线性代数基础知识点回顾与总结(一):行列式与矩阵
介绍
- 骨骼图
1.行列式
排列: 1,2,···,n组成的有序数组称为n阶排列。
逆序:大数排在小数前。自然排列为偶排列。
n阶行列式的值等于不同行的n个元素的乘积的代数和:
注 :主对角元素减副对角元素的求法只适用于2或3阶行列式的计算中。
三角行列的值:
注:副主对角时要考虑正负号:
方阵行列式(n*n):
∣
A
B
∣
=
∣
A
∣
⋅
∣
B
∣
;
∣
A
2
∣
=
∣
A
∣
2
.
\ |AB|=|A|·|B|; |A^{2}|=|A|^{2}\,.
∣AB∣=∣A∣⋅∣B∣;∣A2∣=∣A∣2.
行列式:
1.交换两行位置正负号改变。
推论:
- 两行相同或成比例,行列式为0
2.某行k倍加到另一行,值不变。
3.
4.
5. n阶行列式都可以写成两数之和,可以拆分成2^n个行列式之和。
例如2阶的:
代数余子式(cofactor)
a(I,j)的代数余子式为):
行列中_的意思是去掉第i行第j列,剩下的称为第(i,j)个元素的余子式。
行列式=某列(行)的每一个元素*它的代数余子式之和。
某行(列)元素与另一行(列)元素的代数余子式的乘积为0。
范德蒙行列(Vandermonde)
例子:
拉普拉斯定理(Laplace)
A、B、C都是行列。
推广:
2.矩阵
矩阵:m*n个数排列成m行n列的表格。若m=n,则称为n阶矩阵。
克莱姆法则(Cramer’s Rule):AX=b,若|A|≠0,则存在唯一的解,其解为:
其中,D为系数矩阵的值。
b在第j列。
对比齐次方程组AX=0,若|A|≠0,则只有0解。
若齐次方程组有非零解,则要求系数行列式|A|=0。
运算法则:
- A(BC)=A(BC)
- A(B+C)=AB+AC;
- (A+B)C=AC+BC;
- A(B+C)D=ABD+ACD
注:AB≠BA;AB=0(不能推出) A=0或B=0;AB=AC(不能推出)B=C
转置:
方阵
- 仅有方阵才有行列式
- 方阵A=0与|A|=0不要搞混
对称矩阵(symmetric matrix):
反矩阵(shew-symmetric matrix):
伴随矩阵(adjugate matrix):
这里由于翻译、符号等问题,很多小朋友搞不清楚伴随矩阵、伴随变换。
伴随矩阵(adjugate) 指的是由矩阵的代数余子式构成的矩阵的转置,用A表示,严谨点可以用adj(A)表示,这样不会发生歧义。
伴随变换(adjoint)也称共轭变换,指的是共轭转置矩阵,也叫**埃尔米特矩阵(Hermitian Matri)**用
表示,国内用A表示伴随矩阵,因此用后者不会产生歧义。
埃尔米特矩阵(Hermitian Matri):
例如:
如果A,B都是埃尔米特矩阵,则A+B也是埃尔米特矩阵;如果满足交换律AB=BA,则AB也是埃尔米特矩阵。
共轭矩阵(conjugate) 指矩阵的所有元素取共轭,用conj(A)表示,或
对于伴随矩阵:
可逆矩阵(Invertible matrix):
A·B=E (B为A的逆矩阵)(前提:A与B同阶)
如果A,B可逆,则:
对角矩阵:
分块矩阵(partitioned matrix)
运算:
初等矩阵
单位矩阵经过一次初等变换得到的矩阵。
初等变换 :
- 倍乘
- 倍加
- 行互换
等价矩阵
A经过有限次初等变换得到B。A等价于B记为:
性质:
反身性,对称性,传递性:
例:
A,B等价:
行阶梯矩阵(Row-Echelon Form):
- 0行在最底部
- 非0主元下面全为0
例:
行最简矩阵(Row-simplest form):
非0主元都为1且上下全为0。
例:(主元下画了横线)
正交矩阵(Orthogonal matrix)
若矩阵A、B为正交矩阵,则AB也为正交矩阵。
任何对称矩阵、正交矩阵都可以被对角化。
这句话我们可以这样理解,正交矩阵可以看作三维空间中被随意摆放的立方体,而对角化就是将齐摆正。直观上讲就是,任何一个歪着的立方体,都可以被摆正。(当然在这里,我们不讨论虚数的情况。)
相似矩阵(Similarity matrix)
相似矩阵可以理解为同一个线性变换在不同基上的矩阵。
性质: 反身性,对称性,传递性
(如果从 相似矩阵是同一个线性变换在不同基上的矩阵 这个角度理解的换,上面结论将变得理所当然。)
- A有n个线性无关的特征向量
- 若有k重特征值,则该特征值必有k个线性无关的特征向量。
实对称矩阵:
矩阵元素全为实数,且
其特征值全为实数,不同特征值对应的特征向量必正交。
总存在正交矩阵Q,使得:
A与对角矩阵相似。A的特征值与对角矩阵主对角元素相同。