线性代数技巧分析
线性代数技巧窍门分析

行列式主要有以下3种: ①具体行列式的计算 ②抽象型行列式的的计算 ③行列式值的判定1)一般的行列式常用变换技巧 把每一行(列)都加到第一行(列)347534453542333322212223212)(---------------=x x x xx x x x x x x x x x x x x f把第一行(列)的k 倍加到其他行(列)上xxx x x x a a a x a ---+000004321把第一行(列)的k 倍加到第二行(列)上,再将新的第二行(列)加到第三行(列)上,依次进行此项操作......xa x a x a a 010010014321---2)爪形行列式通过将中间的那个爪子上的数字乘以相应的倍数然后加到某一边的爪子上以实现到上下三角行列式的变化40010301002111113)直接展开型(公式法)如何判断是按行展开还是按列展开呢? 答:按两头不为零中间都是零的格式展开。
110000010000100001121ΛΛΛΛΛΛΛΛΛΛΛnn a a a a -4)三对角线行列式 数学归纳法(主要就是降阶)4100341003410034 =41034100341300034 = 41031340000341300034 =40121031340000341300034 =1214012113404134=⨯⨯⨯如果上面各步反过来就可以将分数约去5)证明⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=a a a a a a a a a A 2121212122222O O O ,证n a n A )1(+=行列式的值:nn a n D )1(+=证明方法:数学归纳法 第一归纳法:1>验证n=1时命题正确 2>设n=k 时命题正确 3>证明n=k+1时命题也正确第二归纳法:1>验证n=1和n=2时命题都正确 2>设n<k 时命题正确 3>证明n=k 时命题正确321-=-n n f f这个n 阶命题只和一个低阶命题有关,那么只需要一个归纳假设,此时选择归纳法175321++=--n n n f f f对于这种情况,通过观察我们可以发现fn 不仅与其n-1阶命题有关,还与n-2阶命题有关,那么在这里我们则要使用归纳法26)特征值的求解311151113-----λλλ = 0,则λ=解:311151113-----λλλ =311151202-----λλλλ =411251002----λλλ然后按行展开即可得λ。
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。
线性代数中的矩阵与向量之运算技巧

线性代数中的矩阵与向量之运算技巧矩阵和向量是线性代数中最基础的概念之一。
了解它们的运算技巧是学好线性代数的前提。
本文将介绍一些常用的矩阵和向量运算技巧。
一、矩阵基本运算1. 加减法运算对于两个相同大小的矩阵A和B,它们的和(A+B)和差(A-B)分别对应位置上的元素相加减得到。
例如:A = [[1,2],[3,4]]B = [[-1,3],[4,-2]]则 A+B = [[0,5],[7,2]],A-B = [[2,-1],[-1,6]]2. 数乘运算对于数k和一个矩阵A,它们的积(kA)就是把A的每个元素都乘以k得到。
例如:A = [[1,2],[3,4]]k = 2则 kA = [[2,4],[6,8]]3. 矩阵乘法对于两个矩阵A和B,若A的列数等于B的行数,则它们可以相乘得到一个新的矩阵C。
C的每个元素都是A的一行与B的一列对应元素的乘积之和。
例如:A = [[1,2,3],[4,5,6]]B = [[-1,3],[2,-4],[5,1]]则 AB = [[18,-8],[39,9]]注意:矩阵乘法不满足交换律,即A×B ≠ B×A。
二、向量基本运算1. 加减法运算对于两个相同长度的向量v和w,它们的和(v+w)和差(v-w)分别对应位上的元素相加减得到。
例如:v = [1,2,3]w = [-1,4,2]则 v+w = [0,6,5],v-w = [2,-2,1]2. 数乘运算对于数k和一个向量v,它们的积(kv)就是把v的每个元素都乘以k得到。
例如:v = [1,2,3]k = 2则 kv = [2,4,6]3. 点积运算对于两个长度相同的向量v和w,它们的点积(v·w)是将两个向量对应位置元素的乘积相加得到的一个数。
例如:v = [1,2,3]w = [-1,4,2]则 v·w = 9本文介绍的是矩阵和向量的基本运算技巧,仅是线性代数的冰山一角,线性代数是一门内涵丰富的课程,需要大家认真研究,深入理解。
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。
线性代数规范型求解题技巧
线性代数规范型求解题技巧线性代数中,规范型求解题是一类非常常见和重要的问题。
规范型表示方程组具有特定形式的线性方程组。
下面将介绍一些求解规范型问题的基本技巧。
1. 基础技巧首先,我们需要将规范型方程组写成矩阵形式Ax=b 的形式。
A是一个m×n的矩阵,x是一个n维列向量,b 是一个m维列向量。
2. 求逆矩阵法如果矩阵A可逆,那么可以直接通过求逆矩阵的方法求解方程组。
具体地,我们可以通过x=A^(-1)b来求解x。
然而,这种方法只适用于方程的个数小于变量的个数的情况。
3. 列主元消元法如果矩阵A不可逆,我们可以通过列主元消元法来求解方程组。
这种方法首先将矩阵A转化为上三角矩阵,然后再通过回代的方式求解方程组。
具体步骤如下:1) 选择矩阵A的第一列的主元素,如果该主元素不为0,则进行下一步;否则,选择下一列为主元素。
2) 将主元行与第一行进行交换,使主元素移到第一行。
3) 通过消元操作,将第一列的其他元素消为0。
4) 将第一行移到第一列的位置,继续处理下一列。
5) 重复步骤1-4,直到矩阵A变成上三角矩阵。
6) 通过回代的方式求解方程组。
4. 高斯-约旦消元法高斯-约旦消元法是另一种求解规范型方程组的方法,它将矩阵A转化为简化行阶梯型形式。
具体步骤如下:1) 对矩阵A进行行初等变换,将其转化为上三角矩阵。
2) 对上三角矩阵进行回代,得到方程组的解。
5. LU分解法如果矩阵A可以进行LU分解,那么可以通过LU分解的方法求解方程组。
这里L是一个m×m的下三角矩阵,U是一个m×n的上三角矩阵。
具体步骤如下:1) 将矩阵A进行LU分解,得到LU=A。
2) 令y=Ux,将原方程组转化为Ly=b。
3) 通过回代的方式,求解Ly=b得到y。
4) 再通过回代的方式,求解Ux=y得到x。
6. 奇异值分解法如果矩阵A奇异值分解为A=UDV^T,那么可以通过奇异值分解的方法求解方程组。
其中,U是一个m×m的正交矩阵,D是一个m×n的对角矩阵,V是一个n×n 的正交矩阵。
线代矩阵求解题技巧
线代矩阵求解题技巧线性代数是数学中的一个重要分支,广泛应用于科学和工程学科中。
矩阵求解是线性代数中的一个基本概念,它是解线性方程组、求特征值和特征向量等问题的重要工具。
下面将介绍一些线性代数矩阵求解的基本技巧。
1. 高斯消元法高斯消元法是求解线性方程组的常用方法之一。
该方法的基本思想是通过矩阵变换将线性方程组化为上三角形方程组或者行最简形式,从而得到方程组的解。
高斯消元法具体步骤如下:(1)将线性方程组写成增广矩阵的形式;(2)选取一个主元(通常选取主对角线上的元素),并通过一个变换将该元素下面的所有元素置零;(3)对主元元素下面的行执行类似的操作,直到所有元素都变为零或者上三角矩阵形式;(4)回代求解未知数。
2. LU分解LU分解是将一个矩阵分解为下三角矩阵L和上三角矩阵U的乘积的方法。
这个方法通常用于解决多次使用相同矩阵求解线性方程组的场景。
LU分解的具体步骤如下:(1)设一个n阶方阵A,将其分解为A=LU;(2)通过高斯消元法将A化为上三角矩阵U;(3)构造下三角矩阵L,使得A=LU成立。
3. 矩阵的逆和伴随矩阵对于一个可逆矩阵A,可以通过求解逆矩阵来求解线性方程组。
设A为n阶可逆方阵,若存在一个n阶矩阵B,满足AB=BA=I,那么B称为A的逆矩阵,记作A^(-1)。
逆矩阵可以通过伴随矩阵来求解。
对于n阶矩阵A,它的伴随矩阵记作adj(A),它的定义为adj(A)=det(A)·A^(-1),其中det(A)是A的行列式。
逆矩阵的求解可以通过以下步骤:(1)求解矩阵A的行列式det(A);(2)求解矩阵A的伴随矩阵adj(A);(3)求解矩阵A的逆矩阵A^(-1),即A^(-1)=adj(A)/det(A)。
4. 特征值和特征向量特征值和特征向量在矩阵求解中起着重要作用。
设A 是一个n阶方阵,若存在一个非零向量X,满足AX=kX,其中k为常数,则k为A的一个特征值,X为对应的特征向量。
常见的线性代数求解方法
常见的线性代数求解方法
1.列主元消去法
列主元消去法是一种经典的求解线性方程组的方法。
它通过将
方程组转化为上三角矩阵的形式来求解。
这个方法的关键在于选取
主元的策略。
一种常见的选取主元的策略是选择当前列中绝对值最
大的元素作为主元,然后进行消去操作,直到将矩阵转化为上三角
矩阵。
2.高斯-约当消去法
高斯-约当消去法是另一种常见的线性方程组求解方法。
它通
过消去矩阵的下三角部分来将线性方程组转化为上三角矩阵的形式。
这个方法也需要选择主元,常见的选择策略是选取当前行中绝对值
最大的元素作为主元,然后进行消去操作。
3.LU分解法
LU分解法是将矩阵分解为一对矩阵的乘积的方法。
这个方法的思想是先将矩阵分解为一个下三角矩阵和一个上三角矩阵,然后通过求解上三角矩阵和下三角矩阵的两个方程组来求解原始的线性方程组。
4.Jacobi迭代法
Jacobi迭代法是一种迭代求解线性方程组的方法。
它通过将原始的线性方程组转化为一个对角矩阵和另一个矩阵的乘积的形式,然后通过迭代求解这个对角矩阵和另一个矩阵的方程组来逼近线性方程组的解。
5.Gauss-Seidel迭代法
Gauss-Seidel迭代法是另一种迭代求解线性方程组的方法。
它与Jacobi迭代法类似,但是在每一次迭代中,它使用前一次迭代得到的部分解来更新当前的解。
这个方法通常比Jacobi迭代法收敛得更快。
以上是一些常见的线性代数求解方法。
每种方法都有其特点和适用范围,我们可以根据具体情况选择合适的方法来求解线性方程组的问题。
[理学]线性代数技巧行列式的计算方法解析
计算n 阶行列式的若干方法举例n 阶行列式的计算方法很多,除非零元素较多时可利用定义计算(①按照某一列或某一行展开②完全展开式)外,更多的是利用行列式的性质计算,特别要注意观察所求题目的特点,灵活选用方法,值得注意的是,同一个行列式,有时会有不同的求解方法。
下面介绍几种常用的方法,并举例说明。
1.利用行列式定义直接计算 例1 计算行列式001002001000000n D n n =-解 D n 中不为零的项用一般形式表示为112211!n n n nn a a a a n ---=.该项列标排列的逆序数t (n -1 n -2…1n )等于(1)(2)2n n --,故 (1)(2)2(1)!.n n n D n --=-2.利用行列式的性质计算例2 一个n 阶行列式n ij D a =的元素满足,,1,2,,,ij ji a a i j n =-=则称D n 为反对称行列式,证明:奇数阶反对称行列式为零. 证明:由ijji aa =-知ii ii a a =-,即0,1,2,,ii a i n ==故行列式D n 可表示为1213112232132331230000n n n n nnna a a a a a D a a a a a a -=-----由行列式的性质A A '=1213112232132331230000n n nn nn n a a a a a a D a a a a a a -----=-12131122321323312300(1)0n n n n nnna a a a a a a a a a a a -=------(1)n n D =-当n 为奇数时,得D n =-D n ,因而得D n = 0.3.化为三角形行列式若能把一个行列式经过适当变换化为三角形,其结果为行列式主对角线上元素的乘积。
因此化三角形是行列式计算中的一个重要方法。
例3 计算n 阶行列式a b b b ba b b D bb a b bbba=解:这个行列式的特点是每行(列)元素的和均相等,根据行列式的性质,把第2,3,…,n 列都加到第1列上,行列式不变,得(1)(1)(1)(1)a n b b b b a n b a bb D a n bb a b a n bb b a+-+-=+-+-11[(1)]11b b b a b b a n b b a b b ba=+-100[(1)]000b b b a b a n b a b a b-=+---1[(1)]()n a n b a b -=+--4.降阶法降阶法是按某一行(或一列)展开行列式,这样可以降低一阶,更一般地是用拉普拉斯定理,这样可以降低多阶,为了使运算更加简便,往往是先利用列式的性质化简,使行列式中有较多的零出现,然后再展开。
- 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)。
v1.0 可编辑可修改行列式主要有以下3种: 具体行列式的计算 抽象型行列式的的计算 行列式值的判定1)一般的行列式常用变换技巧 把每一行(列)都加到第一行(列)347534453542333322212223212)(---------------=x x x xx x x x x x x x x x x x x f把第一行(列)的k 倍加到其他行(列)上xxx x x x a a a x a ---+000004321把第一行(列)的k 倍加到第二行(列)上,再将新的第二行(列)加到第三行(列)上,依次进行此项操作......xa x a x a a 010010014321---2)爪形行列式通过将中间的那个爪子上的数字乘以相应的倍数然后加到某一边的爪子上以实现到上下三角行列式的变化40010301002111113)直接展开型(公式法)如何判断是按行展开还是按列展开呢 答:按两头不为零中间都是零的格式展开。
110000010000100001121nn a a a a4)三对角线行列式 数学归纳法(主要就是降阶)4100341003410034 =41034100341300034 = 41031340000341300034 =40121031340000341300034 =1214012113404134=⨯⨯⨯如果上面各步反过来就可以将分数约去 5)证明⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=a a a a a a a a a A 2121212122222 ,证n a n A )1(+=行列式的值:nn a n D )1(+=证明方法:数学归纳法 第一归纳法: 1>验证n=1时命题正确 2>设n=k 时命题正确 3>证明n=k+1时命题也正确第二归纳法:1>验证n=1和n=2时命题都正确 2>设n<k 时命题正确3>证明n=k 时命题正确321-=-n n f f这个n 阶命题只和一个低阶命题有关,那么只需要一个归纳假设,此时选择归纳法175321++=--n n n f f f对于这种情况,通过观察我们可以发现fn 不仅与其n-1阶命题有关,还与n-2阶命题有关,那么在这里我们则要使用归纳法26)特征值的求解311151113-----λλλ = 0,则λ=解:311151113-----λλλ =311151202-----λλλλ =411251002----λλλ然后按行展开即可得λ。
首先通过观察(主对角线上的数不看)可以发现,剩下的几个数可以通过变换变成0,关于如何去变换,这个需要自己去验证,一般试个几次就出来了,目的很简单:通过变换让一行(列)出现两个0即可。
111111--+----λλλaaa= 0,则λ= 111111--+----λλλaaa = 1111101--+-----λλλλaaa a =1121001-+-+---a aaa λλλ =112)1(-++--a aa λλλ在这里,我们可以发现,最后的式子比较复杂,直接计算有可能会出现错误,那么我们不妨将λ+a 进行变量代换,这样,既保证了计算的正确性,又节省了时间,当然,别忘了换回去。
7)求抽象行列式的值关键:记住并会灵活的运用各种公式 下面是两个比较重要的公式:332211321a a a ++=++λλλ 321λλλ=A“主对角线元素之和等于特征值之和” “特征值之积等于行列式的值”v1.0 可编辑可修改8)抽象型行列式的计算B A +没有运算法则;E 的恒等变形意思就是通过增添E (可以是一个矩阵与这个矩阵的逆矩阵的乘积)使得里面的形式发生变化(进行结合之类的),使得计算可以进行下去 举几个例子:A-3阶,|A|=4,则*12)51(A A -- =由11115)51(1)(----=⇒=A A A k kA 由1**-=⇒=A A A E A AA427)3(852)51(1311*1-=-=-=-----A A A A A A ,B 为3阶,|A|=3,|B|=2,21=+-B A ,则=+-1B A=+-1B A )()(1111A A B A B B E B EA ----+=+A A B B A A B B 1111)(----+=+=最后代数,结束。
9)下面这种情况,有两种套路 一:行列式的性质 二:相似首先是行列式的性质:例:A-3阶,3321-ααα维无关,3112ααα+=A ,3222ααα+=A ,321322αααα-+=A ,则=A)22,2,2(),,(3213231321αααααααααα-+++=A32133231332313213231321,,9,2,299,2,222,2,2,,ααααααααααααααααααααααα-=++-=-++=-+++=A这是利用相似来做(此方法很重要!))22,2,2(),,(3213231321αααααααααα-+++=A()⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=122210201,,321ααα==P PB AP ,()321,,ααα可逆B AP P =⇒-1所以=-==1222121B A 9- 另外,由于此题的特殊性,还可以用特征值的方法来做:)(3)(321321αααααα++=++A2121)(αααα-=-A)2(3633)2(321321321ααααααααα-+-=+--=-+A 因为321,,ααα无关,所以321ααα++02,0,032121≠-+≠-≠ααααα 再利用特征值之积为行列式的值即可算出A α=λα(特征值定义)对比上式,可得|A|=3×1×(-3)=-910)A-3阶,E-3阶单位矩阵,如A ,A-2E ,3A+2E 均不可逆,则|A+E|= 分析:由上面已知三个矩阵均不可逆可得对应的三个行列式都为0. 特征值法:1313131,3,1:32,2,0:032)3()32(3230023,02,03=⋅⋅=+∴+-=---=---=+⇒=-=+=-=E A E A A AE A E E A A E E A E A A λλ剩下两个同理11)证|A|=0AX=0有非0解反证法 (由1-A 找矛盾) r(A)<n0是特征值(∏=iA λ)|A| = -|A|第一条:克拉默法则的运用第二条:假设|A|不等于0,那么A 是可逆的,用A1-去找与已知条件的矛盾之处第三条:A 是n 阶的,如果A 的秩小于n ,说明A 里面存在元素全为0的行(列),也即行列式的值为0第四条:因为行列式的值为特征值的乘积,所以只要证明|A|存在特征值为0即得证 第五条:行列式表示的是一个数,若这个数等于其相反数,那么这个数为0,也得证12)矩阵A 的秩⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=c b a A 115031,遮住A 的第二列第三行,得⎥⎦⎤⎢⎣⎡5031,可以快速的推断:A 的秩大于等于2.相关知识:矩阵A 中非0子式的最高阶数A=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-000062001321,r (A )=2;r (A )=r :A 中有r 阶子式不为0;每r+1阶(若还有)子式全为0. r (A )=3⇔A 中有3阶子式不为0,且每四阶子式全为0. r (A )<4⇔A 中4阶子全为0. r (A )≥2⇔A 中有2阶子式不为0. A ≠0⇔r (A )≥1A-n 阶,r (A )=n ⇔|A|≠0⇔A 可逆r (A )<n ⇔|A|=0⇔A 不可逆例子:0,2=⇒≠=A E A A A1)反证法若E A A A A A A ,0-12-1===≠可逆,则A2)(Ax=0有非0解)00A 0E -A 0AX 0)(2==∴≠=-=-⇒=A X E A E A A A A 解,故有非又的解的列向量是3)(用秩)A ,)(1)(0)()(0)(=<∴≥-⇒≠-≤⋅+∴=-故n A r E A r E A nE A r A r E A A(4)特征值法此题易错点:先矩阵乘法再两边取行列式之后,直接由矩阵关系得到行列式的关系。
比如:A ≠E ⇒|A-E|≠0;A ≠E ⇒|A|≠1nB r A r 20AX B 10AB s n ),(≤+==⨯⨯)()()的解的列向量是)若阶)(阶B n m A13)证明:AB n m m n B )(=⇒>⨯⨯阶),(,阶n m A1)(用秩)AB 为m 阶 m n B r AB r <≤≤)()(所需知识:v1.0 可编辑可修改)()()()(A .2))(),(min()(.1B r BA r B r AB r B r A r AB r ==>≤>可逆如2)(用齐次方程组有非0解)ABX=0BX=0{}的解必是则的解如果0ABX 0A0AB 0B 0BX ===⇒==∈αααα(此处证明方式数三出现过)3)(方程数小于未知数个数,必有非0解)AB 00ABX 00=∴=∴=⇒<解有非解有非BX mn用到的定理:解必有非,阶00AX n m )(=⇒<⨯n m A矩阵包括:运算,伴随,可逆,初等,正交,秩。
一.矩阵的乘法一般的,有C B 0A AC AB 30B 0A 0)2)1=⇒≠===⇒=≠不能,)或不能AB BAAB二.证明nB r A r 20AX B 10AB )s n ()n m (≤+==⨯⨯)()()的解的列向量是),若,B A 解:⎪⎩⎪⎨⎧=+++=+++⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⨯⨯m n mn m m n n m n mn m m n n a a a a a a a a a a a a a a a C AB s n B n m A αβββαβββαααβββ 2211112121112121212222111211),(),( C 的行向量可以由B 的行向量线性表出(C 的列向量可以由A 的列向量线性表出)下面介绍一个重要的性质:[][][][]Ax A A a x xA A 1A r A8-A A 8-A -8A A A A -8A3-21412-83-214123-21412A 3-21412A A 12-843-216-42A 1A r 1A 1-n n ii 21-n n 2232n n =⇒====⇒=⋅=⋅==⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⇒⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡==⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡==∑的迹)(,)(如果综上,得:)()(,则)()矩阵2)型⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡000000c b a 例:⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡0060000000310020000310020000310020002在这里,左下角的6=2×3;另外00310020003=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡, ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡0000000000002400000006000540032103, 规律同上,右上角24=1×4×6;另外,000006000540032104=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡。