线性代数解题基本规律和方法.pdf

线性代数解题基本规律和方法 　 线性代数是一门重要的基础理论课，作者在多年线性代数的教学中，发现初 学者普遍感觉棘手的是求解线性代数的习题。因此，如何求解线性代数中繁难众 多的题目是初学者逼切需要解决的问题。由于线性代数偏重于抽象思维和逻辑思 维，理论性题目层出不穷，使得求解线性代数题目的方法也各具特色，不再仅仅 是遵循“从结论入手进行思考”的简单解题规律了。尽管求解不同类型的题目， 可能会用不同的方法，但目前普遍认为最基本的方法还是应该从结论上溯到条 T T 件。我们欲证明命题“ ”，可先证明另一个与该命题等价的命题“ ”，要证命 1 T T 题“ ”，又可先证另一个等价的命题“ ”，如此下去，最后引出的命题将是一 1 2 个容易证明且与原命题等价的命题。这是一种“连续化显”的思维过程，以它为 核心，可形成一套求解线性代数题目的基本规律。本章正是想通过介绍求解线性 代数题目的一些基本规律和方法，提高读者的解题能力。以下分三个方面来谈。 　 第一节、解题的基本规律　 在本节中，通过几个实例来分析求解线性代数题目特殊的思维过程，得出相 应的解题规律。 例1 若A 是一个n×k 矩阵，B 是一个k×n 矩阵，又知AB=O，证明： 　　 秩(A)+秩(B)≤k (6-1)　　 证 在证该题时，假定读者这样来思考：要证结论（6-1)式成立，能否先证 一个与(6-1)式等价的结论呢?例如 0≤k-(秩(A)+秩(B))。但是我们发现问题仍 无法求解，原因在于(6-1)式提供的信息太少，它没有足够多的特征使我们去确 定另一个与之等价的过渡性结论。反之，原题的条件AB=O 提供的信息相当丰富， 它不仅看作两矩阵之积为O，而且更重要的是，如果把它与齐次线性方程组AX=O 联系起来的话，有关齐次线性方程组的结论就可以用于该题目中，矩阵B 的列向 量可视为方程组AX=O 的解。进一步，我们把方程组AX=O 解空间的维数(k-秩(A)) 与矩阵B 的列向量组的秩(也是B 的秩)联系起来，原问题的条件化为另一个更接 近结论的条件：B 的向量全是方程组AX=O 的解，但AX=O 解空间的维数已知是(k- 秩(A))　从而原问题转化为在新条件下证明(6-1)式成立的新命题(过渡性命 题)，该新命题是显然成立的，即秩(B)≤k-秩(A)。 　证毕.　 在求解线性代数证明类题目时，思维过程常常应该是从条件和结论中挑选具 有更多特征或提供更多信息的式子，通过一系列过渡性命题，最后转化为易于证 明且与原命题等价的命题。本例是从原条件出发，一步步地转化为与结论更接近 的过渡性条件，最后得到的条件与结论已发生直接的联系。我们称这种思维方式 为“变形顺推”的思维方式。由此得出这样一条规律：当条件的特征或信息量优 于结论时，往往应使用顺推的思维方式。　 例2 设A 是正交矩阵，且｜A ｜=-1，证明｜A+E ｜=0 　　 证 此例与前例的不同之点是条件和结论都含有较多的信息。例如条件中A 是正交矩阵，隐含了A−1 AT ，于是 1 淘花/文库专用 AT A(E +A−1) 0 ｜A+E ｜= ｜ +E ｜成立。结论｜A+E ｜=0 可转化为 或 A ⋅E +A−1 0 。因此欲证本题，只需证明｜A+E