矩阵性质
- 行列式分行可加
- ∣ A T ∣ = ∣ A ∣ |A^T|=|A| ∣AT∣=∣A∣（计算行列式时行列地位相等）
- 两行相同，行列式为0，两行成比例，行列式为0，消法变换（ki+j）不改变行列式
- （可逆充要条件）A*为伴随矩阵，则有 A A ∗ = A ∗ A = ∣ A ∣ E AA^*=A^*A=|A|E AA∗=A∗A=∣A∣E ∣ A ∣ ≠ 0 |A|\ne0 ∣A∣=0时有 A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A^* A−1=∣A∣1A∗
- 初等变换不改变矩阵的秩
- A为mxn，B为nxp，有 R ( A B ) ≥ R ( A ) + R ( B ) − n R(AB) \ge R(A)+R(B)-n R(AB)≥R(A)+R(B)−n
- 线性方程组
A
x
=
b
，
A
∈
R
m
×
n
Ax=b，A\in\mathbb{R^{m\times n}}
Ax=b，A∈Rm×n，可以看成在A张成子空间中找b，因为
R
(
A
,
b
)
≥
R
(
A
)
R(A,b)\ge R(A)
R(A,b)≥R(A)，如果
R
(
A
,
b
)
>
R
(
A
)
R(A,b)>R(A)
R(A,b)>R(A)则A张成空间不能表达b，所以
A
x
=
b
Ax=b
Ax=b有解充要条件为
R
(
A
,
b
)
=
R
(
A
)
R(A,b)=R(A)
R(A,b)=R(A)，在此条件下，
R
(
A
)
R(A)
R(A)与A的列数
n
n
n的关系(列向量组是否线性相关)决定解的数量。
如果列向量组线性相关( R ( A ) < n R(A)<n R(A)<n)，则存在对张成空间没有作用的向量，可以找到最小的线性无关向量组作为基（极大无关向量祖），张成 R ( A ) R(A) R(A)维空间，通过基的线性组合可以得到余下的 n − R ( A ) n-R(A) n−R(A)个向量，通过调整基和无用向量的系数可以得到无穷多解
如果列向量线性相关( R ( A ) = n R(A)=n R(A)=n)，n个向量都用来张成空间，此时存在唯一解 - R ( A + B ) ≤ R ( A ) + R ( B ) R(A+B)\le R(A)+R(B) R(A+B)≤R(A)+R(B)，A+B可以由A和B的极大无关组表示，但是A和B的极大无关组放在一起不一定线性无关，所以是 ≤ \le ≤而且在放在一起还是线性无关时取等
- R ( A B ) ≤ min ( R ( A ) , R ( B ) ) R(AB)\le \min(R(A),R(B)) R(AB)≤min(R(A),R(B))，另 C = A B C=AB C=AB，C和A行数相同，可以认为C的列向量组是由A的列向量组在B的线性组合下得到的，所以必有 R ( C ) ≤ R ( A ) R(C)\le R(A) R(C)≤R(A)，由于 R ( C T ) = R ( B T A T ) = R ( C ) R(C^T)=R(B^TA^T)=R(C) R(CT)=R(BTAT)=R(C)，同理可以得到 R ( C ) ≤ R ( B T ) = R ( B ) R(C)\le R(B^T)=R(B) R(C)≤R(BT)=R(B)，得证
- R ( A T A ) = R ( A ) R(A^TA)=R(A) R(ATA)=R(A)， A x = 0 Ax=0 Ax=0和 A T A x = 0 A^TAx=0 ATAx=0同解。结合上一个不等式提出一个不太直观的理解：两个矩阵乘法 A B AB AB可以看成以A为基向量按B规则做线性组合得到的新基，B本身也可以看作以E为基向量按B规则作线性组合得到的基（ B = E B B=EB B=EB），B的每一个列向量相当于一条生成基的规则。规则的秩和基的秩对于新基的秩有同等程度的影响，所以有 R ( A B ) ≤ min ( R ( A ) , R ( B ) ) R(AB)\le \min(R(A),R(B)) R(AB)≤min(R(A),R(B))，可以看出，通过向量乘法不能扩张维度，只能坍缩或者维持
- 特征多项式 ψ ( λ ) = ∣ λ E − A ∣ = λ n + c n − 1 λ n − 1 + ⋯ + c 1 λ + c 0 \psi(\lambda)=|\lambda E-A|=\lambda^n+c_{n-1}\lambda^{n-1}+\dots+c_1\lambda+c_0 ψ(λ)=∣λE−A∣=λn+cn−1λn−1+⋯+c1λ+c0则有 c n − 1 = − t r A , c 0 = ( − 1 ) n ∣ A ∣ c_{n-1}=-trA,c_0=(-1)^n|A| cn−1=−trA,c0=(−1)n∣A∣，计算特征多项式需要计算行列式，第一行不选含有 λ \lambda λ，则所选元素列的含 λ \lambda λ元素亦不能选（行列式的性质），所以n次项和n-1次项均来自行列式对角元素乘积 ( λ − a 11 ) ( λ − a 22 ) … ( λ − a n n ) (\lambda-a_{11})(\lambda-a_{22})\dots(\lambda-a_{nn}) (λ−a11)(λ−a22)…(λ−ann)另 λ = 0 \lambda=0 λ=0则有 ψ ( 0 ) = ∣ − A ∣ \psi(0)=|-A| ψ(0)=∣−A∣
- n阶矩阵A与对角阵相似的充要条件是A存在n个线性无关的特征向量
- 正交矩阵要求单位正交，A为正交矩阵的充要条件是 A T A = E A^TA=E ATA=E
- 实对称矩阵不同特征值对应的特征向量正交
- 实对称矩阵A必能被相似对角化，对角线为A的全部特征值，相似因子可以是正交矩阵（标准正交）。
- n阶实对称矩阵A的特征
λ
0
\lambda_0
λ0为k重，则有
R
(
λ
0
E
−
A
)
=
n
−
k
R(\lambda_0E-A)=n-k
R(λ0E−A)=n−k：
A对角化为B，有 P − 1 A P = B λ E − A = λ P E P − 1 − P B P − 1 = P ( λ E − B ) P − 1 P^{-1}AP=B \\\begin{aligned}\lambda E-A&=\lambda PEP^{-1}-PBP^{-1}\\&=P(\lambda E-B)P^{-1}\end{aligned} P−1AP=BλE−A=λPEP−1−PBP−1=P(λE−B)P−1所以 λ E − A \lambda E-A λE−A与 λ E − B \lambda E-B λE−B相似秩相等， λ E − B \lambda E-B λE−B为对角阵且在B为对应特征值 λ \lambda λ的位置为0，其余不为0，所以秩为n-k，对应的 ( λ E − B ) x = 0 (\lambda E-B)x=0 (λE−B)x=0的有k个线性无关特征向量 - n阶矩阵A，B，如果存在可逆P使得 P T A P = B P^TAP=B PTAP=B，说A与B合同
- 对于二次型 f ( x ) = x T A x f(x)=x^TAx f(x)=xTAx，A是一个对称矩阵，必存在正交矩阵P使得 P − 1 A P = P T A P = B P^{-1}AP=P^TAP=B P−1AP=PTAP=B，B是对角阵，做映射 x = P y x=Py x=Py，则有 f ( x ) = ( P y ) T A P y = y T P T A P Y = y T B y f(x)=(Py)^TAPy=y^TP^TAPY=y^TBy f(x)=(Py)TAPy=yTPTAPY=yTBy，当P为正交矩阵时，AB不仅合同还相似，很多可用的性质
- 如果二次型任取非零x有 f ( x ) > 0 f(x)>0 f(x)>0则称f为正定二次型，A为正定矩阵， ≥ \ge ≥则为半正定，负号类似
扫一扫
404
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
