线性代数_线性代数方程组交换方程次序-CSDN博客

本文链接：https://blog.csdn.net/chenmingteng/article/details/79511428

第一章线性方程组与矩阵
第二章行列式
第三章向量组的线性相关性

第一章线性方程组与矩阵

线性方程组的初等变换

含义：

交换两个方程次序
用一个非零常数乘以某个方程
用一个数乘一个方程后加到另一个方程上

系数矩阵

方程组左端的系数排成的数表称为系数矩阵

增广矩阵

将方程组右侧的常数添加到系数矩阵上称为增广矩阵

行阶梯矩阵

特点：

可画出一条阶梯线，线的下方元素均为0
每个台阶只有一行，阶梯竖线后面的第一个元素不为0，这样的矩阵称为行阶梯矩阵

行最简形矩阵

特点：

除了满足行阶梯矩阵的特点外，还满足：每个非零行的首个元素为1，且这些元素所在的列的其他元素都为0

行向量，列向量

对角矩阵

特点：

除了左上角到右下角的直线（称为主对角线）上的元素外的元素全是0，常记为diag( $\lambda$ ₁, $\lambda$ ₂,……, $\lambda$ _n)

数量矩阵

当对角矩阵的对角元素全部相等时，称为n阶数量矩阵

单位矩阵

数量矩阵的主对角线上的元素全为1时，称为n阶单位矩阵

上三角矩阵

主对角线下方的元素全为0时

同型矩阵

行数和列数分别相同的矩阵

矩阵的加法运算和数乘运算

加法满足交换律和结合律；数乘满足分配律结合律交换律

矩阵的乘法运算

A_m*sB_s*n=C_m*n
矩阵的乘法不满足交换律和消去律
(AB)^k ≠ A^kB^k, (A+B)² ≠A²+2AB +B²，（A+B)(A-B) ≠ A²-B²。只有当A,B可交换时，上述各式的等号才成立

矩阵的m次多项式

1.f(A)=a₀+a₁A+a₂A²+…+a_mA^m
2.性质：

矩阵的任何两个矩阵多项式可交换
如果A=diag( $\lambda$ ₁, $\lambda$ ₂,……, $\lambda$ _n)，则f(A)=diag(f( $\lambda$ ₁),f( $\lambda$ ₂),……,f( $\lambda$ _n))

转置矩阵

运算律：

(A^T)^T=A
(A+B)^T=A^TB^T
( $\lambda$ A)^T= $\lambda$ A^T
(AB)^T=B^TA^T

对称矩阵

A^T=A
对称矩阵的基本性质：

设A是一个m $\times$ n矩阵，则AA^T和A^TA都是对称矩阵
设A,B为n阶对称阵，则AB为对称阵的充要条件是A与B可交换

反对称矩阵

A^T=-A

可逆矩阵

定义：设A与B是n阶方阵，若AB=BA=E，则称A是可逆的，B是A的逆矩阵
特性：

若A可逆，则A的逆矩阵唯一
对角矩阵 $\Lambda$ =diag( $\lambda$ ₁, $\lambda$ ₂,……, $\lambda$ _n)是可逆的，且 $\Lambda$ ^{-1=diag( $\lambda$ ₁^-1, $\lambda$ ₂^-1,……, $\lambda$ _n^-1)}

运算律:

(A^-1)^-1=A
(A^T)^-1=(A^-1)^T
( $\lambda$ A)^-1=(1/ $\lambda$ )A
(AB)^-1=B^-1A^-1

分块矩阵

定义:我们将矩阵A用一些纵线和横线分成若干个小矩阵，每个小矩阵称为A的子块，以子块为元素的形式上的矩阵称为分块矩阵

分块矩阵的运算:

分块矩阵的加法：设A，B为同型矩阵，且采用相同的分块法，则类似于矩阵的加法
分块矩阵的数乘：类似于矩阵的数乘
分块矩阵的乘法: 类似于矩阵的乘法
分块矩阵的转置：类似于矩阵的转置，不过不但要将行列互换，而且行列互换后的各子块都要相应进行转置
分块矩阵的逆运算：分块对角矩阵的逆运算和对角矩阵的逆运算类似。若
D= ${A C O B}$ $\left\{ \begin{matrix} A&O \\ C&B \end{matrix} \right\}$
则 $D^{-1}$ = ${A - 1 - B - 1 C A - 1 O B - 1}$ $\left\{ \begin{matrix} A^{-1}& O\\ -B^{-1}CA^{-1}&B^{-1} \end{matrix} \right\}$

矩阵的初等变换

初等行变换:

交换两行
以非零实数乘以某行
将某行乘以一个常数加到另一行上

初等列变换:

交换两列
以非零实数乘以某列
将某列乘以一个常数加到另一列上

矩阵等价

矩阵A通过有限次初等行（列）变换为矩阵B，称矩阵A与B行（列）等价，记为 $A \xrightarrow{r}B$ ( $A \xrightarrow{c}B$ )，如果A通过有限次初等行变换与初等列变换化为矩阵B，称A与B等价，记为 $A \xrightarrow{}B$
矩阵等价具有自反性，对称性，传递性

标准型

{E r O O O}

$\left\{ \begin{matrix} E_{r}& O\\ O&O \end{matrix} \right\}$ 称为矩阵的标准型,左上角是一个单位矩阵
任一矩阵都等价于一个标准型

初等矩阵

定义：对单位矩阵实行一次初等变换后所得到的矩阵称为初等矩阵

E(i,j)表示 $r_{i} \leftrightarrow r_j$ 或 $c_{i} \leftrightarrow c_j$
E(i(k))表示 $r_i \times k$ 或 $c_i \times k$
E(i,j(k))表示 $r_i$ +k $r_j$ 或 $c_j$ +k $c_i$

初等矩阵的逆矩阵：
- $E(i,j)^{-1}$ =E(i,j)
- $E(i(k))^{-1}$ =E(i( $k^{-1}$ ))
- $E(i,j(k))^{-1}$ = E(i,j(-k))

other:初等矩阵左乘A表示初等行变换，EA
初等矩阵右乘A表示初等列变换，AE

利用初等行变换求逆矩阵

$A^{-1}$ (A|E)=(E| $A^{-1}$ )
即把(A|E)通过初等行变换变成左边是E，则右边就是A的逆矩阵了

第二章行列式

2.1行列式的定义

二阶与三阶行列式

∣ ∣ ∣ a 11 a 21 a 12 a 22 ∣ ∣ ∣ = a 11 a 22 - a 12 a 21

$\left|\begin{array}{cc} a_{11} &a_{12} \\ a_{21}&a_{22} \end{array}\right|=a_{11}a_{22}-a_{12}a_{21}$
称为由二阶方阵A所确定的二阶行列式，即为D，还可即为detA或|A|

∣ ∣ ∣ ∣ a 11 a 21 a 31 a 12 a 22 a 32 a 13 a 23 a 33 ∣ ∣ ∣ ∣ = a 11 a 22 a 33 + a 12 a 23 a 31 + a 21 a 32 a 13 - a 13 a 22 a 31 - a 12 a 21 a 33 - a 23 a 32 a 11

$\left|\begin{array}{cccc} a_{11} &a_{12} &a_{13}\\ a_{21}&a_{22} &a_{23}\\ a_{31}&a_{32}&a_{33} \end{array}\right|=a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{21}a_{32}a_{13}-a_{13}a_{22}a_{31}-a_{12}a_{21}a_{33}-a_{23}a_{32}a_{11}$

余子式

$M_{ij}$ 为行列式D中划去元素 $a_{ij}$ 所在的第i行，第j列后，余下的 $(n-1)^2$ 个元素按照原来的位置次序构成的 n-1 阶行列式，称为元素 $a_{ij}$ 的余子式

代数余子式

$A_{ij}=(-1)^{i+j}M_{ij}$ 称为元素 $a_{ij}$ 的代数余子式

多阶行列式

n阶矩阵A的行列式D=detA=|A|可表示为它的任一行(列）的各元素与其对应的代数余子式乘积之和，即 $D=a_{i1}A_{i1}+a_{i2}A_{i2}+...+a_{in}A_{in}=a_{1j}A_{1j}+a_{2j}A_{2j}+...+a_{nj}A_{nj}$
(i=1,2,…,n)(j=1,2,…,n)

Tips:若行列式中某行（列）中有较多的零元素，则按该行（列）展开能简化计算

2.2行列式的性质

行列式的7大性质

性质1： $D=D^T$ ，即行列式与它的转置行列式相等
性质2：互换行列式的两行（列），行列式变号
性质3：用k乘以行列式的某一行(列）得到的行列式等于原来的行列式的k倍
性质4：若行列式的某一行（列）的元素都是两数之和，则该行列式等于两个行列式的和。比如

$∣ ∣ ∣ ∣ a 11 a 21 + b 21 a 31 a 12 a 22 + b 22 a 32 a 13 a 23 + b 23 a 33 ∣ ∣ ∣ ∣ = ∣ ∣ ∣ ∣ a 11 a 21 a 31 a 12 a 22 a 32 a 13 a 23 a 33 ∣ ∣ ∣ ∣ + ∣ ∣ ∣ ∣ a 11 b 21 a 31 a 12 b 22 a 32 a 13 b 23 a 33 ∣ ∣ ∣ ∣$ $\left|\begin{array}{cccc} a_{11} &a_{12} &a_{13}\\ a_{21}+b_{21}&a_{22} +b_{22} &a_{23}+b_{23}\\ a_{31}&a_{32}&a_{33} \end{array}\right|=\left|\begin{array}{cccc} a_{11} &a_{12} &a_{13}\\ a_{21}&a_{22} &a_{23}\\ a_{31}&a_{32}&a_{33} \end{array}\right|+\left|\begin{array}{cccc} a_{11} &a_{12} &a_{13}\\ b_{21}&b_{22} &b_{23}\\ a_{31}&a_{32}&a_{33} \end{array}\right|$
性质5：若将行列式的某一行（列）乘以数k加到另一行（列），则行列式的值不变
性质6：行列式中的第i行（列）元素与第j行（列）（ $j\neq i$ ）对应元素的代数余子式乘积之和为0
性质7：设A，B为n阶方阵，C为m阶方阵，则
1.| $A^T$ |=|A|
2.| $\lambda$ A|= $\lambda ^n$ |A|
3. $∣ ∣ ∣ A D O C ∣ ∣ ∣ = | A | | C |$ $\left|\begin{array}{cc} A &O \\ D&C \end{array}\right|=|A| |C|$
$∣ ∣ ∣ O D A C ∣ ∣ ∣ = (- 1) m n | A | | C |$ $\left|\begin{array}{cc} O &A \\ D&C \end{array}\right|=(-1)^{mn}|A| |C|$
4.|AB|=|A| |B|

推论:1.行列式如果有两行（列）元素成比例，则此行列式等于零。
2.若行列式中某行（列）的元素全为零，则此行列式等于零

Tips:计算行列式时，若行列式D中的每一行（列）中的元素之和相同，则可将各列（行）加到第一列（行）提取公因子。

范德蒙德行列式

D n = ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ 1 x 1 x 21 . . . x n - 1 1 1 x 2 x 22 . . . x n - 1 2 . . . . . . . . . . . . . . . 1 x n x 23 . . . x n - 1 n ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ = \prod n \geq i > j \geq 1 (x i - x j)

$D_n=\left|\begin{array}{cccc} 1 &1 &...&1\\ x_{1}&x_{2} &... &x_{n}\\ x_{1}^2&x_{2}^2&...&x_{3}^2\\ ...&...&...&...\\ x_{1}^{n-1}&x_{2}^{n-1}&...&x_{n}^{n-1} \end{array}\right|=\prod\limits_{n\geq i>j\geq 1}(x_{i}-x_{j})$

2.3行列式的应用

克拉默（Cramer）法则

如果线性方程组的系数行列式D $\neq$ 0,则方程组有唯一解
$x_{j}=\dfrac{D_j}{D}$
其中 $D_j$ 是把行列式D中的第j列替换成方程Ax=b中的b

一些定理

如果线性方程组无解或有两个不同的解，则它的系数行列式必为零
如果齐次线性方程组的系数行列式为D $\neq$ 0,则齐次线性方程组只有零解
若其次线性方程组有非零解，则它的系数行列式必为零

伴随矩阵

定义:设 $A=（a_{ij})_{n\times n}$ , 元素a_{ij}的代数余子式 $A_{ij}$ 按如下的顺序构成一个n阶矩阵

D n = ∣ ∣ ∣ ∣ ∣ ∣ A 11 A 12 . . . A 1 n A 21 A 22 . . . A 2 n . . . . . . . . . . . . A n 1 A n 2 . . . A n n ∣ ∣ ∣ ∣ ∣ ∣

$D_n=\left|\begin{array}{cccc} A_{11} &A_{21} &...&A_{n1}\\ A_{12}&A_{22} &... &A_{n2}\\ ...&...&...&...\\ A_{1n}&A_{2n}&...&A_{nn} \end{array}\right|$
称为矩阵A的伴随矩阵，记为

A∗ A ∗ $A^*$
注意：并不是

aij a i j $a_{ij}$ 的位置直接放

Aij A i j $A_{ij}$ ，还要经过转置

定理:

定理2.6： $AA^*=A^*A=|A|E$
推论1： $A^{-1}=\dfrac{A^*}{|A|}$
推论2： $|A^{-1}|=\dfrac{1}{|A|}$
推论3： $(A^{*})^{-1}=\dfrac{A}{|A|}$
推论4： $A^*=|A|A^{-1}$
推论5： $(A^*)^{-1}=(A^{-1})^*$

矩阵的秩

子式的定义:在 $m\times n$ 阶矩阵A中任取k行k列（ $k\leq m,k \leq n$ ）,位于这些行列式交叉处的 $k^2$ 个元素，不改变它们在A中所处的位置次序而得到的k阶行列式，称为A的k阶子式

矩阵的秩：设在矩阵A中有一个不等于0的r阶子式D，且所有r+1阶子式（如果存在的话）全等于0，那么D称为矩阵A的最高阶非零子式，数r称为矩阵A的秩，记作R(A)，并规定若A=O，则R(A)=0

满秩矩阵：显然， $R(A)\leq min\{m,n\}$ ，若R(A)=min{m,n}，称A为满秩矩阵

矩阵的秩的性质

性质1： $R(A^T)=R(A)$
性质2：设A经过初等变换得到B，则R(A)=R(B)
性质3：设A为 $m\times n$ 矩阵，则R(A)=r的冲要条件是A的标准型为 $∣ ∣ ∣ E r O O O ∣ ∣ ∣ m \times n$ $\left|\begin{array}{cc} E_r &O \\ O&O \end{array}\right|_{m\times n}$ ,其中 $E_r$ 为r阶单位阵
性质4：设 $A_{m\times n},B_{n\times s},C_{t\times n}$
(1)若R(A)=n（此时称A为列满秩），则R(AB)=R(B)
(2)若R(A)=m（此时称A为行满秩），则R(CA)=R(C)
性质5：
(1)设 $A_{m\times n},B_{m\times s}$ ，则max{R(A),R(B)} $\leq$ R(A,B) $\leq$ R(A)+R(B)
(2)设 $A_{m\times n},B_{m\times n}$ ，则R(A+B) $\leq$ R(A)+R(B)
(3设 $A_{m\times n},B_{n\times s}$ ，则R(A)+R(B)-n $\leq$ R(AB) $\leq$ min{R(A),R(B)}
性质6：设A为n阶方阵，则
$R (A *) = ⎧ ⎩ ⎨ ⎪ ⎪ n, R (A) = n 1, R (A) = n - 1 0, R (A) < n - 1 (1)$ $R(A^*)=\begin{equation} \left\{ \begin{array}{lr} n, R(A)=n & \\ 1, R(A)=n-1\\ 0,R(A)<n-1& \end{array} \right. \end{equation}$

第三章向量组的线性相关性

3.1线性方程组解的判定

非齐次线性方程组解的判定

n元线性方程组Ax=b, 增广矩阵B=(A|b)
(1)无解的充分必要条件是R(A) < <script type="math/tex" id="MathJax-Element-98"><</script>R(B)
(2)有唯一解的充分必要条件是R(A)=R(B)=n
(3)有无穷多个解的充分必要条件是R(A)=R(B) < <script type="math/tex" id="MathJax-Element-99"><</script>n

通解:若R(A)=R(B)=r < <script type="math/tex" id="MathJax-Element-100"><</script>n，则方程组含有的n-r个独立任意常数的解可以表示方程组的所有解，称为方程组的通解

求解非齐次线性方程组Ax=b的步骤

将增广矩阵B=(A|b)用初等行变换变成行阶梯形矩阵，便可判断其有没有解，若有，则再通过初等行变换变换成行最简形矩阵，写出同解方程组（用自由未知量表示），便可写出其通解

自由未知量：将线性方程写成”x=……”的形式，则不在左边的x称为自由未知量

齐次线性方程组解的判定及求解

判定：
n元齐次线性方程组Ax=0有非零解的充分必要条件是R(A) < <script type="math/tex" id="MathJax-Element-101"><</script>n，只有零解的充要条件是R(A)=n，Ax=b有非零解表示有无穷多个解

Tips:不用特别记上面这个，齐次线性即非齐次中R(A)=R(B)的情况

求解：类似于非齐次，只不过只要用系数矩阵A来进行初等行变换就好了

矩阵方程有解的判定

矩阵方程AX=B有解的充分必要条件是R(A)=R(A|B)

Tips：这个也不用特别记，和非齐次差不多

3.2向量及其线性组合

列向量，行向量，零向量以及加法和数乘运算

太简单了，略（本章所讲的向量默认列向量）

向量组的线性组合与线性表示

线性组合:给定向量组A： $\alpha_1,\alpha_2,...,\alpha_n$ ，对于任何一个实数 $k_1,k_2,...,k_n$ ，向量 $k_1\alpha_1+k_2\alpha_2+...+k_n\alpha_n$ 称为向量组A的一个线性组合， $k_1,k_2,...,k_n$ 称为这个线性组合的组合系数

线性表示若存在一组向量和数，使得b= $\lambda_1\alpha_1+\lambda_2\alpha_2+...+\lambda_n\alpha_n$ ，则称向量b能由向量组A线性表示

线性表示的充要条件：向量b能由向量组 $\alpha_1,\alpha_2,...,\alpha_n$ 线性表示的充要条件是矩阵A( $\alpha_1,\alpha_2,...,\alpha_n$ )的秩等于矩阵B=( $\alpha_1,\alpha_2,...,\alpha_n$ ,b)的秩

Tips：不用特别记，和非线性解的判定条件差不多

等价向量组

设有两个向量组A和B，若B组中的每个向量都能由向量组A线性表示，就称向量组B能由向量组A线性表示，若向量组A,B能相互线性表示，则称向量组A与B等价。

若B=AK，则矩阵K称为这一线性表示的系数矩阵

向量组线性表示的充要条件：向量组B： $\beta_1,\beta_2,...,\beta_s$ 能由向量组A： $\alpha_1,\alpha_2,...,\alpha_m$ 线性表示的充要条件是矩阵A=（ $\alpha_1,\alpha_2,...,\alpha_m$ ）的秩等于矩阵（A,B）=( $\alpha_1,\alpha_2,...,\alpha_m$ ， $\beta_1,\beta_2,...,\beta_s$ )的秩，即R(A)=R(A,B)

向量组A,B等价的充要条件：R（A）=R（B）=R(A,B)

定理：向量组B： $\beta_1,\beta_2,...,\beta_s$ 能由向量组A： $\alpha_1,\alpha_2,...,\alpha_m$ 线性表示，则R(B) $\leq$ R(A)

3.3向量组的线性相关性

线性相关

若存在两个不全为0的常数 $k_1,k_2$ ，使得 $k_1\alpha_1+k_2\alpha_2=0（\alpha_1,\alpha_2为两个向量）$ ，则称 $\alpha_1,\alpha_2$ 线性相关；反之，若不存在，则线性无关

几点说明：
- 含有零向量的向量组必线性相关
- 向量组只含一个向量时，若该向量为0，则向量组线性相关，若不为0，则线性无关
- 两个非零向量 $\alpha_1,\alpha_2$ 线性相关的充分必要条件是存在常数k使得 $\alpha_1=k\alpha_2$

线性相关的充要条件

定理1：向量组A线性相关的充要条件是A中至少有一个向量可以由其余的向量线性表示

定理2:向量组 $\alpha_1,\alpha_2,...,\alpha_m$ 线性相关的充要条件是它所构成的矩阵A-（ $\alpha_1,\alpha_2,...,\alpha_m$ ）的秩小于向量的个数m；向量组 $\alpha_1,\alpha_2,...,\alpha_m$ 线性无关的充要条件是R（A）=m

Tips：定理2同样适用于行向量组，秩也要小于向量个数才线性相关

几个简单结论

定理1:设向量组A: $\alpha_1,\alpha_2,...,\alpha_m$ 线性相关，则向量组B： $\alpha_1,\alpha_2,...,\alpha_m,\alpha_{m+1}$ 也线性相关

定理2:若有一个向量组线性无关，则它的任何部分组都线性无关

定理3:设向量组A： $\alpha_1,\alpha_2,...,\alpha_m$ 线性无关，而向量组B: $\alpha_1,\alpha_2,...,\alpha_m,b$ 线性相关，则向量b必能由向量组A线性表示，且表达式是唯一的

3.4向量组的最大无关组与秩

最大线性无关向量组与秩

若向量组A中存在r个向量 $\alpha_1,\alpha_2,...,\alpha_r$ ，满足：
（1）向量组 $A_0$ ： $\alpha_1,\alpha_2,...,\alpha_r$ 线性无关
（2）向量组A中任意一个r+1个向量（如果有的话）都线性相关，则称向量组 $A_0$ 是向量组A的一个最大线性无关向量组（简称最大无关组）

向量组的秩：向量组A的最大无关组所含的向量个数称为向量组A的秩，记为 $R_A$

几点说明：
- 只含零向量的向量组没有最大无关组，即它的秩为0
- 含有m个非零向量组的秩r满足 $1\leq r\leq m$
- 向量组 $\alpha_1,\alpha_2,...,\alpha_m$ 线性无关的充要条件是R( $\alpha_1,\alpha_2,...,\alpha_m$ )=m
- 向量组 $\alpha_1,\alpha_2,...,\alpha_m$ 线性相关的充要条件是R( $\alpha_1,\alpha_2,...,\alpha_m$ ) < <script type="math/tex" id="MathJax-Element-1882"><</script>m