历年期末考题知识点记录尽量不重复
2022
- 对分块矩阵进行第三类初等变换不改变方阵的行列式!!!
初等变换有三类,不同的初等变换对行列式值的影响不同。
1、第一类初等变换(交换矩阵的两行):行列式值变号;
2、第二类初等变换(以一个非零数k乘矩阵的某一行所有元素):行列式值变k倍;
3、第三类初等变换(把矩阵的某一行所有元素乘以一个数k后加到另一行对应的元素):行列式值不变。
这三种初等变换都不会改变一个方阵A的行列式的非零性。
- 设 A A A为正交矩阵, 若有向量内积 ( a , b ) = k (a,b)=k (a,b)=k , 则 ( A a , A b ) = k (Aa,Ab)=k (Aa,Ab)=k .
- 设 A A A为 m × n 矩阵, R(A) = r, 则齐次线性方程组 A T X = 0 A^T X = 0 ATX=0 的解空间维数为 n − r n-r n−r,n为未知数的个数。
- [[线性代数]]正定矩阵
- 二次曲面类型判断二次曲面(wikipedia.org)
- ![[Pasted image 20231213221756.png]]
- 提示:特征值
- 向量组判断是否等价等价向量组 (baidu.com)
向量组等价的基本判定是:两个向量组可以互相[线性表示]
需要重点强调的是:等价的向量组的秩相等,但是秩相等的向量组不一定等价。
向量组A:a1,a2,…am与向量组B:β1,β2,…βn的等价秩相等条件是
r(A)=r(B)=r(A,B).
其中A和B是向量组A和B所构成的[矩阵]
- n 元线性方程组的解
- R ( A ) = R ( B ) = n R(A)=R(B)=n R(A)=R(B)=n<=>唯一解
- R ( A ) = R ( B ) < n R(A)=R(B)<n R(A)=R(B)<n <=>无数解
- R ( A ) ! = R ( B ) R(A) !=R(B) R(A)!=R(B)<=>无解
2019
-
四面体体积 tip:三个共起点向量的混合积,即构成的行列式
-
线性相关与线性无关
- 相关存在一组不全为零的 k 1 , k 2 , … , k n k_1,k_2,\dots,kn k1,k2,…,kn满足
- 无关 k 1 , k 2 , … , k n k_1,k_2,\dots,k_n k1,k2,…,kn必须只有全为 0 0 0时才满足
-
合同矩阵
-
![[Pasted image 20231214145401.png]]
-
相似对角化的条件
充要条件
1. A A A的每一特征值的几何重数都等于它的代数重数 -
欧氏空间的基
- 线性代数中欧氏空间的两组基的过渡矩阵一定是正交矩阵吗
对于欧氏空间中的两组基的过渡矩阵,它不一定是正交矩阵。欧氏空间中的过渡矩阵描述了从一个基向量组到另一个基向量组的线性变换,但并不要求这个过渡矩阵是正交矩阵。 正交矩阵是指其转置等于逆的实矩阵,描述了线性变换中保持向量长度和角度不变的特性。而过渡矩阵只是描述了基向量之间的线性关系,不要求它满足正交矩阵的性质。因此,欧氏空间的两组基的过渡矩阵不一定是正交矩阵。
-
[[规范正交基间的变换]]
-
[[如何相似对角化]]
-
若 λ \lambda λ是 A A A的特征值,则 f ( λ ) f(\lambda) f(λ)是 f ( A ) f(A) f(A)的特征值, f ( λ ) f(\lambda) f(λ)为多项式 a 0 + a 1 λ + ⋯ + a m λ m a_0+a_1\lambda+\dots+a_m{\lambda}^m a0+a1λ+⋯+amλm
-
正定矩阵与正交矩阵的区别
- A ′ A = E A'A=E A′A=E为正交矩阵
- 正定二次型的矩阵叫正定矩阵 A A A的特征值均大于 0 0 0
2021
- 二次曲面的中心点坐标
- 配方求球心
-
A
与
A
∗
A与A^*
A与A∗秩的关系
R ( A ∗ ) = { n , R ( A ) = n 1 , R ( A ) = n − 1 0 , R ( A ) < n − 1 R(A^*)= \begin{cases} n&,R(A)=n\\1&,R(A)=n-1 \\0&,R(A)<n-1 \end{cases} R(A∗)=⎩ ⎨ ⎧n10,R(A)=n,R(A)=n−1,R(A)<n−1 - 题目
n 阶方阵 A 相似于对角矩阵,以下选项正确的是
A. A 有 n 个不同的特征值 P180 A=>题目 反过来不行
B. R(A) = n 特征值可为0
C. A 有 n 个线性无关的特征向量 充要条件
D. A 属于不同特征值的特征向量彼此正交 只在实对称矩阵的情况下成立
答案:C
- 求[[极大无关组]] 初等行变换
- [[特征值]]
λ 1 λ 2 … λ n = ∣ A ∣ . \lambda_1\lambda_2\dots\lambda_n=|A|. λ1λ2…λn=∣A∣.
∑ i = 1 n λ i = t r ( A ) . \sum\limits_{i=1}^{n} \lambda_i=tr(A). i=1∑nλi=tr(A).
2023/12/14