线性代数第四章第三节课件
合集下载
线性代数第四章线性方程组课件
方程组 AX 0 的两个基础解系, 则由这两个基础解
系分别确定的解集合
S {k11 k22 ktt | k1, k2, 与 T {l11 l22 lt t | l1,l2,
是相等的,即 S T.
, kt是任意常数} , lt是任意常数}
定理5 设 A 是一个 m n矩阵,若齐次线性方程组
一个解.
定理8 设 1,2 是方程组 AX 的两个解,则 1 2 是 AX 导出组 AX 0 的一个解.
由这两个结果, 我们能够得到非齐次线性方程 组解的结构定理.
定理9 设矩阵 A 是一个 mn矩阵.若非齐次线性
方程组 AX 有解, 令 0是 AX 的某一个解
(通常称为特解).
k1, k2, , ks 是任意常数, 则
k11 k22 kss
也是方程组的解. 即齐次线性方程组解的线性组合
还是方程组的解.
记齐次线性方程组 AX 0的解集合为 S , 即
S { (c1,c2, ,cn)T | A 0}.
那么,上面的定理 3 就可以表述为:
对于任意的 1, 2 S , k1, k2是两个任意常数,有
1)当 R(A) R(A) n 时,0是 AX 唯一的解; 2)当 R(A) R(A) n 时,AX 的导出组 AX 0 存在无穷多解, 则 AX 的解集合为 S {0 k11 k22 kss | k1, k2, , ks是任意常数}, 其中 1,2, ,s是 AX 0 的一个基础解系.
是线性无关的.
1, 2, , n
定理2(齐次线性方程组有非零解的判别定理) 齐
次线性方程组 AX 0 有非零解的充分必要条件是
它的系数矩阵 A 的秩 R(A) n .
推论1 如果齐次线性方程组 AX 0 中的方程个数
系分别确定的解集合
S {k11 k22 ktt | k1, k2, 与 T {l11 l22 lt t | l1,l2,
是相等的,即 S T.
, kt是任意常数} , lt是任意常数}
定理5 设 A 是一个 m n矩阵,若齐次线性方程组
一个解.
定理8 设 1,2 是方程组 AX 的两个解,则 1 2 是 AX 导出组 AX 0 的一个解.
由这两个结果, 我们能够得到非齐次线性方程 组解的结构定理.
定理9 设矩阵 A 是一个 mn矩阵.若非齐次线性
方程组 AX 有解, 令 0是 AX 的某一个解
(通常称为特解).
k1, k2, , ks 是任意常数, 则
k11 k22 kss
也是方程组的解. 即齐次线性方程组解的线性组合
还是方程组的解.
记齐次线性方程组 AX 0的解集合为 S , 即
S { (c1,c2, ,cn)T | A 0}.
那么,上面的定理 3 就可以表述为:
对于任意的 1, 2 S , k1, k2是两个任意常数,有
1)当 R(A) R(A) n 时,0是 AX 唯一的解; 2)当 R(A) R(A) n 时,AX 的导出组 AX 0 存在无穷多解, 则 AX 的解集合为 S {0 k11 k22 kss | k1, k2, , ks是任意常数}, 其中 1,2, ,s是 AX 0 的一个基础解系.
是线性无关的.
1, 2, , n
定理2(齐次线性方程组有非零解的判别定理) 齐
次线性方程组 AX 0 有非零解的充分必要条件是
它的系数矩阵 A 的秩 R(A) n .
推论1 如果齐次线性方程组 AX 0 中的方程个数
同济大学线性代数第四章PPT课件
讨论它们的线性相关性.
解: Ee1,e2, ,en
结论: 线性无关
问题: n=3时, e1,e2,e3 分别是什么?
上述向量组又称基本向量组或单位坐标向量组.
一些结论:
(1) 一个零向量线性相关, 一个非零向量线性无关;
(2) 两个向量线性相关当且仅当 它们的对应分量成比例;
(3) 一个向量组线性无关,则增加其中每个向 量的分量所得新向量组仍线性无关。
例如: 2 1 1 0 a11 1,a212,a312,b33
则 b 能由 a1, a2, a3线性表示.
解方程组 x 1 a 1 x 2 a 2 x 3 a 3 b
既解方程组
2x1x12xx22
x3 x3
0 3
x1 x2 2x3 3
得
x1 1 1
x2 x3
c
1 1
线性表示
AXB有解,其中 A (1 ,2, ,m )
B (1,2, ,l)
R (A )R (A ,B )
定理3: 向量组 B :1,2, ,l能由 A :1,2, ,m
线性表示,则 R(B) ≤ R(A) 。
其中 A ( 1 ,2 ,,m ) , B ( 1 ,2 ,,l )
证:根据定理 2 有 R(A) = R(A, B) 而 R(B) ≤ R(A, B),因此 R(B) ≤ R(A)。
定义4:设向量组 A : 1 , 2 , , m , 若存在不全为零实数 1 , 2 , , m , 使得 11 2 2 m m 0
则称向量组 A线性相关. 否则称向量组A线性无关.
定理4: n 维向Ax 量 组0 1有 ,非 2, 零 ,解 m,线其 性相A 关 中 1 ,2 , ,m R(A)m
解: Ee1,e2, ,en
结论: 线性无关
问题: n=3时, e1,e2,e3 分别是什么?
上述向量组又称基本向量组或单位坐标向量组.
一些结论:
(1) 一个零向量线性相关, 一个非零向量线性无关;
(2) 两个向量线性相关当且仅当 它们的对应分量成比例;
(3) 一个向量组线性无关,则增加其中每个向 量的分量所得新向量组仍线性无关。
例如: 2 1 1 0 a11 1,a212,a312,b33
则 b 能由 a1, a2, a3线性表示.
解方程组 x 1 a 1 x 2 a 2 x 3 a 3 b
既解方程组
2x1x12xx22
x3 x3
0 3
x1 x2 2x3 3
得
x1 1 1
x2 x3
c
1 1
线性表示
AXB有解,其中 A (1 ,2, ,m )
B (1,2, ,l)
R (A )R (A ,B )
定理3: 向量组 B :1,2, ,l能由 A :1,2, ,m
线性表示,则 R(B) ≤ R(A) 。
其中 A ( 1 ,2 ,,m ) , B ( 1 ,2 ,,l )
证:根据定理 2 有 R(A) = R(A, B) 而 R(B) ≤ R(A, B),因此 R(B) ≤ R(A)。
定义4:设向量组 A : 1 , 2 , , m , 若存在不全为零实数 1 , 2 , , m , 使得 11 2 2 m m 0
则称向量组 A线性相关. 否则称向量组A线性无关.
定理4: n 维向Ax 量 组0 1有 ,非 2, 零 ,解 m,线其 性相A 关 中 1 ,2 , ,m R(A)m
线性代数课件PPT复习四五章
0 0 0
1
a1 a2
1
an
0 0 0
0 0 0
a1 a2
1
1
an
a1
a2 a1
a3 a2
an an1
此即 在基底
1,
2
,
,
n
下的坐标.8
例3 在R3中取两组基
1 (1,2,1)T ,2 (2,3,3)T ,
1 (3,1,4)T , 2 (5,2,1)T ,
对应.
17
0 1 0
0
故在该基底下的矩阵为
0
A
0
1
0
0
0
0
1
0 0 0
0
A的特征多项式为
1 0
0
0 1
0
| E A |
n
00 0
1
00 0
故A的特征根为 =0 (n重)
把=0 代入 ( E A)X 0 得基础解系1 (1,0, ,0)T
因此,A的属于特征根=0的特征向量为
20
1. 计算A的特征多项式 | E−A| ; 2. 求特征方程 |E−A| = 0的全部根1, 2, ···, n, 也就
是A的全部特征值;
3. 对于特征值i, 求齐次方程组(iE−A)x = 0 的非零 解, 也就是对应于i 的特征向量.
[求出一组基础解系,它们就是对应于该特征根的线性无关
特征向量,它们的所有非零线性组合即为属于该特征根的
全部特征向量.]
注意:一般说求特征向量是求全部的特征向量,而 且要保证特征向量不为零. 如 k1X1+k2X2 (k1, k2不同时为0)
16
4. 掌握相似矩阵的概念、性质及矩阵可相似对角化 的充要条件及方法.
线性代数(含全部课后题详细答案)4-3PPT课件
线性代数(含全部课后题详细答 案)4-3ppt课件
目
CONTENCT
录
• 课程介绍与教学目标 • 向量空间与线性变换 • 行列式与矩阵运算 • 特征值与特征向量 • 课后习题详解 • 课程总结与拓展延伸
01
课程介绍与教学目标
线性代数课程简介
线性代数是数学的一个分支, 研究线性方程组、向量空间、 矩阵等概念和性质。
简要介绍数值计算中常用的迭代法、插值 法、逼近法等基本方法,培养学生运用计 算机解决实际问题的能力。
简要介绍数学建模的基本思想和方法,通 过实例展示数学建模在解决实际问题中的 应用和价值。
THANK YOU
感谢聆听
05
课后习题详解
习题类型及解题思路
计算题
主要针对线性代数中的基本运算,如矩阵的加减、数乘和乘法等。解题思路通常是按照运算规则逐步进行,注意保持 矩阵的维度一致。
证明题
主要考察学生对线性代数基本定理和性质的理解和掌握。解题思路一般是从已知条件出发,结合相关定理和性质进行 推导,最终得出结论。
应用题
行列式性质
行列式具有线性性、交换性、倍加性 等基本性质,这些性质在行列式的计 算和证明中起到重要作用。
矩阵运算规则
矩阵加法
两个矩阵相加,要求它们具有相同的行数和列数, 对应元素相加。
矩阵数乘
一个数与矩阵相乘,将该数与矩阵中的每一个元素 相乘。
矩阵乘法
两个矩阵相乘,要求第一个矩阵的列数等于第二个 矩阵的行数,结果矩阵的行数等于第一个矩阵的行 数,列数等于第二个矩阵的列数。
将线性代数的知识应用于实际问题中,如求解线性方程组、矩阵的特征值和特征向量等。解题思路是首 先建立数学模型,将实际问题转化为线性代数问题,然后利用相关知识进行求解。
目
CONTENCT
录
• 课程介绍与教学目标 • 向量空间与线性变换 • 行列式与矩阵运算 • 特征值与特征向量 • 课后习题详解 • 课程总结与拓展延伸
01
课程介绍与教学目标
线性代数课程简介
线性代数是数学的一个分支, 研究线性方程组、向量空间、 矩阵等概念和性质。
简要介绍数值计算中常用的迭代法、插值 法、逼近法等基本方法,培养学生运用计 算机解决实际问题的能力。
简要介绍数学建模的基本思想和方法,通 过实例展示数学建模在解决实际问题中的 应用和价值。
THANK YOU
感谢聆听
05
课后习题详解
习题类型及解题思路
计算题
主要针对线性代数中的基本运算,如矩阵的加减、数乘和乘法等。解题思路通常是按照运算规则逐步进行,注意保持 矩阵的维度一致。
证明题
主要考察学生对线性代数基本定理和性质的理解和掌握。解题思路一般是从已知条件出发,结合相关定理和性质进行 推导,最终得出结论。
应用题
行列式性质
行列式具有线性性、交换性、倍加性 等基本性质,这些性质在行列式的计 算和证明中起到重要作用。
矩阵运算规则
矩阵加法
两个矩阵相加,要求它们具有相同的行数和列数, 对应元素相加。
矩阵数乘
一个数与矩阵相乘,将该数与矩阵中的每一个元素 相乘。
矩阵乘法
两个矩阵相乘,要求第一个矩阵的列数等于第二个 矩阵的行数,结果矩阵的行数等于第一个矩阵的行 数,列数等于第二个矩阵的列数。
将线性代数的知识应用于实际问题中,如求解线性方程组、矩阵的特征值和特征向量等。解题思路是首 先建立数学模型,将实际问题转化为线性代数问题,然后利用相关知识进行求解。
线性代数新教材课件ch-4-3
多组解,并在有解时求其解:
x1 2x2 x3 2,
2
x1
x1
4
3
x2
6x2
6x3 9x3
4, 6.
解 对增广矩阵作初等行变换:
1 B2
2
4
3 6
6 9
2 4 6
1 0 0
2
4 ( 3)0
2(3 )
North University of China
则 Ax b的任一解 x 可表示为
x *,
其中 是其导出组 Ax 0的解.
证明若已知 * 是非齐次线性方程组的一个解(称为特解), 1,2,L ,nr 是其导出组的一个基础解系,则非齐次线性方
程组的通解可表示为:
x k11 k22 L knrnr *,
其中 k1, k2, , knr 为任意常数.
3. 设 1, 2, 3为三元非齐次线性方程组 Ax b 的 三个解向量,且 R( A) 2, 1 2 (3,1, 1)T , 1 3 (2,0, 2)T ,求 Ax b 的通解.
North University of China
目录 上页 下页 返回 结束
课堂练习答案:
1. 设 A为 n 阶方阵,且 R( A) n 1, 1,2是
a21x1 a22 x2 a2n xn 0,
am1x1 am2 x2 amn xn 0.
(4.11) → Ax b
Ax 0称为Ax b
的导出组
(4.12) → Ax 0
North University of China
目录 上页 下页 返回 结束
本节讨论当 R( A) R(B) r n时,非齐次线性方 程组 Ax b解的结构.
x1
x1 2x2 x3 2,
2
x1
x1
4
3
x2
6x2
6x3 9x3
4, 6.
解 对增广矩阵作初等行变换:
1 B2
2
4
3 6
6 9
2 4 6
1 0 0
2
4 ( 3)0
2(3 )
North University of China
则 Ax b的任一解 x 可表示为
x *,
其中 是其导出组 Ax 0的解.
证明若已知 * 是非齐次线性方程组的一个解(称为特解), 1,2,L ,nr 是其导出组的一个基础解系,则非齐次线性方
程组的通解可表示为:
x k11 k22 L knrnr *,
其中 k1, k2, , knr 为任意常数.
3. 设 1, 2, 3为三元非齐次线性方程组 Ax b 的 三个解向量,且 R( A) 2, 1 2 (3,1, 1)T , 1 3 (2,0, 2)T ,求 Ax b 的通解.
North University of China
目录 上页 下页 返回 结束
课堂练习答案:
1. 设 A为 n 阶方阵,且 R( A) n 1, 1,2是
a21x1 a22 x2 a2n xn 0,
am1x1 am2 x2 amn xn 0.
(4.11) → Ax b
Ax 0称为Ax b
的导出组
(4.12) → Ax 0
North University of China
目录 上页 下页 返回 结束
本节讨论当 R( A) R(B) r n时,非齐次线性方 程组 Ax b解的结构.
x1
线代第四章优质获奖课件
= 2(A2)x–3Ax +4x
= 22x–3x +4x
= (22 –3 +4)x
= ()x,
所以()为(A)旳特征值.
例6. 设1, 2, …, m为方阵A旳m个不同旳特征值,
p1, p2, …, pm为依次相应于这些特征值旳特
征向量, 证明p1, p2, …, pm线性无关.
证明: 若k1p1 +k2p2 +…+kmpm = 0, 则
线性代数
第四章 矩阵旳特征值和特征向量
§4.1 相同矩阵
一. 问题
习题1(B). 23
设P1AP = , P = 1 4 , = 1 0 ,
11
02
求A11.
A = PP1
11 =
1 0 0 211
A11 = P11P1
第四章 矩阵旳特征值和特征向量
§4.1 相同矩阵
二. 相同矩阵旳定义
设A, B都是n阶方阵, 若有可逆矩阵P, 使得 P 1AP =B, 则称矩阵A与B相同. 记为A~B. P称为相同变换矩阵或过渡矩阵.
第四章 矩阵旳特征值和特征向量
§4.4 实对称矩阵旳相同对角化
§4.4 实对称矩阵旳相同对角化
一. 实对称矩阵旳特征值和特征向量
定理4.7. 实对称矩阵旳特征值均为实数.
定理4.8. 设1, 2是实对称矩阵A旳两个不同
旳特征值, p1, p2是相应与它们旳特 征向量, 则p1与p2正交.
实际上, 1 p1T = (Ap1)T = p1TAT = p1TA, 从而1p1Tp2 = p1TAp2 = p1T(2p2) = 2p1Tp2. 于是(1–2) p1Tp2 = 0, 但是1 2, 故p1Tp2 = 0.
《线性代数》第四章:线性方程组-PPT课件
三角形线性方程组要求方程组所含方程的个数等于未知量的个数且第个方程第个变量的系数三角形线性方程组是一类特殊的情形解法也简单由克莱姆法则可以判断其解惟一一般只需要从最后一个方程开始求解逐步回代就可求出方程组的全部解11定义416线性方程组中自上而下的各方程所含未知量个数依次减少这种形式的方程组称为n元阶梯形线性方程组
❖ 例如 axbyc 是一个二元方程,a , b 不同时
为零时,方程有无穷多解,如 b0时,x0,yc
b
为二元方程 的一个特解, axbyc
b0 时 , xk,ycakk R
bb
为二元方程的通解;当 a , b 同时为零,若时c ,0
方程无解;当
a同, b 时为零,若 时c , 0 方程
有无穷多解任意一对有序实数都是方程的解。
❖ 消元法的目的就是利用方程组的初等变换将 原方程组化为阶梯形方程组, 由于这个阶梯形 方程组与原线性方程组同解, 解这个阶梯形方 程组得到的解就是原方程组的解。
❖ 注意:将一个方程组化为行阶梯形方程组的 步骤并不是惟一的, 所以,同一个方程组的行 阶梯形方程组也不是唯一的。
❖ n元线性方程组的一般形式为
cnnxn 0
❖ 其中 crr 0 则线性方程组有唯一解,即仅有零解。
❖ (2) 当 r n 时,方程组可以化为
c11x1 c12x2 c1rxr c1nxn 0
c22x2 c2rxr c2nxn 0 ..........................
crrxr crnxn 0
❖ 其中 crr 0 将其改写成
a11x1a12x2 a1rxrb1a1r1xr1 a1nxn a22x2 a2rxrb2a2r1xr1 a2nxn arrxrbrarr1xr1 arnxn
❖ 例如 axbyc 是一个二元方程,a , b 不同时
为零时,方程有无穷多解,如 b0时,x0,yc
b
为二元方程 的一个特解, axbyc
b0 时 , xk,ycakk R
bb
为二元方程的通解;当 a , b 同时为零,若时c ,0
方程无解;当
a同, b 时为零,若 时c , 0 方程
有无穷多解任意一对有序实数都是方程的解。
❖ 消元法的目的就是利用方程组的初等变换将 原方程组化为阶梯形方程组, 由于这个阶梯形 方程组与原线性方程组同解, 解这个阶梯形方 程组得到的解就是原方程组的解。
❖ 注意:将一个方程组化为行阶梯形方程组的 步骤并不是惟一的, 所以,同一个方程组的行 阶梯形方程组也不是唯一的。
❖ n元线性方程组的一般形式为
cnnxn 0
❖ 其中 crr 0 则线性方程组有唯一解,即仅有零解。
❖ (2) 当 r n 时,方程组可以化为
c11x1 c12x2 c1rxr c1nxn 0
c22x2 c2rxr c2nxn 0 ..........................
crrxr crnxn 0
❖ 其中 crr 0 将其改写成
a11x1a12x2 a1rxrb1a1r1xr1 a1nxn a22x2 a2rxrb2a2r1xr1 a2nxn arrxrbrarr1xr1 arnxn
《线性代数》课件第4章
此时A的第j列元素恰为αj表示成β1, β2,…, βt的线性组合时的
系数.
证明:若向量组a1,a2,…,as可由β1, β2,…, βt线性表示,即每个ai
均可由β1, β2,…, βt线性表示,则有
α1 = a11β1 + a21β2 + + at1βt = (β1, β2,
, βt )⎛⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎝aaa12t111 ⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟,
我们有下面的定理: 定理 1.1 矩阵的秩数=行秩数=列秩数.
例1.3 设
α1 = (1, 2, 0,1)T , α2 = (0,1,1,1)T , α3 = (1, 3,1, 2)T , α4 = (1,1,−1, 0)T
求此向量组的秩数及一个极大无关组.
解 考虑向量组构成的矩阵
A=(α1,
α2,
我们有下面的命题:
命题1.
1. α1, α2,…, αs线性无关; 2.方程x1α1 + x2α2 + … + xxαs只有零解 3. 对于任意一组不全为零的数c1,c2,…,cs均有
c1α1 + c2α2 + + csαs ≠ 0, 4. 对于任意一组数c1,c2,…,cs, 若c1α1 + c2α2 +
定义1.4 两个可以互相表示的向量组称为等价向量组.
容易看出: 1. 向量组的等价是一个等价关系; 2. 等价向量组的秩数相同; 3. 任何向量组等价于其极大无关组; 4. 两个向量组等价当且仅当它们的极大无关组等价.
最后我们给出化简向量组的一种技巧 为此先给出一个定义
定义1.5 设α1, α2,…, αs和β1, β2,…, βs是两个向量组, 若对于任意一组数c1,c2,…,cs均有
线性代数第三节(非齐次线性方程组)课讲PPT省公开课获奖课件市赛课比赛一等奖课件
例1
2x y 4
x
3y
5
旳导出方程组为:
2x y 0
ห้องสมุดไป่ตู้
x
3y
0
定理1 非齐次线性方程组Ax=b旳解与它导出 方程组Ax=0 旳解之间有如下关系:
(1) 设 1 , 2 是Ax=b旳解, 则1 - 2 为对
齐次线性方程组Ax = 0 旳解。
(2) 是方程Ax=b旳解, 是Ax=0旳解,则 + 是方程 Ax=b 旳解.
其中 k1 , k2 是任意常数.
例 4 a,b为何值时, 线性方程组
x1 ax2 x1 2ax2
x3
x3
3,
4,
x1 x2 bx3 4.
有唯一解,无解或无穷多解?在有无穷多解,
求其通解?
ξ1
1
,
ξ
2
0
,
ξ
3
0
,
0 1 0
0
0
1
(4)通解
于是, 原方程组旳通解为
x = c11 + c22 + c33 + *,
其中 c1 , c2 , c3 是任意常数.
例3 已知 1 , 2 , 3 是三元非齐次线性
方程组 Ax = b 旳解, R(A) = 1, 且
1
1
1
1 2 0 , 2 3 1 , 1 3 1 ,
0
0
1
求方程组旳通解.
解: 由题设易得
1
1 2
2(1
2
3 )
(2
3 )
1 2
[(1
2 )
(2
3 )
(1
3 )]
(2
武汉大学《线性代数》04 第四章.ppt
2 1
,
a3
1 2
,
b
3 3
则 b 能由 a1 , a2 , a3 线性表示.
解方程组 x1a1 x2a2 x3a3 b
即解方程组
2 x1 x1 2
x2 x2
x3 x3
0 3
x1 x2 2 x3 3
2020/10/15
10
得
x1 1 1
x2 x3
2020/10/15
14
定义3: 设向量组 A :1,2 , ,m 及 B : 1, 2 , , l
若 B 组中的每一个向量都能由向量组 A 线性表示, 则称向量组 B 能由向量组 A 线性表示。
若向量组 A 与向量组 B 能相互线性表示, 则称向量组 A 与向量组 B 等价。
2020/10/15
第四章 向量组的线性相关性
2020/10/15
1
§1 向量组及其线性组合
定义1:n 个数 a1 , a2 , , an 所组成的有序数组
称为一个 n 维向量,这 n 个数称为该向量 的 n 个分量,第 i 个数 ai 称为第 i 个分量。
这里定义的 n 维向量就是指行(或列)矩阵。
2020/10/15
2020/10/15
8
定义2:设向量组 A :1,2 , ,m , 和向量 b 若存在一组实数 1,2 , m , 使得 b 11 22 mm
则称向量 b 是向量组 A的一个线性组合, 或称向量 b 能由向量组 A 线性表示。
2020/10/15
9
例如: 2
1
1 0
a1
1 1
,
a2
称为 n 维Euclid空间 Rn 中的 n-1维超平面。
线性代数课件第4章
11
2 1 1 例7: 求矩阵 A 0 2 0 的特征值和特征向量, 4 1 3
并求可逆矩阵P, 使 P 1 AP 为对角阵.
解:
2 1 1 2 | A E | 0 2 0 1 2 4 1 3
| A 3 A 2 E | 9
17
定理2:设 1 , 2 ,
, m 是方阵 A的 m 个特征值,
p1 , p2 ,
若 1 , 2 ,
, pm 依次是与之对应的特征向量。
, m 各不相等,则 p1 , p2 ,
, pm
线性无关。
方阵 A 的属于不同特征值的特征向量线性无关。
则
( n ) det( A)
ann )( )n1
1 2 n a11 a 22 1 2 n det( A)
a nn
8
1 1 0 例6: 求矩阵 A 4 3 0 的特征值和特征向量. 1 0 2
解:1、由矩阵 A 的特征方程,求出特征值.
1 1 0 1 1 3 0 (2 ) A E 4 4 3 1 0 2
1 2 0
2
特征值为 = 1, 2
9
2、把每个特征值 代入线性方程组 A E x 0, 求出基础解系。
(2) 有相同特征多项式的矩阵不一定相似。
25
矩阵可对角化的条件(利用相似变换把方阵对角化)
定理4: n 阶矩阵 A 与对角阵相似(A可对角化)
A有n个线性无关的特征向量。
26
Api i pi , i 1, 2,
( Ap1 , Ap2 ,
线代第四章课件
n , 则有
( 2) 12 n A .
矩阵A的迹
(1) 1 2 n a11 a22 ann ;
5. 设 i 为 方 阵 A 的一 个 特 征值 , 则 由 方 程
(i I A) x 0 可求得非零解 x pi ,那么 pi 就是
以a 左乘上式两端 得 1 1 1 0 ,
T 1
T
由 1 0 1 1 1
T
2
0, 从而有1 0 .
同理可得2 r 0. 故1 , 2 ,, r 线性无关.
施密特正交化方法
若a1, a2 ,, ar 为R 的线性无关向量组 , b1 a1
二、向量的长度及性质
定义2
令
x
x, x
x x x ,
2 1 2 2 2 n
称 x 为n 维向量 x的长度 或范数 .
向量的长度具有下述性质:
1. 非负性 当 x 0时, x 0;当 x 0时, x 0; 2. 齐次性 x x ; 3. 三角不等式 x y x y .
称(x,y)为向量的内积(点乘x . y)
说明
1 nn 4 维向量的内积是3维向量数量积 的推广,但是没有3维向量直观的几何意义. 2 内积是向量的一种运算,如果x,y都是列 向量,内积可以用矩阵记号表示为
x, y xT y.
内积的运算性质 (其中x,y,z为n维向量,λ为实数) (1) (x, y)=(y, x) (2) (λx , y)= λ(x, y) (3) (x+y, z)=(x, z)+ (y, z) (4) (x,x)≥ 0, 且当x≠0时有 (x, x)>0
- 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)。
5 1 2 1 5 2 ( 1 , 2 ) -2E-A= 2 2 2 1 5 2 1 5 2 2 1 ( 5) 0 24 12 3 1 ( 2) 5 1 2 0 12 6 2 2 2 1 5 2 0 24 12 3 2 ( 1/2) 0 0 0
如果二次型X AX 是正定二次型, 对称矩阵A 称为正定矩阵。
T
4.2.21 k阶主子式(k≤n)
在 n 阶方阵A中,取第 i , i ,, i 行及第 i , i ,, i 列(即行标与列标相同)所得到的 k 阶子式称为A的 k 阶主子式(k≤n)。
1 2 k 1 2 k
例如,设
2 3 4 5 0 6 , A = 8 4 7 取第1,3行及第1,3列得到二阶子式
1 2 n 1 2 n 1 2 n 1 2 n 1 2 n 1 2 n
4.2.19 正定二次型
二次型 f ( x , x ,, x ) 为零的实数,都有
1 2 n
如果对任意一组不全
f (c1 , c2 ,, cn ) 0
则称 f ( x , x ,, x ) 为正定二次型。
1 2 n
4.2.20 正定矩阵
正定矩阵的判定定理:
定理15 n 元二次型 f ( x , x ,, x ) a x a x a x 是正定的 a , a ,, a 全大于零。 定理16 满秩变换不改变二次型的正定性。 f ( x , x ,, x ) 定理17 n 元二次型 是正 定的 它的正惯性指数等于 n 。
于是A的不同特征值为 1 4 (二重) , 2 2. 对于 1 4 (二重),求解齐次线性方程 组(4E- A)X = O,由 1 1 2 2 1 1 1 2 3 1 2 4E- A = 1 1 2 0 0 0 . 2 2 4 0 0 0 求得一个基础解系为 1 2 1 1 , 2 0 , 0 1
例 4.2.6 求一个正交变换X = TY,把二次
型 2 f ( x1 , x2 , x3 ) 3x12 3x2 2 x1x2 4 x1x3 4 x2 x3
化为标准形. 解 f ( x1 , x2 , x3 ) 的矩阵是 3 1 2 1 3 2 , A = 2 2 0
求得它的一个基础解系为
再单位化,得
3 3 3
令
1/ 6 1/ 6 . 2 / 6
1/ 3 1/ 3 1/ 3 1/ 6 1/ 6 , 2/ 6
1/ 2 T = [ 1 , 2 , 3 ] 1/ 2 0
2
n
a x x a x x a x
n1 n 1 n2 n 2 nn
2
n
X AX
T
其中
a11 a12 x a x a22 21 , X A a x n1 an 2
1 2 n
ij ji
a1n a2 n 且 ann
则T是正交矩阵,并且有
4 0 0 T 0 4 0 . T AT = 0 0 2
=
于是,令X = TY,得
2 2 f ( x1 , x2 , x3 ) 4 y12 4 y2 2 y3
4.2.17 二次型 f ( x , x ,, x ) 的秩
1 2 n
将二次型 f ( x , x ,, x ) 的矩阵A的秩, 称 f ( x , x ,, x ) 为二次型 的秩。
1 2 n 1 2 n
4.2.18 正惯性指数与负惯性指数
在二次型f ( x , x ,, x ) 的标准形中,系数 f ( x , x ,, x ) 为正的平方项个数p称为 的正惯 性指数;系数为负的平方项个数s-p称为 的负惯性指数,其中s为 f ( x , x ,, x ) 的秩。 惯性定理: 定理14 二次型 f ( x , x ,, x ) 的任一标准 形中,系数为正的平方项个数是惟一确定的, 它等于 f ( x , x ,, x ) 的正惯性指数;而系数为负 的平方项个数也是惟一确定的,它等于 f ( x , x ,, x ) 的负惯性指数。
2 2( x1 x2 x3 )2 ( x2 2 x3 )2 6 x3 .
即得
y1 x1 x2 x3 , y2 x2 2 x3 , y x, 3 3
2 2 f ( x1 , x2 , x3 ) 2 y12 y2 6 y3 .
1 2 n 1 2 n 1 2 n 1 2 n 1 2 n
2 4 8 7
就是一个二阶主子式.
4.2.22 k阶顺序主子式
1,2,, k 在 n 阶方阵A中取第1,2,, k 行及第 列得到的 k 阶子式( k≤n ),称为A的 k 阶顺 序主子式。
例如,上例中的A,1阶顺序主子式|–2| = –2,二阶顺序主子式是
2 3 5 0 ,
三阶顺序主子式是det A.
f ( x1 , x2 , x3 ) 8 x12 6 x1 x2 8 x1 x3 6 x2 x1
5 x 3x2 x3 8 x3 x1 3x3 x2 3x ,
2 2 2 3
其矩阵表示式为
f ( x1 , x2 , x3 ) x1
x2
或简单地就用对称矩阵 8 6 8 6 5 3 A = 8 3 3 来表示.
1 2 n
2 2 2 1 1 2 2 n n
1
2
n
1
2
n
例 4.2.5 化二次型
2 2 f ( x1 , x2 , x3 ) 2 x12 x2 8 x3 4 x1 x2 4 x1 x3 8 x2 x3
为标准形. 解 先将含 x1 的各项配成一个关于 x1 的完 全平方项,即 f ( x1 , x2 , x3 ) 2[ x12 2 x1 ( x2 x3 ) ( x2 x3 ) 2 ]
1 2 n
4.2.23 负定、半正定 与半负定的二次型
设 f ( x , x ,, x ) 是二次型,对任一组不全 f (c1 , c2 , , c如 0都 c , c ,, c 为零实数 , 果 n) 有 f ( x , x ,, x ) , 则称 是 f (c1 , c2 ,, cn ) 0 f ( x , x ,, x ) 负定的;如果都有 f (c1 , c,则称 f ( x , x ,是半正 , x ) 2 ,, cn ) 0 定的;如果都有 ,称 是半负定的。
1 0 0 1 1 2 ( 5) 0 0
1 ( 1) 2 (1/24)
5 2 1 1/ 2 0 0 0 1/ 2 1 1/ 2 0 0 1 3 1 , 2
2 2 2
1
2
n
1
1
2
2
n
n
1
2
nቤተ መጻሕፍቲ ባይዱ
1
2
n
的
定理18 n 元二次型f ( x , x ,, x ) 是正定
1 2 n
它的矩阵A的特征值全大于零。
f ( x , x ,, x ) 定理19 n 元二次型 是正定 的 它的矩阵A的所有顺序主子式全大于 零。即对称矩阵A是正定矩阵 它的所有顺序 主子式全大于零。
8 6 8 x1 x3 6 5 3 x2 8 3 3 x3
4.2.15 化二次型为标准形
如果二次型 f ( x , x ,, x ) 通过满秩变换X = CY(C为n阶满秩方阵),使得原二次型用 d y d, y 化 d y 为 y , y ,, y 表 示 时 ,简称此过程为化二次型为标准形。
a a (i, j 1,2,, n)
称 f ( x , x ,, x ) 为 n 元二次型, 矩阵A称为二 次型 的矩阵。 f ( x , x ,, x )
1 2 n 1 2 n
例如二次型 f ( x1 , x2 , x3 ) 2 2 8 x12 12 x1 x2 5 x2 6 x2 x3 16 x1x3 3x3 , 为要写成矩阵形式,把 12 x1 x2 , 6 x2 x3 , 16 x1 x3 这 些项分别改写成 6 x1 x2 6 x2 x1 , 3x2 x3 3x3 x2 , 8 x1 x3 8 x3 x1 , 即
先正交化, 令
1 1 1 1 , 0
2 1 1 ( 2 , 1 ) 2 2 2 1 0 1 1 . 2 ( 1 , 1 ) 1 0 1
4.2.14 n元二次型、二次型矩阵
含 n 个变量 x , x ,, x
1 2
2 1 2 n 11 1
n
的二次齐次多项式
12 1 2 1n 1 n
f ( x , x , x ) a x a x x a x x
2 21 2 1 22 2 2n
a x x a x a x x
A的特征多项式
3
det( E - A) = 1 2
1 2
1 2 3 2 2
4 4 0 1 3 2 2 2 4 0 0 2 2 1 2 2 ( 4) 2 1 ( 1) 4 2 4 ( 4) 2 ( 2).
1 2 n
2 2 2
1
2
n
1
1
2
1
n
n
4.2.16 正交变换