线性代数总复习(两讲).ppt

一、向量组的线性相关性主要知识网络图 向 量 组 的 线 性 相 关 性 n 维 向 量 运算 线性表示 概念 判定 线性无关 概念 判定 线性相关 概念 判定 充要条件 充分条件 充要条件 充分条件 极大无关组 概念 求法 数 组 向 量 空 间 概念 数组向量空间的基和维数 必要条件 线 性 方 程 组 Ax = 0 初 等 行变换 阶 梯 形 有解判定 总 有 解 R(A)≠R(B)无解 R(A)=R(B)有解 R(A)=n仅有零解 R(A)n有非零解 解 的 结 构 基 础 解 系 Ax = b 二、重要定理 1、线性无关 （1）一个向量线性无关的充分必要条件是它不是零向量。 （2）两个向量线性无关的充分必要条件是它们 对应的分量不成比例。 （3）n 个 n 维向量线性无关的充分必要条件是 它们所构成n阶行列式不为零。 （4）若整组向量线性无关，则它的任何部分组 都线性无关。 （5）若r 维的向量组线性无关，则在每个向量 的后边都添上一个分量而得的向量组仍线性无关。 2、线性相关 （1）一个向量线性相关的充分必要条件是它是零向量。 （2）两个向量线性相关的充分必要条件是它们对应的分量成比例。 （3）n 个n 维向量线性相关的充分必要条件是它们构成的行列式等于零。 （4）向量组α1,α2,…,αm 线性相关的充分必要条件是该向量组中至少有一个向量能由其余的m－1个向量线性表示。 （5）若向量组α1,α2,…,αr 线性相关,则向量组 a1,α2,…,αr ,αr+1,…,αm 仍线性相关。 （6）m个n维向量（mn）, 必线性相关。 3、线性相关性与线性表示 （1）向量组α1,α2,…,αm 线性相关的充分必要条件是它所构成的矩阵 A = (α1,α2,…,αm)的秩小于向量的个数m,或A x=0有非零解;向量组线性无关的充分必要条件是R(A) = m 或A x=0只有零解。 （2）若向量组α1,α2,…,αm 线性无关,而向量组 β ,α1,α2,…,αm 线性相关,则β能由α1,α2,…,αm 线性表示，且表示法是惟一的。 （3）向量β 能由向量组α1,α2,…,αm 线性表示的充分必要条件是矩阵A = (α1,α2,…,αm )的秩等于矩阵B=(α1,α2,…,αm ,β )的秩。 4、向量组的秩 （1）矩阵的秩等于它的列向量组的秩(列秩),也等于它的行向量组的秩(行秩)。 （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。 （3）等价的向量组的秩相同。 5、解空间 （1）n元齐次线性方程组Am×n x = 0 的全体解 所构成的集合S是一个向量空间,当系数矩阵的 秩 R(Am×n ) = r 时 ,解空间S的维数为n－r。 三、重要公式 1、向量组相关性证明 （1）公式 λ1α1 + λ2α2 + … + λmαm = 0, （2）方法 ① 定义法；② 反证法；③ 用等价说法。 2、求向量组的秩及其极大无关组 （1）若求向量组的秩和向量组的极大无关组,将其向量组写成矩阵的形式，行向量组作初等列变换；列向量组作初等行变换，使之变成阶梯形矩阵，非零的列（行）的数即是向量组的秩，而非零的列（行）的非零首元所在的行（列）向量组即是该向量组的一个极大无关组。 四、典型例题 2、验证一组向量是某向量空间的基，把空间中的某个向量用该组基线性表示。 1、求向量组的秩和其极大无关组, 把不是无关组的向量用极大无关组线性表示。 相似矩阵及二次型 特征值的问题在代数学中占有十分重要的位置。用它可以讨论方阵相似对角化。进而将二次型化成标准形。 理解矩阵的特征值和特征向量的概念及性质，会求矩 阵的特征值和特征向量。理解相似矩阵的概念、性质及矩 阵可相似对角化的充分必要条件。掌握将矩阵化为相似对 角矩阵的方法。了解实对称矩阵的特征值和特征向量的性 质。掌握二次型及其矩阵表示，了解二次型秩的概念，了 解合同变换和合同矩阵的概念，了解二次型的标准形、规 范形的概念以及惯性定理。掌握用正交变换化二次型为标 准的方法，会用配方法化二次型为标准形。了解正定二次 型和所对应的正定矩阵的性质及判别法。 相似矩阵及二次型 向量的内积 特征值与特征向量 二次型 一、主要知识网络图 向量的内积 定义：(x,y)=∑xiyi 性质 范数: ||x||= 正交: (x,y)=0 1. (x,y) = (y,x) 2. ?(x,y