就简, 去伪存真后才得到现在的样子. 这个过程常常被忽略, 但对于初学者还是应该走一走. 问题 2解三元一次线性方程组在有唯一解的情况下求出解的表达式.可以利用二元情形的结论, 把看作已知的, 利用后两个方程求出(用二阶行列式来表达), 再代入第一个方程解出. 在这个过程中尽量保持二阶行列式, 不要展开. 这个过程很简单, 但是会启发我们定义三阶行列式为这样就得到了以及的非常漂亮的表达式, 同样值得好好欣赏, 因为这时候可以看出规律性越来越明显.需要注意的是, 在这个过程中需要处理二阶行列式, 比如这里蕴含了行列式计算的拆项、提取系数、交换行列等几大法宝:(1) 一个行列式可以拆成两个行列式;(2) 行列式的一列的共同倍数可以提出来; (3) 两列互换, 行列式变号.类似地, 也可以用前两个方程或第一、三个方程来求解, 这样会得到行列式的其他两种定义, 分别是按照第二行或第三行定义的.n 阶行列式: 按第一行展开和完全展开三阶行列式是通过二阶行列式来定义的, 涉及的二阶行列式都是这个三阶行列式去掉一行一列之后得到的. 为了方便, 我们把去掉第 i 行第 j 列后得到的行列式记为, 称为元素的余子式, 于是三阶行列式可以简记为很自然地想到: 对于一般的含 n 个未知量 n 个方程的线性方程组, 如果存在唯一解, 则可以通过定义行列式来求解. 我们把线性方程组的系数排列成矩形称为n 阶方阵, 记为 A. 以后会考虑行数和列数不相等的矩阵. 方阵 A 的n 阶行列式记为|A|, 可以按照三阶情形推广如下.定义 3(行列式按第一行展开)上述行列式的定义只是一个递推关系, 我们有必要了解一下其通项公式, 这就需要把行列式完全展开. 我们还是要从三阶行列式看起.问题 4三阶行列式的完全展开式为这里需要注意的是, 展开式中一共有 6 = 3! 项, 其中正负单项各半. 展开式中每一个单项的行标都是 1,2,3, 列标是 1,2,3 的所有排列, 自然, 每个单项前面的正负号与排列有关系. 这也是一个寻找规律的过程, 也需要充分的耐心. 其中的规律是与排列的逆序数或者奇偶性有关. 这里不想解释逆序数, 每本高代书上都有. Simon Singh 的《费马大定理》上记录了一个与逆序数有关的有趣游戏.问题 5 (行列式的完全展开)其中求和取遍1,2,··· ,n 的所有排列, 表示该排列的逆序数.很多书上都是先讲逆序数, 然后用完全展开式来定义行列式. 我很不喜欢这种定义方式, 因为完全看不出逆序数是干什么的, 而行列式的意义又在哪里! 逆序数与行列式的表达式的内在联系是在对行列式的研究中发现的, 而不是直接想到用逆序数来定义行列式, 这不合乎逻辑, 就像著名的 Fibonacci 数列, 它的递推关系非常简单, 但通项公式比较复杂, 没人会直接用通项公式来定义Fibonnaci 数列.行列式的计算从两个定义 (按第一行展开和完全展开) 可以看出, 计算行列式并不是一件容易的事. 不过我们还是可以计算一些特殊的行列式, 用任何一个定义都可以试试, 体会一下其中的异同.问题 6计算如下行列式 |A|:上述几个行列式有对称性, 这与正方形的对称性有关系.问题 7正方形绕某条直线反射或绕某个点旋转一个角度后得到的图形与原图形重合, 则这个反射或旋转称为正方形的一个对称.(1) 试求正方形的所有对称;(2) 对任何 n 阶行列式 |A|, 利用正方形的所有对称可以得到很多新的行列式, 试求它们之间的关系.稍微复杂一点的行列式有问题 8计算 n 阶行列式.(1)(2) (Fibonacci 数列的第n+1 项)这些都是先求递推关系, 再通过递推关系求通项公式. 详见“代数学发展史: 线性空间”一文. 这表明我们熟悉的很多东西都可以用至少形式上简单的行列式来表达. 又如上一章学到的多项式也可以表示成行列式.问题9证明:这个问题非常重要, 因为它把首一多项式与行列式以及后文的矩阵 (上面的行列式中把 x 取成 0 所得到的矩阵) 联系起来了, 在后续课程中经常出现, 也是解决代数数论一些问题的关键.正如引言部分所说, 代数与分析是有千丝万缕的联系的, 行列式也可以和分析学联系起来, 比如与三大中值定理的关系.问题 10设 f(x),g(x),h(x) 在 [a,b] 上连续, 在 (a,b) 内可导, 利用Rolle 中值定理证明: 存在ξ ∈ (a,b) 使得试由此证明:(1) (Lagrange 中值定理) 如果 f(x) 在 [a,b] 上连续, 在 (a,b) 内可导, 则存在ξ ∈ (a,b) 使得 f(b) − f(a) = f′(ξ)(b − a);(2) (Cauchy 中值定理) 如果 f(x),g(x) 在 [a,b] 上连续, 在 (a,b) 内可导, 且对任意x ∈(a,b), , 则存在ξ ∈ (a,b) 使得f(b) − f(a)n 阶行列式: 按第一列展开为了计算更多的行列式, 我们还需要行列式的一些性质, 这其实也是我们研究任何一个数学对象时必须要走的路. 让我们回到三元一次方程组的求解. 我们可以通过几个方程的加减消元, 把消去得到只有的方程. 这个过程实际上是把三个方程各乘一个系数再加在一起使得的系数都变为零! 问题 11求使得过程有点繁琐, 但并不难, 值得尝试! 结论是取或其倍数即可! 但是不要直接验证, 而是探索一下这个结论是怎么得到的.进一步有问题 12这个等式表明, 三阶行列式的行与列有对称性! 于是可以看出行列式有第三种定义方式:问题 13 (行列式按第一列展开) n 阶行列式可以定义为或者这个定义预示着行列式的行列地位是相当的, 直接证明它与前两个定义的等价性并不容易, 需要注意到如下问题, 用完全展开式可以很容易证明.问题 14转置 (所有的行与列互换) 不改变行列式.行列式的几何意义有一件与行列式相关的非常值得做的事情, 详情可以参考我参编的《高代代数与解析几何》一书.问题 15平面直角坐标系中, 给定平面矢量(1) 求α 与β 的夹角; (由此可以自然引出平面矢量的内积的定义)(2) 求α 与β 张成的平行四边形面积. (行列式与面积)这个过程推广到三维有:问题 16给定立体空间的矢量(1) 求α,β 的夹角; (空间矢量的内积)(2) 求α,β 张成的平行四边形面积; (空间矢量的外积)(3) 求α,β,γ 张成的平行六面体体积. (行列式、混合积与体积)高等代数教学笔记3:行列式 II行列式的计算(II)现在我们可以看一些典型行列式的计算了. 行列式的计算除了使用前面提到的完全展开、按某一行 (列) 展开、按某些行 (列) 展开以及行列初等变换的几个性质, 常见的行列式计算技巧有递推关系、拆项 (把某一行或列拆开为两行(列))、镶边 (增加一行一列把行列式化成高一阶的), 很多书上都有相关例题, 不再赘述. 这里仅选择几个有背景的行列式的计算.前文提到了 Vandermonde 行列式, 它在 Lagrange 插值公式中有应用. 以后我们会发现, Vandermonde 行列式还有另一个作用: 我们可以随心所欲写下任意阶数的非零行列式, 当然这样的行列式不能是简单的对角形或上、下三角形的. Vandermonde 行列式的计算有不同的方法, 其中之一是把它看成一个多元多项式, 利用行列式的性质去寻找这个多项式的公因式. 类似的方法可以用在很多地方. 我们举几个例子. 先看一个简单的.题3.32计算行列式:行列式(1) 很典型, (2) 是其众多变形之一. (1) 的计算方法也很多: 行列变换、拆项、镶边等等. 当然也可以用多项式的方法: 容易看出来行列式是一个一元n 次首一多项式f(x), 而f(a) = 0, 因此x − a 是f(x) 的一个根. 以后学到矩阵的秩的时候, 我们很容易看出 a 是f(x) 的至少n − 1 重根, 这一点现在也可以得到, 只要利用多项式的导数即可. 在这里就需要知道, 对行列式求导实际上是对每列(或行) 分别求导得到n 个行列式, 再把它们加起来就行. 这就说明 x − a 是f(x) 的(至少) n − 1 因式. n 次多项式最多有n 个根, 于是需要求出最后一个根. 一种方法是把其他行都加到第一行就可以得到−(n − 1)a 也是f(x) 的根; 另一种方法是利用Vieta 定理, 所有根的和是f(x) 的n − 1 项系数的相反数, 而此时这个系数为0 (为什么?). 这里又蕴含了矩阵的另一个重要概念——迹, 也就是对角元素的和, 学到相关概念时再回头看看, 可以达到温故知新的功效.像上述问题中这样的对角线上有未知量、其他位置都是常数的行列式我们会经常遇到, 这就是后面要着重研究的矩阵的特征行列式 (特征多项式). 比如前面已经提到过的1978 年, 中科院的一道高等代数考研试题与如下的行列式问题本质上是一样的, 这也是许以超先生的书上的习题.问题3.33计算行列式这个复杂的行列式的结果出人意料的简单: . 的确可以通过一些行列变换把这个行列式降阶从而找到规律. 不过, 这样生硬的计算方式会把这个问题的神奇的背景掩盖了! 这个问题实际上与 Lie 代数有关, 去掉对角线上的 x 所得的矩阵实际上是一个幂零矩阵, 也就是它的 n 次方 (矩阵乘法) 是零. 当然不能直接验证, 巧妙的方式是要用到 Lie 代数的运算: [A,B] = AB −BA, 这里 A,B 都是 n 阶方阵.还有很多的行列式与群论有关, 比如下面的两个例子.问题3.34证明:上述四阶行列式竟然可以分解成一次因式的乘积, 这本身就是一件值得玩味的事. 实际上它与 Klein 群有关系. 熟悉一点群论的应该知道, 四阶群一共有两种, 另一种是循环群. 更一般地有任意 n 阶循环群, 与之相关的行列式如下.问题3.35 (循环矩阵的行列式)求上述行列式有一个因式是明显的:这可以通过把其他行加到第一行得到. 关键在于寻找其他的因式, 我们也可以把其他行的倍数加到第一行, 比如第二行的倍, ···, 第 n 行的倍加到第一行去. 我们只看第一行的前两项:于是取为 n 次单位根即可, 而是我们已经用过的. 这样我们就可以得到了 n 个不同的一次因式, 它们的乘积自然也是原行列式的因式 (需要多元多项式的因式分解的存在唯一性). 再比较一下次数和首项系数即可.这个复杂但又有规律的行列式竟然也可以写成一次因式的乘积, 这也是值得玩味的. 后面我们还可以用矩阵乘法 (矩阵相似) 的观点再来看这个问题. 感兴趣的读者还可以试一试计算如下行列式.问题3.36计算:上述三个行列式加在一起就是一道通向有限群表示论的桥梁.问题3.37 计算 n 阶 Cauchy 行列式这个行列式是 Cauchy 在 1841 年的书中提到的 (没找到原文, 所以不知道Cauchy 考虑这个行列式的背景), 在 Euclid 空间中会出现其中的对称情形. 这个行列式看起来复杂, 计算难度却不大, 只要作一作初等变换, 把任意两行减一减就会发现公因式了.我们也可以用多元多项式的观点看: 首先每行通分, 把分母提到行列式外面, 余下的行列式就是一个多元多项式. 再注意到或时行列式都是 0, 于是与是这个 2n 元的行列式的因式. 从而是行列式的因式, 比较一下次数, 再加上分母就能得到结果了.不过, 这里值得停一下: Cauchy 行列式似乎与两个 Vandermonde 行列式有关, 实际上是与 Lagrange 插值公式有关, 这一点从通分以后行列式的各项能看出来. 其中细节不再赘述.问题3.38试求 Hilbert 矩阵的行列式.Hilbert 在 1894 年考虑一个逼近问题: 在闭区间 [a,b] 上是否存在非零整系数多项式 P(x) 使得可以任意小? 这实际上就是计算多项式P(x) 的长度, 与后文的Euclid 空间有关, 其中的度量矩阵就与Hilbert 矩阵有关.Hilbert 矩阵自然是 Cauchy 矩阵的特殊情形. 不过好玩的是, 很多学生会计算 Cauchy 行列式, 却不会求 Hilbert 矩阵的行列式.。
高等代数的笔记杂记——Jordan标准形,Jordan块
⾼等代数的笔记杂记——Jordan标准形,Jordan块 之前发现了线性变换和线性映射对应矩阵的求法和找他们的相似形和相抵形,我们会发现,如果可以把⼀个线性变换对应的矩阵对⾓化,那么它⽐较便于我们进⾏⼀些运算,(⽐如乘⽅幂次,⽐如可以和多项式相结合),但是对⾓化有⽐较严苛的条件:特征⼦空间的维数之和需要等于线性变换A所对应的空间V的维数n,也就是说并不是所有线性变换都可以对⾓化,⽐如⾼阶幂零矩阵,⽽且相似的不变量有秩,迹,特征多项式等,但是仍然不够细化的区分线性变换,这时我们就要⽤另⼀种⼯具来分相似类。
对于⼀个矩阵A(线性变换A),它的特征多项式⼀定是零化多项式(Hamilton-Cayley定理)那么它的最⼩多项式f(x)=(x-a)^i1*(x-b)^i2*……*(x-z)^in; 这个多项式的特征值就是a~~z,在每⼀个特征值下的限制映射对应的矩阵必然相似于⼀个Jordan标准形J, J有n-rank(A-λI)个Jordan块,其中t级Jordan块的数⽬N=rank(A-λI)^(t+1)+rank(A-λI)^(t-1)-2*rank(A-λI)^(t), 要注意的点有:Jordan形既可以指jordan块构成的分块对⾓矩阵也可以指Jordan形构成的分块对⾓矩阵,对于⼀个特征值我们可以找到⼀个标准Jordan形,那么我们可以通过找特征值的⽅式找到若⼲个标准Jordan形,(通过基的变换对应矩阵的变化,映射本⾝是不变的),组成的分块对⾓矩阵也是这个映射下的矩阵,也就是说我们可以通过特征值找到⼀个矩阵的Jordan标准形,这个标准形是⼀个上三⾓矩阵,相对于随意的矩阵形式显然更好处理。
相同Jordan块对应的最⼩多项式⼀定相同(⽐较特殊的考虑以零为对⾓线元素的Jordan块Ji,这是个幂零矩阵,它的幂零指数就可以对应最⼩多项式的次数,如果对⾓线元素是λ1,那么就让这个Jordan块Ji减去λ1*I,就仍然得到了⼀个幂零矩阵),这⾥的证明有⽤到强循环⼦空间(或者参见王萼芳教授的⾼等代数有对Jordan标准形的证明)。
大一高代复习知识点
大一高代复习知识点为了帮助大家复习高等代数的知识点,本文将对大一高代的重点内容进行总结和讲解,包括矩阵、行列式、向量、线性方程组等方面的知识。
希望本文能够帮助大家对高等代数的知识点有一个更深入的理解。
1. 矩阵(Matrix)1.1 矩阵的定义与性质矩阵是数的一个矩形阵列,由m行n列的数排成的矩形数表称为m×n矩阵。
矩阵的元素一般用a_ij表示,其中i表示行数,j表示列数,a_ij表示第i行第j列的元素。
常见的矩阵有零矩阵、单位矩阵和对角矩阵等。
1.2 矩阵的运算矩阵的运算包括矩阵的加法、数乘、矩阵的乘法和转置等。
矩阵加法满足交换律和结合律,数乘与矩阵乘法满足分配律。
矩阵的转置是将矩阵的行与列交换得到的新矩阵。
2. 行列式(Determinant)2.1 行列式的定义和性质行列式是一个标量,用于表示一个正方形矩阵的某些特征信息。
行列式的定义是一个对于n阶方阵而言的递归定义。
行列式有一些性质,如行列式与其转置行列式相等,交换行列式的两行(列)改变行列式的符号等。
2.2 行列式的性质与计算方法行列式的性质包括行列式性质与计算公式等。
行列式的计算方法有拉普拉斯展开法、行列式按行(列)展开法等。
拉普拉斯展开法是通过将行列式按某一行(列)展开,并用余子式和代数余子式来进行计算。
3. 向量(Vector)3.1 向量的定义与性质向量是有向线段,并且具有方向和大小。
向量可以表示为一个由起点和终点确定的有方向的线段,用a表示。
向量的大小称为模,用∥a∥表示。
向量的相加可以用平行四边形法则进行表示。
3.2 向量的线性运算向量的线性运算包括向量的加法和数乘。
向量的加法满足交换律和结合律,数乘与向量加法满足分配律。
向量的数量积也是向量的一种运算,它表示两个向量的乘积,结果是一个标量。
4. 线性方程组(Linear Equations)4.1 线性方程组的定义与性质线性方程组是一个或多个未知数的一组线性方程组成的方程集合。
《高等代数》知识点梳理
(1 )定义:由s⋅ n个数a ij(i= 1,2, s;j= 1,2, n)排成s行n列的数表a 11a s1a1n,称为s行n列矩阵,简记为A= (a ij)s⋅n。
asn(2)矩阵的相等:设A= (a ij)m⋅n,B= (a ij)l⋅k,如果m= l,n= k,且a ij= b ij,对i= 1,2, m;j= 1,2, n都成立,则称A与B相等,记A= B。
(3)各种特殊矩阵:行矩阵,列矩阵,零矩阵,方阵,(上)下三角矩阵,对角矩阵,数量矩阵,单位矩阵。
a11(1)矩阵的加法:as1运算规律:①A+ B= B+ A②( A+ B) + C= A+ (B+ C)a11(2)数与矩阵的乘法:kas1 运算规律:①(k+ l) A= kA+ lA a1nb11b1na11+ b11+ =asnbs1bsnas1+ bs1③A+ O= A④A+(−A) = Oa1nka11ka1n=asnkas1kasn③k(lA) = (kl) Aa1n+ b1n。
a sn+b sn②k( A+ B) = kA+ kBa11 (3)矩阵的乘法:as1④A+(−A) = Oa1nb11b1mc11=asnbn1bnmcs1c1m其中csmc = a b + a b + + a b a 11ij i 1 1i i 2 2i in nj ,i = 1,2, s ; j = 1,2, m 。
运算规律:① ( A B )C = A (BC ) ③ (B + C ) A = BA + CA② A (B + C ) = AB + AC ④ k ( A B ) = A (kB ) = (kA )B 一般情况 ,① AB ≠ BA② AB = AC , A ≠ 0 , ⇒ B = C ③ AB = 0 ⇒ A = 0 或 A = 0a 11a 1na 11 a1s(4)矩阵的转置 : A = ,A 的转置就是指矩阵 A '=a s 1asna n 1ans运算规律 :① ( A ')'= A③ ( A B )'= B ' A '② ( A + B )'= A '+B '(5)方阵的行列式 :设方阵 A =运算规律: ④ (kA )'= kA 'a 1n a11,则A 的行列式为| A |=。
高等代数课程笔记n 元排列
高等代数课程笔记n 元排列(邱维声)高等代数课程笔记:n 元排列( a 11 a 12 b 1 a 21 a 22 b 2 ) \left(\begin{matrix}a_{11} &a_{12} &b_{1}\\ a_{21} &a_{22} &b_{2}\end{matrix} \right) (a11a21a12a22b1b2)对其作初等行变换化为阶梯形: ( a 11 a 21 a 12 a 21 b 1 a 21 0 a 11 a 22 − a 12 a 21 b 2 a 11 − b 1 a 21 ) \left(\begin{matrix} a_{11}a_{21} &a_{12}a_{21}&b_{1}a_{21}\\ 0 &a_{11}a_{22}-a_{12}a_{21}&b_{2}a_{11}-b_{1}a_{21} \end{matrix} \right) (a11a210 a12a21a11a22−a12a21b1a21b2a11−b1a21)显然,该方程组若有解(实际上是唯一解),则必有a 11 a 22 − a 12 a 21 ≠ 0 a_{11}a_{22}-a_{12}a_{21}\ne 0 a11a22−a12a21=0因此,这个不等式很重要!值得重点研究。
\quad 显然,该方程组的系数矩阵是一个 2 2 2 级矩阵:a = ( a 11 a 12 a 21 a 22 ) a = \left(\begin{matrix}a_{11} &a_{12}\\ a_{21} &a_{22} \end{matrix}\right)a=(a11a21a12a22)\quad 可以看到,重要不等式实际上是由二级矩阵 a a a 中的元素组成的,不妨仿照系数矩阵 a a a 的形式,定义:∣ a 11 a 21 a 21 a 22 ∣ : = a 11 a 22 − a 12 a 21\left|\begin{matrix} a_{11} &a_{21}\\ a_{21} &a_{22}\end{matrix}\right|:=a_{11}a_{22} - a_{12}a_{21} a11a21a21a22:=a11a22−a12a21称其为二阶行列式。
最新高等代数知识点总结
最新高等代数知识点总结高等代数是数学领域中的一门重要基础课程,它涵盖了众多关键的知识点,为后续更深入的数学学习和相关领域的研究提供了坚实的理论基础。
以下是对最新高等代数知识点的详细总结。
一、多项式多项式是高等代数中的重要概念之一。
一个多项式可以表示为$f(x) = a_n x^n + a_{n-1} x^{n-1} +\cdots + a_1 x + a_0$ ,其中$a_i$ 是系数,$x$ 是变量,$n$ 是多项式的次数。
多项式的运算包括加法、减法和乘法。
在多项式的乘法中,需要运用分配律和指数法则进行计算。
多项式的整除性是一个关键的概念。
如果存在多项式$g(x)$使得$f(x) = q(x)g(x)$,则称$g(x)$整除$f(x)$。
多项式的根是使多项式的值为零的数。
利用代数基本定理,我们知道在复数域上,$n$ 次多项式有$n$ 个根(重根按重数计算)。
二、行列式行列式是一个数值,它由方阵的元素按照一定的规则计算得出。
对于二阶行列式,其计算公式为$\begin{vmatrix}a & b \\ c &d\end{vmatrix} =ad bc$ ;对于更高阶的行列式,可以通过按行(列)展开法则进行计算。
行列式具有许多重要的性质,例如:行列式转置后其值不变;某一行(列)乘以一个数加到另一行(列)上,行列式的值不变;交换两行(列),行列式的值变号等。
利用行列式可以求解线性方程组。
如果系数行列式不为零,则线性方程组有唯一解,其解可以通过克莱姆法则求得。
三、矩阵矩阵是一个数表,它可以表示线性变换。
矩阵的运算包括加法、减法、乘法和数乘。
矩阵乘法需要注意其运算规则,一般情况下,矩阵乘法不满足交换律,但满足结合律和分配律。
逆矩阵是一个重要的概念,如果存在矩阵$B$ 使得$AB = BA= I$ ($I$ 为单位矩阵),则称$B$ 是$A$ 的逆矩阵。
矩阵的秩是矩阵的一个重要数值特征,它表示矩阵中行(列)向量组的线性无关的最大个数。
高等代数大一下知识点总结
高等代数大一下知识点总结高等代数是数学的基础课程之一,其内容涉及到矩阵、向量、向量空间以及线性变换等重要概念。
下面是对高等代数大一下学期的相关知识点进行总结。
1. 行列式行列式是高等代数中最基础的概念之一,其用于描述线性方程组是否有唯一解以及计算线性变换的体积。
行列式的计算可以通过求余子式的方式进行,其中包括代数余子式、代数余子式的代数余子式等概念。
2. 向量空间向量空间是高等代数的核心概念,它是由一组向量构成的集合。
向量空间具有加法和数乘两种运算,满足线性组合的封闭性。
在向量空间中,线性相关性和线性无关性是重要的概念,线性相关的向量可以由其他向量线性表示,而线性无关的向量则相反。
3. 线性变换线性变换是指保持向量空间中加法和数乘运算的运算。
线性变换可以通过矩阵的形式进行表示,其中矩阵的行和列分别对应于向量空间中的基向量。
线性变换涉及到特征值和特征向量的计算,通过特征值和特征向量可以研究线性变换的性质。
4. 特征值和特征向量特征值和特征向量是研究线性变换重要的工具,它们描述了线性变换对向量空间中某个方向的伸缩和压缩。
特征值是线性变换的倍数,特征向量是线性变换作用后不变的向量。
5. 线性方程组线性方程组是高等代数中另一个重要的概念,它由线性方程组成,每个方程由一组系数和一个常数项组成。
通过高斯消元法可以解线性方程组,也可以通过矩阵的逆来求解线性方程组。
6. 特征多项式和相似矩阵特征多项式是线性变换的特征值关于变量的多项表达式,相似矩阵是指具有相同特征多项式的矩阵。
相似矩阵在矩阵的变换和计算中具有重要的应用。
7. 正交性和内积空间正交性是向量空间中的重要概念,它指的是两个向量之间的夹角为直角。
内积空间是指具有内积的向量空间,通过内积可以定义向量的长度、角度和正交性等概念。
8. 特征分解和奇异值分解特征分解是将一个矩阵分解为特征值和特征向量的形式,奇异值分解是将一个矩阵分解为奇异值和奇异向量的形式。
这些分解在矩阵计算和数据处理中有广泛的应用。
(完整word版)《高等代数》:学习笔记
《高等代数(上)》:学习笔记这是我自学的笔记做成的电子档,其中有许多注释,尽量深入浅出,以供大家学习。
有些笔误也修正差不多了。
课本和王德明老师的符号略有不同,但意思是一样的,祝大家都能通过考试。
第一章 行列式§1.1 定义D =|2314|=2×4−3×1=5 A =[2314]≡(2314) 这是行列式(或写为|D|)这是矩阵,注意区别{a 11x 1+a 12x 2+a 13x 3=b 1a 21x 1+a 22x 2+a 23x 3=b 2a 31x 1+a 32x 2+a 33x 3=b 3这是三元线性方程组=|11a 12a 13a 22a 23a 3233|=a 11a 22a 33+a 12a 23a 31+a 13a 21a 32−a 11a 23a 32−a 12a 21a 33−a 13a 22a 31§1.2 逆序数τ§1.3 n 阶行列式的代数和D =|a 11a 12⋯a 1n a 21a 22⋯a 2n⋯⋯⋯⋯⋯⋯a n1a n2⋯a nn|=∑(a 1j 1a 2j 2⋯a nj n§1.4 行列式性质1、行列式转置值不变: D T =D2、k 可以乘上某行(列): kD row i3、加法:某行之和 展开为两行列式之和: D row(a+b)=D row(a)+D row(b)4、互换两行(列):负号 D row i ↔row k =−D5、两行相同(成比例):零值 D row i =k×row k =06、某行乘以k 加到另一行:值不变D k×row i +row k =D右下斜线为正 左下斜线为负代数和n 阶排列,有n!个逆序数 偶排列,正号 奇排列,负号阶排列§1.5 代数余子式=ij|D|=a k1A k1+a k2A k2+⋯+a kn A kn (k =1,2,⋯,n )即展开第k 行(列)§1.6 范德蒙行列式|D|=|111⋯1a 1a 2a 3⋯a n a 12a 22a 32⋯a n2⋯⋯⋯a 1n−1a 2n−1a 3n−1⋯a nn−1|=∏(a i −a j )第二章 线性方程组§2.1 克莱姆法则D 1=|b 1a 12a 13b 2a 22a 23b 3a 32a 33| D 2、D 3 类似左边 解集:x i =D i D(D ≠0) 当D ≠0时,方程组有唯一解:x 1=D 1D,x 2=D 2D,x 3=D 3D.(D ≠0)§2.2 消元法初等变换:反复对方程进行row 变换,最后剩下一个上三角矩阵。
高等代数课本笔记及其例题详解
高等代数课本笔记及其例题详解第一章 多项式1.1 数域定义1.1(数域):设P 是由一些复数组成的集合,其中包括0与1. 如果P 中任意两个数(这两个数也可以相同)的和、差、积、商(除数不为零)仍然是P 中的数,那么P 就称为一个数域.即:设{}C x x P ∈=,P b a ∈∀,,其中0≠a 且P ∈0,1都有P abab b a b a ∈-+,,,,称P为一个数域. (注:Z 表示全体整数;R 表示全体实数;C 表示全体复数;Q 表示全体有理数;N 表示全体自然数;)例题1. 设(){}Q b a b a Q ∈+=,22证明:()2Q 是一个数域. 证明:1)()22000,2011Q ∈+=+=(其中:Q ∈1,0)2)Q d c b a ∈∀,,,有()()()2222Q d b c a d c b a ∈+++=+++(其中: Q d b c a ∈++,);()()()2222Q d b c a d c b a ∈-+-=+-+(其中:Q d b c a ∈--,); ()()()()()22222Q bc ad bd ac d c b a ∈+++=++(其中:Q bc ad bd ac ∈++,2); 若02≠+b a ,有()22222222222Q b a bcad b a bd ac b a d c ∈--+--=++(其中:Q b a bc ad b a bd ac ∈----22222,22,且0222≠-b a ). 2Q ∴是一个数域.例题2. 证明:()()⎭⎬⎫⎩⎨⎧==∈∈++++++=+m j n i Z b a N n m b b b a a a P j i mm n n ,,0;,,0,,,1010 πππππ是一个数域.证明:1) ()πππππP m n ∈++++++=0010011 , ()πππππP mn∈++++++=0000000 2) 显然该集合的和、差、积封闭;若商不封闭,得()πππππππππP d d d c c c b b b a a a tt ss m m n n ∈++++++≠+++++ 101101010,0,得 ()πππππππππππππππππP a a a b b b d d d c c c b b b a a a d d d c c c n n mm t t s s m n n t t s s ∉++++++⋅++++++=++++++++++++ 1010101010101010,这与该集合的积封闭的结论矛盾,故()πP是一个数域.注:最小的数域为有理数域,任何数域都包含有理数域.1.2 一元多项式定义 1.2.1(一元多项式) 设n 是一非负整数. 形式表达式011a x a x a n n n n +++-- ,其中∈n a a a ,,,10 数域P ,称为系数在数域P 中的一元多项式,或者简称为数域P 上的一元多项式. (注:i i x a 称为i 次项; i a 称为i 次项的系数. )定义1.2.2 (多项式相等)如果在多项式()x f 与()x g 中,除去系数为零的项外,同次项的系数全相等,那么()x f 与()x g 就称为相等,记为()()x g x f =. 系数全为零的多项式称为零多项式,记为0. (注:若0≠n a ,则n n x a 称为多项式的首项;n a 称为首项系数; n 称为多项式的次数,记为()()x f ∂; 零多项式是唯一不定义次数的多项式. ) 性质1.2.1 ()()()()()()()()x g x f x g x f ∂∂≤±∂,max .性质1.2.2 ()()()()()()()x g x f x g x f ∂+∂=⋅∂(其中()0≠x f 且()0≠x g ). 运算规律:1. 加法交换律:()()()()x f x g x g x f +=+.2. 加法结合律:()()()()()()()()x h x g x f x h x g x f ++=++.3. 乘法交换律:()()()()x f x g x g x f =.4. 乘法结合律:()()()()()()()()x h x g x f x h x g x f =.5. 乘法对加法的分配律:()()()()()()()()x h x f x g x f x h x g x f +=+.6. 乘法消去律:如果()()()()x h x f x g x f =且()0≠x f ,那么()()x h x g =.定义1.2.3 (一元多项式环)所有系数在数域P 中的一元多项式的全体,称为数域P 上的一元多项式环,记为[]x P ,P 称为[]x P 的系数域.1.3 整除的概念性质1.3.1 (带余除法)对于[]x P 中任意两个多项式()x f 与()x g ,其中()0≠x g ,一定有[]x P 中的多项式()()x r x q ,存在,使()()()()x r x g x q x f +=成立,其中()()()()x g x r ∂<∂或者()0=x r ,并且这样的()()x r x q ,是唯一决定的. (注:()x q 通常称为()x g 除()x f 的商;()x r 称为()x g 除()x f 的余式)定义1.3.1(整除)数域P 上的多项式()x g 称为整除()x f ,如果有数域P 上的多项式()x h 使等式()()()x h x g x f =成立. 我们用“()()x f x g ”表示()x g 整除()x f ,用“()x g ()x f ”表示()x g 不能整除()x f .(注:当()()x f x g 时,()x g 就称为()x f 的因式;()x f 称为()x g 的倍式.)定理1.3.1 对于数域P 上的任意两个多项式()()x g x f ,,其中()0≠x g ,()()x f x g 的充分必要条件是()x g 除()x f 的余式为零. 整除性的常用的性质:1. 如果()()x g x f ,()()x f x g ,那么()()x cg x f =,其中0≠c .2. 如果()()x g x f ,()()x h x g ,那么()()x h x f (整除的传递性).3. 如果()()x g x f i ,r i ,,2,1 =,那么()()()()()()()x g x u x g x u x g x u x f r r +++ 2211其中()x u i 是数域P 上的任意的多项式.(注:()()()()()()x g x u x g x u x g x u r r +++ 2211称为多项式()()()x g x g x g r ,,,21 的一个组合.) 注:两个多项式之间的整除关系不因为系数域的扩大而改变.1.4 最大公因式定义 1.4.1(最大公因式)设()()x g x f ,是[]x P 中两个多项式. []x P 中多项式()x d 称为()()x g x f ,的一个最大公因式,如果它满足下面两个条件:1)()x d 是()()x g x f ,的公因式;2)()()x g x f ,的公因式全是()x d 的因式.(注:两个零多项式的最大公因式就是0) 引理1.4.1 如果有等式()()()()x r x g x q x f +=成立,那么()()x g x f ,和()()x r x g ,有相同的公因式.定理 1.4.1 对于[]x P 中任意两个多项式()()x g x f ,,在[]x P 中存在一个最大公因式()x d ,且()x d 可以表成()()x g x f ,的一个组合,即有[]x P 中多项式()()x v x u ,使()()()()()x g x v x f x u x d +=.(注:两个多项式的最大公因式在可以相差一个非零常数倍的意义下是唯一确定的;()()()x g x f ,表示首项系数为1的公因式.) 辗转相除法:例题3. 设()343234---+=x x x x x f ,()3210323-++=x x x x g 求()()()x g x f ,,并求()()x v x u ,使()()()()()()()x g x v x f x u x g x f +=,. 解:即:()()()()()()131092595913112x r x q x g x x x x g x f +=⎪⎪⎭⎫⎝⎛++-⎪⎭⎫ ⎝⎛-=310925952---x x即:()()()()()()22793109259595272212x r x q x r x x x x x g +=++⎪⎪⎭⎫⎝⎛---⎪⎭⎫ ⎝⎛+-=. ()()()327981108153109259521 +⎪⎭⎫⎝⎛--=---=x x x x x r()()()3,+=∴x x g x f .将(1)代入(2)式可得:()()35251532+=⎪⎪⎭⎫ ⎝⎛+-+⎪⎭⎫⎝⎛-x x g x x x f x ()()525,1532x x x v x x u +-=-=∴就有()()()()()()()x g x f x g x v x f x u ,=+.定义1.4.2(互素)[]x P 中两个多项式()()x g x f ,称为互素(也称互质)的,如果()()()1,=x g x f .定理 1.4.2 []x P 中两个多项式()()x g x f ,称为互素的充要条件是有[]x P 中的多项式()()x v x u ,使()()()()1=+x g x v x f x u .定理1.4.3 如果()()()1,=x g x f ,且()()()x h x g x f ,那么()()x h x f .推论1.4.3.1 如果()()x g x f 1,()()x g x f 2,且()()()1,21=x f x f ,那么()()()x g x f x f 21.推广:定义1.4.3 ()x d 称为()()()()2,,,21≥s x f x f x f s 的一个最大公因式,如果()x d 具有下面的性质:2) ()()s i x f x d i ,,2,1, =;3) 如果()()s i x f x i ,,2,1, =ϕ,那么()()x d x ϕ.(注:符号()()()()x f x f x f s ,,,21 表示首项系数为1的最大公因式.)性质1.4.1()()()()()()()()()()x f x f x f x f x f x f x f s s s ,,,,,,,21121 =-性质1.4.2 ()()()()()()()()()()x f x f x f x f x u x f x u x f x u s s s ,,,212211 =+++,其中 ()()()[]x P x u x u x u s ∈,,,21 .性质1.4.3 ()()()()()()()[],,,,1,,,2121x P x u x u x u x f x f x f s s ∈∃⇔=()()()()()()1:2211=+++x f x u x f x u x f x u st s s .1.5 因式分解定理定义1.5.1(不可约多项式) 数域P 上次数的多项式()x p 称为域上的不可约多项式,如果它不能表示成数域P 上的两个次数比()x p 的次数低的多项式的乘积(注:一个多项式是否是不可约是依赖于系数域的).性质1.5.1 ()x p 在数域[]x P 是不可约多项式,()[]x P x f ∈∀,()()x p x f 当且仅当()0≠=c x f 或()()x cp x f =.即:对于()[]x P x f ∈∀,有()()x f x p 或者()()()1,=x f x p . 定理1.5.1 如果()x p 是不可约多项式,那么对于任意的两个多项式()()x g x f ,,由()()()x g x f x p 一定推出()()x f x p 或者()()x g x p .定理1.5.2(定理1.5.1的推广) 如果()x p 是不可约多项式,若()()()(),21x f x f x f x p s 则()()()(){}x f x f x f x f s i ,,,21 ∈∃使得()()x f x p i .定理1.5.3(因式分解及唯一性定理)数域P 上每一个次数1≥的多项式()x f 都可以唯一地分解成数域P 上一些不可约多项式的乘积.所谓唯一性是说,如果有两个分解式()()()()()()()x q x q x q x p x p x p x f s s 2121==,那么必有t s =,并且适当排列因式的次序后有()()s i x q c x p i i i ,,2,1, ==,其中()s i c i ,,2,1 =是一些非零常数.(注:()()()()x p x p x cp x f s r s r r 2121=的分解称为标准分解式;已知两个多项式()()x g x f ,的标准分解式,那么()x f 与()x g 的最大公因式()x d 就是那些同时在与的标准式中出现的不可约多项式方幂的乘积,所带的方幂的指数等于它在()x f 与()x g 中所带的方幂中的较小的一个.)1.6 重因式定义1.6.1(k 重因式)不可约多项式()x p 称为多项式()x f 的k 重因式,如果()()x f x p k ,而()x p k 1+ ()x f .(注:0=k 时,()x p 不是()x f 的因式;1=k 时,()x p 是()x f 的单因式;1≥k 时,()x p 是()x f 的重因式.)定义1.6.2(微商)设有多项式()0111a x a x a x a x f n n n n ++++=-- .我们规定它的微商(也称导数)是()()1211'1a x n a nx a x f n n n n ++-+=--- . 性质1.6.1 :1)()()()()()x g x f x g x f '''+=+2)()()()x cf x cf ''=,3)()()()()()()()x g x f x g x f x g x f '''+=,4)()()()()()x f x f m x f m m '1'-=.定义1.6.3(高阶微商)微商()x f '称为()x f 的一阶微商;()x f '的微商()x f ''称为的二阶()x f 微商;等等.()x f 的k 阶微商记为()()x f k .(注:()()n x f =∂ο,则()()c x f n =,()()01=+x f n .)定理1.6.1 如果不可约多项式()x p 是()x f 的k 重因式()1≥k ,那么它是微商()x f '的1-k 重因式.推论1.6.1.1 如果不可约多项式()x p 是()x f 的k 重因式()1≥k ,那么()x p 是()()()()x f x f x f k 1''',,,- 的因式,但不是()()x f k 的因式.推论1.6.1.2 不可约多项式()x p 是()x f 的重因式的充分必要条件为()x p 是()x f 与()x f ' 的公因式.推论 1.6.1.3 多项式()x f 没有重因式的充分必要条件是()x f 与()x f '互素.(注:辗转相除法可用于求解重因式;()()()()x f x f x f ',是一个没有重因式的多项式与()x f 有完全相同的不可约因式.)1.7 多项式函数定义1.7.1(多项式函数)设()()10111 a x a x a x a x f n n n n ++++=--是[]x P 中的多项式,α是P 中的数,在()1中用α代x 所得的数0111a a a a n n n n ++++--ααα 称为()x f 当α=x 时的值,记为()αf .这样一来,多项式就定义了一个数域上的函数.定理1.7.1(余数定理)用一次多项式α-x 去除多项式()x f ,所得的余式是一个常数,这个常数等于函数值()αf .(注:其中()0=αf 时,α=x 是()x f 的一个根或者零点.) 推论1.7.1.1 α是()x f 的根的充分必要条件是()()x f x α-.定义1.7.2(重根)α称为()x f 的重根,如果()α-x 是()x f 的k 重因式.当1=k 时,α称为单根;当1>k 时,α称为重根.定理1.7.2 []x P 中n 次多项式()0≥n 在数域P 中的根不可能多于n 个,重根按重数计算. 定理1.7.3 如果多项式()()x g x f ,的次数都不超过n ,而它们对1+n 个不同的数121,,,+n ααα 有相同的值,即()()1,,2,1,+==n i g f i i αα,那么()()x g x f =.1.8 复系数与实系数多项式的因式分解定理1.8.1(代数基本定理)每个次数1≥的复系数多项式在复数域中有一根(即:复数域上所有次数大于1的多项式全是可约的.).定理1.8.2(复系数多项式的分解定理)每个次数1≥的复系数多项式在复数域上都可以唯一地分解成一次因式的乘积.(复系数多项式的标准分解式:()()()()s ls lln x x x a x f ααα---= 2121,其中C s ∈≠≠≠ααα 21,+∈Z l l l s ,,,21 )定理1.8.3 如果α是实系数多项式()x f 的复根,那么α的共轭数α也是()x f 的根. 定理1.8.4(实系数多项式因式分解定理)每个次数1≥的实系数多项式在实数域上都可以唯一地分解成一次因式与二次不可约因式的乘积(即是说:实数域上只含有一次不可约多项式和含二次共轭复根不可约多项式).1.9 有理系数多项式定理 1.9.1 每个次数1≥的有理系数多项式都能唯一地分解成不可约的有理系数多项式的乘积.定义1.9.1(本原多项式)如果一个非零的整系数多项式()011b x b x b x g n n n n +++=-- 的系数01,,,b b b n n -没有异于的公因子,也就是说,它们是互素的,它就称为一个本原多项式.(任意一个非零的有理系数多项式()x f 都可以表示成一个有理数r 与一个本原多项式()x g 的乘积:()()x rg x f =)定理1.9.2(高斯(Gauss )引理)两个本原多项式的乘积还是本原多项式.定理1.9.3 如果一非零的整系数多项式能够分解成两个次数较低的有理系数多项式的乘积,那么它一定能分解成两个次数较低的整系数多项式的乘积.推论1.9.3.1 设()()x g x f ,是整系数多项式,且()x g 是本原的. 如果()()()x h x g x f =,其中()x h 是有理系数多项式,那么()x h 一定是整系数的.定理1.9.4 设()011a x a x a x f n n n n +++=-- 是一个整系数多项式,而sr 是它的一个有理根,其中s r ,互素,那么必有n a s ,0a r .特别地,如果()x f 的首项系数1=n a ,那么()x f 的有理根都是整根,而且是0a 的因子. 例题4. 求方程032234=-+-x x x 的有理根. 解:令()32234-+-=x x x x f 得:24=a 的因子为:2,1±±30=a 的因子为:1±,3± ()x f ∴的有理根可能为:21±,23±,1±,2±.判别根的方法一:0321≠-=⎪⎭⎫⎝⎛-f (不为()x f 的根,舍弃);0221≠-=⎪⎭⎫⎝⎛f (不为()x f 的根,舍弃); ()021≠-=-f (不为()x f 的根,舍弃); ()01=f (为()x f 的根); 021523≠=⎪⎭⎫ ⎝⎛-f (不为()x f 的根,舍弃); 042723≠=⎪⎭⎫ ⎝⎛f (不为()x f 的根,舍弃);()0332≠=-f (不为()x f 的根,舍弃); ()0252≠=f (不为()x f 的根,舍弃); 1∴为032234=-+-x x x 方程的有理根.方法二:即2-=x 不是方程032234=-+-x x x 的根.…………经带余除法计算可得:1=x 为032234=-+-x x x 方程的有理根.方法三:21 22002-即21=x 不是方程032234=-+-x x x 的根. …………经综合除法计算可得:1=x 为032234=-+-x x x 方程的有理根.定理1.9.5(艾森斯坦(Eisenstein )判别法)设()011a x a x a x f n n n n +++=-- 是一个整系数多项式.如果有一个素数p ,使得1. p n a ;2. 021,,,a a a p n n --;3. 2p 0a .那么()x f 在有理数域上不可约的.例题5.证明()153+-=x x x f 在有理数域上不可约. 证明:依题意可得()x f 的有理根可能为:1±.又()31-=f ,()51-=-f 都不为零1±=∴x 都不是()x f 的有理根,即()x f 在有理数域上不可约的.1.10 多元多项式定义1.10.1(n 元多项式)设P 是一个数域,n x x x ,,,21 是n 个文字. 形式为n k nk k x x ax 2121的式子,其中P a ∈,n k k k ,,,21 是非负整数,称为一个单项式. 由以上一些单项式的和∑nnn k k k k nk k k k k x x x a,,,21212121 就称为n 元多项式,或者简称多项式.(注:若两个单项式中相同文字的幂全一样,那么它们就称为同类项.)定义1.10.2(元多项式环)所有系数在数域P 中的n 元多项式的全体,称为数域P 上的n元多项式环,记为[]n x x x P ,,21.(注:n k k k +++ 21称为单项式n k nk k x x ax 2121的次数;系数不为零的单项式的最高次数就称为这个多项式的次数.多元多项式的排列顺序方法:字典排列法;)定理1.10.1 当()0,,,21≠n x x x f ,()0,,,21≠n x x x g 时,乘积()()n n x x x g x x x f ,,,,,,2121 的首项等于()n x x x f ,,,21 的首项与()n x x x g ,,,21 的首项的乘积.推论1.10.1.1 如果,,,2,1,0m i f i =≠那么m f f f 21的首项等于每个i f 的首项的乘积. 推论1.10.1.2 如果()()0,,,,0,,,2121≠≠n n x x x g x x x f ,那么()()0,,,,,,2121≠n n x x x g x x x f .(两个齐次多项式的乘积是齐次多项式,乘积的次数等于因子的次数的和.)1.11 对称多项式定理1.11.1(一元多项式根与系数的关系)设()n n n a x a x x f +++=- 11是[]x P 中的一个多项式.如果()x f 在数域P 中有个根n ααα,,,21 ,那么就可以分解成()()()()n x x x x f ααα---= 21.将其展开即得根与系数的关系如下:()()()⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧=-=-+++=+++=-∑-n n n k k k k i in n n a i a a a j i αααααααααααααααα 211312122111121,的乘积之和个不同的所有可能的. 定义1.11.1(对称多项式)n 元多项式()n x x x f ,,,21 ,如果对于任意的n j i j i ≤≤≤1,,,都有()()n i j n j i x x x x f x x x x f ,,,,,,,,,,,,11 =,那么这个多项式称为对称多项式. 定理1.11.2 对于任意一个n 元对称多项式都有一个n 元多项式()n y y y ,,,21 ϕ,使得()()n n x x x f σσσϕ,,,,,,2121 =.(其中⎪⎪⎪⎩⎪⎪⎪⎨⎧=+++=+++=+++=----n n nn n n n n n n x x x xx x x x x x x x x x x x x x x x x x 21322211211131212211σσσσ称为n 元初等对称多项式.)例题6. 把三元对称多项式333231x x x ++表为321,,σσσ的多项式. 解:令()333231321,,x x x x x x f ++=得首项为:31x 对应的有序数对()0,0,3,()()332133323131333231321,,x x x x x x x x x x x x f ++-++=-++=∴σ()132123223132222132122163g x x x x x x x x x x x x x x x =-+++++-=得首项:2213x x 对应的有序数对()0,1,2.()()32123223132222132122132123223132222132122121133633x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x g +++++++-+++++-=+σσ23213g x x x =-=对应数对()1,1,1又0332=+σg ()3213132133,,σσσσ+-=∴x x x f .课后习题1. 用()x g 除()x f ,求商()x q 与余式()x r :1)()1323---=x x x x f ,()1232+-=x x x g ; 解:()9113-=∴x x q ,()99+-=x r . 2)()524+-=x x x f ,()22+-=x x x g解:()12-+=∴x x x q ,()75+-=x x r . 3)()1434--=x x x f ,()132--=x x x g 解:()1032++=∴x x x q ,()929+=x x r . 4)()13235-+-=x x x x f ,()233+-=x x x g . 解:()x g233+-x x22+x()22+=∴x x q ,()562-+=x x x r . 5)()x x x x f 85235--=,()3+=x x g 解:带余除法:()109391362234+-+-=∴x x x x x q ,()()3327-=-=f x r . 6)()x x x x f --=23,()i x x g 21+-=. 解:综合除法:i 21-1 i 2- i 25-- i 89+-()i x r 89+-=∴,()i ix x x q 2522---=. 2. m ,p ,q 适合什么条件时,有 1)q px x mx x ++-+321 解:方法一:带余除法:12-+mx xm x -即:()()m q x p m x r ++++=12,又q px x mx x ++-+321()0=∴x r 可得⎩⎨⎧-==++q m p m 012. 2)q px x mx x ++++2421. 解:方法二:待定系数法:设商为:()c bx x x q ++=2,又由q px x mx x ++++2421可得:()()q px x x q mx x ++=++2421即⎪⎪⎩⎪⎪⎨⎧==+=++=+q c b m c p m b c b m 010.()⎩⎨⎧=-=+-∴0112q m p m q . 3. 把()x f 表成0x x -的方幂和,即表成()() +-+-+22010x x c x x c c 的形式:1)()5x x f =,10=x ;解:辗转相除法:即:()()()111234+++++-=x x x x x x f .即:()()()()[]()()()1154321154321123223+-++++-=+++++--=x x x x x x x x x x x f()()()()[]()()()()()11511063111510631122322+-+-+++-=+-++++--=∴x x x x x x x x x x x f()()()()[])()()()()115110110411151101041123423+-+-+-++-=+-+-+++--=x x x x x x x x x x x f ()()()()()1151101101512345+-+-+-+-+-=x x x x x ()()()()()()1151101101512345+-+-+-+-+-=∴x x x x x x f .2)()3224+-=x x x f ,20-=x 解:综合除法:2-2-2- 2-14a = 38a =-()()()()()11124122181234+---+---=∴x x x x x f . 3)()()i xx i ix x x f ++-+-+=7312234,i x -=0. 解:综合除法:i - i - i - i -即:()()()()()()i i x i x i i x i i x x f 57512234+++-++-+-+=. 4. 求()x f 与()x g 的最大公因式:1)()143234---+=x x x x x f ,()123--+=x x x x g 解:带余除法:即:1322即:()()()1434121322+-⎪⎭⎫ ⎝⎛+----=x x x x x g又:()()1121322++-=---x x x x()()()1,+=∴x x g xf .2)()1434+-=x x x f ,()1323+-=x x x g . 解:带余除法:即:()()()2312+--=x x x g x f .即:()()13213232-+⎪⎭⎫ ⎝⎛+-+-=xx x x g .即:41942729132232-⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛-=+-x x x .()()()1,=∴x g x f .3)()11024+-=x x x f ,()124624234+++-=x x x x x g . 解:即:()()x x f x g 242423-=即:()()12232124241624223++-⎪⎭⎫ ⎝⎛--++-=x x x x x x x f .即:()93292889323241223241624223++⎪⎪⎭⎫ ⎝⎛-++-=++-x x x x x x x .即:12192426328827932928812232+⎪⎭⎫ ⎝⎛+-⎪⎪⎭⎫ ⎝⎛+=++-x x x x . ()()()1,=∴x g x f .5. 求()x u ,()x v 使()()()()()()():,x g x f x g x v x f x u =+1)()242234---+=x x x x x f ,()22234---+=x x x x x g . 解:()13即:()()()221223 -++-=x x x x x g()()32223 x x x x -=- ()()()2,2-=∴x x g x f将(1)代入(2)得:()()()()2212-=+++-x x g x x f x即:取()1--=x x u ,()2+=x x v 可得:()()()()()()()x g x f x g x v x f x u ,=+.2)()951624234++--=x x x x x f ,()45223+--=x x x x g 解:即:()()622--=x x x g x f 即:()()()213139362 +-⎪⎭⎫⎝⎛+-+--=x x x x x g()()()39619362 ++-=+--x x x x()()()1,-=∴x x g x f ,将(1)式代(2)式得:()()()()1322311312-=--+--x x g x x x f x .即:取()()131--=x x u ,()()322312--=x x x v 就有:()()()()()()()x g x f x g x v x f x u ,=+. 3)()144234++--=x x x x x f ,()12--=x x x g 解:即:1232 -+-=x x x g x f()()()()2312 ++-=x x x g()()()1,=∴x g x f将(1)式代入(2)式得:()()13233123=--+++-x g x x x x f x 即取()()131+-=x x u ,()()233123--+=x x x x v 就有:()()()()()()()x g x f x g x v x f x u ,=+. 6. 设()()u x x t x x f 22123++++=,()u tx x x g ++=3的最大公因式是一个二次多项式,t ,u 的值. 解:又()()u x x t x x f 22123++++=,()u tx x x g ++=3的最大公因式是一个二次多项式()()u tx x u x t x t +++-++∴3221.即()()()()[]()c x u x t x t u tx x t ++-++=+++21123即:()()()()⎪⎩⎪⎨⎧+=+=-+=++-u t cu t t t c u t c t 112012解得:⎩⎨⎧=-=04u t ,或⎪⎩⎪⎨⎧=+=02321u i t ,或⎪⎩⎪⎨⎧=-=0231u i t ,或⎪⎩⎪⎨⎧--=+-=i u i t 11721121,或⎪⎩⎪⎨⎧+-=--=i u i t 1172111. 7. 证明:如果()()x f x d ,()()x g x d ,且()x d 为()x f 与()x g 的一个组合,那么()x d 是()x f 与()x g 的一个最大公因式.证明:()x d 为()x f 与()x g 的一个组合即:()()()()()x d x g x v x f x u =+.又()()x f x d ,()()x g x d ,即()x d 是()x f 与()x g 的一个公因式.()()x f x h ∀,且()()x g x h 则()()x d x h ()x d ∴是()x f 与()x g 的一个最大公因式.8. 证明:()()()()()()()()()x h x g x f x h x g x h x f ,,=,(()x h 的首项系数为1). 证明:()()()()x f x g x f , ,()()()()x g x g x f ,()()()()()()x h x f x h x g x f ,∴,()()()()()()x h x g x h x g x f ,. 即:()()()()x h x g x f ,是()()x h x f 与()()x h x g 的一个公因式. 又()()()()()()()()()x g x f x g x v x f x u st x v x u ,:,=+∃. 则()()()()()()()()()()x h x g x f x h x g x v x h x f x u ,=+()()()x h x f x c ∀,()()()x h x g x c 有()()()()()x h x g x f x c ,. 即()()()()x h x g x f ,是()()x h x f 与()()x h x g 的一个最大公因式. 又()x h 的首项系数为1.()()()()()()()()()x h x g x f x h x g x h x f ,,=∴.9. 如果()x f ,()x g 不全为零,证明:()()()()()()()()1,,,=⎪⎪⎭⎫ ⎝⎛x g x f x g x g x f x f .证明:()()()()x f x g x f , ,()()()()x g x g x f ,且()x f ,()x g 不全为零.()()()0,≠∴x g x f ,又()x u ∃,()x v ()()()()()()()x g x f x g x v x f x u st ,:=+()()()()()()()()()()1,,=+∴x g x f x g x v x g x f x f x u .即:()()()()()()()()1,,,=⎪⎪⎭⎫⎝⎛x g x f x g x g x f x f 成立. 10.证明:如果()x f ,()x g 不全为零,且()()()()()()()x g x f x g x v x f x u ,=+,那么()()()1,=x v x u .证明:()()()()x f x g x f , ,()()()()x g x g x f ,且()x f ,()x g 不全为零.且()()()()()()()x g x f x g x v x f x u ,=+()()()0,≠∴x g x f ()()()()()()()()()()1,,=+∴x g x f x g x v x g x f x f x u ()()()1,=x v x u .11.证明:如果()()()1,=x g x f ,()()()1,=x h x f ,那么()()()()1,=x h x g x f . 证明:()()()1,=x g x f ,()()()1,=x h x f .()x u 1∃∴,()x v 1,()x u 2,()x v 2使得:()()()()()1111 =+x g x v x f x u ()()()()()2122 =+x h x v x f x u . 由(1)式与(2)式相乘可得:()()()()()()()()()()()()()()()121212121=+++x h x g x v x v x f x g x u x v x h x v x u x f x u x u即()()()()1,=x h x g x f .12. 设()x f 1, ,()x f m ,()x g 1, ,()x g n 都是多项式,而且()()()1,=x g x f ji()n j m i ,,1;,,1 ==.求证:()()()()()1,11=x g x g x f x f nm.证明:由11题可得:()()()1,=x g x f ,()()()1,=x h x f ()()()()1,=⇒x h x g x f 又()()()1,=x g x f j i (其中m i ,,1 =;n j ,,1 =)可得,对于i 取m ,,2,1 中的任何一个固定值有:()()()()1,1=x g x g x f n i . 再将()()x g x g n 1看作一个整体可得:()()()()()1,11=x g x g x f x f n m . 13. 证明:如果()()()1,=x g x f ,那么()()()()()1,=+x g x f x g x f . 证明:()()()1,=x g x f 故有:()()()()1=+x g x v x f x u .即:()()()()()()()()()()()()()()()()1=++-=+-+x g x f x v x f x v x u x g x v x f x v x f x v x f x u()()()()1,=+∴x f x g x f ;同理可得:()()()()1,=+x g x f x g()()()()()1,=+∴x g x f x g x f .14. 求下列多项式的公共根:()12223+++=x x x x f ,()12234++++=x x x x x g . 解:()()()212+-=∴x x x f x g 即:()()()112+++=x x x x f()()()1,2++=∴x x x g x f 令:012=++x x 解得:2311i x +-=;2312ix --=. 即:()x f 与()x g 的公共根为:2311i x +-=和2312ix --=.(提示:公共根出现在多项式的公因式中.)15. 判别下列多项式有无重因式: 1)()842752345-+-+-=x x x x x x f解:()()()x x x x x x x x f 1524421205'2234+-=+-+-=又()()()1284275232345++-=-+-+-=x x x x x x x x x f即:()()()()22',-=x x f x f ()x f ∴有三重因式:2-x2)()34424--+=x x x x f解:()124484'33-+=x x x f即:()()()1',=x f x f ()x f ∴没有重因式. 16.求t 值使()1323-+-=tx x x x f 有重根.解:依题意可得:待定系数法:当有()x f 重根时,可得重根为有理根时,此时只能取重根为:1±=α.当重根为:1=α 1可得:3=t .当3=t 时,()()3231133-=-+-=x x x x x f 此时1=x 是()x f 的三重根;当重根为:1-=α1-解得:5-=t ,当5-=t 时,()()()141153223--+=---=x x x x x x x f 与1-=x 为重根矛盾,舍去.设重根为二重时得()⎪⎭⎫⎝⎛+-=+-=323163'22t x x t x x x f()()()()()()()()()12,''131,'',+=⎪⎭⎫ ⎝⎛--=x x f x f x x f x f x f x f 即得:021'=⎪⎭⎫⎝⎛-f .解得:415-=t . 17.求多项式q px x ++3有重根的条件.解:()()()()()()()()132,'3','3,',23≠⎪⎭⎫⎝⎛+=⎪⎭⎫ ⎝⎛-=+++=q px x f x f x f x f p x q px x x f x f 得: ()x f q px'32+即得:027423=+q p . 18.如果()11242++-Bx Ax x ,求A ,B .解:依题意可由综合除法可得:1 1A A 2B A +3 B A 24+由()11242++-Bx Ax x 可得:⎩⎨⎧=+=++02401B A B A 解得:⎩⎨⎧-==21B A .19.证明:!!212n x x x n++++ 不能有重根.证明:令()!!212n x x x x f n ++++= 得:()()!1!21'12-++++=-n x x x x f n反证法:设()x f 的重根为α得:()()⎩⎨⎧==0'0ααf f 即:()()0'=-ααf f 0!=∴n nα得:0=α 又()010≠=f 矛盾.∴!!212n x x x n++++ 不能有重根.20.如果a 是()x f '''的一个k 重根,证明a 是()()()[]()()a f x f a f x f ax x g +-+-=''2的一个3+k 重根.证明:依题意可得:()()()[]()()0''2=+-+-=a f a f a f a f aa a g ()()()[]()()0'''22'''=--++=a f a f aa a f a f a g()()()()()a f a f aa a f a f a g '''''22''2''''--++=又()0'''=a f ()0''=∴a g()()()()02'''21'''4=-+-=a f a a a f a g又a 是()x f '''的一个k 重根a ∴是()x g '''的一个k 重根. 又()()()()0''''''====a g a g a g a g∴a 是()()()[]()()a f x f a f x f ax x g +-+-=''2的一个3+k 重根. 21.证明:0x 是()x f 的k 重根的充分必要条件是()()()()0'0100====-x f x f x f k ,而()()00≠x f k证明: 0x 是()x f 的k 重根()()x f x x k0-∴即()x g ∃,使得:()()()x g x x x f k0-=,其中0x x -不整除()x g()()()()()x g x x x g x x k x f kk ''010-+-=∴-可得:()()x f x x k '10--()0'0=∴x f同理由此类推可得到:()()()()0'0100====-x f x f x f k 若()()00=x f k 得:()()()x f x x k 0-()()x f x x s k s10+--⇒其中k s ≤,即()()x f x x k 10+-这与0x 是()x f 的k 重根矛盾.()()00≠∴x f k反之显然成立.∴0x 是()x f 的k 重根的充分必要条件是()()()()0'0100====-x f x f x f k ,而()()00≠x f k .22.举例说明断语“如果a 是()x f '的m 重根,那么a 是()x f 的1+m 重根”是不对的. 解:例如:()()111111+-=+m a x x f 则()()()ma x m x f -+=1'a 是()x f '的m 重根,但a 不是()x f 的1+m 重根.23. 证明:如果()()n x f x 1-,那么()()n n x f x 1-. 证明:令:n x y =得:()()y f x 1-即()()011==f f n ∴()()y f y 1-即()()n n x f x 1-.24. 证明:如果()()()323121x xf x f x x +++,那么()()x f x 11-,()()x f x 21-证明:.令:012=++x x 解得:2311i x +-=,2312ix --= 又()()()323121x xf x f x x +++即:()()()32311x f x f x x +-,()()()32312x f x f x x +-()()()()⎩⎨⎧=+=+∴0032223213121311x f x x f x f x x f 即:()()()()⎪⎪⎩⎪⎪⎨⎧=--+=+-+0123110123112121f i f f i f 又0323112311≠-=--+-i i i即该方程程组只有唯一零解:()()⎩⎨⎧==010121f f∴()()x f x 11-,()()x f x 21-.25. 求多项式1-n x 在复数域范围内和在实数范围内的因式分解. 解:在复数域上分解:()()()111----=-n n x x x x εε 其中ni n ππε2sin 2cos +=. 在实数范围内因式分解:当n 为奇数:()()[]()[]⎥⎥⎦⎤⎢⎢⎣⎡+⎪⎪⎭⎫ ⎝⎛+-++-++--=-+---111112222222212x x x x x x x x n n n n nεεεεεε 其中:n i i n i πεε2cos2=+-为一个实数,21,,2,1-=n i . 当n 为偶数时:()()()[]()[]⎥⎥⎦⎤⎢⎢⎣⎡+⎪⎪⎭⎫ ⎝⎛+-++-++--+=-+---1111112222222212x x x x x x x x x n n n n nεεεεεε 26. 求下列多项式的有理根: 1)1415623-+-x x x解:令()1415623-+-=x x x x f 则()x f 的有理根可能为:1±,2±,7±,14±.由综合除法计算得:1即:()41-=f同理:()361-=-f ,()762-=-f ,()02=f ,()7567-=-f ,()1407=f ,()414414-=-f()176414=f∴1415623-+-x x x 多项式的有理根为:2.2)157424---x x x解:令()157424---=x x x x f 则的有理根可能为:41±,21±,1± 将根挨个代入原式得:641114154174144124-=--⨯-⎪⎭⎫⎝⎛-⨯-⎪⎭⎫ ⎝⎛-⨯=⎪⎭⎫ ⎝⎛-f同理:6417141-=⎪⎭⎫ ⎝⎛f ,021=⎪⎭⎫ ⎝⎛-f ,521-=⎪⎭⎫⎝⎛f ,()11=-f ,()91-=f∴157424---x x x 多项式的有理根为:21-.3)3111462345----+x x x x x解:令()3111462345----+=x x x x x x f 则()x f 的有理根可能为:1±,3±由带余除法计算得:即:()01=-f 同理:()321-=f ,()963-=-f ,()03=f .∴3111462345----+x x x x x 多项式的有理根为:1-,3. 27. 下列多项式在有理数域上是否可约? 1)12+x解:不可约;理由如下:依题意可得令()12+=x x f 则()x f 的有理根可能为:1± 又()()0211≠=-=f f 即1±不为()x f 的有理根∴多项式12+x 在有理数域上是不可约的.(二次有理多项式在有理数域上可约的话必有有理根)2)2128234++-x x x解:不可约;理由如下: 取素数2=p 得: (1)p 41a =.(2)38a p =-,212a p =,10a p =,02a p = (3)42=p 02a =由艾森斯坦判别法可得:多项式2128234++-x x x 是不可约的. 3)136++x x解:不可约;理由如下:令()136++=x x x f ,1+=y x 得:原多项式39182115623456++++++=y y y y y y 这时只要取3=p 可由艾森斯坦判别法得出:39182115623456++++++y y y y y y 不可约;∴136++x x 不可约.4)1++px x p ,p 为奇素数;解:令1+=y x 作转化,再由艾森斯坦判别法判别不可约; 5)144++kx x ,k 为整数. 解:同4),不可约:。
- 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、"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、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)。
《高等代数(上)》:学习笔记这是我自学的笔记做成的电子档,其中有许多注释,尽量深入浅出,以供大家学习。
有些笔误也修正差不多了。
课本和王德明老师的符号略有不同,但意思是一样的,祝大家都能通过考试。
第一章 行列式§1.1 定义D =|2314|=2×4−3×1=5 A =[2314]≡(2314) 这是行列式(或写为|D|)这是矩阵,注意区别{a 11x 1+a 12x 2+a 13x 3=b 1a 21x 1+a 22x 2+a 23x 3=b 2a 31x 1+a 32x 2+a 33x 3=b 3这是三元线性方程组=|11a 12a 13a 22a 23a 3233|=a 11a 22a 33+a 12a 23a 31+a 13a 21a 32−a 11a 23a 32−a 12a 21a 33−a 13a 22a 31§1.2 逆序数τ§1.3 n 阶行列式的代数和D =|a 11a 12⋯a 1n a 21a 22⋯a 2n⋯⋯⋯⋯⋯⋯a n1a n2⋯|=(j 1,j 2,⋯,j n )j 1a 1j 1a 2j 2⋯a nj n§1.4 行列式性质1、行列式转置值不变: D T =D2、k 可以乘上某行(列): kD row i3、加法:某行之和 展开为两行列式之和: D row(a+b)=D row(a)+D row(b)4、互换两行(列):负号 D row i ↔row k =−D5、两行相同(成比例):零值 D row i =k×row k =06、某行乘以k 加到另一行:值不变D k×row i +row k =D右下斜线为正 左下斜线为负代数和n 阶排列,有n!个逆序数 偶排列,正号 奇排列,负号阶排列§1.5 代数余子式=ij|D|=a k1A k1+a k2A k2+⋯+a kn A kn (k =1,2,⋯,n )即展开第k 行(列)§1.6 范德蒙行列式|D|=|111⋯1a 1a 2a 3⋯a n a 12a 22a 32⋯a n 2⋯⋯a 1n−1a 2n−1a 3n−1|=∏(a i −1≤j<i≤na j )第二章 线性方程组§2.1 克莱姆法则D 1=|b 1a 12a 13b 2a 22a 23b 3a 32a 33| D 2、D 3 类似左边 解集:x i =D i D(D ≠0) 当D ≠0时,方程组有唯一解:x 1=D 1D,x 2=D 2D,x 3=D 3D.(D ≠0)§2.2 消元法初等变换:反复对方程进行row 变换,最后剩下一个上三角矩阵。
如果线性方程组D ≠0,则初等变换后的上三角矩阵,元首都不为0。
§2.3 数域 P :包含0、1且任意两个数的基本运算仍属于P 。
如实数R ,有理数Q ,复数C§2.4 n 维向量α=(a 1,a 2,a 3,⋯,a n ) (ε1,ε2,ε3,ε4,)=10000100001001数量乘积:k α 零向量:0负向量:−α行向量与列向量:αrow(column)余子式:删去i, j 所在的行与列后得到的n-1阶行列式(同等于逆序数τ)表示所有可能的差 i>j如:(4-3)(4-2)(4-1)(3-2)(3-1)(2-1)只有当常数项b 不全为零时,且s=n 时才可用克莱姆法则系数行列式 (b 在1列)该解法适用于n 阶n 维基本向量组n 阶行列式§2.5 线性相关=k线性相关充要↔ k 有解充要↔ 可线性表出充要↔系数矩阵r=增广矩阵r向量组等价:(α1,α2,⋯,αn )互相线性表出↔ (β1,β2,⋯,βn )k 1α1+k 2α2+⋯+k s αs =0极大线性无关组:每个向量αi 都不能被前面某些向量线性表出例(α§2.6 秩rank=极大线性无关组的向量个数行秩=列秩=行列式秩(D 最高阶子式≠0)§2.7 求全部解和基础解系的步骤第一步:求梯阵 增广矩阵A 初等变换→ 梯阵 第二步:求一般解 求x 1,x 2,⋯,x r 的一般解第三步:求特解γ0设自由x =0,求γ0第四步:求齐次的一般解 使常数b =0,求一般解x 1,x 2,⋯,x r 第五步:求基础解系 将εi 代入自由x ,求基础解系η1,η2,⋯,ηn−r第六步:答:得全部解=+k由向量组rank=n ,有唯一解 rank<n ,有无穷多解3≠k 1α1+k 2α2n-r 个详见书P154-155页 例6注:如果是求矩阵化和求特征值,只需求基础解系η i ,又称特征向量εi 即n 维基本向量组常数项为0即x r+1,x r+2,⋯,x n−r第三章 矩阵附1:矩阵名词汇总:方阵: s =n 系数矩阵: s ×n增广矩阵: s ×(n +b) 梯阵: 左下=0约化梯阵: 左下0,元首1 三角矩阵: 左下0,s =n对角矩阵: Λ除对角线,余为0 单位矩阵: E ,对角1 零矩阵: O ,全0 数量矩阵: kE 转置矩阵: A T分块矩阵:[⋮⋯∙⋯⋮]满秩矩阵: rank =n 逆矩阵: A −1 伴随矩阵: A ∗ 等价矩阵: A 初等变换↔ B初等矩阵: E 初等变换一次 正交矩阵: AA T =E ,|A |=±1 相似矩阵: A~B,B =X −1AX 约当形矩阵:二次形矩阵:详看§5.1实对称矩阵:实数,对角线对称 (半)正定矩阵:λ全(≥)>0 (半)负定矩阵:λ全(≤)<0 不定矩阵: λ不全>or <0 标准形矩阵:对角线1 or 0附2:一般n 维线性方程组、s×n 维矩阵、n 维向量组的表示法f (x 1,x 2,⋯,x n )={a 11x 1+a 12x 2+⋯+a 1n x n =b 1a 21x 1+a 22x 2+⋯+a 2n x n =b 2⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯a s1x 1+a s2x 2+⋯+a sn x n =b sAX =B ↔[ a 11a 12⋯a 1n a 21a 22⋯a 2n ⋯⋯⋯⋯⋯⋯a s1a s2⋯a sn ] [ x 1x 2 ⋯x n ] =[ b 1b 2 ⋯b s ]β=k 1α1+k 2α2+⋯+k n αnα1=(a 11,a 21,⋯,a s1)α2=(a 12,a 22,⋯,a s2)⋯⋯⋯⋯⋯⋯⋯⋯⋯αn =(a 1n ,a 2n ,⋯,a sn )β=(b 1,b 2,⋯,b s )Rank 即矩阵的秩b 即系数左下:对角线左三角形 对角线上的元素 λ即特征值 注:s 为行数,n 为列数(未知数个数) 附:有的书行数用m 表示注:这个k i 既可理解为:基础解系ηi 的系数k i也可以理解为:矩阵对角化后对角线的元素λ1还可以理解为:二次型|λE −A |的特征值λ1(同上句)附:本书中用拉丁字母表示向量(或称矢量,但王老师或某书中用“α⃑ ”表示,我认为不错,不易混淆。
注:b i 全为0时,称齐次线性方程组 b i 不全为0时,称非齐次线性方程组§3.1 矩阵运算1、加(减)法:A±B性质:交换律:A±B=B±A结合律:A+(B+C)=(A+B)+C2、乘法:C=A×B性质:AB不一定=BA(当AB=BA,称可交换)AE=EA=A结合律:A(BC)=(AB)Ck次幂:A k∙A l=A k+l(A k)l=A kl非交换律:(AB)k≠A k B k§3.2 分块分块后矩阵的基本运算依然等价A∙B=[A1A2A3A4][B1B2B3B4]=[A1B1+A2B3A1B2+A2B4 A3B1+A4B3A3B2+A4B4]§3.3 逆矩阵伴随矩阵:A∗=[A11A21⋯A n1 A12A22⋯A n2⋯⋯⋯⋯⋯⋯⋯A1n A2n⋯A nn]求逆公式:A−1=1|A|A∗§3.4 等价矩阵等价矩阵:A 初等变换→B初等矩阵:由E做1次初等变换标准形:同时做行、列变换,对角线为1的个数=r用单位矩阵求逆:[AE]行变换→[EA−1]各个元素对应相加(减),即a ij±b ij注:A的|row|=B的|column|例:AB=0−25−50−544−1]1、求a ij的代数余子式A ij2、对应的元素要转置c ij=a i1b1j+a i2b2j+⋯+a in b nj附:这是一个求逆的简便方法,但易出错,3阶矩阵建议用求逆公式。
详见书P183页AB§3.5 正交矩阵性质:AA T =A T A =E |D|=±1=a b +a b +⋯+a b =0内积性质:正交化:单位化:=βi|βi |第四章 矩阵的对角化§4.1 相似矩阵A~B1、反身性:A~A2、对称性:A~B →B~A3、传递性:A~B,B~C →A~C4、行列式等值:|A |=|B|5、同时可逆or 不可逆6、B 1+B 2=X −1(A 1+A 2)X7、B 1B 2=X −1(A 1A 2)X8、kB 1=X −1(kA 1)X9、f(B)=X −1f(A)X 10、kE =X −1(kE)X对角矩阵: [a 1,a 2,a 3,⋯,a n ] 准对角矩阵:[A 1,A 2,A 3,⋯,A n ]向量组的内积内积公式 又称正交向量组,α,β一定线性无关 α1,α2,⋯,αn 线性无关,求正交化的β1,β2,⋯,αn 的公式详见书P219页 例1注:|βi |=√(β1,β1)正交向量组B =X−1AX11、有相同的特征多项式 12、有相同的特征值13、有相同的迹(即对角线元素个数)注:这里的A i 是指分块矩阵,不是代数余子式 这里我设ηi =(h 1i ,h 2i ,⋯,h si ),数学中并没有明确规定符号例:[ 1212√2201212√22012−120√2212−12√22 ]任意两行或列的内积必为0(又称归一化)222222β3=α3−c 3,且有矩形0β3α3c 3β2α分配律:(α+β)∙γ=(α,γ)+(β,γ) 结合律:(α,β)γ=α(β,γ) 交换律:αβ=βα§4.2 特征值和特征向量求全部特征向量的步骤:第一步:列出特证多项式=|λ−a 11a 12⋯−a 1n −a 21λ−a 22⋯−a 2n⋯⋯⋯⋯⋯⋯−a n1−a n2⋯λ−a nn|=(λ1−d 1)(λ2−d 2)⋯(λ3−d n )第二步:求λ的解注:考虑是在Q 、R 、C 数域范围内,特征根的个数不同将λi 代入|λE −A |,求基础解系见§2.7第五步§4.3 对角化条件B=X −1AX§4.4 实对称矩的对角化求正交矩阵T 的步骤第一步:求特征值即|λE −A |,求λ见§4.2第二步:求λ1的特征向量λ1代|λE −A |,求基础解系α1见§2.7第五步第三步:求特征向量α1的正交化β1,β2,⋯,βn 见§3.5第四步:求单位化η1,η2,⋯,ηn 见§3.5第五步:重复第二、三、四步,with λ2,λ3,⋯,λn第六步:得正交矩阵T=[η1η2⋯ηn ]=[h 11h 12⋯h 1n h 21h 22⋯h 2n⋯⋯⋯⋯h n1h n2⋯h nn]n)特征矩阵属于λ1的特证向量:k 1α1+k 2α2+⋯ 属于λ2的特证向量:l 1β1+l 2β2+⋯详见书P241页 例1等价于基础解系,只是表示方法略不同A 与对角矩阵相似,称A 对角化充要:有n 充要:有n 个线性无关的特征向量,即n 个不同的特特征值X 即A 的特征向量构成的矩阵任何实对称矩阵都可以对角化详见书P257页 例1d i 是系数条件 注:有时候会有重复个相同的特征值的特征向量注:X ,即A 的特征向量构成的矩阵,X 不是唯一的。