矩阵论公式定理总结
矩阵论公式定理总结

定理 2.2.1 数域 P 上两个有限维线性空间同构的充要条件是它们有
相同的维数。
子空间(略) 定理 2.3.2 两个向量组生成相同子空间的充要条件是它们等价。 定理 2.3.3 dim L(1 , 2 ,, r ) rank (1 , 2 ,, r ) (其中
L(1 , 2 ,, r ) 是由 1 , 2 ,, r 生成的空间)
定理 2.3.4 设 W 是数域 P 上的 n 维线性空间 V 的一个 m 维子空间,
1 , 2 ,, m 是 W 的一个基, 则这组基向量必定可扩充为线性空间 V 的
基, 即在 V 中必定可找到 n m 个向量 m1 , m 2 ,, n , 使得 1 , 2 ,, n 是 V 的一个基。此定理通称为基的扩充定理。
行列式的降阶定理 定理 1.6.1 设 A 和 D 分别为 n 阶及 m 阶的方阵,则有
A C A D CA1B ,当A可逆时; D D A BD 1C ,当D可逆时. B
定理 1.6.2 设 A,B,C,D 皆为 n 阶方阵,且满足 AC=CA,则
A C B D AD CB
的系数矩阵
a11 a A 21 a s1 a12 a1n a22 a2 n as 2 asn
的秩 r<n,则方程组必有非有非零解。
定理 1.3.2 n 阶方阵 A 的行列式 A 0 的充要条件 rank(A)<n 定理 1.1.3 矩阵 A 的秩为 r 的充要条件是 A 中至少有一个 r 阶子式
有解的充要条件为 rank ( A) rank ( B) 。其中
a11 a21 A as1 a11 a21 B as1
矩阵论定义定理

第1章线性空间与线性变换线性空间定义1.1 设V是一个非空集合,F是一个数域。
定义两种运算,加法:任意α,β∈V,α+β∈V;数量乘法:任意k∈F,α∈V,kα∈V,并且满足8运算,则称V为数域F上的线性空间,V中元素成为向量定理1.1 线性空间V的性质:V中的零元素唯一;V中任一元素的负元素唯一定义1.2 设V是线性空间,若存在一组线性无关的向量组α1…αn,使空间中任一向量可由它们线性表示,则称向量组为V的一组基。
基所含的向量个数为V 的维数,记为dimV=n定理1.2 n维线性空间中任意n个线性无关的向量构成的向量组都是空间的基定义1.3 设α1…是线性空间的V n(F)的一组基,对于任意β∈V,有β=(α1…)(x1…),则称数x是β在基α1…下的坐标定理1.3 向量组线性相关≡坐标相关定义1.4 α,β为两组基,若满足β=αC,则称矩阵C是从基α到基β的过渡矩阵定理1.4 已知β=αC,V中向量A在两组基下的坐标分别为X,Y,则有X=CY定义1.5 V为线性空间,W是V的非空子集合。
若W的元素关于V中加法与数乘向量法运算也构成线性空间,则称W是V的一个子空间定理1.5 设W是线性空间V的非空子集合,则W是V的子空间的充分必要条件是α,β∈W,α+β∈W;k∈F,α∈W,kα∈W零空间:N(A)={X|AX=0}列空间:R(A)=L{A1,A2…}定理1.6 交空间:W1∩W2={α|α∈W1且α∈W2}和空间:W1+W2={α|α=α1+α2,α∈W1,α∈W2}定理1.7 设W1和W2是线性空间V的子空间,则有如下维数公式:DimW1+dimW2 = dim(W1+W2) + dim(W1∩W2)定义1.6 设W1和W2是线性空间V的子空间,W = W1 + W2,如果W1∩W2 = {0},则称W是W1和W2的直和子空间。
记为W = W1⊕W2定理1.8 设W1和W2是V的子空间,W= W1 +W2,则成立以下等价条件:W = W1⊕W2;W中零向量表达式是唯一的;维数公式:dimW = dimW1 + dimW2定义1.7 对数域F上的n维线性空间V,定义一个从V中向量到数域F的二元运算,记为(α,β),即(α,β):V→F,如果满足对称性、线性性、正定性,则称(α,β)是V的一个內积,赋予內积的线性空间为內积空间。
矩阵论定理

n j =1 n i=1
|aij |(行范数)
定理 37. ||A||1 = max |aij |(列范数) √ 定理 38. ||A||2 = λmax AH A(谱范数) 定理 39. ||A||m∞ = n ∗ max |aij | 定理 40. ||A||m1 = 定理 41. ||A||m2 =
n i=1 n i=1 n j =1
|aij | |aij |
2
1 2
n j =1
定理 42. ||X ||m∞ = max |Xi | 定理 43. ||X ||m1 = 定理 44. ||X ||m1 = 定理 45. (I − A)
−1 n i=1
|Xi | |Xi |
2
n i=
≤ (1 − ||A||)
矩阵论汇总
笑猫
定理 1. 属于V n 的向量可唯一由一组基x1 ,x2 ,...,xn 线 性表示。 定 理 24. 全 部k阶 子 式 的 最 大 公 因 子 是 行 列 式 因 子。
定 理 25. 相 抵 的 充 分 必 要 条 件 是 有 相 同 的 行 列 式 定理 2. V1 是线性空间V的一个非空子集, V1 是V的 一个子空间的充要条件是:如果x,y∈V1 , 那么x+y∈V1 ; 因子,或者有相同的不变因子。 如果x∈V1 , 那么kx∈V1 。 定理 26. 史密斯标准型的主对角元素是不变因子。 定理 3. V的子空间的交集也是V的子空间。 定理 4. V的子空间的和也是V的子空间。 定理 5. 线性算子满足可加性和齐次性。 定理 6. 一对一的线性算子称为同构算子。 定 理 7. 数 域P上两个有限维线 性 空 间 同 构 的 充 要 条件是两空间的维数相等。 定理 8. 线性算子由基像唯一确定。 定理 9. 存在唯一一个线性算子,将一组基分别映 射为n个向量。 定理 10. 与恒等变换(单位变换)对应的矩阵是单位 矩阵。 定理 11. 线性变换在不同基下的矩阵是相似的,反 之亦然。 定理 12. B=DAC,矩阵A与B之间相抵。 定理 13. B=C T AC,矩阵A与B相合(合同)。 定 理 14. 相 似 矩 阵 具 有 相 同 的 特 征 多 项 式 和 特 征 值。 定理 15. 内积性质:对称性,可加性,齐次性,非 负性。 定理 16. 柯西-施瓦茨不等式:|(x, y )| ≤ |x| |y | 定 理 17. 度 量 矩 阵(格 拉 姆 矩 阵)是 对 称 正 定 矩 阵, 不同基的度量矩阵是相合的。 定理 18. 正交非零向量线性无关(求标准正交基注 意掌握Schmidt正交化)。 定 理 19. 一 组 基 为 标 准 正 交 基 的 充 要 条 件 是 度 量 矩阵为单位矩阵。 定理 20. 正交变换不改变内积的大小(标准正交基 下的矩阵A满足A−1 = At ,A为正交矩阵)。 定 理 21. A是 正 交 矩 阵 的 充 要 条 件: A的 行 或 列 向 量组为标准正交向量组。 定理 22. 掌握初等旋转变换和初等镜像变换。 定理 23. 初等旋转变换是初等反射变换的乘积。 定 理 27. 不 变 因 子 唯 一 确 定 初 等 因 子; 初 等 因 子 和秩唯一确定不变因子。 定 理 28. 所 有 不 变 因 子 的因子构 成 初 等 因 子, 由 初等因子可直接写出若尔当标准型。 定理 29. 矩阵相似的充要条件是特征矩阵相抵。 定理 30. 矩阵A可对角化的充要条件是初等因子全 为一次式。 定理 31. 凯莱哈密顿定理: f(λ)是A的特征多项式, f(A)=0。 定理 32. 最小多项式是最后一个不变因子。 定理 33. A相似于对角矩阵的充要条件是最小多项 式没有重零点。 定理 34. 范数的性质:非负性,齐次性,三角不等 式。 定理 35. 矩阵范数与向量范数相容的定义:||A|| ||X || ≤ ||AX || 定理 36. ||A||∞ = max
矩阵理论知识点整理

欢迎来主页下载---精品文档精品文档三、矩阵的若方标准型及分解λ-矩阵及其标准型定理1 λ-矩阵()λA 可逆的充分必要条件是行列式()λA 是非零常数引理2λ-矩阵()λA =()()n m ij ⨯λa 的左上角元素()λ11a 不为0,并且()λA 中至少有一个元素不能被它整除,那么一定可以找到一个与()λA 等价的()()()nm ij ⨯=λλb B 使得()0b 11≠λ且()λ11b 的次数小于()λ11a 的次数。
引理3任何非零的λ-矩阵()λA =()()nm ij⨯λa 等价于对角阵()()()⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡0...0.....d 21λλλr d d ()()()λλλr 21d ,....d ,d 是首项系数为1的多项式,且()()1......3,2,,1,/d 1-=+r i d i i λλ引理4等价的λ-矩阵有相同的秩和相同的各阶行列式因子推论5 λ-矩阵的施密斯标准型是唯一的由施密斯标准型可以得到行列式因子 推论6两个λ-矩阵等价,当且仅当它们有相同的行列式因子,或者相同的不变因子推论7λ-矩阵()λA 可逆,当且仅当它可以表示为初等矩阵的乘积推论8两个()()λλλB A m 与矩阵的-⨯n 等价当且仅当存在一个m 阶的可逆λ-矩阵()λP 和一个n 阶的λ-矩阵()λQ 使得()()()()λλλλQ A P =B精品文档推论9两个λ-矩阵等价,当且仅当它们有相同的初等因子和相同的秩定理10设λ-矩阵()λA 等价于对角型λ-矩阵()()()()⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡=λλλλn h h .....21h B ,若将()λB 的次数大于1的对角线元素分解为不同的一次因式的方幂的乘积,则所有这些一次因式的方幂(相同的按照重复的次数计算)就是()λA 的全部初等因子。
行列式因子不变因子初等因子初等因子被不变因子唯一确定但,只要λ-矩阵()λA 化为对角阵,再将次数大于等于1的对角线元素分解为不同的一次方幂的乘积,则所有这些一次因式的方幂(相同的必须重复计算)就为()λA 的全部初等因子,即不必事先知道不变因子,可以直接求得初等因子。
矩阵理论A重点

矩阵理论基本定理与方法特征值的求解1.换位公式 若(){}12,,,p BA λλλλ=,则(){}12,,,,0,0,,0p AB λλλλ=(相差n-p 个零根)2.秩1公式:若()1r A =,即A αβ=则 ①(){}tr(),0,0,,0A A λ=②1A αλα=,即α是1tr()A λ=相应的特征向量。
③0Y β=的n-1个非零解即为0λ=的n-1个特向。
3.平移公式①n n A ⨯与n A cI ±具有相同的特向12,,,n X X X②()(){}12c c,c,,c n n A cI A λλλλλ±=±=±±±Hermite 阵的特征值全为实数,斜Hermite 阵特征值全为纯虚数或零。
许尔定理任一方阵n n A ⨯,存在优阵()1H Q Q Q -=,使得1210Hn Q AQ Q AQ λλλ-⎡⎤⎢⎥*⎢⎥==⎢⎥⎢⎥⎣⎦(上三角) 其中(){}12,,,n A λλλλ=为A 的全部特征值,包括重根。
正定阵若A 为Hermite 阵,即HA A =,且对任意的不为零的向量X ,都有()0Hf X X AX =>成立,则A 为正定阵。
等价条件:1200,0,,0H n A A P P λλλ>⇔>>>⇔=Hermite 阵分解定理若H n nA A C ⨯=∈,则存在优阵Q ,使得121H n Q AQ Q AQ λλλ-⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎣⎦求Q 的方法①求根(){}12,,,n A λλλλ=(实根)②求特向12,,,n X X X③对特向进行正交化,单位化,得到()12,,,n Q εεε=(优阵)根与向量的遗传公式方阵n n A ⨯,(){}12,,,n A λλλλ=,特向为12,,,n X X X任意多项式()212p o p f x a a x a x a x =++++,则()212p o p f A a I a A a A a A =++++的特向也是12,,,n X X X相应特征根为()()(){}12,,,n ff f λλλ若A 为优阵,则()f A 也是优阵;若A 为Hermite ,则()f A 也是Hermite (所以运算之前一定要观察矩阵,切勿盲目分解)优阵1.定义:若方阵n n A ⨯ 满足H n A A I =,称A 为优阵 等价判据:1H H n A A I A A -=⇔=⇔列列正交,模为1 半优阵:n p A ⨯满足Hp A A I =,称A 为半优阵 等价判据:列列正交,模为1 2.优阵性质:保内积 ()()AX AY X Y = 保长 AX X =保正交 X Y AX AY ⊥⇒⊥3.向量β在向量α上的投影为()2αβαβαα=许米特正交公式为(减去投影量,剩下正交量)()()()11212211313233122212βααββαββαβαββαββββ==-=--矩阵分解一、m n A ⨯ 高低分解——找出列中的极大无关组(行变法、直接观察) 二、QR 分解1.任一高阵n p A ⨯(列满秩)必有QR 分解n p n p p p A Q R ⨯⨯⨯=,Q 为半优,R 为正线上三角 其中n p n p A Q ⨯⨯−−−−−→许米正交化列向量单位化(半优),HR Q A = 2.方阵A 必存在优阵Q ,使A QR =成立(如果A 列满秩,用上面方法,否则下面方法) 镜面阵:令nC αβ≠∈,且αβ=,内积()()αββα=为实数,则有镜面阵22H XX A I X=-,使得A αβ=,其中X αβ=-。
矩阵论知识点

矩阵论知识点最近考试不断,今天终于告一段落了。
矩阵论我花了将近两个礼拜复习,多少有点感悟,所以赶紧写下来,不然估计到时候又还给老师了,也希望自己的见解对你们也有帮助!!总的来说矩阵论就讲了如下6个知识点:(1)线性空间与线性变换(2)范数理论及其应用(3)矩阵分析及其应用(4)矩阵分解(5)特征值的估计(6)广义逆矩阵1.线性空间与线性变换1.1线性空间首先我们需要知道什么是空间??空间其实就是向量的集合,而什么是线性空间呢??线性空间就是满足8条性质的向量集合,这8条性质分别如下:所以矩阵论考试里面如果要你证明一个向量集合是线性空间??只需要证明集合满足上述8条性质就可以了,该证明的难度在于怎么表示该集合中的向量。
然后对于线性空间中的元素(元素很多),我们肯定不可能通过枚举法将每个元素枚举出来的吧,这样不太现实。
最好的方法就是找到线性空间中的基,通过这些基和坐标我们就可以表示出线性空间中所有的向量。
针对上述想法,我们就应该考虑满足条件基的存在性和唯一性,得到的结果是这样的基是存在的但是不唯一!!当时这里就牵涉到另一个问题,线性空间的基是不唯一的,对于同一个元素在不同基下坐标肯定是不同的!!如果我们知道基与基之间的关系,我们是否可以知道坐标与坐标的关系,这就推导出了下面公式:之后的一个概念就是线性子空间,这个名词我们可以拆开进行理解,子空间说明了该空间是一个线性空间的子集,线性说明这个子空间满足齐次性和叠加性,具体形式如下:最后一个概念是线性子空间的交与和,这和集合的交与和性质差不多,这里我需要重点介绍的直和的概念,直和的概念和集合的并类似,不同的是直和中并的两个集合是不相交的,即两个集合中没有共同元素。
以上就是线性空间中所有的知识点。
1.2线性变换及其矩阵这一节出现一个概念叫做线性变换,记为T,出现线性变换的原因就是对于一个向量我们希望通过某种变换将该向量转变成我希望的目标向量,换句话说线性变换就相当于函数,自变量就相当于我们已知的向量,因变量就是我们的目标向量,这样应该好理解点。
线性代数重要公式定理大全

线性代数重要公式定理大全线性代数是数学中的一个重要分支,它研究矩阵、向量、线性方程组等基本概念和性质,并运用线性代数的理论和方法解决实际问题。
在学习线性代数时,了解一些重要的公式和定理,不仅可以帮助我们更好地理解和应用线性代数的知识,还能为进一步学习和研究提供基础。
在线性代数中,有许多公式和定理与行列式、矩阵、向量、线性变换和特征值等相关。
下面我将介绍一些重要的公式和定理,希望对你的学习有所帮助。
一、行列式的公式和定理1. 行列式的定义:设有n阶方阵A,它的行列式记作,A,或det(A),定义为:A,=a₁₁A₁₁-a₁₂A₁₂+...+(-1)^(1+n)a₁ₙA₁其中,a₁₁,a₁₂,...,a₁ₙ分别是矩阵第一行元素,A₁₁,A₁₂,...,A₁ₙ是矩阵去掉第一行和第一列的余子式。
2.行列式的性质:(1)行互换改变行列式的符号,列互换改变行列式的符号。
(2)行列式相邻行(列)对换,行列式的值不变。
(3)行列式其中一行(列)中的各项都乘以同一个数k,行列式的值也乘以k。
(4)互换行列式的两行(列),行列式的值不变。
(5)若行列式的行(列)的元素都是0,那么行列式的值为0。
(6)行列式的其中一行(列)的元素都是两数之和,那么行列式的值等于两个行列式的值之和。
3.行列式的计算:(1)按第一行展开计算行列式:将行列式的第一行元素与其所对应的代数余子式相乘,然后加上符号,得到行列式的值。
(2)按第一列展开计算行列式:将行列式的第一列元素与其所对应的代数余子式相乘,然后加上符号,得到行列式的值。
4.行列式的性质定理:(1)拉普拉斯定理:行列式等于它的每一行(列)的元素与其所对应的代数余子式的乘积之和。
(2)行(列)对阵定理:行列式的值等于它的转置矩阵的值。
(3)行列式的转置等于行列式的值不变。
二、矩阵的公式和定理1.矩阵的定义:将一个复数域上的m行n列数排成一个长方形,并按照一定的顺序进行排列,这个排列称为一个m×n矩阵,其中m是矩阵的行数,n是矩阵的列数。
矩阵论-A+的几种求法

54
1
32
234 130
34
75 43 182 53
33
21
78
15
2)因B列满秩,B+
=(BH B) 1 BH
=
(1,
3)
3 1
1
(1,
3)
1 10
(1,
3).
二、奇异值分解求A+
定理2:设A
Crmn,奇异值分解为A=U
Sr 0
0 0
V
H,其中
Sr diag{1, , n},i >0,1 i r,则
1
1
=tr
0
nm
2
tr(AH A)
j 1
aij
i 1
, 于是有
0
秩1公式:若r( A) 1,则A+ =
1 2 AH . aij
i, j
A
+
=V
Sr1
0
0
0
U
H
, 此处Sr1
diag{1-1,
, n-1}.
上述定理可简化:
定理3:设A
Crmn,在A奇异值分解A=U
Sr 0
0 0
VH中
令V=(x1, , xr ,xr1, ,xn )=(V1,V2 ).则
A+
=V1
-1 1
V1H AH.
-1 r
利用奇异值分解求A+的简化步骤:
1)求出AH A的r个非零特征值1, , r , i 0;
2)求出AH A对应于特征值1, , r的标准正交特征向量
1, ,r .令V1=(1, ,r );
3)则A+
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
定理 1.5.3 矩阵 A 与 B 等价的充要条件是有初等矩阵
P 1 , , P s , Q1, , Qt
使 A Ps Ps 1 PBQ 1 1Q2 Qt
推论 1.5.3 两个 n m 矩阵 A 与 B 等价的充要条件为存在 n n 可逆阵
定理 1.3.5 设 A 是数域 P 上的 n m 矩阵,B 是数域 P 上的 m s 矩阵,
则
rank ( AB) min rank ( A), rank (B)
即乘积的秩不超过各因子的秩。
定理 1.3.6 设 A 是一个 s n 矩阵,如果 P 是 s 阶可逆方阵,Q 是 n
解的判别定理 定理 1.4.1 线性方程组
a11 x1 a12 x2 a1n xn b1 a x a x a x b 21 1 22 2 2n n 2 as1 x1 as 2 x2 asn xn bs
定理 2.3.4 设 W 是数域 P 上的 n 维线性空间 V 的一个 m 维子空间,
1 , 2 ,, m 是 W 的一个基, 则这组基向量必定可扩充为线性空间 V 的
基, 即在 V 中必定可找到 n m 个向量 m1 , m 2 ,, n , 使得 1 , 2 ,, n 是 V 的一个基。此定理通称为基的扩充定理。
(1.1.7)
的系数行列式
a11 D a21 an1 a12 a1n 0 a22 a2 n an 2 ann
则方程组(1.1.7)有唯一解,且 xi Di / D(i 1, 2, n) ,其中 Di 是将 D 中 第 i 列换成(1.1.7)式右端的常数项 b1 , b2 ,, bn 所得的行列式,即
行列式的降阶定理 定理 1.6.1 设 A 和 D 分别为 n 阶及 m 阶的方阵,则有
A C A D CA1B ,当A可逆时; D D A BD 1C ,当D可逆时. B
定理 1.6.2 设 A,B,C,D 皆为 n 阶方阵,且满足 AC=CA,则
A C B D AD CB
定理 1.1.4(克莱姆法则) :若线性方程组
a11 x1 a12 x2 a1n xn b1 a x a x a x b 21 1 22 2 2n n 2 an1 x1 an 2 x2 ann xn bn
的系数矩阵
a11 a A 21 a s1 a12 a1n a22 a2 n as 2 asn
的秩 r<n,则方程组必有非有非零解。
定理 1.3.2 n 阶方阵 A 的行列式 A 0 的充要条件 rank(A)<n 定理 1.1.3 矩阵 A 的秩为 r 的充要条件是 A 中至少有一个 r 阶子式
定义 2.2.2 数域 P 上的两个线性空间 V 与 V 称为同构的, 如果由 V 到
V 有一个双射 ,且
1) ( ) ( ) ( ) 2) (k ) k ( ) 其中 , 是 V 中任意向量,k 是 P 中任意数。此时 就称为 V 与 V 的 一个同构映射。
阶可逆方阵,那么
rank ( A) rank ( PA) rank ( AQ) rank ( PAQ)
定义 1.3.5 设 A (aij )nn 是一个 n 阶方阵,A 的主对角元素 的和称为
A 的迹,并记之为 tr ( A) ,即
tr ( A) a11 a22 ann
n1 n2 nm n 。则 rank ( A) rank ( Ai )
i 1 m
定理 1.6.5 设 A 和 D 分别为 n 阶和 m 阶的方阵,则
A B rank ( A) rank ( D CA1B), A可逆时 rank 1 C D rank ( D) rank ( A BD C ), D可逆时
(1.4.5)
的一组解1 ,2 ,,r 称为方程组(1.4.5)的一个基础解系,若 1)1 ,2 ,,r 线性无关; 2)方程组(1.4.5)的任何一个解都能用1 ,2 ,,r 线性表示。
定理 1.4.2 若齐次线性方程组有非零解,则它的基础解系必存在,
且基础解系所含解的个数为 n r ,其中 r 为系数矩阵的秩。
1 2
n
即所有取自不同行不同列的 n 个元素的乘积 a1 j1 a2 j2 ...an jn 的代数和,其中每一 项的符合由排列 j1 j 2 ... j n 的奇偶性决定。
n 阶行列式的展开原理: 定义 1.1.2 在 n 阶行列式 D 中,任选 k 行和 k 列( k n ) ,将其交
叉点上的 k 2 个元素按原来位置排成一个 k 阶行列式 M,称为 D 的一 个 k 阶子式。 在 D 中划去 M 所在之 k 行 k 列后余下的 (n k )2 个元素按 照原来位置排成的 n-k 阶行列式 M ,称为 M 的余子式。
定理 2.2.1 数域 P 上两个有限维线性空间同构的充要条件是它们有
相同的维数。
子空间(略) 定理 2.3.2 两个向量组生成相同子空间的充要条件是它们等价。 定理 2.3.3 dim L(1 , 2 ,, r ) rank (1 , 2 ,, r ) (其中
L(1 , 2 ,, r ) 是由 1 , 2 ,, r 生成的空间)
矩阵论
1.行列式的相关知识: 1.1 定义:由 n2 个数 aij (i, j 1, 2,..., n) 组成的一个 n 阶行列式为
a11 D a21 an1
a12
a1n
j1 j2 ... jn
a22 a2 n an 2 ann
(1) ( j1 j2 ... jn ) a1 j a2 j ...an j
, , n 的过渡矩阵 则矩阵 A 称为由基 1 , 2 ,, n 到 1, 2
还有坐标变换公式
x1 a11 x2 a21 xn an1
a11 x1 x2 a21 an1 xn
矩阵。
定理 1.5.1 对一个 n m 矩阵 A 作一次初等行变换,相当于对 A 左乘
一个相应的 n n 初等矩阵。对 A 作一次初等列变换,则相当于对 A 右 乘一个相应的 m m 初等矩阵。
定义 1.5.3 矩阵 A 与 B 称为等价的,若 B 可由 A 经过一系列初等变
换得到。
定理 1.5.2 初等变换不改变矩阵的秩。 推论 1.5.1
定义 1.1.3 设 D 的 k 阶子式 M 在 D 中所在行列指标分别是 i1 , i2 ,..., ik
和 j1 , j2 ,..., jk ,则称
A (1)(i1 i2 ik ) ( j1 j2 jk ) M
为 M 的代数余子式,其中 M 为 M 的余子式。 定理 1.1.1 (拉普拉斯定理) 设在行列式 D 中任意取定 k 行 (1 k n 1) , 则由这 k 行元素所组成的一切 k 阶子式与其对应的代数余子式的乘 积之和等于和列式 D。
矩阵的初等变换与初等矩阵 定义 1.5.1 数域 P 上的矩阵的下列三种变换称为初等行变换:
1)以 P 中非零的数乘矩阵的某一行; 2)把矩阵中某一行的倍数加到另一行; 3)互换矩阵中两行的位置。 同理定义初等列变换,统称为初等变换。
定义 1.5.2 单位矩阵 E 经过一次初等变换后所得到的矩阵称为初等
不为零,且其所有的 r+1 阶子式全为零。
定理 1.3.4 设 A,B 是数域 P 上的两个 n 阶方阵,则 AB
阵乘积的行列式等于它的因子行列式的乘积。
A B 即矩
定义 1.3.4 数域 P 上的 n 阶方阵 A 称为非奇异的(可逆矩阵,满
秩矩阵) ,若 A 0 ;否则称为奇异的(不可逆矩阵,不满秩矩阵) 。
系数矩阵 A 与增广矩阵 B 的秩之间只有两种可能,即
rank ( A) rank ( B)
或
r a n( k A ) 1
ran ( k )B
定义 1.4.1 齐次线性方程组
a11 x1 a12 x2 a1n xn 0 a x a x a x 0 21 1 22 2 2n n as1 x1 as 2 x2 asn xn 0
a12 a1n x1 a22 a2 n x2 an 2 ann xn
a12 a22 an 2 a1n a2 n ann
1
x1 x2 xn
定理 1.6.8 设 A 与 B 分别为 s n 和 n m 矩阵,则
rank ( A) rank ( B) n rank ( AB)
线性空间与线性变换
集合 映射 变换 线性空间 基 维数 坐标 (略)
定义 2.2.2 设 1 , 2 ,, n 与 1, 2 ,, n 是 n 维线性空间 V 的两个基,
定义 1.2.4 向量组的极大线性无关组所含向量的个数称为这个向量
组的秩。
引理 1.3.1 若齐次线性方程组
a11 x1 a12 x2 a1n xn 0 a x a x a x 0 21 1 22 2 2n n as1 x1 as 2 x2 asn xn 0
a11 a1,i 1 b1 a a2,i 1 b2 Di 21 an1 an ,i 1 bn a1,i 1 a2,i 2 a1n a2 n