线性代数(行列式&矩阵&向量)

最新推荐文章于 2024-09-16 21:54:13 发布

—Miss. Z—

最新推荐文章于 2024-09-16 21:54:13 发布

阅读量588

点赞数 1

分类专栏：高等数学文章标签：线性代数行列式

本文链接：https://blog.csdn.net/weixin_42071236/article/details/121300176

版权

高等数学专栏收录该内容

5 篇文章 8 订阅

订阅专栏

第一章行列式

①对角、上(下)三角矩阵： $\begin{vmatrix} a_{11} & 0 & \cdots & 0 \\ 0 & a_{22} &\cdots & 0 \\ \vdots & \vdots &\ddots & \vdots \\ 0 & 0 & \cdots & a_{nn} \\ \end{vmatrix}= \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ 0 & a_{22} &\cdots & a_{2n} \\ \vdots & \vdots &\ddots & \vdots \\ 0 & 0 & \cdots & a_{nn} \\ \end{vmatrix}=\begin{vmatrix} a_{11} & 0 & \cdots & 0 \\ a_{12} & a_{22} &\cdots & 0 \\ \vdots & \vdots &\ddots & \vdots \\ a_{1n} & a_{2n} & \cdots & a_{nn} \\ \end{vmatrix}=a_{11}a_{22}...a_{nn}$

②斜对角矩阵
$：\begin{vmatrix} & & & l_1 \\ & & l_2 & \\ & ⋰ & & \\ l_n & & & \\ \end{vmatrix}=(-1)^{\frac{n(n-1)}2}l_1·l_2...l_n$

③范德蒙行列式：
$V(a_1,a_2,...,a_n)=\begin{vmatrix} 1 & 1 & \cdots & 1 \\ a_1 & a_2 &\cdots & a_n \\ \vdots & \vdots &\ddots & \vdots \\ a_1^{n-1} & a_2^{n-1} & \cdots & a_n^{n-1} \\ \end{vmatrix}=\quad \prod_{1≤j<i≤n}(a_i-a_j)\quad$
$V(a_1,a_2,...,a_n)≠0$ 的充要条件是常数 $a_1,a_2,...,a_n$ 两两不相等

④余子式与代数余子式：
$D=\begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} &\cdots & a_{2n} \\ \vdots & \vdots &\ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix}$

元素 $a_{ij}$ 的余子式( $M_{ij}$ )：把行列式 $D$ 中元素 $a_{ij}$ 所在的第 $i$ 行元素和第 $j$ 列元素去掉，剩下的 $n - 1$ 行和 $n - 1$ 列按照原来的排列次序构成的 $n - 1$ 阶行列式
元素 $a_{ij}$ 的代数余子式( $A_{ij}$ )： $A_{ij}=(-1)^{i+j}M_{ij}$

⑤分块行列式：
$\begin{vmatrix} A_1 & & & \\ & A_2 & & \\ & &\ddots & \\ & & & A_n \\ \end{vmatrix}=|A_1|·|A_2|\cdots|A_n|$

$\begin{vmatrix} A & C \\ O & B \\ \end{vmatrix}=\begin{vmatrix} A & O \\ D & B \\ \end{vmatrix}=|A|·|B|$

设 $A ， B$ 分别是 $m$ 和 $n$ 阶矩阵，则 $\begin{vmatrix} O & A \\ B & O \\ \end{vmatrix}=(-1)^{mn}|A|·|B|$

⑥行列式的降阶性质：
行列式等于行列式某行(或列)元素与其对应的代数余子式之积
$D=a_{i1}A_{i1}+a_{i2}A_{i2}+...+a_{in}A_{in}(i=1,2,...,n)$
$D=a_{1j}A_{1j}+a_{2j}A_{2j}+...+a_{nj}A_{nj}(i=1,2,...,n)$

行列式的某行(或列)元素与另一行(或列)对应元素的代数余子式之积的和为零
$D=a_{i1}A_{j1}+a_{i2}A_{j2}+...+a_{in}A_{jn}=0(i≠j)$
$D=a_{1i}A_{1j}+a_{2i}A_{2j}+...+a_{ni}A_{nj}=0(i≠j)$

一元 $n$ 次方程 $x^n+a_{n-1}x^{n-1}+...+a_1x+a_0=0$ 的 $n$ 个根之和为 $a_{n-1}$

⑦计算行列式时，若出现 $a_{ij}$ 或 $A^*$ ，一般使用如下三个性质：
$A^*|=|A|^{n-1}$
$A|=a_{i1}A_{i1}+a_{i2}A_{i2}+...+a_{in}A_{in}$
$A^*=|A|A^{-1}$

⑧n阶方阵对应的行列式的性质：
$A^T|=|A|$
$kA|=k^n|A|$
$∣ A B ∣ = ∣ A ∣ \cdot ∣ B ∣$ ( $A, B$ 都是 $n$ 阶方阵)
$|A^{-1}|=\frac{1}{|A|}$
$A^*|=|A|^{n-1}$

设 $A$ 为 $n$ 阶非零矩阵，且 $A * = A ᵀ$ (即 $a_{ij}=A_{ij})$ ，则 $∣ A ∣ > 0$

例1：
$设D=\begin{vmatrix} 3 & 0 & 4 & 1 \\ 2 & 3 & 1 & 4 \\ 0 & -7 & 8 & 3 \\ 5 & 3 & -2 & 2 \\ \end{vmatrix}$
①求 $A_{21}+A_{22}+A_{23}+A_{24}$
$1·A_{21}+1·A_{22}+1·A_{23}+1·A_{24}=\begin{vmatrix} 3 & 0 & 4 & 1 \\ 1 & 1 & 1 & 1 \\ 0 & -7 & 8 & 3 \\ 5 & 3 & -2 & 2 \\ \end{vmatrix}=148$

②求 $A_{31}+A_{33}$
$1·A_{31}+0·A_{32}+1·A_{33}+0·A_{34}=\begin{vmatrix} 3 & 0 & 4 & 1 \\ 2 & 3 & 1 & 4 \\ 1 & 0 & 1 & 0 \\ 5 & 3 & -2 & 2 \\ \end{vmatrix}=-12$

③求 $M_{41}+M_{42}+M_{43}+M_{44}$
$M_{41}+M_{42}+M_{43}+M_{44}=(-1)·A_{41}+1·A_{42}+(-1)·A_{43}+1·A_{44}$
$(-1)·A_{41}+1·A_{42}+(-1)·A_{43}+1·A_{44}=\begin{vmatrix} 3 & 0 & 4 & 1 \\ 1 & 1 & 1 & 1 \\ 0 & -7 & 8 & 3 \\ -1 & 1 & -1 & 1 \\ \end{vmatrix}=-78$

例2：设 $a_1，a_2，a_3为三维列向量，令A=(a_1，a_2，a_3)，且|A|=k$ ( $k$ 为常数)，计算行列式 $2a_1，a2+3a_2，a_1+2a_2-a3|$
①. $2a_1，a2+3a_2，a_1+2a_2-a3)=(2·a_1+0·a_2+0·a_3，0·a_1+1·a2+3·a_2，1·a_1+2·a_2+(-1)·a3)$
②. $(2a_1,a2+3a_2,a_1+2a_2-a3)=(a_1,a_2,a_3)\begin{pmatrix} 2 & 0 & 1 \\ 0 & 1 & 2 \\ 0 & 3 & -1 \\ \end{pmatrix}$
③. $|2a_1,a2+3a_2,a_1+2a_2-a3|=|a_1,a_2,a_3|\begin{vmatrix} 2 & 0 & 1 \\ 0 & 1 & 2 \\ 0 & 3 & -1 \\ \end{vmatrix}=|A|·(-14)=-14k$

例3：设向量组 $a_1，a_2，b_1，b_2$ 为三维列向量，又 $A=(a_1，a_2，b_1)，B=(a_1，a_2，b_2)$ ，且 $∣ A ∣ = a ， ∣ B ∣ = b$ ，求 $∣ 2 A + 3 B ∣$
①. $2A+3B=2(a_1，a_2，b_1)+3(a_1，a_2，b_2)=(2a_1，2a_2，2b_1)+(3a_1，3a_2，3b_2)=(5a_1，5a_2，2b_1+3b_2)$
②. $5a_1，5a_2，2b_1+3b_2|=25|a_1，a_2，2b_1+3b_2|=25(2·|a_1，a_2，b_1|+3·|a_1，a_2，b_2|)=50|A|+75|B|=50a+75b$

例4：四阶行列式中，带负号且包含 $a_{23}$ 和 $a_{31}$ 的项为： $a_{14}a_{23}a_{31}a_{42}$

四阶行列式中，包含 $a_{23}$ 和 $a_{31}$ 的项有： $a_{12}a_{23}a_{31}a_{44}$ 和 $a_{14}a_{23}a_{31}a_{42}$
其中，① $a_{12}a_{23}a_{31}a_{44}$ ，取列标：2314，它有2个(偶数)逆序数(21、31)，因此带正号；
② $a_{14}a_{23}a_{31}a_{42}$ ，取列标：4312，它有5个(奇数)逆序数(43、41、42、31、32)，因此带负号

第二章矩阵

三种初等矩阵：
①初等矩阵 $E_{i,j}$ ：
$\begin{cases} E_{i,j}A本质上即对调矩阵A的第i，j行，即第一种初等行变换 \\ AE_{i,j}本质上即对调矩阵A的第i，j列，即第一种初等列变换 \\ \end{cases}$
$E_{i,j}|=-1≠0，即E_{i,j}可逆$
$E_{i,j})^{-1}=E_{i,j}$
$E_{i,j})^2=E$
②初等矩阵 $E_i(c)(c≠0)$ ：
$\begin{cases} E_i(c)A本质上即矩阵A的第i行乘以非零常数c，即第二种初等行变换 \\ AE_i(c)本质上即矩阵A的第i列乘以非零常数c，即第二种初等列变换 \\ \end{cases}$
$E_i(c)|=c≠0，即E_i(c)可逆$
$[E_i(c)]^{-1}=E_i(\frac{1}{c})$
③初等矩阵 $E_{ij}(k)$ ：
$\begin{cases} E_{ij}(k)A本质上即矩阵A的第j行的k倍加到第i行，即第三种初等行变换 \\ AE_{ij}(k)本质上即矩阵A的第i列的k倍加到第j列，即第三种初等列变换 \\ \end{cases}$
$E_{ij}(k)|=1≠0，即E_{ij}(k)可逆$
$E_{ij}(k)]^{-1}=E_{ij}(-k)$

设A，B分别为m和n阶可逆矩阵，则
$\begin{pmatrix} A & O \\ O & B \\ \end{pmatrix}^{-1}=\begin{pmatrix} A^{-1} & O \\ O & B^{-1} \\ \end{pmatrix} \;\;\;\;\;\;\;\;\;\;\;\begin{pmatrix} O & A \\ B & O \\ \end{pmatrix}^{-1}=\begin{pmatrix} O & B^{-1} \\ A^{-1} & O \\ \end{pmatrix}$

$设A，B为可逆矩阵，则\begin{pmatrix} A & C \\ O & B \\ \end{pmatrix}^{-1}=\begin{pmatrix} A^{-1} & -A^{-1}CB^{-1} \\ O & B^{-1} \\ \end{pmatrix}$

$设\alpha=\begin{pmatrix} a_1 \\ a_2 \\ \vdots \\ a_n \end{pmatrix}，则r(\alpha)≤1(若\alpha=0，则r(\alpha)=0；若\alpha≠0，则r(\alpha)=1)$

矩阵秩的性质：
$设A是n阶矩阵，则r(A^*)=\begin{cases} n\;\;\;\;\;r(A)=n\\ 1\;\;\;\;\;r(A)=n-1(n≥2) \\ 0\;\;\;\;\;r(A)<n-1 \end{cases}$

$设A、B分别为m×s、n×s矩阵，则max\{r(A)，r(B)\}≤r\begin{pmatrix} A\\ B\\ \end{pmatrix}≤r(A)+r(B)$
$或设A、B分别为m×s、n×s矩阵，则max\{r(A)，r(B)\}≤r\begin{pmatrix} A |B\\ \end{pmatrix}≤r(A)+r(B)$
$r\begin{pmatrix} A & O \\ O & B \\ \end{pmatrix}=r(A)+r(B)$

矩阵的幂矩阵：
$①若\begin{pmatrix} A_1 & & \\ & \ddots & \\ & & A_s \\ \end{pmatrix}，其中A_1，A_2，...，A_s皆为方阵，则A^n=\begin{pmatrix} A_1^n & & \\ & \ddots & \\ & & A_s^n \\ \end{pmatrix}$
$②利用对角化的方法，求出可逆矩阵P，使得P^{-1}AP=\begin{pmatrix} λ_1 & & \\ & \ddots & \\ & & λ_m \\ \end{pmatrix}，两边n次方，则A^n=P\begin{pmatrix} λ_1^n & & \\ & \ddots & \\ & & λ_m^n \\ \end{pmatrix}P^{-1}$

例1：
设n阶矩阵A满足 $A^2+4A-5E=O$ ，求① $A^{-1}$ ②求 $A+4E)^{-1}$ ③ $A+E)^{-1}$
① $A^2+4A-5E=O → A(A+4E)=5E → A^{-1}=\frac{1}5(A+4E)$
② $A^2+4A-5E=O → (A+4E)A=5E →(A+4E)^{-1}=\frac{1}5A$
③ $A^2+4A-5E=O → (A+E)(A+3E)=8E → (A+E)^{-1}=\frac{1}8(A+3E)$

第三章向量：

$设\alpha=\begin{pmatrix} a_1 \\ a_2 \\ \vdots \\ a_n \end{pmatrix}，称\sqrt{a_1^2+a_2^2+...+a_n^2}为向量\alpha的模(或长度)，记为|\alpha|$
向量内积运算的性质：
① $(\alpha,\beta)=(\beta,\alpha)=\alpha^T\beta=\beta^T\alpha$
② $(\alpha,\alpha)=\alpha^T\alpha=|\alpha|^2，且(\alpha,\alpha)=0的充要条件是\alpha=0$
③ $(\alpha,k_1\beta_1+k_2\beta_2+...+k_n\beta_n)=k_1(\alpha,\beta_1)+k_2(\alpha,\beta_2)+...+k_n(\alpha,\beta_n)$
④ $若(\alpha,\beta)=0⇔a_1b_1+a_2b_2+...+a_nb_n=0，称\alpha,\beta正交，记为\alpha⊥\beta，特别地，零向量与任何向量正交$

设 $α_1，α_2，⋯，α_n$ 为向量组，称 $k_1α_1，k_2α_2，⋯，k_nα_n$ 为向量组 $α_1，α_2，⋯，α_n$ 的线性组合。
设 $α_1，α_2，⋯，α_n$ 为向量组，b为一个向量，若存在一组数 $k_1，k_2，...，k_n$ ，使得 $b=k_1α_1+k_2α_2+⋯+k_nα_n$ 称向量b可由向量组 $α_1，α_2，⋯，α_n$ 线性表示
一个向量线性相关 ⇔ 该向量为零向量。
两个向量线性相关 ⇔ 两个向量成比例。
向量组 $A：α_1，α_2，⋯，α_n$ 线性相关 ⇔ $r (A) < n$ ⇔ A中至少有一个向量可由其余向量线性表示。
向量组 $A：α_1，α_2，⋯，α_n$ 本身为极大线性无关组(即A线性无关) ⇔ $r (A) = n$ ⇔ A的任意一个部分向量组线性无关。
令向量组 $A：α_1，α_2，⋯，α_n；B：α_1，α_2，⋯，α_n，b$ ，则向量组A，B的秩有两种情形：
情形一： $r (A) = r (B)$ ⇔ b可由 $α_1，α_2，⋯，α_n$ 线性表示。
情形二： $r (A) + 1 = r (B)$ ⇔ b不可由 $α_1，α_2，⋯，α_n$ 线性表示。
设n维列向量组 $α_1，α_2，⋯，α_m (m<n)$ 线性无关，则n维列向量组 $β_1，β_2，⋯，β_m$ 线性无关
⇔ 矩阵 $A=(α_1，α_2，⋯，α_m)$ 与矩阵 $B=(β_1，β_2，⋯，β_m)$ 等价。
设A为n阶矩阵，则行列式 $∣ A ∣ = 0$ ⇔ A中必有一行(列)为其余各行(列)的线性组合。

例1：设 $α_1，α_2，α_3$ 线性无关，判断 $β_1=α_1+2α_2，β_2=α_2+α_3，β_3=α_1-α_2+4α_3$ 的线性相关性
方法一：定义法
令 $k_1(α_1+2α_2)+k_2(α_2+α_3)+k_3(α_1-α_2+4α_3)=0$ ，即 $k_1+k_3)α_1+(2k_1+k_2-k_3)α_2+(k_2+4k_3)α_3=0$
$因为α_1，α_2，α_3线性无关，所以\begin{cases} k_1+k_3=0\\ 2k_1+k_2-k_3=0\\ k_2+4k_3=0\\ \end{cases}\;\;\;\;\;又因为D=\begin{vmatrix} 1 & 0 & 1 \\ 2 & 1 & -1 \\ 0 & 1 & 4 \\ \end{vmatrix}=7≠0$

方法二：三秩相等法
$(α_1+2α_2，α_2+α_3，α_1-α_2+4α_3)=(α_1，α_2，α_3)\begin{pmatrix} 1 & 0 & 1 \\ 2 & 1 & -1 \\ 0 & 1 & 4 \\ \end{pmatrix}$
因为矩阵可逆，所以 $r(α_1+2α_2，α_2+α_3，α_1-α_2+4α_3)=r(α_1，α_2，α_3)$ 。于是 $r(β_1，β_2，β_3)=3$ ，即 $β_1，β_2，β_3$ 线性无关。
所以上述方程组只有零解，从而向量组 $β_1，β_2，β_3$ 线性无关

结论：设 $α_1，α_2，...，α_n$ 线性无关， $β_1=α_1+α_2，β_2=α_2+α_3，...，β_n=α_n+α_1$ ，则

当n为奇数时，向量组 $β_1，β_2，...，β_n$ 线性无关
当n为偶数时，向量组 $β_1，β_2，...，β_n$ 线性相关

例2：设A为n阶矩阵， $α_1，α_2，α_3$ 为向量组且 $α_3$ 为非零向量， $Aα_1=α_2，Aα_2=α_3，Aα_3=0$ ，证明： $α_1，α_2，α_3$ 线性无关。

解：令 $k_1α_1+k_2α_2+k_3α_3=0 \overset{两边左乘A}\Longrightarrow k_1Aα_1+k_2Aα_2+k_3Aα_3=0$
即 $k_1α_2+k_2α_3=0 \overset{两边左乘A}\Longrightarrow k_1Aα_2+k_2Aα_3=0$
即 $k_1α_3=0$ ，因为 $α_3$ 为非零向量，所以 $k_1=0$
倒推得 $k_3=k_2=k_1=0$ ，故 $α_1，α_2，α_3$ 线性无关

例3：设A为n阶矩阵， $α_1，α_2，α_3$ 为向量组，其中 $α_1≠0$ ，且满足 $Aα_1=2α_1，Aα_2=α_1+2α_3，Aα_3=α_2+2α_3$ ，证明： $α_1，α_2，α_3$ 线性无关。

解：由 $Aα_1=2α_1，Aα_2=α_1+2α_3，Aα_3=α_2+2α_3$ 得
$2E-A)α_1=0，(2E-A)α_2=-α_1，(2E-A)α_3=-α_2$
令 $k_1α_1+k_2α_2+k_3α_3=0 \overset{两边左乘(2E-A)}\Longrightarrow k_1(2E-A)α_1+k_2(2E-A)α_2+k_3(2E-A)α_3=0$
即 $-k_1α_1-k_3α_2=0 \overset{两边左乘(2E-A)}\Longrightarrow -k_1(2E-A)α_1-k_3(2E-A)α_2=0$
即 $k_3α_1=0$ ，因为 $α_1≠0$ ，所以 $k_3=0$
倒推得 $k_1=k_2=k_3=0$ ，故 $α_1，α_2，α_3$ 线性无关