线性代数期末小结

行列式

1. n阶行列式的某一行（列）的每个元素与另一行（列）对应元素的代数余子式乘积之和为0
2. 若n×n行列式为从左下到右上的对角行列式，则其符号为$(-1{)}^{\frac{n(n+1)}{n}}$

矩阵

3. ${\left[\begin{array}{ccccc}\lambda & & & & \\ & \lambda & & & \\ & & \dots \dots & & \\ & & & & \lambda \end{array}\right]}^k=\left[\begin{array}{ccccc}{\lambda }^k& & & & \\ & {\lambda }^k& & & \\ & & \dots \dots & & \\ & & & & {\lambda }^k\end{array}\right]$
4. 矩阵A和B可交换 $\Rightarrow$AB=BA
5. $A{A}^{\ast }=|A|$
6. 矩阵A可逆 $\Rightarrow |A|̸=0$
7. $|A^{-1}|=|A{|}^{-1}$
8. $|A^{\ast }|=|A{|}^{n-1}$
9. 分块矩阵：$D=\left[\begin{array}{cc}A& O\\ O& B\end{array}\right]$，则$D^n={\left[\begin{array}{cc}A& O\\ O& B\end{array}\right]}^n$;
   $|D^n|=\left|\begin{array}{c}{A}^n\end{array}\right|\left|\begin{array}{c}{B}^n\end{array}\right|$
   $|D^n|=\left|\begin{array}{c}{A}^n\end{array}\right|\left|\begin{array}{c}{B}^n\end{array}\right|$ $|D^n|=\left|\begin{array}{c}{A}^n\end{array}\right|\left|\begin{array}{c}{B}^n\end{array}\right|$
10. 矩阵A是对称矩阵 ，则$A^T=A$
11. 矩阵A是反对称矩阵 ，则$A^T=-A$
12. 矩阵A是正定矩阵 ，则$A{A}^T=E$
13. 矩阵A,B为n阶矩阵，则$|AB|=|A||B|$
14. $|A^T|=|A|$

线性方程组

15. 方程有解：$\{\begin{array}{l}唯一解：r(A)=r(\overline{A})=n\\ 无穷解：r(A)=r(\overline{A})<n\end{array}$
16. 方程无解：$r(A)̸=r(\overline{A})$
17. 非齐次线性方程组有解判别：

1. 求|A|，并令|A|=0 （有未知量时，求解未知量$\lambda$)
2. 若$|A|̸=0$,则方程有唯一解；若|A|=0，方程无穷解，此时进一步讨论
3. 将$\lambda$代入原矩阵，若$r(A)̸=r(\overline{A})$，方程无解，否则进一步讨论
4. 将增广矩阵$\overline{A}$化为阶梯形，求自由未知量
   令自由未知量为0，求得特解${\xi }^{\ast }$,再分别令各个自由未知量为1，求${\xi }_i$
5. 则通解为${\xi }^{\ast }+k_1{\xi }_1+k_2{\xi }_2+\dots \dots$

向量与坐标变换

18. 向量线性相关性判别：

1. （定义）对于m个n维向量${\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_m$，若存在一组不全为零的数$k_1,k_2,\dots \dots ，k_m$使得线性组合$k_1{\alpha }_1+k_2{\alpha }_2+,\dots \dots ,k_m{\alpha }_m=0$成立，则称向量组${\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_m$线性相关
2. 记$A=[{\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s]$
   向量$\beta$可由向量组$[{\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s]$线性表出
   $⟺$非齐次线性方程组
   $[{\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s]\left[\begin{array}{c}{x}_1\\ x_2\\ .\\ .\\ .\\ x_s\end{array}\right]={\alpha }_1{x}_1+{\alpha }_2{x}_2+\dots {\alpha }_s{x}_s=\beta$ 有解
   $⟺$$r[{\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s]=r[{\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s,\beta ]$
   (不能线性表出$⟺Ax=0只有零解⟺r(A)̸=r([A,\beta ])$)
3. 向量组${\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s$线性相关
   $⟺$齐次线性方程组
   $[{\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s]\left[\begin{array}{c}{x}_1\\ x_2\\ .\\ .\\ .\\ x_s\end{array}\right]={\alpha }_1{x}_1+{\alpha }_2{x}_2+\dots {\alpha }_s{x}_s=0$ 有非零解
   $⟺$ 向量组的秩$r({\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s)<s$
   (线性无关$⟺Ax=0$只有零解$⟺$A的列秩=$s$
4. n+1个n维列向量，因$r({\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s,\beta )\le n<n+1$,故$[{\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_{n+1}]x=0$必有非零解$⟺{\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_n,{\alpha }_{n+1}$线性相关
5. 向量组${\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s（s\ge 2）$线性相关的充要条件是向量组中至少有一个向量可以由其余s-1个向量线性表出
   反正，向量组${\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s(s\ge 2$)线性无关的条件是任意一个向量都不能由其余的线性表出
6. 若向量组${\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s$线性无关，而向量组${\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s,\beta )$线性相关，则$\beta$可由${\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_s$线性表出，且表示方法唯一
7. 若向量组$(Ⅰ){\beta }_1,{\beta }_2,\dots \dots {\beta }_s$中的每一个向量${\beta }_i(i=1,2,\dots ,s)$均可由向量组$(Ⅱ){\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_t$线性表出，且$s>t$，则向量组$(Ⅰ){\beta }_1,{\beta }_2,\dots \dots {\beta }_s$线性相关
   若向量组$(Ⅰ){\beta }_1,{\beta }_2,\dots \dots {\beta }_s$中的每一个向量${\beta }_i(i=1,2,\dots ,s)$均可由向量组$(Ⅱ){\alpha }_1,{\alpha }_2,\dots \dots {\alpha }_t$线性表出，且向量组$(Ⅰ){\beta }_1,{\beta }_2,\dots \dots {\beta }_s$线性无关，则$s\le t$

19. 一个向量在一组向量下的坐标
    （求$\beta$在 ${\alpha }_1,{\alpha }_2,\dots {\alpha }_n$下的坐标）
    ①$r[{\alpha }_1^T,{\alpha }_2^T,\dots ,{\alpha }_n^T]\stackrel{?}{=}n$（判断是否为一组基底）
    ②$[{\alpha }_1^T,{\alpha }_2^T,\dots ,{\alpha }_n^T,{\beta }^T]\to [E|{\beta }^{{}^{\prime }T}]$
    则${\beta }^{{}^{\prime }}$为新基底下的坐标
20. 过渡矩阵：$A=EA,B=EB=A{A}^{-1}B$
21. 施密特正交化$${\beta }_1={\alpha }_1$$ $${\beta }_2={\alpha }_2-\frac{({\alpha }_2,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1$$ $${\beta }_3={\alpha }_3-\frac{({\alpha }_3,{\beta }_2)}{({\beta }_2,{\beta }_2)}-\frac{({\alpha }_2,{\beta }_1)}{({\beta }_1,{\beta }_1)}{\beta }_1$$

特征值与特征向量

22. （定义）$A\xi =\lambda \xi ,\xi ̸=0$，则$\lambda$为A的特征值，$\xi$是A的属于$\lambda$的特征向量
23. 特征值与特征向量的求法

已知矩阵A，求其特征值与特征向量

1. 求$|\lambda E-A|=0$时，取得A的特征值${\lambda }_i$
2. 分别带入${\lambda }_i$，对于${\lambda }_i$，由$({\lambda }_1-E)x=0$
   其中$x=\left[\begin{array}{c}{x}_1\\ x_2\\ .\\ .\\ x_n\end{array}\right]$
3. 得基础解系${\xi }_1=[y_1,y_2,\dots ,y_n{]}^T,k_1{\xi }_1(k̸=0)$为对应于${\lambda }_i$的全部特征向量

24. 矩阵的对角线元素之和为A的迹，记作$tr(A)$
    并且有$tr(A)={\lambda }_1+{\lambda }_2+\dots +{\lambda }_n=a_{11}+a_{22}+\dots a_{nn}$
25. $|A|={\lambda }_1{\lambda }_2\dots {\lambda }_n$
26. 若$\lambda$为A的特征值，则有$A^{-1}=\frac{1}{\lambda }$

相似矩阵与相似对角化

27. （定义）若A，B是两个n阶方阵，若存在n阶可逆矩阵P，使得$P^{-1}AP=B$,则称A相似于B（A~B）
28. 相似矩阵的性质（A~B）

1. $r(A)=r(B)$
2. |A|=|B|
3. $|\lambda E-A|=|\lambda E-B|$
4. A和B有相同的特征值
5. tr(A)=tr(B)
6. $A^m$~$B^m$
7. $A^{-1}$~$B^{-1}$

29. 如果A相似于一个对角型矩阵，则称A可对角化
30. 矩阵可对角化的条件

1. n阶矩阵$A$~$\Lambda$有n个线性无关的特征向量
2. 矩阵A的属于不同特征值的特征向量线性无关
   若n阶矩阵A有n个不同的特征值，则A有n个线性无关的特征向量，于是$A$~$\Lambda$
3. 设${\lambda }_0$是A的r重特征值，则A的对应于${\lambda }_0$的线性无关的特征向量个数小于r。
   矩阵A相似于对角矩阵$⟺$A的对应的每个$r_i$重特征值都有$r_i$个线性无关的特征向量

31. 判断矩阵是否相似于对角矩阵步骤如下：

（1）是否是实对称矩阵，实对称矩阵必然相似于对角矩阵
（2）特征值是否都是单根，若是，则比相似于对角矩阵
（3）若特征值是r重根，且对应有r个线性无关的特征向量，则相似于对角矩阵
（4）*满足$A^2=A$的方针也必然相似于对角矩阵

32. 实对称矩阵：$A^T=A(A\in R^{n\times n})$

1.A是实对称矩阵，则A的特征值是实数，特征值向量是实向量
2. 实对称矩阵A的属于不同特征值的不同向量相互正交
3. 实对称矩阵必然相似于对角矩阵，即必有n个线性无关的特征向量
${\xi }_1,{\xi }_2,\dots ,{\xi }_n$,即必有可逆矩阵$P=[{\xi }_1,{\xi }_2,\dots ,{\xi }_n]$使得$P^{-1}AP=\Lambda$,其中$\Lambda =diag({\lambda }_1,{\lambda }_2,\dots ,{\lambda }_n)$,且存在正交矩阵Q，使得$Q^{-1}AQ=Q^{T}AQ=\Lambda$,故A正交相似于$\Lambda$

二次型

33. $f(x)=x^{T}Ax(A^T=A)$,实对称矩阵A称为二次型$f（x）$的矩阵
34. 矩阵的合同 ：$B=C^{T}AC$，则称A与B合同
35. 二次型的标准型：若二次型中之含有平方项，没有交叉项
    即形如$d_1{x}_1+d_2{x}_2+$即形如$d_1{x}_1+d_2{x}_2+\dots +d_n{x}_n$的二次型称为标准型
36. 二次型的规范型，在标准型中，系数$d_i(i=1,2,\dots n)$仅为$0,1,-1$时二次称为规范型
37. 惯性定理：无论选取什么样的可逆线性变换，将二次型化为标准型或者规范形，其正项之数$p$，负项之数$q$都是不变的，$p$称为正惯性指数，$q$称为负惯性指数

注： （1）若二次型的秩为$r$，则$r=p+q$，合同变换不改变正、负惯性指数
（2）两个二次型（或实对称矩阵）合同的充要条件是有相同的正、负惯性指数，或有相同的秩及正（负）惯性指数。

38. 正定二次型及其判别

1. 二次型正定的充要条件：$n$元二次型$f(x_1,x_2,\dots ,x_n)=x^{T}Ax$，若对于任意的$x=[x_1,x_2,\dots ,x_n{]}^T̸=0$，均有$x^{T}Ax>0$，则成$f$为正定二次型，称二次型的对应矩阵A为正定矩阵
2. 二次型正定的必要条件：
   （1） $a_{ii}>0(i=1,2,\dots ,n);$
   （2） $|A|>0$

39. 用配方法化二次型为标准型

化二次型$f(x_1,x_2,x_3)=x_1^2+2x_1{x}_2+2x_1{x}_3-x_2^2-2x_2{x}_3-x_3^2$为标准型，并写出可逆线性变换

1. 先对$x_1^2$及所有含$x_1$的混合项$2x_1{x}_2,2x_1{x}_3$配完全平方，有：
   $f(x_1,x_2,x_3)=(x_1+x_2+x_3{)}^2-x_2^2-x_3^2-2x_2{x}_3-x_2^2-2x_2{x}_3-x_3^2$
   $=(x_1+x_2+x_3{)}^2-2x_2^2-4x_2{x}_3-2x_3^2$
2. 再对$2x_2^2$所有含$x_2$的混合项$-4x_2{x}_3$配完全平方,有：
   $f(x_1,x_2,x_3)=(x_1+x_2+x_3{)}^2-2（x_2+x_3）$
3. 作线性变换
   $\{\begin{array}{l}{y}_1=x_1+x_2+x_3\\ y_2=x_2+x_3\\ y_3=x_3\end{array}即\{\begin{array}{l}{x}_1=y_1-y_2\\ x_2=y_2-y_3\\ x_3=y_3\end{array}$
4. 把二次型化为标准型
   $f(x_1,x_2,x_3)\stackrel{x=Cy}{\to }{y}_1^2-2y_2^2$
5. 将线性变换表示为矩阵形式
   其中$C=\left[\begin{array}{ccc}1& -1& 0\\ 0& 1& -1\\ 0& 0& 1\end{array}\right],因|C|=1̸=0$
   故所作变换是线性可逆变化
   注：
   [1]. 当配方法时没有平方项的时候，作可逆线性变换$\{\begin{array}{l}{x}_1=y_1+y_2\\ x_2=y_2-y_3\\ x_3=y_3\end{array}$使其出现平方项
   [2]. 当总的完全平方项的项数小于变量个数时，用视作缺少的平方项的系数为0
   即$f(x_1,x_2,x_3)=(x_1+x_2+x_3{)}^2-2（x_2+x_3）+0x_3^2$
   变换为$\{\begin{array}{l}{x}_1=y_1+y_2\\ x_2=y_2+y_3\\ x_3=y_3\end{array}$
   而若变换为$\{\begin{array}{l}{x}_1=y_1+y_2\\ x_2=y_2-y_3\end{array}$显然是不可逆的

40. 正交变换化二次型

用正交变换化二次型$f(x_1,x_2,x_3)=2x_1^2+5x_2^2+5x_3^2+4x_1{x}_2-4x_1{x}_3-8x_2{x}_3$为标准型

1. 写出二次型的对应矩阵
   $A=\left[\begin{array}{ccc}2& 2& -2\\ 2& 5& -4\\ -2& -4& 5\end{array}\right]$
2. 求其特征方程
   $$|\lambda E-A|=\left|\begin{array}{ccc}\lambda -2& -2& 2\\ -2& \lambda -5& 4\\ 2& 4& \lambda -5\end{array}\right|=(\lambda -1{)}^2(\lambda -10)=0⟹{\lambda }_1={\lambda }_2=1,{\lambda }_3=10$$
3. 当${\lambda }_1={\lambda }_2=1$时，有$$(E-A)x=\left[\begin{array}{ccc}-1& -2& 2\\ -2& -4& 4\\ 2& 4& -4\end{array}\right]\left[\begin{array}{c}{x}_1\\ x_2\\ x_3\end{array}\right]=0$$解得基础解系为 ${\xi }_1=[-2,1,0{]}^T,{\xi }_2=[2,0,1{]}^T$
4. 当${\lambda }_3=10$时,有$$(10E-A)x=\left[\begin{array}{ccc}-8& -2& 2\\ -2& 5& 4\\ 2& 4& 5\end{array}\right]\left[\begin{array}{c}{x}_1\\ x_2\\ x_3\end{array}\right]=0$$解得基础解系为 ${\xi }_3=[1,2,-2{]}^T$
5. 对于属于${\lambda }_1={\lambda }_2=1$的特征向量${\xi }_1,{\xi }_2$标准正交化$${\eta }_1={\xi }_1=[-2,1,0{]}^T$$$${\eta }_2={\xi }_2-\frac{({\eta }_2,{\xi }_1)}{({\xi }_1,{\xi }_1)}{\eta }_1=[\frac{2}{5},\frac{4}{5},1{]}^T，不妨取{\eta }_2=[2,4,5{]}^T$$
   6.再将${\eta }_1,{\eta }_2,{\xi }_3$单位化$${\eta }_1^0=\left[\begin{array}{c}\frac{-2}{\sqrt{5}}\\ \\ \frac{1}{\sqrt{5}}\\ \\ 0\end{array}\right],{\eta }_2^0=\left[\begin{array}{c}\frac{2}{3\sqrt{5}}\\ \\ \frac{4}{3\sqrt{5}}\\ \\ \frac{5}{3\sqrt{5}}\end{array}\right],{\eta }_3^0=\left[\begin{array}{c}\frac{1}{3}\\ \\ \frac{2}{3}\\ \\ -\frac{2}{3}\end{array}\right]$$得正交矩阵$Q=[{\eta }_1^0,{\eta }_2^0,{\eta }_3^0]$,令$x=Qy$，则原二次型化标准型为
   $f(x_1,x_2,x_3)=x^{T}Ax\stackrel{x=Qy}{\to }{y}^T{Q}^{T}AQy=y_1^2+y_2^2+10y_3^2$
   其中正交变换为$$x=Qy=\left[\begin{array}{ccc}\frac{-2}{\sqrt{5}}& \frac{2}{3\sqrt{5}}& \frac{1}{3}\\ & & \\ \frac{1}{\sqrt{5}}& \frac{4}{3\sqrt{5}}& \frac{2}{3}\\ & & \\ 0& \frac{5}{3\sqrt{5}}& -\frac{2}{3}\end{array}\right]\left[\begin{array}{c}{y}_1\\ \\ y_2\\ \\ y_3\end{array}\right]$$

40.判别二次型的正定性

1. 判别对应矩阵的各阶顺序主子式是否都大于零
2. 判断$A$的特征值是否全都大于零
3. 利用配方法化为标准型，判断$f$的正惯性指数$p$时候等于n（未知量个数）
4. 用定义，看是否对任意的$x=[x_1,x_2,x_3{]}^T̸=0$，有$x^{T}Ax>0$.