线性代数课件第三章
大学线性代数课件第三章第一节可逆矩阵
假设有两个不同的逆矩阵$B$和$C$，则有$AB = BA = I$和$AC = CA = I$。由此可得$(B - C)A = 0$和 $A(B - C) = 0$，从而推出$(B - C)$是零矩阵，即$B = C$。
逆矩阵与原矩阵的关系
逆矩阵的性质
如果矩阵$A$是可逆的，那么它的逆矩阵和原矩阵满足关系式 $AA^{-1} = A^{-1}A = I$。
分解方法
常见的矩阵分解方法包括QR 分解、LU分解、SVD分解等， 这些方法都利用了可逆矩阵的 性质。
应用场景
在数值分析、计算物理等领域 中，矩阵分解是非常重要的计 算工具，可逆矩阵的应用为这 些领域提供了强大的支持。
特征值和特征向量的计算
特征值和特征向量
可逆矩阵可以用于计算特征值和 特征向量，这些数值在许多领域 中都有重要的应用。
p;3 1&2 end{bmatrix} $$
习题
判断矩阵B是否可逆，如果可逆，求其逆矩阵。
$$ B = begin{bmatrix}
习题
4 & -3 1&2 end{bmatrix} $$
答案与解析
矩阵A的行列式值为
$ |A| = 2*2 - 3*1 = 1 neq 0 $，因此矩阵A是可逆的。
矩阵A的逆矩阵为
$ A^{-1} = frac{1}{2} begin{bmatrix}
答案与解析
2 & -3
end{bmatrix} $。 1&2
01
03 02
答案与解析
矩阵B的行列式值为
$ |B| = 4*2 - (-3)*(-1) = 5 neq 0 $，因此矩 阵B是可逆的。
《线性代数》课件第3章
a1
a2
an
与n维行向量 αT=(a1，a2，…，an)
总看做是不同的向量(按定义3.1.1，α与αT应是同一向量)。 所有n维向量构成的集合称为n
Rn={x=(x1，x2，…，xn) T|xi∈R})
在解析几何中，如果取定一个空间坐标系［o: x，y，z］， 并以i，j，k分别表示与三个坐标轴方向一致的单位向量，那 么空间的任一向量α可分解为
称-α
a1 a2
为α的负向量。
an
例3.1.2 已知β=(1，0，1)T，γ=(3，2，-1) T，且
2x+3β=γ+4x，求x
解
x
1 2
(3β
γ)
1 2
1 3 0 1
0 1 2
3.1.3
定义3.1.2 给定向量组A: α1，α2，…，αm，向量k1α1+k2α2+…+kmαm称为向量组A 的一个线性组合，k1，k2，…，km称为这个线性组合的系数。 如果向量β
k1α1+k2α2+…+knαn=0 因为α1，α2，…，αn
k1=k2=…=kn=0
于是
β
k1 k
α1
k2 k
α2
kn k
αn
设有两组数k1，k2，…，kn和λ1，λ2，…，λn，使得 β=k1α1+k2α2+…+knαn
β=λ1α1+λ2α2+…+λnαn
(k1-λ1) α1+(k2-λ2) α2+…+(kn-λn) αn=0
表示。
证 必要性 设α1，α2，…，αm 线性相关，即有一组不
全为零的数k1，k2，…，km，使
《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 ⨯。
线性代数课件第三章矩阵的秩课件
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。
线性代数第三章课件,数学
不是一个向量空间。 证 （1）显然集合V1非空，对任意 α=(0, a2, …, an), β=(0, b2, …, bn)∈ V1及任 ∈ 意实数k，有
α + β = (0, a 2 + b2 ,L , a n + bn ) ∈ V1 kα = (0, ka 2 , L , ka n ) ∈ V1
k1β 1 + k 2 β 2 + L + k m β m
= ( β 1 , β 2 ,L , β = (α
1
m
)α
m
,α
2
,L , α
)P α = 0
这意味着β1 β2 …,βm线性相关。 前面我们已经指出，同一向量在不同 基底下的坐标一般是不同的，那么坐标之 间的关系如何呢？
定理3.4.1 设 α1, α2 , …,αm与β1 定理3.4.1 β2 …，βm是向量空间V的两组基, 由α1, α2 , …,αm到β1 β2 …，βm的过渡矩阵为P，如果 V中任意元素α在这两组基下的坐标分别为 (x1,x2, …,xm)T与 (y1,y2, …,ym)T，则
同理可证 L(β1 β2 …，βr) ⊂ L(α1, α2 , …,αs) 故 L(α1, α2 , …,αs)=L(β1 β2 …，βr)
3.4.2 基、维数与坐标 定义3.4.3 定义3.4.3 设V是数域p上的向量空间， 向量α1, α2 , …,αm∈V，如果 ， (1) α1, α2 , …,αm线性无关； (2) V中任一向量都能由α1, α2 , …,αm 表示出， 则称 α1, α2 , …,αm为空间V的一组基（或 基底），m称为向量空间V的维数 维数，记 维数 dimV＝m为，并称V是数域p上的m维向量 维向量 空间。 空间 零空间的维数规定为零。
线性代数第三章第三节线性方程组的解课件
B1 1 ~1 1
1
1 2
1
1
1
1 1
2
~ 0 - 1 1 - - 2
0
1-
1 - 2
1
-
2
1 1
~ 0 -1 1-
2
- 2
0
0
2 - - 2
1
-
2
-
3
1 1
0 -1
1-
2
1 -
0
0
1 - 2
1
-
1
2
1 当 1时,
1 1 1 1 B ~ 0 0 0 0
例３ 求解非齐次方程组的通解
x1 x1
-
x2 x2
x3 x3
-
x4 0 3x4 1
.
x1 - x2 - 2x3 3x4 -1 2
解 对增广矩阵B进行初等变换
1 - 1 - 1 1 0 1 - 1 - 1 1 0 B 1 -1 1 - 3 1 ~ 0 0 2 - 4 1
1 - 1 - 2 3 - 1 2 0 0 - 1 2 - 1 2
所以方程组的通解为
x1 1 0 1 2
x2 x3 x4
x2
1 0
0
x4
0 2 1
102 .
0
其中x2 , x4任意.
x1 - x2 a1
例４
证明方
程组
x2 x3
-
x3 x4
a2 a3
x4
-
x5
a4
x5 - x1 a5
有解的充要条件
是a1 a2 a3 a4 a5 0.在有解的情况下，
0
0 1
-2 2
线性代数课件第三章矩阵的秩
线性方程组的解 与矩阵的秩的关 系
利用矩阵的秩判 断线性方程组是 否有解
利用矩阵的秩求 解线性方程组的 步骤和方法
矩阵的秩在判断向量组线性相关性的应用
矩阵的秩与向量组 线性相关性的定义
矩阵的秩在判断向 量组线性相关性中 的应用
矩阵的秩与向量组 线性相关性的关系
矩阵的秩在解决实 际问题中的应用
矩阵的秩在求向量空间维数中的应用
汇报人：PPT
PPT,a click to unlimited possibilities汇报人Leabharlann PPT目录矩阵秩的定义
矩阵的秩的概念
矩阵秩的几何意义
矩阵秩的计算方法
矩阵秩的性质和定理
矩阵的秩的计算方法
定义：矩阵的秩是其行向量或列向量的最大线性无关组的个数
计算方法：通过初等行变换或初等列变换将矩阵化为阶梯形矩阵，然后数非零行数或非零列 数
利用初等列变换求矩阵的秩的证明
初等列变换的定义和性质
阶梯形矩阵的秩的计算方法
添加标题
添加标题
添加标题
添加标题
利用初等列变换将矩阵化为阶梯形 矩阵
证明利用初等列变换求矩阵的秩的 正确性
零矩阵的秩
零矩阵的定义：所 有元素都为0的矩 阵
零矩阵的秩为0
零矩阵与任何矩阵 相乘都等于0
零矩阵在数学中的 意义和作用
性质：矩阵的秩与行数和列数有关，且不超过行数和列数中的最小值
应用：矩阵的秩在解线性方程组、判断向量组的线性相关性等方面有重要应用
矩阵的秩的性质
矩阵的秩等于其行秩或列秩
矩阵的秩是其所有子矩阵的 秩的最大值
矩阵的秩是唯一的
矩阵的秩等于其转置矩阵的 秩
矩阵的秩在解线性方程组中的应用
线性代数第三章课件
返回
上页
20
下页
m ( n ) 1 , 2 ,, m 分别是 A 的 是 A 的个彼此不同的特征值，
属于1 , 2 ,, m 的特征向量， 则 1 , 2 ,, m 线性无关。 定理3.5 设 A 是 n 阶方阵, 1 , 2 ,, m 是 A 的 i1 , i 2 ,, isi 是 A 的 m( n) 个彼此不同的特征值， 属于 i (i 1,2,, m) 的线性无关的特征向量组， 则
A E 称为 A 的特征矩阵.
返回 上页
4 下页
说明 (1) 求特征值 ，就是求特征方程 A E 0 的根； (2) A E 0 有 n 个根 (其中有些根可能相同)， 其中的 k 重根也称为 k 重特征值. （3）A 的属于特征值 0 的全体特征向量是： ( A 0 E ) x O 的解集中除零向量外的全体解向量. (4) 特征方程可能有复数根，相应的，特征向量也 可能是复向量.
解 A 的特征多项式为
1 A E 4 1 1 3 0 0 0 2 (2 )(1 )2
令 A E 0 ，得 A 的 3 个特征值： 1 2 (单重特征值)
2 3 1 (二重特征值)
返回 上页
9 下页
将特征值分别代入 ( A E ) x O ，求出特征向量：
第一节 矩阵的特征值和特征向量
一、特征值和特征向量的概念 二、特征值和特征向量的性质
1
一、特征值和特征向量的概念
定义 1 设 A 是 n 阶矩阵，如果存在数 和非零向量 x, 使得 Ax x
则称： 是矩阵 A 的特征值；
x ቤተ መጻሕፍቲ ባይዱ A 的对应于(或属于)特征值 的特征向量.
线性代数课件第三章
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
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
线性代数教学课件3
阶梯形线性方程组(B)与原线性方程组(A)同解.
在线性方程组(B)中, 将第三式的x3= -2代入第二个 方程,得x2= 2; 再将x2= 2, x3= -2代入第一个方程,得x1= 1.
所以原方程组的解为: x1=1, x2=2, x3= -2.
■
由阶梯形方程组逐次求得各未知量的过程,称为回代
过程, 线性方程组的这种解法称为高斯消元法.
a1r a1r 1 a2r a2r 1
a1n d1 a2n d2
于是结得论同:解2方. d程r+组1=0: , 则x1 同aˆ1,解r 1x方r 1 程组有aˆ1n x解n , dˆ1
A 00
arr arr 1
arn dr
从x2 而aˆ2原r 1x方r 1程组Aaˆ2Xn x=n b dˆ2
00
00
x1
1
x2
2
x3
2
■
100 1 010 2 001 2
13
机动 目录 上页 下页 返回 结束
例2. 解线性方程组
x1 3x2 x3 2x4 x5 4 3x1 x2 2x3 5x4 4x5 1 2x1 4x2 x3 3x4 5x5 5 5x1 5x2 3x3 8x4 9x5 6
解: 对方程组的增广矩阵作行初等变换, 化成阶梯形 矩阵, 再化成行最简阶梯形矩阵.
为求解线性方程组(1), 必须解决以下一些问题:
(i) 线性方程组(1)是否有解? (ii) 如果线性方程组(1)有解, 那么它有多少个解? (iii) 当线性方程组有解(1)时, 如何求出它的全部解?
4
机动 目录 上页 下页 返回 结束
定义 m个方程、 n个未知量 的线性方程组
a11x1 a12 x2 a1n xn b1
线性代数第三章线性空间课件
将线性方程组
a11x1 a12 x2
a21x1
a22 x2
am1x1 am2 x2
a1n xn b1, a2n xn b2 ,
amn xn bm
（1）
的系数矩阵按列进行分块， 即 A 1, 2, , n ,
则方程组（１）可以写成
1x1 2 x2 n xn 线性方程组（１）有解当且仅当方程组的常数 项向量可以由其系数矩阵的列向量组线性表出．
并且，定义向量 与 的减法为
( ).
容易验证，向量的加法和数量乘法满足下面8条性质：
1）加法交换律： ；
2）加法结合律：( ) ( ) ；
3）对于任意的 n ，均有 0 ；
4）对于任意的 n，均存在负向量 ，使得
5） 1 ；
( ) 0;
II : 1, 2, , t 线性表出，且线性无关，则有 s t.
推论2 如果 I :1,2 , ,s 与 II : 1, 2, , t 等
价，且两个向量组均线性无关，则有 s t.
推论3 任意 n+1 个 n 维向量均线性相关．
定理5 设向量组 I :1,2 , ,s 线性无关，且
i (a1i , a2i , , ani )T , i 1, 2, , s.
于是，单个向量 组成的向量组线性相关当且仅当
0;
换句话说， 单个向量组 成的向量组线性无关当
且仅当
0.
定理2 如果向量组 I :1,2, ,s 的一个部分组线
性相关，那么这个向量组 I 就线性相关．
这个命题的逆否命题为：
如果向量组 I :1,2, ,s 线性无关，那么它任
何一个部分组也线性无关．
组系数矩阵的列向量组是线性相关的．或者说 齐次线性方程组（３）只有零解当且仅当方程
第三章线性代数ppt课件
二. Gauss消元法 • 阶梯形线性方程组的有三中基本类型 2x1+3x2 x3 = 1 2x2+x3 = 2 无解 0=1 x1x2+2x3 = 8 2x2 +x3 = 1 x3 = 5 x1+2x2+x3 + x4 = 2 x3+4x4 = 3 有唯一解
有无穷多解
第三章 ·线性方程组
§3.1线性方程组和Gauss消元法
第三章 线性方程组
§3.3 非齐次线性方程组
§3.3 非齐次线性方程组
一. 非齐次线性方程组的相容性
定理3.4. 设ARmn, bRm, 则
(1) Ax = b有解秩([A, b]) = 秩(A);
(2) 当秩([A, b])=秩(A)=n时, Ax = b有 唯一解; (3) 当秩([A, b])=秩(A)<n时, Ax = b有 无穷多解, 且通解中含有n秩(A) 个自由未知量.
第三章线性代 数
第三章 ·线性方程组
§3.1线性方程组和Gauss消元法
Ax = b 齐次线性方程组( b = 0)
线性方程组的分类 非齐次线性方程组 (b 0)
线性方程组的解
无解 (不相容) 有解 (相容)
唯一解 无穷多解 (通解)
表示全部解的表达式
第三章 ·线性方程组
§3.1线性方程组和Gauss消元法
第三章 线性方程组
§3.2 齐次线性方程组
§3.2 齐次线性方程组 齐次线性方程组 a11x1+a12x2+…+a1nxn = 0 a21x1+a22x2+… a2nxn = 0 … … … … … … … am1x1+am2x2+…+amnxn = 0 零/平凡解, 非零/平凡解
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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
a
j1
aj2
a jn
第j 行
1
am1
am 2
amn
a11
a12
a1n
类似地, 以En(ji(k))右
ai1
ka j1
a j1
ai2 ka j2 aj2
ain
a jn
乘矩阵A=(aij)mn, 其 结果相当于把A的第j
a jn
列乘数k加到A的第i
am1
am 2
amn
列上(ci+kcj).
1
2 1
2
~
0
1
0
0
1 1 1 1 0 0 0 1
3
2
3
1
0
0
0
0
从而得到方程组的通解:
x
x1 x2 x3 x4
k
1100,
k为任意常数.
当a=2时, 把系数矩阵A化成最简形:
1 1
1 3
1 2 1 2
1 1
2 3
21 21
~
1 0 0 0
1 1 0 0
1 0 3 0
~
1 0 0 0
1 1 0 0
1 0
a1 0
11 a 20
当a= –1或者a=2时, R(A)<4, 此时方程组有非零解.
可仿照解法一求出它的解.
例3: 求解非齐次方程组的通解
x1 x1
x2 x2
x3 x4 0 x3 3x4 1
.
x1 x2 2 x3 3 x4 1 2
求矩阵秩的方法 (1) 利用定最高阶数; (2) 初等变换法
把矩阵用初等行变换变成为行阶梯形矩阵, 行阶 梯形矩阵中非零行的行数就是矩阵的秩.(注意：行变 换与列变换不能同时进行！)
九、线性方程组有解判别定理及解法
定理1: n元线性方程组Amnx=b (1) 无解的充分必要条件是R(A)<R(A,b); (2) 有唯一解的充分必要条件是R(A)=R(A,b)=n; (3) 有无穷多解的充分必要条件是R(A)=R(A,b)<n.
行阶梯形矩阵的秩等于非零行的行数.
若A为n阶可逆矩阵, 则 (1) A的最高阶非零子式为|A|; (3) A的标准形为单位矩阵E;
(2) R(A)=n; (4) AE.
矩阵秩的性质
性质1: 0 R(Amn) min{m, n}; 性质2: R(AT) = R(A); 性质3: 若A B, 则R(A) = R(B); 性质4: 若P, Q可逆, 则R(PAQ) = R(A); 性质5: max{R(A), R(B)} R(A ¦B) R(A) + R(B), 特别当B = b时, R(A) R(A ¦b) R(A) + 1; 性质6: R(A + B) R(A) + R(B); 性质7: R(AB) min{R(A), R(B)}; 性质8: 若AmnBnl =O, 则R(A)+R(B) n.
五、行阶梯形矩阵
经过初等行变换, 可把矩阵化为行阶梯形矩阵, 其 特点是: 可画出一条阶梯线, 线的下方全为0; 每个台阶 只有一行, 台阶数即是非零行的行数, 阶梯线的竖线 (每段竖线的长度为一行)后面的第一个元素为非零元, 也就是非零行的第一个非零元.
六、行最简形矩阵
经过初等行变换, 行阶梯形矩阵还可以进一步化 为行最简形矩阵, 其特点是: 非零行的非零首元为1, 且 这些非零元所在列的其它元素都为0.
例3: 当a取何值时, 下述齐次线性方程组有非零解,
并且求出它的通解.
x1 x2 x3 x4 0
x1 x1 3 x1
2x2 x2 2x2
x3 2x4 ax3 x4 3 x3 ax4
0 0 0
.
解法一: 系数矩阵A的行列式为
1 1 1 1 1 1 1 1
| A|
1 1
x1 1 1 1 2
答案：
x2 x3 x4
c1
1 0 0
c2
第二章 矩阵的初等变换与线性方 程组
1. 矩阵的初等变换 2. 矩阵的秩 3. 线性方程组的解
以Em(ij(k))左乘矩阵A=(aij)mn, 相当于把A的第j
行乘数k加到A的第i 行上(ri+krj).
1
a11 a12
a1n
Em
(
ij(k
))
A
1
k
ai1
ai 2
ain
第i 行
1
2 1
1 a
2 1
0 0
1 2
0 a1
1 2
3 2 3 a 0 5 0 a3
1 1 1 1
0 0
1 0
0 a1
1 0
(a 1)(a 2)
0 0 0 a2
当a = –1或者a=2时, |A|=0, 方程组有非零解.
当a = –1时, 把系数矩阵A化成最简形:
1 1 1 1 1 0 1 0
八、矩阵的秩
若在矩阵A中有一个r 阶子式D非零, 且所有的r+1 阶子式(如果存在的话)都为零, 则称D为矩阵A的一个 最高阶非零子式, 称数 r 为矩阵A的秩, 记作R(A).
矩阵秩的定理
如果A中有一个r 阶子式非零, 则 R(A) r . 如果A的所有的r+1阶子式都为零, 则 R(A) r .
11 00
~
1 0
0
0
0 1 0 0
0 0 1 0
10 0 0
从而得到方程组的通解:
x
x1 x2 x3 x4
k
0011,
k为任意常数.
解法二: 用初等行变换把系数矩阵A化为阶梯形
A
1 1 1 3
1 2 1
2
1 1
a
3
21 a1
~
1 0 0 0
1 1 2 5
1 0
a1 0
11
a
32
初等变换法解矩阵方程
(1) AX=B
初等行变换
( A B) ~ (E A1B) X A1B.
(2) XA=B
或者
A B
~ 初等列变换
E BA1
X
BA1 .
初等行变换
~ ( AT BT )
(E ( AT )1 BT )
X T ( AT )1 BT X BA1 .
注意: 用初等行变换求逆矩阵时, 必须始终用行变 换, 其间不能作任何列变换. 同样地, 用初等列变换求 逆矩阵时, 必须始终用列变换, 其间不能作任何行变换.
齐次线性方程组的解法: 系数矩阵化成行最简形 矩阵, 便可写出其通解.
非齐次线性方程组的解法: 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.
把行最简形中r 个非零行的非零首元所对应的未 知量取作非自由未知量, 其余n–r个未知量取作自由未 知量, 并令自由未知量分别取c1, c2,···, cn–r , 由B(或A) 的行最简形即可写出含有n–r个参数的通解.