task线性代数01行列式学习笔记

数域

由定义1可知,复数域是最大的数域
任一数域都包含有理数域,即有理数域是最小的数域。

线性方程组的分类：非齐次，齐次

线性方程组的相容性

https://www.cnblogs.com/LittleHann/p/10547355.html#_label0

行列式

线性相关
线性无关

如果一个向量组的一个部分组线性相关，则整个向量组（延伸组）也线性相关；
1.转置行列式

2.行列式的乘法

行列式的行与列的地位是对称的

行阶梯式

行最简式
定义. 在阶梯形矩阵中，若非零行的第一个非零元素全是1，且非零行的第一个元素1所在列的其余元素全为零，就称该矩阵为行最简形矩阵。. 例如矩阵：

线性相关和线性无关的向量组
常数项列向量能不能由系数矩阵的列向量线性表出。

线性方程组的通解

标准型

矩阵的秩

向量组等价

向量组的等价性质，不是数值意义上的等价，而是解空间结构的等价性。 两个向量组等价，是在说这两个向量组的解空间结构相同。

等价的线性无关的向量组所含向量的个数相等。

等价的向量组有相同的秩

向量组的秩

解空间结构相同，进而这两个向量组的秩也相同，秩可以理解为描述解空间结构维度的度量。

线性方程组有解时，如果它的系数矩阵A的秩等于未知量的个数n，则方程组有唯一解；
1. 定理1 - 线性方程组有解判别定理

线性方程组有解的充要条件是：它的系数矩阵A与增广矩阵A’有相同的秩。

这个定理只能判断线性方程组是否有解，至于是有唯一解还是有无穷解无法判断
2. 定理2 - 线性方程组解个数判别定理
如果A的秩小于n，则方程组有无穷多个解；

3.齐次线性方程组有非零解的条件
它的系数矩阵的秩小于未知量的个数
齐次线性方程组比较特殊，如果它又唯一解那一定是零解，因此其次线性方程组要么无解，要么有无穷多个解。

3.n元齐次线性方程组的解空间的结构

齐次线性方程组的解集的线性运算封闭特性

• 1.性质1 - 其次线性方程组的任意两个解的和还是方程组的解
  齐次线性方程组的解空间（线性子空间）对加法封闭。
• 2.性质2 - 其次线性方程组的任意一个解的倍数还是方程组的一个解
  齐次线性方程组的解空间（线性子空间）对数量乘法封闭。

综合上述2个性质得出，齐次线性方程组的解集W是的kn一个子空间，称为方程组的解空间。

有限多个解满足一下条件

1基础解系向量个数
数域K上n元齐次线性方程组的系数矩阵A的秩小于未知量个数n时，它一定有基础解系。并且它的每一个基础解系所含解向量的个数等于 n - rank(A)；

1.线性子空间的基

U子空间
子空间的向量组满足线性无关

2 线性子空间的标准基

3 非零线性子空间中基所包含的向量个数

4 n维向量空间

5 向量组的极大线性无关组和对应子空间维数的关系
向量组的秩等于由它生成的子空间的维数。

齐次线性方程组的解结构

1.非齐次线性方程组的导出组
我们把n元齐次线性方程组
称为非齐次线性方程组的导出组。
1）性质1：n元非齐次线性方程组的两个解的差是它的导出组的一个解。

2）性质2：n元非齐次线性方程组的一个解与它的导出组的一个解之和，仍是非齐次线性方程组的一个解。

2.非齐次线性方程组的通解

1）齐次组的解可以形成线性空间（不空，至少有0向量，关于线性运算封闭）
非齐次组的解不能形成线性空间，因为其解向量关于线性运算不封闭：任何齐次组的解的线性组合还是齐次组的解，但是非齐次组的任意两个解其组合一般不再是方程组的解（除非系数之和为1）而任意两个非齐次组的解的差变为对应的齐次组的解。

2）齐次组有基础解系，而非齐次只有通解
非齐次线性方程组的解集不能称为基础解系，因这些解不能生成解空间（线性运算不封闭）

如果平面个数大于维度，称为超定方程；
小于维度，称为欠定方程；
等于维度，称为适定方程；

非齐次方程组的解对应的几何意义

矩阵是一个函数
1仿射函数与矩阵
ax=y
(x,0)=>(o,ax)

1.线性空间定义:
矩阵对应了一种线性变换
线形空间相对是一种比较初级的空间；如果在里面定义了范数，就成了赋范线性空间；赋范线性空间满足完备性，就成了巴那赫空间；赋范线性空间中定义角度，就有了内积空间；内积空间再满足完备性，就得到希尔伯特空间；如果空间里装载所有类型的函数，就叫泛函空间

2.线性空间是线性向量对象的集合
只要找到合适的坐标轴（也就是基），就建立了一个坐标系，就可以用坐标（表示成向量的形式）表示线性空间里任何一个对象。换句话说，给你一个空间，你就能用基和坐标来描述这个空间中的对象

向量表面上只是一列数，但是由于向量的有序性，除了这些数本身携带的信息之外，还在对应位置上携带信息。

3.线性空间中的运动用线性变换来表达

线性空间中的运动，被称为线性变换。也就是说，从线性空间中的一个点运动到任意的另外一个点，都可以通过一个线性变化来完成。

在线性空间中，当选定一组基之后，不仅可以用一个向量来描述空间中的任何一个对象，而且可以用矩阵乘法来描述该空间中的任何一个运动（变换）。而使某个对象发生对应运动的方法，就是用代表那个运动的矩阵，乘以代表那个对象的向量。

旋转变换是一种线性变换，它将所有向量点共同移动了一个相同的角度。

矩阵映射的本质是向量基的变换

矩阵映射的本质是基改变，导致向量的坐标发生变化

矩阵是拉伸和旋转这两种运动的结合

对于方阵而言，矩阵不会进行纬度的升降，所以矩阵代表的运动实际上只有两种：
旋转
拉伸

左乘
代表进行一个向量基的旋转

继续左乘对角矩阵

可以看到：

特征值就是拉伸的大小
特征向量指明了拉伸的方向

反向变换（即求逆）也是同样道理

复合矩阵乘法是几何运动的叠加
1.矩阵乘法的数学公式定义

1. 只有左矩阵的列数与右矩阵的行数相同的两个矩阵才能相乘；
2. 乘积矩阵的（i，j）元等于左矩阵的第 i 行与右矩阵的第 j 列的对应元素的乘积之和；
3. 乘积矩阵的行数等于左矩阵的行数，乘积矩阵的列数等于右矩阵的列数；

矩阵的乘法本质上是将矩阵对应的变换应用到被乘的向量组上。如果是多个矩阵相乘，则可以理解为复合变换函数，即f(g(x…))，将所有的变换综合在一起整体作用于被作用向量组