定义1设a1,a2,…,am,β是一组n维 向量,若存在m个实数k1,k2,…km使得 β=ka1+k2a2++kmam,则称β可以 由a1,a2,…,an线性表示( linear representation).或称a1,a2,…,an线性 表示(linear generate) 例如:a1=(1,2,0)T,a2=(1,0,3)T,a3= (3,4,3)T,则a3=2a1+a2,即存在实数k =2,k2=1使得a3=ka1+k2a2,故a3可以 由a1,a2线性表示。(大家想一想,这里的常 数k1=2,k2=1是怎么求出来的?)

行向量组a1=(a1,a2…,am),i=1,2,…,m可以构成矩阵称矩阵A是由向量组α1,Q2,…,αm所构成的矩阵,而向量组α1,α2,…,αm称为矩阵A的行向量组

定义1n个有顺序的数a1,a2,an所组成的有序数 组 a= (a a2,,) 称为n维向量。数a,a2,…,an叫做向量a的分量,a 称为向量a的第i个分量。若一个向量的分量都为实 数,则称此向量为实向量;若向量的分量为复数, 则称此向量为复向量。本章只讨论实向量。一般我 们用小写黑体字母a,,或带箭头的小写字 母 a表示向量

定理1(1)若矩阵A经过有限次初等行变 换变成B,则A的行向量组与B的行向量组等价; 而A的任意k个列向量与B中对应的k个列向量 有相同的线性相关性。 (2)若矩阵A经过有限次初等列变换变 成B,则A的列向量组与B的列向量组等价;而 A的任意k个行向量与B中对应的k个行向量有 相同的线性相关性

冷矩阵的秩( Rank of a matrix) 定义1在mxn矩阵A中,任取k行k列(k≤m,k ≤n),位于这些行列交叉处的k2个元素,不 改变它们在A中所处的位置次序而得的k阶行列 式,称为矩阵A的k阶子式。 定义2如果矩阵A有一个不等于零的阶子式D, 并且所有的r+1阶子式(如果有的话)全为零 则称D为矩阵A的最高阶非零子式,称r为矩阵 A的秩,记为R(A)=r,并规定零矩阵的秩等 于零

一、逆矩阵的定义 定义对于n阶方阵A,如果有一个n阶方阵B,使 得 AB=BA=E. 则称矩阵A是可逆的,并把方阵B称为A的 逆阵(inverse matrix)

例3设n阶方阵A的伴随矩阵为A*,证明: (1)若A=0,则A=0 (2)a=ain-1 证明:由伴随矩阵的定义显然有 AA*=AA=AIEn, 两边取行列式即得 JAllAdet()=a, 故当A不等于0时,(2)是显然的。而 只要我们证明了(1),则(2)对于A|=0 的矩阵A也是成立的。下面我们证明(1)

在理论研究及一些实际问题中,经常遇到阶数 很高或结构特殊的矩阵。对于这些矩阵,在运 算时常常采用分块法,使大矩阵的运算化成小 矩阵的运算。我们将矩阵A用若干条纵线和横 线分成许多个小矩阵,每一个小矩阵称为A的 子块,以子块为元素的形式上的矩阵称为分块 矩阵

称为m行n列矩阵,简称为mxn矩阵。这mxn个 数称为矩阵A的元素,a叫做矩阵A的第行第列 元素。元素是实数的矩阵叫做实矩阵,元素是复 数的矩阵叫做复矩阵。 本教程中的矩阵除特别说明外,都指实矩阵。 通常用大写的拉丁字母A、B、C等表示矩阵。有 时为了指明矩阵的第行第列元素为a,可将A记 作A=(a)mn或A=(an),也可将m×n矩阵A记为 mxn° 当A的行数与列数相等时,称A为n阶方阵 或n阶矩阵。显然,一阶矩阵就是一个数

从行列式的定义我们可以看出,要利用 行列式的定义来计算行列式的值是比较麻烦 的,因为它要涉及到n项的和,而且每一项 均为n个因子相乘。本节我们将讲述行列式的 些基本性质,以后我们计算行列式的值主 要是采用本节的性质将行列式化为上三角形 式或下三角形式,然后利用第二节的例2的到 行列式的值