知识点目录
1.矩阵的秩
线性组合和线性表出
线性相关和无关
有向量组A,a1,a2…an , 如果存在不是全为0的k1,k2…kn,满足
a1 * k1 + a2 * k2… an * kn = 0
则向量组A称为线性相关(可以跟向量组A共面联系,即可以通过几个向量,表示出另外几个向量,故称为线性相关)
极大线性无关组
设有向量组A a1,a2…an(本身为线性相关) :若选出r个向量,满足以下条件
(1)向量组 r : 线性无关;
(2) 向量组A中任意r+1个向量都线性相关,
(理解为最大的线性无关组的个数,在相关的组里求最大的无关向量个数)
矩阵的秩:
- 极大线性无关组的向量个数
- 行秩和列秩总是相等的。
- 列向量组的秩就是列秩
- 表示为rank(A),r(A)
2.特征值
特征值及物理意义
物理意义见下图
(图中v为定义中的x ,即满足如下公式)
向量空间
- 经常提到二维空间R2,三维空间R3,n维空间Rn,这些就是向量空间。
- 向量空间对空间内向量的线性组合(相加,数乘)封闭。
- 以R2空间为例,如果有两个指向不同方向的非零向量a和b,那么R2空间的所有向量都可以用a和b的线性组合得出;a和b的所有线性组合都在R2空间内。
3. 矩阵
相似矩阵
- 简单地讲就是一个矩阵可以经过初等行列变换后变成另一个矩阵,这两个矩阵是相似的
合同矩阵
矩阵的转置定义如下:
正定矩阵
二次型:
n个变量的二次多项式称为二次型,即在一个多项式中,未知数的个数为任意多个,但每一项的次数都为2的多项式.
正定矩阵
(即多一个行列相等的条件)
- 特征值全大于0的矩阵就是正定矩阵
正交矩阵:
单位矩阵:
主对角线上元素均为1,其余为0
对称矩阵:
以主对角线为对称轴,各元素对应相等的矩阵
求矩阵的逆:
- 求A的逆矩阵,把A和单位矩阵II放在一个矩阵里
- 对A进行加减消元使A化成单位矩阵
- 此时原来单位矩阵转化成逆矩阵
3.余子式:
余子式:
n阶行列式中,划去元aij所在的第i行与第j列的元,剩下的元不改变原来的顺序所构成的n-1阶行列式称为元aij的余子式。
作用:能把n阶的行列式化简为n-1阶
代数余子式:
例子:
伴随矩阵
通过各个元素的代数余子式组成的矩阵称为伴随矩阵。
————————————————————————————
后面的基础知识稍难,可以了解一下,感觉不大会问。
4.了解部分:
矩阵的迹
一个n×n矩阵A的主对角线上各个元素的总和被称为矩阵A的迹,一般记作tr(A)。
奇异矩阵
行列式为零的矩阵称为奇异矩阵
范德蒙行列式