n个数组成的有序数组,记作
x
⃗
\vec x
x,行向量
x
⃗
T
=
(
x
1
,
x
2
,
⋯
,
x
n
)
\vec x^T=(x_1,x_2,⋯,x_n)
xT=(x1,x2,⋯,xn),列向量
x
⃗
=
[
x
1
x
2
⋯
x
n
]
\vec x=\begin{bmatrix}x_1\\x_2\\⋯\\x_n\end{bmatrix}
x=x1x2⋯xn
行向量组A=
[
α
⃗
1
T
α
⃗
2
T
⋯
α
⃗
m
T
]
\begin{bmatrix}\vecα_1^T\\\vecα_2^T\\⋯\\\vecα_m^T\end{bmatrix}
α1Tα2T⋯αmT;列向量组A=
[
α
⃗
1
,
α
⃗
2
,
⋯
,
α
⃗
n
]
[\vecα_1,\vecα_2,⋯,\vecα_n]
[α1,α2,⋯,αn]
线性表示
如
β
⃗
=
k
1
α
⃗
1
+
k
2
α
⃗
2
+
⋯
+
k
n
α
⃗
n
\vecβ=k_1\vecα_1+k_2\vecα_2+⋯+k_n\vecα_n
β=k1α1+k2α2+⋯+knαn
向量组线性表出
若向量组B中的每个向量都可被向量组A线性表出,则B可被A线性表出
线性相关
k
1
α
⃗
1
+
k
2
α
⃗
2
+
⋯
+
k
n
α
⃗
n
=
0
⃗
k_1\vecα_1+k_2\vecα_2+⋯+k_n\vecα_n=\vec0
k1α1+k2α2+⋯+knαn=0,各系数不全为0⇒向量组线性相关
线性无关
仅当各系数全为0时,
k
1
α
⃗
1
+
k
2
α
⃗
2
+
⋯
+
k
n
α
⃗
n
=
0
⃗
⇒
k_1\vecα_1+k_2\vecα_2+⋯+k_n\vecα_n=\vec0⇒
k1α1+k2α2+⋯+knαn=0⇒向量组线性无关
极大线性无关组
向量组A中线性无关且能线性表出A中任一向量的子向量组
向量组的秩
向量组的极大线性无关组所含向量的个数
等价向量组
可以互相线性表出的两个向量组,记作A≌B
齐次线性方程组
{
a
11
x
1
+
a
12
x
2
+
⋯
+
a
1
n
x
n
=
0
a
21
x
1
+
a
22
x
2
+
⋯
+
a
2
n
x
n
=
0
⋯
a
m
1
x
1
+
a
m
2
x
2
+
⋯
+
a
m
n
x
n
=
0
\left\{\begin{matrix}a_{11}x_1+a_{12}x_2+⋯+a_{1n}x_n=0&\\a_{21}x_1+a_{22}x_2+⋯+a_{2n}x_n=0\\⋯\\a_{m1}x_1+a_{m2}x_2+⋯+a_{mn}x_n=0\end{matrix}\right.
⎩⎨⎧a11x1+a12x2+⋯+a1nxn=0a21x1+a22x2+⋯+a2nxn=0⋯am1x1+am2x2+⋯+amnxn=0或
A
x
⃗
=
0
⃗
A\vec x=\vec0
Ax=0
基础解系
α
⃗
1
,
α
⃗
2
,
⋯
,
α
⃗
n
−
r
\vecα_1,\vecα_2,⋯,\vecα_{n-r}
α1,α2,⋯,αn−r线性无关,且能线性表出方程组的任一通解
齐线方程组的解
x
⃗
=
k
1
α
⃗
1
+
k
2
α
⃗
2
+
⋯
+
k
n
−
r
α
⃗
n
−
r
\vec x=k_1\vecα_1+k_2\vecα_2+⋯+k_{n-r}\vecα_{n-r}
x=k1α1+k2α2+⋯+kn−rαn−r,ki为系数,
α
⃗
i
\vecα_i
αi为基础解系
非齐次线性方程组
{
a
11
x
1
+
a
12
x
2
+
⋯
+
a
1
n
x
n
=
b
1
a
21
x
1
+
a
22
x
2
+
⋯
+
a
2
n
x
n
=
b
2
⋯
a
m
1
x
1
+
a
m
2
x
2
+
⋯
+
a
m
n
x
n
=
b
n
\left\{\begin{matrix}a_{11}x_1+a_{12}x_2+⋯+a_{1n}x_n=b_1&\\a_{21}x_1+a_{22}x_2+⋯+a_{2n}x_n=b_2\\⋯\\a_{m1}x_1+a_{m2}x_2+⋯+a_{mn}x_n=b_n\end{matrix}\right.
⎩⎨⎧a11x1+a12x2+⋯+a1nxn=b1a21x1+a22x2+⋯+a2nxn=b2⋯am1x1+am2x2+⋯+amnxn=bn或
A
x
⃗
=
b
⃗
A\vec x=\vec b
Ax=b
非齐线方程组的解
x
⃗
=
k
1
α
⃗
1
+
k
2
α
⃗
2
+
⋯
+
k
n
−
r
α
⃗
n
−
r
+
η
⃗
\vec x=k_1\vecα_1+k_2\vecα_2+⋯+k_{n-r}\vecα_{n-r}+\vecη
x=k1α1+k2α2+⋯+kn−rαn−r+η,ki为系数,
α
⃗
i
\vecα_i
αi为基础解系,
η
⃗
\vecη
η为特解
非齐线方程组特性
r(A)≠r(A┆
b
⃗
\vec b
b)时无解,r(A)=r(A┆
b
⃗
\vec b
b)<n时有无数解,r(A)=r(A┆
b
⃗
\vec b
b)=n时有唯一解
行列式·矩阵
概念
公式
行列式交换律
行列式中相邻两行/列互换,行列式的值变号一次
行列式结合律
行列式中一行/列的公因子可提到行列式外面
行列式分配律
∣
⋯
a
i
1
+
b
i
1
a
i
2
+
b
i
2
⋯
a
i
n
+
b
i
n
⋯
∣
=
∣
⋯
a
i
1
a
i
2
⋯
a
i
n
⋯
∣
+
∣
⋯
b
i
1
b
i
2
⋯
b
i
n
⋯
∣
\begin{vmatrix}&⋯\\a_{i1}+b_{i1}&a_{i2}+b_{i2}&⋯&a_{in}+b_{in}\\&⋯\end{vmatrix}=\begin{vmatrix}&⋯\\a_{i1}&a_{i2}&⋯&a_{in}\\&⋯\end{vmatrix}+\begin{vmatrix}&⋯\\b_{i1}&b_{i2}&⋯&b_{in}\\&⋯\end{vmatrix}
ai1+bi1⋯ai2+bi2⋯⋯ain+bin=ai1⋯ai2⋯⋯ain+bi1⋯bi2⋯⋯bin
行列式叠加性
把行列式中某一行/列的k倍加到另一行/列上,行列式的值不变
行列式展开性
按第i行或第j列展开:|A|
=
∑
k
=
1
m
a
i
k
A
i
k
=
∑
k
=
1
n
a
k
j
A
k
j
=∑_{k=1}^ma_{ik}A_{ik}=∑_{k=1}^na_{kj}A_{kj}
=∑k=1maikAik=∑k=1nakjAkj
行列式特性
|kA|=kn|A|,|AB|=|A|·|B|,|A-1|=|A|-1,|AT|=|A|
顺序主子式
i阶顺序主子式
D
i
=
∣
a
11
a
12
⋯
a
1
i
a
21
a
22
⋯
a
2
i
⋯
a
i
1
a
i
2
⋯
a
i
i
∣
D_i=\begin{vmatrix}a_{11}&a_{12}&⋯&a_{1i}\\a_{21}&a_{22}&⋯&a_{2i}\\⋯\\a_{i1}&a_{i2}&⋯&a_{ii}\end{vmatrix}
Di=a11a21⋯ai1a12a22ai2⋯⋯⋯a1ia2iaii
余子式Mij
将|A|的第i行和第j列元素去掉后剩余行列式的值
代数余子式Aij
Aij=(-1)i+jMij
克拉默法则
A
x
⃗
=
b
⃗
A\vec x=\vec b
Ax=b,A可逆
⇒
x
⃗
j
=
│
A
i
│
‾
│
A
│
⇒\vec x_j=\begin{matrix}\underline{│A_i│}\\│A│\end{matrix}
⇒xj=│Ai││A│,|Ai|为|A|的第i列换成
b
⃗
\vec b
b所得
k阶子式
A中某k行和k列的k2个交叉点处的元素按A中相应顺序所组成的矩阵
伴随矩阵A*
将A的aij皆用Aji代替后所得的矩阵,且有A-1=
A
∗
│
A
│
‾
\begin{matrix}A^*\\\overline{│A│}\end{matrix}
A∗│A│或A*=│A│A-1
逆矩阵A-1
满足AA-1=A-1A=E的唯一的满秩方阵
矩阵的逆1
(A-1)-1=A,(A-1)T=(AT)-1,(kA)-1=
1
k
\frac{1}k
k1A-1,(AB)-1=B-1A-1
矩阵的逆2
A可逆⇔|A|≠0,A满秩,行/列向量组线性无关,λi≠0,Ax=0仅有零解,Ax=b有唯一解
求逆矩阵
硬凑;A-1=
A
∗
│
A
│
‾
\begin{matrix}A^*\\\overline{│A│}\end{matrix}
A∗│A│;通过初等行变换把增广矩阵(A┆E)变为(E┆A-1)
井分块:形如
[
A
B
C
D
]
\begin{bmatrix}A&B\\C&D\end{bmatrix}
[ACBD];行分块:Am×n=
(
α
⃗
1
,
α
⃗
2
,
α
⃗
3
,
⋯
,
α
⃗
m
)
T
(\vecα_1,\vecα_2,\vecα_3,⋯,\vecα_m)^T
(α1,α2,α3,⋯,αm)T;列分块:Am×n=
(
β
⃗
1
,
β
⃗
2
,
β
⃗
3
,
⋯
,
β
⃗
n
)
(\vecβ_1,\vecβ_2,\vecβ_3,⋯,\vecβ_n)
(β1,β2,β3,⋯,βn)
分方块行列式
∣
A
C
O
B
∣
=
∣
A
O
C
B
∣
=
∣
A
O
O
B
∣
\begin{vmatrix}A&C\\O&B\end{vmatrix}=\begin{vmatrix}A&O\\C&B\end{vmatrix}=\begin{vmatrix}A&O\\O&B\end{vmatrix}
AOCB=ACOB=AOOB=│A│⋅│B│;
∣
C
A
B
O
∣
=
∣
O
A
B
C
∣
=
∣
O
A
B
O
∣
\begin{vmatrix}C&A\\B&O\end{vmatrix}=\begin{vmatrix}O&A\\B&C\end{vmatrix}=\begin{vmatrix}O&A\\B&O\end{vmatrix}
CBAO=OBAC=OBAO=(-1)mn│Am│·│Bn│
分块矩阵加
[
A
1
B
1
C
1
D
1
]
\begin{bmatrix}A_1&B_1\\C_1&D_1\end{bmatrix}
[A1C1B1D1]+
[
A
2
B
2
C
2
D
2
]
=
[
A
1
+
A
2
B
1
+
B
2
C
1
+
C
2
D
1
+
D
2
]
\begin{bmatrix}A_2&B_2\\C_2&D_2\end{bmatrix}=\begin{bmatrix}A_1+A_2&B_1+B_2\\C_1+C_2&D_1+D_2\end{bmatrix}
[A2C2B2D2]=[A1+A2C1+C2B1+B2D1+D2]
分块矩阵乘
[
A
1
B
1
C
1
D
1
]
\begin{bmatrix}A_1&B_1\\C_1&D_1\end{bmatrix}
[A1C1B1D1]·
[
A
2
B
2
C
2
D
2
]
=
[
A
1
A
2
+
B
1
C
2
A
1
B
2
+
B
1
D
2
A
2
C
1
+
C
2
D
1
B
2
C
1
+
D
1
D
2
]
\begin{bmatrix}A_2&B_2\\C_2&D_2\end{bmatrix}=\begin{bmatrix}A_1A_2+B_1C_2&A_1B_2+B_1D_2\\A_2C_1+C_2D_1&B_2C_1+D_1D_2\end{bmatrix}
[A2C2B2D2]=[A1A2+B1C2A2C1+C2D1A1B2+B1D2B2C1+D1D2]
分块矩阵转置
[
A
B
C
D
]
T
=
[
A
T
C
T
B
T
D
T
]
\begin{bmatrix}A&B\\C&D\end{bmatrix}^T=\begin{bmatrix}A^T&C^T\\B^T&D^T\end{bmatrix}
[ACBD]T=[ATBTCTDT]
分块矩阵的逆
[
A
O
O
B
]
−
1
=
[
A
−
1
O
O
B
−
1
]
\begin{bmatrix}A&O\\O&B\end{bmatrix}^{-1}=\begin{bmatrix}A^{-1}&O\\O&B^{-1}\end{bmatrix}
[AOOB]−1=[A−1OOB−1],
[
O
A
B
O
]
−
1
=
[
O
B
−
1
A
−
1
O
]
\begin{bmatrix}O&A\\B&O\end{bmatrix}^{-1}=\begin{bmatrix}O&B^{-1}\\A^{-1}&O\end{bmatrix}
[OBAO]−1=[OA−1B−1O]
分块矩阵的幂
[
A
O
O
B
]
n
=
[
A
n
O
O
B
n
]
\begin{bmatrix}A&O\\O&B\end{bmatrix}^n=\begin{bmatrix}A^n&O\\O&B^n\end{bmatrix}
[AOOB]n=[AnOOBn]
秩/r
矩阵中最高阶非零子式的阶数,或相应阶梯矩阵中非全零行的个数
迹/tr
矩阵主对角线元素之和
秩的特性1
0≤r(Am×n)≤\min(m,n);r(A)=r(AT);r(A+B)≤r(A)+r(B)
秩的特性2
A可逆⇒r(AB)=r(BA)=r(B);Am×nBn×p=O⇒r(A)+r(B)≤n
特征值/特征向量
若
A
x
⃗
=
λ
x
⃗
A\vec x=λ\vec x
Ax=λx或
(
λ
E
−
A
)
x
⃗
=
0
⃗
(λE-A)\vec x=\vec0
(λE−A)x=0,
x
⃗
≠
0
⃗
\vec x≠\vec0
x=0,则λ为A的特征值,
x
⃗
\vec x
x为A的特征向量
先求特征值,再求对应特征向量的基础解系
α
⃗
i
\vecα_i
αi,则基础解系施密特单位正交化所得向量组即为P
二次型
f
=
[
x
1
,
x
2
,
⋯
,
x
n
]
[
a
11
a
12
⋯
a
21
a
22
⋯
⋯
⋯
a
n
n
]
[
x
1
x
2
⋯
x
n
]
=
x
⃗
T
A
x
⃗
f=\begin{bmatrix}x_1,x_2,⋯,x_n\end{bmatrix}\begin{bmatrix}a_{11}&a_{12}&⋯\\a_{21}&a_{22}&⋯\\⋯&⋯&a_{nn}\end{bmatrix}\begin{bmatrix}x_1\\x_2\\⋯\\x_n\end{bmatrix}=\vec x^TA\vec x
f=[x1,x2,⋯,xn]a11a21⋯a12a22⋯⋯⋯annx1x2⋯xn=xTAx
标准二次型
f=a11x12+a22x22+⋯annxn2=xTΛx
求标准二次型
先求特征值,再求特征向量,其基础解系组P使P-1AP=Λ,也可用施密特和配方法
规范二次型
标准二次型中正系数变为1,负系数变为-1,零不变
惯性定理
正(负)惯性指数等于二次型中不同正(负)特征值的个数
合同矩阵
若PTAP=B,P可逆,则A与B合同,记作A≃B
合同特性
A≃A;A≃B⇔B≃A;A≃B,B≃C⇒A≃C
合同充要条件
实对称矩阵A
∼
∼
∼B⇒A≃B⇔二次型xTAx与xTBx有相同的正负惯性指数
正定二次型
∀
x
⃗
≠
0
⃗
,
x
⃗
T
A
x
⃗
>
0
∀\vec x≠\vec0,\vec x^TA\vec x>0
∀x=0,xTAx>0,或 λi>0的二次型, A=PTP(P可逆), A的各阶顺序主子式大于零