线性代数Linear Algebra保研复习 冲冲冲！

线性代数 Linear Algebra

矩阵 Matrix

矩阵的乘法 $A\times B$和$r\times A$

• 矩阵$\times$矩阵：

• 矩阵$\times$标量：就是标量r和矩阵的每个元素都相乘

  

• 矩阵乘法的性质：满足（左/右）分配律，结合律，不满足交换律

  转置：$(AB{)}^T=B^T{A}^T$

  用结合律可以简化多个矩阵相乘，先算结果维度小的部分

转置矩阵 $A^T$

$A^T$为$A$的转置矩阵，就是将行列互换，$a_{ij}$和$a_{ji}$互换位置

若$A$=$A^T$，$A$为对称矩阵

矩阵的逆 $A^{-1}$

定义

如果$A$为n阶方阵，存在n阶方阵$B$使得$AB=BA=E$，则$A$为可逆矩阵，并称$B=A^{-1}$，为$A$的逆

性质

$A^{-1}$存在（矩阵可逆）等价于$|A|\ne 0$

• 也等价于$A$满秩（即$r(A)=n$）
• 也等价于$A^T$可逆

由$|A|\ne 0$也可得$A$可逆也等价于：

• $A$标准型为单位矩阵/$A$化成阶梯形矩阵没有零行
• 齐次线性方程组$AX=0$只有零解

求解逆矩阵$A^{-1}$

一般常用：

• 定义法

• 初等变换法：

  $[A|E]\to [E|A^{-1}]$，通过初等行变换将矩阵$[A|E]$ 左半边化成单位矩阵，右半边就是所求逆矩阵$A^{-1}$

[考]矩阵的秩 $r(A)$

相关定义：子矩阵 子式

子矩阵：从原矩阵截取的矩阵（包括其本身）

子式：子矩阵的行列式

秩 $r(A)$的定义和性质

秩 $r(A)$是矩阵A中不等于0的子式的最高阶数

等于$A$化成行阶梯型矩阵后非零行的个数

• 与向量组的关系

  矩阵的秩等于它行/列向量组的秩

  向量组的秩定义为向量组的极大线性无关组所含向量数

• 与向量空间的关系（几何意义）矩阵的其他概念

  矩阵的秩等于它行/列空间的维数

• 与线性方程组解的关系：

  设A是m×n矩阵，若$r(A)＜n$，则齐次线性方程组$AX=0$有基础解系，且每个基础解系都含$n-r$个解向量。

• 与线性变换的关系

矩阵的初等变换：

初等（行）变换的定义包括： elementary

• 用非零数r乘以矩阵某一行
• 把矩阵某行的k倍加到另一行
• 互换矩阵两行的位置

性质：

• 经过有限次初等(行)变换的矩阵相互(行)等价 $A\sim B$ equivalence

  ​ 等价具有反身性，对称性，传递性

• 矩阵的初等(行)变换 等同于 行列式的初等(行)变换 等同于 线性方程组的初等变换，都可运用Cramer法则求解方程组的根

单位矩阵 初等矩阵 等价标准型：

单位矩阵$E$：主对角线全为1，其他部分全为0的方阵

初等矩阵： 单位矩阵通过一次初等变换得到的矩阵

​ 矩阵的一次初等变换等同于和一个初等矩阵相乘

任意矩阵总可以经过有限次初等变换化为等价标准型：

此标准型只由矩阵大小m,n和矩阵的秩唯一确定

相关算法

快速矩阵乘法

​ 一般矩阵乘法(定义法)时间复杂度为$O(N^3)$ (方阵相乘)

​ 分块算法，Strassen 算法，Coppersmith-Winograd算法

快速矩阵幂

​ 相当于套用快速实数幂，就是矩阵+快速幂，依旧是分治方法：

行列式 Determinant

本质是在一个方块矩阵上计算得到的标量

行列式运算性质

行列式的初等行变换：

• 行列式某行乘以k等同于行列式乘以k（提取系数）

• 某行加上k倍另一行，行列式值不变

• 互换任意两行，行列式变号

行列式值为0或者不为0 $|A|=0$?

$|A|=0$:

$|A|\ne 0$:

向量 Vector

本质：有序数组

概念

• 线性组合和线性表示：

• 线性相关性（线性相关与线性无关）

  

性质

n维向量$\beta$可以由n维向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_m$线性表示

与矩阵的关联：