线性代数——常用结论

1 行列式

普通矩阵乘以对角阵：

$$\left|\begin{array}{ccc}a& b& c\\ d& e& f\\ g& h& i\end{array}\right|\cdot \left|\begin{array}{ccc}{\lambda }_1& 0& 0\\ 0& {\lambda }_2& 0\\ 0& 0& {\lambda }_3\end{array}\right|=\left|\begin{array}{ccc}a{\lambda }_1& b{\lambda }_2& c{\lambda }_3\\ d{\lambda }_1& e{\lambda }_2& f{\lambda }_3\\ g{\lambda }_1& h{\lambda }_2& i{\lambda }_3\end{array}\right|$$

等式两端均是抽象矩阵相乘式，可考虑等式两端同时取绝对值

求行列式形式的多项式函数$f(x)=0$的$x^n$的系数，可以考虑逆序展开

特别地，如果是求常数项，那么可以直接求$f(0)$

$$\left|\begin{array}{ccccc}0& 1& 1& \cdots & 1\\ 1& 0& 1& \cdots & 1\\ 1& 1& 0& \cdots & 1\\ ⋮& ⋮& ⋮& \cdots & ⋮\\ 1& 1& 1& \cdots & 0\end{array}\right|=(-1{)}^{r-1}(r-1)$$

注意$E=A{A}^{-1}$，有时可以用于求抽象行列式

如：已知$A=P^{-1}BP$，且知道$B$，但是不知道$E$，照样可以求出$|A-E|$

$$|A-E|=|P^{-1}BP-P^{-1}P|=|B-E|$$

注意伴随矩阵的式子是$A{A}^{\ast }=A^{\ast }A=|A|E$，所以不可逆矩阵$A$也是存在伴随矩阵的，只不过不能通过$A^{\ast }=|A|A^{-1}$，而应该通过$A^{\ast }$的定义求解（ { A i j } \{A_{ij}\} { Aij​}的转置矩阵）

2 余子式和代数余子式的计算

计算代数余子式的连加式：

1. 计算某一行的代数余子式和

   如：计算3阶矩阵$A$的$A_{11}+A_{12}+A_{13}$，可以考虑将矩阵$A$的第一行全换为1，得到矩阵$A^{\prime }$。那么有行列式展开定理，即有$|A^{\prime }|=A_{11}+A_{12}+A_{13}$

2. 计算所有代数余子式的和

   一般是直接计算伴随矩阵，然后计算伴随矩阵各元素的和。硬要对每一行用方法1往往很麻烦

3. 计算$\sum _{i=1}^n{A}_{ii}$

   就是$A^{\ast }$的迹，也是$\sum {\lambda }_{A^{\ast }}$

3 矩阵运算

注意$E$的拼凑技巧：当式子中含有$A^{-1}$因子时，可考虑将$E$转换为$A{A}^{-1}$，方便提项

如：$(2A+E)(A+2E{)}^{-1}-2E=(2A+E)(A+2E{)}^{-1}-2(A+2E)(A+2E{)}^{-1}=(2A+E-2A-4E)(A+2E{)}^{-1}=-3(A+2E{)}^{-1}$

对抽象矩阵$A$进行行/列操作时，即使$A$的具体形式未知，为了操作方便，也可具象化地按行/列分块，这样可以更方便的求其与其它量的关系；如果是小题的话，抽像矩阵也可以考虑取特殊矩阵。

拼凑抽象矩阵式子时，注意以下拼凑技巧：

$$A=B\Rightarrow A=\frac{n}{n+1}A+\frac{1}{n+1}B$$

抽象式子要证明某抽象矩阵可逆，如果直接凑出$A\cdot B=C,且|C|\ne 0$，那么$A,B$都可逆

特别地，抽象式子要证明某抽象矩阵可逆，如果直接凑出$A\cdot B=E$的形式，那么就可以直接得到逆矩阵，自然可逆

拼凑的要求为“恒可逆”，则可考虑将拼凑的一端凑成仅有$E$，或者已知的可逆矩阵$C$

当多含抽象向量的矩阵求逆时（如$A=E+\alpha {\alpha }^T$），可以考虑自乘建立新式子

注意$A\cdot A^{-1}=E$，而不是1，尤其是填空题（$2A\cdot A^{-1}=2E\ne 2$）

注意正交阵有$A^T=A^{-1}$，这种特殊的性质为求逆矩阵提供的了极大的便利：

比如解方程$Ax=b$时，满足条件时有$x=A^{-1}b$，这种为解方程提供了很大的方便性。

PS：当$A$的各列/行向量未单位向量，且均彼此正交时，$A$即为正交阵

注意增广矩运算：

若$A为m\times n矩阵，b为m\times 1向量，有$：

$$\begin{array}{rl}& [A|b{]}^T=\left[\begin{array}{c}{A}^T\\ b^T\end{array}\right]\\ & \left[\begin{array}{c}{A}^T\\ b^T\end{array}\right]x=0的解必定满足A^{T}x=0\end{array}$$

注意若矩阵可逆有$AB=E\Rightarrow AB=BA=E$，这有时可以帮助构造新式子，

如：$A(A-2B)=E\Rightarrow A(A-2B)=(A-2B)A\Rightarrow AB=BA$

有结论：

$$A实对称\iff A^{-1}实对称\iff A^T实对称$$

4 矩阵的秩

对于向量相乘的矩阵$A=\alpha {\beta }^T$，若$A$不是0矩阵，则$r(A)=1$

注意秩的子式判别法

关于$A-\lambda E$的秩的问题：

1. $A$