线性代数有什么学习技巧吗?
1个回答
推荐于2019-10-23 · 知道合伙人人力资源行家
518姚峰峰
知道合伙人人力资源行家
向TA提问 私信TA
知道合伙人人力资源行家
采纳数:50865
获赞数:564237
大学班长,中共党员。一次性通过英语四六级及计算机二级,现任公司综合办主任。为百度金榜题名时团队团长。
向TA提问 私信TA
关注
展开全部
一、线性代数(Linear Algebra)是数学的一个分支,它的研究对象是向量,向量空间(或称线性空间),线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题;因而,线性代数被广泛地应用于抽象代数和泛函分析中;通过解析几何,线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型,使得线性代数被广泛地应用于自然科学和社会科学中。线性代数是理工类、经管类数学课程的重要内容。在考研中的比重一般占到22%左右。
二、技巧及方法
1、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~BAB,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)。
2、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。
3、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。
二、技巧及方法
1、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~BAB,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)。
2、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。
3、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。
上海华然企业咨询
2024-10-28 广告
2024-10-28 广告
作为上海华然企业咨询有限公司的一员,我们深知大模型测试对于企业数字化转型与智能决策的重要性。在应对此类测试时,我们注重数据的精准性、算法的先进性及模型的适用性,确保大模型能够精准捕捉市场动态,高效分析企业数据,为管理层提供科学、前瞻的决策支...
点击进入详情页
本回答由上海华然企业咨询提供
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询