线性代数超强总结

合集下载

线性代数总结

线性代数总结

分块矩阵: 利用分块矩阵可进行加,减,数乘,乘积,各个子快间的运算扔满算矩阵的运算,总体运算 将子块看成数字即可。 同型的分块对角矩阵的和, 差, 数乘, 积及逆仍是分块对角矩阵, 且运算为对应子块的运算, (分块上或下三角矩阵也符合) 矩阵的初等变换:1. 交换,2. 倍加 A→B(或 A∽B,A 与 B 等价) 若 A 可逆,则 A 可以由初等变换最终得到单位矩阵 E 初等矩阵:由单位矩阵施以一次初等变换得到 E(i,j) 交换第 i,j 行(列)
12 n A
1 2 n a11 a22 a33 ann
一个特征值可以对应多个特征向量,一个特征向量只能对应一个特征值 属于不同特征值的的特征向量正交 A∽B(存在 P 使得 P-1AP=B) A∽B→特征值相同,秩相等,行列式相等 A 与 A 的特征值所组成的对角矩阵相似(且这些特征值所对应的特征向量(个数与特征值 相等) ,线性无关)
P 1 AP 其中 P 可逆,则称 A 可对角化
吴浩
5
T n T 8. n 阶方阵的行列式:由方阵元素构成的行列式 A = A , kA =k A , AB = A B
9. 若 A =A,即 aij=aji,则称 A 为对称矩阵(所有元素关于主对角线对称) ,对称矩阵的和, 差,数乘都为对称矩阵,但积不一定为对称矩阵 逆矩阵: 若 AB=BA=E A =B,B =A,
线性代数总结
线性代数总结
1.二阶行列式定义:记号
a11 a12 =a11a22-a12a21,称为二阶行列式(三阶与二阶类似) 。 a21 a22
2.对角线法则只适用于二阶与三阶,四阶及以后不能用。 3.n 级排列:由自然数 1,2,…,n 组成的不重复的每一种有确定次序的排列,称为一个 n 级 排列。 4.在一个 n 级排列(i1i2…it…ik…in)中,若数 it>ik,则称 it 与 ik 构成一个逆序。一个 n 级排 列中逆序的总数称为该排列的逆序数,记为 N(i1i2…in). 5.逆序数为奇数的排列称为奇排列,逆序数为偶数的排列称为偶排列。 6.注意:i. n 阶行列式是 n!项的代数和,且冠以正号的项和冠以负号的项(不包括元素本身 所带的符号)各占一半,因此,行列式实质上是一种特殊定义的数; ( ) ii.a 1jia2 j2…an jn 的符号为(-1)N j1j2…jn (不包括元素本身所带的符号) ; iii.一阶行列式 a =a,不要与绝对值记号相混淆。 7.行列式中各项正负号规定方法:当该项各元素的行(列)标按自然数顺序排列后,若对应 的列(行)标,构成的排列是偶排列则取正号,是奇排列则取负号。 8.对角行列式:非主对角线上元素全为零的行列式称为对角行列式,而对角线以上(下)的 元素全为零的行列式称为下(上)对角行列式。 9.任意一个排列对换一次,奇偶性发生改变 10.奇排列变成自然排列的对换次数为奇数;偶排列变成自然排列的对换次数为偶数 11.n 阶行列式的定义式为 N(j1j2j3…jn) D=Σ(-1) a1j1a2j2a3j3…anjn ※12.行列式的性质: T ①D=D ②用数 k 乘行列式的某一行(列) ,等于用数 k 乘以此行列式。 ③交换行列式两行 (列) ,行列式变号 ④行列式中,若两行(列)对应元素成比例,则行列式为零 ⑤行列式 的拆分是按一行(列) ,拆开,即一次拆一行或一列 ⑥将行列式的一行(列)对应的元素 上,行列式值不变 13.行列式按行(列)展开:D=a1j1A1j1+a2j2A2j2+…+anjnAnjn i+j 其中,Aiji 为代数余子式,Aij=(-1) Mij,Mij 为余子式 14.行列式某一行(列)的元素与另一行(列)的对应元素的代数余子式乘积之和等于零 15.利用行列式求方程组的解(未知数的个数与方程组的个数相等) 非齐次:

线性代数知识点总结汇总

线性代数知识点总结汇总

线性代数知识点总结1 行列式一行列式概念和性质1、逆序数:所有的逆序的总数2、行列式定义:不同行不同列元素乘积代数和3、行列式性质:用于化简行列式1行列互换转置,行列式的值不变2两行列互换,行列式变号3提公因式:行列式的某一行列的所有元素都乘以同一数k,等于用数k乘此行列式4拆列分配:行列式中如果某一行列的元素都是两组数之和,那么这个行列式就等于两个行列式之和;5一行列乘k加到另一行列,行列式的值不变;6两行成比例,行列式的值为0;二重要行列式4、上下三角主对角线行列式的值等于主对角线元素的乘积5、副对角线行列式的值等于副对角线元素的乘积乘6、Laplace展开式:A是m阶矩阵,B是n阶矩阵,则7、n阶n≥2范德蒙德行列式数学归纳法证明★8、对角线的元素为a,其余元素为b的行列式的值:三按行列展开9、按行展开定理:1任一行列的各元素与其对应的代数余子式乘积之和等于行列式的值2行列式中某一行列各个元素与另一行列对应元素的代数余子式乘积之和等于0 四行列式公式10、行列式七大公式:1|kA|=k n|A|2|AB|=|A|·|B|3|A T|=|A|4|A-1|=|A|-15|A|=|A|n-16若A的特征值λ1、λ2、……λn,则7若A与B相似,则|A|=|B|五克莱姆法则11、克莱姆法则: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,则它的系数行列式必为03若齐次线性方程组的系数行列式不为0,则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、矩阵乘法注意事项: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,但若B=E,O,A-1,A,fA时,可以用交换律3AB=O不能推出A=O或B=O;2、转置的性质5条1A+B T=A T+B T2kA T=kA T3AB T=B T A T4|A|T=|A|5A TT=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1kA-1=1/k·A-1 k≠02AB-1=B-1·A-13|A-1|=|A|-14A T-1=A-1T5A-1-1=A5、逆的求法:1A为抽象矩阵:由定义或性质求解2A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c3一行列乘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E ij-1=E ij i,j两行互换;E i-1c=E i1/c第i行列乘cE ij-1k=E ij-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:1rA=0意味着所有元素为0,即A=O2rA n×n=n满秩←→ |A|≠0 ←→A可逆;rA<n←→|A|=0←→A不可逆;3rA=rr=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1A为m×n阶矩阵,则rA≤minm,n2rA±B≤rA±B3rAB≤min{rA,rB}4rkA=rAk≠05rA=rACC是一个可逆矩阵6rA=rA T=rA T A=rAA T7设A是m×n阶矩阵,B是n×s矩阵,AB=O,则rA+rB≤n11、秩的求法:1A为抽象矩阵:由定义或性质求解;2A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,则rA=非零行的行数五伴随矩阵12、伴随矩阵的性质:8条1AA=AA=|A|E → ★A=|A|A-12kA=k n-1A3AB=BA4|A|=|A|n-15A T=A T6A-1=A-1=A|A|-17A=|A| n-2·A★8rA=n rA=n;rA=1 rA=n-1;rA=0 rA<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+…+a n b n=04、正交矩阵的定义:A为n阶矩阵,AA T=E ←→ A-1=A T←→ A T A=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,…,x s T=β有解;★2←→rα1,α2,…,αs=rα1,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:了解即可若α1,α2,…,αs线性无关,α1,α2,…,αs,β线性相关,则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、线性相关注意事项:1α线性相关←→α=02α1,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,…,x s T=0有非零解;★3←→rα1,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←→ rα1,α2,…,αn<n2←→|α1,α2,…,αn |=03←→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部分相关,则整体相关3高维相关,则低维相关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,…,x s T=0只有零解3←→rα1,α2,…,αs=s特别地,n个n维向量α1,α2,…,αn线性无关←→rα1,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,部分无关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:若小于阶数,线性相关;若等于阶数,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若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,α3C,则rβ1,β2,β3=rC,从而线性无关;←→rβ1,β2,β3=3 ←→ rC=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对比: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1α1,α2,…,αs为抽象的:定义法2α1,α2,…,αs为数字的:α1,α2,…,αs→初等行变换→阶梯型矩阵则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:若α1,α2,…,αn与β1,β2,…,βn是n维向量空间V的两组基,则基变换公式为β1,β2,…,βn=α1,α2,…,αn C n×n其中,C是从基α1,α2,…,αn到β1,β2,…,βn的过渡矩阵;C=α1,α2,…,αn-1β1,β2,…,βn18、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,…,x n T,y=y1,y2,…,y n T,,即γ=x1α1 + x2α2 + …+x nαn=y1β1 + y2β2 + …+y nβn,则坐标变换公式为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-1β1,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=α12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,…,αn2、解的定义:若η=c1,c2,…,c n 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←→rA=nn为A的列数或是未知数x的个数2有非零解←→rA<n4、非齐次方程组:1无解←→rA<rA|b←→rA=rA-12唯一解←→rA=rA|b=n3无穷多解←→rA=rA|b<n5、解的性质:1若ξ1,ξ2是Ax=0的解,则k1ξ1+k2ξ2是Ax=0的解2若ξ是Ax=0的解,η是Ax=b的解,则ξ+η是Ax=b的解3若η1,η2是Ax=b的解,则η1-η2是Ax=0的解推广1设η1,η2,…,ηs是Ax=b的解,则k1η1+k2η2+…+k sηs为Ax=b的解当Σk i=1Ax=0的解当Σk i=02设η1,η2,…,ηs是Ax=b的s个线性无关的解,则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-1三基础解系6、基础解系定义:1ξ1,ξ2,…,ξs是Ax=0的解2ξ1,ξ2,…,ξs线性相关3Ax=0的所有解均可由其线性表示→基础解系即所有解的极大无关组注:基础解系不唯一;任意n-rA个线性无关的解均可作为基础解系;★7、重要结论:证明也很重要设A施m×n阶矩阵,B是n×s阶矩阵,AB=O1B的列向量均为方程Ax=0的解2rA+rB≤n第2章,秩8、总结:基础解系的求法1A为抽象的:由定义或性质凑n-rA个线性无关的解2A为数字的:A→初等行变换→阶梯型自由未知量分别取1,0,0;0,1,0;0,0,1;代入解得非自由未知量得到基础解系四解的结构通解9、齐次线性方程组的通解所有解设rA=r,ξ1,ξ2,…,ξn-r为Ax=0的基础解系,则Ax=0的通解为k1η1+k2η2+…+k n-rηn-r 其中k1,k2,…,k n-r为任意常数10、非齐次线性方程组的通解设rA=r,ξ1,ξ2,…,ξn-r为Ax=0的基础解系,η为Ax=b的特解,则Ax=b的通解为η+ k1η1+k2η2+…+k n-rηn-r 其中k1,k2,…,k n-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,则称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,则齐次方程ATAx=0与Ax=0同解,rATA=rA2设A是m×n阶矩阵,rA=n,B是n×s阶矩阵,则齐次方程ABx=0与Bx=0同解,rAB=rB5 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若α为齐次方程Ax=0的非零解,则Aα=0·α,即α为矩阵A特征值λ=0的特征向量2A的各行元素和为k,则1,1,…,1T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1A为抽象的:由定义或性质凑2A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λi E-A=0,得属于特征值λi的线性无关的特征向量,即其基础解系共n-rλi E-A个解6、性质:1不同特征值的特征向量线性无关2k重特征值最多k个线性无关的特征向量1≤n-rλi E-A≤k i3设A的特征值为λ1,λ2,…,λn,则|A|=Πλi,Σλi=Σa ii4当rA=1,即A=αβT,其中α,β均为n维非零列向量,则A的特征值为λ1=Σa ii=αTβ=βTα,λ2=…=λn=05设α是矩阵A属于特征值λ的特征向量,则A fAATA-1A P-1AP相似λfλλλ-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~B 8、相似矩阵的性质1若A与B相似,则fA与fB相似2若A与B相似,B与C相似,则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推广4若A与B相似,则AB与BA相似,A T与B T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=λiαiαi≠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1A有n个线性无关的特征向量2A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:1A有n个不同的特征值不同特征值的特征向量线性无关2A为实对称矩阵12、重要结论:1若A可相似对角化,则rA为非零特征值的个数,n-rA为零特征值的个数2若A不可相似对角化,rA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3A可相似对角化,即存在可逆矩阵P使得P-1AP=Λ4A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fx1,x2,…,x n=d1x12+d2x22+…+d n x n2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=CyC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+…+λn y n2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;二惯性定理及规范形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;规范形:f=z12+…z p2-z p+12-…-z p+q2称为二次型的规范形;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;注:1由于正负惯性指数不变,所以规范形唯一;2p=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=rA三合同矩阵6、定义:A、B均为n阶实对称矩阵,若存在可逆矩阵C,使得B=C T AC,称A与B合同△7、总结:n阶实对称矩阵A、B的关系1A、B相似B=P-1AP←→相同的特征值2A、B合同B=C T AC←→相同的正负惯性指数←→相同的正负特征值的个数3A、B等价B=PAQ←→rA=rB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x T Ax,如果任意x≠0,恒有x T Ax>0,则称二次型正定,并称实对称矩阵A是正定矩阵;9、n元二次型x T Ax正定充要条件:1A的正惯性指数为n2A与E合同,即存在可逆矩阵C,使得A=C T C或C T AC=E3A的特征值均大于04A的顺序主子式均大于0k阶顺序主子式为前k行前k列的行列式10、n元二次型x T Ax正定必要条件:1a ii>02|A|>011、总结:二次型x T Ax正定判定大题1A为数字:顺序主子式均大于02A为抽象:①证A为实对称矩阵:A T=A;②再由定义或特征值判定12、重要结论:1若A是正定矩阵,则kAk>0,A k,A T,A-1,A正定2若A、B均为正定矩阵,则A+B正定。

线性代数知识点总结

线性代数知识点总结

向量的模长
• 定义:向量的大小
• 计算公式:|v| = √(x² + y² + ... + n²)
向量的加法运算
向量加法的定义
• 两个向量的和是一个新的向量,其坐标等于两个向量坐标的和
• 向量加法满足交换律和结合律
向量加法的计算
• 直接将两个向量的对应坐标相加
• 可以用坐标法表示向量加法
向量加法的性质
正定二次型
• 二次型的标准化是将二次型表示为标准二次型的形式
• 正定二次型是指二次型对应的矩阵是正定矩阵
• 标准二次型的形式为f(x) = x′Ax + λx′x
• 正定二次型的二次函数在向量空间的原点处取得最小值
08
线性规划
线性规划问题的定义与模型
线性规划问题的定义
• 线性规划问题是一种优化问题,要求求解一组变量的最优值
06
特征值与特征向量
特征值与特征向量的定义与性质
01
特征值的定义
• 特征值是线性变换特征方程的根
• 特征值表示线性变换对向量的放大倍数
02
特征向量的定义
• 特征向量是线性变换特征方程的解向量
• 特征向量表示线性变换对向量的方向
03
特征值与特征向量的性质
• 特征值具有唯一性和稳定性
• 特征向量具有线性无关性
二次型的定义与表示
二次型的定义
二次型的表示
• 二次型是一种二次函数,表示为f(x) = Ax² + Bx + C
• 二次型可以用矩阵表示,为f(x) = x′Ax + x′Bx + x′Cx
• 其中,A、B、C是常数矩阵
• 其中,A、B、C是二次型的系数矩阵

线性代数知识点总结复习整理

线性代数知识点总结复习整理

2
定理
a11 a12 a1n
n 阶行列式
D
a21
a22
a2 n
等于它的任意一行(列)的各
an1 an2 ann
元素与其对应的代数余子式的乘积之和,即 D ai1Ai1 ai2 Ai2 ain Ain ,
(i 1, 2,, n) 或D a1 j A1 j a2 j A2 j anj Anj , ( j 1, 2,, n) 。
k个
Am Ak Amk , Am k Amk m, k为正整数 。规定:A0=E
(只有方阵
才有幂运算)
注意 矩阵不满足交换律,即 AB BA , ABk Ak Bk (但也有例外)
转置矩阵 把矩阵 A 的行换成同序数的列得到的新矩阵,叫做 A 的转 置矩阵,记作 A ,
1 AT T A ; 2 A BT AT BT ; 3 AT AT ; 4 ABT BT AT 。
称为一个 n 维向量,记为
a1 a2 ...
(列向量形式)或
初等列变换:把初等行变换中的行变为列,即为初等列变换,所用记 号是把“r”换成“c”。 矩阵等价 如果矩阵 A 经有限次初等变换变成矩阵 B,就称矩阵 A 与 B 等价。
7
行阶梯形矩阵:可画出一条阶梯线,线的下方全为零,每个台阶只有
一行,台阶数即是非零行的行数阶梯线的竖线(每段竖线的长度为一
行)后面的第一个元素为非零元,也是非零行的第一个非零元。(非
推论 2 D 中某一行(列)所有元素为零,则 D=0。
性质 4 若行列式的某一列(行)的元素都是两数之和,则
a11 a12 (a1i a1i ) a1n a11 a12 a1i a1n a11 a12 a1i a1n

线性代数期末复习知识点资料整理总结

线性代数期末复习知识点资料整理总结

行列式1.行列式的性质性质1行列式与它的转置行列式相等TD D =.性质2互换行列式的两行(列),行列式变号.推论1如果行列式有两行(列)的对应元素完全相同,则此行列式的值为零.性质3行列式的某一行(列)中所有的元素都乘以同一数k ,等于用数k 乘此行列式.如111213111213212223212223313233313233a a a a a a ka ka ka k a a a a a a a a a =推论2如果行列式中有两行(列)元素成比例,则此行列式的值为零.性质4若行列式的某一行(列)的元素都是两数之和,则这个行列式等于两个行列式之和.如111213111213111213212122222323212223212223313233313233313233a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a ''''''+++=+性质5把行列式的某一行(列)的各元素乘以同一数然后加到另一行(列)对应的元素上去,行列式的值不变.如111213111213212223212223313233311132123313a a a a a a a a a a a a a a a a ka a ka a ka =+++例1已知,那么()A.-24B.-12C.-6D.12答案B解析2.余子式与代数余子式在n 阶行列式中,把元素ij a 所在的第i 行和第j 列划去后,留下来的n-1阶行列式叫做元素ij a 的余子式,记作ij M ,i jij ij A (1)M +=-叫做元素ij a 的代数余子式.3.行列式按行(列)展开法则定理1行列式的值等于它的任一行(列)的各元素与其对应的代数余子式乘积之和,即1122i i i i in in D a A a A a A =+++ 或 1122j j j j nj njD a A a A a A =+++ ()1,2,,;1,2i n j n ==定理2行列式任一行(列)的元素与另一行(列)的对应元素的代数余子式乘积之和等于零,即12120,j j i i jn i n a A a A a A +++= 或,11220.j j j j nj nj a A a A a A i j +++=≠ ()1,2,,;1,2i n j n == 例.设3阶矩阵()ij A a =的行列式12A =,ij A 为ij a 的代数余子式.那么313132323333a A a A a A ++=___12____;213122322333a A a A a A ++=___0___.4.行列式的计算(1)二阶行列式1112112212212122a a a a a a a a =-(3)对角行列式1212n nλλλλλλ=,n(m 1)21212nn(1)λλλλλλ-=- (4)三角行列式1111121n 2122222n1122nnn1n2nnnna a a a a a a a a a a a a a a ==(5)消元法:利用行列式的性质,将行列式化成三角行列式,从而求出行列式的值.(6)降阶法:利用行列式的性质,化某行(列)(一般选择有0元素的行或列)只有一个非零元素,再按该行(列)展开,通过降低行列式的阶数求出行列式的值.(7)加边法:行列式每行(列)所有元素的和相等,将各行(列)元素加到第一列(行),再提出公因式,进而求出行列式的值.例:思路:将有0的第三行化为只有一个非0元素33=1,按该行展开,D=3333,不用忘记B 。

大学线性代数知识点归纳总结

大学线性代数知识点归纳总结

大学线性代数知识点归纳总结线性代数是大学数学的重要分支之一,广泛应用于各个学科领域。

在学习线性代数过程中,我们需要掌握一系列的基本知识点。

本文将对大学线性代数的知识点进行归纳总结,旨在帮助读者梳理思路,全面了解线性代数的基本概念和运算方法。

1. 行列式行列式是线性代数的基础概念之一,在矩阵运算和方程组求解中起到重要作用。

行列式的计算涉及到代数余子式、代数余子式和行列式的关系等内容。

我们需要掌握行列式的计算方法,包括二阶和三阶行列式的计算公式,以及行列式的性质和运算规则。

2. 矩阵矩阵是线性代数的核心概念之一,广泛应用于各个学科领域。

我们需要了解矩阵的表示方法、矩阵的基本运算、矩阵的转置和逆矩阵等基本概念。

此外,矩阵乘法的计算方法和矩阵的行、列空间也是我们需要掌握的内容。

3. 向量空间向量空间是线性代数的重要概念,用于描述向量的性质和运算规则。

我们需要了解向量空间的定义和基本性质,包括向量加法、标量乘法、零向量、向量的线性组合和线性相关性等概念。

此外,向量空间的子空间、基和维数也是我们需要掌握的内容。

4. 线性变换线性变换是线性代数的核心内容之一,用于描述向量空间之间的映射关系。

我们需要理解线性变换的定义和性质,包括线性变换的加法、标量乘法、零变换和逆变换等。

此外,线性变换的矩阵表示和特征值、特征向量也是我们需要重点掌握的内容。

5. 特征值和特征向量特征值和特征向量是矩阵理论中的重要概念,揭示了线性变换中的重要性质。

我们需要了解特征值和特征向量的定义和计算方法,以及它们在线性代数中的应用。

6. 正交性与正交变换正交性是线性代数中重要的概念,与内积空间和正交变换密切相关。

我们需要了解正交性的定义和性质,包括正交向量、正交矩阵和正交变换等。

此外,正交化过程和正交矩阵的性质也是我们需要掌握的内容。

7. 最小二乘法最小二乘法是线性代数在实际问题中的应用之一,用于求解线性方程组的近似解。

我们需要了解最小二乘法的基本原理和计算方法,包括最小二乘解的存在唯一性和求解过程。

线性代数重点知识总结

说明:1.本总结只是把课本的重点知识总结了一下,我没有看到期末考试题,所以考着了算是侥幸,考不着也正常。

2.知识点会了不一定做的对题,所以还要有相应的练习题。

3.前后内容要贯穿起来,融汇贯通,建立自己的知识框架。

第一章行列式1.行列式的定义式(两种定义式)-->行列式的性质-->对行列式进行行、列变换化为上下三角(求行列式的各种方法逐行相加、倒叙相减、加行加列、递推等方法,所有方法是使行列式出现尽可能多的0为依据的)。

2.行列式的应用——>克拉默法则(成立的前提、描述的内容、用途,简单的证明可从逆矩阵入手)。

总结:期末第一章可能不再单独考,但会在求特征值/判断正定性等内容时顺便考察行列式的求解。

第二章矩阵1.矩阵是一个数组按一定的顺序排列,和行列式(一个数)具有天壤之别。

2.高斯消元法求线性方程组的解—>唯一解、无解、无穷解时阶梯型的样子(与第三章解存在的条件以及解的结构联系在一起)3.求逆矩阵的方法(初等变换法,I起到记录所有初等变换的作用)、逆矩阵与伴随矩阵的关系。

4.初等矩阵和初等变换的一一对应关系,学会由初等变换找出与之对应的初等矩阵。

5.分块矩阵(运用分块矩阵有时可以很简单的解决一些复杂问题)记得结论A 可逆,则)A -(1|A |A -1T T αααα=+。

第三章 线性方程组第三章从向量组的角度入手,把线性方程组的系数矩阵的每一列看作一个列向量,从而得到一个向量组假设为n 21,,,ααα ,右边常则看作一个向量β,1)若向量β被向量组n 21,,,ααα 表出唯一(即满足关系:n n n ==),,,,(r ),,,(r 2121βαααααα 时,因为只有向量组n 21,,,ααα 线性无关才表出唯一),则只有唯一解;2)若β不能由向量组n 21,,,ααα 线性表出(即满足条件),,,,(r 1),,,(r 2121βααααααn n =+时)则无解;3)若β由向量组n 21,,,ααα 表出不唯一(即满足条件n n n <=),,,,(r ),,,(r 2121βαααααα 时,只有n 21,,,ααα 线性相关才表出不唯一)有无穷解。

线性代数学习心得体会

线性代数学习心得体会篇一:学习线性代数的心得体会学习线性代数的心得体会线代课本的前言上就说:“在现代社会,除了算术以外,线性代数是应用最广泛的数学学科了。

”我们的线代教学的一个很大的问题就是对线性代数的应用涉及太少,课本上涉及最多的只能算解线性方程组了,但这只是线性代数很初级的应用。

我自己对线性代数的应用了解的也不多。

但是,线性代数在计算机数据结构、算法、密码学、对策论等等中都有着相当大的作用。

线性代数被不少同学称为“天书”,足见这门课给同学们造成的困难。

在这门课的学习过程中,很多同学遇到了上课听不懂,一上课就想睡觉,公式定理理解不了,知道了知识但不会做题,记不住等问题。

我认为,每门课程都是有章可循的,线性代也不例外,只要有正确的方法,再加上自己的努力,就可以学好它。

线代是一门比较费脑子的课,所以如果前一天晚上睡得太晚第二天早上的线代课就会变成“催眠课”。

那么,就应该在第二天有线代课时晚上睡得早一点。

如果你觉得上课跟不上老师的思路那么请预习。

这个预习也有学问,预习时要“把更多的麻烦留给自己”,即遇到公式、定理、结论马上把证明部分盖住,自己试着证一下,可以不用写详细的过程,想一下思路即可;还要多猜猜预习的部分会有什么公式、定理、结论;还要想一想预习的内容能应用到什么领域。

当然,这对一些同学有困难,可以根据个人的实际情况适当调整,但要尽量多地自己思考。

一定要重视上课听讲,不能使线代的学习退化为自学。

上课时干别的会受到老师讲课的影响,那为什么不利用好这一小时四十分钟呢?上课时,老师的一句话就可能使你豁然开朗,就可能改变你的学习方法甚至改变你的一生。

上课时一定要“虚心”,即使老师讲的某个题自己会做也要听一下老师的思路。

上完课后不少同学喜欢把上课的内容看一遍再做作业。

实际上应该先试着做题,不会时看书后或做完后看书。

这样,作业可以帮你回忆老师讲的内容,重要的是这些内容是自己回忆起来的,这样能记得更牢,而且可以通过作业发现自己哪些部分还没掌握好。

线性代数四五章知识点总结

线性代数四五章知识点总结第四章:行列式1. 行列式的定义行列式是一个数学工具,它可以用来表示一个线性变换对体积的放大倍数。

对于一个n阶(n行n列)的方阵A,它的行列式记作det(A),行列式的元素通常用aij表示,其中i代表行号,j代表列号。

2. 行列式的性质(1)行列式中的行(列)互换,则行列式变号。

(2)行列式的某一行(列)乘以一个数k,那么行列式的值也要乘以k。

(3)行列式中的某一行(列)的元素都是两个数的和,那么行列式等于两个行列式的和。

(4)若行列式中有两行(列)完全相同,则行列式的值为0。

3. 行列式的计算(1)余子式和代数余子式对于一个n阶行列式A,如果去掉第i行和第j列的元素后,剩下来的(n-1)阶行列式就是A的余子式,用Mij表示。

而对应的代数余子式就是Mij乘上(-1)^(i+j)。

(2)拉普拉斯(Laplace)展开定理通过代数余子式的计算,可以利用拉普拉斯展开定理来计算n阶行列式的值。

即对于一个n阶行列式A,其中的元素aij乘以对应的代数余子式Mij后相加,即可得到行列式的值。

第五章:特征值和特征向量1. 特征值和特征向量的概念对于一个n阶方阵A,如果存在一个非零向量x和一个数λ,使得Ax=λx,那么λ称为A 的特征值,x称为A对应于特征值λ的特征向量。

2. 特征值和特征向量的计算寻找一个矩阵的特征值和特征向量可以通过求解方程组(A-λI)x=0来得到。

其中A是待求矩阵,λ是特征值,x是特征向量,I是单位矩阵。

3. 特征值和特征向量的性质(1)特征值的性质:一个n阶方阵A的n个特征值之和等于它的主对角线元素之和,即Tr(A)=λ1+λ2+...+λn。

(2)特征向量的性质:如果A有n个不同的特征值λ1,λ2,...,λn,那么这n个特征值对应的n个特征向量是线性无关的。

4. 特征值与对角化如果一个n阶方阵A有n个线性无关的特征向量,那么可以将它对角化成对角阵D,即找到一个可逆矩阵P,使得P^-1AP=D。

线性代数思维导图全6页及其总结


第五章
若k为A的特征值,X为其对应的特征向量, 设有多项式f(x)=a0+a1x+...+am*x(m)次方, 则方阵f(A)=a0E+a1A+...+amA(m次方)的特
征值为f(k),X仍为其相应的特征向量
注意P的逆矩阵在前 A,B为n阶方阵,若存在n阶可逆矩阵P,使 P-1AP=B则称A与B相似,记作A~B,P被称为A
参见P95 例5.8
A为正交矩阵的充要条件是其列(行) 向量组是Rn中的单位正交基
若A为正交矩阵,则A的逆矩阵也为正交矩阵
若A,B为同阶正交矩阵,则AB也为正交矩阵
若A为正交矩阵,则 det(A)=+-1
实对称矩阵的特征值都是实数
实对称矩阵的不同特征值对应的特征向量必定正 交
第一章
若矩阵A可逆,则其转置矩阵也可逆,若矩阵 A,B可逆,则两者乘积也可逆
对角矩阵的逆矩阵为其 对应位置的各数变成其
倒数
都是针对n阶方阵而言
如何求逆矩阵
第三章
对称矩阵:对称位置的元素相等 反对称矩阵:对称位置元素相反,主对角线上元
素全部为零
有一线性方程组,其系数矩阵为A,增广矩阵为 B,其有n条方程
| B)
有向量组A和向量组B
若B可由A线性表示,则 rank(B)小于等于rank(A)
齐次方程组的一个基础解系是由一组线性无关的 向量组成
注意这条例题的思想 相册内有清晰版
有n维向量组A,若它的一个部分向量组A1线性 无关,且A1与A等价,称A1是A的最大线性无关

第四章
先用行初等变换简化系数矩阵 得到同解方程组
将nX2n矩阵(A | E)进行一系 列行初等变换,直到变成( E | A-1),即得方阵A的逆矩阵
  1. 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. 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. 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)。

1 ()0ArAnAAxAA不可逆 有非零解 是的特征值 的列(行)向量线性相关 12()0,,TsinArAnAxAAAAAAAppppAx可逆 只有零解 的特征值全不为零 的列(行)向量线性无关 是正定矩阵 与同阶单位阵等价 是初等阵 总有唯一解R

具有向量组等价相似矩阵反身性、对称性、传递性

矩阵合同

√ 关于12,,,neee: ①称为n的标准基,n中的自然基,单位坐标向量;

②12,,,neee线性无关; ③12,,,1neee; ④tr()=En; ⑤任意一个n维向量都可以用12,,,neee线性表示. √ 行列式的计算:

① 若AB与都是方阵(不必同阶),则(1)mnAAAABBBBAABB ②上三角、下三角行列式等于主对角线上元素的乘积. ③关于副对角线:(1)211212112111(1)nnnnnnnnnnnaaaaaaaaa √ 逆矩阵的求法: ①1AAA 2

②1()()AEEA初等行变换 ③11abdbcdcaadbc TTTTTABACCDBD

④12111121naanaaaa 21111211naanaaaa

⑤11111221nnAAAAAA 11121211nnAAAAAA √ 方阵的幂的性质:mnmnAAA ()()mnmnAA √ 设1110()mmmmfxaxaxaxa,对n阶矩阵A规定:1110()mmmmfAaAaAaAaE为A的一个多项式.

√ 设,,mnnsABA的列向量为12,,,n,B的列向量为12,,,s,AB的列向量为

12,,,srrr,

1212121122,1,2,,,(,,,)(,,,),(,,,),,,.iissTnnn

iiii

rAisAAAAABbbbAbbbABirAABirB则:即 用中简

若则 单的一个提

即:的第个列向量是的列向量的线性组合组合系数就是的各分量;高运算速度

的第个行向量是的行向量的线性组合组合系数就是的各分量

√ 用对角矩阵左乘一个矩阵,相当于用的对角线上的各元素依次乘此矩阵的行向量; 用对角矩阵右乘一个矩阵,相当于用的对角线上的各元素依次乘此矩阵的列向量. √ 两个同阶对角矩阵相乘只用把对角线上的对应元素相乘,

与分块对角阵相乘类似,即:11112222,kkkkABABABAB 3

11112222

kkkk

ABABABAB



√ 矩阵方程的解法:设法化成AXBXAB(I) 或 (II) 当0A时,

,BABEX初等行变换(当为一列时(I)的解法:构造()() 即为克莱姆法则)

TTTTAXBXX(II)的解法:将等式两边转置化为, 用(I)的方法求出,再转置得 √ Ax和Bx同解(,AB列向量个数相同),则: ① 它们的极大无关组相对应,从而秩相等; ② 它们对应的部分组有一样的线性相关性; ③ 它们有相同的内在线性关系. √ 判断12,,,s是0Ax的基础解系的条件: ① 12,,,s线性无关; ② 12,,,s是0Ax的解; ③ ()snrA每个解向量中自由变量的个数. ① 零向量是任何向量的线性组合,零向量与任何同维实向量正交. ② 单个零向量线性相关;单个非零向量线性无关. ③ 部分相关,整体必相关;整体无关,部分必无关. ④ 原向量组无关,接长向量组无关;接长向量组相关,原向量组相关. ⑤ 两个向量线性相关对应元素成比例;两两正交的非零向量组线性无关. ⑥ 向量组12,,,n中任一向量i(1≤i≤)n都是此向量组的线性组合. ⑦ 向量组12,,,n线性相关向量组中至少有一个向量可由其余1n个向量线性表示. 向量组12,,,n线性无关向量组中每一个向量i都不能由其余1n个向量线性表示. 4

⑧ m维列向量组12,,,n线性相关()rAn; m维列向量组12,,,n线性无关()rAn. ⑨ ()0rAA. ⑩ 若12,,,n线性无关,而12,,,,n线性相关,则可由12,,,n线性表示,且表示法惟一. ⑪ 矩阵的行向量组的秩等于列向量组的秩. 阶梯形矩阵的秩等于它的非零行的个数. ⑫ 矩阵的行初等变换不改变矩阵的秩,且不改变列向量间的线性关系. 矩阵的列初等变换不改变矩阵的秩,且不改变行向量间的线性关系. 向量组等价 12,,,n和12,,,n可以相互线性表示. 记作:1212,,,,,,nn 矩阵等价 A经过有限次初等变换化为B. 记作:AB ⑬ 矩阵A与B等价()(),rArBAB作为向量组等价,即:秩相等的向量组不一定等价. 矩阵A与B作为向量组等价1212(,,,)(,,,)nnrr1212(,,,,,,)nnr 矩阵A与B等价. ⑭ 向量组12,,,s可由向量组12,,,n线性表示1212(,,,,,,)nsr12(,,,)nr12(,,,)sr≤12(,,,)nr.

⑮ 向量组12,,,s可由向量组12,,,n线性表示,且sn,则12,,,s线性相关. 向量组12,,,s线性无关,且可由12,,,n线性表示,则s≤n. ⑯ 向量组12,,,s可由向量组12,,,n线性表示,且12(,,,)sr12(,,,)nr,则两向量组等价; ⑰ 任一向量组和它的极大无关组等价. ⑱ 向量组的任意两个极大无关组等价,且这两个组所含向量的个数相等. ⑲ 若两个线性无关的向量组等价,则它们包含的向量个数相等. 5

⑳ 若A是mn矩阵,则()min,rAmn,若()rAm,A的行向量线性无关; 若()rAn,A的列向量线性无关,即:

12,,,n线性无关.

线性方程组的矩阵式 Ax 向量式 1122nnxxx 1112111212222212,,nn

mmmnnm

aaaxbaaaxbAxaaaxb





12,1,2,,jjjmjjn 6

1212120,,,0,,,()(),,,AnAnnAxAxAnAxAxAAxrArAn当为方阵时当为方阵时

有无穷多解有非零解线性相关 有唯一组解只有零解可由线性表示有解

线性无关 12()(),,,()()()1()AnrArAAxrArArArA当为方阵时 克莱姆法则

不可由线性表示无解

矩阵转置的性质: ()TTAA ()TTTABBA ()TTkAkA TAA ()TTTABAB 矩阵可逆的性质: 11()AA 111()ABBA 111()kAkA 11AA 11()()TTAA 11()()kkkAAA

伴随矩阵的性质: 2()nAAA ()ABBA 1()nkAkA 1nAA 11()()()()AATTAAAA ()()kkAA

AAAAAE

() ()1 ()10 ()1 nrAnrArAnrAn若若若 ABAB nkAkA

kkAA

相关文档
最新文档