1 / 12
文档名称:

线性代数课后习题复习指导.doc

格式:doc   页数:12页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

线性代数课后习题复习指导.doc

上传人:tswng35 2016/3/12 文件大小:0 KB

下载得到文件列表

线性代数课后习题复习指导.doc

相关文档

文档介绍

文档介绍:.页眉. .页脚. 举得起放得下叫举重,举得起放不下叫负重。头要有勇气, 抬头要有底气。学****要加,骄傲要减,机会要乘,懒惰要除。人生三难题:思,相思,单相思。同济五版《线性代数****题解读(一) 1、利用对角线法则计算行列式, 可以通过几道小题熟悉一下把行列式化成上(下) 三角的过程,基本题。 2、3 题涉及排列以及行列式的展开准则,不是太重要,了解即可。 4、5、6 题是一些计算行列式的练****不同特点的行列式通常有不同的方法,常见的就是化为上(下)三角,按行(列)展开,某一行(列)是和的形式可进行拆分,基本题,要通过这些练****来熟练行列式的运算这一块。 5 题虽然是以方程形式给出,但考察点还是计算。 7、行列式性质的应用, 比较重要的题型, 重在对思维的训练, 而且该题的结论很常用, 最好掌握。 8 、一些难度较高的行列式的计算题,涉及到不少技巧,而这些技巧通常初学者是想不到的, 这时候可以看看答案,体会一下答案的做法,对这块内容的要求和不定积分是类似的。 9、设计巧妙的题目, 隐含考点是行列式按行展开的性质: 若是相同行(列) 的元素和代数余子式对应相乘求和,结果是行列式的值;若是不同行(列)的元素和代数余子式对应相乘求和,结果为 0 。注意此题要求的结果是第三行的代数余子式的某种组合,而根据代数余子式的定义可知,这与题给的行列式中的第三行的元素是无关的,那就可以根据需要把第三行的元素替换为前面要求的式子中的那些系数,这样问题就简化为求一个新的行列式,而无需烦琐的进行四次求代数余子式的运算。此题技巧性较强,但这个构思方法值得掌握。 10 、克兰姆法则的应用,归根结底还是计算行列式。 11、 12 题是通过行列式来判断齐次方程组的解的情况, 基本题, 在已经复****完一遍线代后也可以用其它方法(化阶梯行、求秩)来做。总的来说,第一章的****题大都非常基本,集中于计算层面的考察,没有理解上的难度。同济五版《线性代数****题解读(二) 1 、矩阵乘法的基本练****简单题,但计算很容易出错,不可轻视,(5 )小题实际上就是第五章要接触的二次型。 2 、直接考察矩阵相关运算,基本题。 3、矩阵的乘法实际上是表示一个线性变换, 题目给出了从 y到x 的变换, 还给出了从 z到y 的变换,要求 z到x 的变换。既然一个矩阵可以表示一个线性变换,两个矩阵的乘积即可理解为两个变换的叠加,这也是提供了一个侧面去理解矩阵相乘的意义。.页眉. .页脚. 4、5 题实际上都是通过一些具体的例子来加深对矩阵运算的理解,比如矩阵乘法不能交换、不能像数乘那样约去因子,等等,这些例子是比较重要的,因为有时能在考场上派上用场, 需要熟悉。 6、7 题是求矩阵乘方的题目, 基本题, 但要注意些适当的技巧, 比如拆成两个特殊矩阵的和, 能简化运算。 8、9 是关于对称阵概念的考查, 不难但重要, 因为这类题即是线代里证明题的代表: 几乎都要从定义出发证明。所以从这两道题得到的启发是要把线代上的每个知识点都抠得足够细, 了然于心。 10、 11、 12 都是矩阵求逆的计算题,只不过表达方式不同, 10 题是直接提出要求, 11 题是以矩阵方程的形式来暗示求逆, 12 题则从线性方程组的角度来暗示求逆。求逆是错误率很高的一类题目,所以需要重点练****13 、和 3 题类似,矩阵的乘法实际上是表示一个线性变换,题目给出了从 y到x 的变换——可以用一个矩阵表示,反过来求 x到y 的变换,求逆阵即可。此题的另外一个暗示:要能够熟练的掌握从方程组到矩阵的写法, 即矩阵方程 x=Ay 代表一个线性方程组, 或者说一个线性变换,对这两种写法都要能够看到一个马上反应到另一个。 14 、考察矩阵和其逆阵、伴随阵的关系,同时把行列式加进来,综合性较强的重要题型。 15、 16 解简单的矩阵方程,注意先对已知等式做一些适当的变形,基本题。 14、 15 证明矩阵可逆,从定义出发即可,注意从题目中体会思路。 16 、考察矩阵和其逆阵、伴随阵的关系,同时把行列式加进来,综合性较强的重要题型。 17、 18 稍微复杂一些的矩阵方程, 因为其中涉及到伴随阵, 但也不难, 利用好伴随阵和逆阵的关系即可简化,此二题的难度接近考研中的填空题。 19、 20 是矩阵的乘方( 多项式实质也是乘方) 运算, 在复****完一遍线代后再看发现这其实就是特征值特征向量(对角化)的一个应用,实际上特征值问题本来就可以理解为是为了寻找矩阵乘方运算的捷径而发展起来的,只不过后来发现特征值还有许多其它很好的用处。 21、 22 证明矩阵可逆, 从可逆的定义出发即可, 即若能找到某一矩阵与已知矩阵的乘积为单位阵,那么已知矩阵肯定可逆,注意从这两道题目中体会这种常用的思路。 23、 24 题本身的证明是从定