线代学习笔记二

1、含有n个未知数的线性方程组Ax=b： （1）无解 则$R(A)<R(\bar{A})=R(A,b)$; (2)唯一解，则$R(A)=R(\bar{A})=n$;（3）无穷多解，则$R(A)=R(\bar{A})<n$。

2、向量组A:$a_{1},a_{2},...,a_{n}$,B:$\beta _{1},\beta_{2},...,\beta_{n}$。
（1）若B中每个向量都可以由A线性表示，则称B能由A线性表示。若可以互相线性表示，则称AB等价。
（2）B能由A线性表示的充要条件是矩阵$A=(a _{1},a_{2},...,a_{n})$的秩等于矩阵$(A,B)=(a _{1},a_{2},...,a_{n},\beta_{1},\beta_{2},...,\beta_{n})$的秩。
（3）AB等价则R(A)=R(B)=R(A,B)
（4）B能由A表示则$R(B)\leq R(A)$。

3、线性相关：
（1）设由向量组$a_{1},a_{2},...,a_{n}$构成的矩阵$A=(a _{1},a_{2},...,a_{n})$,则向量组线性相关的充要条件为$R(A)<n$；线性无关则$R(A)=n$
（2）n个m维向量组成的向量组，当m&lt;n时必线性相关。
（3）向量组线性相关仅当至少有一个可由其他n-1个线性表示。线性无关则任意一个都不能由其他的n-1个线性表示。

4、向量组的秩：
（1）向量组A中取出r个向量$A=(a _{1},a_{2},...,a_{r})$组成的向量$A_{0}$满足$A_{0}$线性无关且任取出r+1个组成的向量都线性相关，则称$A_{0}$为A的最大线性无关组，r=$R_{A}$。
（2）线性无关组一般不唯一，且任一最大线性无关组与A等价，任意两个线性无关组等价。

5、线性方程组的解：
（1）Ax=0的一组解$\varepsilon _{1},\varepsilon _{2},,...,\varepsilon _{t}$满足线性相关且任意一组解都能表示成它们的线性组合，则称其为Ax=0的一个基础解系。
（2）Ax=0,R(A)=r<n，则基础解系中有n-r个向量。
（3）Ax=b的通解，为Ax=0的基础解系加上Ax=b的一个特解。

6、向量内积：
（1）$\alpha^{T} =(a_{1},a_{2},...,a_{n}),\beta^{T}=(b_{1},b_{2},...,b_{n})$，则称$[\alpha,\beta]=\sum_{i=1}^{n}a_{i}b_{i}$为$\alpha,\beta$ 的内积。
（2）施瓦茨不等式:$[\alpha,\beta]^{2}\leq [\alpha,\alpha][\beta,\beta]$
（3）记||a||=$\sqrt{[\alpha,\alpha]}$=$\sqrt{a_{1}^{2}+a_{2}^{2}+...+a_{n}^{2}}$为向量a的长度。
（4）$||\alpha+\beta||\leq ||\alpha||+||\beta||$
（5）$\left | \left \| \alpha \right \|-\left \| \beta \right \| \right | \leq \left \| \alpha-\beta \right \|$
（6）若$[\alpha,\beta]=0$，则称$\alpha,\beta$正交。两两正交的向量组称为正交向量组。正交向量组线性无关。
7、施密特正交化：设$\alpha_{1},\alpha_{2},...,\alpha_{n}$线性无关，得到一组$\beta_{1},\beta_{2},...,\beta_{n}$，其中，$\beta_{1}=\alpha_{1}$,$\beta_{r}=\alpha_{r}-\sum_{i=1}^{r-1}\frac{[\beta_{i},\alpha_{r}]}{[\beta_{i},\beta_{i}]}\beta_{i}$，$\beta_{1},\beta_{2},...,\beta_{n}$是一个正交向量组。
8、正交矩阵：
（1）若n阶方阵A满足$AA^{T}=A^{T}A=E$，则A称作正交矩阵。
（2）A是正交矩阵的充要条件是列向量都是单位矩阵，且两两正交。
（3）正交矩阵的逆等于转置，且逆和转置仍是正交矩阵，两个正交矩阵的乘积仍是正交矩阵，行列式等于$\underline{+}1$

9、特征值和特征向量：
（1）若存在数$\lambda $和非零向量x满足$Ax=\lambda x $，则称$\lambda$为A的特征值，x为对应于$\lambda$的特征向量。
（2）设$\lambda_{1},\lambda_{2},...\lambda_{n}$为A的特征值，则$\prod_{i=1}^{n}\lambda_{i}=|A|,\sum_{i=1}^{n}\lambda_{i}=\sum_{i=1}^{n}a_{ii}$
（3）A可逆，$\lambda$为A的特征值，那么$\lambda\neq 0,\frac{1}{\lambda}$是$A^{-1}$的特征值,$A^{*}$的特征值为$\frac{|A|}{\lambda}$.
（4）若特征向值各不相同，则特征向量线性无关。
10、相似矩阵：
（1）存在可逆矩阵P使得$P^{-1}AP=B$，那么称AB相似。
（2）相似矩阵秩相等。
（3）AB相似，则$A-\lambda E$与$B-\lambda E$相似，A的逆与B的逆相似,且AB的特征多项式和特征值都相等。
（4）A有n个线性无关的特征向量，则存在P使得$P^{-1}AP=\Lambda $,$\Lambda$为对角阵。