线代第七章讲义

合集下载

北京理工大学线性代数讲义第七章

北京理工大学线性代数讲义第七章
ies Representation of a Function of Matrices
x ˙ = ax
For a motivation of a function of a matrix, let us consider first the simplest ordinary differential equation
sin λ = cos λ = (1 + λ)−1 ln(1 + λ) we have = =
1 1 2 A + · · · + An + · · · ρ(A) < ∞ 2! n! 1 3 1 5 1 A2n+1 + · · · ρ(A) < ∞ sin A = A − A + A − · · · + (−1)n 3! 5! (2n + 1)! 1 1 1 cos A = E − A2 + A4 − · · · + (−1)n A2n + · · · ρ(A) < ∞ 2! 4! (2n)! eA = E+A+ (E + A)−1 ln(E + A) = E − A + A2 − A3 + · · · + (−1)n An + · · · ρ(A) < 1 1 1 1 = E − A2 + A3 − · · · + (−1)n+1 An + · · · ρ(A) < 1 2 3 n!
2 b2 = 1 2 A b0 1 3 b3 = 3! A b0 . . .
bk = . . .
1 k k! A b0
1 2 2 1 1 A t + A3 t3 + · · · + Ak tk + · · · 2! 3! k!

大学数学高数微积分第七章线性变换第七节课堂讲义

大学数学高数微积分第七章线性变换第七节课堂讲义

1 + 2 + … + (i - ) + … +s = 0 .
令 j = j ,j i , i = i - ,
则 1 , 2 , … , s 是
满足
1 + 2 + … + s = 0

( A iE )ri i 0 i 1,2, s
的向量.பைடு நூலகம்
所以
1 = 2 = … = i = … = s = 0 ,
证明 令
fi()(f( i))ri ( 1)r1 ( i1)ri1( i1)ri1 ( s)rs

Vi = f (A )V .
则 Vi 是 f (A ) 的值域.
由本节
的不变子空间.
显然 Vi 满足
例 3 若线性变换 A 与 B 是可交换的,则B 的核与值域都是 A -子空间.
在 B 的 核 V0 中 任 取 一 向 量 , 则 B ( A ) = (B A ) = (A B ) = A (B ) = A 0 = 0 .
所 以 A 在 B 下 的 像 是 零 , 即 A V0 . 这 就 证 明 了 V0 是 A - 子 空 间 . 在 B 的 值 域 B V 中 任 取 一 向量 B ,则
A ( B ) = B (A ) B V .
可知 Vi 是A
( A iE )ri Vi f ( A )V 0 .
其中i Vi .
当然 i 满足
(A iE)ri i 0 , i 1,2, s .
所以 i = 0,i =1, 2, … , s .
由此可得到第一点中的
表示法是唯一的.
再设有一向量
示成
(A iE)ri 的核. 把 表

大学高等数学ppt课件第七章1线性方程组的求解

大学高等数学ppt课件第七章1线性方程组的求解
所以,方程组(*)只有唯一的一组解
1
所以有
1
1
解得
1 1
1 1 0 1 1
0且 3
小结:
(1) 向量组
1 , 2 , , n
线性相关
齐次线性方程组
x11 x22
(2) 向量组
xnn 0
有非零解
1 , 2 , , n
线性无关
齐次线性方程组
是向量组 (, 1 21 , ),2 (2,3,6), =(5,8,13), 例2 设 1
1 , 2 , , n 线性表示,或称向量 1 , 2 , , n 的线性组合。
, kn ,使得 k11 k22
1 ,2 , ,n ,
,如果存在
knn 成立,
因为 1, 2,3 线性无关
k1 k3 0 所以有 k1 k 2 0 k k 0 2 3
解得
k1 k2 k3 0
所以向量组
1 2,2 3,3 1 线性无关。
例6 设 1 , 2 , 3 线性无关,又 1 1 2 23 , 2 2 3 , 3 21 2 33 ,试证明 1, 2 , 3 线性相关 证明 设 k11 k2 2 k3 3 0 则有
由于
所以
1, 2 ,, m
ki li k
线性无关,
(i 1,2, , m)
所以 可由向量组
1,2, ,m
且表示方法唯一 线性表示,
定理 向量组
1 , 2 ,, n
线性相关的充分必要条件
是该向量组中至少有一个向量可由其余的向量组线性
表示。
证明 因为向量组

《线性代数讲义》课件

《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。

线性代数第七章课件

线性代数第七章课件

2)对于R3中任一向量α=(a1, a2, a3)T,有
a1e1 a2e2 a3e3 .
由定义2.1知e1, e2, e3为R3的一个基,从而dim(R3)=3.
看过例2.1之后,读者关心的一定是解题背后的思路. 到底应该选几个向量、选什么样的向量来证明它们构成一 个基呢?解决这一问题的关键是分析线性空间元素构成时 的“自由度”.像例1的R3 ,它的向量都具有3个分量。每 个分量的位置体现了一个自由度.3个自由度就预示着维数 为3.寻找一个特征基的过程可以如下进行:让体现自由度 的各个不同位置的数字轮流地每次有一处取 1,其余处取0. 这样,有多少个自由度就得到多少个互不相同的向量(对 例2.1而言,按照这种方法得到的三个向量正是e1, e2, e3 ). 剩下的工作就是确切证明这组向量满足定义2.1中的1)、 2)两条,从而确认它们构成一个基.
正是由于一般线性空间与普通数组向量加法与数乘运 算性质的一致性,使我们可以把数组向量的那些基于线性 运算的概念以及与之相关的性质、命题,包括它们的证明 方法,都平移到线性空间中来。例如,对向量组线性相关 的定义,可以叙述如下: 设V是数域F上的线性空间,α1,α2, · · · ,αs 是V中向量, 如果存在数域F中不全为零的一组数k1, k2,· · · , ks,使
情况的线性空间称为有限维线性空间,符合第二种情况的 则称为无限维线性空间.本书中主要讨论有限维线性空间. 定义2.1 设V是数域F上的线性空间,如果V中存在n 个向量ε1,ε2,· · · ,ε n满足: 1) ε1, ε2 ,· · · ε n线性无关; 2) V中任何向量α均可由ε1,ε2,· · · ,εn线性表示,则称 ε1,ε2,· · · ,εn为V的一个基(或基底). 基的向量个数n称为 线性空间V的维数,记为dim(V). 零空间是不存在基的线性空间,其维数为零. 维数为n的线性空间称为n维线性空间.

天津大学线性代数教材第七章

天津大学线性代数教材第七章

记 B = STAS, 知 B 是对称矩阵, 是二次型 g(Y ) 的矩阵.
7.2 化二次型为标准形
· 149 ·
如果所作的线性替换 X = SY 是满秩的, 则 S 是可逆矩阵, 线性替换 Y = S−1X 可把 g(Y ) 还原到 f (X), 此时的二次型 f 与 g 是等价的.
定义 7.1.4 设 A, B 为 n 阶矩阵, 若存在 n 阶可逆矩阵 S 使得
津 数 因此, 一个二次型能否化成标准形, 用矩阵的语言来说, 就是对称矩阵 A 能否与一个对 学 角矩阵合同. 由于 S 是可逆矩阵, 所以 r(A) = r(STAS) = r(B). 因此, 二次型 f 的标准形 天 大 中不为零的平方项的项数等于二次型 f 的秩.
津 7.2.1 正交线性替换法
天 实二次型的矩阵为实对称矩阵. 由定理 6.3.4 知, 对于实对称矩阵 A, 必存在 n 阶正交矩
阵 Q, 使得 QTAQ = Q−1AQ = diag(λ1, λ2, . . . , λn), 其中 λ1, λ2, . . . , λn 为矩阵 A 的全部
特征值, 即一个实对称矩阵合同于一个对角矩阵. 因此, 一个实二次型一定能化为标准形.
版 所 f (x1, x2, . . . , xn) =a11x21 + 2a12x1x2 + 2a13x1x3 + · · · + 2a1nx1xn 院 + a22x22 + 2a23x2x3 + · · · + 2a2nx2xn + · · · + annx2n
(7.1)
学 权 称为数域 P 上的 (n 元) 二次型. 当 P = R 时称之为实二次型. 版 令 aij = aji(i > j), 则 2aijxixj = aijxixj + ajixjxi(i > j), 于是 (7.1) 式可写成

大学数学高数微积分第七章线性变换第六节课件课堂讲解

大学数学高数微积分第七章线性变换第六节课件课堂讲解

知: 1 , 2 , … , r , r+1 , … , n 是 V
的一组基.
在这组基下, A 的矩阵就是 (1) .

证毕
若本请请若本本若想请本节请单若单想节若 本节请想若本请结单若节 本内请本单击若若想请本本请击结内请本本节想单内想节若结本 若单请束击若请容请想若节本 若单内节返本若结击单想请想节节本请束请单容若本若返单内结结节内节请击请击容想束想本单本若若返想已本本单单结内想节 想回内击容节想请击束若返单结请结节本已内内单击想节想击回束容本束容若单返单内内返请节结本结已击节结回结想想击击节束容本堂请按容返结内 结若内本结单已单内堂结想请击回束击容束容本返返结内结本已节本已按单若想回内请击回击容容束堂束本束结若按返内结返结本节钮已已内请单课本回回堂束击容 束想容束击课容结束单返返结节按已已本本堂结内回回堂结束容束钮击容想按单按返返结节本本课已已钮束想内回.结回堂结容束击束容!按单节,按课返返已,结已本本已 本束内回回击束结结钮!课堂束容堂束课按返按已本已本结钮.内堂钮击回回束堂,结 堂.结容束按按课束结返钮按已已本本内击回,结回钮!结束堂容堂结 堂按按返,已束束本.课,回课结钮!束钮.!容堂结课堂按.返按!已课束 课本钮钮束束,.回束结容钮按!束结堂堂按返.!已束本课钮钮课束 课结钮回按束堂,.,已本,.!!课束课结钮回钮,,..堂按钮已束本钮.!束课课结回!!堂,..!束,,按.钮!课结堂!束,,按..钮课.结!.束堂,,按课!.钮!!束课,钮.!束,课,钮!.,!. ,!.
另一方
在前
同构对
证毕
四、A 的秩、零度与空间维数的关系
定理 12 设 A 是 n 维线性空间 V 的线性变
换. 则 A V 的一组基的原像及 A -1(0) 的一组基合

高等代数 讲义 第七章

高等代数 讲义 第七章

(στ ) δ
= σ (τδ )
D( f ( x )) = f ′( x )
J ( f ( x ) ) = ∫ f ( t )dt
x
(2) Eσ = σ E = σ ,E为单位变换 (3)交换律一般不成立,即一般地,
( DJ ) ( f ( x ) ) = D ∫0 f ( t ) dt
x
στ ≠ τσ .
2.线性变换保持线性组合及关系式不变,即
若 β = k1α1 + k2α 2 + L + krα r , 则 σ ( β ) = k1σ (α1 ) + k2σ (α 2 ) + L + krσ (α r ).
例4. 闭区间 [a , b]上的全体连续函数构成的线性空间
C ( a , b ) 上的变换
σ ( X ) = AX , τ ( X ) = XB ,
∀X ∈ P n×n
则 σ ,τ 皆为 P n×n 的线性变换,且对 ∀X ∈ P n×n , 有
(στ )( X ) = σ (τ ( X )) = σ ( XB ) = A( XB ) = AXB , (τσ )( X ) = τ (σ ( X )) = τ ( AX ) = ( AX ) B = AXB .
= σ (τ (α )) + σ (τ ( β )) = (στ )(α ) + (στ )( β ), (στ )( kα ) = σ (τ ( kα )) = σ ( kτ (α )) = kσ (τ (α )) = k (στ )(α )
§7.1 线性变换的定义
2.基本性质
(1)满足结合律:
例1. 线性空间 R[ x ]中,线性变换

化学工业出版社《线性代数》第7章习题解答

化学工业出版社《线性代数》第7章习题解答

习题七(P274-276)1.设3,R αβ∈,以下哪些函数(,)αβ定义了3R 的一个内积? (1)1122332332(,)22a b a b a b a b a b αβ=+++-, 否 (2)1122332332(,)a b a b a b a b a b αβ=++-- , 是(3)222222112233(,)a b a b a b αβ=++ , 否(4)1133(,)a b a b αβ=+ , 否 2.以下哪些函数定义了[1,1]C -上的一个内积.(1)1221(,)()()f g f x g x dx -=⎰ (⨯) (2)11(,)()()f g xf x g x dx -=⎰ (⨯) (3)121(,)()()f g x f x g x dx -=⎰(√)(4)11(,)()()f g xf x g x dx -=-⎰(⨯)(5)11(,)()()x f g e f x g x dx --=⎰(√)3.设A 是正定矩阵,在nR 中对任两个向量12(,,,)T n x x x α= ,12(,,,)T n y y y β= ,定义(,)T A αβαβ=,证明:在这个定义下nR 构成欧氏空间,并写出这个空间的柯西——施瓦兹不等式. 证明:(1)(,)()(,)T T T A A βαβααβαβ=== (2)(,)()()(,)T T k k A k A k αβαβαβαβ===(3)设:,(,)()(,)(,)n T T T R A A A γαβγαβγαγβγαγβγ∈+=+=+=+(4)由A 的正定性知(,)0T A αααα=≥,当且仅当0α=时,0TA αα=,即(,)0αα=,从而n R 在(,)T A αβαβ=定义下构成欧氏空间。

又(,)TA αβαβαββ=.柯西——施瓦兹不等式为()T A αβ≤4. 在4R 中,求,αβ之间的夹角,αβ(内积按对应分量乘积之和).(1)(2,1,3,2)(1,2,2,1)αβ==-(2)(1,1,1,2)(3,1,1,0)αβ==-解:(1)(,)0.,2παβαβ=∴=(2)(,)(,) 3.cos ,αβαβαβαβαβ=====⋅,从而,arc αβ=5.在4R 中求一单位向量与()()()1,1,1,1,1,1,1,1,2,1,1,3---正交. 解:设所求向量为1234(,,,)x x x x α=,应有:12341234123400230x x x x x x x x x x x x +-+=⎧⎪--+=⎨⎪+++=⎩ 解之得:411423433,0,x x x x x =-==-, 又 222212341x x x x +++=,得:4x =,(,0,,α∴= 6. 把向量组标准正交化(内积为对应分量乘积之和):1(1,1,0,0)α=,2(1,0,1,0)α=,3(1,0,0,1)α=-。

线性代数第七章-1版(20120613)-Ch7 Canonical Forms

线性代数第七章-1版(20120613)-Ch7 Canonical Forms
5
線性代數 II─應用數學系 莊重老師
N (T 2 I ) gm( 2) 2 T 可分為 2 個 Jordan blocks. 看
1
2 u1 , u2 , u3 , u4 , u5 , 則u1 , u3 , u4 , u5 為 eigenvectors 而且 gm( 2) 4 T 可
3
線性代數 II─應用數學系 莊重老師
Similarly, (T 2 I )v5 0, (T 2 I ) 2 v6 0. (T 2 I )v7 0, (T 2 I ) 2 v8 0. iv) am( 2) 4, gm( 2) 2 (因為T 2 I 之 rank為6,
is linearly independent.
(ii) The set of “disjoint” cycles of generalized eigenvectors corresponding to is also linearly independent. 此處“disjoint”的意思是每一個 cycle 的 initial vector 所成的集合是 linearly independent. (iii) The set of disjoint cycles of generalized eigenvectors corresponding to distinct eigenvalues is also linearly independent. 3. 由以上三個概念得每一個 generalized eigenspace 之基底皆為其 disjoint cycles
形之 T 的最標準或簡潔 (Canonical form)是什麼呢? 這章的主要目的之一:是給一 A M nn ( ) , 則 an ordered basis

线性代数讲义

线性代数讲义

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一内积正交矩阵施密特正交化实对称矩阵的对角化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+…+a1nxn=b1,a21x1+a22x2+…+a2nxn=b2,…………am1x1+am2x2+…+amnxn=bm,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, …,kn)(称为解向量),它满足:当每个方程中的未知数xi 都用ki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.b 1=b2=…=bm=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… a1na11a12… a1nb1A= a21 a22… a2n 和(A|β)= a21 a22… a2n b2…………………am1 am2… amnam1am2… amnbm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,⋯ ,an的向量可表示成a 1(a 1,a 2,⋯ ,a n )或 a 2 , ┆ 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, c 1,c 2,…,c s 是一组数,则称 c 1α1+c 2α2+…+c s αs为α1, α2,…,αs 的(以c 1,c 2,…,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… a1na 21 a22… a2n……… .a n1 an2… ann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: 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 2121,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nnj j j a a a 2121所乘的是.)1()(21n j j jτ-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 τ-∑… … … a n1 a n2 … a nn这里∑nj j j 21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 a 1 a2 a3 … a na 12a 22a 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+x11 1 11 1+x21 1 .1 1 1+x311 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 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 --+=-∑ .… … … …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 =011111nni i i i i n i i a c c c a b c c -+==-∑∏ .… … … … 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 iii abab a b++-=-=-∑(当a ≠b 时).0 0 0 … a+b b 0 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+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… a1nb11b12… b1sc11c12… c1sA= a21 a22... a2n B= b21 b22... b2s C=AB=c21 c22 (2)………………………a m1 am2… amn, bn1bn2… bns, cm1cm2… cms,则c ij =ai1b1j+ai2b2j+…+ainbnj.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+…+a 1x+a 0,对n 阶矩阵A 规定f(A )=a m A m +a m-1A m-1+…+ a 1A+a 0E .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 ACB 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 即A i 和B i , 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):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: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… An1A*= A12 A22… A n2 =(A ij)T.………A 1n A2n… Amn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x 1α1+ x 2α2+…+x s αs =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c 1,c 2,…,c s 使得c 1α1+c 2α2+…+c s αs =0, 则说α1,α2,…,αs 线性相关,否则(即要使得c 1α1+c 2α2+…+c s αs =0,必须c 1,c 2,…,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x 1α1+ x 2α2+…+x s αs =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.如果向量的个数s 等于维数n,则 α1, α2,…,αn 线性相关⇔| α1, α2,…,αn |=0. ② 线性无关向量组的每个部分组都无关(从而每个向量都不是零向量).③ 如果α1,α2,…,αs 线性无关,而α1,α2,…,αs ,β线性相关,则β可用α1,α2,…,αs 线性表示.。

《线性代数》部分讲义(Word版)

《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=()。

《线性代数及其应用》课件-第7章

《线性代数及其应用》课件-第7章

线性替换
定义 2 设 X = [x1, x2, . . . , xn]T, Y = [y1, y2, . . . , yn]T, S ∈ Pn×n, 称
X = SY
线性替换
定义 2 设 X = [x1, x2, . . . , xn]T, Y = [y1, y2, . . . , yn]T, S ∈ Pn×n, 称
x = x′ cos θ − y′ sin θ, y = x′ sin θ + y′ cos θ,

x y
=
cos θ sin θ
− sin θ cos θ
x′ y′
化为标准形 a′x′2 + c′y′2 = 1.

例如,
二次曲线
x2
√ − [3x]y
+ [2y2
=
1
经坐标旋] 转[ 变]换
x y
=
二次型及其矩阵表示
二次型 (quadratic form)是指含 n 个变量的齐二次多项式 f (x1, x2, . . . , xn) =a11x21 + a22x22 + · · · + annx2n + 2a12x1x2 + 2a13x1x3 + · · · + 2an−1,nxn−1xn
当 j > i 时, 令 aji = aij , 则 2aij xixj = aij xixj + ajixj xi, 二次型可用矩阵乘 积记作:
0 x1 1 x2
0 0 −3 x3
= x21 + 4x1x2 + x2x3 − 3x23,
12 0
该二次型的矩阵为 A = 2 0
1 2

高教线性代数第七章 线性变换课后习题答案

高教线性代数第七章 线性变换课后习题答案

第七章 线性变换1. 判别下面所定义的变换那些是线性的,那些不是:1) 在线性空间V 中,A αξξ+=,其中∈αV 是一固定的向量; 2) 在线性空间V 中,A αξ=其中∈αV 是一固定的向量;3) 在P 3中,A),,(),,(233221321x x x x x x x +=; 4) 在P 3中,A ),,2(),,(13221321x x x x x x x x +-=;5) 在P[x ]中,A )1()(+=x f x f ;6) 在P[x ]中,A ),()(0x f x f =其中0x ∈P 是一固定的数; 7) 把复数域上看作复数域上的线性空间, A ξξ=。

8) 在P nn ⨯中,A X=BXC 其中B,C ∈P nn ⨯是两个固定的矩阵. 解 1)当0=α时,是;当0≠α时,不是。

2)当0=α时,是;当0≠α时,不是。

3)不是.例如当)0,0,1(=α,2=k 时,k A )0,0,2()(=α, A )0,0,4()(=αk , A ≠)(αk k A()α。

4)是.因取),,(),,,(321321y y y x x x ==βα,有 A )(βα+= A ),,(332211y x y x y x +++=),,22(1133222211y x y x y x y x y x ++++--+ =),,2(),,2(1322113221y y y y y x x x x x +-++- = A α+ A β, A =)(αk A ),,(321kx kx kx),,2(),,2(1322113221kx kx kx kx kx kx kx kx kx kx +-=+-== k A )(α,故A 是P 3上的线性变换。

5) 是.因任取][)(],[)(x P x g x P x f ∈∈,并令)()()(x g x f x u +=则A ))()((x g x f += A )(x u =)1(+x u =)1()1(+++x g x f =A )(x f + A ))((x g , 再令)()(x kf x v =则A =))((x kf A k x kf x v x v =+=+=)1()1())((A ))((x f , 故A 为][x P 上的线性变换。

高等数学 第七章 线性代数

高等数学 第七章  线性代数

第七章线性代数
教学要求
1.理解行列式的概念、性质,会进行行列式的基本运算。

2.理解矩阵的概念、性质,会进行矩阵的基本运算。

3.掌握矩阵的秩的求法。

4.掌握初等变换的几个重要应用。

5.了解一般线性方程组解的讨论。

教学重点
行列式的性质及运算,矩阵的概念,运算及性质,逆矩阵,矩阵的秩与初等变换,一般线性方程组解的讨论。

教学难点
矩阵的运算及性质,逆矩阵,矩阵的秩与初等变换,一般线性方程组解的讨论。

教学内容
第一节行列式
一、行列式的概念
1.二阶行列式;
2.三阶行列式;
3.n阶行列式。

二、行列式的性质与计算
1.行列式的性质;
2.行列式的计算;
3.克拉墨法则。

第二节矩阵
一、矩阵的概念及其计算
1.矩阵的概念;
2.矩阵的线性运算;
3.矩阵的乘法运算;
4.矩阵的转置运算;
5.逆矩阵。

二、矩阵的初等变换
1.矩阵的初等变换;
2.初等变换;
3.用初等变换求逆矩阵;
4.用初等矩阵求矩阵的秩。

第三节线性方程组
一、向量组的线性相关性
1.向量的概念与运算;
2.向量组的线性相关性;
3.向量组的秩。

二、齐次线性方程组
1.解的判定和解的性质;
2.基础解系。

三、非齐次线性方程组
1.解的判定和解的结构;
2.用初等变换求线性方程组的通解。

线性代数 第七章

线性代数 第七章

第七章 λ矩阵§1 λ-矩阵的概念前面我们介绍的矩阵,它的元素都是一个数,这种矩阵也可称作数字矩阵,下面给出λ-矩阵的定义.定义1 设()(1,2,,;1,2,,)ij a i m j n λ== 均为λ的多项式,那么以()ij a λ为元素的m ×n 矩阵111212122212()()()()()()()()()()n n m m mn a a a a a a a a a λλλλλλλλλλ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦A (7.1) 称为λ矩阵或多项式矩阵.显然,数字矩阵是特殊的λ矩阵.λ矩阵的加法、数乘和乘法与数字矩阵的运算相同,并且具有相同的运算规律,这些不再重复叙述和证明.由于λ矩阵的每一个元素都是λ的多项式,所以任何λ-矩阵(7.1)可以惟一地表成以数字矩阵为系数的λ的多项式1110()l l l l λλλλ--=++++A A A A A其中01,,,i A A A 均为m ×n 数字矩阵.例1 设22212(),2231λλλλλλλλ⎡⎤++-+=⎢⎥--⎣⎦A 则A (λ)可以写成2111112().022301λλλ-⎡⎤⎡⎤⎡⎤=++⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦⎣⎦A 定义2 如果λ矩阵A (λ)中有一个r (r ≥1)阶子式不为零,而所有r +1阶子式(假若有的话)全为零,则称A (λ)的秩为r .零矩阵的秩规定为0.例如,数字矩阵A =(a ij )n ×n 的特征矩阵λE -A 的秩是n ,因为|λE -A |≠0. 定义3 对于n 阶λ矩阵A (λ),如果有一个n 阶λ矩阵B (λ),使得A (λ)B (λ)=B (λ)A (λ)=E n , (7.2)则称A (λ)是可逆的,此时B (λ)就称为A (λ)的逆矩阵,记为A -1(λ).关于λ矩阵可逆的条件有定理1n 阶λ矩阵A (λ)可逆的充分必要条件为它的行列式|A (λ)|是一个非零的常数.证明 先证必要性.设A (λ)可逆,则在(7.2)式两边取行列式得|A (λ)|·|B (λ)|=1.因为|A (λ)|与|B (λ)|都是λ的多项式,并且它们的乘积等于1,所以它们都是零次多项式,此即|A (λ)|是一个非零的数.再证充分性.设d =|A (λ)|是一个非零常数,A *(λ)是A (λ)的伴随矩阵,它也是一个n 阶λ矩阵,有**11()()()(),2n d λλλλ⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭A A A A E 故A (λ)可逆,且A -1(λ)=1dA *(λ). 例2 λ矩阵 222213(),35413(),3254λλλλλλλλλλλλλλ++⎡⎤=⎢⎥+++⎣⎦++⎡⎤=⎢⎥++++⎣⎦A B 中,A (λ)是可逆的,但B (λ)不可逆.这是因为|A (λ)|=4,|B (λ)|=-2(λ+1).§2 λ-矩阵的标准型定义4 下列三种变换称为λ-矩阵的初等变换:(1) 互换矩阵的某两行(列).(2) 用非零的数c 乘矩阵的某一行(列).(3) 把矩阵中某一行(列)的φ(λ)倍加到另一行(列)上,其中φ(λ)是一个λ的多项式.由单位矩阵E n 经过一次上述初等变换得到的λ矩阵称为初等矩阵.与数字矩阵的讨论相类似,用E (i,j ),E (i (c )),E (i +j (φ))分别表示由单位矩阵E n 互换i,j 两行(列);第i 行(列)乘以非零常数c ;第j 行(i 列)的φ(λ)倍加到第i 行(j 列)上所得到的初等矩阵.我们有结论:(A ) 初等矩阵都是可逆的,并且E (i,j )-1=E (i,j ),E (i (c ))-1=E (i (c -1)),E (i +j (φ)) -1=E (i +j (-φ)).(B) 对一个λ矩阵A (λ)作一次初等行(列)变换,相当于A (λ)左(右)乘一个相应的初等矩阵.定义5 如果λ矩阵A (λ)经过有限次初等变换而化为B (λ),则称A (λ)与B (λ)等价,记为A (λ)≅B (λ).定理2 两个λ矩阵A (λ)与B (λ)等价的充分必要条件是存在可逆矩阵P (λ)和Q (λ),使得B (λ)=P (λ)A (λ)Q (λ).证明 由定义5及(B )知,A (λ)与B (λ)等价的充分必要条件是存在一系列初等矩阵P 1,P 2,…,P s 与Q 1,Q 2,…,Q t ,使得B (λ)=P s P 2…P 1A (λ)Q 1Q 2…Q t令P (λ)= P s P 2…P 1,Q (λ)= Q 1Q 2…Q t ,因为初等矩阵都是可逆的,它们的乘积还是可逆的,所以P (λ)和Q (λ)均为可逆的,故定理得证.由(A ),(B ),容易证明,λ矩阵的等价关系具有下列性质:(1) 自反性每一个λ矩阵与自己等价.(2) 对称性若A (λ)≅B (λ),则B (λ)≅A (λ).(3) 传递性若A (λ)≅B (λ),且B (λ)≅C (λ),则A (λ)≅C (λ).λ矩阵具有多种形式的标准型,在这里我们只介绍其中最基本的一种,即施密斯标准型.为此先证明一个引理.引理 若λ矩阵A (λ)=(a ij (λ))m ×n 的左上角元素a 11(λ)≠0,并且A (λ)中至少有一个元素不能被a 11(λ)整除,则必存在一个与A (λ)等价的矩阵B (λ),它的左上角元素B 11(λ)也不为零,且b 11(λ)的次数小于a 11(λ)的次数.证明 根据A (λ)中不能被a 11(λ)整除的元素所处位置,分三种情况讨论.(1) 若A (λ)的第一列有一个元素a i 1(λ)不能被a 11(λ)整除,则用a 11(λ)去除a i 1(λ)可得a i 1(λ)=q (λ)a 11(λ)+r (λ),这里r (λ)(≠0)的次数小于a 11(λ)的次数.此时[]111(())(1,)11()()()()()()r i q r i a r r a λλλλλλλ-⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥−−−−→−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦A B 上面右端矩阵B (λ)即为所求.(2) 若A (λ)的第一行有一个元素a 1j (λ)不能被a 11(λ)整除,则这种情况的证法与情况(1)类似.(3) 若A (λ)中第一行与第一列的元素都能被a 11 (λ)整除,但A (λ)中另有元素a ij (λ)(i >1,j >1)不能被a 11 (λ)整除.此时可设a i 1 (λ)= a 11 (λ)φ(λ),则有[][]1111()111111()()()0()()()()()()(1())()0()()()j r i ij j ij j r i ij j a a a a a a a a a ϕλλλλλϕλλλλϕλλλλϕλ-+⎡⎤⎢⎥⎢⎥−−−−→⎢⎥-⎢⎥⎣⎦+-⎡⎤⎢⎥⎢⎥−−−→=⎢⎥-⎢⎥⎣⎦A M 上面右端矩阵M (λ)中第一行有一个元素a ij (λ)+a 1j (λ)(1-φ(λ))=f (λ)不能被a 11(λ)整除,这就化到了已经证明的情况(2).定理3 任一非零的m ×n 的λ-矩阵A (λ)都等价于一个如下形式的矩阵:12()()()()00r m nd d d λλλλ⨯⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦J (7.3)其中r ≥1,d i (λ)(i =1,2,…,r )均为首项系数为1的多项式,且1()();1,2,, 1.i i d d i r λλ+=-证明 不妨设a 11(λ)≠0,否则总可以经过适当的行、列交换,使得A (λ)的左上角元素不为零.如果a 11(λ)不能整除A (λ)的所有元素,由引理,可以找到与A (λ)等价的矩阵B 1(λ),它的左上角元素b 1(λ)≠0,且b 1(λ)的次数小于a 11(λ)的次数.如果b 1(λ)还不能整除B 1(λ)的所有元素,再由引理,可以找到与B 1(λ)等价的矩阵B 2(λ),它的左上角元素b 2(λ)≠0,且b 2(λ)的次数小于b 1(λ)的次数.如此作下去,将会得到一系列彼此等价的λ-矩阵A (λ),B 1(λ),B 2(λ),….这些矩阵的左上角元素均不为零,而且次数越来越低.由于非零多项式的次数总是非负整数,因此在有限步后,必将得到一个λ矩阵B s (λ),它的左上角元素b s (λ)≠0,且b s (λ)能整除B s (λ)的所有元素.可设b ij (λ)= b s (λ)q ij (λ),此时,对B s (λ)作一些适当的初等变换,可使得除左上角元素外它的第一行与第一列的其他元素全为零,即1()000()()0s i b λλλ⎡⎤⎢⎥⎢⎥≅⎢⎥⎢⎥⎣⎦B A显然,A 1(λ)的元素都是B s (λ)中元素的组合,而b s (λ)能整除B s (λ)的所有元素,所以b s (λ)也能整除A 1 (λ)的所有元素.如果A 1 (λ)≠0,则对于A 1 (λ)重复上述过程,进而可把矩阵化为121()000()0()00d d λλλ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦A 其中d 1(λ), d 2 (λ)都是首项系数为1的多项式,且d 1 (λ)| d 2 (λ)(因d 1 (λ)= b s (λ)能整除A 1 (λ)的所有元素),d 2 (λ)能整除A 2 (λ)的所有元素.如此一直做下去,最后终将A (λ)化为所要求的形式.(7.3)式中的J (λ)称为A (λ)的施密斯标准型.例3 求λ-矩阵2222121()11λλλλλλλλλλλ-+-⎡⎤⎢⎥=-⎢⎥⎢⎥++--⎣⎦A的施密斯标准型.解 对A (λ)作初等变换:[][][][][][][]2213312222,,21(2131()3(1)2223222232()223121121()0011010100000010000λλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλ+---------⎡⎤⎡⎤⎢⎥⎢⎥−−−→−−−→--⎢⎥⎢⎥⎢⎥⎢⎥+-----⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥−−−−−−→−−−−−→-⎢⎥⎢⎥⎢⎥⎢⎥----++⎣⎦⎣⎦−−−−→-++A []32(1)31000000λλλλ+-⎡⎤⎡⎤⎢⎥⎢⎥−−−−→⎢⎥⎢⎥⎢⎥⎢⎥+⎣⎦⎣⎦上式最后一个矩阵就是所求的施密斯标准型.§3 λ-矩阵的不变因子定义6 设λ矩阵A (λ)的秩为r ≥1,k 是不大于r 的正整数,那么A (λ)中所有k 阶子式的首项系数为1的最大公因式D k (λ)称为A (λ)的k 阶行列式因子.由定义6知,一个秩为r (≥1)的λ矩阵有且仅有r 个行列式因子.关于行列式因子有下面重要结论.定理4 等价的λ矩阵具有相同的秩和相同的各阶行列式因子.证明 我们只需证明,经过一次初等变换后λ矩阵的秩和行列式因子是不变的.设λ矩阵A (λ)经过一次初等变换变成B (λ),f (λ)与g (λ)分别是A (λ)与B (λ)的k 阶行列式因子.下面分三种情况证明f (λ)=g (λ).(1) A (λ)[,]i j −−−→ B (λ).这时B (λ)的任一k 阶子式或者等于A (λ)的某一个k 阶子式,或者与A (λ)的某一个k 阶子式反号,因此f (λ)是g (λ)的因式,即f (λ)|g (λ). (2) A (λ)[()]i c −−−→ B (λ)(c ≠0).这时B (λ)的任一k 阶子式或者等于A (λ)的某一个k 阶子式,或者等于A (λ)的某一个k 阶子式的c 倍,因此f (λ)是g (λ)的因式,即f (λ)|g (λ). (3) A (λ)[()]i j ϕ+−−−−→ B (λ).这时B (λ)中那些包含i 行与j 行的k 阶子式和不包含i 行的k 阶子式都等于A (λ)中对应的k 阶子式,而B (λ)中那些包含i 行但不包含j 行的k 阶子式,恰好等于A (λ)中对应的k 阶子式与另一个k 阶子式的φ(λ)倍之和,因此f (λ)是g (λ)的因式,即f (λ)|g (λ).对于列变换可以完全一样地讨论.于是经过一次初等变换将A (λ)变成B (λ),总有f (λ)|g (λ).由于初等变换具有可逆性,所以B (λ)也可以经过一次初等变换变成A (λ),同样也有g (λ)|f (λ),故f (λ)=g (λ).根据上述讨论和秩的定义可知,A (λ)与B (λ)既有相同的各阶行列式因子,又有相同的秩.设A (λ)的Smith 标准型为(7.3),则A (λ)≅ J (λ).由定理4得A (λ)的各阶行列式因子为1121212()(),()()(),,()()()(),r r d d d d d d λλλλλλλλλ===D D D (7.4)于是有112211()(),()(),,()()(),()r r r d d d d λλλλλλλλ-=== D D D D (7.5) 这表明任一λ矩阵的施密斯标准型是惟一的.定义7 在A (λ)的施密斯标准型(7.3)中,多项式d 1(λ),d 2(λ),…,d r (λ)称为A (λ)的不变因子.关系式(7.4)或(7.5)给出了A (λ)的不变因子与行列式因子的关系,其不变因子完全由行列式因子所惟一确定,它们都是在初等变换下A (λ)的不变量.于是得到定理5 A (λ)≅B (λ)的充分必要条件是A (λ)与B (λ)有相同的行列式因子,或者说有相同的不变因子.例4 在例3中,A (λ)的不变因子为d 1(λ)=1, d 2 (λ)=λ, d 3 (λ)=λ(λ2+1).A (λ)的行列式因子为D 1(λ)=1,D 2(λ)=λ,D 3(λ)=λ2(λ2+1).§4 矩阵的若当标准型本节在复数范围内介绍n 阶矩阵的若当标准型.设A 是一个n 阶复矩阵,A (λ)=λE -A 是A 的特征矩阵,则A (λ)必有n 个非零的不变因子,把每一个次数大于零的不变因子都分解为互不相同的一次因式的方幂之积,所有这些一次因式的方幂(相同的必须按出现的次数计算)称为A (λ)的初级因子.由于特征矩阵A (λ)=λE -A 完全由矩阵A 所确定,因此这里A (λ)的不变因子及初级因子也常常称之为A 的不变因子及初级因子.例5 求矩阵1212⎡⎤⎢⎥⎢⎥=⎢⎥-⎢⎥-⎣⎦A 的全部不变因子和初级因子.解 因为A 的特征矩阵为1212λλλλλ-⎡⎤⎢⎥-⎢⎥-=⎢⎥+⎢⎥+⎣⎦E A 所以λE -A 的行列式因子为D 4(λ)=|λE -A |=(λ2-1)(λ2-4),D 3(λ)=D 2(λ)=D 1(λ)=1;A 的不变因子为123443()()()1,()()(1)(1)(2)(2)()d d d d λλλλλλλλλλ=====-+-+D D 而次数大于零的不变因子只有d 4(λ),因此A 的全部初级因子为λ-1,λ+1,λ-2,λ+2.定义8 形如1(,)1s sa a a s a ⨯⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦ J (7.6) 的矩阵称为若当(Jordan )块,其中a 是复数.由若干个若当块组成的准对角矩阵称为若当形矩阵.比如0310,,11310110i i i ⎡⎤⎡⎤⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎣⎦ 都是若当块,而111521212i i i ⎡⎤⎢⎥⎢⎥⎢⎥-⎢⎥+⎢⎥⎢⎥+⎢⎥+⎣⎦ 是一个若当形矩阵.不难算出若当块J (a,s )的初级因子是(λ-a )s .事实上,因为J (a,s )的特征矩阵为1(,),1a a a s a λλλλ-⎡⎤⎢⎥--⎢⎥-=⎢⎥⎢⎥--⎣⎦E J显然它的行列式为(λ-a )s ,且它的左下角那一个s -1阶子式为(-1)s -1,所以J (a,s )的行列式因子为D 1(λ)=…=D s -1(λ)=1,D s (λ)=(λ-a )s ,因此它的不变因子为d 1(λ)=…=d s -1(λ)=1,d s (λ)=(λ-a )s ,由此即得J (a,s )的初级因子是(λ-a )s .下面我们叙述矩阵相似的判别定理.定理6 两个n 阶矩阵A 与B 相似的充分必要条件是它们的特征矩阵λE -A 与λE -B 等价,或者说A 与B 有相同的不变因子,或者说A 与B 有相同的初级因子.证明 (略).有了以上的一些概念和结论,现在来介绍矩阵的若当标准型.设n 阶复矩阵A 的全部初级因子为(λ-λ1)k 1,(λ-λ2)k 2,…,(λ-λt )kt ,每一个初级因子(λ-λi )k i 对应一个k i 阶若当块1,1i i i i λλλ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦J 由所有这些若当块构成的准对角矩阵12i ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦J J J J 称为矩阵A 的若当形矩阵,或A 的若当标准型.不难证明,矩阵A 与它的若当标准型具有相同的初级因子.于是我们得到定理7 任一n 阶复矩阵A 都与它的若当标准型J 相似,即存在可逆矩阵P ,使P -1AP =J ,并且除了其中若当块的排列次序外,这个若当标准型是由A 惟一确定的.由于|λE -A |=|λE -J |=(λ-λ1)k 1(λ-λ2)k 2…(λ-λt )kt所以若当形矩阵J 的主对角线上的元素λ1,λ2,…,λs (可能有些相同)全为A 的特征值.因为对角矩阵是特殊的若当形矩阵,即它是由n 个一阶若当块构成的若当形矩阵,因此我们有推论 n 阶复矩阵A 与对角矩阵相似的充分必要条件是它的初级因子全为一次的. 例6 求矩阵126103114--⎡⎤⎢⎥=⎢⎥⎢⎥-⎣⎦A 的若当标准型.解 先求λE -A 的初级因子:222126013213011114114100100,01101001210021λλλλλλλλλλλλλλλλλλ+-⎡⎤--+⎡⎤⎢⎥⎢⎥-=→----+⎢⎥⎢⎥⎢⎥⎢⎥----⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥→→--+-⎢⎥⎢⎥⎢⎥⎢⎥--+-+⎣⎦⎣⎦E A 所以A 的全部初级因子为λ-1,(λ-1)2,因此A 的若当标准型是100.010011⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦J习 题 七1. 求下列λ矩阵的Smith 标准型.2322222212(1);(2);531(1)000(1)0(3);(4).000100(1)002λλλλλλλλλλλλλλλλλλλλλλλλ⎡⎤-⎡⎤-⎢⎥-⎢⎥⎢⎥+⎣⎦⎢⎥+-⎣⎦++⎡⎤⎡⎤⎢⎥⎢⎥+⎢⎥⎢⎥⎢⎥⎢⎥+-⎣⎦⎣⎦.2. 求下列λ矩阵的不变因子.1020001(1);(2).1200001200a b b a a b b a λλλλλλλ+⎡⎤-⎡⎤⎢⎥-+⎢⎥⎢⎥--⎢⎥⎢⎥+⎢⎥--⎢⎥⎣⎦-+⎣⎦3. 证明12211000010000000001n n n a a a a a λλλλλ---⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥+⎢⎥⎣⎦的不变因子为d 1(λ)=…=d n -1(λ)=1,d n (λ)=λn +a 1λn -1+…+a n -1λ+a n .4. 证明000000000100010a a λλλλλλ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦与(a 为任一非零实数)相似.5. 求下列复矩阵的若当标准型. 120131616(1);(2).020576221687⎡⎤⎡⎤⎢⎥⎢⎥---⎢⎥⎢⎥⎢⎥⎢⎥------⎣⎦⎣⎦。

  1. 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. 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. 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)。
g ( λ ) | ( u 1 ( λ ) f 1 ( λ ) + " + u m ( λ ) f m ( λ )).
定义7.3 设 f (λ), g(λ) ∈ F[λ],如果多项式 d (λ) 是 f (λ) 与 g (λ) 的公因式,并且 f (λ) 与 g (λ) 的任一公因式 都是 d (λ) 的因式,则称 d (λ) 是 f (λ) 与 g (λ) 的一个最大 公因式. f (λ) 与 g (λ) 的首一最大公因式记为 (f (λ), g (λ)). 定义7.4 设 f (λ), g(λ) ∈ F[λ],如果多项式 h (λ) 是 f (λ) 与 g (λ) 的公倍式,并且 f (λ) 与 g (λ) 的任一公倍式 都是 h (λ) 的倍式,则称 h (λ) 是 f (λ) 与 g (λ) 的一个最小 公倍式. f (λ) 与 g(λ) 的首一最小公倍式记为 [f (λ), g (λ)].
λ ⎞ ⎟ − λ ⎟. 2⎟ −λ ⎠
例7.2 化 λ 矩阵为标准形:
0 0 ⎞ ⎛λ − a −1 ⎜ ⎟ λ − a −1 0 ⎟ ⎜ 0 . A(λ ) = ⎜ ⎟ λ − a −1 0 0 ⎜ ⎟ ⎜ 0 ⎟ λ 0 0 − a ⎝ ⎠
7.3 λ 矩阵的行列式因子和初等因子
定义7.9 设 A(λ) ∈ F [ λ ]n×n,并且 R ( A( λ ) ) = r , 1 ≤ k ≤ r , 则 A(λ) 的全部 k 阶子式的首一最大公因式称为 A(λ) 的 k 阶行列式因子,记为 Dk (λ ) . 例7.3 求下列 λ 矩阵的各阶行列式因子:
0 %
其中 di (λ) 是首一多项式,并且
d i ( λ ) | d i + 1 ( λ ) , i = 1, " , r − 1 .
在定理7.3中,与 λ 矩阵 A(λ) 等价的对角矩阵
⎛ d 1 (λ ) ⎜ ⎜ ⎜ S (λ ) = ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ d 2 (λ ) % d r (λ ) ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ 0⎠
第七章 矩阵的Jordan标准形
7.1 一元多项式 7.2 λ 矩阵及其标准形 7.3 λ 矩阵的行列式因子和初等因子 7.4 矩阵相似的条件 7.5 矩阵的 Jordan 标准形 7.6 Cayley 定理与最小多项式
7.1 一元多项式
定义7.1 设 F 是数域,n 是非负整数,λ 是一个文字, 称形式表达式
a ij (λ ) = bij (λ ), i , j = 1," , n, 则称 A( λ ) 与 B( λ ) 相等,记为 A( λ ) = B(λ ).
如果 n 阶矩阵 A( λ ) 的次数为 k ,则 A( λ ) 可表为 A( λ ) = A0 λ k + " + Ak − 1 λ + Ak , ( A0 ≠ 0 ) 其中 Ai 是 n 阶数字矩阵 . 例如
⎛ λ2 + λ ⎜ A(λ ) = ⎜ 0 ⎜ ⎝ 0 0
λ
0
0 ⎞ ⎟ 0 ⎟ λ + 1⎟ ⎠
定理7.4 等价的 λ 矩阵具有相同的秩和相同的各阶 行列式因子.
以下计算 λ 矩阵 A(λ) 的行列式因子. 设 A(λ) 的 Smith 标准形为
⎛ d 1 (λ ) ⎞ ⎜ ⎟ d 2 (λ ) ⎜ ⎟ ⎜ ⎟ % ⎜ ⎟ d r (λ ) ⎜ ⎟, ⎜ ⎟ 0 ⎜ ⎟ ⎜ % ⎟ ⎜ ⎟ 0⎠ ⎝
q(λ ) 和 r (λ ) 分别称为 g(λ ) 除 f (λ ) 的商和余式.
定义7.2 设 f ( λ ), g ( λ ) ∈ F [ λ ],如果存在多项式 h(λ ) 使得 f (λ ) = h(λ ) g (λ ) ,则称多项式 g (λ) 整除 f (λ),记 为 g ( λ ) | f ( λ ). 如果 g ( λ ) | f ( λ ) ,则称 g ( λ ) 是 f ( λ ) 的因式, f ( λ ) 是 g ( λ ) 的倍式 .
定理7.5 λ 矩阵 A(λ) 的 Smith 标准形唯一.
n× n 定理7.6 设 A(λ ), B(λ ) ∈F [λ ] ,则 A(λ ) ≅ B(λ ) 的充
k = m,
Ai = Bi , i = 0, 1, " , k .
设 A( λ ), B( λ ) 都是 n 阶 λ 矩阵,则有 | A(λ)B(λ)| = |A(λ)|| B(λ)|.
定义7.6 设 A(λ) ∈ F [λ]n×n,如果 A(λ) 中有一个 r 阶子式不为零 (1 ≤ r ≤ n) ,而所有 r + 1 阶子式(如果有的话) 全为零, 则称 A(λ) 的秩为 r, 记为 R(A(λ)) = r. 定义7.7 设 A(λ) ∈ F [λ]n×n,如果存在一个 n 阶 λ 矩阵 B(λ),使得
其中 d i (λ ) ( i = 1," , r ) 是首项系数为 1 的多项式,并且
d i ( λ ) | d i + 1 ( λ ) , i = 1, " , r − 1,
则 A(λ) 的各阶行列式因子为
⎧ D1 ( λ ) = d 1 ( λ ), ⎪ ⎪ D 2 ( λ ) = d 1 ( λ )d 2 ( λ ), ⎨ """"" ⎪ ⎪ ⎩ D r ( λ ) = d 1 ( λ )d 2 ( λ ) " d r ( λ ).
系数全为零的多项式称为零多项式,零多项式是唯一 没有次数的多项式.
n− i f ( λ ) = a λ 设 ∑ i , i =0 n
g (λ ) = ∑ Hale Waihona Puke i λm − i,如果i =0
m
deg f ( λ ) = deg g ( λ ), a j = b j , j = 0 , 1, 2 , "
如果 n 阶 λ 矩阵 A( λ ) 可表为 A( λ ) = A0 λ + " + Ak − 1 λ + Ak , A0 ≠ 0 ,
k
n 阶 λ 矩阵 B ( λ ) 可表为 B ( λ ) = B0 λ m + " + B m − 1 λ + B m , B0 ≠ 0 ,
则 A( λ ) = B( λ ) 的充分必要条件为
则称 f ( λ ) 与 g ( λ ) 相等,记为 f ( λ ) = g ( λ ). 多项式运算满足交换律、结合律、分配律和消去律, 且
deg( f ( λ ) ± g ( λ )) ≤ max{deg f ( λ ), deg g ( λ )};
deg( f (λ ) g (λ )) = deg f (λ ) + deg g (λ ).
7.2 λ 矩阵及其标准形
定义7.5 设 aij(λ) (i, j = 1, 2, …, n) 是数域 F 上的多项 式,以 aij(λ) 为元素的 n 阶矩阵
⎛ a11 (λ ) a12 (λ ) ⎜ ⎜ a 21 (λ ) a 22 (λ ) A(λ ) = ⎜ " " ⎜ ⎜ a (λ ) a (λ ) n2 ⎝ n1 " a1n (λ ) ⎞ ⎟ " a2 n (λ ) ⎟ " " ⎟ ⎟ " a nn (λ ) ⎟ ⎠
b11 ( λ ) ≠ 0, b11 ( λ ) | bij ( λ ) , i , j = 1," , n.
定理7.3 设 A(λ) = (aij(λ)) ∈ F [λ]n×n,且 R(A(λ)) = r, 则
⎛ d 1 (λ ) ⎜ ⎜ ⎜ A(λ ) ≅ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ d 2 (λ ) % d r (λ ) ⎞ ⎟ ⎟ ⎟ ⎟, ⎟ ⎟ ⎟ ⎟ 0⎠
于是
(1) D1 (λ ) | D2 (λ ), D2 (λ ) | D3 (λ ), ", Dr −1 (λ ) | Dr (λ ),
D2 (λ ) Dr (λ ) (2) d1 (λ ) = D1 (λ ), d2 (λ ) = , ", dr (λ ) = . D1 (λ ) Dr −1 (λ )
A( λ ) B ( λ ) = B ( λ ) A( λ ) = E ,
则称 λ 矩阵 A(λ) 是可逆的,并称 B(λ) 为 A(λ) 的逆矩阵, 记作 A-1(λ). 定理7.2 设 A(λ) ∈ F [λ]n×n,则 A(λ) 可逆的充分必 要条件是 | A(λ) | 是非零常数.
下列变换称为 λ 矩阵的初等变换: (1)λ 矩阵的两行(列)互换位置; (2)λ 矩阵的某一行(列)乘以非零常数 k; (3)λ 矩阵某一行(列)的 ϕ ( λ ) 倍加到另一行(列), 其中 ϕ ( λ ) 是 λ 的多项式. 由单位矩阵 E 经过一次 λ 矩阵的初等变换所得到的 矩阵称为 λ 矩阵的初等矩阵. 三种初等矩阵分别记为 E(i, j),E(i(k)),E(i, j( ϕ )),它 们都是可逆矩阵,并且逆矩阵还是初等矩阵.
定理7.1 设 f ( λ ), g ( λ ) ∈ F[ λ ] 且 g (λ ) ≠ 0 ,则存在 唯一的多项式 q ( λ ), r ( λ ) ∈ F [ λ ],使得
f ( λ ) = q( λ ) g (λ ) + r (λ ),
其中 deg r (λ ) < deg g ( λ ) 或 r (λ ) = 0.
称为 n 阶多项式矩阵或 n 阶 λ 矩阵.称 k = max{ deg aij(λ) | i, j =1, 2, …, n } 为矩阵 A(λ) 的次数,记为 k = deg A(λ ). 数域 F 上的全体 n 阶 λ 矩阵记为 F [λ]n×n.
n× n 设 A(λ ) = (aij (λ )), B(λ ) = (bij (λ )) ∈ F [λ ] ,若
相关文档
最新文档