线性代数-复习总纲

我的教材是：江西高校出版社的线性代数

我省去了一些容易记住且没必要的定义或定理（很少）

行列式

• 行列式基本性质

  1. D = $D^T$
  2. 互换2行/列，改变符号
  3. 可由某行/列拆成2个行列式
  4. 可由某行/列提公因子
  5. 某行/列加另一行/列乘k，值不变

• 题型：P12

  1. 三角形行列式
  2. 镶边法
  3. 类三角行列式

• 推论（异乘变零）：任一行/列与另一行/列对应元素的代数余子式乘积之和为0

• 范德蒙行列式：P20

  $$D_n=\left|\begin{array}{cccc}1& 1& \cdot \cdot \cdot & 1\\ x_1& x_2& \cdot \cdot \cdot & x_n\\ x_1^2& x_2^2& \cdot \cdot \cdot & x_n^2\\ \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot \\ x_1^{n-1}& x_2^{n-1}& \cdot \cdot \cdot & x_n^{n-1}\end{array}\right|=\prod _{n\ge i>j\ge 1}(x_i-x_j)$$

  其中“$\prod$” 是表示全体同类因子的乘积

  • 第一行全是1
  • $x_1$到$x_n$次方递增

• 克莱姆法则：P22

  • 未知数个数等于方程个数
  • 系数行列式 D $\ne$ 0

n维向量

• 行向量 α = ($a_1$, $a_2$, $a_3$, ···, $a_n$) 列向量 ${\alpha }^T$ = $$ \begin{bmatrix} a_1 \ a_2 \ ··· \ a_n \end{bmatrix} \$$

• 线性组合 ：α = $${\lambda }_1{\alpha }_1+{\lambda }_2{\alpha }_2+\cdot \cdot \cdot +{\lambda }_m{\alpha }_m$$

• 线性相关： $$k_1{\alpha }_1+k_2{\alpha }_2+\cdot \cdot \cdot +k_m{\alpha }_m=0$$ ，若$k_1$~$k_m$不全为0，则线性相关

• 线性相关 $\iff$ D = 0 ; 线性无关 $\iff$ D $\ne$ 0

• 定理一： m个n维向量组线性相关 $\iff$ 至少一个向量可以由其余m-1个向量表示

  • 性质1： 包含零向量的向量组必线性相关
  • 性质2： 线性相关 $\iff$ 各对应分量成比例
  • 性质3： 向量部分现象相关 $\Rightarrow$ 整个向量组线性相关
  • 性质4： 向量组线性无关 $\Rightarrow$ 向量组任意部分线性无关

• 定理二： 设向量组线性无关，加入向量β后线性相关$\Rightarrow$ β可由原向量组线性表示

• 定理三： 如r维向量组${\alpha }_i$线性无关 $\Rightarrow$ r+1维向量组${\beta }_i$也线性无关

• 定理四： n+1个n维向量组必线性相关

  • 推论 (P44)：$a_1$, $a_2$, ···, $a_m$ 都是n维向量，若m>n 则比线性相关

• 向量组等价： 若向量组A可由向量组B表示，向量组B可由向量组A表示，则两向量组等价

  • 反身性： 自己与自己等价
  • 对称性： A与B等价，则B与A等价
  • 传递性： A与B等价，B与C等价，则A与C等价

• 定义9： 若一个向量组中的部分向量组 $a_1$, $a_2$, ···, $a_m$ 满足：

  1. $a_1$, $a_2$, ···, $a_m$ 线性无关
  2. 向量组中任一向量可由 $a_1$, $a_2$, ···, $a_m$ 表示

  则 $a_1$, $a_2$, ···, $a_m$ 为最大无关组

• 定理五：

  • 推论1： 两线性无关且等价的向量组，一定包含相同个数的向量
  • 推论2： 同意向量组的极大无关组包含向量个数相同
  • 推论3： 等价的向量组有相同的秩

• 定义11： 集合V对乘和加运算封闭，则V为向量空间

• 定义13： 在向量空间V中，存在r个向量 $a_1$, $a_2$, ···, $a_r$ 满足：

  1. $a_1$, $a_2$, ···, $a_r$ 线性无关

  2. r中任一向量可由 $a_1$, $a_2$, ···, $a_r$ 线性表示

     则向量组 $a_1$, $a_2$, ···, $a_r$ 为V的一组基，r为维数

  ​

矩阵

• 矩阵乘法不满足交换律 AB $\ne$ BA

• 非零矩阵乘积可能为零矩阵 AB = AC $\ne$> B = C

• 转置矩阵

  1. $$(A^T{)}^T$$ = A
  2. $(A+B{)}^T$ = $A^T$ + $B^T$
  3. $(\lambda A{)}^T$ = λ$A^T$
  4. $(AB{)}^T$ = $B^T$$A^T$

• 对称矩阵

  • 一定是方阵
  1. $A^T$ = A

• 方阵

  1. $A^k$$A^l$ = $A^{(k+l)}$
  2. $(A^k{)}^l$ = $A^{kl}$

• 对角矩阵 diag(${\lambda }_1$, ${\lambda }_2$, ···, ${\lambda }_n$)

  • 对角矩阵相乘可以互换

  1. 单位矩阵 E

     • 主对角线全是1，其余全是0
     1. AE = EA = A

  2. 数量矩阵 λE

• 定义8： 方阵A的行列式，记为 |A|

  1. |$A^T$| = |$A$|
  2. |λA| = ${\lambda }^n$|A|
  3. |AB| = |A||B|

• 定义9： 若|A| $\ne$ 0 , 则A为非奇异矩阵

• 定义10： 对于n阶方阵A，如果一个n阶方阵B，使 AB = BA = E ，则 A为可逆矩阵，B为A的逆矩阵，记为 B=$A^{-1}$

• 定理一： 方阵A可逆 $\iff$ |A| $\ne$ 0

  • 推论： 若AB = E ， 则 B = $A^{-1}$

• 伴随矩阵 (P70)

  $A^{\ast }$ = $$\begin{bmatrix}A_{11}&A_{21}&···&A_{n1}&\ A_{12}&A_{22}&···&A_{n2}&\ ···&···&···&···&\ A_{1n}&A_{2n}&···&A_{nn}&\end{bmatrix} \$$

  • 其中$$A_{ij}=(-1{)}^{i+j}{M}_{ij}$$ 注意，这是转置的，小心负号

• 定理二： $A^{-1}$ = $\frac{A^{\ast }}{|A|}$

• 逆矩阵的性质

  1. |$A^{-1}$| = $|A{|}^{-1}$
  2. $(A^{-1}{)}^{-1}$ =A
  3. $(\lambda A{)}^{-1}$ = ${\lambda }^{-1}{A}^{-1}$
  4. $(AB{)}^{-1}$ = $B^{-1}{A}^{-1}$
  5. $(A^T{)}^{-1}$ = $(A^{-1}{)}^T$

• 分块矩阵

  • 准对角矩阵

    A = $$\begin{bmatrix}A_{1}&0&···&0&\ 0&A_{2}&···&0&\ ···&···&···&···&\ 0&0&···&A_{s}&\end{bmatrix} \$$

    1. |A| = $|A_1||A_2|\cdot \cdot \cdot |A_s|$
    2. 若 | A| $\ne$ 0 ,则A可逆， 且 $$A^{-1} = \begin{bmatrix}A_{1}^{-1}&0&···&0&\ 0&A_{2}^{-1}&···&0&\ ···&···&···&···&\ 0&0&···&A_{s}^{-1}&\end{bmatrix} \$$

• 定义11： 矩阵A的n个列向量所构成的向量组的秩，即矩阵的秩

• 定义12：m*n矩阵中任取k行k列，交叉点元素构成的行列式为 k阶子式

• 定理三： 设矩阵A中一个r阶子式 D $\ne$ 0, 且所有包含D的r+1 阶子式都为0，则A的秩为r

  • 推论1： 矩阵A的行向量组与列向量组的秩相等
  • 推论2：
    1. 若A中有一个r阶子式 $\ne$ 0，则 R(A) $\ge$ r
    2. 若A中有r阶子式 = 0， 则 R(A) < r

• 定理四： R(A+B) $\le$ R(A) + R(B)

• 定理五： R(AB) $\le$ min{ R(A), R(B) }

• 定义13：初等变换

  1. 互换任意两行 （ $r_i\leftrightarrow r_j$ ）
  2. 某一行乘以一个非零数 （k$r_i$）
  3. ( $r_i$+k$r_j$ )

• 定义14： 如果A有限次初等变换成B，则A 等价B， A $\cong$ B (等价的符号找不到，下面应该不是等号而是一根杠)

• 定理六： 经过初等变化秩不变

• 定义15： 阶梯矩阵
  

  • R(A) = 非零行数
  • ${\alpha }_1$, ${\alpha }_2$, ${\alpha }_4$ 为一个极大无关组
  1. 可以画阶梯型的线
  2. 每次台阶只下一阶
  3. 竖线右边第一个不为0

• 行最简式

  一个阶梯矩阵，非零行第一个元素为1，且其上方元素全为0

• 定理七：

  1. 任何一个矩阵都可以化成阶梯矩阵及行最简式
  2. 初等变换不改变列向量的线性相关性和线性表示

• 定义17： 由E经过一次初等变换得到的方阵叫初等方阵 （都可逆）

• 定理八 (左行右列)： 对矩阵初等行变换相当于在左边乘相应初等方阵

• 定理九： A = PBQ (P是m阶方阵，Q是n阶方阵) $\iff$ A $\cong$ B

• 定理十： 方阵A可逆 $\iff$ A = $p_1{p}_2\cdot \cdot \cdot p_3$ (P为初等方阵)

  • 推论： 可逆矩阵可变化为单位矩阵

• 初等行变换法求逆矩阵

  

• 定义18： 设$$a_1,a_2,\cdot \cdot \cdot ,a_m$$ ； $${\beta }_1,{\beta }_2,\cdot \cdot \cdot ,{\beta }_m$$ ； 是V的两组基 ，若$$\{\begin{array}{l}{\beta }_1=a_{11}{\alpha }_1+a_{21}{\alpha }_2+\cdot \cdot \cdot +a_{m1}{\alpha }_m\\ \dots \dots \dots \dots \dots \dots \dots \dots \dots \dots \\ {\beta }_m=a_{1m}{\alpha }_1+a_{2m}{\alpha }_2+\cdot \cdot \cdot +a_{mm}{\alpha }_m\end{array}$$ 则 A = $$\begin{bmatrix}a_{11}&a_{12}&···&a_{1m}&\ a_{21}&a_{22}&···&a_{2m}&\ ···&···&···&···&\ a_{m1}&a_{m2}&···&a_{mm}&\end{bmatrix} \$$ 为基 $a_1$, $a_2$, ···, $a_m$ 到 基 ${\beta }_1$, ${\beta }_2$, ···, ${\beta }_m$ 的过渡矩阵 （可逆，方阵）

  • Y = XA

• 定理十一： 在基A的坐标是X，在基B的坐标是Y，A是基A到基B的过渡矩阵，则 Y = $A^{-1}$X

  ​

线性方程组

• 齐次线性方程组 A$x$ = 0 (11)

  1. 若$x_1={\zeta }_1$ , $x_2={\zeta }_2$ 为（11）的解，则 x = ${\zeta }_1$+${\zeta }_2$ 也是（11）的解
  2. 若$x$ = ζ 为 （11）的解，则x = kζ 也是（11）的解

• 基础解系

  设 ${\zeta }_1$, ${\zeta }_2$, ···, ${\zeta }_k$ 为齐次线性方程组的k个解向量，如果满足

  1. ${\zeta }_1$, ${\zeta }_2$, ···, ${\zeta }_k$ 线性无关
  2. ${\zeta }_1$, ${\zeta }_2$, ···, ${\zeta }_k$ 可以线性表示该方程组的任一解向量

• 定理一： 对于齐次线性方程组，

  1. 若 R(A)=n, 则只有零解
  2. 若 R(A)<n, 则无穷个解，其基础解系所含解向量个数为 n - R(A)

• 齐次线性方程组——通解

  1. 化成行最简式
  2. 令$x_3=k_1$ ,$x_4=k_2$
  3. 通解$ x = \begin{bmatrix} x_1 \ x_2 \ x_3 \ x_n \end{bmatrix} = k_1\begin{bmatrix}\end{bmatrix} + k_2\begin{bmatrix}\end{bmatrix} \ $ $(k_1,k_2\in R)$

• 定理二： R(A) = R($\bar{A}$) $\iff$ 非齐次线性方程组有解

• 非齐次线性方程组 A$x=b$ （14）

  1. 若 $x={\eta }_1,x={\eta }_2$ 都是 （14）的解，则 $x={\eta }_1-{\eta }_2$ 为 （11）的解
  2. 若 $x=\eta$ 是（14）的解，$x=\zeta$ 是（11）的解，则 $x=\eta +\zeta$ 是（14）的解
  • R(A) = R($\bar{A}$) < n 无穷个解
  • R(A) = R($\bar{A}$) = n 唯一解
  • R(A) $\ne$ R($\bar{A}$) 无解

相似矩阵及二次型

• 定义1： 设 α = $ \begin{bmatrix} a_1 \ a_2 \ ··· \ a_n \end{bmatrix}$ ，β = $ \begin{bmatrix} b_1 \ b_2 \ ··· \ b_n \end{bmatrix} $ ，则 [α，β] 称为内积 ， [α，β] = ${\alpha }^T$β

  1. 对称性 [α，β] = [β，α]
  2. 可加性 [α+λ，β] = [α，β] + [λ，β]
  3. 齐次性 [λα，β] = λ[α，β]

• 定义2： 长度（范数）$\sqrt{[\alpha ,\alpha ]}$ 记为 $\Vert \alpha \Vert$

  1. $\Vert \alpha +\beta \Vert$ $\le$ $\Vert \alpha \Vert +\Vert \beta \Vert$
  2. [α，β] $\le$ $\Vert \alpha \Vert \Vert \beta \Vert$

• 定义3： 非零n维向量夹角<α, β> = arccos$，\frac{[\alpha ，\beta ]}{\Vert \alpha +\beta \Vert }$ ， 0 $\leq <α, β> \leq \pi $

• 定义4： 一组非零向量两两正交，则称 正交向量组

  • 定理一： 正交向量组线性无关
  • 定理二： 若β与 ${\alpha }_1$, ${\alpha }_2$, ···, ${\alpha }_r$ 分别都正交，则β 与 其任意线性组合 $k{\alpha }_1$+ $k{\alpha }_2$+ ··· + $k{\alpha }_r$ 也正交

• 定义5： 向量组 $e_1,e_2,\cdot \cdot \cdot ,e_r$ 为V的一个基，如果 $e_1,e_2,\cdot \cdot \cdot ,e_r$ 两两正交，则称其为正交基，如果 $e_1,e_2,\cdot \cdot \cdot ,e_r$ 两两正交且是单位向量，则称其为正交标准基

• 已知V的一个基，求V的正交标准基

  $${\beta }_1={\alpha }_1$$

  $${\beta }_2={\alpha }_2-\frac{[{\beta }_1,{\alpha }_1]}{[{\beta }_1,{\beta }_1]}{\beta }_1$$

  $${\beta }_3={\alpha }_3-\frac{[{\beta }_1,{\alpha }_3]}{[{\beta }_1,{\beta }_1]}{\beta }_1-\frac{[{\beta }_2,{\alpha }_3]}{[{\beta }_2,{\beta }_2]}{\beta }_2$$

  $${\beta }_i={\alpha }_i-\frac{[{\beta }_1,{\alpha }_i]}{[{\beta }_1,{\beta }_1]}{\beta }_1-\frac{[{\beta }_2,{\alpha }_i]}{[{\beta }_2,{\beta }_2]}{\beta }_2-\cdot \cdot \cdot -\frac{[{\beta }_{i-1},{\alpha }_i]}{[{\beta }_{i-1},{\beta }_{i-1}]}{\beta }_{i-1}$$

• 定义6： n阶方阵满足 $A^{T}A=E$ 则称A为正交矩阵

  • A为正交矩阵 $\iff$ $A^T=A^{-1}$
  • A为正交矩阵 $\iff$ 列向量都为单位向量且两两正交
  1. A为正交矩阵 $\Rightarrow$ |A|= $\pm$1
  2. A为正交矩阵 $\Rightarrow$ $A^T, A^{-1}, A^* $ 也是正交矩阵
  3. A为正交矩阵 $\Rightarrow$ $AB$也是正交矩阵

• 定义7： 设P为正交矩阵，则Y = PX 称为正交变换

  1. 向量长度不变
  2. 内积不变

• 定义8： 设A为n阶方阵，如存在数λ及非零向量$x$ 使得 $Ax=\lambda x$ , 则称 $x$ 为A 对应于特征值λ的特征向量，可以写为 $(λE - A)x = 0 $ ，|$\lambda E-A$| = 0 为特征方程

• 求特征值和特征向量

  1. 由 |$\lambda E-A$| = 0 求 λ
  2. 把 λ 带入 方程$(\lambda E-A)x=0$
  3. 求基础解系
  4. 求出对应特征值的全部特征向量

• 定理三： 设λ 为矩阵A 的特征值，则 kλ 为 kA 的特征值，${\lambda }^2$ 为 $A^2$ 的特征值

• 定理四： λ 是A的特征值，则 f(λ) 是 f(A) 的特征值

• 定理五：

  1. $${\lambda }_1+{\lambda }_2+\cdot \cdot \cdot +{\lambda }_n=a_{11}+a_{22}+\cdot \cdot \cdot +a_{nn}$$
  2. $${\lambda }_1{\lambda }_2\cdot \cdot \cdot {\lambda }_n=|A|$$

• 定理六七八 (P147)： 将A对应不同特征值的特征向量合在一起仍线性无关

• 定义9： 设A,B 是n阶矩阵，如存在可逆矩阵P使得 $P^{-1}$AP = B 则称 A相似于B ，记为 A ~ B

• 定理十： n阶方阵与对角矩阵相似 $\iff$ A有n个线性无关的特征向量

• 求相似变换矩阵P，对角矩阵$\Lambda$

  $P^{-1}$AP = $\Lambda$

  1. 求A 的所有特征值
  2. 求n个线性无关的特征向量
  3. P = ($p_1,p_2,\cdot \cdot \cdot ,p_n$) ； $\Lambda$ = $$\left[\begin{array}{cccc}{\lambda }_1& & & \\ & {\lambda }_2& & \\ & & \cdot \cdot \cdot & \\ & & & {\lambda }_n\end{array}\right]$$

• 实对称矩阵

  • 性质2： 若A是实对称矩阵，则A的对应于不同特征值的特征向量必定正交

• 定理十二： 对任何实对称矩阵，必存在正交矩阵P，使 $P^{-1}AP$ 为对角矩阵

• 定义10： 设A，B都为n阶方阵，若存在可逆矩阵P使 $P^{T}AP=B$ , 则称A与B相合

• 定义11： n个变量 $$x_1,x_2,\cdot \cdot \cdot ,x_n$$ 的二次齐次多项式 $$f(x_1,x_2,\cdot \cdot \cdot ,x_n)=a_{11}{x}_1^2+2a_{12}{x}_1{x}_2+\cdot \cdot \cdot +a_{22}{x}_2^2+\cdot \cdot \cdot +a_{nn}{x}_n^2$$ 称为二次型 = $$\sum _{i,j=1}^n(a_{ij}{x}_i{x}_j)$$

• 定理十三： 设二次型 $$f=\sum _{i,j=1}^n(a_{ij}{x}_i{x}_j)$$ , 则存在正交变换 x = Py，使$$f$$ 化为标准形 $$f={\lambda }_1{y}_1^2+{\lambda }_2{y}_2^2+\cdot \cdot \cdot +{\lambda }_n{y}_n^2$$ ，其中$${\lambda }_1,{\lambda }_2,\cdot \cdot \cdot ,{\lambda }_n$$ 是 $$f$$ 的矩阵的特征值

• 判断二次型的正定性

  定理十六： 实二次型$f=x^{T}Ax$ 为正定 $\iff$ A的各阶顺序主子式都大于零