线性代数解题方法和技巧
探索高中数学中的线性代数问题的解题技巧

探索高中数学中的线性代数问题的解题技巧高中阶段的数学学科中,线性代数问题一直是难点和重点之一。
许多学生在学习这一部分时常常会遇到各种各样的问题,而其中最大的问题则在于解题技巧。
在今天的文章中,我们将会探索一下在高中数学中,如何更加高效的解决线性代数问题。
一、了解基本概念在学习线性代数问题时,首先需要了解一些基本的概念,例如向量、矩阵等。
向量可以看做是一个有向线段,其长度为模长,方向为方向角;而矩阵则是由数个数构成的矩形阵列。
学生们应该首先了解这些基本概念,并且掌握它们之间的互相转化关系。
二、掌握基本运算法则解决线性代数问题的一个必要条件就是掌握基本的运算法则,例如加法、减法、数乘、转置、乘法等。
在掌握了这些基本运算法则之后,我们就能够更加容易地进行计算,从而更快、更准确地得出答案。
三、熟练应用高斯消元法高斯消元法是解决线性代数问题的一种经典方法。
在数学高中阶段学习线性代数时,学生们应该熟悉并掌握这一方法的应用,从而在进行数学计算时更加得心应手。
四、重视矩阵的秩和行列式在矩阵的秩和行列式中,包含了比如求解线性方程组解、判断矩阵线性无关等重要概念。
掌握这一点,可以帮助学生们更加深入理解线性代数的相关内容。
五、注重实际应用在学习数学的过程中,不仅仅只需要理解具体的概念和方法,还需要注重实际应用。
因此,在学习过程中,需要关注线性代数的实际应用,例如掌握矩阵在计算机图形处理中的应用、了解线性代数在人工智能中的应用等等。
六、注重举一反三学习数学,不仅仅是掌握具体的概念、方法和应用,还需要注重举一反三。
在解决一道线性代数问题的过程中,如果能够形成思维习惯,逐渐掌握一般化的解题方法和思路,那么对于提高解题效率和分析问题能力来说,是非常有帮助的。
七、勤于联系最后,无论是在解决线性代数问题的过程中还是在整个数学学习过程中,勤于联系对于提高数学能力和解题效率来说都是非常重要的。
只有通过大量的联系和实际运用,才能更加深入地了解和掌握线性代数问题的解题技巧。
经济数学·线性代数:解题方法技巧归纳

经济数学·线性代数:解题方法技巧归纳
常见的解题方法技巧:
1.高斯消元法:用于解决线性方程组的方法,通过
消去未知数的系数,使方程组的每一行的未知数
只有一个。
2.高斯-约旦消元法:用于解决线性方程组的方法,
通过消去未知数的系数,使方程组的每一行的未
知数只有一个,并通过交换方程的顺序来解决无
解或多解的情况。
3.矩阵消元法:用于解决线性方程组的方法,将方
程组写成矩阵形式,通过消去未知数的系数,使
矩阵的每一行的未知数只有一个。
4.高斯-约旦分解法:用于解决线性方程组的方法,
通过将方程组写成两个矩阵的乘积的形式。
5.广义逆矩阵法:用于解决线性方程组的方法,通
过求出矩阵的广义逆(也叫做伪逆),将方程组写
成矩阵的形式,求解未知数的值。
6.矩阵的特征值与特征向量:用于解决矩阵的本征
值问题的方法,通过求解矩阵的特征方程,求得
矩阵的特征值与特征向量,并利用它们来求解其
他问题。
7.奇异值分解:用于解决矩阵的奇异值分解问题的
方法,将矩阵分解为三个矩阵的乘积的形式,并利用它们来求解其他问题。
8.广义逆矩阵的求法:用于求解矩阵的广义逆(也叫做伪逆)的方法,包括计算机辅助的方法和数学计算的方法。
了解高中数学中的线性代数问题的解题技巧

了解高中数学中的线性代数问题的解题技巧线性代数是数学的一个分支,广泛应用于科学、工程和经济等领域。
在高中数学中,线性代数也是一门重要的课程,通过学习线性代数,不仅可以提高学生的数学思维能力,还可以帮助他们解决实际问题。
本文将介绍高中数学中线性代数问题的解题技巧,包括向量、矩阵和线性方程组的解法等。
一、向量的基本概念和运算向量是线性代数中的重要概念,它可以表示大小和方向。
在解决向量问题时,首先要了解向量的基本概念,包括向量的表示方法、向量的模长和方向角等。
其次,需要熟练掌握向量的运算法则,如向量的加法、减法、数量乘法和内积等。
通过灵活运用这些运算法则,可以简化向量计算过程,提高解题效率。
二、矩阵的基本概念和运算矩阵是线性代数中另一个重要的概念,它可以用来表示一组数。
在解决矩阵问题时,首先要了解矩阵的基本概念,包括矩阵的行、列、秩和转置等。
其次,需要掌握矩阵的运算法则,如矩阵的加法、减法、数量乘法和乘法等。
同时,矩阵的逆矩阵和行列式等相关概念和运算也是解决矩阵问题的关键。
掌握了这些基本概念和运算法则,可以更好地理解和解决与矩阵相关的数学问题。
三、线性方程组的解法线性方程组是线性代数中的重要问题之一,它可以用来描述多个线性方程的关系。
在解决线性方程组时,可以采用消元法、矩阵方法和向量方法等不同的解题技巧。
消元法是线性方程组解法中最常用的方法,将线性方程组转化为行阶梯形式,然后逐步消去未知数,得到解的过程。
矩阵方法通过将线性方程组转化为矩阵的形式,然后通过行初等变换或矩阵的逆矩阵等方法求解。
向量方法通过将线性方程组表示为向量的形式,通过向量之间的线性组合求解。
在解决线性方程组问题时,根据具体情况选择合适的解题方法,可以提高解题效率。
四、矩阵的特征值和特征向量矩阵的特征值和特征向量是线性代数中的重要概念,它们对于理解矩阵的本质和性质有着重要的作用。
矩阵的特征值表示矩阵在某个方向上的伸缩因子,特征向量表示在相应特征值方向上的向量。
线性代数解题方法与技巧教学设计

线性代数解题方法与技巧教学设计1. 简介线性代数是数学中的重要分支,也是应用数学中的重要课程之一。
作为一门基础课,线性代数既有理论研究,也有实用应用,广泛应用于各个领域。
线性代数教学中,掌握解题方法和技巧是非常关键的,因为线性代数考试中,大多数得分都来自于解题技巧。
本文将介绍线性代数中一些普遍的解题方法和技巧,并提出一些教学设计建议,以帮助教师提高线性代数教学效果。
2. 解题方法和技巧2.1 矩阵求逆在矩阵求逆的过程中,我们可以运用如下的技巧:1.先求矩阵行列式的值,如果为0则矩阵不可逆,否则进行下一步。
2.运用初等行变换将原矩阵变成一个上三角矩阵。
3.通过回代的方式,得到逆矩阵。
2.2 矩阵转置矩阵的转置就是将矩阵的行列互换。
在实际运用中,我们可以采用以下技巧:1.对于一个m行n列的矩阵A,它的转置矩阵为n行m列的矩阵A T。
2.对于矩阵的转置运算,常用的方法是将原矩阵的所有元素上下翻转,然后把第i行变成第i列。
2.3 矩阵秩矩阵秩是矩阵中非零行的行数,其解题方法和技巧如下:1.对矩阵进行初等行变换,使其变成行最简形矩阵。
2.记行最简形矩阵的非零行数为r,则原矩阵的秩为r。
2.4 特征值与特征向量线性代数中重要的概念之一就是特征值与特征向量,其中特征值是矩阵的一个重要特征,解题方法和技巧如下:1.找到矩阵的特征方程,并求出特征值。
2.通过求解齐次线性方程组,得到特征向量。
3.确定每个特征向量所对应的特征值。
3. 教学设计建议为了更好地教授线性代数的解题方法和技巧,我们提出如下教学设计建议:3.1 应用实例讲解线性代数中的一些解题方法和技巧需要结合实际应用来讲解,这样有助于学生更好地理解概念和原理。
对于每一个解题方法和技巧,可以提供一个或多个实际应用的例子来进行讲解和演示。
3.2 视频授课在线性代数解题方法和技巧教学中,视频授课是一种较为有效的教学方式。
通过采用课堂教学视频的方式,学生可以在课堂外随时随地学习和复习知识点。
线性代数求解方法和技巧

线性代数求解方法和技巧线性代数是数学中重要的一个分支,研究向量空间、线性变换和线性方程组等内容。
在实际问题中,我们常常需要用线性代数的方法来解决问题,因此掌握线性代数的求解方法和技巧对于理解和应用数学是非常重要的。
首先,我们讨论线性方程组的求解方法。
线性方程组是由一组线性方程组成的方程组,其中每个方程的未知数的次数都为1。
对于n个未知数和m个方程的线性方程组,我们有以下几种常用的求解方法:1. 列主元消元法:这是最常用的线性方程组求解方法之一。
它的基本思想是通过行变换将线性方程组化为一个三角形式,进而求解得到方程组的解。
在进行行变换时,要选择合适的列主元,即选择主元元素绝对值最大的一列作为主元素。
2. 矩阵求逆法:对于一个可逆的n阶方阵A,我们可以通过求A的逆矩阵来求解线性方程组Ax=b。
具体地,我们首先通过高斯消元法将方程组化为三角形式,然后根据三角形式的矩阵求逆公式来求解x。
3. LU分解法:对于一个n阶非奇异矩阵A,我们可以将其分解为一个下三角矩阵L和一个上三角矩阵U的乘积,即A=LU。
接着,我们可以通过LU分解来求解线性方程组Ax=b。
具体地,我们首先通过LU分解将方程组化为Lc=b和Ux=c两个方程组,然后依次求解这两个方程组得到x的值。
除了以上的求解方法,还有一些线性方程组的特殊情况和对应的求解方法:1. 齐次线性方程组:如果线性方程组右边的常数项都为0,即b=0,那么我们称为齐次线性方程组。
对于齐次线性方程组,其解空间是一个向量空间。
我们可以通过高斯消元法来求解齐次线性方程组,先将其化为三角形式,然后确定自由未知量的个数,最后确定解空间的基底。
2. 奇异线性方程组:如果线性方程组的系数矩阵A是奇异矩阵,即det(A)=0,那么我们称为奇异线性方程组。
对于奇异线性方程组,其解可能不存在,或者存在无穷多解。
我们可以通过计算矩阵A的秩来确定线性方程组的解的情况。
另外,在实际问题中,我们可能会遇到大规模的线性方程组,这时候求解方法和技巧还需要考虑到计算效率的问题。
线性代数题求解答技巧

线性代数题求解答技巧线性代数是一门重要的数学学科,应用广泛,涉及到众多的概念和定理。
解线性代数题有一些技巧和方法可以帮助我们更好地理解问题和找到解答。
在本文中,我将向您介绍一些解线性代数题的技巧。
1. 熟悉基本概念和定理:了解线性代数的基本概念和定理,例如矩阵、行列式、向量空间、线性变换等,对于解题非常重要。
熟悉这些基础知识将帮助您更好地理解问题和找到解答。
2. 理解题目中的关键信息:仔细阅读题目,并理解其中的关键信息和要求。
对于一些复杂的题目,可以将问题进行拆解,将其转化为更简单的子问题来解决。
3. 画图和示意图:对于涉及到向量、矩阵和线性变换的题目,可以尝试画图和示意图以帮助理解问题。
图形可以直观地表示线性变换的作用和向量的变化,有助于更好地理解问题的本质。
4. 利用矩阵运算法则:运用矩阵的基本运算法则,例如加法、减法、乘法和转置等来进行计算。
通过运用这些法则,可以简化计算和转化问题的形式。
5. 找到未知量的线性关系:对于涉及到向量和矩阵的方程组,可以通过列向量和矩阵相乘得到一个线性方程组。
通过求解这个方程组,可以找到未知量之间的线性关系。
6. 利用行列式的性质:行列式是解线性方程的重要工具之一。
了解行列式的性质和计算方法,可以帮助我们更好地理解和解决问题。
通过对行列式的计算,可以判断矩阵是否可逆、线性方程组是否有唯一解等关键问题。
7. 利用向量空间的性质:向量空间是研究向量的重要概念之一。
了解向量空间的性质,例如维数、基、秩等,可以帮助我们更好地理解向量空间的结构和性质,从而解决相关问题。
8. 利用特殊矩阵的性质:对于一些特殊的矩阵,例如对称矩阵、上三角矩阵、对角矩阵等,它们具有一些特殊的性质和特点。
通过利用这些性质,可以简化计算和解决问题。
9. 利用线性变换的性质:线性变换是研究线性代数的重要工具之一。
了解线性变换的性质和运算法则,可以帮助我们更好地理解和解决线性变换的问题。
10. 训练解题技巧:解线性代数题需要一些技巧和经验。
《线性代数》学习方法
《线性代数》学习方法1.建立数学基础:学习线性代数需要一定的数学基础,尤其是对于矩阵、向量和方程组等概念的理解。
在开始学习线性代数之前,建议先复习一下高中阶段的数学知识,包括数学函数、集合论、代数和几何等内容。
2.理论与实践结合:线性代数是一门理论与实践相结合的学科,理论与实践相互促进。
在学习理论知识的同时,要注重实际应用。
通过解决一些实际问题,可以更好地理解和掌握线性代数的概念和方法。
3.多做练习题:做练习题是学习线性代数的重要途径。
通过练习题,可以巩固理论知识,培养解决问题的能力。
建议在学习过程中,多做一些练习题,并及时总结和反思自己的解题方法和思路。
4.注重证明和推导:线性代数中的很多定理和公式都是通过严格的证明和推导得到的。
在学习线性代数的过程中,要注重理解和掌握定理的证明过程。
通过证明和推导,可以更深入地理解定理的内涵和应用。
5.学会画图:线性代数中的很多概念和方法都可以通过图形来表示和解释。
学会画图可以帮助我们更直观地理解和掌握线性代数的内容。
在学习过程中,可以多画一些示意图和图形,帮助自己形象地理解和记忆线性代数的概念和方法。
6.多与他人交流:线性代数是一门需要思考和交流的学科。
在学习过程中,可以多与同学和老师进行讨论和交流,分享自己的思考和理解。
通过交流,可以互相学习和启发,提高学习效果。
7.参考优质教材和资源:选择一本优质的线性代数教材对于学习的效果非常重要。
可以参考一些经典的线性代数教材,如《线性代数及其应用》和《线性代数引论》等。
同时,还可以利用互联网上的优质资源,如在线课程和视频教程等,丰富学习的内容。
8.培养数学思维:线性代数是一门抽象的学科,需要培养抽象思维和逻辑思维能力。
在学习过程中,要注重思考和理解概念和定理的内涵,培养自己的数学思维能力。
9.持之以恒:学习线性代数需要一定的时间和精力,不能急于求成。
要持之以恒,坚持每天学习一定的时间,不断积累和提高。
总之,学习线性代数需要一定的数学基础和学习方法。
线性代数求解技巧
线性代数求解技巧线性代数是数学中的一个重要分支,广泛应用于科学、工程和计算领域。
线性代数的核心是通过矩阵和向量的运算来解决线性方程组、矩阵的特征值和特征向量等问题。
在线性代数中,我们可以采用一些技巧来简化计算和求解问题。
下面将介绍一些常用的线性代数求解技巧。
1. 高斯消元法高斯消元法是求解线性方程组的常用技巧。
这种方法通过矩阵的初等行变换将方程组转化为行阶梯形式,从而简化求解过程。
首先,将方程组表示成增广矩阵的形式,然后通过交换行、乘以非零常数和将一行的倍数加到另一行上的操作,将矩阵转化为行阶梯形式。
接着,通过回代的方式求解出方程组的解。
高斯消元法在实际应用中非常方便,可以高效地求解大规模的线性方程组。
2. LU分解LU分解是将矩阵分解为一个下三角矩阵和一个上三角矩阵的乘积的过程。
LU分解可以简化求解线性方程组的过程,并且在分解完成后,可以通过前向替代和后向替代的方式求解出方程组的解。
LU分解的优点是可以在多次使用同一个系数矩阵的情况下,避免重复计算。
3. 特征值与特征向量特征值和特征向量是矩阵的重要性质,可以用于求解许多线性代数问题。
特征值表示的是矩阵变换后,向量沿着特定方向发生多大变化的量度。
特征向量是在矩阵变换后,仍然保持在同一方向上的向量。
通过求解特征值和特征向量,我们可以得到一些矩阵的重要性质,如矩阵的谱半径和最大特征值等。
4. 奇异值分解奇异值分解是将一个矩阵分解为三个矩阵的乘积的过程。
奇异值分解广泛应用于信号处理、数据压缩和机器学习等领域。
通过奇异值分解,我们可以得到矩阵的奇异值和左、右奇异向量。
奇异值表示了矩阵的重要程度和变换的能力,而奇异向量表示矩阵变换的方向。
奇异值分解可以用于矩阵的降维和矩阵逆的计算等问题。
5. 内积和正交性内积是线性代数中的一个重要运算,它可以表示两个向量的夹角和它们之间的相似度。
内积有许多重要的性质,如对称性、线性性和正定性等。
利用内积的性质,我们可以定义向量的长度、向量的投影和向量的正交性等概念,并解决一些与向量之间的关系有关的问题。
解答线性代数问题的五大数学思想方法
解答线性代数问题的五大数学思想方法线性代数是数学中一门重要的学科,它研究向量空间及其上的线性映射。
在解答线性代数问题时,有五种常用的数学思想方法,它们是:1. 向量空间思想向量空间思想是线性代数的核心概念,它通过引入向量、线性组合和线性相关性等概念,将问题抽象为向量空间中的运算和性质。
在解答线性代数问题时,我们可以利用向量空间的性质,如线性独立性和子空间的性质,对问题进行分析和推导。
2. 矩阵运算思想矩阵运算思想是解答线性代数问题的重要手段。
通过将向量和线性映射表示为矩阵形式,我们可以利用矩阵的运算法则,如矩阵的加法、乘法和转置等,对线性代数问题进行简化和求解。
3. 特征值和特征向量思想特征值和特征向量思想是线性代数中的重要概念,它们与线性映射的性质密切相关。
通过求解矩阵的特征值和特征向量,我们可以揭示线性映射的几何效应和特征,进而对线性代数问题进行深入分析和解答。
4. 线性方程组思想线性方程组思想是解答线性代数问题的基础方法。
通过建立线性方程组,我们可以通过消元法、矩阵求逆或矩阵行列式等方法,求解线性方程组的解,从而解答线性代数问题。
5. 内积和正交思想内积和正交思想是解答线性代数问题的重要工具和思想方法。
通过定义内积和正交的概念,我们可以利用内积的性质,如正交投影、正交分解和正交对角化等,对线性代数问题进行求解和分析。
综上所述,解答线性代数问题的五大数学思想方法包括向量空间思想、矩阵运算思想、特征值和特征向量思想、线性方程组思想以及内积和正交思想。
这些方法能够帮助我们深入理解线性代数的概念和性质,解答各类线性代数问题。
线性代数学习方法
线性代数学习方法(实用版)编制人:__________________审核人:__________________审批人:__________________编制单位:__________________编制时间:____年____月____日序言下载提示:该文档是本店铺精心编制而成的,希望大家下载后,能够帮助大家解决实际问题。
文档下载后可定制修改,请根据实际需要进行调整和使用,谢谢!并且,本店铺为大家提供各种类型的实用范文,如演讲致辞、合同协议、条据文书、策划方案、总结报告、简历模板、心得体会、工作材料、教学资料、其他范文等等,想了解不同范文格式和写法,敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!In addition, this store provides various types of practical sample essays, such as speeches, contracts, agreements, documents, planning plans, summary reports, resume templates, experience, work materials, teaching materials, other sample essays, etc. Please pay attention to the different formats and writing methods of the model essay!线性代数学习方法线性代数学习方法分享线性代数是数学中一门非常重要的学科,被广泛应用于各个领域,包括自然科学、工程、计算机科学、经济学等等。
- 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-
线性代数解题方法和技巧
a11
2.若 D = a21
a12 a22 a32
a13 a33
4a11 4a31
2a11 − 3a12 2a21 − 3a22 2a31 − 3a32
a13 a23 = __________ a33
a23 = 1 ,则 D1 = 4a21
a31
3.设 A 为 3 阶矩阵, A =
线性代数解题方法和技巧
第一部分
行列式
一、行列式的概念 (1) 二阶与三阶行列式的对角线法则 (2)
n 阶行列式的定义
(3) 余子式、代数余子式的定义
【测试题】四阶行列式中含有 a11a23 的项是__________
二、数字型行列式的计算 计算数字型行列式的常见思路有: (1) 如果在行列式的某一行(列)中,零的个数比较多,可按该行(列)展开; (2) 利用行列式的性质,将行列式某行(列)中尽可能多的元素化为零,然后再按该行(列) 展开; (3) 三角形法:利用行列式的性质,将给定的行列式化为上(下)三角形行列式; (4) 递推法或数学归纳法; (5) 利用范德蒙行列式; (6) 利用拉普拉斯定理(同济第五版的线性代数没有介绍该定理,不作为期末考试要求) .
(D) A − E = ( A + E )( A − E ) .
2 2
4.设 A 是 m 阶矩阵和 B 是 n 阶矩阵,已知 A = a , B = b ,若分块矩阵 C = ⎜ 则 C = __________ (A) −3ab ; (B) 3 ab ;
m
⎛ O 3A ⎞ ⎟, ⎝B O ⎠
(C) ( −1) 3 ab ;
【测试题】 : 1.计算下列各行列式( Dk 为 k 阶行列式)
a
(1) Dn =
1 O
,其中对角线上的元素都是 a ,未写出的元素都是 0;
1
a
x a L a a x L a (2) Dn = ; M M M a a L x
-1-
线性代数解题方法和技巧
an
(3) Dn +1 =
(a − 1) n M a −1 1
n
-6-
线性代数解题方法和技巧
(9) A A 为正定矩阵(不作为期末考试要求) .
T
2.求逆矩阵的方法 (1) 伴随矩阵法: A
−1
=
1 * . A (最适合于 2 阶可逆矩阵) A
设A=⎜
⎛a b⎞ 1 * 1 ⎛ d −b ⎞ −1 A = ⎟ 可逆,则 A = ⎜ ⎟ A ad − bc ⎝ −c a ⎠ ⎝c d⎠
联系
【测试题】 1.设 A 和 B 均为 n 阶矩阵,k 为正整数,则下列各选项中正确的是__________(可以多选) (A) A + B = A + B ; (C) AB = BA ; (E) ( AB )
−1
(B) AB = BA ; (D) ( A + B ) (F) ( kA)
T
−1
−1
⎛ A11 ⎜ A * A = ⎜ 12 ⎜ M ⎜ ⎝ A1n
(2) (3)
M A2 n
A* A = AA* = A E ; A* = A
n −1
,故当 A 可逆时, A 也可逆;
−1
*
(4) 若 | A |≠ 0 ,则 A
=
1 * 1 A , A* = A A−1 , ( A−1 )* = ( A* ) −1 = A; A A
a n −1 (a − 1) n −1 L (a − n) n −1 M a 1 L L M a−n 1
;
L
( a − n) n
an O
(4) D2 n =
bn N a1 c1 N b1 d1 O dn
,其中未写出的元素都是 0.
cn
3 −5 2 1 1 1 0 −5 , D 的 (i, j ) 元的余子式和代数余子式依次记作 M ij 和 Aij ,求 2.设 D = −1 3 1 3 2 −4 −1 −3
四、行列式等于零的判定 设 A 为 n 阶方阵,则与“ A = 0 ”等价的说法有: (1) (2) (3) (4)
A 是奇异矩阵; A 是降秩矩阵,即 R( A) < n ;
n 元齐次线性方程组 Ax = 0 有非零解;
A 的列(行)向量组中至少存在一个列(行)向量可以由其余 n − 1 个列(行)向量线
(A) ⎜ ⎜
⎛ A A* ⎝ O
O ⎞ ⎟; B B* ⎟ ⎠ O ⎞ ⎟; B A* ⎟ ⎠
(B) ⎜ ⎜
⎛ B B* ⎝ O
O ⎞ ⎟; A A* ⎟ ⎠ O ⎞ ⎟. A B* ⎟ ⎠
⎛ A B* (C) ⎜ ⎜ O ⎝
⎛ B A* (D) ⎜ ⎜ O ⎝
⎛a b b⎞ ⎜ ⎟ * 4.设 3 阶矩阵 A = b a b ,若 A 的伴随矩阵 A 的秩等于 1 ,则必有__________ ⎜ ⎟ ⎜b b a⎟ ⎝ ⎠
(A) kA ;
*
(B) k
n −1
A* ;
(C) k A ;
* *
n
*
(D) k A .
−1
*
3 .设 A 和 B 均为 n( n ≥ 2) 阶矩阵, A , B 分别为 A 和 B 的伴随矩阵,对于分块矩阵
⎛ A O⎞ * C =⎜ ⎟ , C 的伴随矩阵 C = __________ ⎝O B ⎠
b1 0 0 a4
的值等于__________
(B) a1a2 a3 a4 + b1b2b3b4 ; (D) ( a2 a3 − b2b3 )(a1a4 − b1b4 ) .
三、抽象型行列式的计算 【测试题】 1.设 α1 , α 2 , α 3 , β1 , β 2 均为 4 维列向量,且已知 4 阶行列式
⎛ A−1 ⎛ A O⎞ = ⎜ ⎜ ⎟ ⎝O B ⎠ ⎝ O
−1
−1
O ⎞ ⎟; B −1 ⎠ O ⎞ ⎟ B −1 ⎠
说明:重点复习带*号的矩阵运算. 3.行列式与矩阵的区别 行列式 定义 n 个元素排成 n 行 n 列, 按照一定的规则确定一个数值.
2
矩阵 数表 矩阵的运算 (§2.2,§2.3) 用等号
运算 和 性质
行列式的性质 (§1.5) 用等号 方阵的行列式
矩阵的初等变换 (§3.1,§3.2) 用“~”号
α1 , α 2 , α 3 , β1 = m , α1 , α 2 , β 2 , α 3 = n ,
则 4 阶行列式 α 3 , α 2 , α1 , β1 + β 2 = __________ (A) m + n ; (B) −(m + n) ; (C) n − m ; (D) m − n .
(5) ( A ) = ( A ) ;
T *
* T
⎧n, 当R ( A) = n, ⎪ * (6) R ( A ) = ⎨1, 当R ( A) = n − 1, ⎪0, 当R ( A) ≤ n − 2. ⎩
【测试题】 1.设 A 为 n( n ≥ 2) 阶可逆矩阵,对于 A 的伴随矩阵 A ,必有 ( A ) = __________
mn m
(D) ( −1)
( m +1) n
3m ab ;
二、伴随矩阵 设 n 阶方阵 A = ( aij ) n×n ,其中 n ≥ 2 ,则对于 A 的伴随矩阵 A 有以下结论:
*
(Байду номын сангаас)
A* 的定义:
A21 L A22 An1 ⎞ ⎟ L An 2 ⎟ ,其中 Aij 为元素 aij 的代数余子式( i, j = 1, 2, L , n ) ; M ⎟ ⎟ L Ann ⎠
1 −1 * * −1 ,求:(1) (2 A) − 3 A ;(2) (3 A ) − 2 A . 2
T
4.设 A 为 n 阶(实)矩阵,且满足 A A = En .如果 A < 0 ,求行列式 A + E 的值. 5.设 4 阶矩阵 A 与 B 相似, A 的特征值为
1 1 1 1 , , , ,求行列式 B −1 − E 的值. 2 3 4 5
= A−1 + B −1 ;
1 −1 A ; k
= A−1 B −1 = ( A−1 )T ( B −1 )T ;
=
T
(G) [( AB ) ] (I) A + B
T T
T −1
(H) A + B
k
= A+B;
k k
= A+ B ;
(J) ( AB ) = A ⋅ B .
2.设 A 和 B 均为 n 阶矩阵,且 AB = O ,则下列各选项中正确的是__________ (A) A = O 或 B = O ; (B) A + B = O ; (C) A = 0 或 B = 0 ; (D) A + B = 0 .
(A) a = b 或 a + 2b = 0 ; (C) a ≠ b 且 a + 2b = 0 ; (B) a = b 且 a + 2b ≠ 0 ; (D) a ≠ b 且 a + 2b ≠ 0 .
⎛1 0 0 ⎞ ⎜ ⎟ * −1 * * −1 5.设 A = 1 2 0 ,对于 A 的伴随矩阵 A ,求 ( A ) 和 ( A ) . ⎜ ⎟ ⎜1 2 3 ⎟ ⎝ ⎠
三、可逆矩阵 1.设 A 为 n 阶(实)方阵,则与“ A 为可逆矩阵”等价的说法有: (1) 存在与 A 同阶的方阵 B ,使得 AB = E (或 BA = E )成立; (2) A 是非奇异矩阵,即 A ≠ 0 ; (3) A 是满秩矩阵,即 R( A) = n ; (4) A 可以表示为一些初等矩阵的乘积; ; (5) n 元齐次线性方程组 Ax = 0 只有零解(不存在非零解) (6) A 的列(行)向量组线性无关; (7) A 的列(行)向量组是 R 的一个基; (8) A 的特征值都不等于零;