线性代数第11讲

合集下载

线性代数教案11

线性代数教案11

逆矩阵的性质
1. 如果A可逆,则A有唯一的逆矩阵;
2. 如果A可逆,且AB=I,则BA=I;
如果A可逆,且BA=I,则AB=I;
3. 如果A,B都可逆,则AB也可逆,且 ( AB)1 B 1 A1
4. 如果A可逆,则A1可逆,且 ( A1 )1 A
5. 如果A可逆,则A的每一行每一列都不能全为零。
,
B
B11 B21
分块矩阵数乘:
B12 B22
,
A
B
A11 A21
B11 B21
A12 A22
B12 B22
A
A11 A21
A12 A22
分块矩阵的乘法:矩阵A的列数等于B的行数,A的列的分
法与B的行的分法相同
AB
A11B11 A21B11
A12 B21 A22 B21
A11B12 A21B12
返回
矩阵的数乘
数 与矩阵A的乘积记作
返回
矩阵的转置
把矩阵A的各行变成同序数的列得到的新矩阵称为A 的转置(Transpose),记为 AT
例如
注意:将A的各列变成行同样能得到A的转置。 A为m×n的矩阵,则 AT 为n×m的矩阵。
对称矩阵的定义:AT A
返回
逆矩阵的唯一性
如果A可逆,则A有唯一的逆矩阵。 证明:设B和C都是A的逆矩阵,那么
矩阵A是m×n矩阵,可以记为 Amn
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

线性代数11n阶行列式PPT课件

线性代数11n阶行列式PPT课件
(1). a13a24a31a42 + (2). a21a32a43a14 - (3). a12a23a34a43
25
第25页/共38页
n阶行列式的等价定义
视情况灵活选用定义
(1)行、列下标任意排列
a11 a12 a1n
Dn
a21
a22
a2n
an1 an2 ann
(1) a a a (i1i2in ) ( j1 j2 jn )
21
第21页/共38页
22
三、 n阶行列式
先分析三阶行列式的计算
a11 a12 a13 a21 a22 a23 a31 a32 a33
a11a22a33 a12a23a31 a13a21a32 a13a22a31 a12a21a33 a11a23a32.
归纳每项内容及符号的规律
(1)每项都是位于不同行不同列的三个元素的乘积.
32 x 1
1 1 2x 1
求 x3 的 系 数.
32
第32页/共38页
解 含 x3 的项有两项,即
x1 1 2
f x 1 x 1 1
32 x 1
对应于
1 1 2x 1
1 a a a a 1 a a a a (1234) 11 22 33 44
1243
11 22 34 43
1
i1 j1 i2 j2
in jn
(2)列按自然序排列
Dn
(1) (i1i2in ) ai11 ai2 2 ainn
(i1i2 in )
26
第26页/共38页
例2:计算下三角形行列式
a11 0 0 D a21 a22 0
解:
an1 an2 ann 主对角线

11行列式算

11行列式算

返回
下页
结束
当 a11a22 a12a21 0 时,方程组的解为
x1
a22b1 a12b2 a11a22 a12a21
, x2
a11b2 a11a22
a21b1 a12a21
为便于叙述和记忆, 引入符号
D = a11 a12 a21 a22
称D为二阶行列式.
按照二阶行列式定义可得
a11a22 a12a21
=
(1) ( j1 j2 ... jn )a1 j1 a2 j2 ...an jn
说明:
(1) 在行列式中,项 a1 j1 a2 j2 anjn 是取自不同行不同列的
n 个元素的乘积.
(2) 项 a1 j1 a2 j2 anjn 之前的符号是 (1)τ(j1 j2 jn) .
(3) n 阶行列式共有n!项.
n ( n 1)
D (1)τ(n n-1 21) b1b2b3 bn (1) 2 b1b2 bn
《线性代数》
返回
下页
结束
结论: 下三角形行列式的值:
上三角形行列式的值:
对角形行列式的值:
《线性代数》
a11 0 0 … 0 a21 a22 0 … 0 a31 a32 a33 … 0 a11a22a33 ann. … … … …… an1 an2 an3 … ann
b1 b2
a31x1 a32 x2 a33x3 b3
a11 a12 a13 类似引入符号 D a21 a22 a23
a31 a32 a33
a11a22a33 a12a23a31 a13a21a32
称D为三阶行列式. a13a22a31 a12a21a33 a11a23a32
当D

线性代数PPT全集

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;

11齐次方程组-线性代数

11齐次方程组-线性代数

线性方程组一、齐次线性方程组⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++000221122221211212111n mn m m n n n n x a x a x a x a x a x a x a x a x a 称为齐次线性方程组。

⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=mn m m n n a a a a a a a a a A212222111211系数矩阵⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n x x x X 21O AX =方程组的矩阵形式齐次线性方程组解的性质TO )0,,0,0(000 =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=显然是方程组的解;称为零解。

若非零向量Tn n a a a a a a ),,,(2121 =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=ξ是方程组的解,则称为非零解,也称为非零解向量。

性质1:齐次方程组的两个解的和仍是方程组的解。

即:也是解向量。

是解向量,则2121,ξξξξ+性质2:也是解向量。

是解向量,则ξξk {}O A V ==ξξ令则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,,,,21s ξξξ 则方程组的全部解就是,2211s s k k k ξξξ+++ 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。

定义:若齐次方程组的有限个解,,,,21s ξξξ 满足:线性无关;s i ξξξ,,,)(21 方程组的任一解都可由)(ii 线性表示;s ξξξ,,,21 则称础解系。

是齐次方程组的一个基s ξξξ,,,21 ss k k k ξξξ+++ 2211也就是说,我们将解空间的基称为基础解系,此时,通解就是基础解系的线性组合,即为:齐次线性方程组基础解系的求法1.行最简形矩阵:⎪⎪⎪⎪⎪⎭⎫⎝⎛=mn m m n n a a aa a a a a a A 212222111211设r(A) =r < n ,且不妨设A 中最左上角的r 阶子式不为零。

则经有限次行初等变换,矩阵A 化为:⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=---⨯0000000000100010001)(1)(221)(111 r n r r r n r n nm b b b b b b I 显然:IA ≅同解。

第11讲齐次线性方程组解的结构

第11讲齐次线性方程组解的结构

(m n)
am1x1 am2 x2 amnxn 0。
它的矩阵形式为
AX 0 ,
其中,
a11 a12
A
a21
a22
am1 am2
a1n
x1
a2n
,
amn
X
xxn2

也可用向量来表示齐次线性方程组。
a11
a12
a1n

1 aam211 , 2 aam222 , , n aam2nn ,
四 解线性方程组的一个应用
本节讨论矩阵的特征值与特征向量
定义 4.1
设 A Rnn , 如果存在数 及 n 维非零向量,使得:
A .
(4.1)
则称 为矩阵 A 的一个特征值, 而 称为矩阵 A 相应 于特征值 的一个特征向量。
由于
A ( A E) 0.
为矩阵 A的一个特征值的充要条件是齐次方程组
2 (1, 1, 0, 1, 0 )T 。
齐次线性方程组的通解
若齐次线性方程组(2*) 的基础解系为
1, 2 , , nr
r(A) r
则(2*) 的通解为
C11 C22 Cnrnr ,
其中, Ci 为任意常数 ( i 1, 2, , n r )。
例 求齐次线性方程组的通解: x1 x2 2x3 2x4 7x5 0 , 2x1 3x2 4x3 5x4 0 , 3x1 5x2 6x3 8x4 0。
就是说 , 方程组(2*) 的任何一个解均可由方程组 (3)中所定义
的 1, 2, , nr 线性表出。于是称方程组(3)中的这一组向
量为齐次线性方程组(2*) 的基础解系。
齐次线性方程组的基础解系

线性代数第十一讲

线性代数第十一讲
第三节 矩阵的秩
矩阵秩的概念 矩阵秩的求法 例题 矩阵的秩的性质 小结
作业
返回
矩阵的秩的性质
(1) 0 ≤ R( Am×n ) ≤ min {m , n} (2) R( AT ) = R( A) (3) If A ~ B , then R( A) = R( B ) (4)若P,Q可逆,则 R( PAQ ) = R( A) 若 可逆, 可逆 (5) max{R( A), R( B)} ≤ R( A, B) ≤ R( A) + R( B),
设解为

λ1i λ2 i xi = ( i = 1, 2,L , l ) M λ ni
对矩阵(A, B )= ( a1 , a2 ,L , an , b1 , b2 ,L , bl ) 作初等列变换 cn+ i − λ1i c1 − λ2 i c2 − L − λni cn ( i = 1, 2,L , l ),
(8) If Am ×n Bn×l = O , then R( A) + R( B ) ≤ n 例 阶方阵, 的值. 设A为3阶方阵,且R(A)=1,则求 为 阶方阵 ,则求R(A*)的值 的值 的值. 若R(A)=2,则求 ,则求R(A*)的值 的值
返回
(7) R( AB ) ≤ min { R( A), R( B )}
1 0 −1 −1 1 2 c2 ↔ c3 0 1 0 −2 1 2 0 0 0 0 0
~
作业
返回
(1)若 R( A) < R( B ), 则 d r + 1 = 1, 对应矛盾方程: = 1, 对应矛盾方程: 0 所以方程组无解 ;
1 0 L 0 0 1 L 0 L L L L r B → B1 = 0 0 L 1 0 0 L 0 L L L L 0 0 L 0 d1 ( 2)若R( A) = R( B ) = r = n, d 2 则d r +1 = 0或不出现 , 且bij 都 L 不出现 , x1 = d1 dr M , 对应方程组: 0 对应方程组: xn = d n L 所以方程组解唯一. 0 所以方程组解唯一.

线性代数课件-11向量的内积

线性代数课件-11向量的内积
可以解释为两 个向量之间的角度。如果两个向量的 内积为0,则它们之间的夹角为90度 ;如果内积为正数,则它们之间的夹 角为锐角;如果内积为负数,则它们 之间的夹角为钝角。
长度和角度的关系
向量内积与向量的长度和角度之间有密切关系。向量的长度可以通过向量的平方 得到,即$|mathbf{a}| = sqrt{mathbf{a} cdot mathbf{a}}$。
实例2
设$mathbf{a} = (2,-3,4)$,$mathbf{b} = (1,2,-1)$,则$|mathbf{a}| = sqrt{mathbf{a} cdot mathbf{a}} = sqrt{2^2 + (-3)^2 + 4^2} = 5$。
实例3
设$mathbf{a} = (1,0,0)$,$mathbf{b} = (0,1,0)$,则$mathbf{a}$和$mathbf{b}$正 交,即$mathbf{a} cdot mathbf{b} = 0$。
线性代数课件-11向量的内积
目 录
• 向量内积的定义 • 向量内积的性质 • 向量内积的运算 • 向量内积的应用 • 总结与思考
01
向量内积的定义
定义
向量内积定义为两个向量$mathbf{a}$和$mathbf{b}$的点乘,记作$mathbf{a} cdot mathbf{b}$。 具体计算公式为:$mathbf{a} cdot mathbf{b} = a_1b_1 + a_2b_2 + cdots + a_nb_n$,其中 $a_i$和$b_i$分别是向量$mathbf{a}$和$mathbf{b}$的第$i$个分量。
详细描述
结合律是向量内积的重要性质之一。它表明 向量内积满足结合性,即向量的内积运算满 足结合律。这一性质确保了向量内积的运算 顺序不会影响最终的结果。结合律在证明向 量内积的一些性质和定理时非常有用,例如 证明向量的点乘满足分配律。
  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)。
16 2013-11-29
定义2 向量a的长度
| a | (a ,a ),
(4.9)
定理1 向量的内积满足 |(a,b)||a| |b|. (4.10) (4.10)式称为Couchy-Schwarz(柯西-许 瓦兹)不等式.
17 2013-11-29
证 当b=0时, (a,b)=0, |b|=0, (4.10)式显然成立. 当b0时, 作向量a+tb(tR), 由性质(iv)得 (a+tb, a+tb)0. 再由性质(i),(ii),(iii)得: (a,a)+2(a,b)t+(b,b)t20. 上式左端是t的二次三项式, 且t2系数(b,b)>0, 因此 4(a,b)2-4(a,a)(b,b)0, 即 (a,b)2(a,a)(b,b)=|a|2|b|2, 故 |(a,b)||a||b|. 不难证明(4.10)式等号成立的充分必要条件为 a与b线性相关.
xi (a i ,a j ) x j ,
故b在标准正交基a1,a2,...,an下的坐标 向量的第j个分量为 xj=(b,aj), j=1,2,...,n.
26 2013-11-29
n
i 1
在R3中取i,j,k为标准正交基, 例1中的x1,x2,x3就 是a在i,j,k上的投影. 4.2.3 施密特(Schmidt)正交化方法 施密特正交化方法是将Rn中一组线性无关的 向量a1,a2,...,an, 作一种特定的线性运算, 构造 出一组标准正交向量组的方法. 先从R3的一组基a1,a2,a3构造出一组标准正交 基, 以揭示施密特正交化方法的思路和过程.
20 2013-11-29
下面证明, 在定义了内积运算的n维向量空间 中, 三角形不等式和勾股定理仍然成立. 下面 给出它们的证明: |a+b|2=(a+b,a+b)=(a,a)+2(a,b)+(b,b) (1) |a|2+2|a||b|+|b|2 (2) =(|a|+|b|)2, 故 |a+b||a|+|b| 上面的(1)到(2)利用了Cauchy-Schwarz不等式. 当ab时, (1)式中的(a,b)=0, 于是就有 |a+b|2=|a|2+|b|2.
线性代数第11讲 向量空间与线性变换
本文件可从网址 上下载 (单击'ppt讲义'后选择'工程数学'子目录)
1 2013-11-29
4.1 Rn的基与向量关于基的坐标
2 2013-11-29
Rn中的n个单位向量 e1=[1,0,0,...,0] e2=[0,1,0,...,0] ... en=[0,0,0,...,1] 是线性无关的 一个n阶实矩阵A=[aij]nn, 如果|A|0, 则A的n个 行向量和n个列向量也都是线性无关的. 此外, Rn中任何n+1个向量都是线性相关的, 因此Rn 中任一向量a都可用Rn中n个线性无关的向量 来表示, 且表示法唯一. 由此给出基和坐标的 概念.
a11 a12 a1n a21 a22 a2 n [h1 ,h2 , ,hn ] [a1 , a 2 ,, a n ] an1 an 2 ann (4.5)
7 2013-11-29
定义2 设Rn的两组基B1={a1,a2,...,an}和 B2={h1,h2,...,hn}满足
4 2013-11-29
在三维几何向量空间R3中, i,j,k是一组标准基, R3中任一向量a可唯一地表示为 a=xi+yj+zk, 这里有序数组(x,y,z)称为a在基i,j,k下的坐标. 如果a的起点在原点, (x,y,z)就是a的终点P的 直角坐标. (以后常用R3中向量a与空间点P的 一一对应关系, 对Rn中的一些问题及其结论在 R3中作几何解释).
a2
a1
12 2013-11-29
4.2
n中向量的内积 R
标准正 交基和正交矩阵
4.2.1 n维实向量的内积, 欧氏空间
13 2013-11-29
前面讨论n维实向量空间中只定义了向量的线 性运算, 它不能描述向量的度量性质, 如长度, 夹角等. 在三维几何空间中, 向量的内积(即点 积或数量积)描述了内积与向量的长度及夹角 间的关系. 由内积定义 a b | a || b | cosa, b 可以得到
a11 a21 [h1 ,h2 , ,hn ] [a1 , a 2 , , a n ] an1 或 [h1 ,h2 , ,hn ] [a1 , a 2 , , a n ] A a12 a22 an 2 a1n a2 n ann (4.6)
定义5 设a1,a2,...,anRn, 若

25 2013-11-29
例1 设B={a1,a2,...,an}是Rn的一组标准正交基, 求Rn中向量b在基B下的坐标. 解 设b=x1a1+x2a2+...+xnan, 将上式两边对aj(j=1,2,...,n)分别求内积, 得 ( b ,a j ) ( x1a1 x2a 2 xna n , a j )
21 2013-11-29
定义4 定义了内积运算的n维实向量空间称为 n维欧氏空间, 仍记作Rn.
22 2013-11-29
4.2.2 标准正交基 在n维欧氏空间Rn中, 长度为1的单位向量组 e1=[1,0,0,...,0]T,e2=[0,1,0,...,0]T, ..., en=[0,0,0,...,1]T. 显然是两两正交的线性无关的向量组, 称它为 Rn的一组标准正交基. 然而, n维欧氏空间的标 准正交基不是唯一的, 为了说清楚这个问题, 首先证明两两正交不含零向量的向量组线性 无关, 再给出标准正交基的定义, 最后给出由 Rn中n个线性无关的向量构造成一组标准正交 基的施密特正交化方法.
18 2013-11-29
当a=[a1,a2,...,an]T, b=[b1,b2,...,bn]T时, 利用定理 1可得 2 n n 2 n 2 (4.11) ai bi ai bi . i 1 i 1 i 1
a b cosa, b | a || b | | a | a a
14 2013-11-29
若a=a1i+a2j+a3k, 简记为a=(a1,a2,a3), b=b1i+b2j+b3k, 简记为b=(b1,b2,b3). 由内积的运算性质和内积的定义, 可得 a b=a1b1+a2b2+a3b3. 现在把三维向量的内积推广到n维实向量, 在n 维实向量空间中定义内积运算, 进而定义向量 的长度和夹角, 使n维实向量具有度量性.
5 2013-11-29
为讨论方便, 对向量及其坐标常采用列向量的 形式[a1,a2,...,an]T, 则式子 a=a1b1+a2b2+...+anbn, (4.1) 可表示为分块矩阵相乘的形式
a1 a2 a [ b1 , b 2 ,, b n ] an
(4.2)
6 2013-11-29
设B1={a1,a2,...,an源自和B2={h1,h2,...,hn}是Rn的两 组基, 则h1,h2,...,hn也都能被B1唯一地表示
h1 a11a1 a21a1 an1a n h2 a12a1 a22a 2 an 2a n hn a1na1 a2 na 2 anna n 可用分块矩阵表示为 (4.3)
由于内积满足Cauchy-Schwarz不等式, 于是 可以利用内积定义向量之间的夹角. 定义3 向量a,b之间的夹角 (a , b ) a , b arccos (4.12) | a || b |
19 2013-11-29
定理2 非零向量a,b正交(或垂直)的充分必要 条件是(a,b)=0. 由于零向量与任何向量的内积为0, 因此, 也说 零向量与任何向量正交. 在三维几何空间中, 向量a,b,a+b构成三角形, 三个向量的长度满足三角形不等式 |a+b||a|+|b|. (4.13) 当ab时, 满足勾股定理 |a+b|2=|a|2+|b|2. (4.14)
3 2013-11-29
定义1 设有序向量组B={b1,b2,...,bn}Rn, 如果 B线性无关, 则任给aRn有 a=a1b1+a2b2+...+anbn, (4.1) 就称B是Rn的一组基(或基底), 有序数组 (a1,a2,...,an)是向量a关于基B(或说在基B下)的 坐标, 记作 aB=[a1,a2,...,an]或aB=[a1,a2,...,an]T, 并称之为a的坐标向量. 显然Rn的基不是唯一的, 而a关于给定的基的 坐标是唯一的. 以后把n个单位向量组成的基 称为自然基或标准基.
15 2013-11-29
定义1 设a=[a1,a2,...,an]T和b=[b1,b2,...,bn]TRn, 规定a与b的内积为: (a,b)=a1b1+a2b2+...+anbn 当a,b为列向量时, (a,b)=aTb=bTa. 根据定义, 容易证明内积具有以下的运算性质: (i) (a,b)=(b,a) (ii) (a+b,g)=(a,g)+(b,g) (4.8) (iii) (ka,b)=k(a,b); (iv) (a,a)0, 等号成立当且仅当a=0 其中a,b,gRn, kR 由于性质(iv), 可用内积定义n维向量a的长度.
矩阵A称为旧基B1到新基B2的过渡矩阵. 过渡矩阵一定是可逆的.
8 2013-11-29
定理2 设向量a在两组基B1={a1,a2,...,an}和 B2={h1,h2,...,hn}下的坐标向量分别为 x=[x1,x2,...,xn]T和y=[y1,y2,...,yn]T. 基B1到基B2的过渡矩阵为A, 则 Ay=x 或 y=A-1x. 证 由已知条件, 有(4.6)式成立, 且 a=x1a1+x2a2+...+xnan =y1h1+y2h2+...+ynhn, 故
相关文档
最新文档