線性相關(guān)數(shù)學(xué)教學(xué)設(shè)計方案_第1頁
線性相關(guān)數(shù)學(xué)教學(xué)設(shè)計方案_第2頁
線性相關(guān)數(shù)學(xué)教學(xué)設(shè)計方案_第3頁
線性相關(guān)數(shù)學(xué)教學(xué)設(shè)計方案_第4頁
線性相關(guān)數(shù)學(xué)教學(xué)設(shè)計方案_第5頁
已閱讀5頁,還剩6頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

線性相關(guān)數(shù)學(xué)教學(xué)設(shè)計方案**一、課程基本信息**課程名稱:線性代數(shù)授課內(nèi)容:向量組的線性相關(guān)授課年級:大學(xué)一年級(非數(shù)學(xué)專業(yè))課時:2課時(90分鐘)教材:《線性代數(shù)》(同濟版)第四章第二節(jié)**二、教學(xué)目標**1.知識與技能目標理解線性組合、線性相關(guān)的定義,掌握“不全為零”這一核心關(guān)鍵詞的內(nèi)涵;掌握線性相關(guān)的兩種基本判斷方法(定義法、矩陣秩法);理解線性相關(guān)的基本性質(zhì)(如含零向量的向量組必線性相關(guān)、向量個數(shù)超過維數(shù)必線性相關(guān)等)。2.過程與方法目標通過“從具體到抽象”的探究過程(平面向量共線→空間向量共面→n維向量線性相關(guān)),培養(yǎng)抽象概括能力;通過“定義→例子→方法→性質(zhì)”的邏輯鏈,提升邏輯推理能力;通過小組討論與案例分析,強化問題解決能力。3.情感態(tài)度與價值觀目標感受線性代數(shù)“抽象性與實用性統(tǒng)一”的特點,激發(fā)對數(shù)學(xué)的興趣;體會“推廣”(從低維到高維)、“轉(zhuǎn)化”(線性相關(guān)→方程組解的問題)等數(shù)學(xué)思想,提升數(shù)學(xué)素養(yǎng)。**三、教學(xué)重難點**重點:線性相關(guān)的定義;線性相關(guān)的判斷方法(定義法、矩陣秩法)。難點:線性相關(guān)概念的抽象性;“不全為零”條件的嚴謹性;矩陣秩法的原理理解。**四、教學(xué)方法**啟發(fā)式教學(xué):通過問題串引導(dǎo)學(xué)生從已知(共線、共面)推廣到未知(線性相關(guān));探究式教學(xué):讓學(xué)生通過具體例子自主歸納線性相關(guān)的特征;案例教學(xué):用實際向量組案例鞏固定義與方法;多媒體輔助:用PPT展示向量組、矩陣變換過程,增強直觀性。**五、教學(xué)過程設(shè)計****環(huán)節(jié)1:情境引入——從已知到未知(10分鐘)**問題串:1.平面內(nèi)兩個向量$\vec{a}$、$\vec$共線的條件是什么?(學(xué)生回答:存在實數(shù)$k$,使得$\vec=k\vec{a}$)2.空間中三個向量$\vec{a}$、$\vec$、$\vec{c}$共面的條件是什么?(學(xué)生回答:存在實數(shù)$k_1,k_2$,使得$\vec{c}=k_1\vec{a}+k_2\vec$)3.若將上述條件改寫為“線性組合等于零向量”的形式,如何表示?(引導(dǎo)學(xué)生:$\vec-k\vec{a}=\vec{0}$;$\vec{c}-k_1\vec{a}-k_2\vec=\vec{0}$)4.上述等式中,系數(shù)有什么特點?(不全為零:如第一個等式系數(shù)為$-k,1$;第二個等式系數(shù)為$-k_1,-k_2,1$)過渡:將平面、空間中的共線、共面問題推廣到$n$維向量,就得到“線性相關(guān)”的概念。**環(huán)節(jié)2:概念形成——線性組合與線性相關(guān)(20分鐘)**(1)線性組合的定義給定$n$維向量組$\alpha_1,\alpha_2,\dots,\alpha_m$和實數(shù)$k_1,k_2,\dots,k_m$,稱向量$$k_1\alpha_1+k_2\alpha_2+\dots+k_m\alpha_m$$為該向量組的一個線性組合,$k_1,\dots,k_m$稱為組合系數(shù)。(2)線性相關(guān)的定義若存在不全為零的實數(shù)$k_1,k_2,\dots,k_m$,使得$$k_1\alpha_1+k_2\alpha_2+\dots+k_m\alpha_m=\vec{0}$$則稱向量組$\alpha_1,\dots,\alpha_m$線性相關(guān);否則,稱其線性無關(guān)(即只有當(dāng)$k_1=\dots=k_m=0$時,等式成立)。強調(diào)關(guān)鍵詞:“不全為零”——若全為零,任何向量組都滿足等式,但這是平凡情況,不反映向量間的依賴關(guān)系。反例驗證:向量組$\alpha_1=(1,2)$,$\alpha_2=(2,4)$:存在$2\alpha_1-\alpha_2=\vec{0}$(系數(shù)$2,-1$不全為零),故線性相關(guān);向量組$\alpha_1=(1,0)$,$\alpha_2=(0,1)$:若$k_1\alpha_1+k_2\alpha_2=\vec{0}$,則$k_1=k_2=0$,故線性無關(guān)。**環(huán)節(jié)3:方法探究——線性相關(guān)的判斷(30分鐘)**(1)定義法(直接驗證)步驟:1.假設(shè)存在不全為零的系數(shù)$k_1,\dots,k_m$,使得$k_1\alpha_1+\dots+k_m\alpha_m=\vec{0}$;2.將向量代入,得到關(guān)于$k_1,\dots,k_m$的齊次線性方程組;3.判斷方程組是否有非零解(有則線性相關(guān),無則線性無關(guān))。案例1:判斷向量組$\alpha_1=(1,2,3)$,$\alpha_2=(2,4,5)$,$\alpha_3=(3,6,7)$是否線性相關(guān)。解:設(shè)$k_1\alpha_1+k_2\alpha_2+k_3\alpha_3=\vec{0}$,得方程組:$$\begin{cases}k_1+2k_2+3k_3=0\\2k_1+4k_2+6k_3=0\\3k_1+5k_2+7k_3=0\end{cases}$$第二個方程是第一個的2倍,故等價于:$$\begin{cases}k_1+2k_2=-3k_3\\3k_1+5k_2=-7k_3\end{cases}$$令$k_3=1$,解得$k_1=1$,$k_2=-2$。因此存在非零解$(1,-2,1)$,故向量組線性相關(guān)。(2)矩陣秩法(間接判斷)原理:向量組$\alpha_1,\dots,\alpha_m$線性相關(guān)的充要條件是,其構(gòu)成的矩陣$A=(\alpha_1,\alpha_2,\dots,\alpha_m)$的秩$r(A)<m$(向量個數(shù));線性無關(guān)的充要條件是$r(A)=m$。案例2:用矩陣秩法判斷案例1中的向量組是否線性相關(guān)。解:將向量組按列排成矩陣:$$A=\begin{pmatrix}1&2&3\\2&4&5\\3&6&7\end{pmatrix}$$對$A$作行初等變換:第二行減2倍第一行:$\begin{pmatrix}1&2&3\\0&0&-1\\3&6&7\end{pmatrix}$;第三行減3倍第一行:$\begin{pmatrix}1&2&3\\0&0&-1\\0&0&-2\end{pmatrix}$;第三行減2倍第二行:$\begin{pmatrix}1&2&3\\0&0&-1\\0&0&0\end{pmatrix}$。故$r(A)=2<3$(向量個數(shù)),因此向量組線性相關(guān)。對比兩種方法:定義法直觀但計算量大,適合簡單向量組;矩陣秩法通過矩陣變換簡化計算,適合復(fù)雜向量組。**環(huán)節(jié)4:性質(zhì)深化——線性相關(guān)的基本性質(zhì)(15分鐘)**通過例子+證明的方式,引導(dǎo)學(xué)生歸納線性相關(guān)的性質(zhì):1.含零向量的向量組必線性相關(guān):設(shè)向量組含$\vec{0}$,取$\vec{0}$的系數(shù)為1,其他向量系數(shù)為0,即$1\cdot\vec{0}+0\cdot\alpha_1+\dots+0\cdot\alpha_m=\vec{0}$,不全為零,故線性相關(guān)。2.向量個數(shù)超過維數(shù)必線性相關(guān):$n$維向量組若有$m>n$個向量,其構(gòu)成的矩陣$A$的秩$r(A)\leqn<m$,故線性相關(guān)(如3個2維向量必線性相關(guān))。3.線性相關(guān)組的擴張組必線性相關(guān):若$\alpha_1,\dots,\alpha_m$線性相關(guān),則添加任意向量$\beta$后,$\alpha_1,\dots,\alpha_m,\beta$仍線性相關(guān)(因原組有非零解,添加$\beta$后取其系數(shù)為0即可)。4.線性無關(guān)組的子集必線性無關(guān):若$\alpha_1,\dots,\alpha_m$線性無關(guān),則其任意子集也線性無關(guān)(反證法:若子集線性相關(guān),則原組必線性相關(guān))。**環(huán)節(jié)5:課堂練習(xí)——鞏固應(yīng)用(10分鐘)**練習(xí)1:判斷下列向量組是否線性相關(guān)(用兩種方法):(1)$\alpha_1=(1,1)$,$\alpha_2=(2,2)$;(2)$\alpha_1=(1,0,0)$,$\alpha_2=(0,1,0)$,$\alpha_3=(0,0,1)$;(3)$\alpha_1=(1,2,3)$,$\alpha_2=(4,5,6)$,$\alpha_3=(7,8,9)$。練習(xí)2:證明:若向量組中有兩個向量成比例,則該向量組線性相關(guān)。(提示:設(shè)$\alpha_2=k\alpha_1$,則$k\alpha_1-\alpha_2=\vec{0}$)**環(huán)節(jié)6:課堂小結(jié)——梳理邏輯(5分鐘)**核心概念:線性組合(向量間的線性表示)、線性相關(guān)(存在非零線性組合為零);判斷方法:定義法(解齊次方程組是否有非零解)、矩陣秩法(秩<向量個數(shù));關(guān)鍵性質(zhì):含零向量必相關(guān)、個數(shù)超維數(shù)必相關(guān)、擴張組保持相關(guān)。**六、板書設(shè)計**線性相關(guān)定義判斷方法性質(zhì)線性組合:$k_1\alpha_1+\dots+k_m\alpha_m$線性相關(guān):存在不全為零的$k_i$,使得線性組合為$\vec{0}$1.定義法:解齊次方程組是否有非零解;2.矩陣秩法:$r(A)<m$1.含零向量必相關(guān);2.個數(shù)>維數(shù)必相關(guān);3.擴張組保持相關(guān);4.子集保持無關(guān)例子:$\alpha_1=(1,2)$,$\alpha_2=(2,4)$(線性相關(guān))反例:$\alpha_1=(1,0)$,$\alpha_2=(0,1)$(線性無關(guān))案例:$\alpha_1=(1,2,3)$,$\alpha_2=(2,4,5)$,$\alpha_3=(3,6,7)$($r(A)=2<3$,線性相關(guān))證明:含零向量必相關(guān)(取系數(shù)1,0,…,0)**七、作業(yè)布置**1.基礎(chǔ)題(必做)課本習(xí)題4.2:第1、2、3題(用定義法和矩陣秩法分別判斷線性相關(guān));思考:線性相關(guān)與線性組合的關(guān)系(線性相關(guān)是否等價于存在向量可由其他向量線性表示?)。2.提高題(選做)證明:若向量組$\alpha_1,\alpha_2,\alpha_3$線性相關(guān),且$\alpha_3$不能由$\alpha_1,\alpha_2$線性表示,則$\alpha_1,\alpha_2$必線性相關(guān);用線性相關(guān)的概念解釋:平面內(nèi)3個向量必共面(即線性相關(guān))。3.拓展題(探究)查找線性相關(guān)在機器學(xué)習(xí)中的應(yīng)用(如特征選擇中的“多重共線性”問題),撰寫100字短文。**八、教學(xué)反思**成功點:通過“情境引入→概念形成→方法探究→性質(zhì)深化”的邏輯鏈,符合學(xué)生從具體到抽象的認知規(guī)律;案例與練習(xí)結(jié)合,強化了知識的實用

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論