《高等代数》重要概念复习
线性方程组
线性方程组解的个数
- 如果齐次线性方程组中方程的个数少于未知量的个数,则它有非零解.
- 方程个数与未知量个数相等时,有非零解的充分必要条件是,系数行列式的值为0.
线性相关性
- 如果有数域中的数 k 1 , k 2 , ⋯ k_1,k_2,\cdots k1,k2,⋯,使得 β = k 1 α 1 + k 2 α 2 + ⋯ \beta =k_1\alpha_1+k_2\alpha_2+\cdots β=k1α1+k2α2+⋯,则称 β \beta β是 α 1 , α 2 , ⋯ \alpha_1,\alpha_2,\cdots α1,α2,⋯的线性组合.
- 零向量是任何向量的线性组合.
- 果一个向量组1的任意向量都可以由另外一个向量组2线性表出,那么就说向量组1可以由向量组2线性表出,如果两个向量组可以互相线性表出,那么就说两个向量组等价.
- 1如果有数域中的不全为零的数 k 1 , k 2 , ⋯ k_1,k_2,\cdots k1,k2,⋯,使得 0 = k 1 α 1 + k 2 α 2 + ⋯ 0 =k_1\alpha_1+k_2\alpha_2+\cdots 0=k1α1+k2α2+⋯,则称 α 1 , α 2 , ⋯ \alpha_1,\alpha_2,\cdots α1,α2,⋯线性相关.若只有当 k i k_i ki全为0时等式成立,那么就称 α 1 , α 2 , ⋯ \alpha_1,\alpha_2,\cdots α1,α2,⋯线性无关.
- α 1 , α 2 , ⋯ \alpha_1,\alpha_2,\cdots α1,α2,⋯线性相关的充分必要条件是齐次方程组有非零解.线性无关的充分必要条件是只有零解.
- 极大线性无关组:如果这个部分组本身是线性无关的,但是再从原向量组中的其他向量添加一个进去后,所得的部分组都线性相关.极大线性无关组所含向量个数称为向量组的秩.
矩阵的秩
矩阵的行秩=列秩=行列式秩
线性方程组有解判别定理
- 线性方程组有解的充分必要条件:系数矩阵的秩=增广矩阵的秩
- 齐次线性方程组有非零解的充分必要条件:系数矩阵的秩小于n
线性方程组解的结构
- 对于齐次方程组:(1)两个解的和也是方程组的解.(2)一个解的倍数也是方程组的解.
- 齐次线性方程组的基础解系:一组解,线性无关且原方程组的所有解均能表示成这组解的线性组合.
- 在齐次线性方程组有非零解时,基础解系中解的个数为n-r.
矩阵
矩阵的计算
矩阵的乘法满足结合律不满足交换律.
矩阵的逆
矩阵可逆的充分必要条件是非退化的.
等价矩阵
- 矩阵经过一系列初等变换所得到的矩阵均为等价矩阵.(初等变换:互换行、某一行乘非零常数、某一行的k倍加到另外一行)
- 施行一次初等行变换=左乘初等矩阵,施行一次初等列变换=右乘初等矩阵.
- 方阵可逆的充要条件为:它能表示为一些初等矩阵的乘积.
正交矩阵
- 正交矩阵 A A ′ = E AA'=E AA′=E
- 向量内积 ( α , β ) = 0 (\alpha,\beta)=0 (α,β)=0,则两向量正交.
- 正交向量组:向量组中任意两个向量都正交而且每个向量都不是零向量.
- 正交向量组一定线性无关.
- 可以利用施密特正交化方法将线性无关向量组转化为正交向量组.
矩阵对角化
相似矩阵
- 相似:如果存在可逆矩阵 X X X,使得 B = X − 1 A X B=X^{-1}AX B=X−1AX,那么 A A A和 B B B相似.
- 相似矩阵具有相同的行列式的值,并且具有相同的可逆性.
特征值与特征向量
- 特征值和特征向量:非零列向量 α \alpha α使得 A α = λ 0 α A\alpha=\lambda_0 \alpha Aα=λ0α
- n阶矩阵A与一个对角矩阵相似的充分必要条件是: A A A有 n n n个线性无关的特征向量.
- 相似矩阵具有相同的特征多项式、相同的特征值.
- Hamilton-Caylay 定理:设 A A A是一个 n n n阶矩阵, f ( λ ) = ∣ λ E − A ∣ f(\lambda)=|\lambda E-A| f(λ)=∣λE−A∣是 A A A的特征多项式,那么 f ( A ) = 0 f(A)=0 f(A)=0.
矩阵可对角化条件
- 属于不同特征值的特征向量一定线性无关.
- n n n阶方阵 A A A可对角化的充要条件是:对 A A A的每个特征值 λ i \lambda_i λi, r ( λ E − A ) = n − λ i 的重数 r(\lambda E-A)=n-\lambda_i\text{的重数} r(λE−A)=n−λi的重数,换言之,属于 λ i \lambda_i λi的线性无关的特征向量的最多个数为 λ i \lambda_i λi的重数.
- 如果 n n n矩阵有 n n n个不同的特征值,那么矩阵可以化为对角矩阵.
- 如果复系数矩阵 A A A的特征多项式没有重根,那么 A A A可以化为对角形.
- 每个 n n n阶复系数矩阵 A A A都与一个若尔当形矩阵矩阵相似.这个若而当形矩除去若而当块的排列次序外,是被矩阵 A A A唯一确定的,它被称为 A A A的若而当标准形.
实对称矩阵的对角化
- 实对称矩阵的特征多项式的根都是实数.
- 设 A A A是一个 n n n阶实对称矩阵,那么可以找到 n n n阶正交矩阵 T T T,使得 T − 1 A T T^{-1}AT T−1AT为对角矩阵.
- 实对称矩阵的不同特征值的特征向量是正交的.
二次型
二次型及其矩阵表示
- 线性变换 X = C Y X=CY X=CY,如果矩阵 C C C是非退化的,那么线性变换就是非退化的.
- 合同:对于数域 F F F上的 n n n阶矩阵 A A A和 B B B,如果有 F F F上的 n n n阶可逆矩阵使得 B = C ′ A C B=C'AC B=C′AC,那么 A A A和 B B B是合同的.
- 任意一个实二次型都可以经过正交变换化成标准形,系数为特征多项式的全部特征根.
- 数域 F F F上任意一个二次型都可以经过非退化的线性变换化成平方和的形式.
- 任一个对称矩阵都合同于一个对角矩阵.
- 任一个复数的对称矩阵都合同于一个对角矩阵 [ 1 , 1 , ⋯ , 0 , 0 , ⋯ ] [1,1,\cdots,0,0,\cdots] [1,1,⋯,0,0,⋯];
- 任一个实数的对称矩阵都合同于一个对角矩阵 [ 1 , ⋯ , − 1 , ⋯ , 0 , ⋯ ] [1,\cdots,-1,\cdots,0,\cdots] [1,⋯,−1,⋯,0,⋯],其中,正平方项的系数为正惯性指数,复平方项的个数为负惯性指数,之差为符号差.
- 两个同阶的实对称矩阵合同的充分必要条件是,他们的秩和正惯性指数分别相等.
正定二次型
- 正定二次型:实二次型 f ( x 1 , x 2 , ⋯ , x n ) f(x_1,x_2,\cdots,x_n) f(x1,x2,⋯,xn)对于任意一组不全为零的实数 c 1 , c 2 , ⋯ , c n c_1,c_2,\cdots,c_n c1,c2,⋯,cn都有 f ( c 1 , c 2 , ⋯ , c n ) > 0 f(c_1,c_2,\cdots,c_n)>0 f(c1,c2,⋯,cn)>0.其规范型为单位矩阵.
- 正定二次型的充分必要条件:(1)正惯性指数为 n n n.(2)与单位矩阵合同.(3)特征值全大于0.(4)顺序主子式全大于0.
- 正定矩阵的行列式大于0.