线代笔记

1.1线性方程组
1）相容：一个线性方程组有一个解或无穷多个解；不相容：无解
2）线性方程组每一个变量的系数写成矩阵，称为系数矩阵
3）增广矩阵：再加一列解
4）矩阵的维数说明它包含的行数和列数
5）行初等变换：<1>倍加变换 <2>对换变换 <3>倍乘变换
6）行等价：经过一系列行初等变换后把矩阵A变为矩阵B，则A B行等价。如果两个矩阵行等价，它们有相同的解

1.2行化简和阶梯型矩阵
1）先导元素 ：非零行的先导元素是该行最左边的非零元素

2）一个矩阵为阶梯型：
<1>每一个非零行在每一个零行之上
<2>某一行的先导元素所在的列位于前一行先导元素的后面
<3>某一先到元素所在列下方元素都是零
简化阶梯型 ：
<4>每一非零行的先导元素是1
<5>每一先导元素1是该元素所在列唯一的非零元素

3）每个矩阵行等价于一个且仅有一个简化阶梯型

4）给定矩阵化简时，先导元素总是在同一位置

5）主元位置：矩阵中的主元位置时A中对应于它的简化阶梯型中先导元素的位置。主元列是A中含有主元位置的列

6）基本变量：对应于主元列的变量 自由变量

7）X₁ = 1 + 5 X₃; X₂ = 4 - X₃; X₃是自由变量 ——称为通解

8）线性方程组相容的充要条件是增广矩阵的最右列不是主元列，就是说，没有形如[0 … 0 b] b != 0的形式 。若有自由变量，有无穷多解，若无自由变量，只有一个解（记住：方程组中有自由变量并不能保证方程组有解）

9）行化简的步骤：1.写增广矩阵 2.化为阶梯型，判断是否有解 3.化为简化阶梯型 4.写出3中所得矩阵对应的线性方程组 5.自由变量表示基本变量

1.3向量方程
1）仅含一列的矩阵称为列向量，或简称向量。两个向量相等，当且仅当对应的元素相等

2）向量u + v = v + u

3）Y = c₁v₁ + c₂v₂ + … +c_pv_p 叫做向量v₁ v₂ … v_p以c₁ c₂ …c_p为权的线性组合

4）[a₁ a₂ … a_n b] 和 x₁a₁+x₂a₂+ … x_na_n = b有相同的解集 。b可以由a的线性组合生成当且仅当线性方程组有解

5）V₁ V₂ … V_n 是Rⁿ中的向量，Span{V₁,V₂……V_p}表示V₁,V₂, V₃…V_p所生成的Rⁿ的子集，即V₁,V₂,…….V_p所有线性组合
1.4矩阵方程
1）方程AX = b有解当且仅当b是A各列的线性组合
2）设A是m*n矩阵（系数矩阵），下列命题是等价的，同时成立或不成立
<1>对R^m中每个b，方程Ax = b有解
<2>R^m中的每个b都是A的列的一个线性组合
<3>A的各列生成R^m
<4>A在每一行都有一个主元位置
3）若A是矩阵，u和v是Rⁿ中的向量，c是标量，则 <1>A（u+v）=Au+Av <2>A(cu)=c(Au)

4）单位矩阵：主对角线元素是1，其他位置元素为0

1.5线性方程组的解集
1）齐次：线性方程组可写成Ax=0,其中A是m*n矩阵而0是R^m中的零向量

2）平凡解：这样的方程组至少有一个解x=0；这个解称为它的平凡解

3）Ax=0有非平凡解，当且仅当方程至少有一个自由变量

4）解的参数向量形式：x = su + tv (s,t是实数)

5）非齐次：Ax = b ,通解可写成：x = p + tv(t为实数)，Ax = 0的解为x = tv

6）Ax = b 是通过p平行于v的直线方程

7）设Ax = b对某个b相容，p为一个特解，则Ax = b的解集是所有形如w = p + v的向量集，v是Ax = 0的任意一个解

1.7线性无关
1）R^n中一组向量{V₁,…..V_p}称为线性无关，若方程x₁v₁+x₂v₂+…+x_pv_p = 0仅有平凡解。
线性相关：存在不全为0的权c₁,c₂,….,c_p , 使c₁v₁+c₂v₂+…+c_pv_p = 0

2）矩阵A的各列线性无关，当且仅当Ax=0仅有平凡解

3）两个向量的集合{v₁,v₂}线性相关，当且仅当其中一个向量是另一个向量的倍数

4）两个或更多向量的集合S = {v₁,v₂…..v_p}线性相关，当且仅当S中至少有一个向量是其他向量的线性组合

5）若一个向量组的向量个数超过每个向量的元素个数，那么这个向量组线性相关

6）若向量组S 包含零向量，则它线性相关

1.8线性变换
1）x –> Ax。由Rⁿ到R^m的一个变换（或称函数，映射）T是一个规则，它把Rⁿ中的每个向量x对应以R^m中的一个向量T（x）。集Rⁿ称为T的定义域，而R^m称为T的余定义域（或取值空间）。对与Rⁿ中的x，R^m中向量T（x）称为x的像，所有T(X)的集合称为T的值域

2）变换T为线性的，若<1>对T的定义域中一切u,v，T(u + v) = T(u)+T(v) <2>对一切U和标量c, T(cu)= cT(u).

3）若T是线性变换，则<3>T(0) = 0, <4> T(cu + dv) = cT(u)+dT(v).若一个变换满足4，它必为线性变换

1.9矩阵的线性变换
1）存在矩阵A,使T（x）= Ax. 因为A = AI_m = T(I_m), 所以对x和I_m作相同的变换

2）A叫做线性变换T的标准矩阵

4）映射T:Rⁿ –> R^m称为到R^m上的映射，若R^m中任一b至少有一个Rⁿ中的x和它对应，也称满射。若任一b使至多一个x的像，则称为一对一映射（也叫单射）

5）设T是线性变换。则T是一对一的当且仅当Ax= 0仅有平凡解

6）设T：Rⁿ –> R^m为线性变换，设A为T的标准矩阵，则
<1>T把Rⁿ映上到R^m,当且仅当A的列生成R^m
<2>T是一对一的，当且仅当A的列线性无关
2.1矩阵运算
1）AB = {Ab₁ Ab₂ Ab₃….Ab_p}

2）矩阵A和B：AB的每一列都是A的各列的线性组合，以B的对应列的元素为权

3） 行列法则：AB的第i行第j列的元素是A的第i行与B的第j列对应元素乘积之和。即(AB)_ij = a_i1b_1j + a_i2b_2j + …. +a_inb_nj

4）row _i (AB) = row _i (A) B

5）AB ！= BA 若AB = BA，称A和B可交换
AB = AC 不能得到B = C

6）若AB是零矩阵，不能断定A = 0 或 B = 0

7）A^k：假如A不是零矩阵，且x属于Rⁿ,表示x被A连续左乘k次，A⁰表示单位矩阵

8）(AB)^T = B^T*A^T，若干个矩阵的乘积的转置等于它们转置的乘积，但顺序相反
2.2矩阵的逆
1）不可逆矩阵称为奇异矩阵，可逆矩阵称为非奇异矩阵

2）若A为

$$\left[ \begin {matrix} a&b\\ c&d \end{matrix} \right]$$

A^-1 =

$$\frac{1}{ad-bc}$$ *
$$\left[ \begin {matrix} d&-b\\ -c&a \end{matrix} \right]$$
若detA = 0, 矩阵不可逆

3）若A为可逆，则Ax = b 有唯一解x = A^-1 b

4） (A^-1)^-1 = A
(AB)^-1 = B^-1 A^-1
(A^T)^-1 = (A^-1)^T

5）若干个n*n可逆矩阵的积也是可逆的，其逆等于这些矩阵的逆按相反顺序的乘积

6）初等矩阵：把单位矩阵进行一次行变换

7）对A进行行变换得到EA，E是由I经过同一行变换得来

8）每个初等矩阵E都是可逆的，E的逆把E变成I

9）判断矩阵可逆：n*n矩阵A是可逆的，当且仅当A行等价于I，这时把A变成I的一系列初等变换把I变成A¹

10)求A¹的算法：
把增广矩阵[A I]进行行化简，若A行等价于I，则[A I]行等价于[I A^-1],否则A没有逆

2.3可逆矩阵的特征
1）设A为n*n矩阵，下列命题是等价的
<1>A是可逆矩阵
<2>A等价于n*n单位矩阵
<3>A有n个主元位置
<4>方程Ax = 0仅有平凡解
<5>A的各列线性无关
<6>线性变换x -> Ax是一对一的
<7>对Rⁿ中任意b，方程Ax = b只有一个解
<8>A的各列生成Rⁿ
<9>线性变换x -> Ax把Rⁿ映上到Rⁿ
<10>存在n*n矩阵C使CA=I
<11>存在n*n矩阵D使AD=I
<12>A^T是可逆的
<13>设T：Rⁿ–>Rⁿ为线性变换，A为T的标准矩阵，则T可逆当且仅当A是可逆矩阵，这时S(T(X)) = X, S是T的逆
2.4分块矩阵
1）AB的列行展开：若A是m*n矩阵，B是n*p矩阵，则
AB = col₁(A)row₁(B)+……col_n(A)row_n(B)

2)求分块矩阵的逆（见课本p137）

3)对于AB = 0 若AB均不可逆，不可判断A,B是否为0，若A或B可逆（假设A），则B=0

2.5矩阵因式分解
2.8 R^n的子空间
1）Rⁿ中的一个子空间是Rⁿ中的集合H，具有一下三个性质：
<1>零向量属于H （零向量一定属于任何空间）
<2>对H中任意向量u和v，u+v属于H
<3>对H中任意向量u和数c，cu属于H

2）A的列空间：A的各列的线性组合的集合，记作ColA, A的列空间是所有使方程有解的向量b的集合。m行n列矩阵的列空间是R^m的子空间，

3）A的零空间：A的零空间是齐次方程Ax= 0的所有解的集合，记为NulA。当A有n列时，NulA时Rⁿ的子空间

4）Rⁿ中子空间H的一组基是H中一个线性无关集，它生成H

5）AX=0的解的参数向量形式实际上就是NULA的基

6）A的主元列构成ColA的基
2.9维数和秩
1）假设B = {b₁,…,b_p}是子空间H的一组基，对H中的每一个向量x，相对于基B的坐标是使x=c₁b₁+c₂b₂+…..+c_pb_p成立的权值c₁,c₂,….,c_p,且R^p中的向量[x]_B=

$$\left[ \begin {matrix} c1\\ c2\\ c3\\ c4 \end{matrix} \right]$$ 称为x（相对于B）的坐标向量，或x的B-坐标向量

2）子空间的维数：非零子空间的维数，用dimH表示，是H的任意一个基的向量个数，零子空间{0}的维数定义为0

3）矩阵A的秩（记为rankA）是A的列空间的维数，因为A的主元列生成ColA的一个基，A的秩正好是A主元列的个数

4）NULA的维数恰好是Ax=0中的自由变量的个数

5）秩定理：如果矩阵A有n列，则rankA+dimNulA = n

6）基定理：设H是Rⁿ的p维子空间，H中的任何恰好由p个成员组成的线性无关集构成H的一个基，并且，H中任何生成H的p个向量集也构成H的一个基
7）可逆矩阵的定理（续）
1.A的列向量构成Rⁿ的一个基
2.ColA = Rⁿ
3.Dim ColA = rank A = n
4.Nul A = {0}
5.Dim Nul A = 0

3.1略

3.2行列式的性质
1）设A为一个方阵
1.若A的某一行的倍数加到另一行得矩阵B，则detB = detA
2.若A的两行互换的矩阵B，则detB = - detA
3.若A的某行乘以k倍得到矩阵B，则detB = kdetA
4.方阵A是可逆的当且仅当detA！=0 （推论：若A的列线性相关，或者A的行线性相关，则detA=0）
5.若A为一个n*n矩阵，则det A^T=det A
6.若A和B均为n*n矩阵，则detAB = (detA)(detB) (一般情况下，det(A+B)!=detA + detB)

3.3克拉默法则
1）设A是一个可逆的n*n矩阵，对Rⁿ中任意向量b，方程Ax=b的唯一解表示为：
x_i=

$$\frac{detAi(b)}{detA}$$ ,i = 1, 2, …..,n
2）求A ^-1
假设A ^-1的第j列为向量x，满足Ax = e _j，由克拉默法则，x的第i个数值是A ^-1中（i，j）x _i = $$\frac{detAi(ej)}{detA}$$
detA _i(ej) = (-1) ^i+jdetA _ji
3)A ^-1=1/det adjA