线性代数
百度网盘连接: 链接：https://pan.baidu.com/s/1U3jkyBE-RA-QREMAQkhYTw?pwd=ray0
提取码：ray0=
1.行列式
1.1 行列式
基础:
-
排序: 由1,2,3…n组成的有序数列叫做n级排序,中间不能缺数.( 标准排序: N(1 2 … n ) )
-
逆序: 大权排在小权的前面
-
逆序数: 从第一个数开始,权后面有几个比它小的 例: N(4213) = 3 + 1 = 4
-
性质:
-
对换: 交换两个数 --> 奇偶性质改变
-
n 级排序中奇偶排序各 n ! 2 n级排序中奇偶排序各 \frac{n!}{2} \hspace{50cm} n级排序中奇偶排序各2n!
-
**二阶行列式: **
计算方式：对角线法则
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PtXct8FX-1673160230866)(线性代数.assets/20161127170020443.png)]
三阶行列式(矩阵):
计算方式：对角线法则(只适合二阶和三阶)[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rD3hxiew-1673160230867)(线性代数.assets/image-20220930141454850.png)]
n阶行列式:
特殊行列式:
-
结论:
主对线分隔 : D = a 11 a 22 . . . a n n 主对线分隔: \ D = a_{11}a_{22}...a_{nn} \hspace{100cm} \\ 主对线分隔: D=a11a22...ann次对角线分隔 : D = ( − 1 ) n ( n − 1 ) 2 a 11 a 22 . . . a n n 次对角线分隔: \ D = (-1)^\frac{n(n-1)}{2}a_{11}a_{22}...a_{nn} \hspace{100cm}\\ 次对角线分隔: D=(−1)2n(n−1)a11a22...ann
反对称行列式:
- 主对角线全为0
- 上下位置对应成相反数
- 奇数阶D=0
对称行列式:
$$
形如: \left|
\begin{array}{c}
1 & 1 & -1 \
1& 2&3 \
-1 & 3 & 3 \
\end{array}
\right|
\hspace{100cm}\
$$
-
主对角线无要求
-
上下位置对应相等
行列式的3种表示方法:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aTTzeQtL-1673160230868)(线性代数.assets/image-20220930144122540.png)]
-
定义1: 按行排序
∑ ( − 1 ) N ( j 1 j 2 . . j n ) a 1 j 1 a 2 j 2 . . . a n j n = D ∣ a i a j ∣ \ \sum(-1)^{N(j_1j_2..j_n)}a_1{_{j_1}}a_2{_{j_2}}...a_n{_{j_n}} = D|a_ia_j |\hspace{50cm} \\ ∑(−1)N(j1j2..jn)a1j1a2j2...anjn=D∣aiaj∣
n中列标排序, a列标不重复 -
定义2: 按列排序
-
定义3: 既不按行也不按列
既不按行也不按列 ∑ ( − 1 ) N ( i 1 i n ) + N ( j 1 j n ) a i 1 j 1 a i 2 j 2 . . . a i n j n 既不按行也不按列 \ \sum(-1)^{N(i_1i_n) + N(j_1j_n)}a_{i1j1}a_{i2j2}...a_{injn} \hspace{50cm} \\ 既不按行也不按列 ∑(−1)N(i1in)+N(j1jn)ai1j1ai2j2...ainjn$$
例子:
a_{j1}a_{2k}a_{13}a_{m2} \hspace{50cm}\- \ k=4 \ i=3 \ m=4 \hspace{50cm}\
- \ k = 4 \ i = 4 \ m=3 \hspace{50cm}\
$$
1.2 行列式的性质
-
D T = D 对行成立的性质对列也成立 D^T = D \ 对行成立的性质对列也成立 \hspace{100cm}\\ DT=D 对行成立的性质对列也成立
-
D = 0 必可知以下三条件之一成立 D = 0 \ 必可知以下三条件之一成立 \hspace{100cm}\\ D=0 必可知以下三条件之一成立
- 两行对应成比例
- 某一行全为0
- 两行相等
-
两行互换, 值变号
例 : ∣ 1 0 0 − 5 2 3 3 3 5 ∣ = D ∣ 3 3 5 − 5 2 3 1 0 0 ∣ = − D 例: \left| \begin{array}{cccc} 1 & 0 & 0 \\ -5 & 2 & 3\\ 3 & 3 & 5 \end{array} \right| = D \ \ \ \ \ \left| \begin{array}{cccc} 3 & 3 & 5 \\ -5 & 2 & 3\\ 1 & 0 & 0 \\ \end{array} \right| = -D \hspace{100cm}\\ 例: 1−53023035 =D 3−51320530 =−D -
某一列都乘以k, 等于用k乘以 D
例子 : ∣ 3 K 3 K 5 K − 5 2 3 1 K 0 K 0 K ∣ = k 2 D 例子: \left| \begin{array}{cccc} 3K & 3K & 5K \\ -5 & 2 & 3\\ 1K & 0K & 0K \\ \end{array} \right| = k^2D \hspace{100cm}\\ 例子: 3K−51K3K20K5K30K =k2D -
是和的那一部分分开其余部分保持不变
例子 : ∣ 3 3 5 − 5 + 8 2 + 3 3 − 10 1 0 0 ∣ = ∣ 3 3 5 − 5 2 3 1 0 0 ∣ + ∣ 3 3 5 8 3 − 10 1 0 0 ∣ 例子: \left| \begin{array}{c} 3 & 3 & 5 \\ -5+8 & 2+3 & 3-10\\ 1 & 0 & 0 \\ \end{array} \right| = \ \ \ \left| \begin{array}{c} 3 & 3 & 5 \\ -5 & 2 & 3\\ 1 & 0 & 0 \\ \end{array} \right| + \left| \begin{array}{c} 3 & 3 & 5 \\ 8 & 3 & -10\\ 1 & 0 & 0 \\ \end{array} \right| \hspace{100cm}\\ 例子: 3−5+8132+3053−100 = 3−51320530 + 3813305−100 -
某一行乘以一个数, 加上另一行去,D不变 变形: 某一行列可真接加到另一行去
- 准测: 想处理完1列在处理下下一列.
$$
例子: \left|
\begin{array}{c}
1 & 2 & 3 \
1 & 1 & 0\
9 & 9 & 10 \
\end{array}
\right| \ \ \ \ \ \ = \left|
\begin{array}{c}
1 & 2 & 3 \
0 & -1 & -3\
9 & 9 & 10 \
\end{array}
\right| \ 第一行乘以-1加到第二行\hspace{100cm}\
\ \ \ = \left|
\begin{array}{c}
1 & 2 & 3 \
0 & -1 & -3\
0 & -9 & -17 \
\end{array}
\right| \ 第一行乘以-9加到第三行 \hspace{100cm}\= \left|
\begin{array}{c}
1 & 2 & 3 \
0 & -1 & -3\
0 & 0 & -44 \
\end{array}
\right| \ 第二行乘以9加到第三行 \hspace{100cm}\
= 1 \times (-1) \times (-44) = 44 \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \hspace{100cm}\
$$
1.3 行列式展开
余子式:
$$
\left|
\begin{array}{c}
1 & 1 & 0 & 3 \
1 & 1 & 1 & 1\
2 & 2 & 3 & 4\
5 & 5 & 6 & 6 \
\end{array}
\right| \ \ \ \ \ =
M_{32} = \left|
\begin{array}{c}
1 & 0 & 3 \
1 & 1 & 1 \
5 & 6 & 6\
\end{array}
\right|
\hspace{100cm}\
代数余子式
:
代数余子式:
代数余子式:
A_{32} = (-1)^{(3 + 2)}\left|
\begin{array}{c}
1 & 0 & 3 \
1 & 1 & 1 \
5 & 6 & 6\
\end{array}
\right|
\hspace{100cm}\
$$
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-itZJKBBJ-1673160230868)(线性代数.assets/image-20220930142439571.png)]
定理: 按某行(列)展开
D
=
a
i
1
A
i
1
+
a
i
2
A
i
2
+
.
.
.
+
a
i
n
A
i
n
D = a_{i1}A_{i1} + a_{i2}A_{i2}+ ... +a_{in}A_{in} \hspace{100cm}\\
D=ai1Ai1+ai2Ai2+...+ainAin
-
准测: 选择0多的展开
-
$$
例子: \left|
\begin{array}{c}
1 & 0 & 2 \
0 & 1 & 0 \
2 & 3 & 5\\end{array}
\right|
= D = 1 \times (-1)^{1+1}\left|
\begin{array}{c}
1 & 0 \
3 & 5\
\end{array}
\right|
\ \ + 1 \times (-1)^{1+2}\left|
\begin{array}{c}
0 & 0 \
2 & 5\
\end{array}
\right|
\ \ + 1 \times (-1)^{1+3}\left|
\begin{array}{c}
0 & 3 \
2 & 3\
\end{array}
\right|
\hspace{100cm}\
D = \ 1 \times (-1)^{2+2}\left|
\begin{array}{c}
1 & 2 \
2 & 5\
\end{array}
\right| \ \ \ \ 选择0多的展开 \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \hspace{100cm}\
$$
定理: 异乘变0 : 某行元素与另一行元素的代余式乘积之和 = 0
**拉普拉斯: ** 取K行,由K行元素组成的所有K阶子式与代数余子式乘积为D;
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-htena5WT-1673160230868)(线性代数.assets/image-20220911004102133.png)]
$$
例子: \left|
\begin{array}{c}
1 & 2 & 0 &0 & 0 \
3& 4 & 0 & 0 &0 \
1 & 2 & 3 & 4 &5\
1 & 1 & 1 & 1 &1\
6 & 6 & 8 & 3 &1\
\end{array}
\right|
\ \
= \ \
\left|
\begin{array}{c}
1 & 2 \
3& 4 \
\end{array}
\right|
\ \
\times \ \
(-1)^{1+2+1+2}
\left|
\begin{array}{c}
3 & 4 & 5 \
1 & 1 & 1 \
8 & 3 & 1 \
\end{array}
\right|
\hspace{100cm}\
$$
- 1+2 + 1+2 表示: 第1,2行第1,2列
代数余子式之和计算技巧
-
因为代数余子式Aij与对应元素aij毫无关系，所以可以改变代数余子式对应行或列的元素的值，使其刚好为代数余子式的系数，此时，代数余子式之和等于新的行列式的值
例：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-llo48QgQ-1673160230869)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNTc4OTcw,size_16,color_FFFFFF,t_70.png)]
求A31+2A32+3A33
解：因为代数余子式对应的是第三行所有元素，系数依次为1，2，3，所以把A的第三行直接改为1，2，3，得到新的行列式B
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZSF3tFjg-1673160230869)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNTc4OTcw,size_16,color_FFFFFF,t_70-16636463934341.png)]
可见，新的行列式值为-14，所以原式等于-14
2.第i行（或列）的元素，分别乘以第j行（或列）的元素所对应的代数余子式，之和为0（i！=j），即对于n阶行列式
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0GHLCGJW-1673160230869)(线性代数.assets/20200513111947804.png)]
其实，这个可以看作是1的变体。因为采用方法一，将第j行（或列）改为第i行（或列）的元素后，新的矩阵中有两行一摸一样，必定不满秩，值必定为0
1.4 计算
**同阶行列式相乘: **
-
分别是第几行乘以第几列 相加
-
$$
例子: \left|
\begin{array}{c}
1 & 1 & 1 \
2& 0 & 0 \
0 & 0 & 3\\end{array}
\right|\ \ \times \
\left|
\begin{array}{c}
1 & 2 & 3 \
1& 3 & 2 \
3 & 2 & 1\\end{array}
\right|
\ \
= \ \\left|
\begin{array}{c}
5 & 7 & 6 \
2& 4 & 6\
9 & 6 & 3\\end{array}
\right|
\hspace{100cm}\
$$- 1: 第1行乘以第1列
- 9: 第3行乘以第1列
凑三角型
- 先第1列,再2列, 依次;
- 对整行操作
- 第1列处理好后，第一行不主动参与, 可以被动
**范德蒙德: **
$$
\left|
\begin{array}{c}
1 & 1 & 1 &… &1\
x_1& x_2 & x_3 &… & x_n\
…& … & … &… & …\
x^{n-2}_1& x^{n-2}_2 & x^{n-2}_3 &… & x^{n-2}_n\
x^{n-1}_1& x^{n-1}_2 & x^{n-1}_3 &… & x^{n-1}_n\
\end{array}
\right| \ \ \ \ \ = \prod _{1\ \leq \ j \ < \ i \leq n} (x_i - x_j)
\hspace{100cm}\
$$
$$
例子: \left|
\begin{array}{c}
1 & 1 & 1 &1 \
2& -1 & 3 &6 \
…& … & … &… \
\end{array}
\right|
\hspace{100cm}\
解: D = \ \ (-1 -2)(3-2)(6-2)(3+1)(6+1)(6-3)
定前,后一个元素减前一个
\hspace{100cm}\
$$
制造行和:
$$
\left|
\begin{array}{c}
x & a & a &… &a\
a& x & a &… & a\
…& … & … &… & …\
a & a & a &... & x\\
\end{array}
\right| \ \ \ \ \ = (x+(n-1)a) \left|
\begin{array}{c}
1 & 0 & 0 \
1& x -a&0 \
…& … & … \
1 & a & x-a \\
\end{array}
\right|
\hspace{100cm}\
$$
- 列往前提, 每次提a, 提(n-a)次
- 再第1列乘-a 导致原来的x变成x-a
- (x+(n-1)x)(n-1)k
三线式:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xnabgZ0W-1673160230870)(线性代数.assets/image-20220930143207800.png)]
加边法:
三叉: 有字母,放分母,不等于0才行
解法: 每分别往第一列提, 再主角线相乘
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ielDufyy-1673160230870)(线性代数.assets/image-20220930143435135.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-upXd2coy-1673160230871)(线性代数.assets/image-20220911110256283.png)]
cramer法则(解方程组的):
条件:
-
几个方程几个未知数
-
计算量大
-
D ≠ 0 D \ne 0 \hspace{100cm}\\ D=0
-
X j = D j D X_j = \frac{D_j}{D}\hspace{100cm}\\ Xj=DDj
例子:
$$
形如: \left {
\begin{array}{c}
x_1 + x_2 + x_3 = 1\
x_1 - x_2 + 3x_3 = 6\
-x_1 + 6x_2 + x_3 = 9\
\end{array}
\right.
\ \ \ \
\Rightarrow
D= \left|
\begin{array}{c}
1 & 1 & 1 \
1& -1&3 \
-1 & 6 & 1 \
\end{array}
\right|
\ \ \ \ \ \ D_1= \left|
\begin{array}{c}
1 & 1 & 1 \
6& -1&3 \
9 & 6 & 1 \
\end{array}
\right|\ \ \
\Rightarrow
X_1 = \frac{D1}{D}\hspace{100cm}\
\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \
其余同理 \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \hspace{100cm}\
$$
特殊:
-
齐次, 至少有零解.
- 若 D不等于0 则只有x = 0;
- 有非零解, D等于0
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PSYUAFvb-1673160230871)(线性代数.assets/image-20221024224308790.png)]
2. 矩阵
2.1 矩阵概念
2.1.1 矩阵的定义
直观印象：由数构成的数表
(
1
a
1
a
1
2
⋯
a
1
n
1
a
2
a
2
2
⋯
a
2
n
⋮
⋮
⋮
⋱
⋮
1
a
m
a
m
2
⋯
a
m
n
)
数表
m
×
n
矩阵
\begin{pmatrix} 1&a_1&a_1^2&\cdots&a_1^n\\ 1&a_2&a_2^2&\cdots&a_2^n\\ \vdots&\vdots&\vdots&\ddots&\vdots\\ 1&a_m&a_m^2&\cdots&a_m^n\\ \end{pmatrix} \ \ \ \ \ 数表 \ \ \ \ \ \ m \times n 矩阵
11⋮1a1a2⋮ama12a22⋮am2⋯⋯⋱⋯a1na2n⋮amn
数表 m×n矩阵
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YsGmENdF-1673160230872)(线性代数.assets/image-20220930144322214.png)]
2.1.2 矩阵与行列式之间的差别
| 行列式 | 矩阵 | |
|---|---|---|
| 本质 | 一个数 | 数表 |
| 符号 | | | | ( ) 或者 [ ] |
| 性质 | 行数 一定等于 列数 | 行数 不一定等于 列数 |
2.1.3 矩阵分类
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hqdsVD1I-1673160230872)(线性代数.assets/image-20220930144513769.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TA5JtZd1-1673160230872)(线性代数.assets/image-20220930144746820.png)]
补充:
实矩阵
实矩阵所有元素为实数；
复矩阵
复矩阵所有元素为复数；
负矩阵
A矩阵的元素变为相反数记为-A；
方阵
行数=列数 为方正，n阶方阵记为A n A_nAn；
同型矩阵
指两个矩阵行数与列数对应相等 如:
A
3
×
5
B
3
×
5
A_{3 \times 5} \ \ \ B_{3 \times 5}
A3×5 B3×5
同型矩阵对应位置元素相等，则这两个矩阵相等记做 A=B 。
ps: 两个矩阵相等的前提是同型
2.2 矩阵运算
a = [ a b c d ] b = [ a 1 a 2 b 1 b 2 ] \begin{array}{c} a=\left[\begin{array}{ll} a & b \\ c & d \end{array}\right] \\ \\ b=\left[\begin{array}{ll} a 1 & a 2 \\ b 1 & b 2 \end{array}\right] \end{array} a=[acbd]b=[a1b1a2b2]
2.3.1矩阵加法和减法
对应元素相加（减），只有同型矩阵才能加减
加法交换律：A + B = B + A
a
+
b
=
[
a
+
a
1
b
+
a
2
c
+
b
1
d
+
b
2
]
\begin{array}{c} a+b=\left[\begin{array}{ll} a+a 1 & b+a 2 \\ c+b 1 & d+b 2 \end{array}\right] \end{array}
a+b=[a+a1c+b1b+a2d+b2]
a − b = [ a − a 1 b − a 2 c − b 1 d − b 2 ] \begin{array}{c} a-b=\left[\begin{array}{ll} a-a 1 & b-a 2 \\ c-b 1 & d-b 2 \end{array}\right] \end{array} a−b=[a−a1c−b1b−a2d−b2]
2.3.2 数乘
-
用一个数 乘以一个矩阵 则这个数乘以这个矩阵的所有元素
-
矩阵所有元素均有公因子，这个公因子只提一次。
-
行列式则是有几次提几次
例子:
k ( 1 2 3 4 5 6 7 8 9 ) = ( k 2 k 3 k 4 k 5 k 6 k 7 k 8 k 9 k ) \begin{array}{c} k\left(\begin{array}{lll} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{array}\right)=\left(\begin{array}{ccc} k & 2 k & 3 k \\ 4 k & 5 k & 6 k \\ 7 k & 8 k & 9 k \end{array}\right) \end{array} k 147258369 = k4k7k2k5k8k3k6k9k
2.3.3矩阵乘法
判断能否进行乘法:
-
中间相等, 取两头
-
做乘法运算的前提条件：第一个矩阵的列数等于第二个矩阵的行数
-
相乘后结果矩阵的形状：结果矩阵的行数=第一个矩阵的行数，结果矩阵的列数=第二个矩阵的列数
例子:
A 3 × 5 B 3 × 5 = C 3 × 5 A_{3 \times 5} B_{3 \times 5} = C_{3\times5} A3×5B3×5=C3×5
-
运算规律:
-
矩阵乘法不满足交换律， 得到的形状可能不同因此分左乘和右乘 (可交换则表示AB = BA)
-
$$
-
AB \neq BA \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \
\ \ \ 2. AB = 0 \ \ 推不出 A=0 或者 B=0 \ -
AB = 0 , A\neq0 \ \ 推不出 B=C
$$
-
-
AB = 0 推不出 A = 0 或者 B = 0 -
AB = 0, A != 0 推不出 B = C例子:
a矩阵的行元素乘以每一列然后相加作为新矩阵的行元素
a ∗ b = [ a ∗ a 1 + b ∗ b 1 a ∗ a 2 + b ∗ b 2 c ∗ a 1 + d ∗ b 1 c ∗ a 2 + d ∗ b 2 ] \begin{array}{c} \mathrm{a} * \mathrm{~b}=\left[\begin{array}{ll} \mathrm{a} * \mathrm{a} 1+\mathrm{b} * \mathrm{~b} 1 & \mathrm{a} * \mathrm{a} 2+\mathrm{b} * \mathrm{~b} 2 \\ \mathrm{c} * \mathrm{a} 1+\mathrm{d} * \mathrm{~b} 1 & \mathrm{c} * \mathrm{a} 2+\mathrm{d} * \mathrm{~b} 2 \end{array}\right] \end{array} a∗ b=[a∗a1+b∗ b1c∗a1+d∗ b1a∗a2+b∗ b2c∗a2+d∗ b2]
满足分配率和结合律 :
$$
\begin{array}{c}
- 结合:(A B) C=A(B C) \ \ \ \ \ \ \ \ \
- 分配: (A+B) C=A C+BC\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \quad C(A+B)=C A+C B \
3)k(AB)=(kA)B = A(k B)
\end{array}
$$
乘法计算演示部分过程:
对应位置相乘再加起来
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-spZUUi4m-1673160230873)(线性代数.assets/演示文稿1.gif)]
例子:
{
x
1
=
y
1
−
y
2
x
2
=
y
1
+
y
2
{
y
1
=
z
1
+
z
2
+
2
z
3
y
2
=
z
1
−
2
z
2
+
z
3
{
z
1
=
.
.
.
z
2
=
.
.
.
(
x
1
x
2
)
=
(
1
−
1
1
1
)
(
y
1
y
2
)
(
y
1
y
2
)
=
(
1
1
2
1
−
2
1
)
(
z
1
z
2
z
3
)
(
z
1
z
2
z
2
)
=
(
1
1
1
0
−
1
1
)
(
u
1
u
2
)
\begin{array}{l} \left\{\begin{array} { l } { x _ { 1 } = y _ { 1 } - y _ { 2 } } \\ { x _ { 2 } = y _ { 1 } + y _ { 2 } } \end{array} \quad \left\{\begin{array} { l } { y _ { 1 } = z _ { 1 } + z _ { 2 } + 2 z _ { 3 } } \\ { y _ { 2 } = z _ { 1 } - 2 z _ { 2 } + z _ { 3 } } \end{array}\ \quad \left\{\begin{array}{l} z_{1}= ...\\ z_{2}= ... \end{array}\right.\right.\right.\\ \left(\begin{array}{l} x_{1} \\ x_{2} \end{array}\right)=\left(\begin{array}{cc} 1 & -1 \\ 1 & 1 \end{array}\right)\left(\begin{array}{l} y_{1} \\ y_{2} \end{array}\right) \quad\left(\begin{array}{l} y_{1} \\ y_{2} \end{array}\right)=\left(\begin{array}{ccc} 1 & 1 & 2 \\ 1 & -2 & 1 \end{array}\right)\left(\begin{array}{l} z_{1} \\ z_{2} \\ z_{3} \end{array}\right)\left(\begin{array}{c} z_{1} \\ z_{2} \\ z_{2} \end{array}\right)=\left(\begin{array}{cc} 1 & 1 \\ 1 & 0 \\ -1 & 1 \end{array}\right)\left(\begin{array}{l} u_{1} \\ u_{2} \end{array}\right) \end{array}
{x1=y1−y2x2=y1+y2{y1=z1+z2+2z3y2=z1−2z2+z3 {z1=...z2=...(x1x2)=(11−11)(y1y2)(y1y2)=(111−221)
z1z2z3
z1z2z2
=
11−1101
(u1u2)
解法: 对应替换就行,再做乘法运算
2.2.4 幂
-
形式:
A K = A A ⋯ A ⏟ k 其中 A 0 = E \begin{array}{l} A^{K}=\underbrace{A A \cdots A}_{k} \quad \ \ 其中 A^{0}=E \end{array} AK=k AA⋯A 其中A0=E( A B ) K ≠ A K B ( A B ) 2 ≠ A 2 B 2 ( A + B ) 2 ≠ A 2 + 2 A B + B 2 ( A − B ) 2 ≠ A 2 − 2 A B + B 2 ( A + E ) 2 = A 2 + 2 A E + E 2 ( A − E ) 2 = A 2 − 2 A E + E 2 \begin{array}{l} (A B)^{K} \neq A^{K} B \\ \left(A B)^{2} \neq A^{2} B^{2}\right. \\ (A+B)^{2} \neq A^{2}+2 A B+B^{2} \quad(A-B)^{2} \neq A^{2}-2 A B+B^{2} \\ (A+E)^{2} = A^{2}+2 A E+E^{2} \quad(A-E)^{2} = A^{2}-2 A E+E^{2} \end{array} (AB)K=AKB(AB)2=A2B2(A+B)2=A2+2AB+B2(A−B)2=A2−2AB+B2(A+E)2=A2+2AE+E2(A−E)2=A2−2AE+E2
2.2.5 矩阵转置
a矩阵 转置之后( 行变成列，列变成行)
a
T
=
[
a
c
b
d
]
\begin{array}{l} \mathrm{a^T}=\left[\begin{array}{ll} \mathrm{a} & \mathrm{c} \\ \mathrm{b} & \mathrm{d} \end{array}\right] \end{array}
aT=[abcd]
转置性质：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hiWFblom-1673160230873)(线性代数.assets/image-20221212111024191.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cwUgcLb1-1673160230873)(线性代数.assets/image-20220930145252528.png)]
2.3 特殊矩阵
数量矩阵:
- 主对角线元素全为a，其余全为0，a 可以为0和1
- 结论:
$$
\begin{array}{l}
\left(\begin{array}{lll}
a & & \
& a \
& \ddots & \
& & & a
\end{array}\right)=a E \
\end{array}
$$
( a E ) B = B ( a E ) = a B A E = E A = A A 2 × 3 E 3 = E 2 A 2 × 3 (a E) B=B(a E)=a B\\{A E=E A=A} \\ A_{2 \times 3} E_{3}=E_{2} A_{2 \times 3} (aE)B=B(aE)=aBAE=EA=AA2×3E3=E2A2×3
对角型矩阵:
-
主对角线元素全为a 1 . . . a n a_1…a_na1…an，其余全为0
例子:
( k 1 k 2 k 3 ) ( 1 2 3 2 2 2 8 8 8 ) = ( k 1 2 k 1 3 k 1 2 k 2 2 k 2 2 k 2 8 k 3 8 k 3 8 k 3 ) 左乘对应于行 ( 1 2 3 2 2 2 8 8 8 ) ( k 1 k 2 k 3 ) = ( k 1 2 k 2 3 k 3 2 k 1 2 k 2 2 k 3 8 k 1 8 k 2 8 k 3 ) 右乘对应于列 \begin{array}{l} \left(\begin{array}{ll} k_{1}\\ &k_{2} \\ & & k_{3} \end{array}\right)\left(\begin{array}{lll} 1 & 2 & 3 \\ 2 & 2 & 2 \\ 8 & 8 & 8 \end{array}\right)=\left(\begin{array}{lll} k_{1} & 2 k_{1} & 3 k_{1} \\ 2 k_{2} & 2 k_{2} & 2 k_{2} \\ 8 k_{3} & 8 k_{3} & 8 k_{3} \end{array}\right)\ \ \ \ \ 左乘对应于行 \\ \\ \left(\begin{array}{lll} 1 & 2 & 3 \\ 2 & 2 & 2 \\ 8 & 8 & 8 \end{array}\right) \left(\begin{array}{ccc} k_{1} \\ &k_{2} & \\ & & k_{3} \end{array}\right)=\left(\begin{array}{lll} k_{1} & 2 k_{2} & 3 k_{3} \\ 2 k_{1} & 2 k_{2} & 2 k_{3} \\ 8 k_{1} & 8 k_{2} & 8 k_{3} \end{array}\right)\ \ \ \ \ 右乘对应于列 \end{array} k1k2k3 128228328 = k12k28k32k12k28k33k12k28k3 左乘对应于行 128228328 k1k2k3 = k12k18k12k22k28k23k32k38k3 右乘对应于列
对称矩阵:
- 对称矩阵的转置等于其本身
- 对称矩阵一定是方阵
- 一个矩阵转置和这个矩阵的乘积就是一个对称矩阵：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Cra8usrO-1673160230874)(线性代数.assets/image-20220918201537811.png)] - 对称矩阵的加法、减法、数乘仍然是对称的，然而乘积不一定对称，因为AB不一定等于BA
$$
-
(A+B){T}=A{T}+B^{T}=A+B \
-
(A-B){\top}=A{\top}-B^{\top}=A-B \
-
(k A)^{T}=k A^{\top}=k A\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \
-
(A \cdot B)^{\top}= B^{\top} A^{\top}=BA \neq A B
$$
- 定理1 :
KaTeX parse error: Can't use function '$' in math mode at position 3: {$̲} A,B对称 \Leftr…
例子:
$$
AA^T 与 ATA都对称 \
\begin{array}{l}- \left(A A{\top}\right){\top}=\left(A{\top}\right){\top} A^{\top}=A A^{\top} \
- \left(A^{\top} A\right){\top}=A{\top}\left(A{\top}\right){\top}=A^{\top} A
\end{array}
$$
反对称矩阵:
-
反对称矩阵的主对角线全为0（对称矩阵的主对角线没有要求）
-
反对称矩阵的转置等于其本身的相反数 :
A T = A A^T = A AT=A
2.4 逆矩阵
2.4.1 方阵的行列式
基础知识:
-
形式: | 矩阵A |
方阵 : A = ( 2 2 2 3 3 3 1 1 1 ) 方阵行列式 : ∣ A ∣ = ∣ 2 2 2 3 3 3 1 1 1 ∣ = 0 方阵: A=\left(\begin{array}{lll} 2 & 2 & 2 \\ 3 & 3 & 3 \\ 1 & 1 & 1 \end{array}\right) \quad方阵行列式: |A|=\left|\begin{array}{lll} 2 & 2 & 2 \\ 3 & 3 & 3 \\ 1 & 1 & 1 \end{array}\right|=0 方阵:A= 231231231 方阵行列式:∣A∣= 231231231 =0
ps: 行列式是矩阵的一个属性，矩阵有很多属性如：特征值、特征向量、行列式…求行列式就相当于求值
-
性质
-
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0aZANJn0-1673160230874)(线性代数.assets/image-20220930145352555.png)]
$$
\begin{array}{l}
性质1: \quad\left|A^{\top}\right|=|A|
\ 性质2: \ \ \ \ |k A|=k^{n}|A| \ \ n 是阶数
\性质3: \quad|A B|=|A| \cdot|B| \\end{array}
$$
例子: 求行列式 , A 5阶 |A| = 3|-A| = (-1)^5 |A| = -3 ||||A|A|A|A| = 从里往外提, |A|=3 = |||3A|A|A| = ...
2.4.2 伴随矩阵
-
形式: [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pcIc8nEe-1673160230875)(线性代数.assets/image-20220918220145992.png)]
-
只有方阵才有伴随矩阵
求解:
- 1、求所有元素的代数余子式
- 2、按行求的代数余子式按列放，构成一个矩阵就是伴随矩阵记为A ^* 口诀：按行求，按列放
例子:
$$
\begin{array}{c}
\begin{array}{l}
& A=\left(\begin{array}{lll}1 & 1 & 1 \ 2 & 1& 3 \ 1 & 1 & 4\end{array}\right) \quad \text { }\end{array}
\ \ \ \ \ \ \ \ \ \ \ \ \ 求余子式: \ \ \ \ \
\begin{array}{lll}
A_{11}=1 & A_{12}=-5 & A_{13}=1 \
A_{21}=-3 & A_{22}=3 & A_{23}=0 \
A_{31}=2 & A_{22}=-1 & A_{33}=-1
\end{array}
\按行求，按列放:
\quad A^{*}=\left(\begin{array}{ccc}
1 & 3 & 2 \
-5 & 3 & -1 \
1 & 0 & -1
\end{array}\right)
\end{array}
$$
-
定理:
推论: 对任意方阵A都成立：
$$
\begin{array}{c}
A A{*}=A{*} A=|A| E
\end{array}\begin{array}{c}
\end{array}
$$
∣ A ∗ ∣ = ∣ A ∣ n − 1 \left|\mathrm{A}^{*}\right|=|\mathrm{A}|^{\mathrm{n}-1} ∣A∗∣=∣A∣n−1
2.4.3 逆矩阵
永远不要把矩阵放在分母上, 逆矩阵可以解决该问题
基础知识:
-
定义:
对于一个n阶方阵A，如果存在一个n阶方阵B，使得[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-J8eDYIRa-1673160230875)(线性代数.assets/format,png.png)]则称B是A的一个逆矩阵。
A 的逆矩阵记作[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BdLR37fc-1673160230875)(线性代数.assets/20201208200403841.png)] 。
-
性质定理
-
未必所方均可逆
-
可逆,则逆矩阵唯一
-
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tJIuM6q2-1673160230876)(线性代数.assets/image-20220918223142966.png)]
-
判断一个矩阵可逆:
- [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9J8m001d-1673160230876)(线性代数.assets/image-20220930150426040.png)]
- 定理:
当 |A| 不等于0时有:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-E1eDwBvL-1673160230877)(线性代数.assets/format,png-166350922826042.png)]
推论 : A B = E ( B A = E ) 得到 A 可逆 A − 1 = B \begin{array}{c} 推论: \\ AB = E (BA=E) \ \ \ \ 得到 A可逆 \ \ \ A^{-1} = B \end{array} 推论:AB=E(BA=E) 得到A可逆 A−1=B
逆矩阵的性质:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7UZ7E0OI-1673160230877)(线性代数.assets/image-20220918225954671.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tnGpiCBJ-1673160230878)(线性代数.assets/image-20221212101853449.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sAY5jClY-1673160230878)(线性代数.assets/image-20221212101427268.png)]
标准例题
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jurvuUC8-1673160230879)(线性代数.assets/image-20220930150057309.png)]
例子: 解矩阵方程
-
注意方向
-
先判断可逆,才能写逆矩阵
-
矩阵不能放在分母
$$
\begin{array}{l}解方程 : A x=A+2 x \
解:\
Ax-2 x=A \
(A-2 E) x=A \判断(A-2 E)可逆\
\ \ \ \ \ \ \ \ …\
(A-2 E)^{-1}(A-2 E) = A(A-2 E)^{-1}\
x=(A-2 E)^{-1}A
\x=\frac{1}{|A-2 E|}(A-2 E)^{*}A
\end{array}
$$
例子3:
二阶矩阵求逆矩阵 :
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-b7bhjdQL-1673160230879)(线性代数.assets/image-20221212100133560.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jj7gF3If-1673160230880)(线性代数.assets/image-20220930150719150.png)]
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lAweoeWg-1673160230880)(线性代数.assets/image-20220930151114978.png)]
2.4.3.1 求解逆矩阵方法
伴随矩阵法:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MaNI4ykm-1673160230880)(线性代数.assets/image-20220918230431918.png)]
初等变换法:(常用)
2.6 分块矩阵
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tDXMbVOi-1673160230881)(线性代数.assets/20161129110014042.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cTNE1M1O-1673160230881)(线性代数.assets/20161129110111774.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-44mZ2yAR-1673160230881)(线性代数.assets/20161129110548229.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eStv7Nfk-1673160230881)(线性代数.assets/20161129110645620.png)]
分块矩阵不仅形式上进行转置，而且每一个子块也进行转置．
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5xx4YZGo-1673160230882)(线性代数.assets/20161129110953961.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WOS6n447-1673160230882)(线性代数.assets/20161129111153779.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZFk0PFsh-1673160230882)(线性代数.assets/20161129111411062.png)]
2.7 初等方阵及初等变换法求逆阵
2.7.1 初等变换
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YJaIIzXT-1673160230883)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16.png)]
矩阵初等变换与行列式变换对比 当A是方阵时的:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uECLBeyh-1673160230883)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_18,color_FFFFFF,t_70,g_se,x_16.png)]
2.7.2 初等方阵
初等方阵：对 E 做一次初等变换得到的矩阵（交换两行 、用k（k！=0）乘以某行、某行的H倍加到某一行）
分类:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DAVlP4Ma-1673160230884)(线性代数.assets/image-20220930153543301.png)]
一个矩阵通过左（右）乘一个初等方阵来进行初等行（列）变换:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hto8Nzak-1673160230884)(线性代数.assets/image-20220930154859705.png)]
性质:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9xfVh1Na-1673160230884)(线性代数.assets/image-20220930155258730.png)]
引入初等方阵，就是为了让初等变换变得一个数学计算的过程。
2.7.3 初等变换求逆矩阵
解题思路（只做初等行变换不能做列变换）
- 先第1列,再2列, 依次;
- 对整行操作
- 第1列处理好后，第一行不主动参与, 可以被动
- 如果左边化不成单位矩阵,则A不可逆
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-b7Nd59DQ-1673160230885)(线性代数.assets/image-20220930161120356.png)]
验证: 就是判断是否可逆方法
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RuWEkfQn-1673160230885)(线性代数.assets/image-20220930180128927.png)]
2.8 矩阵的秩
1. 秩
取1阶子式，2阶子式···一直取到最大的子式，==最大的非零子式==就表示矩阵的秩
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zHpgANbG-1673160230885)(线性代数.assets/image-20221015181150915.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pVRDmHgz-1673160230886)(线性代数.assets/image-20221007171545762.png)]
所有r+1阶子式也为0，因为高阶展开为低阶，低阶为0 ，高阶必为0
标准例题
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Olicurdb-1673160230886)(线性代数.assets/image-20221015180352806.png)]
标准例题
矩阵是阶梯型求秩:
r(A) = 非零行的行数
1:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DHvZwUtJ-1673160230887)(线性代数.assets/image-20221007174424919.png)]
2:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xlHUfLre-1673160230887)(线性代数.assets/image-20221007172659045.png)]
**A化为阶梯型: **
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-p9moV7Be-1673160230887)(线性代数.assets/image-20221007174143573.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TFir1poe-1673160230888)(线性代数.assets/image-20221007173928296.png)]
性质:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dK602Hjc-1673160230888)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16-16651354539132.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OaQEzvrQ-1673160230889)(线性代数.assets/image-20221212103803564.png)]
七、矩阵性质总结
性质1：单位矩阵的行列式为 1 ，与之对应的是单位立方体的体积是 1。
性质 2：当两行进行交换的时候行列式改变符号。
性质 3：行列式是单独每一行的线性函数（其它行不变）。
性质4：矩阵中有俩行一样，矩阵的行列式为0。
性质 5：用矩阵的一行减去另一行的倍数，行列式不变。
性质 6：当矩阵的某一行全为零的时候，行列式为零。
性质 7：如果矩阵是三角形的，那么行列式等于对角线上元素的乘积。
性质 8：如果矩阵是可逆的那么矩阵的行列式不等于0，反之行列式为0
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kGRFkfhK-1673160230889)(线性代数.assets/20210428213647240.png)]
性质 10：转置矩阵的行列式不变
3. 向量组的线性相关性
3.1 向量组的线性相关性
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GM16A7Hx-1673160230889)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70.jpeg)]
考点:
3.1.1线性组合
判断一个向量能否被向量组线性表示
解题步骤:
解方程组, 不管给的向量是行和列, a1…an 均做成方程组列标, b按列均做成方程组右端常数项
方法1:
[
ps:
- 线性组合 <—> 方程有解
- 不是组合 <—> 方程无解
考点:
3.1.2 向量组相关性和无关性
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ndFbRrZ8-1673160230889)(线性代数.assets/image-20221015173622584.png)]
ps:
-
相关 <—> 非零解
-
无关 <—> 只有零解
例子1:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YdQYNXW9-1673160230890)(线性代数.assets/image-20221015173034531.png)]
其中满足如下条件就有个结论:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YhBs74Po-1673160230890)(线性代数.assets/image-20221015173210424.png)]
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mUaBuSDy-1673160230891)(线性代数.assets/image-20221015171724118.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-umMGrHxq-1673160230891)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582552622212.jpeg)]
**结论 : **
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pfgfiMNi-1673160230891)(线性代数.assets/image-20221015171106661.png)]
结论:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SAInpAun-1673160230892)(线性代数.assets/image-20221015175942912.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8hZNhwgB-1673160230892)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582803260273.jpeg)]
例子1:
证明线性相关性:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UALEZqwN-1673160230892)(线性代数.assets/image-20221015175313737.png)]
例子2:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0QqTKKMw-1673160230893)(线性代数.assets/image-20221015182647497.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Umj4ZVA4-1673160230893)(线性代数.assets/image-20221015182550302.png)]
3.2 向量的秩
极大无关值:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-R3qXbrbI-1673160230893)(线性代数.assets/image-20221015181609430.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HfiVx07w-1673160230893)(线性代数.assets/image-20221015182238999.png)]
向量的秩:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hP7j5rVF-1673160230894)(线性代数.assets/image-20221015183028195.png)]
计算秩方法:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dKZYdmBe-1673160230894)(线性代数.assets/image-20221015203037176.png)]
ps :
-
求阶梯型
-
全0行直接抹掉
补充:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1zHuQAl4-1673160230894)(线性代数.assets/image-20221015181929540.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6pfL4s41-1673160230894)(线性代数.assets/image-20221015201057671.png)]
矩阵的行秩和列秩:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vUMQXsvu-1673160230895)(线性代数.assets/image-20221015201125818.png)]
求向量组的极大无关组:****
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JhsAb2EJ-1673160230895)(线性代数.assets/image-20221212164734859.png)]
//
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-V1AZAfBW-1673160230895)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784526916.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Yk2acfz2-1673160230896)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784526917.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oL2EQ9iB-1673160230896)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784526918.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-o8nWaJMp-1673160230897)(线性代数.assets/image-20221015211539024.png)]
4. 线性方程组
以前用消元法 ----> 现在用矩阵/向量来实现
矩阵表示形式:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-D7aUGGYW-1673160230897)(线性代数.assets/image-20221015205808456.png)]
向量表示形式
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vVMNbq1z-1673160230897)(线性代数.assets/image-20221015205831119.png)]
4.1 线性方程组的有解判定
公式:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ohzZLLWA-1673160230898)(线性代数.assets/image-20221015205155374.png)]
计算步骤:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-19fRQJkm-1673160230898)(线性代数.assets/image-20221015210304214.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7X3OXoeY-1673160230898)(线性代数.assets/image-20221015205431708.png)]
例子:
记忆: 虚线左边化为阶梯型, 看拐不拐弯
补充:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8lEqPJwW-1673160230899)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582883450675.jpeg)]
了解即可(后面会深入讲解):
4.2 齐次方程组解的结构
用矩阵表示形式:
增广矩阵和原本的矩阵一样
特点;
齐次方程组新增的解的判定:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SAHHdzlg-1673160230899)(线性代数.assets/image-20221015212107234.png)]
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DKiS1VhZ-1673160230899)(线性代数.assets/image-20221015212554283.png)]
齐次方程组求解:
求的是通解
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SLHdOSpI-1673160230899)(线性代数.assets/image-20221015213118037.png)]
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4pMkndbo-1673160230900)(线性代数.assets/image-20221212161547204.png)]
ps:
- 解析个数 : n - r(A)
例子2:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7L4Kq3NV-1673160230900)(线性代数.assets/image-20221015214849942.png)]
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MzqrQXpy-1673160230900)(线性代数.assets/image-20221015215002809.png)]
4.3 非齐次方程组解的结构
求的是通解
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KbIKtkNm-1673160230900)(线性代数.assets/image-20221015215327500.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hHEK1Zmn-1673160230901)(线性代数.assets/image-20221015215501044.png)]
ps:
- Ax = b 的特解
- Ax = 0 的基础解析解
例子
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-c1nVJzxK-1673160230901)(线性代数.assets/image-20221212163832124.png)]怕怕怕怕怕怕怕怕怕怕怕怕怕怕怕怕怕怕怕[{{}}
一个未知量就取1
解析解:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sW1K8iUo-1673160230901)(线性代数.assets/f31fbe096b63f624bc2e6c629744ebf81a4ca364.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4nXYmtF7-1673160230906)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527020.jpeg)]
matlab
-
齐次方程组的通解：
齐次线性方程组矩阵形式：AX=0;
Matlab语言格式：Z = null(A,‘r’) Z的列向量是方程组的基础解系
如
怕[-
非齐次线性方程组 ：
非齐次线性方程组的一般形式：AX=b;
解方程组如下：
超定方程：
超定方程组是方程个数大于未知数个数的线性方程组，只有近似的最小二乘解。
Matlab语言格式：X=pinv(A)*b
解超定方程组：
5. 相似矩阵及二次型
5.1 特征值与特征向量
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nNnme0uK-1673160230909)(线性代数.assets/image-20221015221158909.png)]
ps:
-
特征值不为0, 特征向量可以为0
-
**计算: **
前提知识: 初等方阵的变换:
核心:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0DuwfPNB-1673160230909)(线性代数.assets/image-20221015222852466.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-l6skZvle-1673160230909)(线性代数.assets/image-20221015223023655.png)]
这里解齐次线性方程组，得到基础解, 基础解是用减号
例子:
取1:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-USHEFAPX-1673160230910)(线性代数.assets/image-20221212162558532.png)]
补充:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sTB8qM3y-1673160230910)(线性代数.assets/image-20221016141848879.png)]
5.2 特征向量和特征值的性质
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3tZvrZB1-1673160230910)(线性代数.assets/image-20221016141903240.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-K8jGa5PO-1673160230910)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527022.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tOxQQH4t-1673160230911)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527023.jpeg)]
5.3 矩阵的相似变换
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SlK27IP7-1673160230911)(线性代数.assets/image-20221016142434105.png)]
总结:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wRqFcVIM-1673160230911)(线性代数.assets/image-20221016142825137.png)]
5.2.1 方阵A(方阵)可对角化的条件
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ScLck8SO-1673160230911)(线性代数.assets/image-20221016143458902.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cGDg8biZ-1673160230912)(线性代数.assets/image-20221016144327558.png)]
ps:
定理:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wVLua1eU-1673160230912)(线性代数.assets/image-20221016150623132.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-79I1AX5e-1673160230912)(线性代数.assets/image-20221016154407829.png)]
是否相似:
- 单根 --> 一定相似
- 重根 —> 重根个数 == 解析解 则 相似
- 充要条件: 有n个线性无关的特征向量
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-v1GYyUOA-1673160230913)(线性代数.assets/image-20221016143933844.png)]
特征向量和特征值:
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1LlAHaiz-1673160230913)(线性代数.assets/image-20221016145945619.png)]
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xS38za0L-1673160230913)(线性代数.assets/image-20221016150317461.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-k7e8pSro-1673160230914)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527026.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UpM9Kp4r-1673160230914)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527127.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kcVh1OgV-1673160230915)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527328.jpeg)]
5. 4 实对称矩阵的对角化
5.4.1 内积
内积:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YIv1ik0t-1673160230915)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_19,color_FFFFFF,t_70,g_se,x_16.png)]!
内积性质:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kv00ewXM-1673160230915)(线性代数.assets/image-20221016151651265.png)]
5.4.2 矩阵的模
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fx74cjdI-1673160230916)(线性代数.assets/image-20221016151927341.png)]
性质 :[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7kT48tiF-1673160230916)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16-166590441832682.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0e3IOrnC-1673160230916)(线性代数.assets/image-20221016152317854.png)]
正交向量组:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Sy6ZQJxJ-1673160230916)(线性代数.assets/image-20221016152111075.png)]
补充:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-T8iuOpE9-1673160230917)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527432.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BUv5HMHo-1673160230917)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527533.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YbJaXbY7-1673160230917)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527534.jpeg)]
5.4. 3 施密特正交
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ozWSc9xd-1673160230917)(线性代数.assets/image-20221016152912028.png)]
例子:
5.4.3. 1 求施密特正交和单位化
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jFaj8vmY-1673160230918)(线性代数.assets/image-20221016153143406.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LKO4ikH3-1673160230918)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527429.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gziGItO6-1673160230918)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527430.jpeg)]
5.4.3. 2 正交矩阵
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2X7aS0hK-1673160230919)(线性代数.assets/image-20221016153719559.png)]
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7T5c1wtS-1673160230919)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16-166590599060389.png)]
5.5 实对称矩阵的对角化（全是实数）
ps: 一定能对角化
实对称矩阵的对角化:
解题思路:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-N7wx6ftN-1673160230919)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16-166590601531792.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-93v3wvWE-1673160230919)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16-166590601531793.png)]
ps:
- 单根不要进行求施密特正交
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BSPKofKC-1673160230920)(线性代数.assets/image-20221016155124327.png)]
补充: =
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tYq7Z4kR-1673160230920)(线性代数.assets/image-20221016153233401.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YPh0Gbkq-1673160230921)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527431.jpeg)]
6. 二次型及其标准化
6.1 二次型的定义
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8YTUI6vq-1673160230921)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16-166590723097399.png)]
二次型---->矩阵表达式
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EajlSHn5-1673160230922)(线性代数.assets/image-20221016162417804.png)]
矩阵表达式---->二次型
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GTMbBwQ9-1673160230922)(线性代数.assets/image-20221016162559787.png)]
6.2 标准形
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-d3p7vjRD-1673160230923)(线性代数.assets/image-20221016162802179.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zbs5jKXK-1673160230923)(线性代数.assets/image-20221016162903025.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0wZBoriN-1673160230923)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_18,color_FFFFFF,t_70,g_se,x_16.png)]
合同定义:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vlBRvR3m-1673160230924)(线性代数.assets/image-20221016163130002.png)]
对比:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9EIRJbTl-1673160230924)(线性代数.assets/image-20221016163344936.png)]
6.3 二次型化标准型（配方法）
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-26rKniXP-1673160230925)(线性代数.assets/image-20221016163959901.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VHvRGTtN-1673160230925)(线性代数.assets/image-20221016164356743.png)]
特殊情况
没有平方项:
解法: 固定
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-panavXsy-1673160230925)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16-1665907230975109.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZN6KWjIz-1673160230926)(线性代数.assets/image-20221016164544748.png)]
6.4 二次型化标准型（初等变换，正交替换）
6.4.1 初等变换
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-a70Nb4de-1673160230926)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16-1665907230975110.png)]
解法:
ps:
- 行, 列变换依次进行
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-X6gKnbqV-1673160230926)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_20,color_FFFFFF,t_70,g_se,x_16-1665907230975111.png)]
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eCNAc9mO-1673160230926)(线性代数.assets/image-20221016165353298.png)]
6.4.2 正交替换
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dChitVqX-1673160230927)(线性代数.assets/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAQmlsaV9pY2VfY3ViZQ==,size_15,color_FFFFFF,t_70,g_se,x_16.png)]
补充:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2mpYpFSX-1673160230927)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527535.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lzGGyySm-1673160230928)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527536.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LjkAjwaZ-1673160230928)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527537.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9Welw3p8-1673160230928)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527538.jpeg)]
6.5 惯性定理与正定二次
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-H7xhfjMJ-1673160230929)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527539.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qdQbiufK-1673160230929)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527540.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-htRWJzWb-1673160230929)(线性代数.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNDk4MjYx,size_16,color_FFFFFF,t_70-166582784527541.jpeg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WQVxHMzZ-1673160230930)(线性代数.assets/image-20221016170355723.png)]
6.6 有定性
6.7 有定性的判别
7.线性空间
7.1 基维数坐标
代码版
hls : 参数: 矩阵/行列式 作用:求行列式的值
yzs: 参数: 矩阵, 行 , 列 作用:求余子式
dsyzs: 参数: 矩阵, 行 , 列 作用: 求代数余子式
zz: 参数: 矩阵 作用: 转置
bsjz: 参数: 矩阵 作用: 求伴随矩阵
ljz: 参数: 矩阵 作用:求逆矩阵
eye(2,3): 单位矩阵
jzz 参数: 矩阵 作用: 求矩阵秩
txjz : 参数:矩阵 作用: 求出梯形矩阵
xxzh : 线性组合思路
xgx: 相关性思路
xlz: 参数: 多个列向量 作用: 求向量秩
fcyj: 方程有解思路
qcfc: 齐次方程有解思路
fqctj() 非齐次方程通解思路
qctj() 齐次方程通解思路
tz 参数: 矩阵, 单位矩阵行数, 单位矩阵列数 作用: 求特征值特征向量
xs 参数: 矩阵, 单位矩阵行数, 单位矩阵列数 作用: 判断相似
**zj: ** 参数:矩阵 作用: 判断是不是正交矩阵
djh: 参数: 矩阵, 单位矩阵行数, 单位矩阵列数
dwh: 参数: 矩阵 作用: 求单位化
smtzj() 参数矩阵 作用: 求施密特正交
nj() 参数(矩阵, 矩阵 作用求内积)
矩阵运算 :
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CVtiX0Jq-1673160230930)(线性代数.assets/image-20221207102937721.png)]
BoriN-1673160230923)]
合同定义:
[外链图片转存中…(img-vlBRvR3m-1673160230924)]
对比:
[外链图片转存中…(img-9EIRJbTl-1673160230924)]
6.3 二次型化标准型（配方法）
[外链图片转存中…(img-26rKniXP-1673160230925)]
[外链图片转存中…(img-VHvRGTtN-1673160230925)]
特殊情况
没有平方项:
解法: 固定
[外链图片转存中…(img-panavXsy-1673160230925)]
[外链图片转存中…(img-ZN6KWjIz-1673160230926)]
6.4 二次型化标准型（初等变换，正交替换）
6.4.1 初等变换
[外链图片转存中…(img-a70Nb4de-1673160230926)]
解法:
ps:
- 行, 列变换依次进行
[外链图片转存中…(img-X6gKnbqV-1673160230926)]
例子:
[外链图片转存中…(img-eCNAc9mO-1673160230926)]
6.4.2 正交替换
[外链图片转存中…(img-dChitVqX-1673160230927)]
补充:
[外链图片转存中…(img-2mpYpFSX-1673160230927)]
[外链图片转存中…(img-lzGGyySm-1673160230928)]
[外链图片转存中…(img-LjkAjwaZ-1673160230928)]
[外链图片转存中…(img-9Welw3p8-1673160230928)]
6.5 惯性定理与正定二次
[外链图片转存中…(img-H7xhfjMJ-1673160230929)]
[外链图片转存中…(img-qdQbiufK-1673160230929)]
[外链图片转存中…(img-htRWJzWb-1673160230929)]
[外链图片转存中…(img-WQVxHMzZ-1673160230930)]
6.6 有定性
6.7 有定性的判别
7.线性空间
7.1 基维数坐标
代码版
hls : 参数: 矩阵/行列式 作用:求行列式的值
yzs: 参数: 矩阵, 行 , 列 作用:求余子式
dsyzs: 参数: 矩阵, 行 , 列 作用: 求代数余子式
zz: 参数: 矩阵 作用: 转置
bsjz: 参数: 矩阵 作用: 求伴随矩阵
ljz: 参数: 矩阵 作用:求逆矩阵
eye(2,3): 单位矩阵
jzz 参数: 矩阵 作用: 求矩阵秩
txjz : 参数:矩阵 作用: 求出梯形矩阵
xxzh : 线性组合思路
xgx: 相关性思路
xlz: 参数: 多个列向量 作用: 求向量秩
fcyj: 方程有解思路
qcfc: 齐次方程有解思路
fqctj() 非齐次方程通解思路
qctj() 齐次方程通解思路
tz 参数: 矩阵, 单位矩阵行数, 单位矩阵列数 作用: 求特征值特征向量
xs 参数: 矩阵, 单位矩阵行数, 单位矩阵列数 作用: 判断相似
**zj: ** 参数:矩阵 作用: 判断是不是正交矩阵
djh: 参数: 矩阵, 单位矩阵行数, 单位矩阵列数
dwh: 参数: 矩阵 作用: 求单位化
smtzj() 参数矩阵 作用: 求施密特正交
nj() 参数(矩阵, 矩阵 作用求内积)
矩阵运算 :
[外链图片转存中…(img-CVtiX0Jq-1673160230930)]
8720
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
