线性代数学习框架

 

第一章 行列式

1 .1二阶、三阶行列式

1.2  n阶行列式

  排列与逆序的定义 p4

  n阶行列式的定义 p7

   行列式的两个重要特点：其一，行数等于列数（这一点与矩阵不同，矩阵行数与列数可能相等，也可能不相等，若相等，又叫做n阶矩阵或n阶方阵）； 其二，行列式是一个确定的值；

1.3 行列式的性质 p12 

    转置不变、交换变符号、数k乘以某行等于数k乘此行列式、某行元素乘k加于另外一行值不不变、分解的性质

    推论：有两行对应元素相同（成比例），则值为0；

1.4 行列式按行（列）展开

      余子式的定义、代数余子式的定义 p22

1.5 克莱姆法则

  含有n个方程的n元线性方程组的克莱姆法则 p32

  系数行列式的定义 p32

 

第二章 矩阵

说明：除非特指n阶矩阵，否则一般默认为m×n阶矩阵。

2.1 矩阵的概念 

    零矩阵的定义 p52

    非负矩阵的定义 p52

    n阶矩阵定义（又称n阶方阵）p52

    矩阵的行列式定义 p52

2.2 矩阵的运算

   矩阵的加法定义 p53

  矩阵的乘法定义 p56  性质：不满足交换率、两个非零矩阵相乘可能是零矩阵、如果AB=BA则称矩阵A与矩阵B可交换；

  数与矩阵的乘法定义 p53

 矩阵的转置 p66

 方阵的幂 p67

2.3 几种特殊的矩阵

 对角矩阵的定义 p68

 数量矩阵的定义 p69

单位矩阵的定义 p70  性质：可以看成是数量矩阵的特例

 三角形矩阵的定义 p70

对称矩阵的定义 p71

2.4 分块矩阵 p72

2.5 逆矩阵 p78

矩阵的定义 p78 

    若AB=BA=I,则称矩阵A为可逆矩阵，其中I为单位矩阵。

非奇异矩阵的定义 p78

    若n阶矩阵A的行列式|A|不等于零，则A为非奇异矩阵。

n阶矩阵A为可逆的充要条件 p78  充要条件即A为非奇异矩阵，或者说其行列式不等于零。

n阶矩阵A可逆的计算公式 p78

2.6 矩阵的初等变换

初等变化内容：

a、交换矩阵的两行或者两列；

b、以一个非零的数k乘以矩阵的某一行或者某一列；

c、把矩阵的某一行或者某一列的l倍加于另外一行或者另外一列上；

初等矩阵的定义 p86

n阶矩阵A为可逆的充要条件的另外一种表达 p92

2.7 矩阵的秩

矩阵A的k阶子式的定义 p96

矩阵A的秩的定义 p97  存在r阶子式不为零，而任何r+1阶子式都等于零，则称r为矩阵A的秩。

一个非常重要的定理：矩阵经过初等变换后，其秩不变。p97

有上述定理可知，要求任意矩阵的秩，用初等变换化为 a 0

                                                                                                  0  0 的矩阵，便可得矩阵的秩r（A）＝r     p98

 

第三章 线性方程组

3.1 线性方程组的消元解法

一般线性方程组的定义 p112

一般线性方程组的矩阵形式定义 p112    Ax＝b

一般线性方程组的增广矩阵的定义 p113   (A b)

一般线性方程组的系数矩阵、常数项矩阵以及未知量矩阵的定义 p112  A为系数矩阵、b为常数项矩阵、x为未知量矩阵

消元的解法的过程：消元过程、回代过程

消元解法的实质：实际上就是对该线性方程组的增广矩阵施以仅限于行的初等变换（即初等行变换）。解线性方程组时，为了书写简明，一般只要写出其增广矩阵的初等行变换过程即可。

线性方程组有解的充要条件（零解都不一定有哦） p119

齐次线性方程组的定义 p122

齐次线性方程组有非零解的充要条件（因为它一定有零解） p123

3.2 n维向量空间

n维行向量、n维列向量的定义 p125

实n维向量空间的定义 p126

3.3 向量间的线性关系

一般线性方程组的向量形式定义 p127

线性表示的定义 p128

向量b可由向量a线性表示的充要条件 p128  以a1、a2、··aN为列向量的矩阵的秩等于以a1、a2、··aN、b为列向量的矩阵的秩

齐次线性方程组的向量形式定义 p130

线性相关与线性无关的定义 p131   从线性相关的定义可以看出，线性相关就相当于齐次线性方程组有非零解。

m维列向量组a1，a2，···an线性相关的充要条件 p131   以a1，a2，···an为列向量的矩阵的秩小于向量的个数n

m维列向量组a1，a2，···an线性无关的充要条件 p131   以a1，a2，···an为列向量的矩阵的秩等于向量的个数n

      一个推论：当向量组中所含的向量个数大于向量的维时，此向量组线性相关。即m>n

 极大无关组的定义   p139

极大无关组的充要条件 p139

向量组的秩的定义 p140 等于极大无关组所含的向量个数

矩阵A的秩为r的充要条件 p140  A的行秩或者列秩为r

3.4 线性方程组的解的结构

基础解系的定义 p146

齐次线性方程组的解的结构 p146  齐次线性方程组的系数矩阵A的秩数r（A）＝r < n，则基础解系存在，且每个基础解系中，含有n－r个解。

非齐次线性方程组的解的结构 p153  导出组的解＋特解

 

第四章 矩阵的特征值

4.1 矩阵的特征值与特征向量

矩阵A的特征值与特征向量的定义 p176

矩阵A的特征矩阵、特征多项式、特征方程的定义 p177

一个重要定理：n阶矩阵A互不相同的特征值对应的特征向量线性无关 p182

4.2 相似矩阵

相似矩阵的定义 p183 它是对于n阶矩阵来说的

相似矩阵的性质 p184  矩阵的秩相同、矩阵的行列式相同

n阶矩阵A与对角矩阵相似的充要条件 p185   矩阵A有n个线性无关的特征向量，注意是特征向量而不是特征值，因为一个特征值可能包含不止一个特征向量

n阶矩阵A与对角矩阵相似的充要条件 p188 对于每一个s重特征根q，矩阵qI-A的值是n－s

约当块的定义 p189   一个重要性质：不是所有的n阶矩阵A都可以与对角矩阵相似，但是所有的n阶矩阵A一定都可以某个约当矩阵相似。

约当形矩阵（约当标准形）的定义 p189   注意对角矩阵可以看成是都为一阶的约当标准形

 

这里要补充一个概念，什么叫相抵矩阵，它与相似矩阵的异同？

A和B相似的定义：存在可逆矩阵P使得B=PAP^(-1)；A和B相抵的定义：存在可逆矩阵P,Q使得B=PAQ。设A和B相似，则由P可逆可知P^(-1)也可逆，取Q=P^(-1)，即得A和B相抵

由定义可以看出，相抵的定义已经包含了相似的定义，即可将相似矩阵理解为相抵矩阵的特殊情况。

 

 

 

 

 

 

 行列式

定义与性质：

n阶行列式特点：行数与列数相等；表示所有可能取自不同的行不同的列的n个元素乘积的代数和，是一个确定的数；它有个n×n元素；n阶行列式展开后有n阶乘的项。

n阶矩阵定义：如果矩阵的行数与列数都等于n，则称A为n阶矩阵。

性质：行与列互换，值不变；

      交换行列式的两行或者两列，行列式的值变号；

      用数k乘以行列式的某一行（列），等于以数k乘以此行列式；（这一点与矩阵不同）

      ···········

行列式按行（列）展开：任意一行（列）的各元素与其对应的代数余子式乘积的和。

 

克莱姆法则

克莱姆法则讨论的是含有n个方程n个未知量的线性方程组的解（含有n个方程的n元线性方程组）。

线性方程组的系数构成的行列式称为方程组的系数行列式。

法则内容：当其系数行列式D不等于0时，有且仅有唯一解。

 

如果上述线性方程组的常数项为0，则称上述线性方程组为齐次线性方程组。

因此，如果齐次线性方程组的系数行列式D不等于0，则它仅有零解。

或者说，齐次线性方程组有非零解（且解不唯一），则D＝0；反之也成立，两者互为充分条件。

 

由此可见，克莱姆法则讨论的基础是行列式，它是线性方程组的系数构成的行列式。

 

克莱姆法则是从行列式的角度来讨论含有n个方程的n元线性方程组的解。而当我们学习了矩阵以后，就可以从矩阵的角度来讨论更为一般的线性方程组的解（m个方程n元，即方程的个数m与未知量的个数n可能相等，也可能不相等）。

克莱姆法则讨论的是含有n个方程的n元线性方程组解的情况，即方程个数等于未知元个数。

而对于一般的线性方程组（m个方程、n元未知量）是不适用的，仅当m＝n时，才可用克莱姆法则来讨论其解的情况。对于一般线性方程组的解的情况必须借助于矩阵的秩这一工具。

 

m与n的关系对解的影响？

1、当m>n时，则可能存在无解、唯一解、多解三种情况。

2、当m＝n时，则可能存在无解、唯一解、多解三种情况。

3、当m<n时，则可能存在无解、唯一解、多解三种情况。

结论：由此可见，m与n之间的关系对解的情况是没有影响的。关键要看其增广矩阵的秩和系数矩阵的秩。

 

解的分类：

1、无解

2、有解

2.1  唯一解

2.1.1 零解

2.1.2 非零解

2.2 多解

 

矩阵秩＝矩阵行秩＝矩阵列秩＝其非零子式的最高阶数