首页 > 教学资源 > 教案模板

线性代数教案模板

作者：zyq84时间：2021-12-30 下载本文

第1篇：线性代数教案

第一章

线性方程组的消元法与矩阵的初等变换

教学目标与要求

1.了解线性方程组的基本概念

2.掌握矩阵的三种初等变换教学重点

运用矩阵的初等变换解一般的线性方程组教学难点

矩阵的初等变换

§1.1 线性方程组的基本概念

一、基本概念

定义：m个方程n个未知数的线性方程组为如下形式：

a11x1a12x2a1nxnb1axaxaxb2112222nn

2(1)am1x1am2x2amnxnbm称(1)为非齐次线性方程组；当b1b2bm0时则称为齐次线性方程组。方程组(1)

a12a22am2a1na2n为系amna11a21TA的一个解为：x(c1,c2,,cn)（或称为解向量）；此时称am1a11a12a1na21a22a2n数矩阵，称Bam1am2amn

二、线性方程组的消元法

b1b2为增广矩阵。bm2x1x23x31例1：解线性方程组4x12x25x34

2x2x6312x1x23x312x1x23x312x1x23x31解：4x2x32，x2x35，x2x35；

xx54xx23x18232332x1x23x312x1x2192x118x19

x2x35，x21，x21，x21

x6x6x6x63333从上面可以看出，整个消元过程和回代过程都只与x1,x2,x3的系数有关，且仅用了以下3种变换：①交换两行；②某行乘k倍；③某行乘k倍加至另一行（即初等行变换）。

故我们隐去x1,x2,x3,，得到一个数字阵（即矩阵B），对B进行初等行变换：

213121312131B425404120115

2026011504121213121019213011501150101 003180016001620018100901010101 0016001612131009其中0115称为行阶梯形矩阵，0101称为行最简形矩阵。

003180016

三、小结

例1告诉我们求解一般的线性方程组的基本方法：对其增广矩阵B进行3种初等行变换，把它变为行阶梯形矩阵，再最终变成行最简形矩阵，然后从中读出所需的解。

四、一般解和通解

x12x2x32x41例2：解方程组2x14x2x3x45

x2x2xx42341解：

212112121121211B241150033300333

12214003330000012121120120011100111 0000000000即x12x2x42x122x2x4，亦即一般解为，其中x2,x4为自由未知量。

x3x41x31x4x122c1c2xc21令x2c1,x4c2，得方程组的通解为

x31c2x4c2注意：自由未知量的取法并不唯一。

a11x1a12x2a1nxn0axaxax02112222nn

2、定理：在齐次线性方程组中，若mn（即方程

am1x1am2x2amnxn0的个数小于未知数的个数），则它必有非零解。

五、习题

P11 T1(2)

§1.2 矩阵的初等变换

一、矩阵及其初等变换

1、定义：称由mn个数aij(i1,2,,m;j1,2,,n)排成的m行n列的数表

a11a21Aam1a12a22am2a1na2n为矩阵，简记为A(aij)mn。amn

二、矩阵的初等行(列)变换

①交换两行(列)； ②某行(列)乘k倍；

③某行(列)乘k倍加至另一行(列)。

三、矩阵的标准形

定理：任意一个mn的矩阵A，总可以经过初等变换（包括行变换和列变换）化为如10下的标准形：F00000001000Er0100即AmnFO00000000O O其中1的个数r就是行阶梯形矩阵中非零行的行数。

四、习题

P18

T1(4)(5)

T2(1)

T3 P19 总复习题：T3

第二章

行列式

教学目标与要求

1.会用对角线法则计算二阶行列式和三阶行列式

2.理解排列、逆序数的概念，掌握n阶行列式的定义及其重要性质 3.理解并会灵活运用行列式的展开公式，掌握范德蒙德行列式的结论 4.掌握克拉默法则及其应用教学重点

1.n阶行列式的重要性质

2.n阶行列式展开公式的运用以及范德蒙德行列式的结论

3.克拉默法则的运用教学难点

1.n阶行列式的重要性质及其展开公式 2.克拉默法则的运用

§2.1 二阶和三阶行列式

一、二阶行列式

a11x1a12x2b1a11a12

1、引例：对于线性方程组（1），其系数矩阵为A a21x1a22x2b2a21a22

用消元法解得 (a11a22a12a21)x1b1a22b2a12（2）

(a11a22a12a21)x2b2a11b1a21a12a11a22a12a21称为二阶行列式，记DAdetA

a12a11b1，D2 a22a21b

22、定义：Da11a21a22a11a12b1Dx1D1那么（2）可以表示为，其中D，D1aab2DxD212222从而x1

二、三阶行列式 D1D,x22。DDa11x1a12x2a13x3b1a11a12axaxaxb

1、定义：对于三元线性方程组211a222222332，记Aa21axaxaxba331a32311322333a11称DAdetAa21a13 a23，a33a12a22a32a13a23a11a22a33a12a23a31a13a21a32 a33a

31a11a23a32a12a21a33a13a22a31 为三阶行列式。

a11

2、三对角线法则（记忆）：Da21a12a22a32a13a11a23a21a33a31a12a22 a32a31

三、习题

P25 T1(2)(3)(5)

§2.2 n阶行列式的定义和性质

一、排列与逆序数

1.定义1：由1,2,,n组成的一个有序数组称为一个n级排列。（n级排列共有n!个）定义2：在一个排列中，如果一对数的前后位置与大小顺序相反，即前面的数大于后面的数，那么它们就称为一个逆序，一个排列中逆序的总数称为这个排列的逆序数，记作。)402107（奇排列）例：(25431；)1412108（偶排列）

(5243。

定理：对换改变排列的奇偶性；在全部n级排列中，奇、偶排列的个数相等，各有

二、n阶行列式的定义

n!个。21.定义：n阶矩阵A(aij)nna11a21am1a12a22am2a1na2n，则n阶行列式定义如下： amna11 DAa12a1np1p2pna21an1a22a2nan2ann(1)(p1p2pn)a1p1a2p2anpn

这里，表示对1,2,,n这n个数的所有排列p1p2pn求和。即n阶行列式是指n!项取自不同行不同列的n个元素乘积的代数和。

2、例：（常用结论）

a11（1）

a11a22ann0a11a22ann0n(n1)2a12a1na11000 a22a2na210annan1a22an2ann1（2）2(1)12n

n

3、n阶行列式的等价定义

定理：D12(1)ai1j1ai2j2ainjn；其中1为行标排列i1i2in的逆序数，2为列标排列j1j2jn的逆序数。

三、行列式的性质

设n阶矩阵A(aij)nn的行列式为DA，则D有如下性质：

T①AA；

②交换两行（列），则D变号；

③提公因子：某行(列)所有元素的公因子可以提到D的外面。

特别地，若某行（列）为0，则D0；若某两行（列）成比例，则D0。④拆和：若D中某行（列）的元皆为两项之和，则D等于两个行列式的和。⑤某行（列）乘k倍加至另一行（列），则D不变。

123例：②如211111211234234；③如33932113

***123123④如456123333；

112112112111111111111⑤如23340120120120 45345012000

注意：计算行列式的常用方法：(1)利用定义；

(2)利用性质把行列式化为上(下)三角形行列式，从而算得行列式的值；(3)利用展开公式(下一节)。

四、习题

P36

T5(3)(4)(8)

T6(1)

§2.3 行列式的展开公式

一、余子式与代数余子式

1、定义：在n阶行列式det(aij)中，划去元aij所在的第i行和第j列的元后，剩下的元按原来的顺序所构成的n1阶行列式称为aij的余子式，记作Mij；又记Aij(1)ijMij，称Aij为aij的代数余子式。

142.如：***中，a111的余子式为M11412，代数余子式为 23411234A11(1)11M11M11，a214的余子式为M21412，代数余子式为

341A21(1)21M21M21，二、展开公式

定理：n阶行列式等于它的任一行（列）的各元素与其对应的代数余子式的乘积之和。即可按第i行展开

Dai1Ai1ai2Ai2ainAin(i1,2,,n)

或可按第j列展开

Da1jA1ja2jA2janjAnj(j1,2,,n)

14如：3221433214431A112A123A134A141A114A213A312A41 21

2、讲解P42例2和例3

三、范德蒙德行列式

1x1Dnx12x1n1 1x22x2n1x21x32x311xn2xn1ijn(xjxi)

n1n1x3xn推论：行列式某行（列）的元素与另一行（列）的对应元素的代数余子式乘积之和等于零。即

ai1Aj1ai2Aj2ainAjn(ij)或

a1iA1ja2iA2janiAnj(ij)

11例证：如3222433314441A112A123A134A14a21A11a22A12a23A13a24A140

21四、习题

P46

T2(3)(4)(5)

§2.4 克拉默法则

一、克拉默法则

定理1：含有n个未知数x1,x2,,xn与n个方程的线性方程组

a11x1a12x2a1nxnb1axaxaxb2112222nn

2

(1)

an1x1an2x2annxnbn

称(1)为非齐次线性方程组；当b1b2bn0时称为齐次线性方程组。

如果线性方程组(1)的系数行列式DA0（这里A(aij)nn），那么(1)有唯一解，且解为xjDjD(j1,2,,n)，其中Dj(j1,2,,n)是把D中第j列元素用方程组右端的常数项替代后所得到的n阶行列式。

推论：

(1)如果线性方程组(1)无解或至少有两个不同的解，那么它的系数行列式D0。

(2)如果齐次线性方程组的系数行列式D0，那么它只有零解；如果齐次线性方程组有非零解，那么它的系数行列式D0。

注意：用克拉默法则解线性方程组的两个条件：①方程个数等于未知数个数；②系数行列式不等于零。克拉默法则的意义主要在于建立了线性方程组的解和已知的系数以及常数项之间的关系。它主要适用于理论推导。

二、习题

P50

T2 T3 ；

P51 总复习题：T1 T2 T3

第三章

矩阵

教学目标与要求

1.理解矩阵的概念，掌握矩阵的3种运算(加法、数乘、乘法)，以及它们的运算律

2.熟记几种特殊矩阵(单位阵、对角阵、数量矩阵、三角阵、转置矩阵、对称和反对称阵)及其性质，掌握方阵行列式的性质

3.掌握伴随矩阵和逆矩阵的定义及其性质，熟悉逆矩阵的运算规律 4.了解分块矩阵的运算律，以及常用结论

5.理解初等矩阵与初等变换之间的关系，掌握初等变换求逆矩阵的方法 6.掌握矩阵的秩的概念及其性质，会用初等变换求矩阵的秩教学重点

1.矩阵乘法的运算律和方阵行列式的性质

2.逆矩阵和伴随矩阵的运算性质，以及初等变换法求逆矩阵

3.矩阵的秩的性质，以及初等变换法求矩阵的秩教学难点

1.逆矩阵的概念，以及求逆的方法 2.矩阵的秩的概念，以及求秩的方法

§3.1 矩阵的概念及其运算

一、矩阵的概念

1、定义：称由mn个数aij(i1,2,,m;j1,2,,n)排成的m行n列的数表

a11a21Aam1a12a22am2a1na2n为矩阵，简记为A(aij)mnAmn。amn矩阵的相等：AmnBmnaijbij(i1,2,,m;j1,2,,n)

b1b2行矩阵（行向量）：A(a1,a2,,an)；列矩阵（列向量）：A

bn

二、矩阵的运算

1、矩阵的加法

定义1：设A(aij)mn，B(bij)mn，则AB(aijbij)mn

注意：两个矩阵是同型矩阵时才能进行加法运算。

矩阵的加法满足下列运算律(设A,B,C都是mn矩阵)：(1)交换律：ABBA；

(2)结合律：(AB)CA(BC)(3)负矩阵A(A)0，规定减法运算：ABA(B)

2、矩阵的数乘

a11a21定义2：数与矩阵A的乘积记作A或A，规定为Aam1a12a1na22a2nam2amn；

矩阵的数乘满足下列运算律(设A,B都是mn矩阵，,为数)：(1)()A(A)；

(2)()AAA；(3)(AB)AB；

(4)1AA；(5)A00或A0

3、矩阵的乘法

定义3：设A(aij)ms，B(bij)sn,那么矩阵A与矩阵B的乘积是一个mn矩阵C(cij)mn，其中

cijai1b1jai2b2jaisbsjaikbkj(i1,2,,m;j1,2,,n)

k1s记为CmnAmsBsn（A的列数等于B的行数）。

例1：求矩阵A4242与B36的乘积AB与BA。12 解：AB41632242 1612368

BA424002AB 361200例1说明：矩阵的乘法不满足交换律，即一般地ABBA。若ABBA，则称方阵A与B可交换。矩阵的乘法满足下列运算律：

(1)结合律：(AB)CA(BC)

(2)(AB)(A)BA(B)(3)分配律：A(BC)ABAC，(BC)ABACA

例2：举例说明下列命题是错误的（1）若A0，则A0；

2（2）若AA，则A0或AE； 2（3）若AXAY，且A0，则XY。

11101010

解：（1）A（2）A（3）AX11；00；00,Y01。



三、方阵的幂及方阵多项式

1、定义：设A是n阶方阵，则A1A,A2AA,,Ak1AkA

klklklkl方阵的幂满足的运算律：(1)AAA；(2)(A)A

2、方阵多项式

设f(x)a0xma1xm1am1xam(a00)为m次多项式，A为n阶方阵，则称f(A)为方阵A的多项式。f(A)a0Ama1Am1am1AamE仍为一个n阶方阵，四、习题

P61 T2(3)(4)(5)(8)

§3.2 特殊矩阵与方阵行列式

一、特殊矩阵

1、单位矩阵

10En01000010，性质：EAAEA 01nn0

2、对角矩阵

020diag(1,2,,n)

0nmm

性质：[diag(1,2,,n)]mdiag(1,m2,,n)，m为正整数。

3、数量矩阵

00EE00

4、三角矩阵

00，性质：EAAEA a12a1na11a22a2na21或0annan

1性质：Aa11a22ann

5、转置矩阵 a110A000a220 an2ann如果A(aij)mn，则AT(aij)nm。

性质：(1)(A)A；

(2)(AB)AB；

(3)(A)A；

(4)穿脱原理：(AB)BA

6、对称矩阵和反对称矩阵

TT设A(aij)nn，如果AA，则称A为对称矩阵；如果AA，则称A为反对称TTTTTTTTTT矩阵。

二、方阵行列式

性质：①ABABBA（A,B都是n阶方阵）

②AA n

③kAknA

三、伴随矩阵

定义：n阶行列式A的各个元素的代数余子式Aij所构成的如下矩阵

A11A12A1n称为A的伴随矩阵。

A21An1A22An2

A2nAnnn1*

例1：试证：（1）AAAAAE；

（2）当A0时，AA

证明：（1）因为

a11a21*故AAan1A,ijai1Aj1ai2Aj2ainAjn(i,j1,2,,n)

0,ija12a1nA11A21An1A00a22a2nA12A22An20A0AE an2annA1nA2nAnn00A同理可得A*AAE。

（2）对A*AAE两边取行列式，得AAAE

即 AAAEA，所以当A0时，AAnnn1。

四、习题

P69 T1

T8(2)

§3.3 逆矩阵

一、逆矩阵

1、定义：对于n阶方阵A，如果有一个n阶方阵B，使

ABBAE



1 则称A是可逆的，并把矩阵B称为A的逆矩阵，记为BA。

2、可逆的判定定理

定理：方阵A可逆A0；当A可逆时，A11 A，其中A为A的伴随矩阵。

AE。证明：必要性.因为A可逆，即存在A，使AA111

1故AAAAE1，所以A0

充分性.由§3.3的例1可知 AAAAAE；因为A0，故有

A11AAAE AA1A。

A按照逆矩阵的定义，即有

A1注意：当A0时，称A为非奇异矩阵，否则称A为奇异矩阵。可见，可逆矩阵就是非奇异矩阵。同时，定理也提供了一种求逆矩阵的方法——伴随矩阵法（公式法）。

1

3、推论：若ABE（或BAE），则BA。

证明：ABABE1，故A0，从而A存在，于是

1BEB(A1A)BA1(AB)A1EA1

二、逆矩阵的运算律

方阵的逆矩阵满足下列运算律：

①若n阶方阵A可逆，则A也可逆，且(A)②若A可逆，数0，则A可逆，且A1111A；

1A1；

1③若A,B均为n阶可逆方阵，则AB也可逆，且(AB)④若A可逆，且ABAC，则BC； ⑤若A可逆，则A也可逆，且(A)T； B1A1（穿脱原理）

T1(A1)T；

⑥若A可逆，则A也可逆，且(A*)1(A1)*；

⑦若A可逆，则(A*)T(AT)*；

1⑧若A可逆，则AA1*

⑨若A,B均为n阶可逆方阵，则(AB)*B*A*（穿脱原理）

证明： ①因为AA1E，由推论可知，(A1)1A

②因为A1A1AA1E，由推论可知，A11A1

1③(AB)(B1A1)A(BB1)A1AEA1AA1E，由推论有，(AB)11④因为A可逆，则AABAAC，即EBEC，故BC

B1A1

⑤AT(A1)T(A1A)TETE，由推论有，(A)⑥因为A可逆，故A1T1(A1)T

1*AA1A，且AAE，从而(A*)1A； AAAA

1又A(A)(A)A11*1*A1E，即(A1)*AA1E1A A

所以(A)*1(A1)*。

T*TT11T⑦因为(A*)T(AA1)TA(A1)T，(A)A(A)A(A)

所以(A)(A)

111⑧因为AAE1，即AA1，所以A*TT*11A A⑨由ABAB0可知，AB也可逆。又(AB)(AB)*ABE，所以(AB)*AB(AB)1ABB1A1BB1AA1B*A*

ab1例

1、问Acd满足什么条件时可逆，并求A。

解：Aadbc，Acdb，当Aadbc0时，A可逆； a且

11db adbcca例

2、设A是三阶方阵，且A解：(3A)118A*11*，求(3A)18A 271112A18AA1A1A1 333(1)A1(1)3A11

1 3327A1

例

3、解矩阵方程2571913X411 解：X25171935719113411124111

三、习题

P75 T2

T3(3)

23 §3.4 分块矩阵和初等矩阵

一、分块矩阵

设AnnOA1OB1，BnnOA2O，其中Ai与Bi(i1,2)是同阶的子方块，则 B2O A2B2O 1A21A2 OA1B1①ABOA1k③AOkA1B1；

②ABOA2B2OA11O1；

④AkOA21O⑤AA；

⑥A12A2A1O1AO1

二、初等矩阵

1、定义：由n阶单位阵E经过一次初等变换得到的矩阵称为n阶初等矩阵。

2、三种初等变换对应三种初等矩阵

(1)交换第i行和第j行；

对应En(i,j)(2)第i行乘k倍；

对应En(i(k))(3)第j行乘k倍加至第i行；

对应En(i,j(k))

24例

1、将A13化为标准形。

解：A2413131310B 1324020101则

0100113101/22110AB 0112即 E2(1,2(3))E2(2())E2(2,1(2))E2(1,2)AB

3、初等变换与初等矩阵的关系

定理1：设A是一个mn矩阵，对A施行一次初等行变换，相当于对A左乘一个相应的m阶初等矩阵；对A施行一次初等列变换，相当于对A右乘一个相应的n阶初等矩阵。

三、初等变换求逆矩阵

定理2：对任意一个mn矩阵A，总存在有限个m阶初等矩阵P1,P2,,Ps和n阶初等矩阵Ps1,Ps2,,Pk，使得P1PsAPs1PkO

ErOFmn Omn定理3：对于n阶可逆矩阵A，总存在有限个n阶初等矩阵P1,,Ps,Ps1,,Pk，使得P1PsAPs1PkEnn

定理4：设A为可逆矩阵，则有限个初等矩阵P1,P2,,Pk，使得AP1P2Pk 推论：mn矩阵A与B等价存在m阶可逆矩阵P和n阶可逆矩阵Q，使

PAQB，记为AB。（等价关系具有反身性、对称性、传递性）

因此，由定理3可知，方阵A可逆AE

由定理4可知，方阵A可逆AP,2,,k为初等矩阵)1P2Pk(Pi,i

1由推论可知，AB存在可逆矩阵P,Q，使PAQB

1、求逆方法的推导：

111由定理4的AP1P2Pk，得

PkP2P1AE

（1）1111（1）式两端分别右乘A，得

PkP2P1EA

（2）



1上述两式表明，用一样的初等行变换将A变成E的同时，会将E变成A。

2、求逆矩阵的基本方法

初等变换法：(A|E)初等行变换(E|A1)或（3、解矩阵方程AXB或XAB（A可逆）

初等变换法：(A|B)初等行变换(E|A1B)或()（四、习题

P91 T1

T2(1)(2)

1AE)初等列变换(1)EAAB初等列变换E)BA1§3.5 矩阵的秩

一、k阶子式的概念

2m,n})，其交叉处的k个元素定义：在mn矩阵A中，任取k行k列(1kmin{按原来的位置构成的一个k阶行列式，称为矩阵A的一个k阶子式。

11111111例：A1234，1,0等都是A的一个2阶子式。

12000000kk可知，mn矩阵A的k阶子式共有Cm个。Cn

二、矩阵的秩

定义：矩阵A的非零子式的最高阶数，称为矩阵A的秩，记为R(A)。若R(A)r，则A中至少有一个r阶子式不为0，且所有r1阶子式都为0。

三、矩阵秩的性质

m,n} ① 1R(A)min{② R(A)R(A)

③ R(A)rA的行阶梯形含r个非零行A的标准形FO④ 若A~B则R(A)R(B)（矩阵的初等变换不改变矩阵的秩）

⑤ 若P,Q可逆，则R(PAQ)R(A)

⑥ max{A,B}R(A,B)R(A)R(B)；

特别地，当B为列向量b时，有R(A)R(A,b)R(A)

1⑦ R(AB)R(A)R(B)

⑧ R(AB)min{R(A),R(B)}

⑨ 若AmnBnsO，则R(A)R(B)n

例

1、设A为n阶矩阵A的伴随矩阵，证明 *TErO OR(A)nn,R(A*)1,R(A)n1

0,R(A)n1

证明：

**(1)当R(A)n时，则A可逆，即A0；由AAAE知AAn10。故A*可逆，从而R(A)n

(2)若R(A)n1，则AAAE0。故R(A)R(A)n，R(A)nR(A)1。又由R(A)n1知矩阵A中至少有一个n1阶子式不为零，也就是说A中至少有一个元素不为零。所以R(A)1，从而有R(A)1。

*(3)若R(A)n1，则A的任意一个n1阶子式都为零。故A0，即R(A)0。

********21113例

2、求A42232的秩

21561211132111321113解：422320045400454

215610045200006

故R(A)3

12例

3、已知矩阵A1212a32314的秩为3，求a的值

01153554a3112a311200112a200112a2解：A 0111a20111a201152a200063a0a31120111a2

因为R(A)3，所以63a0，即a2 00112a200063a0

四、习题

P96 T2

T3(2)

P97 总复习题：T1 T2

第四章

线性方程组理论

教学目标与要求

1.掌握齐次和非齐次线性方程组解的判定定理和解的结构定理

2.理解向量组的线性相关与线性无关的概念，以及它们的判定方法

3.掌握向量组的秩和最大无关组的概念，会求向量组的秩

4.理解基础解系的概念，会求齐次与非齐次线性方程组的通解教学重点

1.齐次与非齐次线性方程组解的判定定理以及通解的求法 2.向量组线性相关与线性无关的判定方法

3.向量组的最大无关组的求法和秩的求法教学难点

1.齐次与非齐次线性方程组解的判定方法

2.向量组秩的概念及其求法

3.基础解系的概念及其求法

§4.1 线性方程组有解的条件

一、线性方程组解的判定

1、非齐次线性方程组

定理1：对于非齐次线性方程组Amnxb（1），则

① 有唯一解R(A)R(A,b)n

② 有无穷多解R(A)R(A,b)n

③ 无解R(A)R(A,b)

2、齐次线性方程组

定理2：对于齐次线性方程组Amnx0（2），则 ① 仅有零解R(A)n ② 有非零解R(A)n

推论：当mn时，Annx0有非零解R(A)nA0

定理3：矩阵方程AXB有解R(A)R(A,B)

二、线性方程组的解法

x12x23x30例

1、求下列线性方程组的通解2x15x23x30

x8x041301090123012解：253001300130

1008023800980100810900108/3

0130018/90018/9x18x4x18

x8/382x2x4，令x41，得通解为：k(kR)x8/933

1x84x3x49

例

2、问取何值时，下列线性方程组(1)有唯一解；(2)无解；(3)有无穷多解？并在有无穷多解时求其通解。

x1x22x3

1x1(21)x23x31

x1x2(3)x32122解：A213011(1)(1)3001由克拉默法则知，当0,1,1时，方程组有唯一解。

当0时，B002101310101310021000031003100因R(A)2，R(B)3，R(A)R(B)，所以方程组无解。

1121112当1时，B133110210

11230004因R(A)2，R(B)3，R(A)R(B)，所以方程组无解。

11211121当1时，B1131001011010010114100200000因R(A)R(B)23，所以方程组有无穷多解。

即xxx11k112x0，令x2k，得其通解为：x2k（kR）3x30

三、习题

P106 T1 T2 T3(2)T4 T5 T6 T7

312105

2

§4.2 向量组的线性相关性

一、n维向量及其线性运算

1.定义：由n个数a1,a2,,an组成的有序数组称为n维向量。称n1矩阵

a1a2a为n维列向量；其转置aTa1,a2,,an称为n维行向量。其中ai称为a的第ian个分量(i1,2,,n)。

2.运算

①n维向量的相等；②零向量；③负向量；④加法；⑤数乘

二、向量组的线性组合1.向量组

定义：由若干个同维的列向量(或行向量)所组成的集合，称为一个向量组。

2.向量组与矩阵

a1ja2j(j1,2,,n)为矩阵A的列设A(aij)mn，则A1,2,,n，其中jamj12向量组；或A，其中iai1,ai2,,ain(i1,2,,m)为矩阵A的行向量组。

m3.向量组与线性方程组

一个线性方程组Amnxb可以写成：x11x22xnnb

4.向量组的线性组合定义：设向量组A:1,2,,m，对于数k1,k2,,km，我们称k11k22kmm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。

5.线性表示

给定向量组A:1,2,,m和向量b，若存在一组数1,2,,m，使得

b1122mm 则称向量b是向量组A的线性组合，也称向量b可以由向量组A线性表示。

例：任何一个n维向量aa1,a2,,an都可以由n维单位向量组：

Te1(1,0,0,,0)T，e2(0,1,0,,0)T，，en(0,0,,0,1)T

线性表示。即aa1e1a2e2anen。

显然，向量b能由向量组A线性表示，也就线性方程组：x11x22xnnb有解。

6.定理1：向量b能由向量组A:1,2,,m线性表示的充要条件是R(A)R(A,b)，其中A(1,2,,m)。

三、向量组的线性相关与线性无关

设齐次线性方程组Amnx0，写成向量形式：x11x22xnn0。若它有非零解，即存在一组不全为零的数k1,k2,,kn，使得k11k22knn0。因此，我们引入如下概念。

1.线性相关与线性无关

定义：设有n维向量组A:1,2,,m，如果存在一组不全为零的数k1,k2,,km使

k11k22knn0

则称向量组A线性相关；否则称它线性无关。

注意：（特殊情形）

① 只有一个向量a的向量组线性相关a0

② 两个向量a,b的向量组线性相关ab(即两向量共线：对应分量成比例)③ 三个向量线性相关：几何意义是三个向量共面。

④ 含有零向量的向量组一定线性相关。

定理2：向量组1,2,,m(m2)线性相关的充要条件是其中至少有一个向量可由其余m1个向量线性表示。

定理3：设向量组A:1,2,,m构成矩阵A(1,2,,m)，则向量组A线性相关的充要条件是R(A)m；向量组A线性无关的充要条件是R(A)m。

推论1：当向量的个数等于向量的维数时，向量组A线性相关的充要条件是A0；向量组A线性无关的充要条件是A0。

推论2：m(mn)个n维向量组成的向量组一定线性相关。推论3：任一个n维向量组中线性无关的向量最多有n个。

定理4：

(1)设向量组A:1,2,,m线性无关，而向量组B:1,2,,m,b线性相关，则向量b必能由向量组A线性表示，且表示法是唯一的。

(2)若向量组1,2,,r线性相关，则向量组1,2,,r,r1,,n(nr)必线性相关；反之，若向量组1,2,,r,r1,,n(nr)线性无关，则向量组1,2,,r必线性无关。（部分相关，整体相关；整体无关，部分无关。）

(3)若m个n维向量1,2,,m线性相关，同时去掉其第i个分量(1in)得到的m个n1维向量也线性相关；反之，若m个n1维向量1,2,,m线性无关，同时增加其第i个分量(1in)得到的m个n维向量也线性无关。

四、习题

P116 T1(3)(4)T2 T3 T4(1)(2)T5 T6 T7 T8 T9(1)(3)

§4.3 向量组的秩

一、向量组的等价

定义1：设有向量组A:1,2,,m；向量组B:1,2,,s，若向量组A中的每一个向量都能由向量组B线性表示，则称向量组A能由向量组B线性表示。如果向量组A和向量组B能相互线性表示，则称这两个向量组等价。

命题1：若A,B为有限个列向量组成的向量组，则向量组B能由向量组A线性表示的充要条件是矩阵方程BAX有解。

命题2：若矩阵A经过初等行(列)变换变成B，则矩阵A的列(行)向量组与矩阵B的列(行)向量组等价。

定理1：设向量组A:1,2,,m和向量组B:1,2,,s均为列向量组成的向量组，则向量组B能由向量组A线性表示的充要条件为R(A)R(A,B)

推论：向量组A:1,2,,m和向量组B:1,2,,s等价的充要条件是

R(A)R(B)R(A,B)

其中A和B是向量组A和向量组B所构成的矩阵。

讲教材P118例1

二、向量组的秩 1.最大无关组

定义2设向量组A0:1,2,,r是向量组A:1,2,,m(mr)的一个部分组，若(1)向量组A0:1,2,,r线性无关；

(2)A中的任意向量均可由向量组A0:1,2,,r线性表示；则称A0:1,2,,r为A的一个最大线性无关向量组（简称最大无关组）。

显然，最大无关组一般不唯一；任意向量组都与它的最大无关组等价。

2.最大无关组的求法

定理：矩阵的初等行变换不改变(部分或全部)列向量之间的线性关系；矩阵的初等列变换不改变(部分或全部)行向量之间的线性关系。

注意：上述定理提供了求向量组最大无关组的方法定理2：设向量组B:1,2,,r可由向量组A:1,2,,s线性表示，(1)若向量组B线性无关，则rs；(2)若rs，则向量组B线性相关。

推论1：两个等价的线性无关的向量组必含有相同个数的向量。推论2：两个等价的向量组的最大无关组含有相同个数的向量。推论3：一个向量组的任意两个最大无关组所含向量个数相等。

3.向量组的秩

定义3：向量组的最大无关组所含向量的个数，称为该向量组的秩。

定理2'：若向量组B能由向量组A线性表示，则向量组B的秩不大于向量组A的秩。

三、矩阵的秩与向量组的秩的关系

定理3：对矩阵A(aij)mn，则 R(A)A的行秩A的列秩。即矩阵的秩等于它的行向量组的秩也等于它的列向量组的秩。

四、矩阵的秩的性质

性质1：R(AB)R(A)R(B)

性质2：R(AB)min{R(A),R(B)}

性质3：若P,Q可逆，则R(PAQ)R(PA)R(AQ)R(A)

五、习题

P124 T1

§4.4 线性方程组解的结构

一、齐次线性方程组解的结构

1.解的性质

对于齐次线性方程组

Amnx0

(1)性质1：若1,2都是Ax0的解，则12也是Ax0的解。性质2：若是Ax0的解，则k也是Ax0的解。

2.解的结构

定义1：设1,2,,k是Ax0的非零解，且满足

(1)1,2,,k线性无关；

(2)Ax0的任一个解都可由1,2,,k线性表示，即c11c22ckk 则称1,2,,k是齐次线性方程组Ax0的基础解系；且Ax0的通解可表示为如下形式：c11c22ckk(c1,c2,,ck为任意常数)。

定理1：若n元齐次线性方程组Ax0的系数矩阵A的秩R(A)rn，则Ax0的基础解系恰含有nr个线性无关的解向量。

讲教材P128 例1和例2

二、非齐次线性方程组解的结构

1.解的性质

对于非齐次线性方程组

Amnxb

(2)性质1：若1,2都是Axb的解，则12是Ax0的解。

性质2：若是Ax0的解，是Axb的解，则是Axb的解。

2.解的结构

*定理2：设是非齐次线性方程组Axb的一个解，1,2,,nr是对应的导出组Ax0的基础解系，则Axb的通解为

*k11k22knrnr

其中k1,k2,,knr为任意常数。

讲教材P132 例3和例4

三、习题

P134 T1 T2(1)T3 T4 T5 T6 T7 T8 P141 总复习题：T1 T2 T4 T5 T6至T13

第五章特征值和特征向量

矩阵的对角化

教学目标与要求

1.理解内积和正交向量组的概念，掌握施密特正交化方法和正交矩阵的性质 2.理解特征值与特征向量的定义，掌握它们的性质及其求法 3.理解相似矩阵的定义，掌握相似矩阵的性质

4.掌握矩阵可对角化的条件，熟悉实对称矩阵的对角化方法教学重点

1.施密特正交化方法的运用 2.特征值与特征向量的求法 3.实对称矩阵的对角化方法教学难点

1.施密特正交化方法

2.特征值与特征向量的性质及其求法 3.实对称矩阵的对角化方法

§5.1 预备知识

一、向量的内积

定义1：设有n维向量xx1,x2,,xn，yy1,y2,,yn，令

TTx,yx1y1x2y2xnyn，称x,y为向量x与y的内积。

内积的性质：

(1)x,yy,x

(2)x,yx,y

(3)xy,zx,zy,z

(4)x,x0，当且仅当x0时等号成立

定义2：令xx,x22x12x2xn，称为n维向量x的长度（或范数）。当x1时，称x为单位向量。

向量的长度具有以下性质：

(1)非负性：x0

(2)齐次性：

定义3：当x0，y0时，称arccosxx

(3)三角不等式：xyxy

(4)柯西不等式：x,yxy

x,yxy为n维向量x与y的夹角。

定义4：当x,y0时，称向量x与y正交。

定义5：若一个向量组中任意两个向量都正交，则称此向量组为正交向量组。若正交向量组中的每一个向量都是单位向量，则称此向量组为规范正交向量组或标准正交向量组。

定理1：若n维向量1,2,,r是一组两两正交的非零向量，则1,2,,r线性无关。

二、施密特正交化方法施密特正交化方法是将一组线性无关的向量1,2,,r，化为一组与之等价的正交向量组1,2,,r的方法。令

2,1；；

1,11,,r,r1。rrr11r221,12,2r1,r1r111； 22

讲教材P147 例2和例3

三、正交矩阵

定义6：如果方阵A满足AAAAE（即Acos例如：En，sinAT），则称A为正交矩阵。

01/21/2sin，2/61/61/6都是正交阵。cos1/31/31/3TT1

定理2：A为正交矩阵A的行(列)向量组为规范正交向量组。即

1,ijATAEiTj(i,j1,2,,n)（其中A(1,2,,n)）

0,ij

定理3：设A,B都是n阶正交方阵，则

(1)A1；(2)A,A,AB也是正交方阵。

定义7：若P为正交矩阵，则线性变换yPx称为正交变换。

四、习题

P149 T1(2)T2(2)T3 T4 T5

§5.2 特征值和特征向量

T

1一、特征值与特征向量的概念

定义1：设A是n阶方阵，如果存在数和非零列向量x，使得Axx，称为方阵A的特征值，非零列向量x称为A的属于特征值的特征向量。

特征方程：Axx(AE)x0 或者(EA)x0

(AE)x0有非零解AE0特征矩阵：(AE)或者(EA)

EA0

a11特征多项式：AEa12an2a1na2n()

a21an1a22annnn1aaan1an0

1 [a0(1)n]

二、求n阶方阵A的特征值与特征向量的步骤

(1)求出特征方程()AE0的全部根1,2,...,n，即是A的特征值；(2)对于每个特征值i求解线性方程组AiEx0，得出的基础解系就是A的属于特征值i的特征向量；基础解系的线性组合就是A的属于特征值i的全部特征向量。

讲教材P152 例3和例4

三、特征值与特征向量的性质

性质1：设A是n阶方阵，则A与A有相同的特征值。性质2：设是方阵A的特征值，k,mN，则(1)是方阵A的特征值；

(2)f()a0a1am是f(A)a0Ea1AamA的特征值。

性质3：设n阶方阵A(aij)nn的n个特征值为1,2,...,n，则(1)

mmkkTaii1i1nnii，其中

ai1niitr(A)称为A的迹；

(2)iA

i1n

证明：由特征值的定义可得

a11

a12a1na2n ()AEa21an1a22an2ann

(a11)(a22)(ann)

(1)nn(1)n1(a11a22ann)n1

由题设可知 ()AE(1)(2)(n)

(1)nn(1)n1(12n)n1(12n)比较多项式同次幂的系数可得

a11a22ann12n，A(0)12n

推论：A0 0是A的特征值；A可逆A0A不含零特征值。

讲教材P154 例5和例6

性质4：1,2,,m是方阵A的互异特征值，其对应的特征向量依次为

p1,p2,,pm，则向量组p1,p2,,pm线性无关。

四、习题

P157 T1

§5.3 相似矩阵

一、相似矩阵的概念

定义1：设A,B都是n阶方阵，若存在可逆矩阵P，使PAPB，则称矩阵A与B相似，记为A~B，可逆矩阵P称为相似变换矩阵。

相似矩阵的基本性质：

1、(1)反身性：对任意方阵A，都有A~A

(2)对称性：若A~B，则B~A

(3)传递性：若A~B，B~C，则A~C

2、定理1：若A~B，则

① A与B有相同的特征多项式和特征值；

② AB； ③ R(A)R(B)；

mm④ A与B也相似（m为正整数）；

1⑤ tr(A)tr(B)

二、矩阵可对角化的条件

定义：n阶方阵A可以相似于一个对角矩阵，则称A可对角化。

定理2：n阶方阵A可对角化A有n个线性无关的特征向量。

推论：n阶方阵A有n个互异的特征值A可对角化。

定理3：n阶方阵A可对角化A的每个k重特征值对应有k个线性无关的特征向量（或R(AE)nk）。即A的几何重数nR(AE)等于代数重数k。

讲教材P160 例1和例2

三、小结

n阶方阵A对角化的步骤：

(1)解特征方程AE0，求出A的全部特征值1,2,...,s，其中i是ni重特征值（i1,2,,s），sni1in。

(2)对每个i，解齐次线性方程组AiEx0，得基础解系i1,i2,...,ini；(3)令P(11,12,,1n1,21,22,,2n2,,s1,s2,,sns)，则PAP，其中diag(1,,1,2,,2,,s,,s)，这里i的个数为ni个（i1,2,,s）。

四、习题

P162 T1

§5.4 实对称矩阵的相似矩阵



1一、实对称矩阵的特征值性质

定理1：实对称矩阵的特征值都是实数。

定理2：实对称矩阵A的属于不同特征值的特征向量相互正交。

定理3：设是n阶实对称矩阵A的r重特征值，则R(AE)nr，即对应特征值恰有r个线性无关的特征向量。

二、实对称矩阵的相似理论

定理4：任意实对称矩阵A都与对角矩阵相似。即实对称阵一定可以对角化。

1T定理5：设A是n阶实对称矩阵，则存在正交矩阵P，使PAPPAP。其中diag(1,2,,n)，且1,2,...,n是A的n个特征值。

三、实对称矩阵对角化方法

n阶实对称矩阵A对角化的步骤：

(1)解特征方程AE0，求出A的全部特征值1,2,...,s，其中i是ni重特征值（i1,2,,s），sni1in。

(2)对每个i，解齐次线性方程组AiEx0，得基础解系i1,i2,...,ini；(3)利用施密特正交化方法将i1,i2,...,ini正交化，得正交向量组i1,i2,...,ini，再单位化得规范正交向量组i1,i2,...,ini（i1,2,,s）；

(4)令P(11,12,,1n1,21,22,,2n2,,s1,s2,,sns)，则P为正交矩阵，且P1APPTAP，其中diag(1,,1,2,,2,,s,,s)，这里i的个数为。ni个（i1,2,,s）

讲教材P164 例1和例2

四、习题

P167 T1

T4 P167 总复习题：T1 T2 T3 T4 T5 T6；

T8 T9 T10 T11

T12 T13 T14 T15 T16

第六章特征值和特征向量

矩阵的对角化教学目标与要求

1.理解二次型及其秩的相关概念，了解矩阵的合同关系

2.掌握二次型的标准形，以及用配方法、正交变换法和初等变换法化二次型为标准型

3.理解惯性定理和二次型的规范形，掌握二次型正定的判别方法教学重点

1.用正交变换法化二次型为标准型 2.二次型正定的判别方法教学难点

1.用正交变换法化二次型为标准型 2.二次型正定的判别方法

§6.1 二次型及其矩阵表示

一、二次型及其矩阵表示

定义1：含有n个变量的二次齐次函数：

22f(x1,x2,...,xn)a11x12a22x2annxn 2a12x1x22a13x1x32an1,nxn1xn称为二次型。当aij全为实数时，f称为实二次型。

为了便于用矩阵讨论二次型，令aijaji，则二次型为：

f(x1,x2,...,xn)a11x12a12x1x2a1nx1xn2 a21x2x1a22x2a2nx2xn.................................................2 an1xnx1an2xnx2annxn

a11a21记

Aan1a12a22an2i,j1anijxixj

a1nx1a2nx2x，，xannnT则二次型f(x1,x2,,xn)xAx，其中A为对称矩阵。

由此可见，对称矩阵A与二次型f是一一对应关系，故称对称矩阵A为二次型f的矩阵，也称二次型f为对称矩阵A的二次型，R(A)也称为二次型f的秩。

讲教材P173 例1和例2

二、线性变换 x1c11y1c12y2c1nynxcycycy22112222nn

定义2：称为由变量x1,x2,,xn到变量y1,y2,,yn.................................................xncn1y1cn2y2cnnyn的一个线性变量替换，简称线性变换。

c11c21其中，矩阵Ccn1c1nc22c2n称为线性变换的矩阵。cn2cnnc12x1y1x2y2记x，y，则线性变换可用矩阵形式表示：xCy。

xynn若C0，则称线性变换xCy为非退化的(或满秩变换)；否则，称为退化的(或降秩变换)。若C是正交矩阵，则称线性变换xCy为正交变换。因此，我们有

f(x)xTAx(Cy)TA(Cy)yTCTACyyTBy，其中BCTAC，而且 BT(CTAC)TCTATCCTACB

三、矩阵的合同

1．定义3：设A,B为两个n阶方阵，如果存在n阶可逆矩阵C，使得CACB，则

TB。称矩阵A与B合同，记为：A~B（合同）定理：若A~，则AB（等价），且R(A)R(B)。

2．合同的性质

A

① 反身性：对任意方阵A，都有A~B，则B~A

② 对称性：若A~C B,B~C，则A~③ 传递性：若A~3．定理：任何一个实对称矩阵A都合同于一个对角阵（是以A的n个特征根为对角元的对角阵），即存在可逆矩阵C，使得CAC。

四、习题

P175 T1

§6.2 二次型的标准形

一、二次型的标准形

222定义：形如d1x1的二次型称为二次型的标准形。d2x2dnxn

二、化二次型为标准形

（1）配方法

对任意一个二次型fxTAx，都可用配方法找到满秩变换xCy，将f化为标准形。步骤：若f中含变量项xi的平方项，则先将所有含xi的项合并在一起配成完全平方，依次类推直到都配成完全平方项；若f中不含任何平方项，则令x1y1y2,x2y1y2，xkyk，使f中出现平方项，再按照前面的思路进行配方。

（2）正交变换法

定理：任给二次型f(x)xTAx，总存在正交矩阵Q，使QTAQQ1AQ，其中diag(1,2,,n)，1,2,,n是A的全部特征值。

22即存在正交变换xQy使f化为标准形：（其中1,2,,n1x122x2nxn是对称矩阵A的全部特征根）

讲书上P176 例1

（3）初等变换法

由于任意对称阵A都存在可逆矩阵C，使CAC为对角阵；由于C是可逆阵，故可表

TTTT示一系列初等矩阵的乘积。设CP1P2PS，则CPsP2P1，因此

TCTACPsTP2TP1AP1P2Ps

①

CP1P2PSEP1P2PS

②

①式表示对实对称矩阵A施行初等列变换的同时也施行相应的行变换，将A化为对角阵；②表示单位阵E在相同的初等列变换下就化为C。即（三、习题

P181

§6.3 惯性定理和二次型的正定性

A)合同变换()EC

一、惯性定理和规范形

定理1：设实二次型fxTAx的秩为r，有两个实满秩线性变换xCy及xPz，222使得 fk1y1kpy2,2,,r)

（1）pkp1yp1kryr(ki0,i12222及

f1z1qzqq1zq,2,,r)1rzr(i0,i1则pq；且称p为二次型f的正惯性指数，rp为二次型f的负惯性指数。

对二次型f的标准形（1）式再作满秩线性变换

(y1,,yr,yr1,,yn)Tdiag(11,，1,,1)(t1,,tr,tr1,,tn)T k1kr2222则有ft1tptp1tr，称之为二次型f的规范形。

惯性定理的等价表述：任意一个秩为r的实二次型f都可以经过满秩线性变换化为规范形，且其规范形是唯一的。即规范形中正项的个数p与负项的个数rp都是唯一确定的。

定理2：实对称阵A与B合同A与B的正负惯性指数相同

A与B的规范形相同R(A)R(B)，且A与B的正惯性指数相同

二、二次型的正定性

定义1：设实二次型f(x)f(x1,x2,,xn)xTAx，若对任意x0，都有f(x)0，则称f为正定二次型，并称其对称矩阵A为正定矩阵。

三、二次型正定的判别方法

定理3：设A是n阶实对称矩阵，则

fxTAx正定（或A正定）A的n个特征值全为正；

f的标准形的n个系数全为正f的正惯性指数pn； 存在可逆矩阵P，使APTPA与单位矩阵合同； A的各阶顺序主子式全为正，即

a11a1na11a120

a110，0，，a21a22an1ann讲教材P184 例3

四、习题

P185 T1(1)(3)

T2(3)

T6 P186 总复习题： T4

T7 ；

T12

T13

第2篇：线性代数

线性代数在[参数1]数学中占有重要地位，必须予以高度重视.线性代数试题的特点比较突出，以计算题为主，证明题为辅，因此，专家们在这里，提醒广大的2012年的考生们必须注重计算能力.线性代数在数学一、二、三中均占22%，所以考生要想取得高分，学好线代也是必要的。下面，我们将线代中重点内容和典型题型做了总结，希望对2012年[参数1]的同学们学习有帮助。

行列式在整张试卷中所占比例不是很大，一般以填空题、选择题为主，它是必考内容，不只是考察行列式的概念、性质、运算，与行列式有关的考题也不少，例如方阵的行列式、逆矩阵、向量组的线性相关性、矩阵的秩、线性方程组、特征值、正定二次型与正定矩阵等问题中都会涉及到行列式.如果试卷中没有独立的行列式的试题，必然会在其他章、节的试题中得以体现.行列式的重点内容是掌握计算行列式的方法，计算行列式的主要方法是降阶法，用按行、按列展开公式将行列式降阶.但在展开之前往往先用行列式的性质对行列式进行恒等变形，化简之后再展开.另外，一些特殊的行列式(行和或列和相等的行列式、三对角行列式、爪型行列式等等)的计算方法也应掌握.常见题型有：数字型行列式的计算、抽象行列式的计算、含参数的行列式的计算.。矩阵是线性代数的核心，是后续各章的基础.矩阵的概念、运算及理论贯穿线性代数的始终.这部分考点较多，重点考点有逆矩阵、伴随矩阵及矩阵方程.涉及伴随矩阵的定义、性质、行列式、逆矩阵、秩及包含伴随矩阵的矩阵方程是矩阵试题中的一类常见试题.这几年还经常出现有关初等变换与初等矩阵的命题.常见题型有以下几种：计算方阵的幂、与伴随矩阵相关联的命题、有关初等变换的命题、有关逆矩阵的计算与证明、解矩阵方程.向量组的线性相关性是线性代数的重点，也是[参数1]的重点.提醒2012年的考生一定要吃透向量组线性相关性的概念，熟练掌握有关性质及判定法并能灵活应用，还应与线性表出、向量组的秩及线性方程组等相联系，从各个侧面加强对线性相关性的理解.常见题型有：判定向量组的线性相关性、向量组线性相关性的证明、判定一个向量能否由一向量组线性表出、向量组的秩和极大无关组的求法、有关秩的证明、有关矩阵与向量组等价的命题、与向量空间有关的命题.往年考题中，方程组出现的频率较高，几乎每年都有考题，也是线性代数部分考查的重点内容.本章的重点内容有：齐次线性方程组有非零解和非齐次线性方程组有解的判定及解的结构、齐次线性方程组基础解系的求解与证明、齐次(非齐次)线性方程组的求解(含对参数取值的讨论).主要题型有：线性方程组的求解、方程组解向量的判别及解的性质、齐次线性方程组的基础解系、非齐次线性方程组的通解结构、两个方程组的公共解、同解问题.特征值、特征向量是线性代数的重点内容，是[参数1]的重点之一，题多分值大，共有三部分重点内容：特征值和特征向量的概念及计算、方阵的相似对角化、实对称矩阵的正交相似对角化.重点题型有：数值矩阵的特征值和特征向量的求法、抽象矩阵特征值和特征向量的求法、判定矩阵的相似对角化、由特征值或特征向量反求A、有关实对称矩阵的问题.。由于二次型与它的实对称矩阵式一一对应的，所以二次型的很多问题都可以转化为它的实对称矩阵的问题，可见正确写出二次型的矩阵式处理二次型问题的一个基础.重点内容包括：掌握二次型及其矩阵表示，了解二次型的秩和标准形等概念;了解二次型的规范形和惯性定理;掌握用正交变换并会用配方法化二次型为标准形;理解正定二次型和正定矩阵的概念及其判别方法.重点题型有：二次型表成矩阵形式、化二次型为标准形、二次型正定性的判别。

第3篇：线性代数教案第一章

线性代数教案第一章第一章行列式（12学时）

教学时数：12学时

教学目的与要求：理解并掌握行列式的概念和性质，行列式按行（列）展开定理，行列式的计算，克莱姆法则解方程组。

教学重点：行列式的性质，行列式按行（列）展开，克莱姆法则解方程组。教学难点：行列式按行按列展开。本章主要阅读文献资料：

1.吴赣昌主编，《线性代数》(第4版)，中国人民大学出版社，2008年2月。 2.戴斌祥主编，《线性代数》，北京邮电大学出版社，2005年10月。3.陈维新主编，《线性代数》（第二版），科学出版社，2010年8月。

4.赵树嫄主编，《线性代数学习与考试指导》，中国人民大学出版社，2008年5月。

教学内容：

第一节二阶与三阶行列式

一．二阶行列式

引入新课：

我们从二元方程组的解的公式，引出二阶行列式的概念。

在线性代数中，将含两个未知量两个方程式的线性方程组的一般形式写为

（1）

用加减消元法容易求出未知量x1，x2的值，当

时，有

（2）

1 这就是二元方程组的解的公式。但这个公式不好记，为了便于记这个公式，于是引进二阶行列式的概念。

（一）定义：我们称记号

为二阶行列式，它表示两项的代数和：

即定义

（3）

二阶行列式所表示的两项的代数和，可用下面的对角线法则记忆：从左上角到右下角两个元素相乘取正号，从右上角到左下角两个元素相乘取负号，即

－＋

由于公式（3）的行列式中的元素就是二元方程组中未知量的系数，所以又称它为二元方程组的系数行列式，并用字母D表示，即有

如果将D中第一列的元素a11，a21 换成常数项b1，b2，则可得到另一个行列式，用字母D1表示，于是有

按二阶行列式的定义，它等于两项的代数和：，这就是公式（2）中x1 的表达式的分子。同理将D中第二列的元素a a b2，12，22 换成常数项b1，可得到另一个行列式，用字母D2表示，于是有

按二阶行列式的定义，它等于两项的代数和：a11b2-b1a21，这就是公式（2）中x2的表达式的分子。

于是二元方程组的解的公式又可写为

其中D≠0

例1 计算51=5×2-（-1）×3=13 32例2 设D231

问：(1)当λ为何值时D=0(2)当λ为何值时D≠0 解：D231=23

(1)当λ=0或3时，D=0(1)当λ≠0且λ≠3时，D≠0

二.三阶行列式

含有三个未知量三个方程式的线性方程组的一般形式为

（1）

还是用加减消元法，即可求得方程组（1）的解的公式，当

时，有

（2）

这就是三元方程组的解的公式。这个公式更不好记，为了便于记它，于是引进三阶行列式的概念。

（二）定义：我们称记号

为三阶行列式。三阶行列式所表示的6项的代数和，也用对角线法则来记忆：从左上角到右下角三个元素相乘取正号，从右上角到左下角三个元素取负号，即

（3）

由于公式（3）的行列式中的元素是三元方程组中未知量的系数，所以称它为三元方程组的系数行列式，也用字母D来表示，即有

同理将D中第一列、第二列、第三列的元素分别换成常数项得到另外三个三阶行列式，分别记为

于是有

就可以

按照三阶行列式的定义，它们都表示6项的代数和；并且分别是公式（2）中x1，x2，x3 的表达式的分子，而系数行列式D是它们的分母。

123例3 405

106解：原式=-58

4 例4 实数a，b满足什么条件时

ab0ba00 101ab0解：ba0a2b2

101 a，b为实数，若要a2b20，则a，b需同时等于零。

a10例5 1a0＞0的充分必要条件是什么？

411a10a10解：1a0=a21，即a＞1时，1a0＞0，411411a10所以1a0＞0的充分必要条件a＞1 411作业：课本35页，1,2,3,4,5

第4篇：Matlab 与线性代数教案

Matlab 与线性代数

一、Matlab 入门：

1.启动、退出、运行： 2.窗口介绍： 3.基本符号： =：赋值符号

[ ]：数组定义符号 , 区分列函数参数分隔符;区分行取消运行显示 % 注释标记

: 具有多种应用功能

4.matlab的变量(区分大小写): 预定义变量: ans

pi 相关命令: format(显示格式 rat long short)

who whos clear

5.M 文件（纯文本文件，扩展名为.m）建立修改保存运行

二、Matlab 与线性代数的基本运算

1.矩阵的输入

数字矩阵：A=[1 2 3;3 2 1]

或 A=[1, 2, 3;3, 2, 1] 或 A=[1 2 3

3 2 1]

符号矩阵(显示出来元素之间有逗号): 定义符号变量 sym syms

用法：(1).sym(‘[a,b,c;b,c,a]’)或 sym(‘[a b c;b c a]’)

(2).syms a b c

A=[a b c;b c a]

2.产生特殊矩阵的函数：

zeros(m,n)zeros(n)

ones(m,n)ones(n)eye(n)

magic(n)rand(m,n)randn(n)% 产生（0,1）区间均匀分布的随机矩阵

3.相关命令：

round(A)% 表示对矩阵A中所有元素进行四舍五入 length(A)% 返回A的长度（列数）size(A)% 返回Ａ的尺寸，行数列数 A(i,j)% 引用矩阵A的第i行第j列元素

4.矩阵的基本运算

(1).+-*.*

(2).转置 A’

(3).方阵的幂：A^3

5.求向量组的极大无关组

A[1,2,3 ]

(1).U=rref(A)% U为A的行最简形

(2).[U,s]=rref(A)% U为A的行最简形, s为首非零元所在列组成的向量

(3).rrefmovie(A)% 返回A的行最简形，且给出每一步化简过程

6.求线性方程组的解

情形1。Ax=b，其中A为n阶可逆阵

法1： x=inv(A)*b 或 x=A^(-1)*b

法2： U=rref([A,b])% 返回值U为矩阵的行最简形，最后一列即为解x。

情形2。Ax=0, 其中A 为m*n 矩阵，R(A)=r

法1：U=rref(A), 选定自由变量，得到一组基础解系

法2：z=null(A)

% z的列向量为Ax=0的一组标准正交基。

情形3。Ax=b, 其中A 为m*n 矩阵, 求通解

U=rref([A,b])从最后一列找特解，前n列找导出组的基础解系，然后按格式写

出Ax=b的通解。（或先写出以U为增广矩阵的同解方程组也可。）

6x13x22x33x44x554x12x2x32x43x54

例子: .4x2x3x2xx0234512xx7x3x2x112345(4).(5).(6).(7).方阵行列式 det(A)方阵的秩 rank(A)方阵的逆 inv(A)或 A^(-1)矩阵的除法左除右除/

AB=C

则 A=C/B B=AC 输入：A=[6 3 2 3 4;4 2 1 2 3;4 2 3 2 1;2 1 7 3 2];

b=[5 4 0 1]’;

U=rref([A,b])10得到：U001/2000010000103/417/203/22 603/20取x2,x5为自由变量，令x20,x50得Ax=b的特解*2

60

1/23/410x210分别令和得导出组的基础解系为：10，21

x50107/2013x24x5x112x3x5或：导出组Ax=0的同解方程组：，x2,x5为自由变量，分别令x47x521/23/410x21,x50和x20,x51得导出组的基础解系为：10，21。

07/2017.求矩阵的特征值与特征向量

(1).d=eig(A)% d为矩阵A的特征值构成的向量

(2).[V,D]=eig(A)% D为A 的特征值构成的对角阵，V 的列为A的单位特征向

量，与D中的特征值对应，满足：AVDV8.Schmidt 正交化方法

B=orth(A)% B的列向量为A的列空间的一组标准正交基，换句话说，B的列是

A的列向量的正交标准化，满足B*Beye(rank(A))。

9.用正交变换化二次型为标准形

先写出所给二次型的矩阵A，则A为实对称矩阵，[V,D]=eig(A)% D 为A的特征值构成的对角阵，V的列向量为A的正交单位特征

向量，次序与D的元素对应。满足VAVDVT1'1，即AVVD。

AV。

第5篇：0910线性代数

2009年10月线性代数(经管类)试题

说明：在本卷中，AT表示矩阵A的转置矩阵，A*表示矩阵A的伴随矩阵，E是单位矩阵，A表示方阵A的行列

式，r(A)表示矩阵A的秩.一、单项选择题（本大题共10小题，每小题2分，共20分）

在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填写在题后的括号内。错选、多选或未选均无分。

0111

1．行列式1011

1101第二行第一列元素的代数余子式A21=（）

1110

A．-2 B．-1

C．1 D．2

2．设A为2阶矩阵，若3A=3，则2A（）

A．1

2 B．1

C．4

3 D．2

3．设n阶矩阵A、B、C满足ABCE，则C1（）

A．AB B．BA

C．A1B1 D．B1A1

4．已知2阶矩阵Aab1

cd的行列式A1，则(A*)（）

A．abcd B．dbca

C．dbca D．abcd

5．向量组1,2,,s(s2)的秩不为零的充分必要条件是（）

A．1,2,,s中没有线性相关的部分组 B．1,2,,s中至少有一个非零向量

C．1,2,,s全是非零向量 D．1,2,,s全是零向量

6．设A为mn矩阵，则n元齐次线性方程组Ax0有非零解的充分必要条件是（A．r(A)n B．r(A)m

C．r(A)n D．r(A)m

7．已知3阶矩阵A的特征值为-1，0，1，则下列矩阵中可逆的是（）

A．A B．EA）

C．EA D．2EA

8．下列矩阵中不是初等矩阵的为（）．．

100A．010

101

100C．020

001100B．010 101100D．110 101

9．4元二次型f(x1,x2,x3,x4)2x1x22x1x42x2x32x3x4的秩为（）

A．1

C．3 B．2 D．4

00110．设矩阵A010，则二次型xTAx的规范形为（）

100

222A．z1 z2z3

222C．z1 z2z3222B．z1 z2z3222D．z1 z2z

3二、填空题（本大题共10小题，每小题2分，共20分）

请在每小题的空格中填上正确答案。错填、不填均无分。

11．已知行列式a1b1

a2b2a1b1a4，则1a2b2a2b1b2______.12．已知矩阵A(1,2,1),B(2,1,1)，且CATB，则C2=______.1001113．设矩阵A220，则A______.2333

1011,B14．已知矩阵方程XAB，其中A2110，则X______.

15．已知向量组1(1,2,3)T,2(2,2,2)T,3(3,2,a)T线性相关，则数a______.16．设向量组1(1,0,0)T,2(0,1,0)T，且112,22，则向量组1,2的秩为______.211101，若该方程组无解，则a 的取值为______.17．已知3元非齐次线性方程组的增广矩阵为0a1

00a10

18．已知3阶矩阵A的特征值分别为1，2，3，则|E+A|=______.19．已知向量α(3,k,2)T与β(1,1,k)T正交，则数k______.22220．已知3元二次型f(x1,x2,x3)(1a)x1正定，则数a的最大取值范围是______.x2(a3)x

3三、计算题(本大题共6小题，每小题9分，共54分)

x1111

1x11121．计算行列式D的值.11x11

111x1

2122．设矩阵A12，E为2阶单位矩阵，矩阵B满足BABE，求|B|.

x1x2a123．已知线性方程组x2x3a2

xxa133

(1)讨论常数a1,a2,a3满足什么条件时，方程组有解．

(2)当方程组有无穷多解时，求出其通解(要求用它的一个特解和导出组的基础解系表示)．

24．设向量组1(1,4,1,0)T,2(2,1,1,3)T,3(1,0,3,1)T,4(0,2,6,3)T，求该向量组的秩及一个极大无关组，并将其余向量用此极大无关组线性表示．

1250TT,B25．设矩阵A，存在，使得A151, (1,2),(1,1)124321

A22；存在1(3,1)T,2(0,1)T,使得B151,B22.试求可逆矩阵P，使得P1APB.26．已知二次型f(x1,x2,x3)2x1x22x1x32x2x3，求一正交变换xPy，将此二次型化为标准形．

四、证明题(本题6分)

27．设向量组1,2,3线性无关，且k11k22k33．证明：若k1≠0，则向量组,2,3也线性无关．

第6篇：线性代数总结

线性代数总结 [转贴 2008-05-04 13:04:49]

字号：大中小

线性代数总结

一、课程特点

特点一：知识点比较细碎。

如矩阵部分涉及到了各种类型的性质和关系，记忆量大而且容易混淆的地方较多。特点二：知识点间的联系性很强。

这种联系不仅仅是指在后面几章中用到前两章行列式和矩阵的相关知识，更重要的是在于不同章节中各种性质、定理、判定法则之间有着相互推导和前后印证的关系。复习线代时，要做到“融会贯通”。

“融会”——设法找到不同知识点之间的内在相通之处； “贯通”——掌握前后知识点之间的顺承关系。

二、行列式与矩阵

第一章《行列式》、第二章《矩阵》是线性代数中的基础章节，有必要熟练掌握。

行列式的核心内容是求行列式，包括具体行列式的计算和抽象行列式的计算，其中具体行列式的计算又有低阶和阶两种类型；主要方法是应用行列式的性质及按行列展开定理化为上下三角行列式求解。

对于抽象行列式的求值，考点不在求行列式，而在于、等的相关性质，及性质（其中为矩阵的特征值）。

矩阵部分出题很灵活，频繁出现的知识点包括矩阵运算的运算规律、、的性质、矩阵可逆的判定及求逆、矩阵的秩的性质、初等矩阵的性质等。

三、向量与线性方程组

向量与线性方程组是整个线性代数部分的核心内容。相比之下，行列式和矩阵可视作是为了讨论向量和线性方程组部分的问题而做铺垫的基础性章节；后两章特征值、特征向量、二次型的内容则相对独立，可以看作是对核心内容的扩展。

向量与线性方程组的内容联系很密切，很多知识点相互之间都有或明或暗的相关性。复习这两部分内容最有效的方法就是彻底理顺诸多知识点之间的内在联系，因为这样做首先能够保证做到真正意义上的理解，同时也是熟练掌握和灵活运用的前提。解线性方程组可以看作是出发点和目标。线性方程组（一般式）还具有两种形式：（Ⅰ）矩阵形式，其中，（Ⅱ）向量形式，其中，向量就这样被引入了。

1）齐次线性方程组与线性相关、无关的联系

齐次线性方程组可以直接看出一定有解，因为当时等式一定成立；印证了向量部分的一条性质“零向量可由任何向量线性表示”。

齐次线性方程组一定有解又可以分为两种情况：①有唯一零解；②有非零解。当齐次线性方程组有唯一零解时，是指等式中的只能全为0才能使等式成立，而当齐次线性方程组有非零解时，存在不全为0的使上式成立；但向量部分中判断向量组是否线性相关无关的定义也正是由这个等式出发的。故向量与线性方程组在此又产生了联系：齐次线性方程组是否有非零解对应于系数矩阵的列向量组是否线性相关。可以设想线性相关无关的概念就是为了更好地讨论线性方程组问题而提出的。2）齐次线性方程组的解与秩和极大无关组的联系

同样可以认为秩是为了更好地讨论线性相关和线性无关而引入的。秩的定义是“极大线性无关组中的向量个数”，向量组组成的矩阵有说明向量组的极大线性无关组中有个向量，即线性无关，也即等式只有零解。所以，经过

“秩 → 线性相关无关 → 线性方程组解的判定”的逻辑链条，由就可以判定齐次方程组只有零解。当时，的列向量组线性相关，此时齐次线性方程组有非零解，且齐次线性方程组的解向量可以通过个线性无关的解向量（基础解系）线性表示。

3）非齐次线性方程组与线性表示的联系

非齐次线性方程组是否有解对应于向量是否可由的列向量组线性表示，即使等式成立的一组数就是非齐次线性方程组的解。当非齐次线性方程组满足时，它有唯一解。这一点也正好印证了一个重要定理：“若线性无关，而线性相关，则向量可由向量组线性表示，且表示方法唯一”。性质1.对于方阵有：

方阵可逆ó

ó 的行列向量组均线性无关ó ó 可由克莱姆法则判断有唯一解，而仅有零解对于一般矩阵则有： ó 的列向量组线性无关

ó 仅有零解，有唯一解（如果有解）

性质2．齐次线性方程组是否有非零解对应于系数矩阵的列向量组是否线性相关，而非齐次线性方程组是否有解对应于是否可以由的列向量组线性表出。

以上两条性质可视为是将线性相关、行列式、秩、线性方程组几部分知识联系在一起的桥梁。

应记住的一些性质与结论 1．向量组线性相关的有关结论：

1）向量组线性相关ó向量组中至少存在一个向量可由其余个向量线性表出。2）向量组线性无关ó向量组中没有一个向量可由其余的向量线性表出。

3）若线性无关，而线性相关，则向量可由向量组线性表示，且表示法唯一。

2．向量组线性表示与等价的有关结论：

1）一个线性无关的向量组不可能由一个所含向量个数比它少的向量组线性表示。2）如果向量组可由向量组线性表示，则有

3）等价的向量组具有相同的秩，但不一定有相同个数的向量； 4）任何一个向量组都与它的极大线性无关组等价。3．常见的线性无关组：

1）齐次线性方程组的一个基础解系； 2）、这样的单位向量组； 3）不同特征值对应的特征向量。4．关于秩的一些结论： 1）； 2）； 3）； 4）；

5）若有、满足，则； 6）若是可逆矩阵则有； 7）若可逆则有； 8）。

4．线性方程组的解：

1）非齐次线性方程组有唯一解则对应齐次方程组仅有零解；

2）若有无穷多解则有非零解； 3）若有两个不同的解则有非零解；

4）若是矩阵而则一定有解，而且当时有唯一解，当时有无穷多解； 5）若则没有解或有唯一解。

四、特征值与特征向量

相对于前两章来说，本章不是线性代数这门课的理论重点，但却是一个考试重点。其原因是解决相关题目要用到线代中的大量内容——既有行列式、矩阵又有线性方程组和线性相关，“牵一发而动全身”。本章知识要点如下： 1．特征值和特征向量的定义及计算方法就是记牢一系列公式如、和。常用到下列性质：

若阶矩阵有个特征值，则有；

若矩阵有特征值，则、、、分别有特征值、、、，且对应特征向量等于所对应的特征向量； 2．相似矩阵及其性质

定义式为，此时满足、，并且、有相同的特征值。

需要区分矩阵的相似、等价与合同：矩阵与矩阵等价（）的定义式是，其中、为可逆矩阵，此时矩阵可通过初等变换化为矩阵，并有；当中的、互逆时就变成了矩阵相似（）的定义式，即有；矩阵合同的定义是，其中为可逆矩阵。

由以上定义可看出等价、合同、相似三者之间的关系：若与合同或相似则与必等价，反之不成立；合同与等价之间没有必然联系。3．矩阵可相似对角化的条件

包括两个充要条件和两个充分条件。充要条件1是阶矩阵有个线性无关的特征向量；充要条件2是的任意重特征根对应有个线性无关的特征向量；充分条件1是有个互不相同的特征值；充分条件2是为实对称矩阵。4．实对称矩阵及其相似对角化

阶实对称矩阵必可正交相似于对角阵，即有正交矩阵使得，而且正交矩阵由对应的个正交的单位特征向量组成。

可以认为讨论矩阵的相似对角化是为了方便求矩阵的幂：直接相乘来求比较困难；但如果有矩阵使得满足（对角矩阵）的话就简单多了，因为此时

而对角阵的幂就等于，代入上式即得。引入特征值和特征向量的概念是为了方便讨论矩阵的相似对角化。因为，不但判断矩阵的相似对角化时要用到特征值和特征向量，而且中的、也分别是由的特征向量和特征值决定的。

五、二次型

本章所讲的内容从根本上讲是第五章《特征值和特征向量》的一个延伸，因为化二次型为标准型的核心知识为“对于实对称矩阵存在正交矩阵使得可以相似对角化”，其过程就是上一章相似对角化在为实对称矩阵时的应用。本章知识要点如下：

1．二次型及其矩阵表示。2．用正交变换化二次型为标准型。3．正负定二次型的判断与证明。

标签: 线性代数总结

.学习线性代数总结

2009年06月14日星期日上午 11:12

学习线性代数总结

线性代数与数理统计已经学完了，但我认为我们的学习并没有因此而结束。我们应该总结一下这门课程的学习的方法，并能为我们以后的学习和工作提供方法。这门课程的学习目标：《线性代数》是物理系等专业的一门重要的基础课，其主要任务是使学生获得线性代数的基本思想方法和行列式、线性方程组、矩阵论、二次型、线性空间、线性变换等方面的系统知识，它一方面为后继课程（如离散数学、计算方法、等课程）提供一些所需的基础理论和知识；另一方面还对提高学生的思维能力，开发学生智能、加强“三基”（基础知识、基本理论、基本理论）及培养学生创造型能力，培养学生的抽象思维和逻辑推理能力等重要作用。同时随着计算机及其应用技术的飞速发展，很多实际问题得以离散化而得到定量的解决。作为离散化和数值计算理论基础的线性代数，为解决实际问题提供了强有力的数学工具。

我总结了《线性代数》的一些学习方法，可能有的同学会认为这已经为时过晚，但我不这么认为。从这门课程中，我们学会的不仅仅是线性代数的一些相关知识（行列式、线性方程组、矩阵论、二次型、线性空间、线性变换等方面的系统知识），更重要的是，从这门课程中我们应该掌握一种很重要的思想——学习如何去使用工具的方法。这个工具狭隘的讲是线性代数这门数学知识，但从广义地说：这个工具应该是生活中的一切工具（如电脑软件的学习方法、机器的操作方法、科学调查方法等）。在这门课程给我的感触就是：这门课告诉我们如何去学知识的方法。

我认为：学习任何一门知识的方法是：

一、明确我们要学习什么知识或者要掌握哪些方面的技能。

只能我们明白我们自己要学习什么之后，我们才会有动力去学习，在我们的大学里，有些同学不明白学习课本知识有何作用，认为学习与不学习没有什么区别，或者认为学习课本知识没有多大的作用，就干脆不学（当然我在这里没有贬低任何人的意思）。不过我认为学习好自己的专业的知识，掌握专业技能是每个大学生的天职。

二、知道知识是什么，了解相关知识的概念和定义。

这是学习的一切学习的基础，只有把握这个环节，我们的学习实践活动才能得以开展，知识是人类高度概括、总结的经验，不可能像平常说话那么通俗易懂。所以我们要想把知识学好，就得在概念上下功夫。例《线性代数》这门课程中的实二次型，那我们首先得非常清楚的知到，什么叫做实二次型。否则这一块的知识没有办法开展。

三、要知到我们学的知识可以用到何处，或者能帮我们解决什么问题。

其实这一点和第一点有点重复。但是对于我们的课本知识非常得有用，因为我们现在所学的课本知识。说句实在话，我们确实不知到能为我们生活中能解决什么问题，但如果我们知到它能用到何处，相信将来一定会有用。有一句话说得好，书到用时方恨少，说得是这个道理。总之，我们现在要为以后遇到问题而积累解决问题的方法，我们现在是在为以后的人生在打基础。

四、学习相关概念后，要学会如何去操作。

像《线性代数》这门课程，在这一点就体现得很突出。如在我们学习正交矩阵这个概念后，我们得要学会如何去求正交矩阵；再如，当我们认识了矩阵的对角化定义之后，我们得掌握如何去将一个矩阵对角化。其

实，就是学会如何去操作，这是我们掌握数学工具的使用方法的重要途径，所以这部分的工作是我们的学习中心和重点。只有掌握了这部分，我们才能在以后学习或者生活中遇到相似的问题，就有了这个工具去为我们解决实际的问题。

五、将所学习的知识反作用于生活（即将所学的知识用到实处）。

这才是我们学习的真正目的所在。一个人的解决问题的能力应该和他所掌握的知识成正比。学之所用才叫学到实处，才能发挥真正学习的作用。记得这个给我印象最深的是：在我们学C++编程时，有一道题是讲的是用一百元钱去买母鸡、公鸡、小鸡。母鸡5元钱一只，公鸡3元钱一只，小鸡3只一元，并且母鸡、公鸡、小鸡的总数为一百只，求有多少种可能。

这其实就是一道最简单的线性代数题了，设x代表小鸡，y代表公鸡，z代表母鸡：则根据题意有线性方程组

x3+3y+5z=100

x+y+z=100

解此线性方程组得

x=3z/4+75

y=-7z/4+25 z=z

用z作为循环变量控制，这个程序不到十行就可以编出来。这就说明学习知识总会有用的，只要我们去积累，只要我们现在把基础打牢，我相信以后解决问题的方法多了，大脑用活了，我们的竞争力就强了，自然在社会上有一席之地。

总之：我个人觉得学习知识很有用处。虽然就业压力在压着大家，大家为就业而奔波，但至少现在找工作不是我们的重点。把我们手头上的事做好才是最关键，我还是喜欢军训中我的那个“胖胖”所说的话：“一个萝卜，一个坑”，一步一个脚印，脚踏实地。相信我们80年后或90年后的一代能够担任起国家建设的重任和使命。

楼主大中小发表于 2008-10-10 23:50 只看该作者

线性代数超强总结.√ 关于：

①称为的标准基，中的自然基，单位坐标向量；

② 线性无关；

③ ； ④ ；

⑤任意一个维向量都可以用线性表示.√ 行列式的计算：

① 若都是方阵（不必同阶）,则

②上三角、下三角行列式等于主对角线上元素的乘积.③关于副对角线：

√ 逆矩阵的求法:

① ②

③

④

⑤

√ 方阵的幂的性质：

√ 设，对阶矩阵规定：为的一个多项式.√ 设的列向量为 , 的列向量为，的列向量为 , √ 用对角矩阵左乘一个矩阵,相当于用的对角线上的各元素依次乘此矩阵的行向量；用对角矩阵右乘一个矩阵,相当于用的对角线上的各元素依次乘此矩阵的列向量.√ 两个同阶对角矩阵相乘只用把对角线上的对应元素相乘，与分块对角阵相乘类似,即：

√ 矩阵方程的解法：设法化成当时，√

和同解（列向量个数相同）,则： ① 它们的极大无关组相对应,从而秩相等；

② 它们对应的部分组有一样的线性相关性；

③ 它们有相同的内在线性关系.√ 判断是的基础解系的条件：

①

线性无关；

②

是的解；

③

.①

零向量是任何向量的线性组合,零向量与任何同维实向量正交.②

单个零向量线性相关；单个非零向量线性无关.③

部分相关,整体必相关；整体无关,部分必无关.④

原向量组无关,接长向量组无关；接长向量组相关,原向量组相关.⑤

两个向量线性相关对应元素成比例；两两正交的非零向量组线性无关.⑥

向量组中任一向量

≤ ≤ 都是此向量组的线性组合.⑦

向量组线性相关向量组中至少有一个向量可由其余个向量线性表示.向量组线性无关向量组中每一个向量都不能由其余个向量线性表示.⑧

维列向量组线性相关；

维列向量组线性无关.⑨

.⑩

若线性无关，而线性相关,则可由线性表示,且表示法惟一.?

矩阵的行向量组的秩等于列向量组的秩.阶梯形矩阵的秩等于它的非零行的个数.?

矩阵的行初等变换不改变矩阵的秩,且不改变列向量间的线性关系.矩阵的列初等变换不改变矩阵的秩,且不改变行向量间的线性关系.向量组等价

和可以相互线性表示.记作：矩阵等价

经过有限次初等变换化为.记作：

矩阵与等价

作为向量组等价,即：秩相等的向量组不一定等价.矩阵与作为向量组等价

矩阵与等价.?

向量组可由向量组线性表示

≤.?

向量组可由向量组线性表示,且，则线性相关.向量组线性无关,且可由线性表示,则 ≤.向量组可由向量组线性表示,且,则两向量组等价；

任一向量组和它的极大无关组等价.?

向量组的任意两个极大无关组等价,且这两个组所含向量的个数相等.?

若两个线性无关的向量组等价,则它们包含的向量个数相等.?

若是矩阵,则 ,若，的行向量线性无关；

若，的列向量线性

无关,即：线性无关.线性方程组的矩阵式

向量

式

矩阵转置的性质：

矩阵可逆的性质：

伴随矩阵的性质：

线性方程组解的性质：

√ 设为矩阵,若 ,则 ,从而一定有解.当时,一定不是唯一解.,则该向量组线性相关.是的上限.√ 矩阵的秩的性质：

①

②

≤

③

≤

④

⑤

⑥ ≥ ⑦

≤ ⑧

⑨

⑩

且在矩阵乘法中有左消去律:

标准正交基

个维线性无关的向量,两两正交,每个向量长度为1..是单位向量

.√ 内积的性质：

① 正定性：

② 对称性：

③ 双线性：

施密特

线性无关，单位化：

正交矩阵

.√

是正交矩阵的充要条件：的个行（列）向量构成的一组标准正交基.√ 正交矩阵的性质：①；

②；

③

是正交阵,则（或）也是正交阵；

④ 两个正交阵之积仍是正交阵； ⑤ 正交阵的行列式等于1或-1.的特征矩阵

.的特征多项式

.的特征方程

.√ 上三角阵、下三角阵、对角阵的特征值就是主对角线上的各元素.√ 若 ,则为的特征值,且的基础解系即为属于的线性无关的特征向量.√

√ 若 ,则一定可分解为 =、,从而的特征值为：，.√ 若的全部特征值，是多项式,则:

①的全部特征值为；

② 当可逆时, 的全部特征值为，的全部特征值为.√

√

与相似

（为可逆阵）

记为：

√

相似于对角阵的充要条件：恰有个线性无关的特征向量.这时, 为的特征向量拼成的矩阵，为对角阵,主对角线上的元素为的特征值.√

可对角化的充要条件：

为的重数.√ 若阶矩阵有个互异的特征值,则与对角阵相似.与正交相似

（为正交矩阵）√ 相似矩阵的性质：①

若均可逆

②

③

（为整数）

④,从而有相同的特征值,但特征向量不一定相同.即: 是关于的特征向量, 是关

于的特征向量.⑤

从而同时可逆或不可逆

⑥

⑦

√ 数量矩阵只与自己相似.√ 对称矩阵的性质：

① 特征值全是实数,特征向量是实向量；

② 与对角矩阵合同；

③ 不同特征值的特征向量必定正交； ④

重特征值必定有个线性无关的特征向量；

⑤ 必可用正交矩阵相似对角化（一定有个线性无关的特征向量, 可能有重的特征值,重

数=）.可以相似对角化

与对角阵相似.记为：

（称是的相似标准型）

√ 若为可对角化矩阵,则其非零特征值的个数（重数重复计算）.√ 设为对应于的线性无关的特征向量,则有：

.√ 若 , ,则：.√ 若 ,则 ,.二次型

为对称矩阵

与合同

.记作：

（）

√ 两个矩阵合同的充分必要条件是：它们有相同的正负惯性指数.√ 两个矩阵合同的充分条件是：

√ 两个矩阵合同的必要条件是： √

经过

化为标准型.√ 二次型的标准型不是惟一的,与所作的正交变换有关,但系数不为零的个数是由

惟

一确定的.√ 当标准型中的系数为1，-1或0时,则为规范形.√ 实对称矩阵的正（负）惯性指数等于它的正（负）特征值的个数.√ 任一实对称矩阵与惟一对角阵合同.√ 用正交变换法化二次型为标准形: ①

求出的特征值、特征向量； ②

对个特征向量单位化、正交化；

③

构造（正交矩阵）, ；

④

作变换 ,新的二次型为 , 的主对角上的元素即为的特征值.正定二次型

不全为零，.正定矩阵

正定二次型对应的矩阵.√ 合同变换不改变二次型的正定性.√ 成为正定矩阵的充要条件（之一成立）：

①

正惯性指数为； ②的特征值全大于； ③的所有顺序主子式全大于； ④

合同于，即存在可逆矩阵使； ⑤

存在可逆矩阵，使

（从而）； ⑥

存在正交矩阵，使

（大于）.√ 成为正定矩阵的必要条件：；

b s

.k ao

y a n.c o m

内容相互纵横交错线性代数复习小结

概念多、定理多、符号多、运算规律多、内容相互纵横交错，知识前后紧密联系是线性代数课程的特点，故考生应充分理解概念，掌握定理的条件、结论、应用，熟悉符号意义，掌握各种运算规律、计算方法，并及时进行总结，抓联系，使学知识能融会贯通，举一反三，根据考试大纲的要求，这里再具体指出如下：

行列式的重点是计算，利用性质熟练准确的计算出行列式的值。

矩阵中除可逆阵、伴随阵、分块阵、初等阵等重要概念外，主要也是运算，其运算分两个层次，一是矩阵的符号运算，二是具体矩阵的数值运算。例如在解矩阵方程中，首先进行矩阵的符号运算，将矩阵方程化简，然后再代入数值，算出具体的结果，矩阵的求逆（包括简单的分块阵）（或抽象的，或具体的，或用定义，或是用公式 A-1= 1 A*，或 A用初等行变换），A和A*的关系，矩阵乘积的行列式，方阵的幂等也是常考的内容之一。

关于向量，证明（或判别）向量组的线性相关（无关），线性表出等问题的关键在于深刻理解线性相关（无关）的概念及几个相关定理的掌握，并要注意推证过程中逻辑的正确性及反证法的使用。

向量组的极大无关组，等价向量组，向量组及矩阵的秩的概念，以及它们相互关系也是重点内容之一。用初等行变换是求向量组的极大无关组及向量组和矩阵秩的有效方法。

在 Rn中，基、坐标、基变换公式，坐标变换公式，过渡矩阵，线性无关向量组的标准正交化公式，应该概念清楚，计算熟练，当然在计算中列出关系式后，应先化简，后代入具体的数值进行计算。

行列式、矩阵、向量、方程组是线性代数的基本内容，它们不是孤立隔裂的，而是相互渗透，紧密联系的，例如 ?OA?O≠0〈===〉A是可逆阵〈===〉r（A）=n(满秩阵)〈===〉A的列（行）向量组线性无关〈===〉AX=0唯一零解〈===〉AX=b对任何b均有（唯一）解〈===〉A=P1 P2 „PN，其中PI(I=1,2,„，N)是初等阵〈===〉r(AB)=r(B)A初等行变换

I〈===〉A的列（行）向量组是Rn的一个基〈===〉A可以是某两个基之间的过渡矩阵等等。这种相互之间的联系综合命题创造了条件，故对考生而言，应该认真总结，开拓思路，善于分析，富于联想使得对综合的，有较多弯道的试题也能顺利地到达彼岸。

关于特征值、特征向量。一是要会求特征值、特征向量，对具体给定的数值矩阵，一般用特征方程 ?OλE-A?O=0及（λE-A）ξ=0即可，抽象的由给定矩阵的特征值求其相关矩阵的特征值（的取值范围），可用定义Aξ=λξ，同时还应注意特征值和特征向量的性质及其应用，二是有关相似矩阵和相似对角化的问题，一般矩阵相似对角化的条件。实对称矩阵的相似对角化及正交变换相似于对角阵，反过来，可由A 的特征值，特征向量来确不定期A的参数或确定A，如果A是实对称阵，利用不同特征值对应的特征向量相互正交，有时还可以由已知λ1的特征向量确定出λ2（λ2≠λ1）对应的特征向量，从而确定出A。三是相似对角化以后的应用，在线性代数中至少可用来计算行列式及An.将二次型表示成矩阵形式，用矩阵的方法研究二次型的问题主要有两个：一是化二次型为标准形，这主要是正交变换法（这和实对称阵正交相似对角阵是一个问题的两种提法），在没有其他要求的情况下，用配方法得到标准形可能更方便些；二是二次型的正定性问题，对具体的数值二次型，一般可用顺序主子式是否全部大于零来判别，而抽象的由给定矩阵的正定性，证明相关矩阵的正定性时，可利用标准形，规范形，特征值等到证明，这时应熟悉二次型正定有关的充分条件和必要条件。

一、注重对基本概念的理解与把握，正确熟练运用基本方法及基本运算。

线性代数的概念很多，重要的有：

代数余子式，伴随矩阵，逆矩阵，初等变换与初等矩阵，正交变换与正交矩阵，秩(矩阵、向量组、二次型)，等价(矩阵、向量组)，线性组合与线性表出，线性相关与线性无关，极大线性无关组，基础解系与通解，解的结构与解空间，特征值与特征向量，相似与相似对角化，二次型的标准形与规范形，正定，合同变换与合同矩阵。

往年常有考生没有准确把握住概念的内涵，也没有注意相关概念之间的区别与联系，导致做题时出现错误。

例如，矩阵A＝(α1，α2，„，αm)与B＝(β1，β2„，βm)等价，意味着经过初等变换可由A得到B，要做到这一点，关键是看秩r(A)与r(B)是否相等，而向量组α1，α2，„αm与β1，β2，„βm等价，说明这两个向量组可以互相线性表出，因而它们有相同的秩，但是向量组有相同的秩时，并不能保证它们必能互相线性表现，也就得不出向量组等价的信息，因此，由向量组α1，α2，„αm与β1，β2，„βm等价，可知矩阵A＝(α1，α2，„αm)与B＝(β1，β2，„βm)等价，但矩阵A与B等价并不能保证这两个向量组等价。

又如，实对称矩阵A与B合同，即存在可逆矩阵C使CTAC＝B，要实现这一点，关键是二次型xTAx与xTBx的正、负惯性指数是否相同，而A与B相似是指有可逆矩阵P使P-1AP＝B成立，进而知A与B有相同的特征值，如果特征值相同可知正、负惯性指数相同，但正负惯性指数相同时，并不能保证特征值相同，因此，实对称矩阵A～BAB，即相似是合同的充分条件。

线性代数中运算法则多，应整理清楚不要混淆，基本运算与基本方法要过关，重要的有：

行列式(数字型、字母型)的计算，求逆矩阵，求矩阵的秩，求方阵的幂，求向量组的秩与极大线性无关组，线性相关的判定或求参数，求基础解系，求非齐次线性方程组的通解，求特征值与特征向量(定义法，特征多项式基础解系法)，判断与求相似对角矩阵，用正交变换化实对称矩阵为对角矩阵(亦即用正交变换化二次型为标准形)。

二、注重知识点的衔接与转换，知识要成网，努力提高综合分析能力。

线性代数从内容上看纵横交错，前后联系紧密，环环相扣，相互渗透，因此解题方法灵活多变，复习时应当常问自己做得对不对？再问做得好不好？只有不断地归纳总结，努力搞清内在联系，使所学知识融会贯通，接口与切入点多了，熟悉了，思路自然就开阔了。

例如：设A是m×n矩阵，B是n×s矩阵，且AB＝0，那么用分块矩阵可知B的列向量都是齐次方程组Ax＝0的解，再根据基础解系的理论以及矩阵的秩与向量组秩的关系，可以有

r(B)≤n-r(A)即r(A)＋r(B)≤n

进而可求矩阵A或B中的一些参数

再如，若A是n阶矩阵可以相似对角化，那么，用分块矩阵处理P-1AP＝∧可知A有n个线性无关的特征向量，P就是由A的线性无关的特征向量所构成，再由特征向量与基础解系间的联系可知此时若λi是ni重特征值，则齐次方程组(λiE-A)x＝0的基础解系由ni个解向量组成，进而可知秩r(λiE-A)＝n-ni，那么，如果A不能相似对角化，则A的特征值必有重根且有特征值λi使秩r(λiE-A)＜n-ni，若A是实对称矩阵，则因A必能相似对角化而知对每个特征值λi必有r(λiE-A)＝n-ni，此时还可以利用正交性通过正交矩阵来实现相似对角化。

又比如，对于n阶行列式我们知道：

若｜A｜＝0，则Ax＝0必有非零解，而Ax＝b没有惟一解(可能有无穷多解，也可能无解)，而当｜A｜≠0时，可用克莱姆法则求Ax＝b的惟一解；

可用｜A｜证明矩阵A是否可逆，并在可逆时通过伴随矩阵来求A-1；

对于n个n维向量α1，α2，„αn可以利用行列式｜A｜＝｜α1α2„αn｜是否为零来判断向量组的线性相关性；

矩阵A的秩r(A)是用A中非零子式的最高阶数来定义的，若r(A)＜r，则A中r阶子式全为0；

求矩阵A的特征值，可以通过计算行列式｜λE-A｜，若λ＝λ0是A的特征值，则行列式｜λ0E-A｜＝0；

判断二次型xTAx的正定性，可以用顺序主子式全大于零。

凡此种种，正是因为线性代数各知识点之间有着千丝万缕的联系，代数题的综合性与灵活性就较大，同学们整理时要注重串联、衔接与转换。

三、注重逻辑性与叙述表述

线性代数对于抽象性与逻辑性有较高的要求，通过证明题可以了解考生对数学主要原理、定理的理解与掌握程度，考查考生的抽象思维能力、逻辑推理能力。大家复习整理时，应当搞清公式、定理成立的条件，不能张冠李戴，同时还应注意语言的叙述表达应准确、简明。

线性代数中常见的证明题型有：

证｜A｜＝0；证向量组α1，α2，„αt的线性相关性，亦可引伸为证α1，α2„，αt是齐次方程组Ax＝0的基础解系；证秩的等式或不等式；证明矩阵的某种性质，如对称，可逆，正交，正定，可对角化，零矩阵等；证齐次方程组是否有非零解；线性方程组是否有解(亦即β能否由α1，α2„，αs线性表出)；对给出的两个方程组论证其同解性或有无公共解；证二次型的正定性，规范形等。

《线性代数》是一门研究线性问题的数学基础课，线性代数实质上是提供了自己独特的语言和方法，将那些涉及多变量的问题组织起来并进行分析研究，是将中学一元代数推广为处理

大的数组的一门代数。

线性代数有两类基本数学构件.一类是对象：数组；一类是这些对象进行的运算。在此基础之上可以对一系列涉及数组的数学模型进行探讨和研究，从而解决实际问题.既然线性代数有自己独特的内容，我们就要用适当的学习方法面对。这里给出五点建议：

一、线性代数如果注意以下几点是有益的.

由易而难线性代数常常涉及大型数组，故先将容易的问题搞明白，再解决有难度的问题，例如行列式定义，首先将3阶行列式定义理解好，自然可以推广到n阶行列式情形；

由低而高运用技巧，省时不少，无论是行列式还是矩阵，在低阶状态，找出适合的计算方法，则可自如推广运用到高阶情形；

由简而繁一些运算法则，先试用于简单情形，进而应用于复杂问题，例如，克莱姆法则，线性方程组解存在性判别，对角化问题等等；

由浅而深线性代数中一些新概念如秩，特征值特征向量，应当先理解好它们的定义，在理解基础之上，才能深刻理解它们与其他概念的联系、它们的作用，一步步达到运用自如境地。

二、注重对基本概念的理解与把握，正确熟练运用基本方法及基本运算。

1、线性代数的概念很多，重要的有：

代数余子式，伴随矩阵，逆矩阵，初等变换与初等矩阵，正交变换与正交矩阵，秩（矩阵、向量组、二次型），等价（矩阵、向量组），线性组合与线性表出，线性相关与线性无关，极大线性无关组，基础解系与通解，解的结构与解空间，特征值与特征向量，相似与相似对角化，二次型的标准形与规范形，正定，合同变换与合同矩阵。

2、线性代数中运算法则多，应整理清楚不要混淆，基本运算与基本方法要过关，重要的有：

行列式（数字型、字母型）的计算，求逆矩阵，求矩阵的秩，求方阵的幂，求向量组的秩与极大线性无关组，线性相关的判定或求参数，求基础解系，求非齐次线性方程组的通解，求特征值与特征向量（定义法，特征多项式基础解系法），判断与求相似对角矩阵，用正交变换化实对称矩阵为对角矩阵（亦即用正交变换化二次型为标准形）。

三、注重知识点的衔接与转换，知识要成网，努力提高综合分析能力。

线性代数从内容上看纵横交错，前后联系紧密，环环相扣，相互渗透，因此解题方法灵活多变，学习时应当常问自己做得对不对？再问做得好不好？只有不断地归纳总结，努力搞清内在联系，使所学知识融会贯通，接口与切入点多了，熟悉了，思路自然就开阔了。

四、注重逻辑性与叙述表述

线性代数对于抽象性与逻辑性有较高的要求，通过证明题可以了解学生对数学主要原理、定理的理解与掌握程度，考查学生的抽象思维能力、逻辑推理能力。大家学习整理时，应当搞清公式、定理成立的条件，不能张冠李戴，同时还应注意语言的叙述表达应准确、简明。

总之，数学题目千变万化，有各种延伸或变式，同学们要在学习过程中一定要认真仔细地预习和复习，华而不实靠押题碰运气是行不通的，必须要重视三基，多思多议，不断地总结经验与教训，做到融会贯通。

第7篇：线性代数发展史

线性代数发展史

线性代数是高等代数的一大分支。我们知道一次方程叫做线性方程，讨论线性方程及线性运算的代数就叫做线性代数。在线性代数中最重要的内容就是行列式和矩阵。行列式和矩阵在十九世纪受到很大的注意 , 而且写了成千篇关于这两个课题的文章。向量的概念 , 从数学的观点来看不过是有序三元数组的一个集合 , 然而它以力或速度作为直接的物理意义 , 并且数学上用它能立刻写出物理上所说的事情。向量用于梯度 , 散度 , 旋度就更有说服力。同样 , 行列式和矩阵如导数一样（虽然 dy/dx 在数学上不过是一个符号 , 表示包括△y/△x的极限的长式子 , 但导数本身是一个强有力的概念 , 能使我们直接而创造性地想象物理上发生的事情）。因此，虽然表面上看，行列式和矩阵不过是一种语言或速记，但它的大多数生动的概念能对新的思想领域提供钥匙。然而已经证明这两个概念是数学物理上高度有用的工具。

线性代数学科和矩阵理论是伴随着线性系统方程系数研究而引入和发展的。行列式的概念最早是由十七世纪日本数学家关孝和提出来的，他在 1683 年写了一部叫做《解伏题之法》的著作，意思是 “ 解行列式问题的方法 ”，书里对行列式的概念和它的展开已经有了清楚的叙述。欧洲第一个提出行列式概念的是德国的数学家，微积分学奠基人之一莱布尼兹（Leibnitz，1693 年）。1750 年克莱姆（Cramer）在他的《线性代数分析导言》（Introduction d l'analyse des lignes courbes alge'briques）中发表了求解线性系统方程的重要基本公式（既人们熟悉的 Cramer 克莱姆法则）。1764 年 , Bezout 把确定行列式每一项的符号的手续系统化了。对给定了含 n 个未知量的 n 个齐次线性方程 , Bezout 证明了系数行列式等于零是这方程组有非零解的条件。Vandermonde 是第一个对行列式理论进行系统的阐述(即把行列 ' 式理论与线性方程组求解相分离)的人。并且给出了一条法则，用二阶子式和它们的余子式来展开行列式。就对行列式本身进行研究这一点而言，他是这门理论的奠基人。Laplace 在 1772 年的论文《对积分和世界体系的探讨》中 , 证明了 Vandermonde 的一些规则 , 并推广了他的展开行列式的方法 , 用 r 行中所含的子式和它们的余子式的集合来展开行列式，这个方法现在仍然以他的名字命名。德国数学家雅可比（Jacobi）也于 1841 年总结并提出了行列式的系统理论。另一个研究行列式的是法国最伟大的数学家柯西(Cauchy)，他大大发展了行列式的理论，在行列式的记号中他把元素排成方阵并首次采用了双重足标的新记法，与此同时发现两行列式相乘的公式及改进并证明了 laplace 的展开定理。相对而言，最早利用矩阵概念的是拉格朗日（Lagrange）在 1700 年后的双线性型工作中体现的。拉格朗日期望了解多元函数的最大、最小值问题，其方法就是人们知道的拉格朗日迭代法。为了完成这些，他首先需要一阶偏导数为 0，另外还要有二阶偏导数矩阵的条件。这个条件就是今天所谓的正、负的定义。尽管拉格朗日没有明确地提出利用矩阵。

高斯（Gau）大约在 1800 年提出了高斯消元法并用它解决了天体计算和后来的地球表面测量计算中的最小二乘法问题。（这种涉及测量、求取地球形状或当地精确位置的应用数学分支称为测地学。）虽然高斯由于这个技术成功地消去了线性方程的变量而出名，但早在几世纪中国人的手稿中就出现了解释如何运用“高斯”消去的方法求解带有三个未知量的三方程系统。在当时的几年里，高斯消去法一直被认为是测地学发展的一部分，而不是数学。而高斯约当”消去法中的约当。

矩阵代数的丰富发展，人们需要有合适的符号和合适的矩阵乘法定义。二者要在大约同一时间和同一地点相遇。1848 年英格兰的 J.J.Sylvester 首先提出了矩阵这个词，它来源于拉丁语，代表一排数。1855 年矩阵代数得到了 Arthur Cayley 的工作培育。Cayley 研究了线性变换的组成并提出了矩阵乘法的定义，使得复合变换 ST 的系数矩阵变为矩阵 S 和矩阵 T 的乘积。他还进一步研究了那些包括矩阵逆在内的代数问题。著名的 Cayley-Hamilton 理论即断言一个矩阵的平方就是它的特征多项式的根，就是由 Cayley 在 1858 年在他的矩阵理论文集中提出的。利用单一的字母 A 来表示矩阵是对矩阵代数发展至关重要的。在发展的早期公式 det(AB)= det(A)det(B)为矩阵代数和行列式间提供了一种联系。数学家 Cauchy 首先给出了特征方程的术语，并证明了阶数超过 3 的矩阵有特征值及任意阶实对称行列式都有实特征值；给出了相似矩阵的概念，并证明了相似矩阵有相同的特征值；研究了代换理论，数学家试图研究向量代数，但在任意维数中并没有两个向量乘积的自然定义。第一个涉及一个不可交换向量积（既 v x w 不等于 w x v）的向量代数是由 Hermann Gramann 在他的《线性扩张论》（Die lineale Ausdehnungslehre）一书中提出的。(1844)。他的观点还被引入一个列矩阵和一个行矩阵的乘积中，结果就是现在称之为秩数为 1 的矩阵，或简单矩阵。在 19 世纪末美国数学物理学家 Willard Gibbs 发表了关于《向量分析基础》(Elements of Vector Analysis)的著名论述。其后物理学家 P.A.M.Dirac 提出了行向量和列向量的乘积为标量。我们习惯的列矩阵和向量都是在 20 世纪由物理学家给出的。

矩阵的发展是与线性变换密切相连的。到 19 世纪它还仅占线性变换理论形成中有限的空间。现代向量空间的定义是由 Peano 于 1888 年提出的。二次世界大战后随着现代数字计算机的发展，矩阵又有了新的含义，特别是在矩阵的数值分析等方面。由于计算机的飞速发展和广泛应用，许多实际问题可以通过离散化的数值计算得到定量的解决。于是作为处理离散问题的线性代数，成为从事科学研究和工程设计的科技人员必备的数学基础。

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档