线性代数--第三章

合集下载

线性代数第三章总结

第三章几何空间一、向量的运算1. 向量的数量积（1）在仿射坐标系123{;,,}O e e e 中给定两个向量123(,,)x x x α=，123(y ,,)y y β=，则112323(,,)y x x x A y y αβ⎛⎫ ⎪⋅= ⎪ ⎪⎝⎭，其中111213212223313233e e e e e e A e e e e e e e e e e e e ⋅⋅⋅⎛⎫ ⎪=⋅⋅⋅ ⎪ ⎪⋅⋅⋅⎝⎭. （2）在直角坐标系{;,,}O i j k 中给定两个向量123(,,)x x x α=，123(y ,,)y y β=，则131233213(,,)i i i y x x x I y x y y αβ=⎛⎫ ⎪⋅== ⎪ ⎪⎝⎭∑ ∙ =0αβαβ⊥⇔⋅2. 向量的向量积在直角坐标系{;,,}O i j k 中给定两个向量123(,,)x x x α=，123(y ,,)y y β=，则123123i jk x x x y y y αβ⨯=. ∙ //=0αβαβ⇔⨯3. 向量的混合积在直角坐标系{;,,}O i j k 中给定两个向量123(,,)x x x α=，123(y ,,)y y β=，123(,,)z z z γ=则123123123(,,)x x x y y y z z z αβγ=. ∙ (,,)0αβγαβγ⇔=，，共面例：（1）设=αβγδ⨯⨯， =αγβδ⨯⨯，证明αδ-，βγ-共线.（2）设0αββγγα⨯+⨯+⨯=，证明αβγ，，共面.（3）证明()()βγααγβγ⋅-⋅⊥.证明：（1）因为()()αδβγ-⨯-=αβαγδβδγ⨯-⨯-⨯+⨯=αβγδαγ⨯-⨯-⨯+0βδ⨯=，所以αδ-，βγ-共线.(2)因为()αβγ=，，()αβγ⨯⋅=()βγγ-⨯⋅()γαγ-⨯⋅=()βγγ-，，()γαγ-，，0=，所以αβγ，，共面.（3）因为(()βγα⋅())αγβγ-⋅⋅=()βγ⋅()αγ⋅()αγ-⋅()βγ⋅0=，所以()βγα⋅()αγβ-⋅γ⊥.二、位置关系的判断1. 两个向量的共线；三个向量的共面.2. 两条直线异面，共面（相交、平行、重合）3. 两个平面相交、平行、重合4. 直线与平面相交、平行、直线在平面上.三、距离和垂线（在右手直角坐标系中讨论）1. 点到直线的距离，垂线方程垂线方程：设直线过已知点0000,,)P x y z （方向向量为0()X Y Z υ=，，，求过111(,,)P x y z 点直线的垂线方程。

线性代数第3章向量空间

1 1 22 2 31 42 则 1 , 2 , 3 必相关 3 51 62 如果 B : 1, 2 ,, m 可由 A : 1,2 ,,n
表示, 又 m>n, 由表示不等式
r(Blm ) r( Aln ) n m 从而 B 必相关.
-26-
(6) “短的无关, 则长的也无关.等价地… ” P101推论3
无穷多种表示, 并求所有表示方法.
解记 A [1,2 ,3 ] 只需讨论 Ax 解的情况.
具体解方程组过程略。
0 时,方程组无解, 不能由 A 表示. 0 且 3时, 方程组有唯一解, 可由 A 唯一表示.
-12-
3 时, 方程组有无穷多解, 可由 A 无穷多种表示.
1
1 2
,
2
3 4
是无关的.
1
3
n r( Amn ) r(Bln ) n
1 , 2 也是无关的.
2
4
r(Bln ) n
1
再如：1
2 0 0
,
0
2
101,
0
3
9 0 1
.
-27-
(7)含有n个向量的n元向量组线性相关（无关）
由它构成的n阶矩阵的行列式 | A | 0 (| A | 0) 例4 t 取何值时,下列向量组线性相关 ? P101推论2
(用矩阵的秩) r( A) n
把向量组排成矩阵，如果矩阵的秩等于向量的个数就线性无关，否则如果矩还阵是的转秩换小！于转向换量线的性个无数关就…线性相关。
-18-
例1
1
0
2
1 1,2 2,3 4,
1
5
7
问向量组 {1,2 ,3 } 和 {1,2 }的线性相关性?

线性代数第三章

Am n 的各阶子式的总数:
min( m , n )

k 1
k k CmCn .
任意非零矩阵都至少有一个1阶非零子式(其每个非零元都可构成一个
1阶非零子式), 更高阶子式(如有)中还可能有非零的.
一个矩阵所具有的非零子式的最高阶数这一数字与该矩阵的多方面性质有关, 将这一数字定
1 A 0 0 2 2 0 1 8 0 0 8 0
0
由此知A可逆, 故系数行列式非零,于是克莱默法则也适用本题.
3
行最简形矩阵
2
(29,16, 3)
1
x1 2 x2 x3 0 x2 4 x3 4 . 例3.4.2 求解线性方程组 4 x 5 x 8 x 9 1 2 3
由性质 5
ci c n i i 1, 2,, n
~
( A, B )

R ( A) R ( B ).
证毕.
例3.3.4 设A为n阶方阵,证明: R( A E) R( A E) n. 证明:
A E
ri ( 1) i 1, 2, , n
~
EA
练习设A2=E,证明: R(A+E)+R(A-E)=n.
B的各非零行的首个非零元处在第1,2,3行、第1,2,4列, 分别对应于A 的第4,2,3行、第1,2,4列, 其交叉点处的元素构成的行列式
3 2 D 2 1 0 6
6 5 1
A的第2,3,4行、第1,3,4 列交叉点处的元素也可构成A 的最高阶非零子式.想想为什么？还可以怎么取?
就是A的一个最高阶非零子式.
R( A) R( B) 3 .
例3.3.2 解:(2)求A的一个最高阶非零子式.事实上

线性代数第三章

( b1 , b2 ,, bm 为不全为零的常数) （3-1-1）
在上一章知道，它的矩阵表达式为常数项与未知阵。
a11 a 21 A , B 将系数矩阵与常数项矩阵放在一起构成的矩阵 ~ 称为方程组（3-1-1）的增广矩阵（也可记作 A ）。 a m1
第三章向量组与线性方程组
• 3.1 线性方程组及其矩阵表示
设非齐次线性方程组的一般形式为
a11 x1 a12 x 2 a1n x n b1 a x a x a x b 21 1 22 2 2n n 2 a m1 x1 a m 2 x 2 a mn x n bm
Ax B与 Sx T 同解。（证）
证明由于对矩阵作一次初等行变换等价于矩阵左乘一个初等矩阵，因此存在初等矩阵 P 记 Pk Pk 1 P1 P 显然 P 可逆。 1, P 2 ,, P k 使得 P kP k 1 P 1 ( A, B) ( S , T )
x x1 为 Ax B 的解，即 Ax1 B Sx1 T 于是 x x1 为 Sx T 的解。
21 1
22
2
2n
n
x1 2 x 2 2 x3 x 4 1 【例1】把线性方程组 2 x1 x 2 2 x 2 5 x 4 2 表示为矩阵方程的形式。 x 3 x 7 x 4 x 0 2 3 4 1 x1 1 2 2 1 1 解设 A x2 B 2 1 2 5 2 则原方程组可表示为 Ax B x 1 3 7 4 0 x3 x 4
Ax B 其中 A, B, x 分别是系数阵、

《线性代数》课件-第3章矩阵

§3.1 矩阵的运算（1）第三章矩阵矩阵的加法定义1111112121121212222221122n n n n m m m m mn mn a b a b a b a b a b a b a b a b a b +++⎡⎤⎢⎥+++⎢⎥+=⎢⎥⎢⎥+++⎣⎦A B 设有两个矩阵和 n m ⨯[]ij a =A [],ij b =B 那么矩阵与的和 A B 记作规定为,+A B 只有当两个矩阵是同型矩阵时，才能进行加法运算.（可加的条件）注矩阵的加法235178190, 645, 368321-⎡⎤⎡⎤⎢⎥⎢⎥=-=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦设矩阵矩阵则A B 213758169405336281+-++⎡⎤⎢⎥=+-++⎢⎥⎢⎥+++⎣⎦3413755.689⎡⎤⎢⎥=-⎢⎥⎢⎥⎣⎦对应元相加例1+A B矩阵的加法;+=+A B B A ()()++=++A B C A B C ；+=+=；A OO A A 矩阵加法的运算律 [],ij a =A 设矩阵（交换律）（结合律）（加法单位元）(1)(2) (3) (4) 规定 [],ija -=-A 称之为的负矩阵.A ()(),+-=-+=A A A A O ().-=+-A B A B （加法逆元）规定矩阵的减法为：+=+⇒=.A B A C B C (5) 加法消去律成立，即数量乘法111212122211[].n nij m n m m mn ka ka ka kaka ka k ka ka ka ka ⨯⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎣⎦A 规定数 k 与矩阵 A 的数量乘积为定义2数量乘法()();k l kl =A A ()k l k l +=+A A A ；()k k k +=+.A B A B 数量乘法的运算规律(1) (2)(3)矩阵的加法和数量乘法统称为矩阵的线性运算 .设为A , B 为矩阵，k, l 为数： m n ⨯矩阵的乘法（矩阵与矩阵相乘）定义3设是一个矩阵， m n ⨯[]ij a =A 记作 C =AB.[]ij b =B 是一个矩阵， n s ⨯规定矩阵与的乘积是一个的矩阵 A Bm s ⨯[],ij c =C 其中 11221nij i j i j in nj ikkjk c a b a b a b ab ==+++=∑()1,2,;1,2,,,i m j s ==矩阵的乘法1212[,,,]j j i i in nj b b a a a b ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦1122i j i j in nj a b a b a b =+++1n ik kj ij k a b c ===∑行乘列法则可乘条件：左矩阵的列数=右矩阵的行数11211300514-⎡⎤⎢⎥=-⎢⎥⎢⎥-⎣⎦设，A 034121.311121⎡⎤⎢⎥⎢⎥=⎢⎥-⎢⎥-⎣⎦B 例20311212113031051412⎡⎤-⎡⎤⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦-⎣⎦C AB .⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦5-61022-17乘积矩阵的“型” ？ A m n ⨯B n s ⨯C m s⨯=1111⎡⎤=⎢⎥--⎣⎦设，A 例300,00⎡⎤=⎢⎥⎣⎦AB 22,22⎡⎤=⎢⎥--⎣⎦BA .BA AB ≠故1111-⎡⎤=⎢⎥-⎣⎦，B 则矩阵的乘法（1）矩阵乘法一般不满足交换律；若，则称矩阵与是乘法可交换的. =AB BA A B 定义3=AB O ⇒;==或A O B O （2） ()≠-=若而A O A B C O，⇒=B C.注意：(),+=+A B C AB AC ();+=+B C A BA CA ()()()k k k ==AB A B A B （其中 k 为数）;n m ;m n m n m n ⨯⨯⨯==A E E A A 矩阵的乘法()();=AB C A BC 矩阵乘法的运算规律 (1) (2) (3) (4) （结合律）（左分配律）（右分配律）（乘法单位元）11112211211222221122n n n n m m mn n ma x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩，，，11121121222212n n m m mn n a a a x a a a x a a a x ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦111122121122221122n n n n m m mn n a x a x a x a x a x a x a x a x a x ⎡⎤+++⎢⎥+++⎢⎥⎢⎥⎢⎥+++⎢⎥⎣⎦12m b b b ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦=AX =β⇔=（矩阵形式）AX β ==00（齐次线性方程当时组的矩阵形式），AX β .例4cos sin ,,sin cos OP ϕϕϕϕ-⎡⎤⎡⎤==⎢⎥⎢⎥⎣⎦⎣⎦设矩阵平面向量x A y cos ,sin ,x r y r θθ=⎧⎨=⎩于是x y ⎡⎤⎢⎥⎣⎦A cos sin sin cos x y ϕϕϕϕ-⎡⎤⎡⎤=⎢⎥⎢⎥⎣⎦⎣⎦cos()sin()r r θϕθϕ+⎡⎤=⎢⎥+⎣⎦例5cos cos sin sin cos sin sin cos r r r r θϕθϕθϕθϕ-⎡⎤=⎢⎥+⎣⎦,,OP r θ设的长度为幅角为则cos sin sin cos x y x y ϕϕϕϕ-⎡⎤=⎢⎥+⎣⎦111x OP y ⎡⎤==⎢⎥⎣⎦.OP ϕ这是把向量按逆（或顺）时针旋转角的旋转变换xyopp 1θϕ11cos sin ,sin cos .x x y y x y ϕϕϕϕ=-⎧⎨=+⎩（线性变换）小结（1）只有当两个矩阵是同型矩阵时，才能进行加法运算；（2） ≠=若而A O AB AC ，⇒;=B C 且矩阵相乘一般不满足交换律；（3）只有当左矩阵的列数等于右矩阵的行数时，两个矩阵才能相乘，矩阵的数乘运算与行列式的数乘运算不同；可交换的典型例子：同阶对角阵；数量阵与任何同阶方阵. k n E ≠=若而A O BA CA ，⇒=B C.( 4 )§3.1 矩阵的运算（2）方阵的幂·矩阵多项式·迹第三章矩阵定义1注1A 设为阶方阵，为正整数n k ，A A AA∆=kk 个.A 为的次幂k 01,.A E A A ==规定n 称,AA A km k m +=m k mkA A =（），其中m , k 为非负整数.定义1注1A 设为阶方阵，为正整数n k ，A A AA∆=kk 个.A 为的次幂k 01,.A E A A ==规定n 称,AA A km k m +=m k mkA A =（），其中m , k 为非负整数.一般地， (),,.AB A B A B ⨯≠∈k k k n n注2 注3时，以下结论成立：AB BA =当 (1)();AB A B =kkk222(2)()2;A B A AB B +=++22(3)()();A B A B A B +-=-,,A B ⨯∈n n11(4)()C C .A B A AB AB B --+=+++++mmm k m kkmmm例1解 ,A ⎡⎤⎡⎤⎡⎤=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦2121214=01010112.01A A ⎡⎤=⎢⎥⎣⎦设求其中为正整数mm ,（）32141216,010101A A A ⎡⎤⎡⎤⎡⎤===⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦()122.01A ⎡⎤=≥⎢⎥⎣⎦mm m 由此归纳出方阵的幂112(1)1212,010101A A A --⎡⎤⎡⎤⎡⎤===⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦k k k k ()122.01A ⎡⎤=≥⎢⎥⎣⎦m m m 用数学归纳法证明当时，显然成立.2=m 假设时成立， 1=-m k 所以对于任意的m 都有=m k 则时，方阵的幂解法二利用二项式定理122()m m m mA EB EC B=+=+202,.00⎡⎤=⎢⎥⎣⎦B B O 其中=且这种方法适用于主对角元全相同的三角形矩阵求幂 2,=+A E B ,E B 显然与乘法可交换由二项式定理有2E B=+m 100212.010001m ⎡⎤⎡⎤⎡⎤=+=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦m1110()A A A A E --=++++m m m m n f a a a a 为方阵 A 的矩阵多项式.例如 2()524,f x x x =--12,11⎡⎤=⎢⎥-⎣⎦A 22524A A E --1412101116524211101811--⎡⎤⎡⎤⎡⎤⎡⎤=--=⎢⎥⎢⎥⎢⎥⎢⎥-----⎣⎦⎣⎦⎣⎦⎣⎦定义2A ⨯∈设n n ，称()A =f：注f g g fA A A A()()()()运算性质定义3设A 是n 阶方阵，称A 的主对角线上所有元素之和为方阵的迹(trace )，记为11221tr .A ==+++=∑nnn ii i a a a a (1) tr()tr tr ;A B A B ⨯⨯⨯⨯+=+n n n n n n n n (2) tr()tr();A A ⨯⨯=n n n n k k (3) tr()tr().A B B A ⨯⨯⨯⨯=m n n m n m m ntr()tr().A B B A ⨯⨯⨯⨯=m n n m n m m n设A , B 为 n 阶方阵，求证.AB BA E -≠n tr()tr()tr()0,--AB BA =AB BA = 证明： tr()0,n n =≠E 故 . n -≠AB BA E 例2§3.1 矩阵的运算（3）矩阵的转置·方阵的行列式第三章矩阵例 123,458A ⎡⎤=⎢⎥⎣⎦T ;A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦142538叫做的转置矩阵， m n A ⨯m n A ⨯把矩阵的行依次变为同序数的列得到的新矩阵，定义1T A 记作. 思考 T A A 与的关系?⨯→⨯的变化型m n n m(1) : '(,)=元的变化ij ji i j a a (2) ：TA A 与的关系?矩阵的转置()()T T 1;=A A ()()T T T 2;+=+A B A B ()()T T 3;A A =k k 注性质(2)和(4)可推广到有限个矩阵的情形()()T T T T12122;s s '+=+A A ++A A A ++A ()()T T T T 12114.s s s -'=A A A A A A ()()T T T 4.=AB B A (倒序)矩阵的转置与其它矩阵运算的关系若矩阵A 满足 A A =T ，()n ,,,j ,i a a ji ij 21==201035.157A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦例为对称阵如注：对称矩阵为方阵，元素以主对角线为对称轴对应相等 .例1 (对称矩阵）则称 A 为对称矩阵 .注对任意矩阵 A,和均是对称矩阵. T A A T AA对称矩阵的数乘、和、乘积是否为对称矩阵？思考：练习1 对任意实矩阵 A, 若则 . T A A =O ,A =O练习2 若实对称矩阵 A 满足则 . 2A =O ,A =O 设A ，B 为同阶实对称矩阵，则AB 为实对称矩阵当且仅当AB =BA .若矩阵A 满足 A A =-T ，013105.350A ⎡⎤⎢⎥=--⎢⎥⎢⎥-⎣⎦例为反对称阵如注：反对称矩阵为方阵，且例2 (反对称矩阵）则称 A 为反对称矩阵 . 0-≠⎧=⎨=⎩ji ij a i j a i j证明任一 n 阶方阵 A 都可表示成一个对称矩阵与一个反对称矩阵之和. 证明： ()T T A A +T A A =+()T T A A -T A A =-22T T A A A A A -++=证毕.例3所以为对称矩阵.T A A +T ,A A =+T ()A A =-- 所以为反对称矩阵. T A A -方阵的行列式设 A 与 B 都是数域上的 n 阶方阵, 则()T1;A A =()3;AB A B =()2,;A A =∀∈n k k k 矩阵的运算与行列式的关系方阵的行列式n n n n n A O E B ⨯⨯-A B =n n nO AB E B ⨯=-2(1)n n E AB =--2(1)n n AB +=-.AB =证明： 22222A O E B ⨯⨯-111221221112212200001001a a a a b b b b =--12111111122122111221220001001a a b a b a a b b b b =--111112211112122221221112212200001001a b a b a b a b a a b b b b ++=--111112211112122221112221211222221112212200001001a b a b a b a b a b a b a b a b b b b b ++++=--222O AB E B ⨯=-设 A 与 B 都是数域上的 n 阶方阵, 则 ()T 1;A A =()3;AB A B =(可推广到有限个) 一般的， +.A B A B ≠+特别地 ,A A =mm ()2,;A A =∀∈n k k k 矩阵的运算与行列式的关系其中m 为非负整数.24000200,00430034A ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥-⎣⎦设2.A 求k 22A A =k k2242443()(4(25))10.0234=⋅=⋅-=-k k k 解例4证明奇数阶反对称矩阵的行列式为零.例5§3.2 初等矩阵第三章矩阵定义1elementary matrix 阶单位矩阵经过一次矩阵的初等变换所得到的矩阵称为阶即初等矩阵n n （），E B −−−−−→一次初等变换行或列为一个初等矩阵n 1,23100010010100.001001E B ⎡⎤⎡⎤⎢⎥⎢⎥=−−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦对换行为一个初等矩阵例如初等矩阵的类型及表示方法1[()],0E ≠初等倍乘矩阵n i k k ） .0E ≠即以数乘单位矩阵的第行(或第列).n k i i i i r c 11[()]11E E ⨯⨯⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦kn n ki k k 或i ←第行初等矩阵的类型及表示方法2[()],0E +≠初等倍加矩阵n i j k k ） .0E ≠即将的某行元素的倍加到另一行(或列)上去.n k 11[())]11E E ++⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥−−−−→=+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦i jj ir kr n n c kc k i j k 或←i 第行←j 第行[()]E >+n i j k i j 当时,为下三角 .初等矩阵的类型及表示方法3[,],E 初等对换矩阵n i j ） E n 即对调的某两行或某两列.11011[,]11011E E ↔↔⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥−−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦i ji jr r n n c c i j 或i ←第行j ←第行11[()]11E ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦n i k k i ←第行1[()],0E ≠初等倍乘矩阵n i k k ） .2[()],0E +≠初等倍加矩阵n i j k k ） .11[())]11E ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥+=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦n k i j k ←i 第行←j 第行()i j <3[,],E 初等对换矩阵n i j ） 11011[,]11011E E ↔↔⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥−−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦i ji jr r n n c c i j 或i ←第行j ←第行注初等矩阵的转置矩阵仍为同类型的初等阵.Ti k i k=1)[()][()];E En nT+=+i j k j i kE E2)[()][()];n nTi j i j=3)[,][,].E En n初等矩阵的应用揭示：初等矩阵与矩阵的初等变换的关系.11121314212223243132333411⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦a a a a a a a a k a a a a 111213142122232313233434⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦k a a a a a a a a a ka ka ka 111213142122232431323334111a a a a a a a a k a a a a ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦111214212221323343133234a a a a a a a a a ka ka a k ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦()i k A i r k ⨯相当于以数乘的第行；111211212[()]E A ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦n m m m m i i in n a a a i k a ka ka a a a k i ←第行[()]E A 左以矩阵乘m i k ，[()]n E i k A 右乘而以矩阵，其结果结论: 相当于以数k 乘A 的第i 列 .()i c k ⨯。

线性代数第三章向量组

4 5
是3个四维的列向量组.
4
5
6
1 T ( 1 , 2 , 3 ) , 2 T ( 2 , 3 , 4 ) , 3 T ( 3 , 4 , 5 ) , 4 T ( 4 , 5 , 6 )
是4个三维的行向量组。
4．向量组和矩阵的关系
对于列向量组
1 2 3
1
2 3
,2
3 4
,3
4 5
4
5
6
1
1,2,3
2 3
4
2 3 4 5
3
4
5
6
对于行向量组
T 1
(1,2 ,3 )
T 2
(2,3,4)
T 1 T 2
1
2
2 3
3
4
T 3
(3 ,4 ,5 )
T 4
(4 ,5 ,6 )
T 3 T 4
3 4 5
4
5
6
反过来看：即矩阵的特殊分块
1 k111 k212
2
k121
k22 2
l k1l1 k2l2
km1m , km2m ,
kmlm ,
即存在m l 矩阵 K ，使得
k11 k12
(1 , 2 ,
, l ) (1,2 ,
,m
)
k21
k22
km1
km2
k1l
k2l
kml
B AK
（ K 称为系数矩阵）
齐次线性方程组的向量表示
a11 a12
a21
a22
am1 am2
a1n x1 0
a2n
x2
0
amn
xn
0

线性代数_第三章

lts ks 0
这与1,2, . . .,s与线性无关矛盾.

推论1 两个等价的且线性无关的向量组，含有相同个数的向量。

推论2 等价的向量组有相同的秩。

推论3 向量组(I)的秩为r1，向量组(II)的秩为r2，且
组(I)可由组(II)线性表出，则r1≤r2。
lts ks 0
于是
1 , 2 ,
k1 k2 b1 , b 2 , , s ks
l11 l12 l21 l22 , bt lt1 lt 2
l1s k1 0 l2 s k 2 0
第三章向量组与线性方程组
§3.1 向量组的线性相关性
2 x1 3 x2 3 x3 5 x1 2 x2 x3 2 7 x2 x3 1
2 3 3 5 1 2 1 2 0 7 1 1

显然第三行是前两行的代数和；也就是说，第三个方程能由前两个方程“表示”；
4, (III) 1, 2, 3, 5, 且向量组的秩分别
为R(I)=R(II)=3, R(III)=4. 证明:向量组1, 2, 3, 5-4的秩为4.

证明: 由R(I)=R(II)=3得知向量组(I)线性无关,向
量组(II)线性相关,且4可由1, 2, 3,线性表出,
lm m 0
定理3 设m≤n，则m个n维向量1 ,2 ,
,m 线性无关的充
分必要条件是，其组成的矩阵的秩R(A)=m.即A为列满秩。
证：必要性. 因为Q可逆，必有l1,l2,…,lm不全为零，这与1,2,…,m线性无关矛盾。因此，R(A)=m。

线性代数第三章

例4 向量组 α1 , α 2 ,⋯ , α s 中的任意一个向量 α j ( j = 1, 2,⋯ , s ) 都可由该向量线性表示，由该向量线性表示，因为 α j = 0α1 + ⋯+ 1α j + ⋯+ 0αs
例题4 例题详见教材85页详见教材页
（例5 + 例6））
定义3.3.2给定向量组给定向量组定义
例6
设有线性方程组
x1 + x2 − 2 x3 + 3x4 = 0 2 x + x − 6 x + 4 x = −1 1 2 3 4 3x1 + 2 x2 + ax3 + 7 x4 = −1 x1 − x2 − 6 x3 − x4 = b
讨论当 a , b 为何值时，为何值时，方程组有解？（？（2 无解？（1）方程组有解？（2）无解？（3）当有解时，试求出其解。当有解时，试求出其解。
0 = (0, 0,⋯ , 0)
n维向量 α = (a1 , a2 ,⋯ , an ) 的各分量都取相反数组成的向维向量量称为的负向量，量称为的负向量，记作
−α = (−a1 , −a2 ,⋯ , −an )
α 定义3.2.3 如果维向量 = (a1 , a2 ,⋯ , an ) 如果n维向量定义
3、仅含有两个向量的向量组线性相关的充分必要条件是这两个向量的、对应分量成比
定理3.3.1 向量组 A : α 1 , α 2 , ⋯ , α m 线性相关当且仅当以 A = (α1 , α 2 ,⋯ , α m ) 定理为系数矩阵的齐次线性方程组 AX
=0
有非零解。有非零解。
推论3.3.1向量组 A : α 1 , α 2 , ⋯ , α n 线性相关当且仅当矩阵 A = (α1 , α 2 ,⋯ , α n ) 向量组推论的行列式值为零。的行列式值为零。定理3.3.2向量组 A : α1 , α2 ,⋯, αm (m ≥ 2) 线性相关的充要条件是向量组A: α1,α2 ,⋯,αm 向量组定理中至少有一个向量可由其余向量线性表示。中至少有一个向量可由其余向量线性表示。

线性代数第三章(一二节向量与线性相关性)

组中至少有一个向量可由其余向量线性表示。
证明
必要性设向量组 A: a1 , a2 , ... , am 线
性相关, 则有 m 个不全为零的实数 k1 , k2 , ... , km 使 k1a1 + k2a2 + ... + kmam = 0 . 因 k1 , k2 , ... , km 不全为 0 , 不妨设 k1 0 , 于是便有
（9）若a1 , a2 , ... , an是n维向量组，则 a1 , a2 , ... , an线性相关的充要条件是其构造的行列式值为0. 若a1 , a2 , ... , an是n维向量组，则
a1 , a2 , ... , an线性无关的充要条件是其
构造的行列式值非0. （10）若a1 , a2 , ... , am是n维向量组，且 m>n,则 a1 , a2 , ... , am线性相关。特别地，n+1个n维向量必线性相关。
第三章向量组的线性相关性与n 维向量空间
第一节
1. 向量的定义定义1 n 个有次序的数 a1 , a2 , ... , an 所组成的
数组称为 n 维向量,其中第 i 个数 ai 称为第i 个分量，n称为向量的维数.
n维向量
n 维向量可写成一行, 也可写成一列. 分别
称为行向量和列向量, 也就是行矩阵和列矩阵。
引例1：非齐次线性方程组（Ⅰ）有解<=>
存在一组数x1, x2, ... , xn, 满足
x1a1 + x2a2 + ... + xnan = b。引例2：齐次线性方程组（Ⅱ）有非零解<=> 存在一组不全为零的数x1, x2, ... , xn, 满足 x1a1 + x2a2 + ... + xnan = 0。从这两个引例中我们可以提炼出向量组两个

线性代数--第三章向量线性关系秩

若l =0, 则k11+k22+ …+krr=0, 矛盾. 所以l 0, 于是
β
k1 l
α1
k2 l
α2
kr l
αr
若有: =k11+k22+ …+krr=l11+l22+ …+lrr
则有: 所以:
(k1 l1)1+(k2 l2)2+ …+(krl1)r=0 k1 l1=k2 l2= …=krl1=0
(1, 0, 0, 1)的线性相关性.
解设 k11+k22+k33=0 , 即 (k1k3, k1+k2, 0,k2+k3)=(0,0,0,0)
k1 k1
k3 k2
0 0
k2 k3 0
解得: k1=k2=k3=0. 所以1, 2, 3线性无关.
例3 讨论向量组 1T=(1,1,2), 2T=(0,1, 1), 3T= (2, 3, 3)的线性相关性.
解设 k11+k22+k33=0 , 即 k1(1+2)+k2(2+3)+k3(3+1)=0
就是
(k1+k3)1+(k1+k2)2+(k2+k3)3=0
所以
k1 +k3 k1 +k2
0 0
k2 k3 0
解得: k1=k2=k3=0
所以向量组1, 2, 3线性无关.
定理3.1 若向量组有一个部分组线性相关, 则此向量组线性相关.
前面加长向量组的概念中只加了一个分量, 而且加在
了最后一个分量. 也可以加多个分量, 分量也可以加在任

线性代数课件第三章

的元素都为零, 则称这个矩阵为标准形矩阵.
定理任何矩阵都可经过单纯的初等行变换化为行
最简形矩阵. 任何矩阵都可经过初等变换化为标准形矩阵.
下面我们还是通过例子来说明该定理.
单击这里开始
从上面的例子可见, 任何矩阵经单纯的初等行变换必能化为行阶梯形矩阵和行最简形矩阵, 但不一定能化成标准形矩阵, 如果再使用初等列变换, 则一定能化成标准形矩阵. 将矩阵化为行阶梯形矩阵的方法不是唯一的, 所得结果也不唯一. 但一个矩阵的标准形是唯一的, 这反映了矩阵的另一个属性, 即矩阵的秩的概念.
第三章矩阵的初等变换与线性方程组
第一节矩阵的初等变换第二节矩阵的秩第三节线性方程组的解知识要点释疑解难习题课
第三章矩阵的初等变换与线性方程组
本章先引进矩阵的初等变换, 建立矩阵的秩的概念; 然后利用矩阵的秩讨论齐次线性方程组有非零解的充要条件和非齐次线性方程组有解的充要条件, 并介绍用初等变换解线性方程组的方法.
(i) 对调两行(对调 i, j 两行, 记作 ri rj ); (ii) 以数 k 0 乘某一行中的所有元素
(第 i 行乘 k , 记作 ri k ); (iii) 把某一行所有元素的 k 倍加到另一行对应的元素上去(第 j 行的 k 倍加到第 i 行上,记作 ri + krj).
把定义中的“行”换成“列”,即得矩阵的初等列变定义换. 的矩阵的初等行变换与初等列变换, 统称初等变换.
①
①-② ②-③
x2 x3 3, x4 3,
② ③
(B5)
0 0. ④
至此消元结束, 且得到 (1) 的同解方程组 (B5), (B5) 是方程组 (1) 的所有同解方程组中最简单的一个, 其中

《线性代数》课件第3章

2.加法交换律 : A + B = B + A; 3. A + 0m×n = A; 4. A + (−A) = 0m×n; 5. a(A + B) = aA + bB; 6. (a + b)A = aA + bA; 7. (ab)A = a(bA).
定义1.4对于一组m × n矩阵A1,..., At和数c1,...,ct , 矩阵 c1A1 + + ctAt
⎛⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎝
a11 a 21
am1
a12 a 22
am 2
a 1n a 2n
amn
⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟
称为S
上一个m
×
n矩阵，通常简记为
(aij
) m
×n
或
(aij
).
一个n × n矩阵称为n阶矩阵或n阶方阵.在一个n阶矩阵中,从
左上角至右下角的一串元素a11, a22 ,..., ann称为矩阵的对角线.
+
a2
⎛⎝⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜
0 1 0
0
⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟
+
+
an
⎛⎝⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜
0 0
0 1
⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟
= a 1ε1 + a 2ε2 +
+ anen .
§3.2 矩阵的乘法
( ) ( ) 定义2.1(矩阵的乘法)设A = aij 是一个m×n矩阵, B = bij 是一个
1. 把A整个分成一块,此时A就是一个1×1的分快矩阵;
2. 把A的每一行(列)或若干行(列)看成一块.比如,把A按列分

第三章-矩阵的秩

的一个最高阶非零子式. 则这个子式便是 A 的一个最高阶非零子式
线性代数——第 3章
1 0 例7 求矩阵A = 2 3
1 1 1 −1 3 a 5 1
1 b 的秩, 其中a, b为参数. 4 7
线性代数——第 3章
三、矩阵秩的性质
( 1)
(2 )
R ( AT ) = R ( A )
线性代数——第 3章
定义2 定义2
设在矩阵中有一个不等于的阶子式阶子式D，设在矩阵中有一个不等于0的r阶子式，且有一个不等于
所有r 所有 + 1阶子式（如果存在的话）全等于，那么阶子式（如果存在的话）全等于0 那么D 称为矩阵A的最高阶非零子式，称为矩阵的秩，称为矩阵A的秩称为矩阵的最高阶非零子式，数r称为矩阵的秩，记作R (A)，并规定零矩阵的秩等于零记作，并规定零矩阵的秩等于零.
线性代数——第 3章
§3 矩阵的秩
一、矩阵秩的概念二、矩阵秩的求法三、矩阵秩的性质小结、四、小结、思考题
线性代数——第 3章
一、矩阵秩的概念
任何矩阵 Am × n , 总可经过有限次初等行变换把它变为行阶梯形，行阶梯形矩阵中非零行的行梯形，数是唯一确定的 .
矩阵的秩
线性代数——第 3章
解
r1 ↔ r4 r2 − r4
r3 − 2r1 r4 − 3r1
6 4 −4 −1 1 3 1 −1 0 − 4 0 − 12 9 7 − 11 0 − 16 12 8 − 12
线性代数——第 3章
r3 − 3r2
r4 − 4r2
1 6 − 4 −1 4 1 − 1 0 − 4 3 0 0 0 4 − 8 0 0 0 4 − 8

线性代数第三章

一、引例ຫໍສະໝຸດ 例求解线性方程组 2 x1 − x2 − x3 + x4 = 2 , x + x − 2x + x = 4 , 1 2 3 4 4 x1 − 6 x2 + 2 x3 − 2 x4 = 4, 3x1 + 6 x2 − 9 x3 + 7 x4 = 9.
解
(1) ①↔② ③÷2
1 2 1 0 0 0 − 1 3 0 0 0 5
1 3 0 − 2 0 0 0 0 1 4 0 0 0 0 3 0 0 1 3 0 1 0 0 0
2. 重要结论定理每一个矩阵都可以经过单纯的初等行
变换化为行阶梯形矩阵. 变换化为行阶梯形矩阵.
二、初等变换的定义
定义1 下面三种变换称为矩阵的初等行变换定义1 下面三种变换称为矩阵的初等行变换: 初等行变换:
(i) 对调两行(对调 i, j 两行, 记作 ri ↔ rj ); 对调两行( 两行, (ii) 以数 k ≠ 0 乘以某一行中的所有元素 (第 i 行乘以 k , 记作 ri × k ); (iii) 把某一行所有元素的 k倍加到另一行对应的元素上去 (第 j 行的 k倍加到第 i 行上,记作 ri +krj). 行上,
五、行最简形矩阵和标准形矩阵
定义一个行阶梯矩阵若满足
(1) 每个非零行的第一个非零元素为 1 ; (2) 每个非零行的第一个非零元素所在列的其它元素全为零, 的其它元素全为零, 则称之为行最简形矩阵.
定义如果一个矩阵的左上角为单位矩阵, 如果一个矩阵的左上角为单位矩阵,
其它位置的元素都为零, 其它位置的元素都为零, 则称这个矩阵为标准形
如果矩阵 A 经有限次初等列变换变成矩阵 B , 就称

线性代数第三章线性空间

组，通常称为矩阵 A 的列向量组；若对 A 按行进行
分块，即
A

1T

T 2

T m

其全体行向量构成一个含有 m 个 n 维行向量的向量
组，称为矩阵的行向量组．
并且，矩阵和含有有限个向量的有序向量组是一一对应的．
定义5 设 ,1,2, ,s Rn， s 1．如果存在数
k R，则
1）称向量与相等，记作，如果与
对应的分量均相等，即 ai bi , i 1, 2, , n;
2）称向量
(a1 b1, a2 b2 , , an bn )T 为向量与的和，并记；
3）称向量
k (ka1, ka2 , , kan )T
a11 a2 2 an n ;
另外，零向量 0 是任何向量组的线性组合．
定义7 设 I :1,2 , ,s 和 II : 1, 2, , t 是两个向量组．如果向量组 I 中的每一个向量 i ( i 1, 2, , s )
均可以由向量组 II : 1, 2, , t 线性表出，则称向量组 I 可以由向量组 II 线性表出．
k1, k2 , , ks R ，使得 k11 k22 kss ,
则称向量是向量组 I :1,2, ,s 的一个线性组合，或者说，向量可以由向量组 I :1,2, ,s 线性表出（或线性表示）．此时，k1, k2 , , ks 相应地被称为组合系数或者表出系数．
在本书中，如果没有特别说明，我们涉及的向量均指分量为实数的列向量，即列形式的实向量．
将所有 n 维实向量的全体记为 Rn，即

第三章-线性方程组的解

线性代数——第 3章
所以方程组的通解为
x1 1 0 1 2 x2 = c 1 + c 0 + 0 . x3 2 0 4 2 1 2 其中c2 ,c4 任意. 0 1 0 x4
可写成矩阵方程:
Ax b
B ( A, b)
线性代数——第 3章
例
1 2 2 1 1 0 2 4 8 2 设A , b 3 2 4 2 3 3 6 0 6 4
求矩阵A及矩阵B ( A b)的秩.
线性代数——第 3章
定理1 (1) (2) (3)
n元线性方程组Ax=b
无解的充分必要条件是R(A)<R(A,b)；有唯一解的充分必要条件是R(A)=R(A,b)=n；有无穷多个解的充分必要条件是R(A)=R(A,b)<n；
线性代数——第 3章
1 0 0 ~ B0 0 0 x1
5 x1 2c2 3 c2 , x 2c 4 c , 2 2 3 2 x c , 3 1 x4 c 2 ,
线性代数——第 3章
2、非齐次线性方程组增广矩阵化成行阶梯形矩阵，便可判断其是否有解．若有解，化成行最简形矩阵，便可写出其通解. 例２求解非齐次线性方程组
线性代数——第 3章
解
对系数矩阵 A 施行初等行变换：
1 2 2 1 1 2 2 1 r2 2r1 A 2 1 2 2 0 3 6 4 1 1 4 3 r3 r1 0 3 6 4
d d

线性代数————第3章：线性方程组

线性代数————第3章：线性方程组一、例题解析：1．单项选择题（1）向量组[][][][]αααα1234110100111001====,,,,,,,,,,,的极大线性无关组是（）。

A. αα12,B. αα24,C. ααα134,,D. ααα123,, 解：因为向量组ααα123,,线性无关，而向量组ααα134,,线性相关，所以原向量组的极大线性无关组是ααα123,,。

正确答案：D（2）设线性方程组的增广矩阵为⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--0000103006211041231，则此线性方程组的一般解中自由元的个数为（）。

A. 1B. 2C. 3D. 4解：因为方程组中未知量个数是4，增广矩阵的秩)(B A r =3，所以一般解的自由元个数 = 方程组中未知量个数 - )(B A r = 4-3=1 所以，线性方程组的一般解中自由元的个数为1。

正确答案：A （3）n 元齐次线性方程组0=AX 有非零解的充分必要条件是（）。

A. n A r =)(B. n A r >)(C. n A r <)(D. )(A r 与n 无关解：n 元齐次线性方程组0=AX 有非零解的充分必要条件是n A r >)( 正确答案：C（4）设线性方程组B AX =的两个解21,X X )(21X X ≠，则下列向量中（）一定是B AX =的解。

A. 21X X +B. 21X X -C. 212X X -D. 122X X - 解：因为B B B AX AX X X A =-=-=-22)2(1212，所以122X X -是线性方程组B AX =的解。

正确答案：D2．填空题（1）一个向量组中如有零向量，则此向量组一定线性。

解：设0, m αα,,1 为一组n 维向量，取00≠k ，01===m k k ，则0k 0 +m m k k α++α 11= 0由定义可知，向量组0, m αα,,1 线性相关。

线性代数课件_第3章_矩阵的初等变换与线性方程组

-13-
定理 (等价标准形定理等价标准形定理) 等价标准形定理用初等变换必能将矩阵化为如下等价标准形等价标准形（用初等变换必能将矩阵化为如下等价标准形（也称相抵标准形）：相抵标准形）：Er Fra bibliotek O O
等价标准形是唯一的。等价标准形是唯一的。
-14-
例2
（接例1）接例）
1 2 1 1 1 2 1 1 4 6 2 2 3 6 9 7
1 0 0 0
0 2 0 1 1 0 0 0 1 0 0 0
0 0 0 0
1 2 0 1 0 0 1 2 0 0 0 0 0 0 0 0
-10-
只用初等行变换必能将矩阵化为阶梯形，定理只用初等行变换必能将矩阵化为阶梯形，从而再化为最简阶梯形。阶梯形不唯一，最简阶梯形从而再化为最简阶梯形。阶梯形不唯一，唯一。唯一。
-8-
在 m × n 的矩阵集合 R 中的一个等价关系? 中的一个等价关系
m×n
A r 中, 如果
B ,
具有行相抵的关系,问行相抵是不是行相抵的关系则称 A 与 B 具有行相抵的关系问行相抵是不是 R m × n
Gauss消元法的思想又可表述为在与方程组增消元法的思想又可表述为, 消元法的思想又可表述为广矩阵行相抵的矩阵中,找一个最简单的找一个最简单的,然后求解广矩阵行相抵的矩阵中,找一个最简单的,然后求解这个最简单的矩阵所对应的方程组. 这个最简单的矩阵所对应的方程组以后我们把这个最简单的矩阵叫做(行最简阶以后我们把这个最简单的矩阵叫做行)最简阶梯形矩阵. 梯形矩阵
a11 = a 21 a 31
a12
a 22 a 32
a13 1 0 0 a 23 0 1 0 a 33 0 0 k

线性代数课件PPT 第3章.线性方程组

2) (α β) γ α ( β γ（) 加法结合律）
3) 存在任意一个向量α，有α 0n α 4）存在任意一个向量α，存在负向量-α，使α (α) 0n
5) 1α α
6) k(lα) (kl)α（数乘结合律）
7) k(α β) kα kβ（数乘分配律）
m
kiai k1α1 k2α2 L kmαm
i 1
称为向量组α1, α2,L , αm在数域F上的一个线性组合。如果记
m
β kiαi，就说β可由α1, α2,L , αm线性表示。 i 1
10
3.1 n维向量及其线性相关性
线性相关性定义：如果对m个向量α1, α2, α3, ... , αm∈Fn，有m个不全为0的数k1,k2,...,km∈F，使
α=(a1 a2 an) 其中ai 称为α的第i个分量。
向量写成行的形式称为行向量，向量写作列的形式称为列向量（也可记作行向量的转置）。
a1
αT

a2

M
an

3
3.1 n维向量及其线性相关性
向量的定义数域F上全体n元向量组成的集合，记作Fn。
4
3.1 n维向量及其线性相关性
向量的运算
定义：设α=(a1, a2, ... , an)，β=(b1, b2, ... , bn)∈Fn，k∈F，
定义：
1）α=β,当且仅当ai=bi (i=1,...,n)； 2）向量加法（或α与β之和）为
α β (a1 b1, a2 b2 , ... , an bn )
k1α1 k2α2 L kmαm 0n
成立，则称α1, α2, α3, ... ,αm线性相关；否则，称α1, α2, α3, ... ,αm线性无关。

线性代数--第三章

线性代数第三章总结

线性代数第3章向量空间

线性代数第三章

线性代数 第三章

《线性代数》课件-第3章 矩阵

线性代数第三章向量组

线性代数_第三章

线性代数第三章

线性代数第三章(一二节向量与线性相关性)

线性代数--第三章向量线性关系秩

线性代数课件第三章

《线性代数》课件第3章

第三章-矩阵的秩

线性代数第三章

线性代数第三章 线性空间

第三章-线性方程组的解

线性代数————第3章：线性方程组

线性代数课件_第3章_矩阵的初等变换与线性方程组

线性代数课件PPT 第3章.线性方程组

线性代数第三章

《线性代数》课件-第3章矩阵

线性代数第三章线性空间