线性代数复习总结——基本概念
文章目录
- 1. 行列式
- 2. 矩阵
- 2.1 矩阵的运算
- 2.2 矩阵的秩
- 2.3 矩阵的变换
- 2.4 线性方程组的多解
- 3. 向量
- 3.1 线性相关
- 3.2 最大无关组和向量组的秩
- 3.3 线性方程组解的结构
- 3.4 向量空间
- 4. 相似矩阵与二次型
- 4.1 正交矩阵
- 4.2 正交矩阵和正交变换
- 4.3 方阵的特征值与特征向量
- 4.3 正定矩阵与相似矩阵
- 4.4 对称矩阵的对角化
- 4.6 二次型及其他标准型
参考资料:
线性代数知识汇总
特别感谢上述博客的分享,在本文中会截取其中部分截图。如有侵权,请联系删除。
1. 行列式
2. 矩阵
2.1 矩阵的运算
矩阵与矩阵相乘:满足结合率和分配律,但不满足交换律,即AB≠BA;AB \neq BA;AB=BA;
数乘矩阵
转置矩阵:
①(A+B)T=AT+BT(A+B)^T=A^T+B^T(A+B)T=AT+BT
②(AB)T=BTAT(AB)^T=B^TA^T(AB)T=BTAT
③(λA)T=λAT(\lambda A)^T=\lambda A^T(λA)T=λAT
③如果满足A=ATA=A^TA=AT,则A称为对称矩阵。
矩阵的行列式:
①∣AB∣=∣A∣∣B∣|AB|=|A||B|∣AB∣=∣A∣∣B∣
②∣λA∣=λnA|\lambda A|=\lambda^n A∣λA∣=λnA伴随矩阵:行列式|A|各个元素的代数余子式构成的矩阵。
①A∗A=AA∗=∣A∣EA^*A=AA^*=|A|EA∗A=AA∗=∣A∣E可逆矩阵(非奇异矩阵)
①若∣A∣≠0|A| \neq 0∣A∣=0,则A−1=1∣A∣A∗A^{-1}=\frac{1}{|A|}A^*A−1=∣A∣1A∗
推论:若∣A∣≠0|A| \neq 0∣A∣=0,则∣A−1∣=1∣A∣|A^{-1}|=\frac{1}{|A|}∣A−1∣=∣A∣1
推论:若∣A∣≠0|A| \neq 0∣A∣=0,则A∗=∣∣A∣A−1∣=∣A∣n−1;A^*=||A|A^{-1}|=|A|^{n-1};A∗=∣∣A∣A−1∣=∣A∣n−1;
②若方阵A可逆,则∣A∣≠0;|A| \neq 0;∣A∣=0;
③(AB)−1=B−1A−1(AB)^{-1}=B^{-1}A^{-1}(AB)−1=B−1A−1
④(λA)T=1λAT(\lambda A)^T=\frac{1}{\lambda} A^T(λA)T=λ1AT
2.2 矩阵的秩
K阶子式:在矩阵A中任取k行k列,获得位于行列交叉处的k2k^2k2个元素。在不改变它们的位置次序得到的k阶行列式。
①m×nm \times nm×n矩阵A的k阶子式有CmkCnkC_m^k C_n^kCmkCnk个。
秩:假设矩阵A有一个不为零的r阶子式D,而A的所有r+1阶子式全为0.称数r为矩阵A的秩。
①矩阵A的秩是A中非零子式的最高阶数。
②R(A)=R(AT)R(A)=R(A^T)R(A)=R(AT)
③若矩阵A, B等价,则R(A)=R(B)R(A)=R(B)R(A)=R(B)满秩矩阵:当∣A∣≠0|A| \neq 0∣A∣=0时,R(A)=nR(A)=nR(A)=n。A为可逆矩阵,也是满秩矩阵。
2.3 矩阵的变换
矩阵的初等变换
矩阵间的等价关系
①矩阵A与矩阵B等价,记作A∼BA \sim BA∼B,即A通过有限次初等变换可以转换为B。
行阶梯形矩阵
行阶最简矩阵
标准型矩阵
2.4 线性方程组的多解
对于n元线性方程组Ax=bAx=bAx=b:
- 若R(A)<R(A,B)↔R(A) < R(A,B) \leftrightarrowR(A)<R(A,B)↔方程无解。
- 若R(A)=R(A,B)=n↔R(A)=R(A,B)=n\leftrightarrowR(A)=R(A,B)=n↔方程有唯一解。
- 若R(A)=R(A,B)<n↔R(A)=R(A,B)<n\leftrightarrowR(A)=R(A,B)<n↔方程有无数解。
3. 向量
- 向量组:若干同维数的列向量(行向量)所组成的集合。
3.1 线性相关
- 线性组合
- 线性表示
- 向量组的线性相关性:
3.2 最大无关组和向量组的秩
设有向量组A,如果在A中能选出r个向量,满足:
①向量组A0:a1,a2,⋯,ara_1,a_2,\cdots,a_ra1,a2,⋯,ar线性无关。
②向量组A中任意r+1个向量都线性相关。
最大线性无关向量组:向量组A0A_0A0是一个最大线性无关向量组。
①向量组A和它的最大无关组A0A_0A0是等价的。向量组的秩:最大无关向量组所含向量的个数。
3.3 线性方程组解的结构
线性方程组的解的结构,就是当线性方程组有无限多个解时,解与解之间的相互关系。
- 解向量:由线性方程组的解组成的向量。
- 基础解系:称满足如下条件的解向量是齐次线性方程组的一个基础解系。
①解向量是线性无关的。
②方程的任意一个解都可以表示为解向量的线性组合。
3.4 向量空间
- 封闭:集合中任意两个元素做某一运算得到的结果仍属于该集合。
- 向量空间:非空集合V对加法和减法两种运算封闭。
- 子空间:非空子集合V1对加法和减法两种运算封闭。
- 向量空间的基:有向量空间V,从V中选出r个向量满足:
①r个向量线性无关。
②V中任意一个向量能有这r个向量表示。
则r是向量空间V的维数,并且V为r维向量空间。
4. 相似矩阵与二次型
(1)基本概念
- 向量的内积
4.1 正交矩阵
向量的正交性:当[x,y]等于0时,向量x和y正交。
①θ=arccos[x,y]∣x∣∣y∣\theta = \arccos \frac{[x,y]}{|x||y|}θ=arccos∣x∣∣y∣[x,y]
②若x=0,则x与任何向量都正交。正交向量组:两两正交的非零向量组成的向量组。
①组成正交向量组的向量线性无关。
规范正交基
4.2 正交矩阵和正交变换
- 正交矩阵:如果矩阵A满足AAT=EAA^T=EAAT=E,则矩阵A为正交矩阵。
- 正交变换:若P是正交阵,则线性变换y=Pxy=Pxy=Px称为正交变换。
①正交变换后,线段的长度保持不变。
4.3 方阵的特征值与特征向量
特征值与特征向量:如果A是n阶矩阵,数λ\lambdaλ和n维非零向量x满足:Ax=λxAx=\lambda xAx=λx,则λ\lambdaλ是A的特征值,x是A的特征向量。
特征方程:∣A−λE∣=0;|A-\lambda E|=0;∣A−λE∣=0;
特征多项式:∣A−λE∣;|A-\lambda E|;∣A−λE∣;
性质:设A的特征值为λ1,⋯,λn\lambda_1,\cdots,\lambda_nλ1,⋯,λn,则
①λ1+⋯+λn=a11+⋯+ann;\lambda_1+\cdots+\lambda_n=a_{11}+\cdots+a_{nn};λ1+⋯+λn=a11+⋯+ann;
②λ1⋯λn=∣A∣;\lambda_1\cdots\lambda_n=|A|;λ1⋯λn=∣A∣;
4.3 正定矩阵与相似矩阵
- 半正定矩阵:当且仅当它的每个特征值大于等于零。
- 正定矩阵:当且仅当它的每个特征值都大于零。
- 相似矩阵:B是A的相似矩阵,当有可逆矩阵P满足P−1AP=B;P^{-1}AP=B;P−1AP=B;
①若A, B相似,则A和B的特征值和特征多项式相同。
4.4 对称矩阵的对角化
- 可对角化的充要条件:A有n个线性无关的特征向量。
①如果A有n个不同的特征值,则A和对角阵相似。
4.6 二次型及其他标准型
- 二次型:
- 二次型的矩阵
- 二次型f的秩:二次型的矩阵A的秩。
- 合同矩阵:矩阵A和B合同,当有可逆矩阵C满足CTAC=BC^TAC=BCTAC=B.
①二次型f的矩阵由A变为与A合同的矩阵,且秩不变。
②R(A)=R(B)R(A)=R(B)R(A)=R(B)
线性代数复习总结——基本概念相关推荐
- 【线性代数复习笔记】同济大学版第三章和第四章 矩阵的初等变换与线性方程组与向量组的线性相关性
[线性代数复习笔记]同济大学版第三章和第四章 矩阵的初等变换与线性方程组与向量组的线性相关性 1.矩阵的初等变换 矩阵的三种初等变换及性质 行阶梯形矩阵 矩阵的初等变换的性质 2.矩阵的秩 矩阵的秩的 ...
- c++求矩阵的秩_线性代数复习(被玩坏的矩阵)
最近, 老有同学问, (线性)代数应该怎样复习呀. 本期就来谈谈我对这门课程的看法, 希望对大家有所帮助. 线代故事梗概大家不妨回想一下之所以有这门课程的「罪魁祸首」是什么? 那当然是 线性方程组 如 ...
- 线性代数第九版pdf英文_《Linear Algebra Done Right》线性代数复习及部分习题解答(3.C)...
个人声明 本系列文章记录本人自学线性代数教材<Linear Algebra Done Right>的概念梳理(复习)和部分习题解答(练习).如有任何错误或不严谨之处恳请读者在评论区留言提醒 ...
- 2.导数——线性代数回顾、曲线概念_1
目录 线性代数回顾 曲线概念 线性代数回顾 我们要开始接触直线斜率的概念了,证明了开始要学习导数了, 这里我们会做一个自理,顺便回顾一下线性代数的知识. 怎么求一条直线的斜率呢?如图: 首先,这个直线 ...
- Mysql复习(基础概念+基础操作)
复习资料来源于实验楼,所以标记为转载. 基础概念 数据库(Database) 是按照数据结构来组织.存储和管理数据的仓库. 结构化查询语言(Structured Query Language) 简称 ...
- 计算机图形学入门-线性代数复习
本专栏内容整理了GAMES101的计算机图形学课程的主要内容,作为我学习计算机图形学的一份复习备份或叫做笔记.内容中如有错误,或有其他建议,欢迎大家指出. 附上GAMES101计算机图形学课程:GAM ...
- 线性代数复习归纳(一):矩阵+例题
1.1 基本概念 数量矩阵:对角矩阵的每个元素都相等 行最简形矩阵:行阶梯型矩阵的每个非零行的非零首元都为1,且这些非零首元所在列的其他元素都为0 同型矩阵:行数和列数都相等的两个矩阵 负矩阵:所有元 ...
- 线性代数一(基本概念)
① https://blog.csdn.net/qq_16555103/article/details/88378009 ---------- 几个重要的矩阵点积 ② ...
- 计算机科学性和标准型,2019级成考计算机科学与技术五年本科复习资料12月份考试资料线性代数复习资料...
< 线性代数 > 复习资料1 一. 填空题 1.设1011,1000A B -???? == ? ????? ,则AB =__________________. 2.设α为三维列向量,T ...
最新文章
- 刚开始走向工作岗位初遇到的一些问题
- python实现oa系统_技术讨论 | 利用Python程序实现某OA系统的自动定位
- easyui中的datetimebox 只显示年月日_设置Win10任务栏显示星期几方法
- 3d数学基础图形与游戏开发 英文版_1850款文字标题字幕条,AE图形预设包,logo生成神器...
- 华为杯数学建模2020获奖名单_我校在2020年全国大学生数学建模竞赛中再获佳绩(内附获奖名单)...
- 宿华辞任快手CEO 联合创始人程一笑接任
- 使用NHibernate, Oracle Clob/NClob无法插入
- Mybatis 插入与批量插入以及多参数批量删除
- android studio for android learning (十二) 查看并获取联系人信息
- js读取服务器xml文件,js读取XML文件 JS读写XML文件
- OpenCV 人脸识别DNN face detector文件下载(opencv_face_detector.pbtxt;opencv_face_detector_uint8.pb;。。。。)
- 现代文文言文转化器_初中语文丨7个文言文背诵技巧,不再为背书发愁,实用收藏...
- react使用echarts地图实现中国地图大区展示
- canvas实现简单画板
- mysql error 1236_【MySQL】Got fatal error 1236原因和解决方法
- NLP常见词/典汇总
- 格创东智品牌形象升级,新Logo尽显创新活力
- 电脑网络里面的以太网不见了,开启后立即自动关闭,如何解决?
- 扑克牌(ArrayList)
- 转发:神了,Fly_by结构原来就这么回事儿!