线性代数知识点整理（自用）

矩阵等价与矩阵相似

等价：A经过一系列初等变换等到B,称A与B等价,也就是存在可逆阵PQ使B=PAQ,那么AB秩相等
相似：在线性代数中，相似矩阵是指存在相似关系的矩阵。设A，B为n阶矩阵，如果有n阶可逆矩阵P存在，使得$P^{-1}AP=B$
则称矩阵A与B相似，记为A~B
相似矩阵的特点：两者的秩相等；
两者的行列式值相等；
两者拥有同样的特征值，尽管相应的特征向量一般不同；
两者拥有同样的特征多项式

行列式计算技巧

1.上三角行列式的值为主对角线数字乘积

矩阵的初等变换与行列式值的关系

第一类初等变换（换行换列）使行列式变号，第二类初等变换（某行或某列乘k倍）使行列式变k倍，第三类初等变换（某行（列）乘k倍加到另一行（列））使行列式不变。

矩阵的特征值(特征根)和特征向量

1.A必须是方阵
2.A$\alpha =\lambda \alpha$($\lambda$可以为0，特征向量$\alpha$是非0列向量）
3.一个特征值可以对应多个特征向量，一个特征向量只能对应一个特征值
4.特征多项式：$|A-\lambda E|$
特征方程：$|A-\lambda E|=0$
5.$\lambda$是A的特征值，$\alpha$是对应的特征向量，则c$\alpha$也是对应的特征向量（c$\ne 0$）
6.${\alpha }_1,{\alpha }_2$是$\lambda$的特征向量，则$c_1{\alpha }_1+c_2{\alpha }_2$也是特征向量。（前提是同一个特征值）
7.在解特征方程的时候若出现$(\lambda -2)(\lambda -1)(\lambda -1)=0$,结论写成A的特征值为${\lambda }_1=2,{\lambda }_2={\lambda }_3=2$(重根要写出来)
8.不同特征根的特征向量是线性无关的
9.若n阶方阵A可以相似于一个n阶对角矩阵，则称A可对角化，n阶方阵A相似于对角矩阵的充要条件是A有n个线性无关的特征向量。
10.特征值为0，则行列式的值为0.
11.特征值正是使得 |λE-A|=0 的那些根（可以用来一眼看出特征值）
12.特征向量的求法：(A-$\lambda E$)$\alpha$=0
13.特征值的积为行列式的值
特征值的和为矩阵的迹
14.特征值和特征向量的性质

• 转置后特征值不变
• 设$\lambda$是A的特征值，${\lambda }^k$是$A^k$的特征值
• f($\lambda$)=$a_0+a_1\lambda ...+a_m{\lambda }^m$是f（A）=$a_{0}E+a_{1}A+...+a_m{A}^m$的特征值
• $\lambda 是可逆方阵A的特征值$,$\frac{1}{\lambda }是A^{-1}的特征值$
• 逆矩阵与伴随矩阵与原来的矩阵有相同的特征向量
• 矩阵和的特征值等于特征值的和

方阵的行列式

1.$|kA|=k^n|A|$(因为kA是用k乘A里面的所有数)
2.$|ABC|=|A||B||C|$ （A,B，C同阶方阵）

伴随矩阵与逆矩阵

1.求伴随矩阵（任意方阵都有伴随矩阵）

• 求出所有元素的代数余子式
• 按行求的代数余子式按列放构成矩阵$A^{\ast }$

2.一个方阵与其伴随矩阵的秩的关系

• 若$R(A)=n,R(A^{\ast })=n$
• 若$R(A)=n-1,R(A^{\ast })=1$
• 若$R(A)<n-1,R(A^{\ast })=0$（即伴随矩阵为零矩阵）

3.逆矩阵

• 对角矩阵的逆矩阵为各元素的倒数
• AB=AC，B=C的条件是A为可逆矩阵，因为左乘A的逆即可
• 逆矩阵的行列式为原矩阵的倒数
• 逆矩阵的特征值也为原矩阵的倒数

4.$A{A}^{\ast }=A^{\ast }A=|A|E$
当|A|$\ne 0$,$|A^{\ast }|=|A{|}^{n-1}$

5.$(A^{\ast }{)}^{-1}=\frac{A}{|A|}$
$(\lambda A{)}^{-1}=\frac{1}{\lambda }{A}^{-1}$

向量间的线性关系

1.零向量可被任一向量组表示，k全取0
2.含零向量的任意向量组必线性相关
3.一个零向量必相关，一个非零向量必无关
4.一个向量组中，部分线性相关则整体线性相关。整体组线性无关，则部分线性无关。
5.线性无关的向量组，其接长向量组也无关。
线性相关的向量组，其截短向量组也相关。
6.n个n维向量，D$\ne 0$，则线性无关。
D=0，线性相关。（都是充要条件）
7.若向量组A：$a_1,a_2,...,a_m$线性无关，向量组B:$a_1,a_2,a_3,...a_m,b$线性相关，则向量b必能由向量组A线性表示，且表示法唯一
8.向量B能由向量组A线性表示，则A的秩大于等于B的秩

向量组的秩（非0子式的最高阶数）

1.极大线性无关组$A_0$定义:

• 向量组$A_0$:a1,a2,…,ar 线性无关
• A中的任何向量均可由向量组$A_0$: $a_1,a_2,a_3...a_r$线性表示

2.极大线性无关组：

• 一个线性无关的向量组其极大线性无关组是本身
• 任何一个向量组和它的极大线性无关组等价
• 极大线性无关组中所含向量个数为矩阵的秩

3.零向量的秩为0

4.r(A)<=min(向量的个数，向量的维数)
r(AB)<=min(r(A),r(B))
max(R(A),R(B)) <=R(A,B)<=R(A)+R(B)
$R(A+B)<=R(A)+R(B)$
5.初等行变换不改变列向量的线性关系
6.一个向量乘可逆矩阵，秩不变

非齐次和齐次线性方程组有解判定

1.线性方程组的向量表示形式
$x_1{\alpha }_1+x_2{\alpha }_2+x_3{\alpha }_3...=\beta$
2.线性方程组有解判定（n是未知量的个数）（不齐次的情况，即Ax=b（b$\ne 0$））
r($\bar{a}$)=r(a)时，方程组有解，等于n有一个解
小于n有无穷多解
r($\bar{a}$)$\ne$r(a),无解
3.Ax=0有解判定（m为方程个数）
r（A）$\le$min(n,m)
当m<n时，一定有无穷多解，即有非0解
4.基础解系一定是线性无关的，并且是解向量的极大线性无关组，即每一个解向量都可以由基础解系表示

正交向量

1.x，y内积为0时称为正交（或垂直）
2.若一个向量组中任意两个向量都正交，则称此向量组为正交向量组，若一个向量组中每一个向量都是单位向量，则称此向量组为正交规范向量组或标准正交向量组。
3.实矩阵是指矩阵中每个数都是实数的矩阵。
4.A$A^T$=E或$A^{T}A$=E，则n阶实矩阵 A称为正交矩阵。A为正交矩阵的充要条件是A的行（列）向量组为正交规范向量组。
5.正交矩阵的性质

• |A|$|A^T|=1$,所以|A|=1或-1。
• 若n阶方阵满足$A{A}^T=E(即A^{-1}=A^T),称A为正交矩阵$

其次线性方程组解的结构

1.基础解系解的个数是n-r个
2.$Ax=0$
A=(${\alpha }_1,{\alpha }_2,{\alpha }_3$)
x=$(1,2,3{)}^T$的实质是${\alpha }_1+2{\alpha }_2+3{\alpha }_3=0$

非齐次线性方程组解的结构

1.若${\alpha }_1,{\alpha }_2$均为Ax=b的解，则${\alpha }_1-{\alpha }_2$为Ax=0的解。
2.${\alpha }_0$是Ax=b的解，$\eta$是Ax=0的解，则${\alpha }_0+\eta$是Ax=b的解。
3.AX=b的通解是AX=b的特解加上AX=0的基础解系的线性组合。

分块矩阵

1.分块矩阵的转置：

• 将块看作元素求矩阵的转置
• 每个子块求转置

2.分块矩阵求行列式
H=$\left(\begin{array}{cc}A& C\\ 0& B\end{array}\right)$
|H|=|A||B|
H=$\left(\begin{array}{cc}0& A\\ B& C\end{array}\right)$
$|H|=(-1{)}^{mn}|A||B|$
(可由laplace定理证明)

3.分块矩阵求逆矩阵
${\left(\begin{array}{cc}A& 0\\ 0& B\end{array}\right)}^{-1}$=$\left(\begin{array}{cc}{A}^{-1}& 0\\ 0& B^{-1}\end{array}\right)$

${\left(\begin{array}{cc}0& A\\ B& 0\end{array}\right)}^{-1}$=$\left(\begin{array}{cc}0& B^{-1}\\ A^{-1}& 0\end{array}\right)$

实对称矩阵的对角化

1.$\alpha$的长度表示为$||\alpha ||$,
($\alpha ,\alpha$)=$\Vert |\alpha |{|}^2$
2.施密特正交化
将一组线性无关的向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_r$转化为与之等价的正交向量组${\beta }_1,{\beta }_2,...,{\beta }_r$
${\beta }_1={\alpha }_1$
${\beta }_2={\alpha }_2-\frac{({\alpha }_2,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1$
${\beta }_3={\alpha }_3-\frac{({\alpha }_3,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1-\frac{({\alpha }_3,{\beta }_2)}{({\beta }_2,{\beta }_2)}{\beta }_2$
${\beta }_r={\alpha }_r-\frac{({\alpha }_r,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1-\frac{({\alpha }_r,{\beta }_2)}{({\beta }_2,{\beta }_2)}{\beta }_2-...-\frac{({\alpha }_r,{\beta }_{r-1})}{({\beta }_{r-1},{\beta }_{r-1})}{\beta }_{r-1}$
3.实对称矩阵的相似理论

• 设A为n阶实对称矩阵，则存在正交矩阵，使得$P^{T}AP=\Lambda$($\Lambda 是对角矩阵$)

• n阶方阵相似于对角矩阵的充要条件是由n个线性无关的特征向量

• 实对称矩阵A的属于不同特征值的特征向量相互正交

注意事项：

1.奇异矩阵的秩不是满秩，也叫降秩矩阵，$|A|=0$。非奇异矩阵为满秩矩阵，行列式不为0，|A|$\ne 0$。
2.矩阵乘法一般不满足交换律，满足结合律
3.初等矩阵定义：单位矩阵经过一次初等变换得到的矩阵（初等矩阵一定可逆）
4.$(A^T{)}^{-1}=(A^{-1}{)}^T$
5.矩阵左乘行变换，右乘列变换
6.反对称矩阵必有$a_{ij}=-a_{ji}$,所以对角线上的元素都是0
7.n阶子式的定义：在m×n矩阵A中，任取k行与k列（k≤m，k≤n），位于这些行列式交叉处的k²个元素，不zhi改变它们在A中所处的位置次序而的k阶行列式，称为矩阵A的k阶子式。