线性代数讲义 (19)
线性代数讲义课后习题答案
线性代数讲义课后习题答案
《线性代数讲义课后习题答案》
在学习线性代数的过程中，课后习题是巩固知识、提高能力的重要途径。
下面我们将针对线性代数讲义中的一些课后习题进行解答，希望能够帮助大家更好地理解和掌握线性代数的知识。
1. 解题思路
首先，我们要明确线性代数的基本概念和原理，包括向量、矩阵、行列式、线性方程组等。
在解题过程中，要灵活运用这些概念和原理，结合具体题目的要求，采取合适的方法和技巧进行分析和求解。
2. 举例说明
举例来说，对于矩阵的运算，我们需要掌握矩阵的加法、减法、数乘、矩阵乘法等基本运算法则，然后根据题目给出的具体矩阵进行计算。
对于行列式的计算，我们需要了解行列式的性质和计算方法，然后根据题目给出的矩阵计算其行列式的值。
3. 深入探讨
在解题过程中，还需要注意一些特殊情况和问题。
比如，当矩阵不满秩时，如何求解其逆矩阵？当线性方程组无解或有无穷多解时，如何判断和求解？这些都是需要深入探讨和思考的问题。
4. 总结归纳
最后，我们要对解题过程进行总结和归纳，总结出解题的一般规律和方法，以便在以后的学习和应用中能够更加灵活和熟练地运用线性代数的知识和技巧。
通过以上的解题思路、举例说明、深入探讨和总结归纳，相信大家对线性代数
讲义中的课后习题有了更清晰的认识和理解。
希望大家在学习线性代数的过程中能够勤加练习，不断提高自己的解题能力，从而更好地掌握线性代数的知识和方法。
《线性代数讲义》课件
在工程学中，性变换也得到了广泛的应用。例如，在图像处理中，可
以通过线性变换对图像进行缩放、旋转等操作；在线性控制系统分析中
，可以通过线性变换对系统进行建模和分析。
THANKS
感谢观看
特征向量的性质
特征向量与特征值一一对应，不同的 特征值对应的特征向量线性无关。
特征值与特征向量的计算方法
01
定义法
根据特征值的定义，通过解方程 组Av=λv来计算特征值和特征向 量。
02
03
公式法
幂法
对于某些特殊的矩阵，可以利用 公式直接计算特征值和特征向量 。
通过迭代的方式，不断计算矩阵 的幂，最终得到特征值和特征向 量。
矩阵表示线性变换的方法
矩阵的定义与性质
矩阵是线性代数中一个基本概念，它可以表示线性变 换。矩阵具有一些重要的性质，如矩阵的加法、标量 乘法、乘法等都是封闭的。
矩阵表示线性变换的方法
通过将线性变换表示为矩阵，可以更方便地研究线性 变换的性质和计算。具体来说，如果一个矩阵A表示 一个线性变换L，那么对于任意向量x，有L(x)=Ax。
特征值与特征向量的应用
数值分析
在求解微分方程、积分方程等数值问题时， 可以利用特征值和特征向量的性质进行求解 。
信号处理
在信号处理中，可以利用特征值和特征向量的性质 进行信号的滤波、降噪等处理。
图像处理
在图像处理中，可以利用特征值和特征向量 的性质进行图像的压缩、识别等处理。
05
二次型与矩阵的相似性
矩阵的定义与性质
数学工具
矩阵是一个由数字组成的矩形阵列，表示为二维数组。矩阵具有行数和列数。矩阵可以进行加法、数 乘、乘法等运算，并具有相应的性质和定理。矩阵是线性代数中重要的数学工具，用于表示线性变换 、线性方程组等。
线性代数第19讲
0 2 0 1 0 0 2 0 0 4 r3 3 r2 1 1 2 2 1 1 1 2 0 0 1
0 0 4 2 1 1
所以
1 1 2 1 C 1 2 0 0
2 p 1 p 1
x
d x
2 r r
为
y
2 1
y y
y
2 r
这种形式的二次型叫做二次型(5.1)的规范形.
20
定理5.4 凡二次型都可通过非退化线性替 换化为规范形. 且规范形是由二次型本身 决定的唯一形式, 与所作的非退化线性替 换无关. (后一论断证明略)
把规范形中正项的个数p称为二次型的正 惯性指标, 负项个数rp称为二次型的负 惯性指标. r是二次型的秩.
23
§5.3 二次型与对称矩阵的有定性
24
定义5.4 具有对称矩阵A之二次型 f(x)=xTAx 如果对于任何 x1 x 2 x o x n
都有xTAx >0(或<0), 则称f(x)=xTAx为正定 (负定)二次型, 矩阵A称为正定矩阵(负定 矩阵).
4
例1. 求非奇异矩阵C, 使CTAC为对角矩阵 1 1 1 A 1 2 2 1 2 1
5
1 1 A 1 I 1 0 0
1 1 1 0 1 1 2 2 2 c1 2 1 c 1 1 c3 c1 0 0 1 1 0 1 1 0 0 1 0 0 1 0 0 1 0 1 0 0 1 r3 r2 0 0 1 c3 c2 1 1 0 1 0 1 0 1 0 0 1 0
线性代数讲义课后习题答案
线性代数讲义课后习题答案线性代数是数学中的一门重要课程，它研究的是向量空间及其上的线性变换。
通过学习线性代数，我们可以更好地理解和解决各种实际问题，例如解线性方程组、求特征值和特征向量以及进行矩阵运算等。
而为了巩固所学知识，许多教材都会附带习题，让学生进行练习和巩固。
本文将给出一些线性代数讲义的课后习题答案，希望能够帮助读者更好地理解和掌握线性代数的知识。
一、向量空间与线性变换1. 证明：若V是一个向量空间，那么V的零元素是唯一的。
解：设0和0'都是V的零元素，则有0+0'=0'，又有0+0=0，由向量空间的加法结合律可知0=0'，即零元素是唯一的。
2. 证明：若V是一个向量空间，那么对于任意的向量v∈V，它的负元素也是唯一的。
解：设v和w都是向量v的负元素，则有v+w=0，又有v+(-v)=0，由向量空间的加法逆元素的唯一性可知w=-v，即负元素是唯一的。
3. 证明：若V是一个向量空间，那么对于任意的向量v∈V，有(-1)v=-v。
解：根据向量空间的定义，(-1)v+v=0，由加法逆元素的唯一性可知(-1)v=-v。
二、线性方程组与矩阵运算1. 解线性方程组：2x + 3y = 74x - 2y = 2解：通过消元法，将方程组化为行阶梯形式：2x + 3y = 70x - 8y = -12可以得到y的解为y = 3/4。
将y的解代入第一个方程，可以得到x的解为x =1/2。
因此，线性方程组的解为{x = 1/2, y = 3/4}。
2. 计算矩阵的乘积：A = [1 2 3; 4 5 6]B = [7 8; 9 10; 11 12]解：矩阵A的维度为2×3，矩阵B的维度为3×2，因此可以进行矩阵乘积运算。
AB = [1×7+2×9+3×11 1×8+2×10+3×12;4×7+5×9+6×11 4×8+5×10+6×12]化简得到：AB = [58 64;139 154]因此，矩阵AB的结果为[58 64; 139 154]。
线性代数知识点全面总结PPT课件
量 组 的
维 向 量 线性相关
判定 概念 判定
充要条件
线
概念
充分条件
性 相
线性无关
判定
充要条件 充分条件
关 性
概念
向
极大无关组 求法
量
概念
空
向量空间的基
间
线 Ax = b
解
有解判定R(A)≠R(B)无解 的
性 方 程 组
初行变换等阶梯形
R(A)=R(B)有解 结
构
R(A)=n仅有零解 基
Ax = 0
2、矩阵的乘法
(1)(AB)C = A ( BC ) ;
(2) A ( B + C ) =
(3) (kA)(lB) = (kl)AB;
(4) AO =OA = O.
3、矩阵的转置
(1)(AT)T = A; (3)(kA)T =kAT;
(2) (A+B)T = AT+BT; (4) (AB)T = BTAT.
A
A12
A22
An1
An2
A1n A2n
Ann
概 如果AB=BA=E,则A可逆， 念 B是A的逆矩阵.
用定义
逆 矩求
用伴随矩阵 A1 1 A
A
阵
法
分块对 A
角矩阵
0
0 1 A1
B
0
0 0
B1
B
A1 0
0
A1
B1
0
|A| ≠ 0 , A
证 法
可|A逆| =.0 , A不可 逆AB .= E , A与B互逆.
总 有 解R(A)<n有非零解
A+B = ( aij + biAj与) B同型
线性代数讲义 (19)
即
(A E)
初等行变换
E A–1
20/26 第4章习题课 矩阵的进一步讨论
利用初等行变换求逆矩阵的方法，还可用于
求矩阵 A–1B.
A–1( A B ) = ( E A–
1B )
即
(A E)
初等行变换
E A–1B
21/26 第4章习题课 矩阵的进一步讨论
设 A 是 n 阶方阵: 逆矩阵 A–1 存在
12/26 第4章习题课 矩阵的进一步讨论
6 求秩的基本方法
命题4.3.3 设 A 是一个矩阵, 对 A 作初等行变换化成行阶梯形, 则其非零行的个数 就是 A 的秩; 类似地, A 的秩也是对 A 作初等列变换 化成列阶梯形的非零列的个数.
13/26 第4章习题课 矩阵的进一步讨论
定理4.3.2 线性方程组 Amn X = b 有解的充要条件是 rank( A ) = rank( A b );
定理4.4.3 设 A 是方阵, 则 A 可逆 当且仅当 存在初等矩阵 P1, P2, , Ps 使得
A = P1 P2 Ps .
推论4.4.2 设 A 是方阵, 则 A 可逆 当且仅当 对 A 作一系列的初等变换后可变成 E.
19/26 第4章习题课 矩阵的进一步讨论
8 求逆矩阵的方法
用初等行变换求 A–1 的方法: 对 2n n 矩阵 ( A E ) 施行初等行变换，
定义4.3.1 如果矩阵 A 经有限次初等变换变成矩阵 B, 则称矩阵 A 与 B 等价，记为作 A ～ B.
等价关系的性质： (1) 反身性 A ~ A; (2) 对称性 若 A ~ B, 则 B ~ A; (3) 传递性 若 A ~ B, B ~ C, 则 A ~ C.
考研线性代数讲义及其答案
例 4 设 A, B, I 为同阶矩阵，下列命题哪些是正确的？ (1) ( A + B ) 2 = A2 + 2 AB + B 2 不正确 正确 正确
(2) ( A + λ I )3 = A3 + 3λ A2 + 3λ 2 A + λ 3 I ( λ 为数)
(3)若 A, B 可交换，则 ( A + B ) 与 ( A − B ) 相乘也可交换. (4) ( AB ) 2 = A2 B 2 当且仅当 AB = BA
也即 ( A − E ) ⋅
2012 届普鸣学员个性化学习方案 例 11 下列矩阵 A, B 是否可逆？若可逆，求其逆矩阵，其中
⎛ 3 2 1⎞ ⎛ b1 ⎜ ⎟ A = ⎜ 1 1 1⎟ , B = ⎜ b2 ⎜ ⎜ 1 0 1⎟ ⎜ ⎝ ⎠ ⎝
⎞ ⎟ ⎟ b3 ⎟ ⎠
解： A = 2 ≠ 0 ，故 A 可逆，记 A = ( aij )3×3 ，各元素的代数余子式分别为
答案： An = ( −8) n −1 A
⎛λ ⎜ 例9 A= ⎜ ⎜ ⎝
⎞ n λ 1⎟ ⎟ ，求 A λ⎟ ⎠
1
⎛λ 1 ⎞ ⎛0 1 ⎞ ⎛0 1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ 解： A = λ 1 ⎟ = λE + ⎜ 0 1 ⎟ ，记 B = ⎜ 0 1⎟ ⎜ ⎜ ⎜ ⎜ λ⎟ 0⎟ 0⎟ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎛0 0 1⎞ ⎛0 0 0⎞ ⎜ ⎟， 3 ⎜ ⎟ B =⎜ 0 0⎟ B = ⎜ 0 0⎟ ⎜ ⎜ 0⎟ 0⎟ ⎝ ⎠ ⎝ ⎠
例 4 设行列式
⋯ ⋯
⋱ ⋮ ⋯ an
, ai ≠ 0, i = 1, 2,⋯ , n
1 1 a1 − − ⋯ − ⋯ 1 a2 an ⋯ 0 0 = ⋱ ⋮ ⋮ ⋯ an 0
线性代数考研讲义完整版
考研数学线性代数讲义目录第一讲基本概念线性方程组矩阵与向量初等变换和阶梯形矩阵线性方程组的矩阵消元法第二讲行列式完全展开式化零降阶法其它性质克莱姆法则第三讲矩阵乘法乘积矩阵的列向量和行向量矩阵分解矩阵方程逆矩阵伴随矩阵第四讲向量组线性表示向量组的线性相关性向量组的极大无关组和秩矩阵的秩第五讲方程组解的性质解的情况的判别基础解系和通解第六讲特征向量与特征值相似与对角化特征向量与特征值—概念,计算与应用相似对角化—判断与实现附录一内积正交矩阵施密特正交化实对称矩阵的对角化第七讲二次型二次型及其矩阵可逆线性变量替换实对称矩阵的合同标准化和规范化惯性指数正定二次型与正定矩阵附录二向量空间及其子空间附录三两个线性方程组的解集的关系附录四06,07年考题第一讲基本概念1．线性方程组的基本概念线性方程组的一般形式为:a11x1+a12x2+…+a1n x n=b1,a21x1+a22x2+…+a2n x n=b2,…………a m1x1+a m2x2+…+a mn x n=b m,其中未知数的个数n和方程式的个数m不必相等.线性方程组的解是一个n维向量(k1,k2, …,k n)(称为解向量),它满足:当每个方程中的未知数x i都用k i替代时都成为等式.线性方程组的解的情况有三种:无解,唯一解,无穷多解.对线性方程组讨论的主要问题两个:(1)判断解的情况.(2)求解,特别是在有无穷多接时求通解.b1=b2=…=b m=0的线性方程组称为齐次线性方程组.n维零向量总是齐次线性方程组的解,称为零解.因此齐次线性方程组解的情况只有两种:唯一解(即只要零解)和无穷多解(即有非零解).把一个非齐次线性方程组的每个方程的常数项都换成0，所得到的齐次线性方程组称为原方程组的导出齐次线性方程组，简称导出组.2.矩阵和向量(1)基本概念矩阵和向量都是描写事物形态的数量形式的发展.由m⨯n个数排列成的一个m行n列的表格,两边界以圆括号或方括号,就成为一个m⨯n 型矩阵.例如2 -1 0 1 11 1 1 0 22 5 4 -2 93 3 3 -1 8是一个4⨯5矩阵.对于上面的线性方程组,称矩阵a11 a12… a1n a11 a12… a1n b1A= a21 a22… a2n 和(A|β)= a21 a22… a2n b2…………………a m1 a m2… a mn a m1 a m2… a mnb m为其系数矩阵和增广矩阵.增广矩阵体现了方程组的全部信息,而齐次方程组只用系数矩阵就体现其全部信息.一个矩阵中的数称为它的元素,位于第i行第j列的数称为(i,j)位元素.元素全为0的矩阵称为零矩阵,通常就记作0.两个矩阵A和B相等(记作A=B),是指它的行数相等,列数也相等(即它们的类型相同),并且对应的元素都相等.由n个数构成的有序数组称为一个n维向量,称这些数为它的分量.书写中可用矩阵的形式来表示向量,例如分量依次是a1,a2,⋯ ,a n的向量可表示成a1(a1,a2,⋯ ,a n)或 a2 ,┆a n请注意,作为向量它们并没有区别,但是作为矩阵,它们不一样(左边是1⨯n矩阵,右边是n⨯1矩阵).习惯上把它们分别称为行向量和列向量.(请注意与下面规定的矩阵的行向量和列向量概念的区别.)一个m⨯n的矩阵的每一行是一个n维向量,称为它的行向量; 每一列是一个m维向量, 称为它的列向量.常常用矩阵的列向量组来写出矩阵,例如当矩阵A的列向量组为α1, α2,⋯ ,αn时(它们都是表示为列的形式!)可记A=(α1, α2,⋯ ,αn).矩阵的许多概念也可对向量来规定,如元素全为0的向量称为零向量,通常也记作0.两个向量α和β相等(记作α=β),是指它的维数相等,并且对应的分量都相等.(2) 线性运算和转置线性运算是矩阵和向量所共有的,下面以矩阵为例来说明.加(减)法:两个m⨯n的矩阵A和B可以相加(减),得到的和(差)仍是m⨯n矩阵,记作A+B (A-B),法则为对应元素相加(减).数乘: 一个m⨯n的矩阵A与一个数c可以相乘,乘积仍为m⨯n的矩阵,记作c A,法则为A 的每个元素乘c.这两种运算统称为线性运算,它们满足以下规律:①加法交换律:A+B=B+A.②加法结合律:(A+B)+C=A+(B+C).③加乘分配律:c(A+B)=c A+c B.(c+d)A=c A+d A.④数乘结合律: c(d)A=(cd)A.⑤ c A=0⇔ c=0 或A=0.转置:把一个m⨯n的矩阵A行和列互换,得到的n⨯m的矩阵称为A的转置,记作A T(或A').有以下规律:① (A T)T=A.② (A+B)T=A T+B T.③ (c A)T=c A T.转置是矩阵所特有的运算,如把转置的符号用在向量上,就意味着把这个向量看作矩阵了.当α是列向量时, α T表示行向量, 当α是行向量时,α T表示列向量.向量组的线性组合:设α1, α2,…,αs是一组n维向量, c1,c2,…,c s是一组数,则称c1α1+c2α2+…+c sαs为α1, α2,…,αs的(以c1,c2,…,c s为系数的)线性组合.n维向量组的线性组合也是n维向量.(3) n阶矩阵与几个特殊矩阵行数和列数相等的矩阵称为方阵,行列数都为n的矩阵也常常叫做n阶矩阵.把n阶矩阵的从左上到右下的对角线称为它对角线.(其上的元素行号与列号相等.)下面列出几类常用的n阶矩阵,它们都是考试大纲中要求掌握的.对角矩阵: 对角线外的的元素都为0的n阶矩阵.单位矩阵: 对角线上的的元素都为1的对角矩阵,记作E(或I).数量矩阵: 对角线上的的元素都等于一个常数c的对角矩阵,它就是c E.上三角矩阵: 对角线下的的元素都为0的n阶矩阵.下三角矩阵: 对角线上的的元素都为0的n阶矩阵.对称矩阵:满足A T=A矩阵.也就是对任何i,j,(i,j)位的元素和(j,i)位的元素总是相等的n阶矩阵.(反对称矩阵:满足A T=-A矩阵.也就是对任何i,j,(i,j)位的元素和(j ,i)位的元素之和总等于0的n阶矩阵.反对称矩阵对角线上的元素一定都是0.)3. 矩阵的初等变换和阶梯形矩阵矩阵有以下三种初等行变换:①交换两行的位置.②用一个非0的常数乘某一行的各元素.③把某一行的倍数加到另一行上.(称这类变换为倍加变换)类似地, 矩阵还有三种初等列变换,大家可以模仿着写出它们,这里省略了. 初等行变换与初等列变换统称初等变换.阶梯形矩阵:一个矩阵称为阶梯形矩阵,如果满足:①如果它有零行,则都出现在下面.②如果它有非零行,则每个非零行的第一个非0元素所在的列号自上而下严格单调递增.把阶梯形矩阵的每个非零行的第一个非0元素所在的位置称为台角.简单阶梯形矩阵:是特殊的阶梯形矩阵,特点为:③台角位置的元素为1.④并且其正上方的元素都为0.每个矩阵都可以用初等行变换化为阶梯形矩阵和简单阶梯形矩阵.这种运算是在线性代数的各类计算题中频繁运用的基本运算,必须十分熟练.请注意: 1.一个矩阵用初等行变换化得的阶梯形矩阵并不是唯一的,但是其非零行数和台角位置是确定的.2. 一个矩阵用初等行变换化得的简单阶梯形矩阵是唯一的.4. 线性方程组的矩阵消元法线性方程组的基本方法即中学课程中的消元法:用同解变换把方程组化为阶梯形方程组(即增广矩阵为阶梯形矩阵的方程组).线性方程组的同解变换有三种:①交换两个方程的上下位置.②用一个非0的常数乘某个方程.③把某个方程的倍数加到另一个方程上.以上变换反映在增广矩阵上就是三种初等行变换.线性方程组求解的基本方法是消元法,用增广矩阵或系数矩阵来进行,称为矩阵消元法.对非齐次线性方程组步骤如下:(1)写出方程组的增广矩阵(A|β),用初等行变换把它化为阶梯形矩阵(B|γ).(2)用(B|γ)判别解的情况:如果最下面的非零行为(0,0, ⋯,0|d),则无解,否则有解.有解时看非零行数r(r不会大于未知数个数n),r=n时唯一解；r<n时无穷多解.(推论:当方程的个数m<n时,不可能唯一解.)(3)有唯一解时求解的初等变换法:去掉(B|γ)的零行,得到一个n×(n+1)矩阵(B0|γ0),并用初等行变换把它化为简单阶梯形矩阵(E|η),则η就是解.对齐次线性方程组:(1)写出方程组的系数矩阵A,用初等行变换把它化为阶梯形矩阵B.(2)用B判别解的情况:非零行数r=n时只有零解；r<n时有非零解(求解方法在第五章讲). (推论:当方程的个数m<n时,有非零解.)讨论题1.设A是n阶矩阵,则(A) A是上三角矩阵⇒A是阶梯形矩阵.(B) A是上三角矩阵⇐A是阶梯形矩阵.(C) A是上三角矩阵⇔A是阶梯形矩阵.(D) A是上三角矩阵与A是阶梯形矩阵没有直接的因果关系.2.下列命题中哪几个成立?(1) 如果A是阶梯形矩阵,则A去掉任何一行还是是阶梯形矩阵.(2) 如果A是阶梯形矩阵,则A去掉任何一列还是是阶梯形矩阵.(3) 如果(A|B)是阶梯形矩阵,则A也是阶梯形矩阵.(4) 如果(A|B)是阶梯形矩阵,则B也是阶梯形矩阵.(5) 如果 A 是阶梯形矩阵,则A和B都是阶梯形矩阵.B第二讲 行列式一.概念复习 1. 形式和意义形式:用n 2个数排列成的一个n 行n 列的表格,两边界以竖线,就成为一个n 阶行列式: a 11 a 12 … a 1na 21 a 22 … a 2n… … … . a n1 a n2 … a nn如果行列式的列向量组为α1, α2, … ,αn ,则此行列式可表示为|α1, α2, … ,αn |.意义:是一个算式,把这n 2个元素按照一定的法则进行运算,得到的数值称为这个行列式的值.请注意行列式和矩阵在形式上和意义上的区别.当两个行列式的值相等时,就可以在它们之间写等号! (不必形式一样,甚至阶数可不同.)每个n 阶矩阵A 对应一个n 阶行列式,记作|A |.行列式这一讲的的核心问题是值的计算,以及判断一个行列式的值是否为0.2. 定义(完全展开式)2阶和3阶行列式的计算公式: a 11 a 12a 21 a 22 = a 11a 22-a 12a 21 . a 11 a 12 a 13a 21 a 22 a 23 = a 11a 22a 33+ a 12a 23a 31+ a 13a 21a 32-a 13a 22a 31- a 11a 23a 32-a 12a 21a 33. a 31 a 32 a 33一般地,一个n 阶行列式 a 11 a 12 … a 1na 21 a 22 … a 2n… … … a n1 a n2 … a nn的值是许多项的代数和,每一项都是取自不同行,不同列的n 个元素的乘积,其一般形式为:n nj j j a a a Λ2121,这里把相乘的n 个元素按照行标的大小顺序排列,它们的列标j 1j 2…j n 构成1,2, …,n 的一个全排列(称为一个n 元排列),共有n!个n 元排列,每个n 元排列对应一项,因此共有n!个项.所谓代数和是在求总和时每项先要乘+1或-1.规定τ(j 1j 2…j n )为全排列j 1j 2…j n 的逆序数(意义见下面),则项n nj j j a a a Λ2121所乘的是.)1()(21n j j j Λτ-全排列的逆序数即小数排列在大数右面的现象出现的个数.逆序数可如下计算:标出每个数右面比它小的数的个数,它们的和就是逆序数.例如求436512的逆序数:023********, τ(436512)=3+2+3+2+0+0=10.至此我们可以写出n 阶行列式的值: a 11 a 12 … a 1na 21 a 22 … a 2n =.)1(21212121)(n n nnj j j j j j j j j a a a ΛΛΛτ-∑… … … a n1 a n2 … a nn这里∑nj j j Λ21表示对所有n 元排列求和.称此式为n 阶行列式的完全展开式.用完全展开式求行列式的值一般来说工作量很大.只在有大量元素为0,使得只有少数项不为0时,才可能用它作行列式的计算.例如对角行列式,上(下)三角行列式的值就等于主对角线上的元素的乘积,因为其它项都为0.2. 化零降阶法把n 阶行列式的第i 行和第j 列划去后所得到的n-1阶行列式称为(i,j)位元素a ij 的余子式,记作M ij .称A ij =(-1)i+jM ij 为元素a ij 的代数余子式.定理(对某一行或列的展开)行列式的值等于该行(列)的各元素与其代数余子式乘积之和.命题 第三类初等变换(倍加变换)不改变行列式的值.化零降阶法 用命题把行列式的某一行或列化到只有一个元素不为0,再用定理.于是化为计算一个低1阶的行列式.化零降阶法是实际计算行列式的主要方法,因此应该熟练掌握.3.其它性质行列式还有以下性质:① 把行列式转置值不变,即|A T|=|A | . ② 某一行(列)的公因子可提出.于是, |c A |=c n|A |.③ 对一行或一列可分解,即如果某个行(列)向量α=β+γ ,则原行列式等于两个行列式之和,这两个行列式分别是把原行列式的该行(列)向量α换为β或γ 所得到的行列式.例如|α,β1+β2,γ |=|α,β1,γ |+|α,β2,γ |.④ 把两个行(列)向量交换, 行列式的值变号.⑤ 如果一个行(列)向量是另一个行(列)向量的倍数,则行列式的值为0. ⑥ 某一行(列)的各元素与另一行(列)的对应元素的代数余子式乘积之和=0. ⑦ 如果A 与B 都是方阵(不必同阶),则 A * = A O =|A ||B |. O B * B范德蒙行列式：形如1 1 1 … 1 a 1 a2 a3 … a na 12 a 22 a 32 … a n 2… … … …a 1n-i a 2n-i a 3n-i … a n n-i的行列式(或其转置).它由a 1,a 2 ,a 3,…,a n 所决定,它的值等于 ).(i j ji a a -∏<因此范德蒙行列式不等于0⇔ a 1,a 2 ,a 3,…,a n 两两不同.对于元素有规律的行列式(包括n 阶行列式),常常可利用性质简化计算,例如直接化为三角行列式等.4.克莱姆法则克莱姆法则 应用在线性方程组的方程个数等于未知数个数n (即系数矩阵为n 阶矩阵)的情形.此时,如果它的系数矩阵的行列式的值不等于0,则方程组有唯一解,这个解为(D 1/D, D 2/D,⋯,D n /D), 这里D 是系数行列式的值, D i 是把系数行列式的第i 个列向量换成常数列向量所得到的行列式的值.说明与改进:按法则给的公式求解计算量太大，没有实用价值.因此法则的主要意义在理论上,用在对解的唯一性的判断,而在这方面法则不够. 法则的改进:系数行列式不等于0是唯一解的充分必要条件.实际上求解可用初等变换法:对增广矩阵(A |β)作初等行变换,使得A 变为单位矩阵: (A |β)→(E |η), η就是解.用在齐次方程组上 :如果齐次方程组的系数矩阵A 是方阵,则它只有零解的充分必要条件是|A |≠0.二. 典型例题1.利用性质计算元素有规律的行列式例1 ① 2 a a a a ② 1+x 1 1 1 ③ 1+a 1 1 1 a 2 a a a 1 1+x 1 1 2 2+a 2 2a a 2 a a . 1 1 1+x 1 . 3 3 3+a 3 .a a a 2 a 1 1 1 1+x 4 4 4 4+aa a a a 2 例2 1 2 3 4 52 3 4 5 1 3 4 5 1 2 . 4 5 1 2 3 5 1 2 3 4例3 1+x 1 1 1 1 1 1+x 2 1 1 . 1 1 1+x 3 11 1 1 1+x 4例4 a 0 b c 0 a c b . b c a 0 c b 0 a例5 1-a a 0 0 0 -1 1-a a 0 00 -1 1-a a 0 . (96四) 0 0 -1 1-a a0 0 0 -1 1-a2. 测试概念与性质的题例6 x 3-3 1 -3 2x+2多项式f(x)= -7 5 -2x 1 ，求f(x)的次数和最高次项的系数.X+3 -1 3 3x 2-29 x 36 -6例7 求 x-3 a -1 4f(x)= 5 x-8 0 –2 的x 4和x 3的系数.0 b x+1 1 2 2 1 x例8 设4阶矩阵A =(α, γ1, γ2 ,γ3),B =(β, γ1, γ2 ,γ3),|A | =2, |B |=3 ,求|A +B | . 例9 a b c d已知行列式 x -1 -y z+1 的代数余子式A 11=-9,A 12=3,A 13=-1,A 14=3,求x,y,z. 1 -z x+3 y y-2 x+1 0 z+3例10 求行列式 3 0 4 0 的第四行各元素的余子式的和.(01) 2 2 2 2 0 -7 0 0 5 3 -2 23.几个n 阶行列式两类爪形行列式及其值:例11 a 1 a 2 a 3 … a n-1 a n b 1 c 2 0 … 0 0 证明 0 b 2 c 3 0 0 =11111(1)ni i i i n i b b a c c --+=-∑L L .… … … …0 0 0 … b n-1 c n提示: 只用对第1行展开(M 1i 都可直接求出). 例12 a 0 a 1 a 2 … a n-1 a nb 1c 1 0 … 0 0证明 b 2 0 c 2 … 0 0 =011111n nii i i i n i i a c c c a b c c -+==-∑∏LL .… … … … b n 0 0 … 0 c n提示: 只用对第1行展开(M 1i 都可直接求出). 另一个常见的n 阶行列式:例13 证明a+b b 0 … 0 0 a a+b b … 0 0… … … … = 11n n nn i ii a b a b a b ++-=-=-∑(当a ≠b 时).0 0 0 … a+b b0 0 0 a a+b提示:把第j 列(行)的(-1)j-1倍加到第1列(行)上(j=2,…,n),再对第1列(行)展开.4.关于克莱姆法则的题 例14设有方程组x 1+x 2+x 3=a+b+c,ax 1+bx 2+cx 3=a 2+b 2+c 2,bcx 1+acx 2+abx 3=3abc.(1)证明此方程组有唯一解的充分必要条件为a,b,c 两两不等. (2)在此情况求解.参考答案例1 ①(2+4a)(2-a)4.② x 3(x+4). ③ a 3(a+10). 例2 1875.例3 x 1x 2x 3x 4+x 2x 3x 4+x 1x 3x 4+x 1x 2x 4+x 1x 2x 3. 例4 (a+b+c)(a+b-c)(a-b+c)(a-b-c).例5 1-a+a 2-a 3+a 4-a 5. 例6 9,-6 例7 1,-10. 例8 40.例9 x=0,y=3,z=-1. 例10 -28.例14 x 1=a,x 2=b,x 3=c..第三讲矩阵一．概念复习1. 矩阵乘法的定义和性质定义2.1 当矩阵A的列数和B的行数相等时,和A和B可以相乘,乘积记作AB. AB的行数和A相等,列数和B相等. AB的(i,j)位元素等于A的第i个行向量和B的第j个列向量(维数相同)对应分量乘积之和.设 a11 a12... a1n b11 b12... b1s c11 c12 (1)A= a21 a22... a2n B= b21 b22... b2s C=AB=c21 c22 (2)………………………a m1 a m2… a mn ,b n1 b n2… b ns ,c m1 c m2… c ms ,则c ij=a i1b1j+a i2b2j+…+a in b nj.矩阵的乘法在规则上与数的乘法有不同:①矩阵乘法有条件.②矩阵乘法无交换律.③矩阵乘法无消去律,即一般地由AB=0推不出A=0或B=0.由AB=AC和A≠0推不出B=C.(无左消去律)由BA=CA和A≠0推不出B=C. (无右消去律)请注意不要犯一种常见的错误:把数的乘法的性质简单地搬用到矩阵乘法中来.矩阵乘法适合以下法则:①加乘分配律 A(B+C)= AB+AC,(A+B)C=AC+BC.②数乘性质 (c A)B=c(AB).③结合律 (AB)C= A(BC).④ (AB)T=B T A T.2. n阶矩阵的方幂和多项式任何两个n阶矩阵A和B都可以相乘,乘积AB仍是n阶矩阵.并且有行列式性质:|AB|=|A||B|.如果AB=BA,则说A和B可交换.方幂设k是正整数, n阶矩阵A的k次方幂A k即k个A的连乘积.规定A 0=E.显然A的任何两个方幂都是可交换的,并且方幂运算符合指数法则:①A k A h= A k+h.② (A k)h= A kh.但是一般地(AB)k和A k B k不一定相等!n阶矩阵的多项式设f(x)=a m x m+a m-1x m-1+…+a1x+a0,对n阶矩阵A规定f(A)=a m A m+a m-1A m-1+…+ a1A+a0E.称为A的一个多项式.请特别注意在常数项上加单位矩阵E.乘法公式一般地,由于交换性的障碍,小代数中的数的因式分解和乘法公式对于n阶矩阵的不再成立.但是如果公式中所出现的n 阶矩阵互相都是乘法交换的,则乘法公式成立.例如当A 和B 可交换时,有:(A ±B )2=A 2±2AB +B 2;A 2-B 2=(A +B )(A -B )=(A +B )(A -B ).二项展开式成立: B AC B A -=∑=+1)(等等.前面两式成立还是A 和B 可交换的充分必要条件.同一个n 阶矩阵的两个多项式总是可交换的. 一个n 阶矩阵的多项式可以因式分解.3. 分块法则矩阵乘法的分块法则是简化矩阵乘法的一种方法.对两个可以相乘的矩阵A 和B ,可以先用纵横线把它们切割成小矩阵(一切A 的纵向切割和B 的横向切割一致!),再用它们来作乘法.(1)两种常见的矩阵乘法的分块法则A 11 A 12B 11 B 12 = A 11B 11+A 12B 21 A 11B 12+A 12B 22 A 21 A 22 B 21 B 22 A 21B 11+A 22B 21 A 21B 12+A 22B 22 要求A ij 的列数B jk 和的行数相等. 准对角矩阵的乘法: 形如A 1 0 ... 0 A = 0 A 2 0… … … 0 0 … A n的矩阵称为准对角矩阵,其中A 1,A 2,…,A k 都是方阵.两个准对角矩阵A 1 0 ... 0 B 1 0 0A = 0 A 2 … 0 ,B = 0 B 2 … 0 … … … … … … 0 0 … A k 0 0 … B k 如果类型相同,即A i 和B i 阶数相等,则A 1B 1 0 0AB = 0 A 2B 2 … 0 . … … …0 0 … A k B k(2)乘积矩阵的列向量组和行向量组 设A 是m ⨯n 矩阵B 是n ⨯s 矩阵. A 的列向量组为α1,α2,…,αn ,B 的列向量组为β1, β2,…,βs , AB 的列向量组为γ1, γ2,…,γs ,则根据矩阵乘法的定义容易看出(也是分块法则的特殊情形):① AB 的每个列向量为:γi =A βi ,i=1,2,…,s. 即A (β1, β2,…,βs )= (A β1,A β2,…,A βs ).② β=(b 1,b 2,…,b n )T,则A β= b 1α1+b 2α2+…+b n αn .应用这两个性质可以得到:如果βi=(b1i,b2i,…,b ni)T,则γi=AβI=b1iα1+b2iα2+…+b niαn.即:乘积矩阵AB的第i个列向量γi是A的列向量组α1, α2,…,αn的线性组合,组合系数就是B的第i个列向量βi的各分量.类似地, 乘积矩阵AB的第i个行向量是B的行向量组的线性组合,组合系数就是A的第i个行向量的各分量.以上规律在一般教材都没有强调,但只要对矩阵乘法稍加分析就不难得出.它们无论在理论上和计算中都是很有用的.(1) 当两个矩阵中,有一个的数字很简单时,直接利用以上规律写出乘积矩阵的各个列向量或行向量,从而提高了计算的速度.(2) 利用以上规律容易得到下面几个简单推论:用对角矩阵Λ从左侧乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的各行向量; 用对角矩阵Λ从右侧乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的各列向量.数量矩阵k E乘一个矩阵相当于用k乘此矩阵；单位矩阵乘一个矩阵仍等于该矩阵.两个同阶对角矩阵的相乘只用把对角线上的对应元素相乘.求对角矩阵的方幂只需把对角线上的每个元素作同次方幂.(3) 矩阵分解:当一个矩阵C的每个列向量都是另一个A的列向量组的线性组合时,可以构造一个矩阵B,使得C=AB.例如设A=(α,β,γ), C=(α+2β-γ,3α-β+γ,α+2γ),令1 3 1B= 2 -1 0 ,则C=AB.-1 1 2(4) 初等矩阵及其在乘法中的作用对单位矩阵E作一次初等(行或列)变换,所得到的矩阵称为初等矩阵.有三类初等矩阵:E(i,j):交换E的i,j两行(或列)所得到的矩阵.E(i(c)):用非0数c乘E的第i行(或列)所得到的矩阵.也就是把E的对角线上的第i 个元素改为c.E(i,j(c))(i≠j):把E的第j行的c倍加到第i行上(或把第i列的c倍加到第j列上)所得到的矩阵, 也就是把E的(i,j)位的元素改为c.命题对矩阵作一次初等行(列)变换相当于用一个相应的初等矩阵从左(右)乘它.4. 矩阵方程和可逆矩阵(伴随矩阵)(1) 矩阵方程矩阵不能规定除法,乘法的逆运算是解下面两种基本形式的矩阵方程:(I) AX=B.(II) XA=B.这里假定A是行列式不为0的n阶矩阵,在此条件下,这两个方程的解都是存在并且唯一的.(否则解的情况比较复杂.)当B只有一列时,(I)就是一个线性方程组.由克莱姆法则知它有唯一解.如果B有s列,设 B=(β1, β2,…,βs),则 X也应该有s列,记X=(X1,X2,…,X s),则有AX i=βi,i=1,2,…,s,这是s个线性方程组.由克莱姆法则,它们都有唯一解,从而AX=B有唯一解.这些方程组系数矩阵都是A,可同时求解,即得(I)的解法:将A和B并列作矩阵(A|B),对它作初等行变换,使得A变为单位矩阵,此时B变为解X.(A|B)→(E|X)(II)的解法:对两边转置化为(I)的形式:A T X T=B T.再用解(I)的方法求出X T,转置得X..(A T|B T)→(E|X T)矩阵方程是历年考题中常见的题型,但是考试真题往往并不直接写成(I)或(II)的形式,要用恒等变形简化为以上基本形式再求解.(2) 可逆矩阵的定义与意义定义设A是n阶矩阵,如果存在n阶矩阵B,使得AB=E, BA=E,则称A为可逆矩阵.此时B是唯一的,称为A的逆矩阵,通常记作A-1.如果A可逆,则A在乘法中有消去律:AB=0⇒B=0；AB=AC⇒B=C.(左消去律)；BA=0⇒B=0；BA=CA⇒B=C. (右消去律)如果A可逆,则A在乘法中可移动(化为逆矩阵移到等号另一边):AB=C⇔B=A-1C. BA=C⇔B=CA-1.由此得到基本矩阵方程的逆矩阵解法:(I) AX=B的解X=A-1B .(II) XA=B的解X= BA-1.这种解法想法自然，好记忆,但是计算量比初等变换法大(多了一次矩阵乘积运算).(3) 矩阵可逆性的判别与性质定理 n阶矩阵A可逆⇔|A|≠0.证明“⇒”对AA-1=E两边取行列式,得|A||A-1|=1,从而|A|≠0. (并且|A-1|=|A|-1.) “⇐”因为|A|≠0,矩阵方程AX=E和XA=E都有唯一解.设B,C分别是它们的解,即AB=E, CA=E. 事实上B=C(B=EB=CAB=CE=C),于是从定义得到A可逆.推论如果A和B都是n阶矩阵,则AB=E⇔BA=E.于是只要AB=E(或BA=E)一式成立,则A和B都可逆并且互为逆矩阵.可逆矩阵有以下性质:①如果A可逆,则A-1也可逆,并且(A-1)-1=A.A T也可逆,并且(A T)-1=(A-1)T.当c≠0时, c A也可逆,并且(c A)-1=c-1A-1.对任何正整数k, A k也可逆,并且(A k)-1=(A-1)k.(规定可逆矩阵A的负整数次方幂A-k=(A k)-1=(A-1)k.)②如果A和B都可逆,则AB也可逆,并且(AB)-1=B-1A-1.(请自己推广到多个可逆矩阵乘积的情形.)初等矩阵都是可逆矩阵,并且E(i,j)-1= E(i,j), E(i(c))-1=E(i(c-1)), E(i,j(c))-1= E(i,j(-c)).(4) 逆矩阵的计算和伴随矩阵①计算逆矩阵的初等变换法当A可逆时, A-1是矩阵方程AX=E的解,于是可用初等行变换求A-1:(A|E)→(E|A-1)这个方法称为求逆矩阵的初等变换法.它比下面介绍的伴随矩阵法简单得多.②伴随矩阵若A是n阶矩阵,记A ij是|A|的(i,j)位元素的代数余子式,规定A的伴随矩阵为 A11 A21… A n1A*= A12 A22… A n2 =(A ij)T.………A1n A2n… A mn请注意,规定n阶矩阵A的伴随矩阵并没有要求A可逆,但是在A可逆时, A*和A-1有密切关系.基本公式: AA*=A*A=|A|E.于是对于可逆矩阵A,有A-1=A*/|A|, 即A*=|A|A-1.因此可通过求A*来计算A-1.这就是求逆矩阵的伴随矩阵法.和初等变换法比较, 伴随矩阵法的计算量要大得多,除非n=2,一般不用它来求逆矩阵.对于2阶矩阵a b * d -bc d = -c a ,因此当ad-bc≠0时,a b -1 d -bc d = -c a (ad-bc) .伴随矩阵的其它性质:①如果A是可逆矩阵，则A*也可逆，并且(A*)-1= A/|A|=(A-1)*.② |A*|=|A|n-1.③ (A T)*=(A*)T.④ (c A)*=c n-1A*.⑤ (AB)*=B*A*；(A k)*=(A*)k.⑥当n>2时,(A*)*=|A|n-2A； n=2时,(A*)*=A.二典型例题1.计算题例1 α=(1,-2,3) T,β=(1,-1/2,1/3)T, A=αβ T,求A6.讨论:(1)一般地,如果n阶矩阵A=αβ T,则A k=(βTα)k-1A=(tr(A ))k-1A .(2)乘法结合律的应用:遇到形如βTα的地方可把它当作数处理.① 1 -1 1ααT= -1 1 -1 ，求αTα.（2003一）1 -1 1②设α=(1,0,-1)T, A=ααT,求|a E-A n|.③ n维向量α=(a,0,⋯,0,a)T, a<0, A=E-ααT, A-1=E+a-1αα T,求a. (03三,四)④ n维向量α=(1/2,0,⋯,0,1/2)T, A=E-αα T, B=E+2αα T,求AB. (95四)⑤ A=E-αβ T,其中α,β都是n维非零列向量,已知A2=3E-2A,求αTβ.例2(1999三) 1 0 1设A = 0 2 0 ，求A n-2A n-1.(n>1)1 0 1例3 1 0 0设A = 1 0 1 ，(1)证明当n>1时A n=A n-2+A2-E. (2) 求A n.0 1 0例4 设A为3阶矩阵, α1,α2,α3是线性无关的3维列向量组,满足Aα1=α1+α2+α3, Aα2=2α2+ α3, Aα3=2α2+3α3.求作矩阵B,使得A(α1,α2,α3)=(α1,α2,α3)B. (2005年数学四)例5设3阶矩阵A=(α1,α2,α3),|A|=1,B=(α1+α2+α3,α1+2α2+3α3,α1+4α2+9α3),求|B|.(05)例6 3维向量α1, α2, α3, β1, β2, β3满足α1+α3+2β1-β2=0, 3α1-α2+β1-β3=0, -α2+α3-β2+β3=0,已知|α1, α2, α3|=a,求| β1, β2, β3|.例7设A是3阶矩阵, α是3维列向量,使得P=(α,Aα,A2α)可逆,并且A3α=3Aα-2A2α.又3阶矩阵B满足A=PBP-1.(1)求B.(2)求|A+E|.(01一)2 1 0例8 3阶矩阵A,B满足ABA*=2BA*+E,其中A= 1 2 0 ,求|B|.(04一)0 0 1例9 3 -5 1设3阶矩阵A= 1 -1 0 , A-1XA=XA+2A,求X.-1 0 2例10 1 1 -1设3阶矩阵A= -1 1 1 , A*X=A-1+2X,求X.1 -1 1例11 4阶矩阵A,B满足ABA-1=BA-1+3E,已知1 0 0 0A*= 0 1 0 0 ,求B. (00一)1 0 1 00 -3 0 8例12 3 0 0 1 0 0已知A= 2 1 0 , B= 0 0 0 , XA+2B=AB+2X,求X11.2 13 0 0 -1例13设α1=(5,1,-5)T, α2=(1,-3,2)T, α3=(1,-2,1)T,矩阵A满足Aα1=(4,3) T, Aα2=(7,-8) T, Aα3=(5,-5) T,求A.2.概念和证明题例14 设A是n阶非零实矩阵,满足A*=A T.证明:(1)|A|>0.(2)如果n>2,则 |A|=1.例15 设矩阵A=(a ij)3⨯3满足A*=A T,a11,a12,a13为3个相等的正数,则它们为(A) 3/3.(B) 3. (C)1/3. (D) 3. (2005年数学三)例16 设A和B都是n阶矩阵,C= A 0 ,则C*=0 B(A) |A|A* 0 . (B) |B|B * 0 .0 |B|B * 0 |A|A*(C) |A|B* 0 . (D ) |B|A* 0 .0 |B|A* 0 |A|B*例17 设A是3阶矩阵,交换A的1,2列得B,再把B的第2 列加到第3 列上,得C.求Q,使得C=AQ.例18 设A是3阶可逆矩阵,交换A的1,2行得B,则(A) 交换A*的1,2行得到B*.(B) 交换A*的1,2列得到B*.(C) 交换A*的1,2行得到-B*.(D) 交换A*的1,2列得到-B*.(2005年)例19 设A是n阶可逆矩阵, 交换A的i,j行得到B.(1) 证明B可逆.(2) 求AB-1.例20设n阶矩阵A满足A2+3A-2E=0.(1)证明A可逆,并且求A-1.(2)证明对任何整数c,A-c E可逆.讨论: 如果f(A)=0,则(1) 当f(x)的常数项不等于0时,A可逆.(2) f(c)≠0时,A-c E可逆.(3) 上述两条的逆命题不成立.例21设α是n维非零列向量,记A=E-ααT.证明(1) A2=A⇔αTα =1.(2) αTα =1⇒ A不可逆. (96一)讨论: (2)的逆命题也成立.例22 设A,B都是n阶矩阵,证明E-AB可逆⇔ E-BA可逆.例23设3阶矩阵A,B满足AB=A+B.(1) 证明A-E可逆.(2) 设 1 -3 0B= 2 1 0 ,求A.0 0 2 (91)例24设A,B是3阶矩阵, A可逆,它们满足2A-1B=B-4E.(1) 证明A-2E可逆.(2) 设 1 -2 0B= 1 2 0 ,求A.0 0 2 (2002)例25设n阶矩阵A,B满足AB=a A+b B.其中ab≠0,证明(1) A-b E和B-a E都可逆.(2) A可逆⇔ B可逆.(3) AB=BA.例26设A,B都是n阶对称矩阵, E+AB可逆,证明(E+AB)-1A也是对称矩阵.例27 设A,B都是n阶矩阵使得A+B可逆,证明(1) 如果AB=BA,则B(A+B)-1A=A(A+B)-1B.(2) 如果A.B都可逆,则B(A+B)-1A=A(A+B)-1B.(3) 等式B(A+B)-1A=A(A+B)-1B总成立.例28设A,B,C都是n阶矩阵,满足B=E+AB,C=A+CA,则B-C为(A) E.(B) -E. (C) A. (D) -A. (2005年数学四)参考答案1 -1/2 1/3例135A=35 -2 1 –2/3 .3 -3/2 1① 3.② a2(a-2n). ③ -1. ④ E. ⑤ 4.例2 O.例3 (1)提示: A n=A n-2+A2-E⇔A n-2(A2-E)=A2-E ⇔ A(A2-E)=A2-E.(2)n=2k时, 1 0 0A n = k 1 0 .k 0 1n=2k+1时, 1 0 0A n = k+1 0 1 .k 1 0例 4 1 0 0B= 1 2 2 .1 1 3例5 2.例 6 –4a.例 7 0 0 0B= 1 0 3 . |E+A|=-40 1 -2例8 1/9.例 9 -6 10 4X= -2 4 2 .-4 10 0例 10 1 1 0(1/4) 0 1 1 .1 0 1例 11 6 0 0 0B= 0 6 0 0 .6 0 6 00 3 0 -1例 12 1 0 02 0 0 .6 -1 -1例 13 2 -1 1-4 -2 -5 .例15 (A).例16 (D).例 17 0 1 1Q= 1 0 0 .0 0 1例18 (D).例19 E(i,j).例22 提示:用克莱姆法则.例如证明 ,即在E-AB可逆时证明齐次方程组(E-BA)X=0只有零解.例23 1 1/2 0A= -1/3 1 0 .0 0 2例 24 0 2 0A= -1 -1 0 .0 0 -2例25 提示:计算(A-b E)(B-a E).例28 (A).第四讲向量组的线性关系与秩一.概念复习1. 线性表示关系设α1,α2,…,αs是一个n维向量组.如果n维向量β等于α1,α2,…,αs的一个线性组合，就说β可以用α1,α2,…,αs线性表示.如果n维向量组β1, β2,…,βt 中的每一个都可以可以用α1,α2,…,αs线性表示,就说向量β1,β2,…,βt可以用α1,α2,…,αs线性表示.判别“β是否可以用α1, α2,…,αs线性表示? 表示方式是否唯一？”就是问：向量方程x1α1+ x2α2+…+x sαs=β是否有解？解是否唯一？用分量写出这个向量方程,就是以(α1, α2,…,αs |β)为增广矩阵的线性方程组.反之,判别“以(A|β)为增广矩阵的线性方程组是否有解？解是否唯一？”的问题又可转化为“β是否可以用A的列向量组线性表示? 表示方式是否唯一？”的问题.向量组之间的线性表示问题与矩阵乘法有密切关系: 乘积矩阵AB的每个列向量都可以表示为A的列向量组的线性组合,从而AB的列向量组可以用A的列向量组线性表示;反之,如果向量组β1,β2,…,βt可以用α1,α2,…,αs线性表示,则矩阵(β1,β2,…,βt)等于矩阵(α1,α2,…,αs)和一个s⨯t矩阵C的乘积. C可以这样构造: 它的第i个列向量就是βi对α1,α2,…,αs的分解系数(C不是唯一的).向量组的线性表示关系有传递性,即如果向量组β1,β2,…,βt可以用α1,α2,…,αs线性表示,而α1,α2,…,αs 可以用γ1,γ2,…,γr线性表示,则β1,β2,…,βt可以用γ1,γ2,…,γr线性表示.当向量组α1,α2,…,αs 和β1,β2,…,βt互相都可以表示时,就说它们等价,并记作{α1,α2,…,αs }≅{β1,β2,…,βt}.等价关系也有传递性.2. 向量组的线性相关性(1) 定义(从三个方面看线性相关性)线性相关性是描述向量组内在关系的概念,它是讨论向量组α1, α2,…,αs 中有没有向量可以用其它的s-1个向量线性表示的问题.定义设α1,α2,…,αs 是n维向量组,如果存在不全为0的一组数c1,c2,…,c s使得c1α1+c2α2+…+c sαs=0,则说α1,α2,…,αs 线性相关,否则(即要使得c1α1+c2α2+…+c sαs=0,必须c1,c2,…,c s全为0)就说它们线性无关.于是, α1,α2,…,αs “线性相关还是无关”也就是向量方程x1α1+ x2α2+…+x sαs=0“有没有非零解”,也就是以(α1,α2,…,αs )为系数矩阵的齐次线性方程组有无非零解.当向量组中只有一个向量(s=1)时,它相关(无关)就是它是(不是)零向量.两个向量的相关就是它们的对应分量成比例.(2) 性质①当向量的个数s大于维数n时, α1, α2,…,αs 一定线性相关.。
线性代数讲义
目录第一讲基本概念线性方程组矩阵与向量初等变换和阶梯形矩阵线性方程组的矩阵消元法第二讲行列式完全展开式化零降阶法其它性质克莱姆法则第三讲矩阵乘法乘积矩阵的列向量和行向量矩阵分解矩阵方程逆矩阵伴随矩阵第四讲向量组线性表示向量组的线性相关性向量组的极大无关组和秩矩阵的秩第五讲方程组解的性质解的情况的判别基础解系和通解第六讲特征向量与特征值相似与对角化特征向量与特征值—概念,计算与应用相似对角化—判断与实现附录一内积正交矩阵施密特正交化实对称矩阵的对角化第七讲二次型二次型及其矩阵可逆线性变量替换实对称矩阵的合同标准化和规范化惯性指数正定二次型与正定矩阵附录二向量空间及其子空间附录三两个线性方程组的解集的关系附录四06,07年考题第一讲基本概念1．线性方程组的基本概念线性方程组的一般形式为:a11x1+a12x2+…+a1n x n=b1,a21x1+a22x2+…+a2n x n=b2,…………a m1x1+a m2x2+…+a mn x n=b m,其中未知数的个数n和方程式的个数m不必相等.线性方程组的解是一个n维向量(k1,k2, …,k n)(称为解向量),它满足:当每个方程中的未知数x i都用k i 替代时都成为等式.线性方程组的解的情况有三种:无解,唯一解,无穷多解.对线性方程组讨论的主要问题两个:(1)判断解的情况.(2)求解,特别是在有无穷多接时求通解.b1=b2=…=b m=0的线性方程组称为齐次线性方程组.n维零向量总是齐次线性方程组的解,称为零解.因此齐次线性方程组解的情况只有两种:唯一解(即只要零解)和无穷多解(即有非零解).把一个非齐次线性方程组的每个方程的常数项都换成0，所得到的齐次线性方程组称为原方程组的导出齐次线性方程组，简称导出组.2.矩阵和向量(1)基本概念矩阵和向量都是描写事物形态的数量形式的发展.由m⨯n个数排列成的一个m行n列的表格,两边界以圆括号或方括号,就成为一个m⨯n型矩阵.例如2 -1 0 1 11 1 1 0 22 5 4 -2 93 3 3 -1 8是一个4⨯5矩阵.对于上面的线性方程组,称矩阵a11 a12… a1n a11 a12… a1n b1A= a21 a22… a2n 和(A|β)= a21 a22… a2n b2…………………a m1 a m2… a mn a m1 a m2… a mnb m为其系数矩阵和增广矩阵.增广矩阵体现了方程组的全部信息,而齐次方程组只用系数矩阵就体现其全部信息.一个矩阵中的数称为它的元素,位于第i行第j列的数称为(i,j)位元素.元素全为0的矩阵称为零矩阵,通常就记作0.两个矩阵A和B相等(记作A=B),是指它的行数相等,列数也相等(即它们的类型相同),并且对应的元素都相等.由n个数构成的有序数组称为一个n维向量,称这些数为它的分量.书写中可用矩阵的形式来表示向量,例如分量依次是a1,a2,⋯ ,a n的向量可表示成a1(a1,a2,⋯ ,a n)或 a2 ,┆a n请注意,作为向量它们并没有区别,但是作为矩阵,它们不一样(左边是1⨯n矩阵,右边是n⨯1矩阵).习惯上把它们分别称为行向量和列向量.(请注意与下面规定的矩阵的行向量和列向量概念的区别.)一个m⨯n的矩阵的每一行是一个n维向量,称为它的行向量; 每一列是一个m维向量, 称为它的列向量.常常用矩阵的列向量组来写出矩阵,例如当矩阵A的列向量组为α1, α2,⋯ ,αn时(它们都是表示为列的形式!)可记A=(α1, α2,⋯ ,αn).矩阵的许多概念也可对向量来规定,如元素全为0的向量称为零向量,通常也记作0.两个向量α和β相等(记作α=β),是指它的维数相等,并且对应的分量都相等.(2) 线性运算和转置线性运算是矩阵和向量所共有的,下面以矩阵为例来说明.加(减)法:两个m⨯n的矩阵A和B可以相加(减),得到的和(差)仍是m⨯n矩阵,记作A+B (A-B),法则为对应元素相加(减).数乘: 一个m⨯n的矩阵A与一个数c可以相乘,乘积仍为m⨯n的矩阵,记作c A,法则为A的每个元素乘c.这两种运算统称为线性运算,它们满足以下规律:①加法交换律:A+B=B+A.②加法结合律:(A+B)+C=A+(B+C).③加乘分配律:c(A+B)=c A+c B.(c+d)A=c A+d A.④数乘结合律: c(d)A=(cd)A.⑤ c A=0⇔ c=0 或A=0.转置:把一个m⨯n的矩阵A行和列互换,得到的n⨯m的矩阵称为A的转置,记作A T(或A').有以下规律:① (A T)T=A.② (A+B)T=A T+B T.③ (c A)T=c A T.转置是矩阵所特有的运算,如把转置的符号用在向量上,就意味着把这个向量看作矩阵了.当α是列向量时, α T表示行向量, 当α是行向量时,α T表示列向量.向量组的线性组合:设α1, α2,…,αs是一组n维向量, c1,c2,…,c s是一组数,则称c1α1+c2α2+…+c sαs为α1, α2,…,αs的(以c1,c2,…,c s为系数的)线性组合.n维向量组的线性组合也是n维向量.(3) n阶矩阵与几个特殊矩阵行数和列数相等的矩阵称为方阵,行列数都为n的矩阵也常常叫做n阶矩阵.把n阶矩阵的从左上到右下的对角线称为它对角线.(其上的元素行号与列号相等.)下面列出几类常用的n阶矩阵,它们都是考试大纲中要求掌握的.对角矩阵: 对角线外的的元素都为0的n阶矩阵.单位矩阵: 对角线上的的元素都为1的对角矩阵,记作E(或I).数量矩阵: 对角线上的的元素都等于一个常数c的对角矩阵,它就是c E.上三角矩阵: 对角线下的的元素都为0的n阶矩阵.下三角矩阵: 对角线上的的元素都为0的n阶矩阵.对称矩阵:满足A T=A矩阵.也就是对任何i,j,(i,j)位的元素和(j,i)位的元素总是相等的n阶矩阵.(反对称矩阵:满足A T=-A矩阵.也就是对任何i,j,(i,j)位的元素和(j ,i)位的元素之和总等于0的n阶矩阵.反对称矩阵对角线上的元素一定都是0.)3. 矩阵的初等变换和阶梯形矩阵矩阵有以下三种初等行变换:①交换两行的位置.②用一个非0的常数乘某一行的各元素.③把某一行的倍数加到另一行上.(称这类变换为倍加变换)类似地, 矩阵还有三种初等列变换,大家可以模仿着写出它们,这里省略了. 初等行变换与初等列变换统称初等变换.阶梯形矩阵:一个矩阵称为阶梯形矩阵,如果满足:①如果它有零行,则都出现在下面.②如果它有非零行,则每个非零行的第一个非0元素所在的列号自上而下严格单调递增.把阶梯形矩阵的每个非零行的第一个非0元素所在的位置称为台角.简单阶梯形矩阵:是特殊的阶梯形矩阵,特点为:③台角位置的元素为1.④并且其正上方的元素都为0.每个矩阵都可以用初等行变换化为阶梯形矩阵和简单阶梯形矩阵.这种运算是在线性代数的各类计算题中频繁运用的基本运算,必须十分熟练.请注意: 1.一个矩阵用初等行变换化得的阶梯形矩阵并不是唯一的,但是其非零行数和台角位置是确定的.2. 一个矩阵用初等行变换化得的简单阶梯形矩阵是唯一的.4. 线性方程组的矩阵消元法线性方程组的基本方法即中学课程中的消元法:用同解变换把方程组化为阶梯形方程组(即增广矩阵为阶梯形矩阵的方程组).线性方程组的同解变换有三种:①交换两个方程的上下位置.②用一个非0的常数乘某个方程.③把某个方程的倍数加到另一个方程上.以上变换反映在增广矩阵上就是三种初等行变换.线性方程组求解的基本方法是消元法,用增广矩阵或系数矩阵来进行,称为矩阵消元法. 对非齐次线性方程组步骤如下:(1)写出方程组的增广矩阵(A|β),用初等行变换把它化为阶梯形矩阵(B|γ).(2)用(B|γ)判别解的情况:如果最下面的非零行为(0,0, ⋯,0|d),则无解,否则有解.有解时看非零行数r(r不会大于未知数个数n),r=n时唯一解；r<n时无穷多解.(推论:当方程的个数m<n时,不可能唯一解.)(3)有唯一解时求解的初等变换法:去掉(B|γ)的零行,得到一个n×(n+1)矩阵(B0|γ0),并用初等行变换把它化为简单阶梯形矩阵(E|η),则η就是解.对齐次线性方程组:(1)写出方程组的系数矩阵A,用初等行变换把它化为阶梯形矩阵B.(2)用B判别解的情况:非零行数r=n时只有零解；r<n时有非零解(求解方法在第五章讲). (推论:当方程的个数m<n时,有非零解.)讨论题1.设A是n阶矩阵,则(A) A是上三角矩阵⇒A是阶梯形矩阵.(B) A是上三角矩阵⇐A是阶梯形矩阵.(C) A是上三角矩阵⇔A是阶梯形矩阵.(D) A是上三角矩阵与A是阶梯形矩阵没有直接的因果关系.2.下列命题中哪几个成立?(1) 如果A是阶梯形矩阵,则A去掉任何一行还是是阶梯形矩阵.(2) 如果A是阶梯形矩阵,则A去掉任何一列还是是阶梯形矩阵.(3) 如果(A|B)是阶梯形矩阵,则A也是阶梯形矩阵.(4) 如果(A|B)是阶梯形矩阵,则B也是阶梯形矩阵.(5) 如果 A 是阶梯形矩阵,则A和B都是阶梯形矩阵.B第二讲行列式一.概念复习1. 形式和意义形式:用n2个数排列成的一个n行n列的表格,两边界以竖线,就成为一个n阶行列式:a11 a12 (1)a21 a22 (2)……… .a n1 a n2… a nn如果行列式的列向量组为α1, α2, … ,αn,则此行列式可表示为|α1, α2, … ,αn|.意义:是一个算式,把这n2个元素按照一定的法则进行运算,得到的数值称为这个行列式的值.请注意行列式和矩阵在形式上和意义上的区别.当两个行列式的值相等时,就可以在它们之间写等号! (不必形式一样,甚至阶数可不同.)每个n阶矩阵A对应一个n阶行列式,记作|A|.行列式这一讲的的核心问题是值的计算,以及判断一个行列式的值是否为0.2. 定义(完全展开式)2阶和3阶行列式的计算公式:a11 a12a21 a22 = a11a22-a12a21 .a11 a12 a13a21 a22 a23 = a11a22a33+ a12a23a31+ a13a21a32-a13a22a31- a11a23a32-a12a21a33.a31 a32 a33一般地,一个n阶行列式a11 a12 (1)a21 a22 (2)………a n1 a n2… a nn的值是许多项的代数和,每一项都是取自不同行,不同列的n个元素的乘积,其一般形式为:,这里把相乘的n个元素按照行标的大小顺序排列,它们的列标j1j2…j n构成1,2, …,n的一个全排列(称为一个n元排列),共有n!个n元排列,每个n元排列对应一项,因此共有n!个项.所谓代数和是在求总和时每项先要乘+1或-1.规定τ(j1j2…j n)为全排列j1j2…j n的逆序数(意义见下面),则项所乘的是全排列的逆序数即小数排列在大数右面的现象出现的个数.逆序数可如下计算:标出每个数右面比它小的数的个数,它们的和就是逆序数.例如求436512的逆序数:, τ(436512)=3+2+3+2+0+0=10.至此我们可以写出n阶行列式的值:a11 a12 (1)a21 a22… a2n =………a n1 a n2… a nn这里表示对所有n元排列求和.称此式为n阶行列式的完全展开式.用完全展开式求行列式的值一般来说工作量很大.只在有大量元素为0,使得只有少数项不为0时,才可能用它作行列式的计算.例如对角行列式,上(下)三角行列式的值就等于主对角线上的元素的乘积,因为其它项都为0.2. 化零降阶法把n阶行列式的第i行和第j列划去后所得到的n-1阶行列式称为(i,j)位元素a ij的余子式,记作M ij.称A ij=(-1)i+j M ij为元素a ij的代数余子式.定理(对某一行或列的展开)行列式的值等于该行(列)的各元素与其代数余子式乘积之和.命题第三类初等变换(倍加变换)不改变行列式的值.化零降阶法用命题把行列式的某一行或列化到只有一个元素不为0,再用定理.于是化为计算一个低1阶的行列式.化零降阶法是实际计算行列式的主要方法,因此应该熟练掌握.3.其它性质行列式还有以下性质:①把行列式转置值不变,即|A T|=|A| .②某一行(列)的公因子可提出.于是, |c A|=c n|A|.③对一行或一列可分解,即如果某个行(列)向量α=β+γ ,则原行列式等于两个行列式之和,这两个行列式分别是把原行列式的该行(列)向量α换为β或γ 所得到的行列式.例如|α,β1+β2,γ |=|α,β1,γ |+|α,β2,γ |.④把两个行(列)向量交换, 行列式的值变号.⑤如果一个行(列)向量是另一个行(列)向量的倍数,则行列式的值为0.⑥某一行(列)的各元素与另一行(列)的对应元素的代数余子式乘积之和=0.⑦如果A与B都是方阵(不必同阶),则A * = A O =|A||B|.O B * B范德蒙行列式：形如1 1 1 (1)a1 a2 a3 … a na12 a22 a32… a n2…………a1n-i a2n-i a3n-i… a n n-i的行列式(或其转置).它由a1,a2 ,a3,…,a n所决定,它的值等于因此范德蒙行列式不等于0⇔ a1,a2 ,a3,…,a n两两不同.对于元素有规律的行列式(包括n阶行列式),常常可利用性质简化计算,例如直接化为三角行列式等.4.克莱姆法则克莱姆法则应用在线性方程组的方程个数等于未知数个数n (即系数矩阵为n阶矩阵)的情形.此时,如果它的系数矩阵的行列式的值不等于0,则方程组有唯一解,这个解为(D1/D, D2/D,⋯,D n/D),这里D是系数行列式的值, D i是把系数行列式的第i个列向量换成常数列向量所得到的行列式的值.说明与改进:按法则给的公式求解计算量太大，没有实用价值.因此法则的主要意义在理论上,用在对解的唯一性的判断,而在这方面法则不够. 法则的改进:系数行列式不等于0是唯一解的充分必要条件.实际上求解可用初等变换法:对增广矩阵(A|β)作初等行变换,使得A变为单位矩阵:(A|β)→(E|η),η就是解.用在齐次方程组上 :如果齐次方程组的系数矩阵A是方阵,则它只有零解的充分必要条件是|A|≠0.二. 典型例题1.利用性质计算元素有规律的行列式例1① 2 a a a a ② 1+x 1 1 1 ③ 1+a 1 1 1a 2 a a a 1 1+x 1 1 2 2+a 2 2a a 2 a a . 1 1 1+x 1 . 3 3 3+a 3 .a a a 2 a 1 1 1 1+x 4 4 4 4+aa a a a 2例2 1 2 3 4 52 3 4 5 13 4 5 1 2 .4 5 1 2 35 1 2 3 4例3 1+x1 1 1 11 1+x2 1 1 .1 1 1+x3 11 1 1 1+x4例4 a 0 b c0 a c b .b c a 0c b 0 a例5 1-a a 0 0 0-1 1-a a 0 00 -1 1-a a 0 . (96四)0 0 -1 1-a a0 0 0 -1 1-a2. 测试概念与性质的题例6 x3-3 1 -3 2x+2多项式f(x)= -7 5 -2x 1 ，求f(x)的次数和最高次项的系数.X+3 -1 33x2-29 x3 6 -6例7求 x-3 a -1 4f(x)= 5 x-8 0 –2 的x4和x3的系数.0 b x+1 12 2 1 x例8 设4阶矩阵A=(α, γ1, γ2 ,γ3),B=(β, γ1, γ2 ,γ3),|A|=2, |B|=3 ,求|A+B| .例9 a b c d已知行列式 x -1 -y z+1 的代数余子式A11=-9,A12=3,A13=-1,A14=3,求x,y,z.1 -z x+3 yy-2 x+1 0 z+3例10 求行列式 3 0 4 0 的第四行各元素的余子式的和.(01)2 2 2 20 -7 0 05 3 -2 23.几个n阶行列式两类爪形行列式及其值:例11 a1 a2 a3… a n-1 a nb1 c2 0 … 0 0证明 0 b2 c3 0 0 =.…………0 0 0 …b n-1 c n提示: 只用对第1行展开(M1i都可直接求出).例12 a0 a1 a2… a n-1 a nb1 c1 0 … 0 0证明 b2 0 c2… 0 0 =.…………b n 0 0 …0c n提示: 只用对第1行展开(M1i都可直接求出).另一个常见的n阶行列式:例13 证明a+b b 0 … 0 0a a+b b … 0 0………… = (当a≠b时).0 0 0 … a+b b0 0 0 a a+b提示:把第j列(行)的(-1)j-1倍加到第1列(行)上(j=2,…,n),再对第1列(行)展开.4.关于克莱姆法则的题例14设有方程组x1+x2+x3=a+b+c,ax1+bx2+cx3=a2+b2+c2,bcx1+acx2+abx3=3abc.(1)证明此方程组有唯一解的充分必要条件为a,b,c两两不等.(2)在此情况求解.参考答案例1 ①(2+4a)(2-a)4.② x3(x+4). ③ a3(a+10).例2 1875.例3 x1x2x3x4+x2x3x4+x1x3x4+x1x2x4+x1x2x3.例4 (a+b+c)(a+b-c)(a-b+c)(a-b-c).例5 1-a+a2-a3+a4-a5.例6 9,-6例7 1,-10.例8 40.例9 x=0,y=3,z=-1.例10 -28.例14 x1=a,x2=b,x3=c..第三讲矩阵一．概念复习1. 矩阵乘法的定义和性质定义2.1 当矩阵A的列数和B的行数相等时,和A和B可以相乘,乘积记作AB. AB的行数和A相等,列数和B相等. AB的(i,j)位元素等于A的第i个行向量和B的第j个列向量(维数相同)对应分量乘积之和. 设 a11 a12... a1n b11 b12... b1s c11 c12 (1)A= a21 a22... a2n B= b21 b22... b2s C=AB=c21 c22 (2)………………………a m1 a m2… a mn ,b n1 b n2… b ns ,c m1 c m2… c ms ,则c ij=a i1b1j+a i2b2j+…+a in b nj.矩阵的乘法在规则上与数的乘法有不同:①矩阵乘法有条件.②矩阵乘法无交换律.③矩阵乘法无消去律,即一般地由AB=0推不出A=0或B=0.由AB=AC和A≠0推不出B=C.(无左消去律)由BA=CA和A≠0推不出B=C. (无右消去律)请注意不要犯一种常见的错误:把数的乘法的性质简单地搬用到矩阵乘法中来.矩阵乘法适合以下法则:①加乘分配律 A(B+C)= AB+AC,(A+B)C=AC+BC.②数乘性质 (c A)B=c(AB).③结合律 (AB)C= A(BC).④ (AB)T=B T A T.2. n阶矩阵的方幂和多项式任何两个n阶矩阵A和B都可以相乘,乘积AB仍是n阶矩阵.并且有行列式性质:|AB|=|A||B|.如果AB=BA,则说A和B可交换.方幂设k是正整数, n阶矩阵A的k次方幂A k即k个A的连乘积.规定A 0=E.显然A的任何两个方幂都是可交换的,并且方幂运算符合指数法则:①A k A h= A k+h.② (A k)h= A kh.但是一般地(AB)k和A k B k不一定相等!n阶矩阵的多项式设f(x)=a m x m+a m-1x m-1+…+a1x+a0,对n阶矩阵A规定f(A)=a m A m+a m-1A m-1+…+ a1A+a0E.称为A的一个多项式.请特别注意在常数项上加单位矩阵E.乘法公式一般地,由于交换性的障碍,小代数中的数的因式分解和乘法公式对于n阶矩阵的不再成立.但是如果公式中所出现的n阶矩阵互相都是乘法交换的,则乘法公式成立.例如当A和B可交换时,有:(A±B)2=A2±2AB+B2;A2-B2=(A+B)(A-B)=(A+B)(A-B).二项展开式成立: 等等.前面两式成立还是A和B可交换的充分必要条件.同一个n阶矩阵的两个多项式总是可交换的. 一个n阶矩阵的多项式可以因式分解.3. 分块法则矩阵乘法的分块法则是简化矩阵乘法的一种方法.对两个可以相乘的矩阵A和B,可以先用纵横线把它们切割成小矩阵(一切A的纵向切割和B的横向切割一致!),再用它们来作乘法.(1)两种常见的矩阵乘法的分块法则A11 A12 B11 B12 = A11B11+A12B21 A11B12+A12B22A21 A22 B21 B22 A21B11+A22B21 A21B12+A22B22要求A ij的列数B jk和的行数相等.准对角矩阵的乘法:形如A1 0 0A= 0 A2 0………0 0 …A n的矩阵称为准对角矩阵,其中A1,A2,…,A k都是方阵.两个准对角矩阵A1 0 ... 0 B1 0 0A= 0 A2 ... 0 , B= 0 B2 0………………0 0 …A k 0 0 …B k如果类型相同,即A i和B i阶数相等,则A1B1 0 0AB = 0 A2B2 … 0 .………00 …A k B k(2)乘积矩阵的列向量组和行向量组设A是m⨯n矩阵B是n⨯s矩阵. A的列向量组为α1,α2,…,αn,B的列向量组为β1, β2,…,βs, AB的列向量组为γ1, γ2,…,γs,则根据矩阵乘法的定义容易看出(也是分块法则的特殊情形):①AB的每个列向量为:γi=Aβi,i=1,2,…,s.即A(β1, β2,…,βs)=(Aβ1,Aβ2,…,Aβs).②β=(b1,b2,…,b n)T,则Aβ= b1α1+b2α2+…+b nαn.应用这两个性质可以得到:如果βi=(b1i,b2i,…,b ni)T,则γi=AβI=b1iα1+b2iα2+…+b niαn.即:乘积矩阵AB的第i个列向量γi是A的列向量组α1, α2,…,αn的线性组合,组合系数就是B的第i个列向量βi的各分量.类似地, 乘积矩阵AB的第i个行向量是B的行向量组的线性组合,组合系数就是A的第i个行向量的各分量.以上规律在一般教材都没有强调,但只要对矩阵乘法稍加分析就不难得出.它们无论在理论上和计算中都是很有用的.(1) 当两个矩阵中,有一个的数字很简单时,直接利用以上规律写出乘积矩阵的各个列向量或行向量,从而提高了计算的速度.(2) 利用以上规律容易得到下面几个简单推论:用对角矩阵Λ从左侧乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的各行向量; 用对角矩阵Λ从右侧乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的各列向量.数量矩阵k E乘一个矩阵相当于用k乘此矩阵；单位矩阵乘一个矩阵仍等于该矩阵.两个同阶对角矩阵的相乘只用把对角线上的对应元素相乘.求对角矩阵的方幂只需把对角线上的每个元素作同次方幂.(3) 矩阵分解:当一个矩阵C的每个列向量都是另一个A的列向量组的线性组合时,可以构造一个矩阵B,使得C=AB.例如设A=(α,β,γ), C=(α+2β-γ,3α-β+γ,α+2γ),令1 3 1B= 2 -1 0 ,则C=AB.-1 1 2(4) 初等矩阵及其在乘法中的作用对单位矩阵E作一次初等(行或列)变换,所得到的矩阵称为初等矩阵.有三类初等矩阵:E(i,j):交换E的i,j两行(或列)所得到的矩阵.E(i(c)):用非0数c乘E的第i行(或列)所得到的矩阵.也就是把E的对角线上的第i个元素改为c.E(i,j(c))(i≠j):把E的第j行的c倍加到第i行上(或把第i列的c倍加到第j列上)所得到的矩阵, 也就是把E的(i,j)位的元素改为c.命题对矩阵作一次初等行(列)变换相当于用一个相应的初等矩阵从左(右)乘它.4. 矩阵方程和可逆矩阵(伴随矩阵)(1) 矩阵方程矩阵不能规定除法,乘法的逆运算是解下面两种基本形式的矩阵方程:(I) AX=B.(II) XA=B.这里假定A是行列式不为0的n阶矩阵,在此条件下,这两个方程的解都是存在并且唯一的.(否则解的情况比较复杂.)当B只有一列时,(I)就是一个线性方程组.由克莱姆法则知它有唯一解.如果B有s列,设B=(β1, β2,…,βs),则 X也应该有s列,记X=(X1,X2,…,X s),则有AX i=βi,i=1,2,…,s,这是s个线性方程组.由克莱姆法则,它们都有唯一解,从而AX=B有唯一解.这些方程组系数矩阵都是A,可同时求解,即得(I)的解法:线性代数讲义将A和B并列作矩阵(A|B),对它作初等行变换,使得A变为单位矩阵,此时B变为解X.(A|B)→(E|X)(II)的解法:对两边转置化为(I)的形式:A T X T=B T.再用解(I)的方法求出X T,转置得X..(A T|B T)→(E|X T)矩阵方程是历年考题中常见的题型,但是考试真题往往并不直接写成(I)或(II)的形式,要用恒等变形简化为以上基本形式再求解.(2) 可逆矩阵的定义与意义定义设A是n阶矩阵,如果存在n阶矩阵B,使得AB=E, BA=E,则称A为可逆矩阵.此时B是唯一的,称为A的逆矩阵,通常记作A-1.如果A可逆,则A在乘法中有消去律:AB=0⇒B=0；AB=AC⇒B=C.(左消去律)；BA=0⇒B=0；BA=CA⇒B=C. (右消去律)如果A可逆,则A在乘法中可移动(化为逆矩阵移到等号另一边):AB=C⇔B=A-1C. BA=C⇔B=CA-1.由此得到基本矩阵方程的逆矩阵解法:(I) AX=B的解X=A-1B .(II) XA=B的解X= BA-1.这种解法想法自然，好记忆,但是计算量比初等变换法大(多了一次矩阵乘积运算).(3) 矩阵可逆性的判别与性质定理 n阶矩阵A可逆⇔|A|≠0.证明“⇒”对AA-1=E两边取行列式,得|A||A-1|=1,从而|A|≠0. (并且|A-1|=|A|-1.)“⇐”因为|A|≠0,矩阵方程AX=E和XA=E都有唯一解.设B,C分别是它们的解,即AB=E, CA=E. 事实上B=C(B=EB=CAB=CE=C),于是从定义得到A可逆.推论如果A和B都是n阶矩阵,则AB=E⇔BA=E.于是只要AB=E(或BA=E)一式成立,则A和B都可逆并且互为逆矩阵.可逆矩阵有以下性质:①如果A可逆,则A-1也可逆,并且(A-1)-1=A.1 / 1。
线性代数辅导讲义
线性代数辅导讲义线性代数辅导讲义_________________________________线性代数是一门重要的基础学科，它是许多学科的基础，如应用数学、工程学、物理学、经济学和计算机科学等。
它既可以用于描述实际问题，又能用于解决实际问题。
线性代数是学习数学的基础，许多大学和高中都开设了这门课程。
线性代数的内容主要包括：向量空间、矩阵论、行列式、线性方程和相关应用。
其中，向量空间是研究向量的一个重要分支，它将向量的表示、线性相关性、基和子空间等方面进行了深入的探讨。
矩阵论是研究矩阵的一个分支，它主要涉及到矩阵的表示、特征分解、幂运算、正定性、特征值和特征向量等。
行列式是对一个特定的m×n矩阵A的函数，它由m×n个未知数构成，可以用来表示某些特殊的几何形体。
线性方程是一个或多个未知数的一元或多元函数的零点方程，其中未知数的个数小于方程的阶数。
它的解可以用来解决实际问题，如课题优化、信号处理、图像处理、最小二乘法和特征分析等。
随着数学与计算机技术的发展，线性代数的应用也越来越广泛，如信号处理、机器学习和深度学习。
此外，由于人工智能技术的发展，大量数据需要通过大量数学模型进行处理，因此对于这些技术来说，学习和掌握线性代数是必不可少的。
本文探讨了线性代数的相关内容，以帮助读者加深对这门学科的理解。
向量空间、矩阵论、行列式、线性方程是其中的几个重要部分，而随着信息技术的发展，它们都变得越来越重要。
因此，学习并掌握这些内容是有必要的。
在学习这门学科时，可以通过多样化的方式来加强理解，如看书、上课、上课后自学或与他人交流来加强理解。
此外，可以通过实际应用来学习，如使用Matlab、Maple、Mathematica或Excel 来分析数据；或者使用Python、C++或Java来进行机器学习或深度学习。
本文介绍了学习和掌握线性代数的一些常见方法，并介绍了它在信息技术中的应用。
希望本文能够帮助读者对这门学科有更深入的理解，从而使他们能够在信息时代中发挥关键作用。
线性代数考研讲义完整版
线性代数考研讲义完整版前言线性代数是数学中的重要分支，也是计算机科学和物理学等领域中不可或缺的基础知识。
在考研数学中，线性代数是必考内容，因此对线性代数的掌握程度也是考生考研数学成绩的重要指标之一。
在本篇文章中，我们将介绍线性代数考研讲义的完整版，包括向量、矩阵、行列式、线性方程组、特征值、特征向量等知识点，帮助考生全面掌握线性代数的基本原理和应用。
第一章向量1.1 向量的基本概念•向量是有大小和方向的量，在平面和空间中表示为有向线段。
•向量的大小称为模长，方向由箭头所指示。
•向量之间可以进行加、减、数乘等运算。
1.2 向量的几何意义•向量可以表示平移和旋转等变换。
•向量运算可以表示点与直线、点与面的关系。
1.3 向量的坐标表示•向量的坐标表示可以转化为矩阵的形式。
•两个向量的数量积可以表示为它们坐标的点积。
1.4 向量的线性运算•向量加、减、数乘的线性运算满足交换律、结合律、分配律等基本性质。
•向量组的线性运算可以表示为矩阵的形式。
第二章矩阵2.1 矩阵的基本概念•矩阵是一个由数个数排成的矩形数表。
•矩阵可以表示为行向量和列向量的组合形式。
•矩阵的大小也称为维数，行数和列数分别表示为矩阵的行数和列数。
2.2 矩阵的运算•矩阵加法、减法、数乘等运算满足基本性质。
•矩阵乘法满足结合律，但不满足交换律。
•矩阵的转置、伴随矩阵等运算也具有重要的应用意义。
2.3 矩阵的初等变换•矩阵的初等变换包括交换矩阵的两行（列）、某行（列）乘以一个非零数、某行（列）乘以非零数加到另一行（列）上等三种操作。
•矩阵的初等变换可以通过矩阵乘法表示为简单矩阵的乘积，也称为初等矩阵。
第三章行列式3.1 行列式的定义•行列式是一个数值函数，是一个方阵中各行各列对应元素的代数和。
•若行列式的值为零，则该矩阵为奇异矩阵，否则为非奇异矩阵。
3.2 行列式的性质•行列式可以表示为对角线元素的乘积形式。
•行列式的任意两行（列）互换改变行列式的符号，相同的两行（列）使行列式为零。
《线性代数》部分讲义（Word版）
《线性代数》部分讲义（Word版）GCT 线性代数辅导第一讲行列式一. 行列式的定义● 一阶行列式定义为1111a a =● 二阶行列式定义为2112221122211211a a a a a a a a -=● 在n 阶行列式中，划去元素ij a 所在的第i 行第j 列，剩余元素构成1-n 阶行列式，称为元素ij a 的余子式，记作ij M ．● 令ij j i ij M A +-=)1(，称ij A 为ij a 的代数余子式．●n 阶行列式定义为n n nnn n nn A a A a A a a a a a a a a a a 1112121111212222111211+++=．二. 行列式的性质1.行列式中行列互换，其值不变．=333231232221131211a a a a a a a a a 332313322212312111a a a a a a a a a 2.行列式中两行对换，其值变号．=333231232221131211a a a a a a a a a –333231131211232221a a a a a a a a a 3.行列式中如果某行元素有公因子，可以将公因子提到行列式外．=333231232221131211a a a ka ka ka a a a 333231232221131211a a a a a a a a a k4.行列式中如果有一行每个元素都由两个数之和组成，行列式可以拆成两个行列式的和．=+++333231232322222121131211a a a b a b a b a a a a +333231232221131211a a a a a a a a a 333231232221131211a a a b b b a a a 由以上四条性质，还能推出下面几条性质5.行列式中如果有两行元素对应相等，则行列式的值为０．6.行列式中如果有两行元素对应成比例，则行列式的值为０．7.行列式中如果有一行元素全为０，则行列式的值为０．8.行列式中某行元素的k 倍加到另一行，其值不变．=333231232221131211a a a a a a a a a 133312321131232221131211ka a ka a ka a a a a a a a +++三.n 阶行列式展开性质nnn n nn a a a a a a a a a D212222111211= 等于它的任意一行的各元素与其对应代数余子式的乘积的和，即in in i i i i A a A a A a D +++= 2211 n i ,,2,1 = ● 按列展开定理nj nj j j j j A a A a A a D +++= 2211 n j ,,2,1 =●n 阶行列式D 的某一行的各元素与另一行对应元素的代数余子式的乘积的和等于零．即02211=+++jn in j i j i A a A a A a j i ≠ ● 按列展开的性质02211=+++nj ni j i j i A a A a A a j i ≠四.特殊行列式●nn nna a a a a a22112211=;()11212)1(11211n n n n n n n na a a a a a ----=● 上（下）三角行列式和上面的对角行列式的结果相同.五.计算行列式● 消零降阶法.● 消为特殊行列式（上（下）三角行列式或和对角行列式）..典型习题1. =3D xx x 121332=（）。
线性代数(经管类)讲义
⎧a11x1 + a12 x2 + L + a1n xn = b1,
⎪⎪ ⎨ ⎪
a21x1 + a22 x2 + L + a2n xn = LLLLLLLLLL
b2
,
⎩⎪an1x1 + an2 x2 + L + ann xn = bn
如果其系数行列式 D
=
aij
n
≠
0 ，则方程组必有唯一解： x j
元齐次线性方程组有非零解的充分必要条件是系数行列式等于零.
14/53
例4
当
λ
取何值时，齐次线性方程组
⎧(1 ⎪ ⎨
− 2
λ)x1 − x1 + (3
2 −
x2 λ)
+ 4x3 = x2 + x3
0 =
0
只有零解？
⎪⎩ x1 + x2 + (1 − λ)x3 = 0
解：方程组的系数行列式
1−λ −2 4
2 0
7025
7025
725
5 31 2
2列 + 5×1列 1
0
0 按第二行展开 31
2 = 81
37 5
7 37 5
10/53
abbb babb 例 2 计算行列式 D4 = b b a b bbba
解：方法 1 这个行列式的元素含有文字，在计算它的值时，切忌用文字作字母，因为文字可能取 0
同型,且对应元素相等，即 aij = bij ，则称矩阵 A 与 B 相等，记为 A = B
因而只有当两个矩阵从型号到元素全一样的矩阵，才能说相等.
2．矩阵的加、减法 设 A = (aij )m×n ， B = (bij )m×n 是两个同型矩阵则规定
线性代数总复习讲义PPT课件
在计算机科学中的应用
01
Байду номын сангаас
02
03
04
线性代数在计算机科学中也有 着广泛的应用，如图像处理、 机器学习和数据挖掘等领域。
线性代数在计算机科学中也有 着广泛的应用，如图像处理、 机器学习和数据挖掘等领域。
线性代数在计算机科学中也有 着广泛的应用，如图像处理、 机器学习和数据挖掘等领域。
100%
相似变换法
通过相似变换将矩阵对角化，从 而得到其特征值和特征向量。
80%
数值计算法
对于一些大型稀疏矩阵，可以使 用数值计算方法来计算其特征值 和特征向量。
特征值与特征向量的应用
01
在物理、工程等领域中，特征值和特征向量被广泛 应用于求解振动、波动等问题。
02
在图像处理中，特征值和特征向量被用于图像压缩 和图像识别。
二次型的应用与优化问题
总结词
了解二次型在解决优化问题中的应用
详细描述
二次型的一个重要应用是在解决优化问题中， 特别是在求解二次规划问题时。通过将问题 转化为二次型的形式，可以方便地应用各种 优化算法进行求解，如梯度下降法、牛顿法 等。此外，二次型在统计分析、机器学习等 领域也有着广泛的应用。
06
矩阵的逆与行列式的值
要点一
总结词
矩阵的逆和行列式的值是线性代数中的重要概念，它们在 解决线性方程组、向量空间和特征值等问题中有着广泛的 应用。
要点二
详细描述
矩阵的逆是矩阵运算的一个重要概念，它表示一个矩阵的 逆矩阵与其原矩阵相乘为单位矩阵。逆矩阵的存在条件是 矩阵的行列式值不为零。行列式的值是一个由n阶方阵构 成的代数式，表示n个未知数的n阶线性方程组的解的系数 。行列式的值可以用来判断线性方程组是否有解以及解的 个数。同时，行列式的值也与特征值和特征向量等问题密 切相关。
2021年李永乐线性代数辅导讲义全
| n----------------------------------------------------------------------------李永乐线性代数辅导讲义在数学一 150 分的试题中，线性代数占 30 分。
题型有：三小题[每小题 4 分]：一道填空，两道选择；[（5），（ 11），（ 12）] 两大题[每大题 9 分]：计算与证明。
[（20），（ 21）]大题主要考察：1、方程组（解）、矩阵（秩）、向量组（线性相关性）转化；2、方阵的特征值、特征向量、相似对角阵、二次型的标准化。
值得注意的是：线性代数无难题，主要要求概念清楚，方法熟练。
以同济大学〈线性代数〉（第三版或第四版）为主要教材，再选用一本参考书［如，国家考试中心编写的《数学考试参考书》。
----------------------------------------------------------------------------第一讲、行列式----------------------------------------------------------------------------行列式的计算[和矩阵的初等变换]是线性代数基本功，它在矩阵[可逆，特征值，秩等]、方程组[克 莱姆法则]和向量组[线性相关性等]的研究中起着重要作用。
理解行列式概念,牢记行列式性质,重点是计算行列式:三四阶行列式和规律性强的 n 阶行列式。
行列式只考小题或作为大题中的工具，不单独考计算行列式的大题。
一、主要内容1、行列式的概念与性质定义： =∑(−1)τ ( p p ⋯p )a a ⋯a .p 1 p 2 ⋯ p n1 2 n1 p 12 p 2np n行列式是一个“数”，是取自“不同行不同列元素积的代数和”。
例如，如果一个 n 阶行列式非零元素至多有 n-1 个，则该行列式必为零。
0 又如， 0 0 4 0 0 12 0 0= (−1)τ (4231) 24 = −24。
线性代数(经管类)讲义
高数线性代数课堂笔记第一章行列式线性代数学的核心内容是：研究线性方程组的解的存在条件、解的结构以及解的求法。
所用的基本工具是矩阵，而行列式是研究矩阵的很有效的工具之一。
行列式作为一种数学工具不但在本课程中极其重要，而且在其他数学学科、乃至在其他许多学科（例如计算机科学、经济学、管理学等）都是必不可少的。
1.1行列式的定义（一）一阶、二阶、三阶行列式的定义）定义：符号叫一阶行列式，它是一个数，其大小规定为：。
注意：在线性代数中，符号不是绝对值。
例如，且；）定义：符号叫二阶行列式，它也是一个数，其大小规定为：所以二阶行列式的值等于两个对角线上的数的积之差。
例如）符号叫三阶行列式，它也是一个数，其大小规定为例如=0三阶行列式的计算比较复杂，为了帮助大家掌握三阶行列式的计算公式，我们可以采用下面的对角线法记忆方法是：在已给行列式右边添加已给行列式的第一列、第二列。
我们把行列式左上角到右下角的对角线叫主对角线，把右上角到左下角的对角线叫次对角线，这时，三阶行列式的值等于主对角线的三个数的积与和主对角线平行的线上的三个数的积之和减去次对角线三个数的积与次对角线的平行线上数的积之和。
例如：（1）=1×5×9+2×6×7+3×4×8-3×5×7-1×6×8-2×4×9=0（2）（3）（2）和（3）叫三角形行列式，其中（2）叫上三角形行列式，（3）叫下三角形行列式，由（2）（3）可见，在三阶行列式中，三角形行列式的值为主对角线的三个数之积，其余五项都是0，例如例1a为何值时，[答疑编号10010101：针对该题提问]解因为所以8-3a=0，时例2当x取何值时，[答疑编号10010102：针对该题提问]解：解得0<x<9所以当0<x<9时，所给行列式大于0。
（二）n阶行列式符号：它由n行、n列元素（共个元素）组成，称之为n阶行列式。
- 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)。
A i I x 0
的非零解,就是对应于i的特征向量.
思考题
设4阶方阵A满足条件 3I A 0, AAT 2I , A 0,求A的一个特征值.
思考题解答
解 因为 A 0,故A可逆.由 3I A 0知 3是A的一个特征值,从而 1 是 A1的一个特征
解 A的特征多项式为
A I 3 1 (3 )2 1 1 3
8 6 2 (4 )(2 ) 解特征方程 A I 0
即得A的特征值为 2, 4.
1
2
当 2时,对应的特征向量应满足 1
3 2 1
1 32
x1 x2
0 0
即 解得 x1
xx1 1xx2 200, . x2, 所以对应的特征向量可取为 p
1
0 2
所以A的特征值为1 2, 2 3 1.
( 若称某特征值作为重根的次数叫做它的代数重数，
则特征值 2 1的代数重数 m2 为 2 )
当 2时,解方程( A 2I )x 0.由
1
3 A 2I 4
1
1 1 0
0 0
~
0 0
1
0
0
0 1 0
0
0
0
得基础解系
p1 0,
得基础解系
1 p2 2, 1
所以kP2(k 0)是对应于
2
1的全部特征
3
向量. 显然，2 1 2 m2 .
解毕
例３
设A
2 0
1 2
1 0
,求A的特征值与特征向量．
4 1 3
解:
2 1 1
A I 0 2 0
4 1 3
( 1) 22
令 ( 1) 22 0，
说明:1. 特征向量x 0, 特征值问题是对方阵而言的.
2. n阶方阵A的特征值,就是使齐次线性方程组
A I x 0 有非零解的 值 , 即满足方程 A I
0的都是矩阵A的特征值.
3. A I 0
a11 a12
a21
a22
a1n a2n 0
an1
an2 ann
3 值. 又由 AAT 2I得 AAT 2I 16,即
A 2 16, 于是 A 4, 但 A 0, 因此 A 4,
故 A有一个特征值为
A
4. 3
(利用了性质：A x A x. )
(1) 1 2 n a11 a22 ann; 证：(2) 由 A I (1 )(2 ) (n )， 既然是等式，即对 的任意取值都成立，故以 0代入上式，即得
(2) 12 n A .
二、特征值与特征向量的求法
例1 求A 3 1的特征值和特征向量. 1 3
再由Ax x可得
x A1Ax A1x A1x
A1 x 1 x 故 1是矩阵A 1的特征值, 且x是A 1对应于 1
的特征向量.
解毕
三、特征值和特征向量的性质
1. 设 n阶方阵 A aij 的特征值为1,2, ,
n ,则有
(1)
1
2
n
n
a11
a22
ann
即 i tr( A)
得A的特征值为1 1,2 3 2.
当1 1时,解方程A I x 0.由
1 A I 0
1 3
1 0
~
1 0
0 1
1 0 ,
4 1 4 0 0 0
得基础解系
1 p1 0, 1
故对应于1 1的全体特征向量为
k p1
(k 0).
当2 3 2时,解方程A 2I x 0.由
称以为未知数的一元 n次方程 A I 0
为A的特征方程 .
记 f A I ,它是的n次多项式, 称其
为方阵A的 特征多项式 .
4. 设 n阶方阵 A aij 的特征值为1, 2 , ,
n , 则有 (1) 1 2 n a11 a22 ann；
(2) 12 n A .
5.1方阵的特征值与特征向量
一、特征值与特征向量的概念 二、特征值与特征向量的求法 三、特征值与特征向量的性质 四、小节、思考题
一、特征值与特征向量的概念
定义1 设A是n阶矩阵,如果数和n维非零列向量 x
使关系式
Ax x 成立, 那末, 这样的数称为方阵A的特征值, 非零向 量x称为A的对应于特征值的特征向量.
由 12 n A，知 0， 再由Ax x可得
A x A Ix AAx Ax A x
A x A x
5.设1,2 , ,m是方阵A的m个特征值, p1, p2 , , pm依次是与之对应的特征向量.如果1,2 , ,m
各不相等,则 p1, p2 , , pm 线性无关.
证: 设有常数 x1, x2 , , xm 使 x1 p1 x2 p2 xm pm 0
1 ；
1 1
当 4时,由 2
3 4 1
1 34
x1 x2
0 0
,即
1 1
1 1
x1 x2
0 0
,
解得 x1 x2,所以对应的特征向量可取为
p 1. 2 1
例２
求矩阵A
1 4
1 3
00 的特征值和特征向量.
1 0 2
解：A的特征多项式为
1 1 0
A I 4 3 0 (2 )(1 )2,
1
( 若称( A i I )x 0线性无关解的个数叫做i 的
几何重数，则特征值1 2 的几何重数 1 为1 )
所以kP1(k 0)是对应于
2的全部特征向量.
1
当 1时,解方程 ( A 1 I )x 0.由
2
3
2 A I 4
1 2
0 0
~
1 0
0 1
1 2,
1 0 1 0 0 0
4 A 2I 0
1 0
1 0
~
4 0
1 0
1 0,
4 1 1 0 0 0
得基础解系为：
0 p2 1 , 1
1 p3 0, 4
所以对应于 2 3 2的全部特征向量为 :
k2 p2 k3 p3 (k2 , k3不同时为0). 解毕
例４ 证明：若 是矩阵A的特征值，x 是A的属于 的特征向量，则
所以向量组 p1, p2 , , pm 线性无关.
注意：
１. 同一个矩阵，属于不同特征值的特征向量 是线性无关的．
２. 同一个矩阵，属于同一特征值的特征向量 的非零线性组合仍是属于这个特征值的特征向量．
３. 矩阵的特征向量总是相对于矩阵的特征 值而言的，一个特征值对应的特征向量不唯一； 但一个特征向量却只能属于一个确定的特征值．
i 1 n
(2) 12 n i A.
i 1
2. 设A的特征值对应的特征向量为 x, 则A的
多项式 ( A) a0I a1A am Am
有特征值 ( ) a0 a1 amm , 对应的特征
向量仍为 x.
3. 方阵A与AT的特征值相同，但特征向量却 未必一样.
证：由 AT I ( A I )T A I 0
则 Ax1 p1 x2 p2 xm pm 0, 即
1 x1 p1 2 x2 p2 m xm pm 0,
类推之，有 1k x1 p1 k2 x2 p2 km xm pm 0.
k 1,2, ,m 1
把上列各式合写成矩阵形式，得
1
1
m1 1
x1 p1, x2 p2 ,
因为, 如果设x同时是A的属于特征值 1 , 2的
1 2 的特征向量,即有
Ax 1x, Ax 2 x 1 x 2 x
1 2 x 0,
由于1 2 0, 则x 0, 与特征向量的定义矛盾 .
四、小结
求矩阵特征值与特征向量的步骤：
1. 计算A的特征多项式 A I ;
2. 求特征方程 A I 0的全部根1,2 , ,n ,就是A的全部特征值;
(1) m是Am的特征值m是任意正整数.
(2) 当A可逆时,1是A1的特征值.
证明 1 Ax x AAx Ax Ax x A2 x 2 x
再继续施行上述步骤 m 2次，就得 Am x m x
故m 是矩阵Am的特征值,且 x是 Am 对应于m的特
征向量.
2当A可逆时, 由 12 n A，知 0，
证：(1) 由 A I (1 )(2 ) (n )
a11
a12
a1n
a21
a22
a2n
an1
an2 ann
比较第二个等号两端n1项的系数，知 等号左端 n1的系数为
(1 2 n )
而根据行列式的展开定义，知 右端 n1项的系数为
(a11 a22 ann ) 由同次项系数应该相等，知成立
即知A与AT的特征值相同；
但若取A
0 0
10,
则明显A与AT的特征值均为1，2 0， 不过，
A的特征向量为 x c10,(c 0)
而AT的特征向量却为 x c10,(c 0)
4. 设Ax x,且A可逆，则
(1) A1 x 1 x;
(2) A x A x.
证（2）：当A可逆时, 即 A 0时,
,
xm
pm
1 12mm1 2 m1 m0,0,
,0
上式等号左端第二个矩阵的行列式为范德蒙行列
式,当各i不相等时,该行列式不等于0,从而该矩阵
可逆.于是有 x1 p1, x2 p2 , , xm pm 0,0, ,0,
即 xj pj 0 j 1,2, ,m.但 pj 0,故 x j 0 j 1,2, ,m.