ds4-4山东建筑大学线性代数课件
合集下载
山东大学《线性代数》课件03线性方程组

Imn 0 0 1 br1 br(nr)
0
0
0
0
0
0
0
0
0
0
显然:A I 行最简形
1 A 2
2 3
1
1
1 0
2 1
1 3
1 0
2 1
1 3
4 7 1 r2 2r1 0 1 3
0
0
0
1 0 5 1 0 5 0 1 3 0 1 3
1,2是解向量,则 1 2也是解向量。
性质2: 是解向量,则 k也是解向量。
令 V A O
则V 构成一个向量空间。
称为方程组 的解空间。
若齐次线性方程组的解空间存在一组基 1,2 ,,s , 则方程组的全 部解就是 k11 k22 kss , 这称为方程组的通解。
由此可见,要求方程组的全部解,只需求出其基。
x2
b21xr 1
b2(nr) xn
0
真未知量
xr br1xr 1 br(nr) xn 0
xr1, xr2 ,, xn
自由未知量
x1
x2
(b11xr 1 (b21xr 1
br(nr) xn ) b2(nr) xn )
x1,
x2
,,
xr
由自由未知量
xr 1, xr 2 ,, xn 惟一确定
3 0
xx1235xx33
2 1 1 3 0 0
x3 1,
x1 5 x2 3
基础解系为 (5,3,1)T 通解为 k k(5,3,1)T
步骤: (1) 写出系数矩阵 A 并对其作初等行变换化为行最简形式(同时得 到 r(A),这样也就可以确定基础解系所含解向量的个数);
4-1,2山东建筑大学线性代数课件

∴向量组 A 线性相关,
22
(3)m 个 n 维向量组成的向量组,当维数 n小于向量个数 m 时一定线性相关.
若向量组 A 线性 无关,则向量组 B也线性无关;
若向量组 B线性相关, 则向量组 A 也线性相关.
证 若向量组 B 线性相关,∴存在不全为零的数 k1 , k2 ,, km , 使
k1b1 k2b2 kmbm 0
即
k1a1 k2a2 kmam 0
且 k1ar 1,1 k2ar 1,2 kmar 1,m 0
(a1
,
a
2
,,
am
)
k2
j
,
kmj
从而
k11
(b1
,
b2
,,
bs
)
(a1
,
a2
,,
am
)
k21
k12
k22
k1s
k2s
.
km1 km2 kms
矩阵 Kms (kij ) 称为这一线性表示的系数矩阵.
8
向量组 B:b1,b2 , ,bl , 能由向量组 A : a1, a2 ,, am , 线性表示
给定向量组 A : a1, a2 ,, am , 和向量 b, 如果存在一组数
1, 2 ,, m , 使 b 1a1 2a2 mam ,
则称向量 b 是向量组 A 的线性组合, 这时称 向量 b 能由向量组 A 线性表示.
也就是方程组 x1a1 x2a2 xmam b 有解.
6
定理1 向量 b 能由向量组 A 线性表示的充分必要条件是矩阵
2
在点空间取定 坐标系以后, 空间中的点 P( x, y, z)与3维向量 r (x, y, z)T 之间有一一对应的关系, 因此, 向量空间可以类比为 取定了坐标系的点空间.
ds4-4对称矩阵的对角化 山东建筑大学

0
1
2
1 2
0
1 2
7
P不唯一
此例中对应于2 3 4 ,若求得方程 A 4Ex 0得基础解系
1
1 1,
1
2 1 .
则首先需要把它们规范正交化:
1
1
取 1 1,
2
2
1, 2 1 , 1
1
1 1 1
1 3
1 1 1
2 3
2 1 1
.
再单位化,即得 p2
1 2
于是
1 1, 2 3
1 0
0 3
,
n
1 0
0 3n
对于 1 1,
A
E
1 1
11
1 0
01,
得 1 11,
9
对于
1
3,
A 3E
1 1
11
10
1 0
,
得2 11,
1 1
P (1,2 ) 1 1,
P 1
1 2
1 1
11
An
Pn P 1
1 2
11
1110
0 3n
1 1
2
3
4
时,A 4E
0
1
1
0 1 1
0 0
1 0
01, x3 x2
0 0 0
得基础解系
2
1 0.
0
3 1,
基础解系中两向量恰好正交,
0
1
单位化即得两单位正交的特征向量
于是得正交矩阵
0
1 p2 0. 0
1 0
0
1
p3
பைடு நூலகம்
线性代数PPT全集

a31 a32 b3
a11 a12 a13 D a21 a22 a23
a31 a32 a33
a11 a12 b1 D3 a21 a22 b2 .
a31 a32 b3
则三元线性方程组的解为:
b1 a12 a13 D1 b2 a22 a23 ,
b3 a32 a33
a11 b1 a13 D2 a21 b2 a23 ,
Pn = n (n–1) (n–2) ··· 2 1 = n!
二、排列的逆序数
我们规定各元素之间有一个标准次序. 以 n 个不同的自然数为例, 规定由小到大 为标准次序.
定义: 在一个排列 i1 i2 ···is ···it ···in 中, 若数 is>it, 则称这两个数组成一个逆序.
它的特点是研究的变量数量较多,关系复杂,方法上 既有严谨的逻辑推证、又有巧妙的归纳综合,也有繁 琐和技巧性很强的数字计算,在学习中,需要特别加 强这些方面的训练。
第一章 行列式 第二章 矩阵及其运算 第三章 矩阵的初等变换
及线性方程组
第四章 向量组的线性相关性
第五章 相似矩阵及二次型
基础 基本内容
a13 x3 a23 x3
b1 , b2 ,
a31x1 a32 x2 a33 x3 b3;
的系数行列式
a11 a12 a13 D a21 a22 a23 0,
a31 a32 a33
aa2111xx11
a12 x2 a22 x2
a13 x3 a23 x3
(2)a12:
a12a21x1 + a12a22x2 = b2a12,
两式相减消去x2, 得 (a11a22 – a12a21) x1 = b1a22 – b2a12;
线性代数第一章ppt

线性代数第一章
目录
CONTENTS
• 绪论 • 线性方程组 • 向量与向量空间 • 矩阵 • 特征值与特征向量
01
绪论
线性代数的定义与重要性
线性代数是数学的一个重要分支,主要研究线性方程组、向量空间、矩阵 等线性结构。它在科学、工程、技术等领域有着广泛的应用。
线性代数的重要性在于其提供了一种有效的数学工具,用于解决各种实际 问题中的线性关系问题,如物理、化学、生物、经济等。
向量空间中的零向量是唯一确定的,且对于任意 向量a,存在唯一的负向量-a。
向量空间的运算与性质
向量空间中的加法满足交换律和结合 律,即对于任意向量a和b,存在唯一 的和向量a+b;且对于任意三个向量a、 b和c,(a+b)+c=a+(b+c)。
向量空间中的数乘满足结合律和分配 律,即对于任意标量k和l,任意向量a 和b,存在唯一的结果k*(l*a)=(kl)*a 和(k+l)*a=k*a+l*a。
圆等。
经济学问题
线性方程组可以用来描述经济现象和 规律,例如供需关系、生产成本、利
润最大化等。
物理问题
线性方程组可以用来描述物理现象和 规律,例如力学、电磁学、热力学等。
计算机科学
线性方程组在计算机科学中有广泛的 应用,例如机器学习、图像处理、数 据挖掘等。
03
向量与向量空间
向量的定义与性质
01 向量是具有大小和方向的量,通常用有向线 段表示。 02 向量具有模长,即从起点到终点的距离。
特征值与特征向量的计算方法
定义法
幂法
谱分解法
根据特征值和特征向量的定义, 通过解方程组Ax=λx来计算特征 值和特征向量。这种方法适用于 较小的矩阵,但对于大规模矩阵 来说效率较低。
目录
CONTENTS
• 绪论 • 线性方程组 • 向量与向量空间 • 矩阵 • 特征值与特征向量
01
绪论
线性代数的定义与重要性
线性代数是数学的一个重要分支,主要研究线性方程组、向量空间、矩阵 等线性结构。它在科学、工程、技术等领域有着广泛的应用。
线性代数的重要性在于其提供了一种有效的数学工具,用于解决各种实际 问题中的线性关系问题,如物理、化学、生物、经济等。
向量空间中的零向量是唯一确定的,且对于任意 向量a,存在唯一的负向量-a。
向量空间的运算与性质
向量空间中的加法满足交换律和结合 律,即对于任意向量a和b,存在唯一 的和向量a+b;且对于任意三个向量a、 b和c,(a+b)+c=a+(b+c)。
向量空间中的数乘满足结合律和分配 律,即对于任意标量k和l,任意向量a 和b,存在唯一的结果k*(l*a)=(kl)*a 和(k+l)*a=k*a+l*a。
圆等。
经济学问题
线性方程组可以用来描述经济现象和 规律,例如供需关系、生产成本、利
润最大化等。
物理问题
线性方程组可以用来描述物理现象和 规律,例如力学、电磁学、热力学等。
计算机科学
线性方程组在计算机科学中有广泛的 应用,例如机器学习、图像处理、数 据挖掘等。
03
向量与向量空间
向量的定义与性质
01 向量是具有大小和方向的量,通常用有向线 段表示。 02 向量具有模长,即从起点到终点的距离。
特征值与特征向量的计算方法
定义法
幂法
谱分解法
根据特征值和特征向量的定义, 通过解方程组Ax=λx来计算特征 值和特征向量。这种方法适用于 较小的矩阵,但对于大规模矩阵 来说效率较低。
线性代数完整版ppt课件

a11x1 a12x2 b1 a21x1 a22x2 b2
求解公式为
x1
x
2
b1a 22 a11a 22 a11b2 a11a 22
a12b2 a12a 21 b1a 21 a12a 21
请观察,此公式有何特点? Ø分母相同,由方程组的四个系数确定. Ø分子、分母都是四个数分成两对相乘再
主对角线 a 1 1 a 1 2 a 1 3
a 2 1 a 2 2 a 2 3
a11a22a33a12a23a31a13a21a32
副对角线 a 3 1 a 3 2 a 3 3
a13a22a31a12a21a33a11a23a32
称为三阶行列式.
二阶行列式的对角线法则
并不适用!
.
12
三阶行列式的计算 ——对角线法则
( a a a a ) x a b b a 12 12 12 21 2 12 11 21
当 a 1a 1 2 2a 1a 时2 2,1 该0 方程组有唯一解
x b1a22a12b2
1 a a a a
11 22
12 21
x2
a11b2 b1a21 a11a22a12a21
.
6
二元线性方程组
为列标,表明元素位于第j
列. 8
二阶行列式的计算 ——对角线法则
主对角线 a 1 1 副对角线 a 2 1
a 12 a 22
a11a22a12a21
即:主对角线上两元素之积-副对角线上两元素之积
.
9
二元线性方程组
a11x1 a12x2 a21x1 a22x2
b1 b2
若令
D a11 a12 a21 a22
显然 P n n ( n 1 ) ( n 2 )3 2 1 n !
求解公式为
x1
x
2
b1a 22 a11a 22 a11b2 a11a 22
a12b2 a12a 21 b1a 21 a12a 21
请观察,此公式有何特点? Ø分母相同,由方程组的四个系数确定. Ø分子、分母都是四个数分成两对相乘再
主对角线 a 1 1 a 1 2 a 1 3
a 2 1 a 2 2 a 2 3
a11a22a33a12a23a31a13a21a32
副对角线 a 3 1 a 3 2 a 3 3
a13a22a31a12a21a33a11a23a32
称为三阶行列式.
二阶行列式的对角线法则
并不适用!
.
12
三阶行列式的计算 ——对角线法则
( a a a a ) x a b b a 12 12 12 21 2 12 11 21
当 a 1a 1 2 2a 1a 时2 2,1 该0 方程组有唯一解
x b1a22a12b2
1 a a a a
11 22
12 21
x2
a11b2 b1a21 a11a22a12a21
.
6
二元线性方程组
为列标,表明元素位于第j
列. 8
二阶行列式的计算 ——对角线法则
主对角线 a 1 1 副对角线 a 2 1
a 12 a 22
a11a22a12a21
即:主对角线上两元素之积-副对角线上两元素之积
.
9
二元线性方程组
a11x1 a12x2 a21x1 a22x2
b1 b2
若令
D a11 a12 a21 a22
显然 P n n ( n 1 ) ( n 2 )3 2 1 n !
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-山大全套课件

几种特殊的矩阵
1. 行矩阵; 2. 列矩阵; 3. 零矩阵; 4. n阶方阵; 5. 三角矩阵; 6. 对角矩阵(Diagonal Matrix); 7. 单位矩阵(Identity Matrix).
矩阵相等
如果两个矩阵A,B有相同的行数和相同的列数,并 且对应位置的元均相等,则称矩阵A与矩阵B相等, 记为A=B
k 1
n
矩阵乘法的运算律
A( BC) ( AB)C ( A B)C AC BC A( B C ) AB AC k ( AB) (kA) B A(kB) 注意:两个非零矩阵的乘积可能为零矩阵。因此
由AB=0不能推出A=0或B=0 由AB=AC且A为非零矩阵不能推出B=C 0 0 0 0 0 1 0 1 0 0 0 1 0 0 0, BA 0 0 0 AB A 0 0 1 , B 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
a11 A a21 a 31 a12 a22 a32 a13 a23 a33 a14 a11 a12 a13 a14 A11 A12 A11 A12 a , a24 a23 a24 a22 A 21 A 22 21 A21 a31 a32 A22 a33 a34 a34
1.1 矩阵及其运算
本节学习内容
1.
2. 3.
线性方程组及其矩阵表示 矩阵的基本运算及性质 逆矩阵
线性代数介绍
线性代数中的“线性”是指研究的内容是“线性关 系”,即运算方面只有加法、减法和数乘运算。 线性代数的研究对象,主要是接下来将要学习的矩阵。
ds4-3 相似矩阵 山东建筑大学

定理 3 n 阶矩阵 A 可对角化的充要条件是对应于的每个 特征值的线性无关的特征向量的个数恰好等于该 特征值的重数。
8
例4-22设
A
0 1
0 1
1 x,
问x为何值时,矩阵A能对角化?
1
0
0
0 1
解 A E 1 1 x 12 1
1 0
1 1, 2 3 1
对单根1 1, 可求得1个线性无关的特征向量. 故矩阵A可对角化需对应重根2 3 1有2个线性无关的特征向量.
同,从而 A 与 B 的特征值也相同.
证 ∵ A 与 B 相似,∴有可逆矩阵 P, 使 P 1 AP B,
∴ B E P 1 AP P 1EP P 1A E P
P 1 A E P A E
2
1
推论
1
若
n
阶矩阵AΒιβλιοθήκη 与对角矩阵2相似
n
则 1, 2 ,, n 即是 A 的 n 个特征值.
4
例4-18
设
A
3 5
11,
4 0
02
验证存在可逆矩阵P 11
-15,
使得A与相似, 并求A10.
证明
5
由P可逆,且P1
6 1
6
1
6 1
6
,则
5 1
P
1
A
P
6 1
6
6 1
6
3 5
故A与相似。A10 P10
1111
P1 11
1 -5
4 0
1 -5
410 0
02
0 210
5
6 1
复习
1. 如何求一个 n 阶方阵 A 的特征值、特征向量?
8
例4-22设
A
0 1
0 1
1 x,
问x为何值时,矩阵A能对角化?
1
0
0
0 1
解 A E 1 1 x 12 1
1 0
1 1, 2 3 1
对单根1 1, 可求得1个线性无关的特征向量. 故矩阵A可对角化需对应重根2 3 1有2个线性无关的特征向量.
同,从而 A 与 B 的特征值也相同.
证 ∵ A 与 B 相似,∴有可逆矩阵 P, 使 P 1 AP B,
∴ B E P 1 AP P 1EP P 1A E P
P 1 A E P A E
2
1
推论
1
若
n
阶矩阵AΒιβλιοθήκη 与对角矩阵2相似
n
则 1, 2 ,, n 即是 A 的 n 个特征值.
4
例4-18
设
A
3 5
11,
4 0
02
验证存在可逆矩阵P 11
-15,
使得A与相似, 并求A10.
证明
5
由P可逆,且P1
6 1
6
1
6 1
6
,则
5 1
P
1
A
P
6 1
6
6 1
6
3 5
故A与相似。A10 P10
1111
P1 11
1 -5
4 0
1 -5
410 0
02
0 210
5
6 1
复习
1. 如何求一个 n 阶方阵 A 的特征值、特征向量?
线代第一章-线性代数 山东建筑大学

a11 a12 a1n D a21 a22 a2n
an1 an2 ann
a11 a21 an1
DT
a12
a22
an2
a1n a2n ann
转置行列式
性质1 行列式与它的转置行列式相等,即D DT
6
性质2 互换行列式的两行(列),行列式变号。
例:
3 4 7 r1 r2 135
xi x j ni j1
数学归纳法
证毕
29
例6
a n (a 1)n (a n)n
a n1 (a 1)n1 (a n)n1
Dn1
a
a 1 a n
1
1
1
(a i) (a j) (i j)
1
n(n1) a (1) 2
a n1 an
1
a 1 (a 1)n1 (a 1)n
0 16 2 7
0 0 10 15
0 0 8 10
00 0 5 2
40 [注]:计算数字行列式,一个重要的方法就是将其
化为上(下)三角形行列式。
14
3111
例2: 计算 D 1 3 1 1
1131 1113
6666
解: D r1 r2 r3 r4 1 3 1 1
1131 1113
1111
an1 an2 ann
an1
an2
ann
a11 a12 a1n
a11 a12 a1n
a11 a12 a1n
ai1 0 0 0 ai2 0 0 0 ain
an1 an2 ann
an1 an2 ann
an1 an2 ann
ai1 Ai1 ai 2 Ai 2 ain Ain 23
线性代数第一章第一节PPT课件

01递Biblioteka 公式法02递推公式法是根据行列式的性质和结构特点,利用递推公式来
计算行列式的方法。
递推公式法可以大大简化高阶行列式的计算过程,提高计算效
03
率。
行列式的计算方法
分块法
1
2
分块法是将高阶行列式分成若干个小块,然后利 用小块来计算整个行列式的方法。
3
分块法可以简化高阶行列式的计算过程,特别是 当行列式具有特定的结构特点时,分块法可以大 大提高计算效率。
01
向量空间
02
向量空间是线性代数中的一个重要概念,而行列式在向量 空间的定义和性质中也有着重要的应用。例如,通过行列 式可以判断一个向量集合是否构成向量空间,以及向量空 间的一些基本性质。
03
行列式在向量空间中的应用可以帮助我们更好地理解线性 代数的本质和结构特点。
05
特征值与特征向量
特征值与特征向量的定义
转置等特殊运算。
向量与矩阵的关系
关联性
04
向量可以用矩阵来表示,矩 阵中的每一行可以看作是一 个向量。
01 03
•·
02
向量和矩阵在数学中是密切 相关的概念,矩阵可以看作 是向量的扩展。
04
行列式
行列式的定义与性质
基本概念
行列式是由数字组成的方阵,按照一定的规则计 算出的一个数。
行列式具有一些基本的性质,如交换律、结合律、 分配律等。
向量可以用有向线段、坐 标系中的点或有序数对来 表示。
向量有大小和方向两个基 本属性,大小表示向量的 长度,方向表示向量的指 向。
矩阵的定义与运算
•·
02
基础运算
01
03
矩阵是一个由数字组成的矩 形阵列,表示二维数组。
线性代数-山大全套课件-知识归纳整理

求知若饥,虚心若愚。 第 26 页/共 216 页
千里之行,始于足下。 第 27 页/共 216 页
求知若饥,虚心若愚。 第 28 页/共 216 页
千里之行,始于足下。 第 29 页/共 216 页
求知若饥,虚心若愚。 第 30 页/共 216 页
千里之行,始于足下。 第 31 页/共 216 页
求知若饥,虚心若愚。 第 116 页/共 216 页
千里之行,始于足下。 第 117 页/共 216 页
求知若饥,虚心若愚。 第 118 页/共 216 页
千里之行,始于足下。 第 119 页/共 216 页
求知若饥,虚心若愚。 第 120 页/共 216 页
千里之行,始于足下。 第 121 页/共 216 页
求知若饥,虚心若愚。 第 68 页/共 216 页
千里之行,始于足下。 第 69 页/共 216 页
求知若饥,虚心若愚。 第 70 页/共 216 页
千里之行,始于足下。 第 71 页/共 216 页
求知若饥,虚心若愚。 第 72 页/共 216 页
千里之行,始于足下。 第 73 页/共 216 页
求知若饥,虚心若愚。 第 176 页/共 216 页
千里之行,始于足下。 第 177 页/共 216 页
求知若饥,虚心若愚。 第 178 页/共 216 页
千里之行,始于足下。 第 179 页/共 216 页
求知若饥,虚心若愚。 第 180 页/共 216 页
千里之行,始于足下。 第 181 页/共 216 页
求知若饥,虚心若愚。 第 98 页/共 216 页
千里之行,始于足下。 第 99 页/共 216 页
求知若饥,虚心若愚。 第 100 页/共 216 页
线性代数课本PPT课件

是对应于l1 2的全部特征向量
1 1 0
例
求矩阵
A
4 1
3 0
0 2
的特征值和特征向量.
解 特征值为 l1 2,l2 l3 1
当l2 l3 1时,齐次线性方程组为 A I x O
系数矩阵
2 1 0 1 0 1
A
I
4 1
2 0
0 1
0 0
1 0
2 0
1
得基础解系
1
l
A . 且x仍然是矩阵
kA, Am , A1 , A
分别对应于
kl , l m ,l 1, 1 A 的特征向量. l
证 (3) 当A可逆时, l 0, 由Ax l x可得
A1 Ax A1 l x l A1x A1 x l 1 x
故l 1是矩阵A1的特征值,且x是A1对应于l 1的特征向量.
1
1
1 1
x1 x2
0 0
x1 x
x2 1 x
0 0
2
解得 x1 x2 ,
所以对应的特征向量可取为
p 1
1 1
.
当l1 =4时,
34
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
n
(2) li l1l2 ln= A i 1
性质2 若A的特征值是l, X是A的对应于l的特征向量,
(1) kA的特征值是kl; (k是任意常数)
(2) Am的特征值是l m;(m是正整数)
证 2因为Ax l x 所以 A Ax Al x l Ax l l x
1 1 0
例
求矩阵
A
4 1
3 0
0 2
的特征值和特征向量.
解 特征值为 l1 2,l2 l3 1
当l2 l3 1时,齐次线性方程组为 A I x O
系数矩阵
2 1 0 1 0 1
A
I
4 1
2 0
0 1
0 0
1 0
2 0
1
得基础解系
1
l
A . 且x仍然是矩阵
kA, Am , A1 , A
分别对应于
kl , l m ,l 1, 1 A 的特征向量. l
证 (3) 当A可逆时, l 0, 由Ax l x可得
A1 Ax A1 l x l A1x A1 x l 1 x
故l 1是矩阵A1的特征值,且x是A1对应于l 1的特征向量.
1
1
1 1
x1 x2
0 0
x1 x
x2 1 x
0 0
2
解得 x1 x2 ,
所以对应的特征向量可取为
p 1
1 1
.
当l1 =4时,
34
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
n
(2) li l1l2 ln= A i 1
性质2 若A的特征值是l, X是A的对应于l的特征向量,
(1) kA的特征值是kl; (k是任意常数)
(2) Am的特征值是l m;(m是正整数)
证 2因为Ax l x 所以 A Ax Al x l Ax l l x
线性代数教案ppt课件

推论:如果行列式有两行(列)的元对应成比例,则行列式为零.
返回
如果行列式的某一行(列)的元都是两 项的和,则可以把这个行列式化为两个
行列式的和
对比:行列式的加法与矩阵的加法有什么不同的地方? 不同:矩阵加法只要求矩阵为同型矩阵,结果所有行对应元相加;
行列式加法不光要求为同型行列式,还需要其余n-1行(列) 的元完全相同,并且结果只有对应一行(列)相加.
为解决行列式的计算问题,应当利用行列式的性质进 行有效的化简。化简的一般方法是初等变换,目的是 化为三角行列式。着手点不同,计算与化简的过程也 不尽相同,应善于发现具体问题的特点,并根据特点 选择方法与技巧。
例题5 计算行列式
解1 解2
例题6 计算行列式 解1
解2
例题7 证明范德蒙德(Vandermonde)行列式
1 2 5 2
1 2 5 2
02 4 1
1 0 1 3
321 1
0 2 4 8
r2 r3 1 0 1 r4 r3 0 1 3
02 4
3
1 0 1 3
2 r3 2r2 0 1 3 2
1
0 0 2 3
0 0 0 9
11 (2) (9) 18
0 0 0 9
计算行列式
练习
行列式的计算与化简
子式乘积的和.即
上式为n阶行列式按第一列的展开式.
例题1 计算行列式 解:
例题2 计算行列式 解:
行列式的性质
※1. 行列式可以按任意一行(列)展开; ※2. 行列式某一行(列)的元与另一行(列)对应元的 代数余子式的乘积之和为零.
※3. 行列式转置后,其值不变; ※4. 行列式中某一行(列)的所有元的公因子,可以提 到行列式符号外; ※5. 如果行列式的某一行(列)的元都是两项的和,则 可以把这个行列式化为两个行列式的和; ※6. 设A与B为n阶方阵,则|AB|=|A||B|;
返回
如果行列式的某一行(列)的元都是两 项的和,则可以把这个行列式化为两个
行列式的和
对比:行列式的加法与矩阵的加法有什么不同的地方? 不同:矩阵加法只要求矩阵为同型矩阵,结果所有行对应元相加;
行列式加法不光要求为同型行列式,还需要其余n-1行(列) 的元完全相同,并且结果只有对应一行(列)相加.
为解决行列式的计算问题,应当利用行列式的性质进 行有效的化简。化简的一般方法是初等变换,目的是 化为三角行列式。着手点不同,计算与化简的过程也 不尽相同,应善于发现具体问题的特点,并根据特点 选择方法与技巧。
例题5 计算行列式
解1 解2
例题6 计算行列式 解1
解2
例题7 证明范德蒙德(Vandermonde)行列式
1 2 5 2
1 2 5 2
02 4 1
1 0 1 3
321 1
0 2 4 8
r2 r3 1 0 1 r4 r3 0 1 3
02 4
3
1 0 1 3
2 r3 2r2 0 1 3 2
1
0 0 2 3
0 0 0 9
11 (2) (9) 18
0 0 0 9
计算行列式
练习
行列式的计算与化简
子式乘积的和.即
上式为n阶行列式按第一列的展开式.
例题1 计算行列式 解:
例题2 计算行列式 解:
行列式的性质
※1. 行列式可以按任意一行(列)展开; ※2. 行列式某一行(列)的元与另一行(列)对应元的 代数余子式的乘积之和为零.
※3. 行列式转置后,其值不变; ※4. 行列式中某一行(列)的所有元的公因子,可以提 到行列式符号外; ※5. 如果行列式的某一行(列)的元都是两项的和,则 可以把这个行列式化为两个行列式的和; ※6. 设A与B为n阶方阵,则|AB|=|A||B|;
线性代数相关知识培训教程PPT课件( 93页)

那末 A称为对称阵.
例如A162
6 8
1 0
为对称. 阵
1 0 6
说明 对称阵的元素以主对角线为对称轴对应相
等.
同型矩阵与矩阵相等
1)两个矩阵的行数相等,列数相等时,称为同型矩阵.
例如
1 5
2 6
与
14 8
3 4
为同型矩阵.
3 7 3 9
Aij (1)i j Mij, Aij叫做元素 aij的代数余子.式
A a i1 A i1 a i2 A i2 a iA n in ( i 1 ,2 , ,n ) A a i1 A j1 a i2 A j2 a iA n jn ( i j)
例1 3 1 1 2 5 1 3 4
p1p2pn
列取 . 和
N阶行列式是一个数,该数是n!项的代数和, 每项为取自表中不同行不同列n个元素的乘 积,符号由这n个元素列标排列的逆序数决定 (行标按自然顺序排列),奇排列带负号,偶排 列带正号.
2. 行列式的性质
1)行列式与它的转置行式列相等,即D DT. 2)互换行列式的两行 (列),行列式变号. 3)如果行列式有两行 (列)完全相同,则此行列式 等于零. 4)行列式的某一行(列)中所有的元素都乘以同 一数k,等于用数k 乘此行列式.
6)逆矩阵
伴随矩阵定义
行列式 A 的各个元素的代数余子式A ij 所
构成的如下矩阵
A11
A
A12
A1n
A21 An1 A22 An2 A2n Ann
称为矩阵 A 的伴随矩阵.
伴随矩阵性质
AA A AA E .
逆矩阵定义
例如A162
6 8
1 0
为对称. 阵
1 0 6
说明 对称阵的元素以主对角线为对称轴对应相
等.
同型矩阵与矩阵相等
1)两个矩阵的行数相等,列数相等时,称为同型矩阵.
例如
1 5
2 6
与
14 8
3 4
为同型矩阵.
3 7 3 9
Aij (1)i j Mij, Aij叫做元素 aij的代数余子.式
A a i1 A i1 a i2 A i2 a iA n in ( i 1 ,2 , ,n ) A a i1 A j1 a i2 A j2 a iA n jn ( i j)
例1 3 1 1 2 5 1 3 4
p1p2pn
列取 . 和
N阶行列式是一个数,该数是n!项的代数和, 每项为取自表中不同行不同列n个元素的乘 积,符号由这n个元素列标排列的逆序数决定 (行标按自然顺序排列),奇排列带负号,偶排 列带正号.
2. 行列式的性质
1)行列式与它的转置行式列相等,即D DT. 2)互换行列式的两行 (列),行列式变号. 3)如果行列式有两行 (列)完全相同,则此行列式 等于零. 4)行列式的某一行(列)中所有的元素都乘以同 一数k,等于用数k 乘此行列式.
6)逆矩阵
伴随矩阵定义
行列式 A 的各个元素的代数余子式A ij 所
构成的如下矩阵
A11
A
A12
A1n
A21 An1 A22 An2 A2n Ann
称为矩阵 A 的伴随矩阵.
伴随矩阵性质
AA A AA E .
逆矩阵定义
- 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)。
② 由性质1,2可知,最大无关组 S0 的任何线性组合
x k11 k22 ktt
都是方程(2)的解,因此它是方程(2)的通解。 齐次线性方程组解集的最大线性无关组称为该方程组的基础解系.
15
求基础解系
设系数矩阵A 的秩为r,并不妨设A 的前r个列向量线性无关,
1
0
b11
b1, n r
x1
b11
b12
b1,nr
xr
br
1
br
2
br
,nr
xr1 c1 1 c2 0 cnr 0
xr
2
0
1
0
xn
0
0
1
把上式记作: x c11 c22 cnr nr
17
可知,解集中任一向量x都能由1 ,2 ,nr 线性表示 又因为矩阵(1 ,2 , ,nr )中有n-r阶子式 Enr 0 故 R(1 ,2 ,nr ) n r ξ 1,ξ 2 ,,ξ nr 线性无关. 根据最大无关组的等价定义,可知1 ,2 , ,nr是解集的最大 无关组。即1 ,2 , ,nr 是方程组(1)的基础解系。
即两向量组能相互线性表示, 故 s r , r s 同时成立,
故s=r.
7
推论2 设 Cmn Ams Bsn,则 R(C)≤R(A), R(C)≤R(B).
证 设矩阵 C 和 A 用其列向量表示为 C (c1,c2 ,,cn ),
A (a1 , a2 ,, as ), 而 B (bij )sn , 由
4 3
5
,
AX B, X ?
A | B初 等行变换
EEr
O
|
CC
O
X C.
对矩阵 a1, a2 , b1, b2 实行初等行变换变为最简形矩阵
2 3 5 4
a1
,
a2
,
b1
,
b2
0 1 3
2 1
1
6 5
9
4
3 5
r1 r3
r3 2r1 r4 3r1
1 1 5 3
0 2 6 4
又如,向量空间 V x 0, x2,, xn T | x2,, xn R
的一个基可取为:e2 0,1,0,,0T ,e3 0,0,1,0,,0T , , en 0,0,,0,1T ,
并由此可知它是一个 n-1 维向量空间.
再如,由向量组 a1, a2 ,, am 所生成的向量空间
V x 1a1 2a2 mam | 1, 2 ,, m R ,
复习
1.向量组的秩及其最大无关组的定义 2. 向量组的秩及其最大无关组的求法 3.最大无关组的等价定义 4.封闭向量空间的定义 封闭:设 V 是一个集合,若 a,b V, R, 则 a b V;b V, 则称 V 对于加法及乘数运算是封闭的. 定义6 设 V 为 n 维非空 向量集合,且集合 V 对于加法及乘数 两种运算封闭,则称集合 V 为向量空间.
所以向量组a1, a2 与 b1, b2 等价.
证二 显然 a1, a2线性无关,b1,b2 也线性无关.
2 3 5 4
而
a1
,
a2
,
b1
,
b2
0 1 3
2 1
1
6 5
9
4 35
1 1 5 3
0 1 3 2
0 0
0 0
0 0
0 0
知 Ra1, a2 , b1, b2 = 2. 因此 a1, a2 与 b1, b2 都是向量组a1, a2 , b1, b2的最大
示为 V x 1a1 2a2 rar | 1,2,,r R .
3
2 2 1
例13.
设
A
a1 , a2 , a3
2
1
2 ,
1 2 2
1 4 B 0 3,
4 2
验证a1, a2 , a3 是 R3 的一个基,并把b1,b2 用这个基线性表示.
解 要证a1, a2 , a3 是 R3 的一个基, 只须证 a1, a2 , a3 线性无关.
即只须证 A ~ E.
2 2 1
A B 2 1 2
1 4 r1 r3 1 2 0 3 r2 2r1 20 13
2 4 2 26 08 37
1 2 2 4 2 r3 2r1 20 26 13 17 48
r1 1 1
0 r3 2r2 0
2 3 0
2 6
9
4 8
1 5 10
1 4 8
~ ~ 1
r3
2r2
0
0
1 7 0
1 5 0
1 4 0
r2 (7)
r1 r2
1
0
0
0
1 0
2 7
5 7 0
3
7
4 7
0
21
便得
x1
x2
2
7 5
7
x3 x3
3
7 4
7
x4 x4
()
令
x3 x4
1 0
及
0 1
,
则对应有
x1 x2
b11
(c1
,
c2
,,
cn
)
(a1
,
a
2
,,
a
s
)
b21
b12
b22
b1n
b2n
,
bs1 bs2 bsn
知矩阵 C 的列向量组能由 A 的列向量组线性表示,
因此 R(C) R( A). CT BT AT ,
由上述证明知 R(CT ) R(BT ),
即 R(C) R(B).
8
因B0组能由B组线性表示, B 组能由 A 组线性表示, A 组能由 A0组线性表示, 故B0组能由A0组线性表示,即存在系数矩阵
K sr (kij ) 使
(b1
,
b2
,
,
br
)
(a1
,a2
,
,as
)
k11
k1r
ks1 ksr
6
如果 r > s , 则方程组
K
sr
x1
0
(简记为Kx = 0)
02 30
53 12
155 69
14540
10
r2
2
1
00
r3 5r2 r4 2r2
00 0
1 5 3
12 63 42
05 02
105 06
10040
r1 1
11 0
r1 r2
0 0
01 25 13
1 3 2
0 0
0 0
0 0
X
2 3
21.
∵ |X|=1≠0, ∴X 可逆, 取 Y = X -1,
所以向量组 B 满足定义5所规定的最大无关组的条件.
9
2 3
例6
已知
a1, a2
0
1 3
2 1
1
,
5
b1
,
b2
6 5 9
证明向量组 a1, a2 与 b1, b2 等价.
证一 要证存在二阶方阵 X、Y, 使
b1, b2 a1, a2 X , a1, a2 b1, b2 Y .
4
x1
x
x2
,
xn
则(1)式可写成向量方程 Ax 0
2
(1)
13
若 x1 11, x2 21, , xn n1 为 (1) 的解,
11
则
x
ξ1
21
n1
满足方程(2)
称之为方程组(1)的解向量,它也就是向量方程(2)的解.
根据向量方程(2), 讨论解向量的性质.
性质1 若 x ξ 1, x ξ 2 为(2)的解,则 x ξ 1 ξ 2 也是(2)的解.
于是
A
的行最简形矩阵为 B
0
0
1
br1
br
,nr
,
0
0
0
与B 对应,即有方程组
x1 b11 xr1 b1
br,nr xn .
( 3)
16
把 xr1 ,, xn作为自由未知数,并令它们依次等于c1 ,cnr 可得方程组(1)的通解:
显然与向量组 a1, a2 ,, am 等价, 所以向量组 a1, a2 ,, am 的一个最大
无关组就是 V 的一个基,向量组的秩就是 V 的维数.
(3)若向量空间 V Rn , 则 V 的维数不会超过 n,并且,当
V 的维数为 n 时,V = Rn.
(4)若向量组 a1,a2 ,,ar 是向量空间 V 的一个基,则 V 可以表
xr
有非零解, 从而方程组 (a1, a2 ,, as )Kx 0 有非零解,
即 (b1, b2 ,, br )x 0 有非零解, 与 B0 组线性无关矛盾,
因此 r > s 不能成立, 所以 r s.
推论1 等价的向量组的秩相等.
证 设向量组 A 与向量组 B 的秩依次为 s 和 r, 因两向量组等价,
( 3)
依次可得
x1 b11 b12
,
,
xr br1 br2
b1,n
r
, ,
br,nr
19
合起来便得基础解系:
b11
b12
br
1
ξ1 1 ,
br
2
ξ2 0 ,
,
0
1
0
0
b1,n r
br
,nr
ξnr 0 .
注意 基础解系不是唯一的, 因此通解的表达式也不是唯一的.
x k11 k22 ktt
都是方程(2)的解,因此它是方程(2)的通解。 齐次线性方程组解集的最大线性无关组称为该方程组的基础解系.
15
求基础解系
设系数矩阵A 的秩为r,并不妨设A 的前r个列向量线性无关,
1
0
b11
b1, n r
x1
b11
b12
b1,nr
xr
br
1
br
2
br
,nr
xr1 c1 1 c2 0 cnr 0
xr
2
0
1
0
xn
0
0
1
把上式记作: x c11 c22 cnr nr
17
可知,解集中任一向量x都能由1 ,2 ,nr 线性表示 又因为矩阵(1 ,2 , ,nr )中有n-r阶子式 Enr 0 故 R(1 ,2 ,nr ) n r ξ 1,ξ 2 ,,ξ nr 线性无关. 根据最大无关组的等价定义,可知1 ,2 , ,nr是解集的最大 无关组。即1 ,2 , ,nr 是方程组(1)的基础解系。
即两向量组能相互线性表示, 故 s r , r s 同时成立,
故s=r.
7
推论2 设 Cmn Ams Bsn,则 R(C)≤R(A), R(C)≤R(B).
证 设矩阵 C 和 A 用其列向量表示为 C (c1,c2 ,,cn ),
A (a1 , a2 ,, as ), 而 B (bij )sn , 由
4 3
5
,
AX B, X ?
A | B初 等行变换
EEr
O
|
CC
O
X C.
对矩阵 a1, a2 , b1, b2 实行初等行变换变为最简形矩阵
2 3 5 4
a1
,
a2
,
b1
,
b2
0 1 3
2 1
1
6 5
9
4
3 5
r1 r3
r3 2r1 r4 3r1
1 1 5 3
0 2 6 4
又如,向量空间 V x 0, x2,, xn T | x2,, xn R
的一个基可取为:e2 0,1,0,,0T ,e3 0,0,1,0,,0T , , en 0,0,,0,1T ,
并由此可知它是一个 n-1 维向量空间.
再如,由向量组 a1, a2 ,, am 所生成的向量空间
V x 1a1 2a2 mam | 1, 2 ,, m R ,
复习
1.向量组的秩及其最大无关组的定义 2. 向量组的秩及其最大无关组的求法 3.最大无关组的等价定义 4.封闭向量空间的定义 封闭:设 V 是一个集合,若 a,b V, R, 则 a b V;b V, 则称 V 对于加法及乘数运算是封闭的. 定义6 设 V 为 n 维非空 向量集合,且集合 V 对于加法及乘数 两种运算封闭,则称集合 V 为向量空间.
所以向量组a1, a2 与 b1, b2 等价.
证二 显然 a1, a2线性无关,b1,b2 也线性无关.
2 3 5 4
而
a1
,
a2
,
b1
,
b2
0 1 3
2 1
1
6 5
9
4 35
1 1 5 3
0 1 3 2
0 0
0 0
0 0
0 0
知 Ra1, a2 , b1, b2 = 2. 因此 a1, a2 与 b1, b2 都是向量组a1, a2 , b1, b2的最大
示为 V x 1a1 2a2 rar | 1,2,,r R .
3
2 2 1
例13.
设
A
a1 , a2 , a3
2
1
2 ,
1 2 2
1 4 B 0 3,
4 2
验证a1, a2 , a3 是 R3 的一个基,并把b1,b2 用这个基线性表示.
解 要证a1, a2 , a3 是 R3 的一个基, 只须证 a1, a2 , a3 线性无关.
即只须证 A ~ E.
2 2 1
A B 2 1 2
1 4 r1 r3 1 2 0 3 r2 2r1 20 13
2 4 2 26 08 37
1 2 2 4 2 r3 2r1 20 26 13 17 48
r1 1 1
0 r3 2r2 0
2 3 0
2 6
9
4 8
1 5 10
1 4 8
~ ~ 1
r3
2r2
0
0
1 7 0
1 5 0
1 4 0
r2 (7)
r1 r2
1
0
0
0
1 0
2 7
5 7 0
3
7
4 7
0
21
便得
x1
x2
2
7 5
7
x3 x3
3
7 4
7
x4 x4
()
令
x3 x4
1 0
及
0 1
,
则对应有
x1 x2
b11
(c1
,
c2
,,
cn
)
(a1
,
a
2
,,
a
s
)
b21
b12
b22
b1n
b2n
,
bs1 bs2 bsn
知矩阵 C 的列向量组能由 A 的列向量组线性表示,
因此 R(C) R( A). CT BT AT ,
由上述证明知 R(CT ) R(BT ),
即 R(C) R(B).
8
因B0组能由B组线性表示, B 组能由 A 组线性表示, A 组能由 A0组线性表示, 故B0组能由A0组线性表示,即存在系数矩阵
K sr (kij ) 使
(b1
,
b2
,
,
br
)
(a1
,a2
,
,as
)
k11
k1r
ks1 ksr
6
如果 r > s , 则方程组
K
sr
x1
0
(简记为Kx = 0)
02 30
53 12
155 69
14540
10
r2
2
1
00
r3 5r2 r4 2r2
00 0
1 5 3
12 63 42
05 02
105 06
10040
r1 1
11 0
r1 r2
0 0
01 25 13
1 3 2
0 0
0 0
0 0
X
2 3
21.
∵ |X|=1≠0, ∴X 可逆, 取 Y = X -1,
所以向量组 B 满足定义5所规定的最大无关组的条件.
9
2 3
例6
已知
a1, a2
0
1 3
2 1
1
,
5
b1
,
b2
6 5 9
证明向量组 a1, a2 与 b1, b2 等价.
证一 要证存在二阶方阵 X、Y, 使
b1, b2 a1, a2 X , a1, a2 b1, b2 Y .
4
x1
x
x2
,
xn
则(1)式可写成向量方程 Ax 0
2
(1)
13
若 x1 11, x2 21, , xn n1 为 (1) 的解,
11
则
x
ξ1
21
n1
满足方程(2)
称之为方程组(1)的解向量,它也就是向量方程(2)的解.
根据向量方程(2), 讨论解向量的性质.
性质1 若 x ξ 1, x ξ 2 为(2)的解,则 x ξ 1 ξ 2 也是(2)的解.
于是
A
的行最简形矩阵为 B
0
0
1
br1
br
,nr
,
0
0
0
与B 对应,即有方程组
x1 b11 xr1 b1
br,nr xn .
( 3)
16
把 xr1 ,, xn作为自由未知数,并令它们依次等于c1 ,cnr 可得方程组(1)的通解:
显然与向量组 a1, a2 ,, am 等价, 所以向量组 a1, a2 ,, am 的一个最大
无关组就是 V 的一个基,向量组的秩就是 V 的维数.
(3)若向量空间 V Rn , 则 V 的维数不会超过 n,并且,当
V 的维数为 n 时,V = Rn.
(4)若向量组 a1,a2 ,,ar 是向量空间 V 的一个基,则 V 可以表
xr
有非零解, 从而方程组 (a1, a2 ,, as )Kx 0 有非零解,
即 (b1, b2 ,, br )x 0 有非零解, 与 B0 组线性无关矛盾,
因此 r > s 不能成立, 所以 r s.
推论1 等价的向量组的秩相等.
证 设向量组 A 与向量组 B 的秩依次为 s 和 r, 因两向量组等价,
( 3)
依次可得
x1 b11 b12
,
,
xr br1 br2
b1,n
r
, ,
br,nr
19
合起来便得基础解系:
b11
b12
br
1
ξ1 1 ,
br
2
ξ2 0 ,
,
0
1
0
0
b1,n r
br
,nr
ξnr 0 .
注意 基础解系不是唯一的, 因此通解的表达式也不是唯一的.