【线性代数】俗说矩阵听课笔记

基础解系的概念

线性方程组的解

6矩阵乘法

矩阵乘法无交换律，运算时需要区分左右

矩阵相当于一个映射，复合映射没有交换律。

8矩阵的性质

矩阵乘法具有结合律的本质原因是复合映射

10初等矩阵和初等行变换

初等行变换

12逆矩阵的求法

 

21行列式和矩阵秩Rank的等价刻画

子式

标准型

利用子式求解矩阵的rank

24零积秩不等式

齐次线性方程组的基础解系

rank的两个重要结论

￥25伴随矩阵的rank

奇异矩阵：行列式=0的矩阵

31线性相关，线性无关，拓展与证明

n个m维向量在n<=m时可能线性相关也可能线性无关，线性无关时可以构成某个m维空间的一组基。m不小于n时，秩小于n则线性相关。

n个m维向量在n>m时可一定线性相关。低维向量一定无法构成高维度空间的一组基。

￥

32极大线性无关组

33向量组的等价

34线性空间基变换

待研究的内容：

1线性无关向量的正交化

2矩阵的特征值和特征向量

3相似矩阵和相似对角化

4二次型及标准二次型

￥35单位正交基向量

两个向量的数量积等于0，则称两者正交或者垂直

研究它的原因：正交基向量，单位正交基向量有非常良好的性质

36斯密特正交化

37特征值和特征向量

概念篇

计算篇

性质篇

引用篇

39特征值和特征向量的性质

40特征值和特征向量的计算例题

求特征值和特征向量的步骤

特征值和特征向量的关系

特征值和特征向量的性质

秩1方阵的特征值

幂等矩阵

Hamilton-Cayley定理

【补充】linear algebra and its applicationsCH4 vector spaces

4.1vector spaces and subspaces

4.2null spaces,column spaces, and linear transformation

4.3linear independent set:bases

4.4coordinate systems

4.5the dimension of a vector space

4.6rank

4.7change of basis

4.8applications to different equations

4.9applications to markov chains

41相似矩阵

相似矩阵的性质

42矩阵相似对角化

43实对称矩阵

实对称矩阵的定义

共轭：实部不变，虚部变负

复数矩阵运算性质

既然只需要线性无关的特征向量构成的矩阵就可以实现相似对角化，那为什么还要将他们正交化，构成新矩阵呢？

44二次型的基本概念

二次型定义

二次函数的一般形式->坐标平移：齐次二次函数

要得到实对称矩阵：折半拆分

45化二次型为标准型&合同对角化

为什么要把二次型化为标准型，它和相似对角化有什么联系？

合同变换的定义：

相似对角化的意义在于：将线性变换通过基变换变成简单的伸缩变换

那么，将二次型经过合同变换转化为标准型有什么意义呢？

合同变换的意义

正交矩阵的性质

正交矩阵的列向量都是单位向量，且两两相互正交

实对称矩阵总可以相似对角化，因此任意一个二次型也可以使用相似对角化的方法化为标准型：将歪斜的曲线和曲面转化为正的

46二次型和圆锥曲线

二次型和合同变换

将二次型对应的实对称矩阵进行合同-相似对角化，就可以化为对角阵，从而化为单位正交基向量下的标准方程！

example

总结：

二次型特征值的正负性影响二次型可以表示的曲面

47正定二次型

正定二次型是什么？如何判断二次型是否是正定二次型？

48多元函数求极值，Hessian矩阵

49展望和总结