线代复习概念篇.docVIP

《线性代数》复习 学习目标： 对全学期课程作一个框架式总结； .概述主要的基本概念、理论要点和算法要求； 学习要求：“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。 §1 整体框架：五个模块――“三大工具、两大问题”。 “三大工具”：行列式（运算工具）、矩阵（运算工具）、向量空间（思维工具）； “两大问题”：多元一次问题（线性方程组）、多元二次问题（二次型）。 模块结构图及主要内容关系框图大致如下： 第一阶段 第二阶段 §2.两个阶段： 第一阶段：行列式（Ch.1）→ 矩阵（一）（运算、初等变换、秩）（Ch.2 Ch.3）→ 向量空间（－）（线性相关性、秩）（Ch.）→ 线性方程组（Ch.3Ch.4）；解决一次问题； 第二阶段：向量空间（二）（空间结构（基，维）、基本度量、正交阵）（Ch.4Ch.5）→ 矩阵（二（特征值、矩 阵变换、对角化）（Ch.5）→ 二次型（Ch.5）；解决二次问题。 §3 一条主线：矩阵 就期末考试而言，应抓住矩阵作为主线，把握主要的概念、理论和算法；空间为体，矩阵为用, 一、 矩阵的基本算法： 1. 代数运算：六种代数运算（加法、数乘、乘法、求逆、转置、行列式）必须熟练掌握（可运算的条件、运算法则、运算律、一些须注意之 点）； 2. 分块：一些常用分块法、分块形式下的运算； 3. 初等变换：一定要学会化行阶梯形、最简形；会用来解方程组； 4. 特征值和特征向量，也应熟练掌握其完整的算法 二、矩阵的秩：先用“回溯法”把主要概念串起来： 矩阵的秩 ← 向量组的秩 ← 最大无关组 ← 线性相关与线性无关 ← 线性组合与线性表示 ← 向量及其线性运算， 这是一条逻辑主线，然后在各部分挂上主要的定理和方法，整个第四章的内容就基本囊括了，且能使众多概念、定理、算法井然有序； 三、矩阵变换：第二阶段，在初等变换的基础上再前进一步： 1. 相似变换与对角化：主要性质、可对角化的条件、实施过程（算法）、应用（矩阵的高次幂）； 2. 合同变换：要求相对低一些，知道概念和性质即可，算法不要求； 3. 正交变换： （1）先用回溯法理顺概念： 正交变换 ← 正交阵 ← 正交（规范）基 ← 正交（规范）组 ← 正交、规范 ← 夹角、范数← 内积； （2）再回顾正交阵的主要性质，特别是 A?1 = AΤ ，便可与相似变换、合同变换挂钩； （3）应用：实对称阵的对角化（→ 二次型的标准化）。 注意：比较不同变换的条件、性质、变换过程（算法）、应用范畴、相互关系，在比较中把握。 §4 等价描述与联系：（阶段一：矩阵、行列式、向量与方程组） 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。 （1）几个等价描述 1.方程组的定义：由个未知数个方程的方程组构成元线性方程： ①、的两种定义形式，矩阵形式②和向量形式③： ②、（为矩阵，个方程，个未知数） ③、，其中 即列向量形式 秩的定义 ①矩阵秩的定义：矩阵中最高阶非零子式的阶数=阶梯型非零行的行数=阶梯型主元列的列数 ②向量组秩定义：向量组的最大线性无关组中所含的向量个数=阶梯型主元列的列数=矩阵的秩 3.线性方程组与线性表示、相关、无关、最大无关组、秩的联系 ①线性相关 存在一组不全为0的数，使得成立；（定义,向量形式） 有非零解，即有非零解；(矩阵方程组形式) ，系数矩阵的秩小于未知数(向量)的个数；(矩阵形式) ( , 行列式形式) ②线性无关 当且仅当全为0的数，使得成立；(定义,向量形式）） 有唯一零解，即有唯一零解；(矩阵方程组形式) ，系数矩阵的秩等于未知数(向量)的个数；(矩阵形式) ( , 行列式形式) (非齐次线性方程与组线性表出的联系 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 (定义,向量形式）） 非齐次线性方程组有解。(矩阵方程组形式) (矩阵形式) 当 时,有无穷多个解,线性表出形式不唯一 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 非齐次