线性代数期末大总结I

Posted xxmmqg

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了线性代数期末大总结I相关的知识,希望对你有一定的参考价值。

行列式

n阶行列式的计算:

[left|egin{matrix}a_{11} & a_{12} & cdots & a_{1n} \a_{21} & a_{22} & cdots & a_{2n} \vdots & vdots & ddots & vdots \a_{n1} & a_{n2} & cdots & a_{nn}end{matrix} ight|=sum(-1)^{t}a_{1p_1}a_{2p_3}cdots a_{np_n} ]

其中t为排列(p_1p_2p_3 cdots p_n)的逆序数,由于这样的排列共有(n!)个,所以n阶行列式共有(n!)项。
行列式的性质:

  • 行列式与他的转置行列式相等

  • 对换行列式的两行/列,行列式变号

    可推出:如果行列式有两行/列完全相等,则行列式等于0

  • 行列式的某一行/列中多有元素乘以k,等于k乘以此行列式

  • 行列式中如果有两行/列元素成比例,则此行列式等于0

  • 把行列式的某一行/列元素同乘以某数k,再加到另一行/列对应元素上,行列式不变

  • 如下:

    [若D=left|egin{matrix}a_{11} & a_{12} & cdots & a_{1n} \vdots & vdots & & vdots \a_{i1}+a_{i1}^, & a_{i2}+a_{i2}^, & cdots & a_{in}+a_{in}^, \vdots & vdots & & vdots \a_{n1} & a_{n2} & cdots & a_{nn}end{matrix} ight| ]

[则D=left|egin{matrix}a_{11} & a_{12} & cdots & a_{1n} \vdots & vdots & & vdots \a_{i1} & a_{i2} & cdots & a_{in} \vdots & vdots & & vdots \a_{n1} & a_{n2} & cdots & a_{nn}end{matrix} ight|+left|egin{matrix}a_{11} & a_{12} & cdots & a_{1n} \vdots & vdots & & vdots \a_{i1}^, & a_{i2}^, & cdots & a_{in}^, \vdots & vdots & & vdots \a_{n1} & a_{n2} & cdots & a_{nn}end{matrix} ight| ]

行列式等于它的任一行/列各个元素与其对应得代数余子式乘积得和。

矩阵的运算

  • 矩阵加法:两同型矩阵对应元素相加。

  • 数与矩阵相乘:等于该矩阵所有元素同乘该数。

  • 矩阵与矩阵相乘:如(AxB)结果的第i行j列元素为A的i行与B的j列对应元素相乘再相加。

  • 矩阵的转置:

    [(A^T)^T=A(A+B)^T=A^T+B^T(lambda A)^T=lambda A^T(AB)^T=B^TA^T ]

  • 方阵的行列式:

[|A^T|=|A||lambda A|=lambda^n|A||AB|=|A||B| ]

  • 伴随矩阵:其中(A_{ij})(|A|)的代数余子式

    [矩阵A的伴随矩阵A^*= left[ egin{matrix} A_{11} & A_{21} & cdots & A_{n1} A_{12} & A_{22} & cdots & A_{n2} vdots & vdots & & vdots A_{1n} & A_{2n} & cdots & A_{nn} \end{matrix} ight] 可得:AA^*=A^*A=|A|E ]

逆矩阵:

定义:对于n阶矩阵A,如果有一个n阶矩阵B使得(AB=BA=E),那么称A可逆,B为A的逆矩阵。

  • 若A可逆,则(|A| eq 0)

  • (|A| eq 0),则:

    [A^{-1}=frac{A^*}{|A|} ]

(|A|=0)时,A称为奇异矩阵,否则称为非奇异矩阵。由以上两定理可知:

A是可逆矩阵的充分必要条件是(|A| eq 0),即可逆矩阵就是非奇异矩阵。

逆矩阵满足下述运算规律:

[(A^{-1})^{-1}=A (lambda A)^{-1}=frac{A^{-1}}{lambda} (AB)^{-1}=B^{-1}A^{-1} ]

逆矩阵的初步运用:

(varphi (A)=a_0E + a_1A + cdots + a_mA^m)为矩阵A的m次多项式。

  • 如果$ A=PLambda P^{-1} (,则) A^k = PLambdakP{-1} $,从而:

    [egin{align} varphi(A) & = a_0E + a_1A + cdots + a_mA^m & = Pa_0EP^{-1} + Pa_1Lambda P^{-1} + cdots + Pa_mLambda^m P^{-1} & = P(a_0E + a_1Lambda + cdots + a_mLambda^m)P^{-1} & = P varphi(Lambda)P^{-1} end{align} ]

  • 如果(Lambda = diag(lambda_1,lambda_2,cdots,lambda_n))为对角矩阵,则(Lambda^k = diag(lambda_1^k,lambda_2^k,cdots,lambda_n^k)),从而:

    [egin{align}varphi(Lambda)& = a_0E + a_1A + cdots + a_mA^m\& = left[egin{matrix} varphi(lambda_1) \ &varphi(lambda_2)\ &&ddots\ &&&varphi(lambda_n)end{matrix} ight]end{align} ]

克拉默法则:

  • 如果线性方程的系数矩阵A的行列式不等于零,则方程组有唯一解:

    [x_n = frac{|A_n|}{|A|} ]

分块矩阵:

  • 转置:

[A=left[egin{matrix}A_{11} & cdots & A_{1r}\vdots & & vdots\A_{s1} & cdots & A_{sr}\end{matrix} ight]\A^T=left[egin{matrix}A_{11}^T & cdots & A_{s1}^T\vdots & & vdots\A_{1r}^T & cdots & A_{sr}^T\end{matrix} ight] ]

  • 分块对角矩阵:(A_i)是方阵,则如下A分块矩阵为分块对角矩阵

[A=left[egin{matrix}A_{1} \& A_2\& & ddots\& & & A_send{matrix} ight] ]

分块对角矩阵有如下性质:

[|A|=|A_1||A_2|cdots|A_s|\A^{-1}=left[egin{matrix}A_{1}^{-1} \& A_2^{-1}\& & ddots\& & & A_s^{-1}end{matrix} ight] ]

[|A|=|A_1||A_2|cdots|A_s|\A^{-1}=left[egin{matrix}A_{1}^{-1} \& A_2^{-1}\& & ddots\& & & A_s^{-1}end{matrix} ight] ]

矩阵的初等变换与线性方程组

矩阵的初等变换:

  • 如果矩阵A经过有限次初等行变换变成矩阵B,则称矩阵A与B行等价

  • 如果矩阵A经过有限次初等列变换变成矩阵B,则称矩阵A与B列等价

  • 如果矩阵A经过有限次初等变换变成矩阵B,则称矩阵A与B等价

  • 由单位矩阵经过一次初等变换得到的矩阵称为初等矩阵,初等矩阵可逆,有限个可逆矩阵乘积仍然可逆。

行阶梯形矩阵:非零行在零行上面,非零行的首非零元素所在列在上一行的首非零元素所在列的右面。
行最简形矩阵:非零行的首非零元为1,首非零元所在的列的其余元均为0。

方阵A可逆的充要条件是存在有限个初等矩阵(P_1P_2cdots P_l)使得(A=P_1P_2cdots P_l)

可推出:方阵A可逆的充要条件是A与E行等价

矩阵的秩:

K阶子式与秩:在m行n列的矩阵A中,任取k行k列,位于这些行列交叉处的元素,不改变相对位置而得到的K阶行列式,称为A的k阶子式。A的最高阶子式设为r阶子式,那么r就为A的秩 ,记作R(A)=r

  • 如果A行等价B,则A与B中非零子式的最高阶数相等。

  • (R(A)=R(A^T))

  • 可逆矩阵又称满秩矩阵,不可逆矩阵又称为降秩矩阵。

  • 初等变换作为一种运算,其深刻意义在于不改变矩阵的秩。

性质(不完全):

  • (R(A+B) leq R(A)+R(B))
  • (R(AB) leq min{R(A), R(B)})
  • (A_{m,n}B_{n,l}=O),则(R(A) + R(B) leq n)
  • (AB=O)且A为满秩矩阵,则(B=O)

线性方程组的解:
n元线性方程组(Ax=b)

  • 无解充要条件是(R(A)<R(A,b))
  • 唯一解充要条件(R(A)=R(A,b)=n)
  • 无穷解充要条件(R(A)=R(A,b)<n)
  1. (Ax=0)有非零解的充要条件是(R(A)<n)
  2. 矩阵方程(AX=B)有解的充要条件是(R(A)=R(A,B))
  3. (AB=C),则(R(C)leq min{R(A), R(B)})

以上是关于线性代数期末大总结I的主要内容,如果未能解决你的问题,请参考以下文章

线性代数期末大总结II

线性代数期末大总结II

HTML5期末大作业:餐饮美食网站设计——咖啡(10页) HTML+CSS+JavaScript 学生DW网页设计作业成品 web课程设计网页规划与设计 咖啡网页设计 美食餐饮网页设计...(代码片段

复旦大学2018--2019学年第一学期高等代数I期末考试情况分析

复旦大学2017--2018学年第一学期(17级)高等代数I期末考试第七大题解答

复旦大学2019--2020学年第一学期(19级)高等代数I期末考试第八大题解答