一、定义:n个有次序的数a1,a2,…,an所组成的数组称为n维向 量,这n个数称为该向量的n个分量,第i个数a称为第i 个分量

• 等价向量组 • 最大线性无关组 • 向量组的秩 • 等价向量组的秩 • 求最大线性无关组的初等变换法 • 小结

一、最大线性无关向量组 二、矩阵与向量组秩的关系 三、向量组秩的重要结论 四、小结思考题

一、最大线性无关向量组 二、矩阵与向量组秩的关系 三、向量组秩的重要结论 四、小结思考题

• 1.1 概述 • 1.2 二、三元线性方程组解的几何意义 • 1.3 高斯消元法与阶梯形方程组 • 1.4 矩阵及矩阵的初等变换 • 1.5 行阶梯形矩阵的用途 • 1.6 应用实例

6.1 n维空间的线性变换 6.2 方阵的特征值和特征向量 6.3 相似矩阵与矩阵的对角化 6.4 实对称矩阵的对角化 6.5 二次型及其标准形 6.6 奇异值分解简介 6.7 应用实例 6.8 习题

基变换与坐标变换 设向量空间的基①a1,,a,;基②1,…, 基变换:B,可由a1,…,a,唯一的线性表示,所以有 1=c1a1+c2a2+…+

1.1 概述 1.2 二元和三元线性方程组解的几何意义 1.3 高斯消元法与阶梯形方程组 1.4 矩阵及矩阵的初等变换 1.5 行阶梯矩阵的生成规则和程序化 1.6 应用实例 1.7 习题

线性方程组就是一次方程组。 先来分析中学数学怎样解二元一次方程组。看它的原理和方法是否可以推广到一般的多元一次 方程组

向量空间 (Vector Space) 向量空间的基本概念 子空间 相关性、基和维度 (Independence, Basis and Dimension) 线性相关性 向量空间的基和维度 矩阵的列秩与行秩 (Column Rank and Row Rank of Matrices) 列空间的秩与行空间的秩 通过 Gauss−Jordan 消元法来求 A−1 解线性方程组 (II)(Solving Linear Equations(II)) 矩阵的秩 Ax = 0 的解 Ax = b 的解