西南财经大学高等代数课件:秩
高等代数CAI课件.pptx
![高等代数CAI课件.pptx](https://img.taocdn.com/s3/m/c1ee123c03d8ce2f006623a0.png)
则 ( y) ( ( y)) (x) y IM( y), 即 IM
∴σ为可逆映射.
2019年7月11
感谢你的观看
24
反之,设 : M M 为可逆映射,则 对y M, 有y 1( y) ( 1( y)) 即, x 1( y) M ,使y ( x). 所以σ为满射.
感谢你的观看
14
例4 判断下列M 到M ´对应法则是否为映射
1)M={a,b,c}、M´={1,2,3,4}
σ:σ(a)=1,σ(b)=1,σ(c)=2
(是)
δ:δ(a)=1,δ(b)=2,δ(c)=3,δ(c)=4
(不是)
τ:τ(b)=2,τ(c)=4
(不是)
2)M=Z,M´=Z+,
σ:σ(n)=|n|, n Z τ:τ(n)=|n|+1, n Z
例6 任意一个在实数集R上的函数 y=f(x)
都是实数集R到自身的映射,即,函数可以看成是 映射的一个特殊情形.
2019年7月11
感谢你的观看
17
2、映射的乘积
设映射 : M M ', : M ' M '',乘积
定义为: (a)=τ(σ(a))
a M
即相继施行σ和τ的结果, 是 M 到 M" 的一个
(双射)
2)M=Z,M´=Z+, τ:τ(n)=|n|+1, n Z
(是满射,但不是单射)
3)M= Pnn ,M´=P,(P为数域)
σ:σ(A)=|A|, A Pnn (是满射,但不是单射)
2019年7月11
感谢你的观看
20
4)M=P,M´= P nn , P为数域, E为n级单位矩阵
《高等代数》PPT课件
![《高等代数》PPT课件](https://img.taocdn.com/s3/m/ffb06dbd767f5acfa0c7cd9f.png)
命题5.1.2 对于任意向量和任意数a都有:
0=0, a0=0.
a()=(a) = a.
a=0a=0 或 =0.
2021/8/17
15
三. 约定
设V是数域F上的一个向量空间. 如果a是F中的一个数, 是V中的一个向量, 我们约定 a=a. 设1, 2,…, n,是V中的n个向量, 以它们为元素写成一个1n矩阵 (1, 2,…, n). 再设A是F上的一个nm阶矩阵. 则我们可以像普通矩 阵的乘法一样, 将(1, 2,…, n)和A相乘, 但是 (1, 2,…, n)A的结果 是一个以向量为元素的矩阵, 即:
3) 0+ = 4) 对任意 ,存在 ,使得 + = 0, 称为的负元素; 5) a( +) = a +a ; 6) (a+b) =a +b ; 7) a (b)=(ab) ;
8) 1 = .
2021/8/17
8
二、向量空间的定义
定义1 设V是一个非空集合,F是一个数域. 我们
把V中的元素用小写希腊字母, ,,…来表示,
2021/8/17
4
例2 在平面上建立直角坐标系后,把从原点出发的一切向
量组成的集合记为V2. 对V2中任意向量X和Y, 用平行四边形法则,有X+YV2. 对
任意实数k以及V2中任一向量X,有kXV2. 并且对任意的X, Y,
ZV2,a, bR,有
1) X+Y=Y+X;
2) (X+Y)+Z=X+(Y+Z);
高等代数课件
2021/8/17
1
第五章 向量空间
5.1 向量空间的定义 5.2 向量的线性相关性 5.3 基维数和坐标 5.4 子空间 5.5 向量空间的同构
高等代数知识点总结课件
![高等代数知识点总结课件](https://img.taocdn.com/s3/m/184cc267443610661ed9ad51f01dc281e53a56e6.png)
二阶行列式计算较为简单,直接按照定义进行计算即可。三 阶行列式可以利用代数余子式展开,也可以利用对角线法则 进行计算。高阶行列式可以利用递推法或化简法进行计算。
矩阵的秩的定义与性质
总结词
矩阵的秩是矩阵中线性无关的行(或列) 向量的个数,具有一些重要的性质。
VS
详细描述
矩阵的秩具有一些重要的性质,如秩的传 递性、秩的唯一性、秩的性质等。矩阵的 秩可以用来判断线性方程组的解的情况, 如当系数矩阵的秩等于增广矩阵的秩时, 线性方程组有解。
利用秩判断线性方程组解的情况
总结词
利用矩阵的秩可以判断线性方程组解的情况。
详细描述
当系数矩阵的秩等于增广矩阵的秩时,线性 方程组有解;当系数矩阵的秩小于增广矩阵 的秩时,线性方程组无解;当系数矩阵的秩 大于增广矩阵的秩时,线性方程组有无穷多 解。此外,利用矩阵的秩还可以判断线性方 程组解的个数和类型。
逆矩阵的性质
逆矩阵是唯一的;逆矩阵与原矩阵的乘积为单位矩阵;逆矩阵的逆矩阵是原矩阵。
逆矩阵的求法
高斯消元法、伴随矩阵法、初等变换法等。
线性方程组的解法
高斯消元法
将增广矩阵转化为上三角矩阵,从而得到解。
回带求解
将得到的上三角矩阵的解回代到原方程组中, 得到未知数的值。
克拉默法则
当方程组系数行列式不为0时,可以用克拉默 法则求解唯一解。
准型有助于简化二次型的计算和性质研究。
二次型的正定性判断
总结词
正定性判断是确定二次型是否为正定的过程, 正定的二次型具有一些重要的性质。
详细描述
正定性判断是二次型研究中的一个重要问题。 一个二次型被称为正定的,如果它对应于一 个正定矩阵。正定的二次型具有一些重要的 性质,如存在唯一的极小值点,且该极小值 点是全局最小值点。此外,正定的二次型还 具有一些几何意义,如对应于一个凸多面体
高等代数3.4 矩阵的秩
![高等代数3.4 矩阵的秩](https://img.taocdn.com/s3/m/5e8074dbb8f67c1cfad6b89a.png)
由引理,这个方程的系数矩阵
a11 a21 ar1
a12
a1n
a22 a2n
ar 2 arn
,
的行秩 r . 因此在它的行向量中可以找到 r 个是
线性无关的,不妨设为
(a11, a21,, arபைடு நூலகம்) , (a12 , a22 ,, ar2 ) ,
x11 + x22 + … xrr = 0
只有零解,这也就是说,齐次线性方程组
a11x1 a21x2 ar1xr 0 ,
a12
x1
a22 x2 ar2 xr
0
,
a1n x1 a2n x2 arn xr 0 ,
只有零解.
ain
)
i
ai1 a11
1
,
i 2,, n .
由 | A | = 0 可知 n - 1 级矩阵
a22 a2n
an 2 ann
的行列式为零. 根据归纳法假定,这个矩阵的行向
量组线性相关. 因而向量组
2
a21 a11
1
,
3
a31 a11
1
, ,n
an1 a11
1
线性相关,这就是说,有不全为零的数 k2 , … , kn
使
k2
( 2
a21 a11
1)
kn
( n
an1 a11
1)
0
.
改写一下,有
高等代数课件 高等代数(线性方程组)(2)
![高等代数课件 高等代数(线性方程组)(2)](https://img.taocdn.com/s3/m/015ade2d852458fb770b56f4.png)
之后剩下的那些向量,则
1 i1
k ik
0 ik 1
0im
0
其 说中 明各i1向,量, 的ik ,系ik数1 , λ1,,…im,λk,0,…线,性0不相全关为,0也,就这
是α1,…, αm 线性相关. 由于﹛ α1,…, αm ﹜的任何一个子集线
性相关都将导致﹛ α1,…, αm ﹜线性相关,
要使﹛ α1,…, αm ﹜线性无关,必须它的所
有子集线性无关.
□
机动 目录 上页 下页 返回 结束
利用解线性方程组判定线性相关
定义向量组u1,…,um的线性相关或线性无关所 用的等式
(2.2.3)
可以看成以λ1 , … , λm为未知数的一个方程. 这个 方程至少有一组解 (λ1 , … , λm)=(0,…,0)
有唯一解的条件。
其中
机动 目录 上页 下页 返回 结束
定义 将任意数域F上的 n维数组(x1,x2,…,xn)
看成向量,将这些数组的全体组成的集合Fn
看成向量空间,称为n维数组空间。
机动 目录 上页 下页 返回 结束
• n维数组空间中的向量的加法
设 ( a1 , a 2 ,, a n ), (b1 , b2 ,bn )
机动 目录 上页 下页 返回 结束
因此, 线性相关和线性无关的定义可这样来理解:
(1)u1,…,um线性相关等价于方程 (2.2.3)有非零解
(λ1 , … , λm) (0,…,0) (2)u1,…,um线性无关等价于方程 (2.2.3)只有一 组 解(λ1 , … , λm)=(0,…,0) 设u1,…,um都是n维数组向量, 不妨将其中每个 向量uj (1 j m)写成列向量的形式
大学线性代数课件第四章第四节矩阵的秩
![大学线性代数课件第四章第四节矩阵的秩](https://img.taocdn.com/s3/m/1ed6bcb5b8f3f90f76c66137ee06eff9aff84967.png)
答案2
3
添加标题
答案3
4
添加标题
矩阵$A$的秩为3。
5
添加标题
矩阵$B$的秩为3。
6
添加标题
矩阵$C$的秩为3。
THANK YOU
感谢聆听
第矩 阵 秩
三的 应 用
章
在线性方程组中的应用
线性方程组的解
矩阵的秩可以用来判断线性方程组是否有 解,以及解的个数。如果系数矩阵的秩小 于增广矩阵的秩,则线性方程组无解;如 果系数矩阵的秩等于增广矩阵的秩,则线 性方程组有唯一解;如果系数矩阵的秩小 于增广矩阵的秩,则线性方程组有无穷多 解。
VS
向量空间的维数
矩阵的秩还可以用来确定向量空间的维 数。一个向量空间的维数等于该空间的 一组基所含向量的个数,而这个个数与 构成这组基的矩阵的秩相等。
在矩阵分解中的应用
矩阵的LU分解
矩阵的秩可以用于LU分解中。如果一个矩阵可以进行LU分解,那么这个矩阵一定是一个 满秩矩阵,即其秩等于其阶数。
矩阵的QR分解
第 量 点
言击
大
四 简 此
意处
学
节 赅 添
的加
线
矩 阐 正
述文
性
观, 点文 。字
件
的 提
第
炼 ,
四
请 尽
章
壹
目
貳
录
目录
叁
引 言
肆
矩 阵 秩 的 计 算 方 法
伍
矩 阵 秩 的 应 用
陆
矩 阵 秩 的 定 理 和 推 论
第引 言
一 章
矩阵秩的定 义
矩阵的秩也可以通过行或列的初等变换得到,即通过行或 列的线性组合来消除其他行或列中的元素,得到的行或列 中非零元素的个数即为矩阵的秩。
线性代数课件第三章矩阵的秩课件
![线性代数课件第三章矩阵的秩课件](https://img.taocdn.com/s3/m/78822d4d78563c1ec5da50e2524de518964bd3d0.png)
VS
矩阵的秩可以用于判断两个矩阵是否相似。如果两个矩阵相似,则它们的秩相同。
特征值和特征向量
矩阵的秩还可以用于确定矩阵的特征值和特征向量的个数。对于给定的矩阵,其秩等于其非零特征值的个数。
矩阵相似
矩阵的秩可以用于矩阵分解,如奇异值分解(SVD)和QR分解等。这些分解方法将一个复杂的矩阵分解为几个简单的、易于处理的矩阵,有助于简化计算和解决问题。
1 2 3 | 0 0 -3
7 8 9 | 0 0 0`
```
由于非零行的行数为2,所以矩阵B的秩为2。
题目3
求矩阵C=[1 -2 3; -4 5 -6; 7 -8 9]的秩。
解答
首先,将矩阵C进行初等行变换,得到行阶梯矩阵
```
继续进行初等行变换,得到
1 -2 3 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0
矩阵秩的应用
03
线性方程组的解
矩阵的秩可以用来判断线性方程组是否有解,以及解的个数。如果系数矩阵的秩等于增广矩阵的秩,则方程组有唯一解;否则,方程组无解或有无数多个解。
最小二乘法
矩阵的秩还可以用于最小二乘法,通过最小化误差平方和来求解线性方程组。最小二乘法的解就是使残差矩阵的秩等于其行数或列数的最小二乘解。
高等代数课件:第十三课矩阵的行秩、列秩、秩
![高等代数课件:第十三课矩阵的行秩、列秩、秩](https://img.taocdn.com/s3/m/5441100df01dc281e53af0f0.png)
②
设 A
aij
,则 R( A)
sn
min( s,n).
若 R( A) s , 则称A为行满秩的;
若 R( A) n , 则称A为列满秩的.
5
二、矩阵秩的有关结论定Biblioteka 5a11 a12对方阵
A
a21
a22
an1 an2
a1n
a2n
有
x1
ar
2
x2
arn xn 0
2
引理 如果齐次线性方程组
a11 x1 a12 x 2 a21 x1 a22 x2
as1
x1
as2
x2
a1n xn 0 a2n xn 0
0 asn xn 0
a11 a12
的系数矩阵
A
a21
a22
as1 as2
a1n
a2n
asn
那么该齐次方程组有非零解。
A
1 2
3 1
0 7
1 2
1
的秩是3
5
4 2 14 0 6
1 0 3 1 2
R(A)=3,第1,2,4行线性无关,A1
1
3
0
1
1
4 2 14 0 6
R( A1 ) 3 A1 的列秩是3,设前3列线性无关,则有
1 0 3
103
A2
1
3
0
R( A2 ) 3 | A2 | 1 3
0 0
a21
a22
as1 as2
则A的列向量组 1 ,2 ,
得 A的列向量组 1 ,2 ,
a1n
a2n
的列秩
高等代数第二节 向量组的秩
![高等代数第二节 向量组的秩](https://img.taocdn.com/s3/m/9ebb9b5ce97101f69e3143323968011ca200f708.png)
根据最大线性无关组的定义来证,它往往还 与向量组的秩相联系.
证明 不失一般性,设 i1 , i2 ,, ir 是 1 , 2 ,, s中的任意r个线性无关的向量,于是对于任意 的 k (k 1,2,, s),向量组 i1 , i2 ,, ir , k 线性
解法二 对行向量组,可以先都转置为列向量,
排成矩阵后,用行变换化为行最简型
设
T :
2
0
2
1
α1T
2 4
,
α2T
2 1
,
α3T
0 3
,
α4T
1
0
4
5
1
4
显然 T 秩=T 秩,且极大无关组互为转置向量
2 0 2 1
A α1T
α2T
α3T
α4T
2
4
2 1
0 3
因B组能由A组线性表示,故A组和B组合并而
成的向量组( A, B)能由A组线性表示. 而A组是( A, B)组的部分组,故A组总能由
( A, B)组线性表示. 所以( A, B)组与A组等价,因此
( A, B)组的秩也为r.
又因B组的秩为r , 故B组的最大无关组B0含r 个向量,因此B0组也是( A, B)组的最大无关组, 从 而( A, B)组与B0组等价.
rankT s
又 1线性无关,1秩=r, 但1秩 秩,r s.
证毕
定理3 说明
(1) r个线性无关向量,若可用另一组向量线性表示, 则后一组向量的个数不少于r ;
(2) 一组线性无关的向量,不可能用另一组个数 更少的向量线性表示。 特别在三维向量空间中: (1)两个线性无关的向量,不能用同一个向量线性表 示; (2)三个线性无关的向量,不能用两个或一个向量 线性表示。 推论1 设向量组1秩为r,向量组2秩为s.若1可由2
高等代数课件 第六章
![高等代数课件 第六章](https://img.taocdn.com/s3/m/2b05c2ed680203d8cf2f2443.png)
例3 在空间V2里,平行于一条固定直线的一切向 量空间作成V2的一个子空间。在间间V3里,平行于一 条固定直线或一张固定平面的一切向量分别作成V3的 子空间(6.1,例1)。
例4 F n中一切形如
(1,2 ,,n1,0),i F
的向量作成 F n的一个子空间。
例5 F [x]中次数不超过一个给定的整数n的多项 式全体连同零多项式一起作成F [x]的一个子空间。
第六章 向量空间
6.1 向量空间的定义和例子 6.2 子空间 6.3 向量的线性相关 6.4 基和维数 6.5 坐 标 6.6 向量空间的同构 6.7 矩阵的秩 齐次线性方程组的解空间
§6.1 向量空间的定义和例子
一、 引例——定义产生的背景
例1 设 F 是一个数域,F mn表示上m×n矩阵的集合, 回忆一下 F mn 上所能够施行的运算(教材P182):只有 加法和数乘两种,并且满足(教材P183):
空间 M n (F)的非空子集。又中M n (F) 的运算是矩阵的
加法及数与矩阵的乘法,而两个上三角形的和仍是一 个上三角形矩阵,一个数与一个上三角形矩阵的乘积 仍是上三角形矩阵,所以,由子空间的定义 ,U是
的 M n (F) 一个子空间。
W {A M n (F) | | A | 0}不是 M n (F) 的子空间, 因为n阶单位矩阵I及 – I ∈W,但 I (I ) O W
+AY =β+β≠β,故
V对A, 的F加n 法不封闭。
定理6.2.2 向量空间W的一个非空子集W是V 的一个子空间的充要条件是对于任意a,b∈F和任意 α,β∈W,都有aα+bβ∈W
二、子空间的交与和
命题1 设W1,W2是向量空间V的二个子空间, 那么它们的交W1∩W2也是V的一个子空间.
高等代数(绪论)讲解课件
![高等代数(绪论)讲解课件](https://img.taocdn.com/s3/m/59b0908cab00b52acfc789eb172ded630b1c989b.png)
善于总结
在做题过程中,要注意总结解题方法和技巧 ,形成自己的解题思路和经验。
学习过程中注重归纳总结
要点一
归纳知识体系
在学习过程中,要注重归纳总结,将所学知识形成完整的 知识体系,以便更好地理解和记忆。
要点二
总结解题方法
对于同一类问题,要总结出通用的解题方法,形成自己的 解题技巧和策略。
培养数学思维与逻辑推理能力
矩阵的加法、减法、乘法
矩阵的逆
掌握矩阵的基本运算规则,能够进行 矩阵的加法、减法和乘法运算。
掌握矩阵逆的定义和性质,能够求出 矩阵的逆。
矩阵的转置
了解矩阵转置的定义和性质,能够进 行矩阵的转置运算。
多项式的因式分解与根的性质
因式分解
掌握多项式的因式分解方法,如提取公因式、分组分 解、十字相乘法等。
线性变换与几何变换
总结词
线性变换是高等代数中描述几何变换的 基本工具,它可以用于图像处理、计算 机图形学和机器人学等领域。
VS
详细描述
线性变换是矩阵在向量空间上的作用,它 可以描述旋转、平移、缩放等基本的几何 变换。通过线性变换,可以研究几何对象 的性质和关系,并将其应用于图像处理、 计算机图形学等领域,实现图像的旋转、 缩放和剪切等操作。
培养数学思维
学习高等代数需要具备数学思维,即能够运用数学语言 和符号进行推理和表达的能力。
提高逻辑推理能力
通过学习和练习高等代数的证明和推导,可以提高逻辑 推理能力,增强思维的严密性和条理性。
T量是一个有方向的量,它由一组有 序数组成。在高等代数中,向量通常 表示为有序数对的序列,这些数对可 以表示空间中的点、方向和大小。
矩阵
矩阵是一个矩形阵列,由若干行和若 干列组成。在高等代数中,矩阵是重 要的数学工具,它可以表示向量之间 的关系、线性变换等。
高等代数PPT (55)
![高等代数PPT (55)](https://img.taocdn.com/s3/m/ee4ce10b7c1cfad6185fa7a7.png)
第三章n维向量空间3.3 向量组的秩3.3.3 线性表出与秩的关系定理3.设向量组 1, …, r 可由 1, …, s 线性表出, (1) 若r > s , 则 1, …, r 线性相关; (2) 若 1, …, r 线性无关,则r ≤ s . 证明:(1) 不妨设向量均为n 维列向量, 令A =( 1, …, r ), B = ( 1, …, s ),因 1, …, r 可由 1, …, s 线性表出, 故存在K =(k ij )s ×r 使得: A n ×r =B n ×s K s ×r 三、线性表出与秩的关系多组由少组表出, 则多组相关AX 0 = BKX 0 = B 0 = 0.于是AX = 0有非零解X 0,对KX = 0, 变元数r > 方程数s , 有非零解X 0:因此 1, …, r 线性相关.(2) 是(1) 的逆否命题.设S : 是T 的一个极大无关组, 则性质1. 1,,s 证明:(1) T 中任取一个向量α:[1] 若α是S 中的向量, 当然可以由S 线性表出.[2] 若α不是S 中的向量, 添入S 中, 得s + 1 个向量1,,,,s S 是T 的极大无关组, 因此T 中任意s + 1个向量线性相关, 特别地,(2) 显然部分组S 可由整体向量组T 线性表出, 结合(1) 即得.(1) T 可由S 线性表出;(2) T 与S 等价;α可由S 线性表出.1,,,s 线性相关1:,,s S 线性无关两向量组秩的关系向量组Ⅰ 可由向量组Ⅱ 线性表出组Ⅰ 可由组Ⅱ 线性表出组Ⅰ与组Ⅱ 等价组Ⅰ 的秩r 1 ≤ 组Ⅱ 的秩r 2.秩I = 秩II.证明:设为Ⅰ 的极大无关组11,...,r 为Ⅱ 的极大无关组21,...,r 可由线性表出11,...,r 21,...,r 线性无关11,...,r推论: 12r r。
西南财经大学高等代数课件秩
![西南财经大学高等代数课件秩](https://img.taocdn.com/s3/m/97dcba2ef12d2af90242e646.png)
1 、0 、1 等是A的1阶子式.
定义2.19 矩阵A的非零子式的最高阶数称作矩阵 的秩. 记作 R( A)
对于矩阵 Am,显n 然有 R(A) minm, n
对于 AT,显然有 R( AT ) R( A).
定义 n 阶方阵A,若 R( A) n ,称 A 为满秩阵. 若 R( A) n ,则称 A为降秩阵.
命题5 设A, B 均为 m n , 则A和 B等价当且仅当
R( A) R(B)
证 A和 B等价 可逆矩阵P,Q,使得B PAQ
即R( A) R(B)
命题6 任意非零矩阵都可经初等行变换化为唯一的 行简化阶梯矩阵.
关于矩阵秩的若干结论 (1) R( A) r Dr 0,Dr1 0 (2) R(O) 0 (3) R( Amn ) min{m, n} (4) R( AT ) R( A), R(kA) R( A),k 0 (5) R( A1 ) R( A) , 其中 A1是的A子矩阵 (6) if Dr 0 R( A) r (7) if Dr 0 R( A) r
(8) A B R A R B.
(9) 对于n阶方阵A,
R( A) n A 0 A1存在
R( A) R(B). 推论 矩阵的列初等变换不改变矩阵的秩. 证 由矩阵A的秩的定义, 当然有
R( A) R( AT ). 且对A所作的列初等变换对AT来说则是初等行变换. 由定理2.7知,它不改变AT的秩,从而A的秩亦不改变.
求矩阵的秩的更有效(比直接利用定义)的方法为: 利用矩阵的初等变换将矩阵化为阶梯形, 然后数其 非零行的行数即得矩阵的秩.
当D中不含有B的第j 行元素时, 则D2至多与A的某 个r+1阶子式相差一个负号,从而
西南财经大学高等代数(线性代数)PPT系列之三1.3
![西南财经大学高等代数(线性代数)PPT系列之三1.3](https://img.taocdn.com/s3/m/845ca1125a8102d276a22f5e.png)
12
(2) 设 D 的第 i 行除了 aij 外都是 0 。
a11 a1 j a1n D 0 aij 0 an1 anj ann
把D转化为(1)的情形
· · · · · , 把 D 的第 i 行依次与第 i 1 行,第 i 2 行,·
第2行,第1行交换;再将第 j 列依次与第 j 1 列, 第 j 2 列,· · · · · · , 第2列,第1列交换,这样共经过
一个n 阶行列式是否可以转化为若干个 n -1 阶行列式来计算?(降阶的思想)
a11 a21 a31
a12 a22 a32
a13 a23 a33
a11a22a33 a12a23a31 a13a21a32 a11a23a32 a12a21a33 a13a22a31,
7
a11 a22a33 a23a32 a12 a23a31 a21a33 a13 a21a32 a22a31
A23 1
2 3
M 23 a31 a32 a41 a42
M 23 M23
9
a11
a12
a13 a23 a33 a43
a14 a24 a34 a44
a21 a22 D a31 a32 a41 a42
a21 a23 M 12 a31 a33 a41 a43
1 2
a24 a34 a44
r2 r1 r3 r1 rn r1
1 [ x ( n 2)a ]0 0 0
a x 2a 0 0
a 0 0
a 0 0
x 2a
x 2a
[ x (n 2)a]( x 2a )n1
高等代数
![高等代数](https://img.taocdn.com/s3/m/ff6d08ebf8c75fbfc77db272.png)
3、线性空间的基与维数的确定
定理 若线性空间V中的向量组 若线性空间 中的向量组 α 1 ,α 2 ,L ,α n 满足
线性无关; ⅰ) α 1 ,α 2 ,L ,α n 线性无关; 线性表出, ⅱ) ∀β ∈ V , β 可经 α 1 ,α 2 ,L ,α n 线性表出, 的一组基. 则V为n 维线性空间,α 1 ,α 2 ,L ,α n 为V的一组基. 为 维线性空间, 的一组基
解得 k1 = −3k3 , k2 = − k3 , k3 为自由未知量. 为自由未知量.
∴ α1 ,α 2 ,α 3 线性相关. 线性相关.
线性表出. 即 α 3 可经 α1 ,α 2 线性表出
由 k1α1 + k2α 2 + k3α 4 = 0,
即
k3 = 0 k1 + − k1 + 3k2 − 1k3 = 0 2k + k + 2 k = 0 3 4k1 + 22 k2 =0 1
证:(1)首先,1,x,x2,…,xn-1是线性无关的. ( )首先, , , , - 是线性无关的.
∀f ( x) = a0 + a1 x + L + an−1 x n−1 ∈ P[ x]n 其次, 其次,
f ( x) 可经 1,x,x2,…,xn-1线性表出. , , , - 线性表出.
§4.5 秩、维数与基 维数与基
一、线性空间中向量的线性相关性的 进一步性质 二、线性空间的维数、基与坐标 线性空间的维数、
一、向量组的等价
1、定义 、
若向量组 α1 ,α 2 ,L ,α s 中每一个向量 α i ( i = 1,2,L , s ) 皆可经向量组 β 1 , β 2 ,L , β t 线性表出,则称向量组 线性表出,
- 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)。
对于 AT, 然有 R( AT ) = R( A). 显
定义 n 阶方阵A ,若 R( A) = n ,称 A 为满秩阵. 满秩阵. 若 R( A) < n ,则称 A为降秩阵. 降秩阵. 定义
Am×n , if R( A) = m ,则称 A 为行满秩阵; 行满秩阵;
if R( A) = n
列满秩阵; ,则称 A 为列满秩阵;
1 −1 1 0 等是A的 阶子式 阶子式; 、 等是 的2阶子式 3 2 1 −4
1 、 、 1 等是 的1阶子式 0 − 等是A的 阶子式 阶子式.
定义2.19 矩阵 的非零子数称作矩阵 定义 的秩. 的秩 记作 R( A)
对于矩阵 Am×n ,显然有 R( A) ≤ min { m , n}
§2.8 矩阵的秩
不同的矩阵有相同的标准形; 不同的矩阵有相同的标准形 一个矩阵可经行初 等变换化为不同的阶梯形矩阵, 等变换化为不同的阶梯形矩阵 但不同的阶梯形矩 阵中非零行的个数却是相同的. 阵中非零行的个数却是相同的 这都是因为矩阵的本质特征— 矩阵的秩 这都是因为矩阵的本质特征——矩阵的秩. 定义2.18 设矩阵 A = (aij )m×n , 称位于 的某 行、 定义 称位于A的某 的某k行 k列的交叉点处的元素依照其原来的相对位置 所构 列的交叉点处的元素 成的k阶行列式为 的 阶子式 阶子式. 成的 阶行列式为A的k阶子式 (1 ≤ k ≤ min{m, n}) 阶行列式为
1 0 −1 2 例1 设A = 3 1 2 0 , 则 1 1 4 −4 1 0 −1 1 0 2 1 −1 2 0 −1 2 3 1 2 、3 1 0 、 3 2 0 、 1 2 0 1 1 4 1 1 −4 1 4 −4 1 4 −4
的全部4个 阶子式 阶子式; 是A的全部 个3阶子式 的全部
2 −1 例3 求 A = − 1 0 3
注1 零矩阵没有非零子式, 规定其秩为零; 零矩阵没有非零子式 规定其秩为零
为 × 矩阵, 为 × 矩阵, 命题2 命题 设A为 m×n 矩阵 B为 n×s 矩阵 则 R(AB) ≤ min{ R(A), R(B)}
例2 设U为 m×n 矩阵, V为 n×m 矩阵,且m > n 为 × 矩阵 为 × 矩阵, 证明 UV = 0 证
ri + kr j
中不含有B的第 阶子式, 若D中不含有 的第 行元素 则D是A的r+1阶子式 中不含有 的第i 元素, 是 的 阶子式 故 D=0. 中含有B的第 则由行列式的性质4和性 若D中含有 的第 行元素 则由行列式的性质 和性 中含有 的第i 行元素,则由行列式的性质 可依第i 质3, D可依第 行拆成两个行列式之和 D=D1+kD2 , 其 可依第 阶子式, 中D1是A的r+1阶子式 的 阶子式 故 D1=0, ⇒ D = kD2 . 中不含有B的第 至多与A的某 当D中不含有 的第 行元素时 则D2至多与 的某 中不含有 的第j 行元素时, 阶子式相差一个负号,从而 个r+1阶子式相差一个负号 从而 阶子式相差一个负号 D=0.
故同理可证 R( A) ≤ R( B ).
⇒ R( A) = R( B ).
矩阵的列初等变换不改变矩阵的秩. 推论 矩阵的列初等变换不改变矩阵的秩 由矩阵A的秩的定义 的秩的定义, 证 由矩阵 的秩的定义 当然有
R( A) = R( AT ).
且对A所作的列初等变换对 T来说则是初等行变换. 且对 所作的列初等变换对A 来说则是初等行变换 所作的列初等变换对 由定理2.7知 它不改变 的秩,从而 的秩亦不改变. 它不改变A 从而A的秩亦不改变 由定理 知,它不改变 T的秩 从而 的秩亦不改变 求矩阵的秩的更有效 比直接利用定义)的方法为 的方法为: 求矩阵的秩的更有效(比直接利用定义 的方法为 更有效 利用矩阵的初等变换将矩阵化为阶梯形, 然后数其 利用矩阵的初等变换将矩阵化为阶梯形 非零行的行数即得矩阵的秩. 非零行的行数即得矩阵的秩
R (UV ) ≤ min{R (U ), R (V )} m>n
⇒ R (UV ) ≤ n < m ⇒ UV = 0
命题3 命题 设 P,Q 可逆 , 则
R ( A ) = R ( PA ) = R ( AQ ) = R ( PAQ )
由定义2.19知, 要求矩阵 的秩需计算多个行 知 要求矩阵A的秩需计算多个行 由定义 列式的值. 列式的值
1 3 −2 2 求 0 2 −1 3 的秩 0 0 0 0
恰为其非零行的个数. 阶梯形矩阵的秩 恰为其非零行的个数.
定理2.7 矩阵的初等行变换不改变矩阵的秩 矩阵的初等行变换不改变矩阵的秩. 定理 只须证明一次初等行变换不改变矩阵的秩.下 证 只须证明一次初等行变换不改变矩阵的秩 下 面只就第(3)种初等行变换进行证明 面只就第 种初等行变换进行证明, 其余两种请同 种初等行变换进行证明 学们下去自行证明. 学们下去自行证明 设 A B , R( A) = r , → D为B的任意一个 阶子式 为 的任意一个 阶子式. 的任意一个r+1阶子式
中含有B的第 当D中含有 的第 行元素时 因D2有两行完全相同 中含有 的第j 行元素时,因 有两行完全相同, 从而 D=0. 综上所述 R( B ) ≤ R( A). 又可经过一次初等行变换变成A,即 而B又可经过一次初等行变换变成 即 又可经过一次初等行变换变成
B A, →
ri − kr j
命题1 矩阵A的秩为 的充要条件是A至少有一个 的秩为r的充要条件是 至少有一个r 命题 矩阵 的秩为 的充要条件是 至少有一个 阶非零子式且全部r+1阶子式 如果有的话 阶非零子式且全部 阶子式(如果有的话 都等于零 阶子式 如果有的话)都等于零 (从而更高阶的子式亦为零 从而更高阶的子式亦为零); 从而更高阶的子式亦为零