线性代数知识点总结Word文档格式.docx
《线性代数知识点总结Word文档格式.docx》由会员分享,可在线阅读,更多相关《线性代数知识点总结Word文档格式.docx(7页珍藏版)》请在冰豆网上搜索。
![线性代数知识点总结Word文档格式.docx](https://file1.bdocx.com/fileroot1/2023-1/3/28a5469a-7c0a-435b-bf34-738b9243ef2e/28a5469a-7c0a-435b-bf34-738b9243ef2e1.gif)
(1)非齐次线性方程组的系数行列式不为0,那么方程为唯一解
(2)如果非齐次线性方程组无解或有两个不同解,那么它的系数行列式必为0(3)假设齐次线性方程组的系数行列式不为0,那么齐次线性方程组只有0解;
如果方程组有非零解,那么必有D=0。
2矩阵
(一)矩阵的运算1、矩阵乘法考前须知:
(1)矩阵乘法要求前列后行一致;
(2)矩阵乘法不满足交换律;
(因式分解的公式对矩阵不适用,但假设B=E,O,A-1,A*,f(A)时,可以用交换律)(3)AB=O不能推出A=O或B=O。
2、转置的性质(5条)
(1)(A+B)T=AT+BT
(2)(kA)T=kAT(3)(AB)T=BTAT(4)|A|T=|A|(5)(AT)T=A
(二)矩阵的逆3、逆的定义:
AB=E或BA=E成立,称A可逆,B是A的逆矩阵,记为B=A-1注:
A可逆的充要条件是|A|≠04、逆的性质:
(5条)
(1)(kA)-1=1/k·
A-1(k≠0)
(2)(AB)-1=B-1·
A-1(3)|A-1|=|A|-1(4)(AT)-1=(A-1)T(5)(A-1)-1=A5、逆的求法:
(1)A为抽象矩阵:
由定义或性质求解
(2)A为数字矩阵:
(A|E)→初等行变换→(E|A-1)(三)矩阵的初等变换6、初等行(列)变换定义:
(1)两行(列)互换;
(2)一行(列)乘非零常数c(3)一行(列)乘k加到另一行(列)7、初等矩阵:
单位矩阵E经过一次初等变换得到的矩阵。
8、初等变换与初等矩阵的性质:
(1)初等行(列)变换相当于左(右)乘相应的初等矩阵
(2)初等矩阵均为可逆矩阵,且Eij-1=Eij(i,j两行互换);
Ei-1(c)=Ei(1/c)(第i行(列)乘c)Eij-1(k)=Eij(-k)(第i行乘k加到j)★(四)矩阵的秩9、秩的定义:
非零子式的最高阶数注:
(1)r(A)=0意味着所有元素为0,即A=O
(2)r(An×
n)=n(满秩)←→|A|≠0←→A可逆;
r(A)<n←→|A|=0←→A不可逆;
(3)r(A)=r(r=1、2、…、n-1)←→r阶子式非零且所有r+1子式均为0。
10、秩的性质:
(7条)
(1)A为m×
n阶矩阵,那么r(A)≤min(m,n)
(2)r(A±
B)≤r(A)±
(B)(3)r(AB)≤min{r(A),r(B)}(4)r(kA)=r(A)(k≠0)(5)r(A)=r(AC)(C是一个可逆矩阵)(6)r(A)=r(AT)=r(ATA)=r(AAT)(7)设A是m×
n阶矩阵,B是n×
s矩阵,AB=O,那么r(A)+r(B)≤n11、秩的求法:
由定义或性质求解;
(2)A为数字矩阵:
A→初等行变换→阶梯型(每行第一个非零元素下面的元素均为0),那么r(A)=非零行的行数(五)伴随矩阵12、伴随矩阵的性质:
(8条)
(1)AA*=A*A=|A|E→★A*=|A|A-1
(2)(kA)*=kn-1A*(3)(AB)*=B*A*(4)|A*|=|A|n-1(5)(AT)*=(A*)T(6)(A-1)*=(A*)-1=A|A|-1(7)(A*)*=|A|n-2·
A★(8)r(A*)=n(r(A)=n);
r(A*)=1(r(A)=n-1);
r(A*)=0(r(A)<n-1)(六)分块矩阵13、分块矩阵的乘法:
要求前列后行分法相同。
14、分块矩阵求逆:
3向量
(一)向量的概念及运算1、向量的内积:
(α,β)=αTβ=βTα2、长度定义:
||α||=3、正交定义:
(α,β)=αTβ=βTα=a1b1+a2b2+…+anbn=04、正交矩阵的定义:
A为n阶矩阵,AAT=E←→A-1=AT←→ATA=E→|A|=±
1
(二)线性组合和线性表示5、线性表示的充要条件:
非零列向量β可由α1,α2,…,αs线性表示
(1)←→非齐次线性方程组(α1,α2,…,αs)(x1,x2,…,xs)T=β有解。
★
(2)←→r(α1,α2,…,αs)=r(α1,α2,…,αs,β)(系数矩阵的秩等于增广矩阵的秩,用于大题第一步的检验)6、线性表示的充分条件:
(了解即可)假设α1,α2,…,αs线性无关,α1,α2,…,αs,β线性相关,那么β可由α1,α2,…,αs线性表示。
7、线性表示的求法:
(大题第二步)设α1,α2,…,αs线性无关,β可由其线性表示。
(α1,α2,…,αs|β)→初等行变换→(行最简形|系数)行最简形:
每行第一个非0的数为1,其余元素均为0(三)线性相关和线性无关8、线性相意事项:
(1)α线性相关←→α=0
(2)α1,α2线性相关←→α1,α2成比例9、线性相关的充要条件:
向量组α1,α2,…,αs线性相关
(1)←→有个向量可由其余向量线性表示;
(2)←→齐次方程(α1,α2,…,αs)(x1,x2,…,xs)T=0有非零解;
★(3)←→r(α1,α2,…,αs)<s即秩小于个数特别地,n个n维列向量α1,α2,…,αn线性相关
(1)←→r(α1,α2,…,αn)<n
(2)←→|α1,α2,…,αn|=0(3)←→(α1,α2,…,αn)不可逆10、线性相关的充分条件:
(1)向量组含有零向量或成比例的向量必相关
(2)局部相关,那么整体相关(3)高维相关,那么低维相关(4)以少表多,多必相关★推论:
n+1个n维向量一定线性相关11、线性无关的充要条件向量组α1,α2,…,αs线性无关
(1)←→任意向量均不能由其余向量线性表示;
(2)←→齐次方程(α1,α2,…,αs)(x1,x2,…,xs)T=0只有零解(3)←→r(α1,α2,…,αs)=s特别地,n个n维向量α1,α2,…,αn线性无关←→r(α1,α2,…,αn)=n←→|α1,α2,…,αn|≠0←→矩阵可逆12、线性无关的充分条件:
(1)整体无关,局部无关
(2)低维无关,高维无关(3)正交的非零向量组线性无关(4)不同特征值的特征向量无关13、线性相关、线性无关判定
(1)定义法★
(2)秩:
假设小于阶数,线性相关;
假设等于阶数,线性无关【专业知识补充】
(1)在矩阵左边乘列满秩矩阵(秩=列数),矩阵的秩不变;
在矩阵右边乘行满秩矩阵,矩阵的秩不变。
(2)假设n维列向量α1,α2,α3线性无关,β1,β2,β3可以由其线性表示,即(β1,β2,β3)=(α1,α2,α3)C,那么r(β1,β2,β3)=r(C),从而线性无关。
←→r(β1,β2,β3)=3←→r(C)=3←→|C|≠0(四)极大线性无关组与向量组的秩14、极大线性无关组不唯一15、向量组的秩:
极大无关组中向量的个数成为向量组的秩比照:
矩阵的秩:
非零子式的最高阶数★注:
向量组α1,α2,…,αs的秩与矩阵A=(α1,α2,…,αs)的秩相等★16、极大线性无关组的求法
(1)α1,α2,…,αs为抽象的:
定义法
(2)α1,α2,…,αs为数字的:
(α1,α2,…,αs)→初等行变换→阶梯型矩阵那么每行第一个非零的数对应的列向量构成极大无关组(五)向量空间17、基(就是极大线性无关组)变换公式:
假设α1,α2,…,αn与β1,β2,…,βn是n维向量空间V的两组基,那么基变换公式为(β1,β2,…,βn)=(α1,α2,…,αn)Cn×
n其中,C是从基α1,α2,…,αn到β1,β2,…,βn的过渡矩阵。
C=(α1,α2,…,αn)-1(β1,β2,…,βn)18、坐标变换公式:
向量γ在基α1,α2,…,αn与基β1,β2,…,βn的坐标分别为x=(x1,x2,…,xn)T,y=(y1,y2,…,yn)T,,即γ=x1α1+x2α2+…+xnαn=y1β1+y2β2+…+ynβn,那么坐标变换公式为x=Cy或y=C-1x。
其中,C是从基α1,α2,…,αn到β1,β2,…,βn的过渡矩阵。
C=(α1,α2,…,αn)-1(β1,β2,…,βn)(六)Schmidt正交化19、Schmidt正交化设α1,α2,α3线性无关
(1)正交化令β1=α1
(2)单位化4线性方程组
(一)方程组的表达形与解向量1、解的形式:
(1)一般形式
(2)矩阵形式:
Ax=b;
(3)向量形式:
A=(α1,α2,…,αn)2、解的定义:
假设η=(c1,c2,…,)T满足方程组Ax=b,即Aη=b,称η是Ax=b的一个解(向量)
(二)解的判定与性质3、齐次方程组:
(1)只有零解←→r(A)=n(n为A的列数或是数x的个数)
(2)有非零解←→r(A)<n4、非齐次方程组:
(1)无解←→r(A)<r(A|b)←→r(A)=r(A)-1
(2)唯一解←→r(A)=r(A|b)=n(3)无穷多解←→r(A)=r(A|b)<n5、解的性质:
(1)假设ξ1,ξ2是Ax=0的解,那么k1ξ1+k2ξ2是Ax=0的解
(2)假设ξ是Ax=0的解,η是Ax=b的解,那么ξ+η是Ax=b的解(3)假设η1,η2是Ax=b的解,那么η1-η2是Ax=0的解【】
(1)设η1,η2,…,ηs是Ax=b的解,那么k1η1+k2η2+…+ksηs为Ax=b的解(当Σki=1)Ax=0的解(当Σki=0)
(2)设η1,η2,…,ηs是Ax=b的s个线性无关的解,那么η2-η1,η3-η1,…,ηs-η1为Ax=0的s-1个线性无关的解。
变式:
①η1-η2,η3-η2,…,ηs-η2②η2-η1,η3-η2,…,ηs-ηs-1(三)根底解系6、根底解系定义:
(1)ξ1,ξ2,…,ξs是Ax=0的解
(2)ξ1,ξ2,…,ξs线性相关(3)Ax=0的所有解均可由其线性表示→根底解系即所有解的极大无关组注:
根底解系不唯一。
任意n-r(A)个线性无关的解均可作为根底解系。
★7、重要结论:
(证明也很重要)设A施m×
s阶矩阵,AB=O
(1)B的列向量均为方程Ax=0的解
(2)r(A)+r(B)≤n(第2章,秩)8、总结:
根底解系的求法
(1)A为抽象的:
由定义或性质凑n-r(A)个线性无关的解
(2)A为数字的:
A→初等行变换→阶梯型自由量分别取1,0,0;
0,1,0;
0,0,1;
代入解得非自由量得到根底解系(四)解的结构(通解)9、齐次线性方程组的通解(所有解)设r(A)=r,ξ1,ξ2,…,ξn-r为Ax=0的根底解系,那么Ax=0的通解为k1η1+k2η2+…+kn-rηn-r(其中k1,k2,…,kn-r为任意常数)10、非齐次线性方程组的通解设r(A)=r,ξ1,ξ2,…,ξn-r为Ax=0的根底解系,η为Ax=b的特解,那么Ax=b的通解为η+k1η1+k2η2+…+kn-rηn-r(其中k1,k2,…,kn-r为任意常数)(五)公共解与同解11、公共解定义:
如果α既是方程组Ax=0的解,又是方程组Bx=0的解,那么称α为其公共解12、非零公共解的充要条件:
方程组Ax=0与Bx=0有非零公共解←→有非零解←→13、重要结论(需要掌握证明)
(1)设A是m×
n阶矩阵,那么齐次方程ATAx=0与Ax=0同解,r(ATA)=r(A)
(2)设A是m×
n阶矩阵,r(A)=n,B是n×
s阶矩阵,那么齐次方程ABx=0与Bx=0同解,r(AB)=r(B)5特征值与特征向量
(一)矩阵的特征值与特征向量1、特征值、特征向量的定义:
设A为n阶矩阵,如果存在数λ及非零列向量α,使得Aα=λα,称α是矩阵A属于特征值λ的特征向量。
2、特征多项式、特征方程的定义:
|λE-A|称为矩阵A的特征多项式(λ的n次多项式)。
|λE-A|=0称为矩阵A的特征方程(λ的n次方程)。
注:
特征方程可以写为|A-λE|=03、重要结论:
(1)假设α为齐次方程Ax=0的非零解,那么Aα=0·
α,即α为矩阵A特征值λ=0的特征向量
(2)A的各行元素和为k,那么(1,1,…,1)T为特征值为k的特征向量。
(3)上(下)三角或主对角的矩阵的特征值为主对角线各元素。
△4、总结:
特征值与特征向量的求法
(1)A为抽象的:
由定义或性质凑
(2)A为数字的:
由特征方程法求解5、特征方程法:
(1)解特征方程|λE-A|=0,得矩阵A的n个特征值λ1,λ2,…,λn注:
n次方程必须有n个根(可有多重根,写作λ1=λ2=…=λs=实数,不能省略)
(2)解齐次方程(λiE-A)=0,得属于特征值λi的线性无关的特征向量,即其根底解系(共n-r(λiE-A)个解)6、性质:
(1)不同特征值的特征向量线性无关
(2)k重特征值最多k个线性无关的特征向量1≤n-r(λiE-A)≤ki(3)设A的特征值为λ1,λ2,…,λn,那么|A|=Πλi,Σλi=Σaii(4)当r(A)=1,即A=αβT,其中α,β均为n维非零列向量,那么A的特征值为λ1=Σaii=αTβ=βTα,λ2=…=λn=0(5)设α是矩阵A属于特征值λ的特征向量,那么Af(A)ATA-1A*P-1AP(相似)λf(λ)λλ-1|A|λ-1λαα/ααP-1α
(二)相似矩阵7、相似矩阵的定义:
设A、B均为n阶矩阵,如果存在可逆矩阵P使得B=P-1AP,称A与B相似,记作A~B8、相似矩阵的性质
(1)假设A与B相似,那么f(A)与f(B)相似
(2)假设A与B相似,B与C相似,那么A与C相似(3)相似矩阵有相同的行列式、秩、特征多项式、特征方程、特征值、迹(即主对角线元素之和)【】(4)假设A与B相似,那么AB与BA相似,AT与BT相似,A-1与B-1相似,A*与B*也相似(三)矩阵的相似对角化9、相似对角化定义:
如果A与对角矩阵相似,即存在可逆矩阵P,使得P-1AP=Λ=,称A可相似对角化。
注:
Aαi=λiαi(αi≠0,由于P可逆),故P的每一列均为矩阵A的特征值λi的特征向量10、相似对角化的充要条件
(1)A有n个线性无关的特征向量
(2)A的k重特征值有k个线性无关的特征向量11、相似对角化的充分条件:
(1)A有n个不同的特征值(不同特征值的特征向量线性无关)
(2)A为实对称矩阵12、重要结论:
(1)假设A可相似对角化,那么r(A)为非零特征值的个数,n-r(A)为零特征值的个数
(2)假设A不可相似对角化,r(A)不一定为非零特征值的个数(四)实对称矩阵13、性质
(1)特征值全为实数
(2)不同特征值的特征向量正交(3)A可相似对角化,即存在可逆矩阵P使得P-1AP=Λ(4)A可正交相似对角化,即存在正交矩阵Q,使得Q-1AQ=QTAQ=Λ6二次型
(一)二次型及其标准形1、二次型:
(1)一般形式
(2)矩阵形式(常用)2、标准形:
如果二次型只含平方项,即f(x1,x2,…,xn)=d1x12+d2x22+…+dnxn2这样的二次型称为标准形(对角线)3、二次型化为标准形的方法:
(1)配方法:
通过可逆线性变换x=Cy(C可逆),将二次型化为标准形。
其中,可逆线性变换及标准形通过先配方再换元得到。
★
(2)正交变换法:
通过正交变换x=Qy,将二次型化为标准形λ1y12+λ2y22+…+λnyn2其中,λ1,λ2,…,λn是A的n个特征值,Q为A的正交矩阵注:
正交矩阵Q不唯一,γi与λi对应即可。
(二)惯性定理及标准形4、定义:
正惯性指数:
标准形中正平方项的个数称为正惯性指数,记为p;
负惯性指数:
标准形中负平方项的个数称为负惯性指数,记为q;
标准形:
f=z12+…zp2-zp+12-…-zp+q2称为二次型的标准形。
5、惯性定理:
二次型无论选取怎样的可逆线性变换为标准形,其正负惯性指数不变。
(1)由于正负惯性指数不变,所以标准形唯一。
(2)p=正特征值的个数,q=负特征值的个数,p+q=非零特征值的个数=r(A)(三)合同矩阵6、定义:
A、B均为n阶实对称矩阵,假设存在可逆矩阵C,使得B=CTAC,称A与B合同△7、总结:
n阶实对称矩阵A、B的关系
(1)A、B相似(B=P-1AP)←→相同的特征值
(2)A、B合同(B=CTAC)←→相同的正负惯性指数←→相同的正负特征值的个数(3)A、B等价(B=PAQ)←→r(A)=r(B)注:
实对称矩阵相似必合同,合同必等价(四)正定二次型与正定矩阵8、正定的定义二次型xTAx,如果任意x≠0,恒有xTAx>0,那么称二次型正定,并称实对称矩阵A是正定矩阵。
9、n元二次型xTAx正定充要条件:
(1)A的正惯性指数为n
(2)A与E合同,即存在可逆矩阵C,使得A=CTC或CTAC=E(3)A的特征值均大于0(4)A的顺序主子式均大于0(k阶顺序主子式为前k行前k列的行列式)10、n元二次型xTAx正定必要条件:
(1)aii>0
(2)|A|>011、总结:
二次型xTAx正定判定(大题)
(1)A为数字:
顺序主子式均大于0
(2)A为抽象:
①证A为实对称矩阵:
AT=A;
②再由定义或特征值判定12、重要结论:
(1)假设A是正定矩阵,那么kA(k>0),Ak,AT,A-1,A*正定
(2)假设A、B均为正定矩阵,那么A+B正定
很新颖的一篇美文!
模板,内容仅供参考