关于线性代数与空间解析几何课程教学的几点思考课件

1、关于线性代数与空间解析几何课程教学的几点思考游宏哈尔滨工业大学（2006年7月22日于吉林大学）一、课程的历史沿革与现状 二十世纪五、六十年代，我国工科数学基础课程统称为高等数学，以微积分教学为主，线性代数在高等数学的教学中仅占一小部分。当时仅介绍行列式与线性方程组求解；解析几何内容则相对丰富，几何向量、空间直线与平面、极坐标、二次曲面等通常放在微积分前讲授。 文革后，由于科学技术，特别是计算机与信息科学技术的发展，我国高等数学教学的理念逐渐发生了变化。从七十年代末、八十年代初开始，一些大学的工科数学教学增添了线性代数的教学内容。但初期的做法，是把线性代数放在工程数学中讲授的。 大约在八十年代

2、中后期，一些大学把线性代数独立出来，成为工科数学基础课的一门独立课程。一、课程的历史沿革与现状 进入二十世纪九十年代，在多数重点大学中，线性代数成为工科数学教学的三门主要课程之一。 九十年代中后期，一些大学又将空间解析几何内容从微积分教学中剥离出来，与线性代数融汇在一起，组成线性代数与空间解析几何课程，目前已有越来越多的大学实践这一做法。 近三十年来，线性代数课程教学发生了两次较大的改革。 但是，该课程的教学在各大专院校中是不平衡的，重视程度差异较大。以教学时数来看：少则1624学时（不含解析几何），多则6090学时（含解析几何），解析几何部分一般为1420学时。二、教学基本要求 二十世纪九十

3、年代初，教育部高等教育司委托当时的教学指导委员会对高等学校基础课程教学基本要求作了修订，修订文件于1995下发（以下简称95年修订稿）。 95年修订稿中将线性代数作为高等学校工科数学教学的主要课程，明确了该课程的基本内涵，包括六个教学主要内容（对多数工科专业而言）。 从2003年开始，教学指导委员会受教育部高教司委托又对1995年教学基本要求的修订稿再次修订，线性代数与空间解析几何在此次修订中是作为一门课程写入教学基本要求中，但并不要求所有学校都将线性代数和空间解析几何融汇为一门课程，各校可以有自己的独立性。二、教学基本要求 空间解析几何部分与1995年的修订稿相比，基本没有变动，仅增加了一条

4、带“*”号的条目：了解二次曲面的分类。 带“*”号的条目是为有需要或有条件的学校或专业选用的。 线性代数部分变动较多一些，行列式、矩阵、线性方程组的有关要求变动不大，只是将过去对某些知识仅要求“了解”、“会”提升为“理解”与“掌握”。 n维向量与向量空间部分有四处变化： （a）将内积概念，施密特标准正交化方法从95年修订稿中的矩阵的特征值与特征向量部分移至向量空间部分; （b）增添了“了解线性变换的概念及其矩阵表示”的条目；（c）增添了带“*”号的条目“了解基变换公式和坐标变换公式，会求过渡矩阵”;（d）对会求向量组的极大线性无关组及秩提出了要求。 矩阵的特征值与特征向量部分的改动不大，只是一

5、部分内容移至向量空间部分。 实二次型部分，增添的内容有两处： (a) 了解合同变换与合同矩阵的概念； (b) 了解惯性定理（对定理证明不作要求）和实二次型的规范形。 基本要求并不是法典，仅对大学的工科数学教学起指导作用，在一定意义上讲，“要求”可以说是最低要求，基本要求不应订得过高，应具有普适性，时代性与指导性。三、教学内容的组合 国内外教材的比较 由于国内、国外有关的教材很多，不易作全面的比较，只能将常见的国内、外（主要是美国的）教材作一下比较。 国内教材较多见的内容安排为： 行列式矩阵n维向量及向量空间线性方程组 特征值与特征向量（相似、对角化) 二次型（1）。 如把空间解析几何内容加入的

6、话，则在矩阵后介绍几何向量（包括内积、叉积、混合积、直线、平面方程等）二次型后讲授空间曲面。 有的教材还含线性变换的内容，一般放在向量空间后或二次型后。 见到的一些美国教材内容安排如下： 线性方程组与矩阵实向量空间n维向量与向量空间线性变换（与矩阵） 特征值与特征向量行列式实二次型一些应用 （2） 美国的大学对一、二年级学生不分专业（通才教育）。总的讲，他们用于一、二年级大学生的线性代数教材比我们的要浅，线性方程组的内容中不讲AX=0的解空间与基础解系，但比较注重计算，有的还提供算法，计算程序等。 国内目前也出现少数教材，在内容安排上先介绍一点线性方程组的解法，即： 线性方程组的消元法矩阵行列

7、式（含矩阵的秩、逆阵等） n维向量与方程组的解的结构特征值与特征向量（相似、对角化) 二次型 （3）三、教学内容的组合一点看法： 上面列出的三种内容组合方法各有特色（1）是比较传统的内容安排方法 优点：基本概念与工具预先交待，为后续内容作了铺垫，如先讲了行列式，可定义矩阵的秩，介绍可逆矩阵的逆矩阵的一种求法及某些性质，特殊线性方程组的解法（Cramer法则），为向量组线性相关性的判定提供了某些方法，有利于定义矩阵的特征多项式等。 不足：初学者对行列式定义不大好理解，概念性较强，不很自然。另外，对初学者来讲，在学习的初始阶段，没有接触线性代数的核心内容。（2）的内容安排比较适合于一般大学 优点：

8、始终围绕线性代数的核心内容，学习比较自然，例子、算法、应用较多，利于工科专业学生的学习。 不足之处是内容浅了一点，某些部分低于教学基本要求。（3）的内容安排比较好一些 线性代数中许多概念的引入都与线性方程组有关，如初等变换的背景是线性方程的消元法，因而先介绍一点有关线性方程组的知识有利于矩阵、向量组的相关性、及行列式概念的引入与理解。而矩阵的概念、运算及一些性质在行列式前讲授，可较好地反映出行列式是n阶方阵集合到其所在数域上的映射的本质。 当然上述这些内容都是互相交错的，我中有你，你中有我，很难说清哪一种组合方式最好，可依据情况而定。四、线性代数的主线与核心 线性代数起源之一是解线性方程组。线

9、性方程组几乎是作为一条主线贯穿于线性代数，即使是解析几何，直线、平面方程都是线性的，平面位置关系的确定也与线性方程组解的结构理论相关。至于代数，几乎所有内容都与线性方程组相关，如：（1）向量组的线性相关性 从解线性方程组的角度看，背景是去掉多余的方程。（2）矩阵 抽去方程组中的未知量与运算符号，即为矩阵。线性方程组的矩阵表达式： ，其中， ， 为系数矩阵， 为常数项矩阵。 （3）行列式 Cramer法则，用于解特殊的线性方程组及用于研究线性方程组的解的结构。（4）特征值与特征向量 求属于某一特征值的特征向量。（5）二次型 用于证明惯性定理。 不一一列举 线性代数的核心在于矩阵的对角化（可理解的

10、广一些，包括上三角化），主要手段：初等变换。 行列式计算，解线性方程组，求矩阵的秩等都是用初等变换将行列式或矩阵化为对角形或上三角形（含阶梯型）。矩阵相似的标准形，实对称阵正交相似或合同于对角阵，化二次型为标准形，二次曲面的主轴化等都离不开“对角化”。 上述性质称为行列式的“交错”性。 若再定义 ，那么行列式上述三个性质与此定义就等价于我们教材中的一般的行列式定义。 对行列式的行（列）作“消法变换不改变行列式”及“依行（列）展开”都是前三个性质的推论。不过这两个性质在行列式计算中最常使用。 作为教师应了解行列式定义与其性质间的本质关系。 行列式计算 行列式计算技巧性较强，可以归纳出很多方法，如

11、简化、变形、降阶、递归、公式法、辅助函数法等，但核心是运用行列式的性质将行列式向上（下）三角形行列式转化。对于非数学专业的学生，不必追求技巧性较高的行列式的计算，掌握一般的行列式计算方法即可。 2、矩阵 矩阵的运算 矩阵运算的难点在矩阵乘法，应加大练习使学生熟练掌握乘法运算律。另外，矩阵乘法不满足交换律，即AB未必等于BA。消去律一般不成立，即AB=AC,未必有B=C。 可逆矩阵 定义可逆矩阵时，不能只要求 而不要求 因矩阵乘法不满足交换律，但判断方阵A是否可逆时，只要有方阵B使得 即可，但这应在证明了可逆矩阵的唯一性即可逆阵的行列式不为0之后方可这样做。 方阵ABBA，但可有 矩阵的等价 若

12、mn矩阵A可经有限次初等变换化为B，则称B与A等价。每一mn矩阵A等价于 （等价标准形），这里r=rank(A)。A的等价标准形中 r 的大小由A本身所唯一确定。 3、向量组的线性相关性 如何引入n维向量组的线性相关性 n维向量组的线性相关性有些抽象，初学者不大好理解，原因之一是缺少背景材料。“平面（2维空间）上两个向量线性相关当且仅当它们成比例”可能是初学者仅有的实感，将解析几何融入进来，有利于提供更多的实例。（）3维空间中三个向量 共面的充要条件是存在不全为零的实数 k、l、m ，使得 ，这一结论用几何图解即可证明。 若 是3维空间中不共面的三个向量，则对任一向量 ，存在唯一的一组实数 k

13、、l、m ，使得： 。这一结论用平行六面体图解即可证明。 （）若先介绍线性方程组及Guass消元法，被消去的多余的方程的系数组成的向量与未被消去的方程的系数组成的向量组线性相关。 教学中应注意学生在理解向量组线性相关性时易出现的一些错误，如：（）若 可由 线性表示，则存在不全为零的数 使 （）若 线性相关且数 满足 则 不全为零，等等。 纠正这样错误时，应举一些反例，同时引导学生自己举反例。 向量组等价与矩阵等价。由于矩阵的秩等于其行（列）向量组的秩，因而初学者常误认为判断两个向量组是否等价可通过由这两组向量分别组成的矩阵是否等价来实现，这是错误的，如： ， ， 与 不等价，但矩阵 与 等价。

14、 4、线性方程组线性方程组的不同形式的表达式 （*） 可写成 , 其中A为（*）的系数矩阵， 即矩阵表达式。也可写成 , 其中 为A的第 i 列，即方程组的向量表达式。 矩阵表达式因用途广，教学中都会讲清，但向量表达式 常被忽略或较少提及。不过，向量表达式常可将向量组问题与线性方程组问题相互转化，如：例1：已知4阶方阵 ,其中 线性无关， ，如 ，求非齐次线性方程组 之通解。 解：线性方程组 的向量表达式为 （） 由 知 为 的一个特解。 （）的导出组为： ，由 知 为导出组的一非零解。由于 ，故 的基础解系可由 组成，而 的通解为非齐次线性方程组的解的结构 非齐次线性方程组的解的集合构不成向

15、量空间，但其通解也可通过它的一组线性无关的解向量表达出来。令 为任意含n个未知量的非齐线性方程组， 为其一特解，设 为其导出组 的一个基础解系，则 线性无关，且 的任一通解 可写成 ，且 线性方程组的应用 应用线性方程组的解的结构理论可研究一些几何问题，如：例2：平面上n个点 , 位于一条直线上的 充要条件是什么 ？ 解：点 ，位于同一条直线 存在常数k、b 使 ，满足直线方程 , 即 关于k、b的线性方程组 有解例3：平面上n条直线 交于一点的充 要条件是什么？ 解： 直线 ，交于一点 线性方程组 有唯一解5、线性变换线性变换的矩阵表示 非数学专业的线性代数对线性变换一般只引入概念、运算、性

16、质及矩阵表示，要注意的是： 固定n维向量空间的一个基底，任一线性变换有唯一的矩阵表示。换言之，对固定的基底而言，线性变换与n阶方阵11对应。但基底不同，矩阵表示可能不同。若在 中取定两个基底： ,设 上的线性变换 在这两个基底上的表示矩阵分列为A与B，则 ，其中T为基底 到 的过渡阵。 也就是说同一线性变换在不同基底上的表示矩阵是相似的，因而， 上的线性变换与n阶方阵的一个相似类11对应。 一些实际问题的例子：令 是实域R上的可微函数，D为求导变换， ，即 是许多生物现象，物理现象，经济规律都满足的方程。特征值与特征向量的性质 （）A为n阶方阵， 与 有相同的特征值，但特征向量未必相同，如 （

17、） 为n阶可逆方阵A的特征值，则 ， 为 的特征值， 为 的特征值，且属于 的A的特征向量 也分别是 的属于 的特征向量和 的属于 的特征向量。 （） 是n阶方阵A的特征值，则对任意多项式 ， 是 的特征值。 （） 为可逆方阵A的属于 的特征向量，则 为 的属于 的特征向量。方阵对角化（相似）的条件 判断一 n阶方阵能否相似于对角阵的条件较多，如“一 n阶方阵A有n个互异的特征值。则A可相似于对角阵”等。但最基本的判定准则是“n阶方阵A有n个线性无关的特征向量”（*），其他的判定法则都是从这一准则推出来的。即使是“A可相似对角化当且仅当A的每一特征值 的几何重数与代数重数相同”也是基于（*）得到的。因而在教学中应将（*）作为最基本的内容讲授。n阶方阵非零特征值的个数与秩 n阶方阵非零特征值的个数与秩一般并不相同，如 的非零特征