- 注: 以下内容均由个人整理, 不保证完全准确, 如有纰漏, 欢迎交流讨论
- 参考: 同济大学数学系. 工程数学线性代数(第六版)[M]. 北京: 高等教育出版社, 2014
线性相关/无关
向量
α
1
,
α
2
,
.
.
.
,
α
n
\alpha_1,\alpha_2,...,\alpha_n
α1,α2,...,αn 线性无关即
k
1
α
1
+
k
2
α
2
+
.
.
.
+
k
n
α
n
=
0
⃗
k_1\alpha_1+k_2\alpha_2+...+k_n\alpha_n=\vec{0}
k1α1+k2α2+...+knαn=0, 要求
k
1
=
k
2
=
.
.
.
=
k
n
=
0
k_1=k_2=...=k_n=0
k1=k2=...=kn=0.
求法:
- 构建矩阵等式 [ α 1 , α 2 , . . . , α n ] × [ k 1 , k 2 , . . . , k n ] T = [ 0 , 0 , . . . , 0 ] n [\alpha_1,\alpha_2,...,\alpha_n]\times[k_1,k_2,...,k_n]^T=[0,0,...,0]_n [α1,α2,...,αn]×[k1,k2,...,kn]T=[0,0,...,0]n
- 对矩阵 [ α 1 , α 2 , . . . , α n ] [\alpha_1,\alpha_2,...,\alpha_n] [α1,α2,...,αn] 进行行初等变换至最简形.
- 若 R ( A ) = n R(A) = n R(A)=n / ∣ A ∣ ≠ 0 |A|\neq 0 ∣A∣=0 ➔ 向量 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1,α2,...,αn 线性无关
非奇异矩阵
非奇异矩阵 ⟺ 行列式不为 0 矩阵 ⟺ 可逆矩阵 ⟺ 满秩矩阵
正定矩阵
正定矩阵 M n × n M^{n\times n} Mn×n: ∀ x ∈ F n , x ≠ 0 ⃗ , x T M x > 0 \forall x\in F^n,x\neq\vec{0},x^TMx > 0 ∀x∈Fn,x=0,xTMx>0
线性方程组的解
求解 A x = 0 ⃗ Ax=\vec{0} Ax=0
{ 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 \begin{cases} a_{11}x_1+a_{12}x_2+\cdots+a_{1n}x_n=0\\ a_{21}x_1+a_{22}x_2+\cdots+a_{2n}x_n=0\\ \dots\cdots\cdots\cdots\\ a_{m1}x_1+a_{m2}x_2+\cdots+a_{mn}x_n=0 \end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧a11x1+a12x2+⋯+a1nxn=0a21x1+a22x2+⋯+a2nxn=0…⋯⋯⋯am1x1+am2x2+⋯+amnxn=0
-
转换为矩阵表示
A = [ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a m 1 a m 2 ⋯ a m n ] , x = ( x 1 x 2 ⋮ x n ) , A x = 0 ⃗ \pmb{A}=\begin{bmatrix} a_{11}&a_{12}&\cdots&a_{1n}\\ a_{21}&a_{22}&\cdots&a_{2n}\\ \vdots&\vdots& &\vdots\\ a_{m1}&a_{m2}&\cdots&a_{mn} \end{bmatrix},\pmb{x}=\begin{pmatrix} x_1\\x_2\\\vdots\\x_n \end{pmatrix}, \pmb{Ax=\vec{0}} AAA=⎣⎢⎢⎢⎡a11a21⋮am1a12a22⋮am2⋯⋯⋯a1na2n⋮amn⎦⎥⎥⎥⎤,xxx=⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞,Ax=0Ax=0Ax=0 -
对 A A A 进行行变换得到最简形矩阵 B B B:
B = [ 1 ⋯ 0 b 11 ⋯ b 1 , n − r ⋮ ⋮ ⋮ ⋮ 0 ⋯ 1 b r 1 ⋯ b r , n − r 0 ⋯ 0 ⋮ ⋮ 0 ⋯ 0 ] \pmb{B}=\begin{bmatrix} 1&\cdots&0&b_{11}&\cdots&b_{1,n-r}\\ \vdots& &\vdots&\vdots& &\vdots\\ 0&\cdots&1&b_{r1}&\cdots&b_{r,n-r}\\ 0& & &\cdots& &0\\ \vdots& & & & &\vdots\\ 0& & &\cdots& &0 \end{bmatrix} BBB=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎡1⋮00⋮0⋯⋯0⋮1b11⋮br1⋯⋯⋯⋯b1,n−r⋮br,n−r0⋮0⎦⎥⎥⎥⎥⎥⎥⎥⎥⎤ -
根据矩阵 B B B 写解(相当于将矩阵 B B B 再转换为方程组):
具体方法:
1. 列出所有等式左侧的 x i x_i xi:
{ x 1 = x 2 = ⋯ = x n = \begin{cases} x_1=\\ x_2=\\ \cdots=\\ x_n= \end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧x1=x2=⋯=xn=
2. 根据矩阵 B B B 的每一行写出 x i x_i xi 之间的等价关系
{ x 1 = − b 11 x r + 1 − ⋯ − b 1 , n − r x n ⋯ ⋯ ⋯ ⋯ x r = − b r 1 x r + 1 − ⋯ − b r , n − r x n x r + 1 = x r + 1 ⋯ ⋯ ⋯ ⋯ x n = x n \begin{cases} x_1=-b_{11}x_{r+1}-\cdots-b_{1,n-r}x_n\\ \cdots\cdots\cdots\cdots\\ x_r=-b_{r1}x_{r+1}-\cdots-b_{r,n-r}x_n\\ x_{r+1}=x_{r+1}\\ \cdots\cdots\cdots\cdots\\ x_n=x_n \end{cases} ⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧x1=−b11xr+1−⋯−b1,n−rxn⋯⋯⋯⋯xr=−br1xr+1−⋯−br,n−rxnxr+1=xr+1⋯⋯⋯⋯xn=xn
注: 对于矩阵 B B B 下面的 n − r n-r n−r 行全 0 行, 转换时等号左右两边不变即可, 即 x i = x i \pmb{x_i=x_i} xi=xixi=xixi=xi
3. 对齐后, 以如下列向量的格式看待(可以不写出)
KaTeX parse error: No such environment: equation at position 9: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲}̲ \begin{pmatri…
(可以将方程组 = = = 右边的 x i x_i xi 替换成 c i c_i ci, 即 x 1 = − c 1 b 11 − c 2 b 12 + ⋯ − c n − 2 b 1 , n − r x_1=-c_1b_{11}-c_2b_{12}+\cdots-c_{n-2}b_{1,n-r} x1=−c1b11−c2b12+⋯−cn−2b1,n−r, 其他 x 2 , . . . , x n x_2,...,x_n x2,...,xn 类似) -
求基础解系:
结论: 3.中公式(1)中 x i x_i xi 后面的 n − r n-r n−r 个列向量即为 n − r n-r n−r 个基础解系
(具体方法-教材中方法, 不推荐): 令自由未知数 x r + 1 , x r + 2 , ⋯ , x n x_{r+1},x_{r+2},\cdots,x_n xr+1,xr+2,⋯,xn 分别取下列 n − r n-r n−r 组数:
( x r + 1 x r + 2 ⋮ x n ) = ( 1 0 ⋮ 0 ) or ( 0 1 ⋮ 0 ) or ⋯ or ( 0 0 ⋮ 1 ) \begin{pmatrix} x_{r+1}\\x_{r+2}\\\vdots\\x_n \end{pmatrix}=\begin{pmatrix} 1\\0\\\vdots\\0 \end{pmatrix}\text{or}\begin{pmatrix} 0\\1\\\vdots\\0 \end{pmatrix}\text{or}\cdots\text{or}\begin{pmatrix} 0\\0\\\vdots\\1 \end{pmatrix} ⎝⎜⎜⎜⎛xr+1xr+2⋮xn⎠⎟⎟⎟⎞=⎝⎜⎜⎜⎛10⋮0⎠⎟⎟⎟⎞or⎝⎜⎜⎜⎛01⋮0⎠⎟⎟⎟⎞or⋯or⎝⎜⎜⎜⎛00⋮1⎠⎟⎟⎟⎞
(即针对 B B B 中下面 n − r n-r n−r 行全 0 的列取 n − r n-r n−r 的标准正交基向量)
得基础解系:
ξ 1 = ( − b 11 ⋮ − b r 1 1 0 ⋮ 0 ) , ξ 2 = ( − b 12 ⋮ − b r 2 0 1 ⋮ 0 ) , ⋯ , ξ n − r = ( − b 1 , n − r ⋮ − b r , n − r 0 0 ⋮ 1 ) \xi_1=\begin{pmatrix} -b_{11}\\\vdots\\-b_{r1}\\1\\0\\\vdots\\0 \end{pmatrix},\xi_2=\begin{pmatrix} -b_{12}\\\vdots\\-b_{r2}\\0\\1\\\vdots\\0 \end{pmatrix},\cdots,\xi_{n-r}=\begin{pmatrix} -b_{1,n-r}\\\vdots\\-b_{r,n-r}\\0\\0\\\vdots\\1 \end{pmatrix} ξ1=⎝⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎛−b11⋮−br110⋮0⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎞,ξ2=⎝⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎛−b12⋮−br201⋮0⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎞,⋯,ξn−r=⎝⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎛−b1,n−r⋮−br,n−r00⋮1⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎞
(即针对 B B B 中下面 n − r n-r n−r 行全 0 的列只要取 n − r n-r n−r 个线性无关的向量即可, 得到的解系也会不同)
基础解系对应的是矩阵 B B B 中不含有左上角 “1” 的 n − r n-r n−r 列(带有系数 b i j b_{ij} bij)
求解 A x = b Ax=b Ax=b
{
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
m
\begin{cases} a_{11}x_1+a_{12}x_2+\cdots+a_{1n}x_n&=b_1\\ a_{21}x_1+a_{22}x_2+\cdots+a_{2n}x_n&=b_2\\ \cdots\cdots\cdots\cdots&=\dots\\ a_{m1}x_1+a_{m2}x_2+\cdots+a_{mn}x_n&=b_m \end{cases}
⎩⎪⎪⎪⎨⎪⎪⎪⎧a11x1+a12x2+⋯+a1nxna21x1+a22x2+⋯+a2nxn⋯⋯⋯⋯am1x1+am2x2+⋯+amnxn=b1=b2=…=bm
有解性判断:
- 无解 ⟺ R ( A ) < R ( A , b ) R(A) < R(A,b) R(A)<R(A,b)
- 有唯一解 ⟺ R ( A ) = R ( A , b ) = n R(A)=R(A,b)=n R(A)=R(A,b)=n
- 有无限多解 ⟺ R ( A ) = R ( A , b ) < n R(A)=R(A,b)< n R(A)=R(A,b)<n
注: n n n 为矩阵 A A A 的列数, 即未知数的个数
求解步骤: 与求解
A
x
=
0
⃗
Ax=\vec{0}
Ax=0 基本相同, 只需要在
x
i
x_i
xi 的等式右边添加上最简形矩阵
B
B
B 的最后一列对应元素
d
i
d_i
di, 即:
B
=
(
1
⋯
0
b
11
⋯
b
1
,
n
−
r
d
1
⋮
⋮
⋮
⋮
⋮
0
⋯
1
b
r
1
⋯
b
r
,
n
−
r
d
r
0
⋯
0
0
⋮
⋮
0
0
⋯
0
0
)
\pmb{B}=\left(\begin{array}{cccccc:c} 1&\cdots&0&b_{11}&\cdots&b_{1,n-r}&d_1\\ \vdots& &\vdots&\vdots& &\vdots&\vdots\\ 0&\cdots&1&b_{r1}&\cdots&b_{r,n-r}&d_r\\ 0& & &\cdots& &0&0\\ \vdots& & & & &\vdots&0\\ 0& & &\cdots& &0&0 \end{array}\right)
BBB=⎝⎜⎜⎜⎜⎜⎜⎜⎜⎛1⋮00⋮0⋯⋯0⋮1b11⋮br1⋯⋯⋯⋯b1,n−r⋮br,n−r0⋮0d1⋮dr000⎠⎟⎟⎟⎟⎟⎟⎟⎟⎞
{
x
1
=
−
b
11
x
r
+
1
−
⋯
−
b
1
,
n
−
r
x
n
+
d
1
⋯
=
⋯
⋯
⋯
x
r
=
−
b
r
1
x
r
+
1
−
⋯
−
b
r
,
n
−
r
x
n
+
d
r
x
r
+
1
=
x
r
+
1
⋯
=
⋯
⋯
⋯
x
n
=
x
n
\begin{cases} x_1&=-b_{11}x_{r+1}-\cdots-b_{1,n-r}x_n\pmb{+d_1}\\ \cdots&=\cdots\cdots\cdots\\ x_r&=-b_{r1}x_{r+1}-\cdots-b_{r,n-r}x_n\pmb{+d_r}\\ x_{r+1}&=x_{r+1}\\ \cdots&=\cdots\cdots\cdots\\ x_n&=x_n \end{cases}
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧x1⋯xrxr+1⋯xn=−b11xr+1−⋯−b1,n−rxn+d1+d1+d1=⋯⋯⋯=−br1xr+1−⋯−br,n−rxn+dr+dr+dr=xr+1=⋯⋯⋯=xn
矩阵对角化
把矩阵 A A A 对角化: 对于 n n n 阶矩阵 A A A, 通过相似变换矩阵 P P P 使 P − 1 A P = Λ P^{-1}AP=\Lambda P−1AP=Λ 为对角矩阵.
n n n 阶矩阵 A A A 能对角化(与对角矩阵相似) ⟺ A A A 有 n n n 个线性无关特征向量.
矩阵特征值
设
A
A
A 是
n
n
n 阶矩阵, 如果数
λ
\lambda
λ 和
n
n
n 维非零列向量
x
x
x 使关系式
A
x
=
λ
x
\pmb{Ax=\lambda x}
Ax=λxAx=λxAx=λx
成立, 那么, 这样的数
λ
\lambda
λ 称为矩阵
A
A
A 的特征值, 非零向量
x
x
x 称为
A
A
A 的对应于特征值
λ
\lambda
λ 的特征向量.
矩阵秩的不等式
- 对于矩阵
A
B
=
0
⃗
⇒
r
a
n
k
(
A
)
+
r
a
n
k
(
B
)
≤
n
\pmb{AB=\vec{0}\Rightarrow rank(A)+rank(B)\leq n}
AB=0⇒rank(A)+rank(B)≤nAB=0⇒rank(A)+rank(B)≤nAB=0⇒rank(A)+rank(B)≤n
证明:令 W W W 为方程 A X = 0 ⃗ AX=\vec{0} AX=0 的解空间, 则 d i m W = n − r a n k ( A ) dimW=n-rank(A) dimW=n−rank(A). 因为 A B = 0 ⃗ AB=\vec{0} AB=0, 因此 B B B 中的任意列向量 β i \beta_i βi 都满足 β i ∈ W , i = 1 , 2 , . . . , n \beta_i\in W, i=1,2,...,n βi∈W,i=1,2,...,n. 因此 r a n k ( B ) ≤ d i m W rank(B)\leq dimW rank(B)≤dimW 故有 r a n k ( A ) + r a n k ( B ) ≤ n rank(A)+rank(B)\leq n rank(A)+rank(B)≤n. - 三角不等式: r a n k ( A ) + r a n k ( B ) ≥ r a n k ( A + B ) \pmb{rank(A)+rank(B)\geq rank(A+B)} rank(A)+rank(B)≥rank(A+B)rank(A)+rank(B)≥rank(A+B)rank(A)+rank(B)≥rank(A+B)
置换矩阵
置换矩阵
P
P
P: 每一行恰有一个 1, 每一列恰有一个 1, 其余为 0.
P
−
1
=
P
T
P^{-1}=P^T
P−1=PT
一个矩阵乘上一个置换矩阵: 所得到的是原来矩阵的横行(置换矩阵在左)或纵列(置换矩阵在右)经过置换后得到的矩阵(左乘行变换, 右乘列变换)
叉乘公式
a × b = ( x 1 , y 1 , z 1 ) × ( x 2 , y 2 , z 2 ) = ∣ i j k x 1 y 1 z 1 x 2 y 2 z 2 ∣ = ( y 1 z 2 − y 2 z 1 ) i − ( x 1 z 2 − x 2 z 1 ) j + ( x 1 y 2 − x 2 y 1 ) k \begin{aligned} a\times b&=(x_1,y_1,z_1)\times(x_2,y_2,z_2)\\ &=\left |\begin{matrix} i&j&k\\ x_1&y_1&z_1\\ x_2&y_2&z_2 \end{matrix}\right |\\ &=(y_1z_2-y_2z_1)i-(x_1z_2-x_2z_1)j+(x_1y_2-x_2y_1)k \end{aligned} a×b=(x1,y1,z1)×(x2,y2,z2)=∣∣∣∣∣∣ix1x2jy1y2kz1z2∣∣∣∣∣∣=(y1z2−y2z1)i−(x1z2−x2z1)j+(x1y2−x2y1)k