前言
开的新坑够多就不怕填不完坑了
考虑到高等代数作为一门有那么点抽象&概念很多的学科,写个人话解释版本的笔记还是很有必要的
所以就开始慢慢写~争取赶紧写到现在学到的地方
Part 1 行列式
行列式之前,高代课本先提了排列和逆序对。考虑到能看到这篇文章的多半不会不知道我就跳过了(
首先行列式和矩阵的不同之处在于后者是特殊的元素,而前者本质上还是一个数字,只是写成了特殊的形式。对于n阶行列式|A|而言,它的形式类似于n*n的一个方阵,它的值等于所有取自不同行不同列的n个元素的乘积,结合全排列来理解就很简单了。唯一要注意的是,根据排列奇偶要带上符号。
由于行列式满足某些特殊的性质,我们在计算的时候可以通过交换行/列(注意变号),提一整行/列公因数,行/列之间相互加减来简化运算。常见的是化为上三角来做(矩阵同理),当然也有很多需要技巧性的小题目,比如逐行作差,补一行0+一列随便啥,还有下面那个代数与字数之类的。
余子式和代数余子式是提出的新的概念,实际上就是去掉一行一列之后剩下的n-1阶矩阵的相关概念,本质上还是全排列引出来的。好用的地方在于把矩阵不断按行列展开来降阶,然后简化计算,也就是高阶拆低阶+暴力(好熟悉的套路)
Cramer法则的话……(真的有人用吗,看着都头大)(略
拉普拉斯行列式算是常规运算中了。k阶子式和余子式的概念引入后提供了行列式值的一种新算法,但实际上还是从全排列的本质入手更好理解……实际上如果把k阶子式挪到左上角去,这实际上又是个类似矩阵分块的问题(
但它的引理,即将两个行列式的乘积转换为另一个行列式,某些时候还挺好用的。
C
i
j
=
∑
k
=
1
n
a
i
k
b
k
j
C _{ij}=\sum_{k=1}^{n}a_{ik}b_{kj}
Cij=∑k=1naikbkj挺好记的,记不得也没关系,建议现推(
Part 2 矩阵
矩阵基本上会陪伴着走完整本高代(上),而且我猜多半也包括高代(下)……
所以基本功必须扎实。嗯。这方面东西太多,还是写个小标题
1、基础知识
矩阵的两侧是()或者{},写成||是行列式,会被弄死(
基本的矩阵知识其实没啥好讲的,秩,矩阵数乘,矩阵四则,转置都很好理解,要注意的是:
①矩阵在交换行/列时不用反号,这点与行列式不同。
②矩阵没有乘法交换律,而且
A
B
=
0
AB=0
AB=0 推不出其中一方为0。也就是说凡是和矩阵乘法相关的,一定认真考虑顺序和元素特殊性。
③
(
A
B
)
′
=
B
′
A
′
(AB)'=B'A'
(AB)′=B′A′,容易和②弄混
2、矩阵求逆
矩阵求逆是经常要做的事,可逆的前提条件是矩阵对应行列式值不为0(即满秩)。
方法有
①伴随矩阵法:
A
−
1
=
1
∣
A
∣
A
∗
A^{-1}=\frac{1}{|A|}A^{*}
A−1=∣A∣1A∗,注意伴随矩阵的元素是原矩阵每个位置对应的代数余子式,且还要转置一次。
正确性:
A
A
∗
=
∣
A
∣
E
AA^{*}=|A|E
AA∗=∣A∣E 推得
②初等变换法:就是在右边扩一个n*n的单位矩阵出来,左边怎么变右边就怎么变把左边变成单位矩阵,右边就是要求的逆。
正确性:说推论前先提矩阵标准形,即把一个矩阵化为仅对角线上有1或0,其余位置全0的样子。
易证明任意矩阵都可以通过初等变换变成这样。
所以,矩阵做初等变换=左/右乘上一个初等矩阵,又任意可逆矩阵做有限次初等变换必然能化为上三角矩阵->化为对角矩阵->化为单位矩阵。
设
A
i
A_{i}
Ai均为初等矩阵,写成:
A
1
A
2
A
3
…
A
n
B
=
E
A_1A_2A_3…A_nB=E
A1A2A3…AnB=E
右乘
B
−
1
B^{-1}
B−1有
→
A
1
A
2
A
3
…
A
n
E
=
B
−
1
\rightarrow A_1A_2A_3…A_nE=B^{-1}
→A1A2A3…AnE=B−1
正确性保证了就随便用了。这个一般用的多一点。
3、矩阵分块
分块本身不算什么特殊的知识点,只是给出了一种好玩的处理矩阵的工具。不过嘛,在很多推论中,能够把一整个矩阵看成是另一个矩阵中的某个元素,从而让矩阵内部的性质和矩阵之间的性质产生联系和转化。
4、一些推论
然后是一些稍微进阶的,常用的推论/公式:
1、
r
a
n
k
(
A
)
+
r
a
n
k
(
B
)
≥
r
a
n
k
(
A
+
B
)
rank(A)+rank(B)\geq rank(A+B)
rank(A)+rank(B)≥rank(A+B)
证:这个就不用了(
2、
r
a
n
k
(
A
B
)
≤
m
i
n
{
r
a
n
k
(
A
)
,
r
a
n
k
(
B
)
}
rank(AB)\leq min\lbrace rank(A),rank(B) \rbrace
rank(AB)≤min{rank(A),rank(B)}
证:先将AB都对角化,显然,矩阵
A
B
AB
AB的
(
i
,
i
)
(i,i)
(i,i)位置仅在
A
A
A和
B
B
B的该位置都不为0时才不为0,得证
3、
m
a
x
{
r
a
n
k
(
A
)
,
r
a
n
k
(
B
)
}
≤
r
a
n
k
(
A
,
B
)
≤
r
a
n
k
(
A
)
+
r
a
n
k
(
B
)
max\lbrace rank(A),rank(B)\rbrace \leq rank(A, B) \leq rank(A)+rank(B)
max{rank(A),rank(B)}≤rank(A,B)≤rank(A)+rank(B)
证:太简单了不证了(
4、设
A
A
A是一个
m
∗
n
m*n
m∗n矩阵,B是一个
n
∗
s
n*s
n∗s矩阵,则
r
a
n
k
(
A
B
)
≥
r
a
n
k
(
A
)
+
r
a
n
k
(
B
)
−
n
rank(AB)\geq rank(A)+rank(B)-n
rank(AB)≥rank(A)+rank(B)−n
证:构造一个
(
m
+
s
)
∗
(
n
+
s
)
,
A
B
(m+s)*(n+s),AB
(m+s)∗(n+s),AB在对角线上的矩阵C,其左下角为
E
n
En
En(不会写公式
那么有
r
a
n
k
(
A
)
+
r
a
n
k
(
B
)
≤
rank(A)+rank(B)\le
rank(A)+rank(B)≤