高等代数总结

高代

排列

逆序数（前面的数大于后面的数称为逆序，排列中逆序的总数）为偶数称为偶排列，奇数称为奇排列。

行列式，及其相关定理

n级行列式等于所有取自不同行不同列的n个元素的乘积的代数和，符号由1到n行的列排列，如果是偶排列取正，奇排列取负。

克拉默法则：方程的系数矩阵的行列式不为零，那么方程有解，并且解是唯一的，解可以通过系数表示出来。

拉普拉斯定理：在行列式D中任取k行，由这k行元素所组成的一切k级子式与它们的代数余子式的乘积的和等于行列式D。

线性相关性

等价：两组向量可以互相线性表出
自反性、对称性、传递性

极大线性无关组：一个的向量组的部分向量组线性无关，从这个向量组中任意添加一个向量的话，所得的部分向量组线性相关，这个部分组称为极大线性无关组。

定理：设${\alpha }_1,...,{\alpha }_r$与${\beta }_1,...,{\beta }_s$是两个向量组，如果

1. 向量组${\alpha }_1,...,{\alpha }_r$可以经${\beta }_1,...,{\beta }_s$线性表出
2. r>s

那么向量组${\alpha }_1,...,{\alpha }_r$线性相关。
证明：目标是找到不全为零的$x_1...x_r$使得$x_1{\alpha }_1+...+x_r{\alpha }_r=0$成立。
由1，我们将式子里的$\alpha$替换成$\beta$，我们可以找到不全为零的xi，使得$\beta$的系数全为零，因为由2可知未知量的个数大于方程的个数，有非零解。

向量组等价，对应的方程组同解，因为它们对应的方程组可以互相线性表出

矩阵的秩

定义：行（列）向量组的极大线性无关组的数量

定理：行秩和列秩相等
证明：先证行秩小于等于列秩
找到矩阵行向量组的一组极大线性无关组${\alpha }_1,...,{\alpha }_r$，那么方程$x_1{\alpha }_1+...+x_r{\alpha }_r=0$只有零解（由线性无关的定义得到），说明这个方程组的系数矩阵的行秩大于等于r（其实这边可以得到行秩等于r，由n+1个n维向量线性相关），所以可以在行向量中找到r个线性无关的行向量，在这些向量上添加几个分量还是线性无关的，我们添加使其称为r个列向量即可，说明列秩至少是r，即列秩大于等于行秩。
同理可证行秩大于等于列秩。

定理：n*n的行列式|A|为0的充分必要条件是A的秩小于n。
证明：

1. 先证充分性，如果n=1，那么A的秩小于1，说明那个向量为零向量，易得行列式为0，如果n>1，那么A中有一行可以被其它行线性表出，将那一行依次减去各行的倍数，这一行全变成零，从而行列式为0。
2. 再证必要性。我们对n作数学归纳法。
   当n=1时，由行列式为0，可知唯一的元素为0，因而秩为0
   假设结论对n-1级矩阵已证，我们来看n级矩阵，如果A的第一列全为0，秩显然小于n，如果第一列不全为0，不妨设$a_{11}$不等于0（因为可以用列交换达到这一结果），从第二行到第n行依次减去第一行的相应的倍数，把 $a_{21}...a_{n1}$消成零，再将行列式按第一列展开，可知展开的n-1级行列式为0，根据假设，这个矩阵的秩小于n-1，而初等行变换不改变矩阵的秩，因为初等行变换是把行向量组变成一个与之等价的向量组，所以A的秩小于n。
   由归纳假设，结论得证。

定理：一矩阵的秩是r的充分必要条件为矩阵中有一个r级子式不为零，同时所有的r+1级子式全为零。
证明：

1. 必要性。设矩阵的秩为r，则任意r+1个行向量都线性相关，矩阵A的任意r+1级子式的行向量也线性相关，则r+1级子式的行列式都为0。再证至少有一个r级子式不为0。我们可以在A中找到r个线性无关的行向量，把这r个向量组成一个矩阵，行秩为r，那么列秩也为r，也就是有r个列向量线性无关，把这r个列向量拿出来组成的矩阵，则这个矩阵的行列式不为0，这就是满足要求的一个r级子式。
2. 再证充分性。设在A中有一个r级子式不为0，r+1级子式全为0.
   首先我们知道，如果r+1级子式全为0，那么r+2级子式按行展开，可知也为0.
   设A的秩为t，由必要性。如果t大于r，那么我们可以找到一个t级子式不为0，不满足假设。如果t小于r，那么r级子式全为0.所以t=r。

线性方程组有解判别定理
$$\begin{gathered} x_1{\alpha }_1+...+x_n{\alpha }_n=\beta \\ {\alpha }_i=(a_{1i},a_{2i},...,a_{si}),\beta =(b_1,b_2...,b_s) \end{gathered}$$

定理：线性反成祖有解的充要条件是它的系数矩阵和增广矩阵有相同的秩
证明：

1. 先证必要性，设线性方程组有解，那么$\beta$可以被向量组线性表出，则${\alpha }_1,...,{\alpha }_n$与${\alpha }_1,...,{\alpha }_n,\beta$等价，说明二者秩相等，即两个矩阵的秩相等。
2. 再证充分性，二者有相同的秩，那么${\alpha }_1,...,{\alpha }_n$与${\alpha }_1,...,{\alpha }_n,\beta$有相同的秩，不妨设${\alpha }_1,...,{\alpha }_r$为${\alpha }_1,...,{\alpha }_n$的一极大线性无关组，那么这也是${\alpha }_1,...,{\alpha }_n,\beta$的 一个极大线性无关组，$\beta$可以被${\alpha }_1,...,{\alpha }_r$线性表出，那也可以被${\alpha }_1,...,{\alpha }_n$线性表出，即方程有解。

矩阵运算有关定理

定理：|AB|=|A||B|，两矩阵乘积的行列式等于两矩阵行列式的乘积。
证明：由拉普拉斯定理可证。

定理：$秩(A+B)\le 秩(A)+秩(B)$
证明：A和B的行向量组的极大线性无关组肯定可以表示出A+B的行向量组，说明A+B的秩肯定小于两个极大线性无关组加在一起的数量。

定理：A是$n\times m$的矩阵，B是$m\times s$的矩阵，那么$秩(AB)\le min[秩(A),秩(B)]$，即乘积的秩不超过各因子的秩。
证明：只需证明AB的秩小于A的秩，同时也小于B的秩即可。
令$B_1,B_2...B_m$表示B的行向量，$C_1,C_2...C_m$表示AB的行向量，那么$$C_i=a_{i1}{B}_1+...+a_{im}{B}_m$$即矩阵AB的行向量组可经B的行向量组线性表出，所以AB的秩小于等于B的秩。
同理可以证明AB的列向量组可以经过A的列向量组线性表出，AB的秩小于等于A的秩。

矩阵的逆

定义：称A为可逆的，如果有方阵B，使得AB=BA=E

定理：A、B为$n\times n$矩阵，如果AB=O，那么A的秩加B的秩小于等于n。
证明：B的各个列向量都是AX=0的解，那么B的列向量可以由它的基础解系线性表示出来，于是B的秩小于等于基础解系的秩，等于n减去A的秩。

定理：当A的秩等于n时，伴随矩阵的秩也为n
证明：A的伴随矩阵与A的乘积的行列式等于它们分别的行列式的乘积，等于A的行列式（由伴随矩阵的定义得到），由于A的秩为n，那么A的行列式不为0，则A的伴随矩阵的行列式不为0，说明秩也为n。

定理：A的秩为n-1，伴随矩阵的秩为1
证明：由$A^{\ast }A=|A|E=0$，由结论可知 $秩(A)+秩(A^{\ast })\le n$所以伴随矩阵的秩等于1（因为伴随矩阵不可能是零矩阵）

定理：当A的秩小于n-1时，伴随矩阵的秩等于0
证明：由定理可知A的n-1级子式的全为0，则伴随矩阵为零矩阵

合同

定义：A、B称为合同的，如果有数域P上可逆的矩阵C，使得$B=C^{\prime }AC$
性质：自反性、对称性、传递性

定理：在数域P上，任意一个对称矩阵都合同一个对角阵。

正定矩阵

定义：实二次型（系数在数域P中的$x_1,x_2...x_n$的二次齐次多项式）$f(x_1,x_2...x_n)$称为正定的，如果有任意一组不全为0的实数，带入到多项式中结果总是大于0的。

定理：n元实二次型是正定的充分必要条件是它的正惯性指数等于n
证明：经过非退化实线性变换替换成标准型，保持正定性不变，而只有当标准型的系数都大于0为正定的充要条件，即正惯性指数为n

定理：实二次型是正定的充分必要条件为顺序主子式全大于零

线性空间

定义：V是一个非空集合，P是一个数域，如果空间满足加法和数乘运算封闭，并且加法和数乘满足下面的规则，V称为数域P上的线性空间。
加法满足下面四条规则：

1. 加法交换律 $\alpha +\beta =\beta +\alpha$
2. 加法结合律 $(\alpha +\beta )+\gamma =\alpha +(\beta +\gamma )$
3. 存在0元素，满足对于V中任一元素$\alpha$有$0+\alpha =\alpha$
4. 对于每个元素，存在逆元 $\alpha +\beta =0$

数乘满足下面两条规则：

5. $1\alpha =\alpha$
6. 结合律 $k(l\alpha )=(kl)\alpha$

数乘和加法满足下面两条规则

7. 左分配律 $(k+l)\alpha =k\alpha +l\alpha$
8. 右分配律 $k(\alpha +\beta )=k\alpha +k\beta$

线性子空间

定义：V的子集W，对于V上的两种运算也构成数域P上的线性空间。
我们可以证得对于V的两种运算是封闭的就可以证明W是一个子空间。

子空间的交与和

定理：子空间的交还是子空间。
证明：记两个子空间为V1和V2。首先0属于二者得交，说明非空，在证明满足加法和数乘封闭即可。下面证明加法封闭，令$\alpha ,\beta \in V_1\cap V_2$，那么向量的加也属于子空间的交，同样可证数乘运算。

定义：V1与V2的和，是指所有能表示成${\alpha }_1+{\alpha }_2$，而${\alpha }_1\int V_1,{\alpha }_2\in V_2$的向量组成的子集和，记作$V_1+V_2$

定理：子空间的和也是子空间。

维数公式：$V_1,V_2$是V的两个子空间，那么V1的维数加上V2的维数，等于V1与V2的和的维数加上V1与V2的交的维数。

子空间的直和

定义：子空间的和内的元素分解式唯一，就称这个和为直和。

定理：直和的充要条件是零分解式唯一，即全为零
证明：

1. 必要性：由直和的定义，分解式唯一。
2. 充分性：假设有两个分解式$\alpha ={\alpha }_1+{\alpha }_2={\beta }_1+{\beta }_2$，那么$({\alpha }_1-{\beta }_1)+({\alpha }_2-{\beta }_2)=0$，由条件可知零分解式唯一，则${\alpha }_1={\beta }_1,{\alpha }_2={\beta }_2$，说明$\alpha$的分解式是唯一的。

推论：直和的充要条件为V1与V2的交为零元素。

定理：直和的充要条件为 $维(V_1+V_2)=维(V_1)+维(V_2)$
证明：有维数公式+上面的推论易证。

线性空间的同构

定义：$V$与$V^{\prime }$称为同构的，如果有一个$V$到$V^{\prime }$的双射$\sigma$，具有线性运算：

1. $\sigma (\alpha +\beta )=\sigma (\alpha )+\sigma (\beta )$
2. $\sigma (k\alpha )=k\sigma (\alpha )$

定理：数域P上的两个有限维线性空间同构的充要条件是它们有相同的维数。

线性变换

定义：线性空间V到自身的映射称为一个变换，这个变换称为线性变换，如果对于V中的任意的元素$\alpha ,\beta$和数域P中的任意数k，都满足线性运算，即

1. $\mathcal{A}(\alpha +\beta )=\mathcal{A}(\alpha )+\sigma (\beta )$
2. $\mathcal{A}(k\alpha )=k\mathcal{A}(\alpha )$

同时定义了线性变换的加法运算、乘法运算、逆变换、$f(\mathcal{A})$多项式

线性变换的矩阵

定理：设线性空间V中的线性变换$\mathcal{A}$在两组基下的矩阵分别为A和B，从前一组基到后一组基的过渡矩阵是X，那么$B=X^{-1}AX$.

相应的定义（相似）：可逆矩阵X，使得$B=X^{-1}AX$，就说A相似于B，记作A~B
性质：自反性、对称性、传递性

定理：线性变换在不同基下的矩阵是相似的，反过来，如果两个矩阵相似，那么它们可以看作同一线性变化在不同基下所对应的矩阵。
证明：前一部分之前的定理已经证明，现在证明后一部分。A看作一线性变换在一组基${\epsilon }_1,...,{\epsilon }_n$下的矩阵，因为$B=X^{-1}AX$，令$({\eta }_1,...,{\eta }_n)=({\epsilon }_1,...,{\epsilon }_n)X$，显然${\eta }_1,...,{\eta }_n$也是一组基，并且在这组基下的矩阵是B。

对角矩阵

定理：$\mathcal{A}$在某组基下为对角矩阵的充要条件是，$\mathcal{A}$有n个线性无关的特征向量。
证明：设$\mathcal{A}$在基${\epsilon }_1,...,{\epsilon }_n$下具有对角矩阵，这就是说$\mathcal{A}{\epsilon }_i={\lambda }_i{\epsilon }_i$，因此${\epsilon }_1,...,{\epsilon }_n$就是$\mathcal{A}$的n个线性无关的特征向量。
反过来，如果有n个线性无关的特征向量，取这作为基，那么在这组基下$\mathcal{A}$的矩阵式对角矩阵。

值域与核

定义：$\mathcal{A}$全体像组成的集合称为$\mathcal{A}$值域，所有被$\mathcal{A}$变成零的向量组成的集合称为核，它们的维数分别称为$\mathcal{A}$的秩和$\mathcal{A}$的零度。

不变子空间

设$\mathcal{A}$是数域P上线性空间V的线性变换，W是V的子空间，如果W中的向量在$\mathcal{A}$下的像仍然在W中，也就是说，对W中任意一向量$\xi$，有$\mathcal{A}\xi \in W$，我们就称W是$\mathcal{A}$的不变子空间。

定理：$\mathcal{A}$的特征多项式$f(\lambda )$可以分解成一次多项式的乘积，则V可分解成不变子空间的直和。

不变因子

定理：等价的$\lambda$-矩阵具有相同的秩与相同的行列式因子（A($\lambda$)中全部k级子式的首项系数为1的最大公因式）
证明：只需证明经过一次初等变换，秩与行列式因子是不变的。

定义：标准形的主对角线上非零元素称为$\lambda -$矩阵的不变因子。

定理：两个$\lambda -$矩阵等价的充要条件是它们有相同的行列式因子，或者，它们有相同的不变因子，因为不变因子是被行列式因子唯一决定的，即$d_r(\lambda )=\frac{D_r(\lambda )}{D_{r-1}(\lambda )}$。

矩阵相似条件

定理：数组矩阵A和B相似的充要条件是它们的特征矩阵$\lambda E-A$和$\lambda E-B$等价。

欧几里得空间

定义：V是实数域上一线性空间，在V上定义了一个二元实函数，称为内积，记作$(\alpha ,\beta )$，它具有以下性质：

1. $(\alpha ,\beta )$=$(\beta ,\alpha )$ 交换
2. $(k\alpha ,\beta )$=$k(\alpha ,\beta )$ 数乘
3. $(\alpha +\beta ,\gamma )$=$(\alpha ,\gamma )+(\beta ,\gamma )$ 分配
4. $(\alpha ,\alpha )\ge 0$，当且仅当$\alpha =0$时，等号成立

这样的线性空间V称为欧几里得空间。

定义：矩阵$A=(a_{ij}{)}_{nn}$，$a_{ij}=({\epsilon }_i,{\epsilon }_j)$称为基${\epsilon }_1,...,{\epsilon }_n$的度量矩阵。
由$(\alpha ,\alpha )=X^{\prime }AX>0$知道度量矩阵是正定的。反之，也可以根据正定矩阵和一组基来规定线性空间上的内积，使得它成为欧式空间。

欧式空间的同构

实数域R上欧式空间$V$与$V^{\prime }$称为同构的，如果由$V$到$V^{\prime }$有一个双射$\sigma$，满足

1. $\sigma (\alpha +\beta )=\sigma (\alpha )+\sigma (\beta )$
2. $\sigma (k\alpha )=k\sigma (\alpha )$
3. $(\sigma (\alpha ),\sigma (\beta ))=(\alpha ,\beta )$

$\sigma$称为$V$到$V^{\prime }$的同构映射

正交矩阵

定义：n级实数矩阵A称为正交矩阵，如果$A^{\prime }A=E$.
由分析，我们可以知道，由标准正交基到标准正交基的过渡矩阵是正交矩阵；反过来，如果第一组基是标准正交基，同时过渡矩阵是标准正交矩阵，那么第二组基也是标准正交基。

正交变化

定义：欧式空间V中的线性变换$\mathcal{A}$称为正交变化，如果它保持向量的内积不变，即对于任意的$\alpha ,\beta \in V$，都有 $(\mathcal{A}\alpha ,\mathcal{A}\beta )=(\alpha ,\beta )$.

定理：刻画正交变换，下面四个等价：

1. $\mathcal{A}$是正交变换
2. $\mathcal{A}$保持向量的长度不变
3. 标准正交基，经过$\mathcal{A}$变换后还是标准正交基
4. $\mathcal{A}$在任一组标准正交基下的矩阵式正交矩阵

实对称矩阵的标准型

定理：对于任意一个n级实对称矩阵A，都存在一个n级正交矩阵T，使得$T^{\prime }AT=T^{-1}AT$成对角形。
做法：

1. 求出A的特征值
2. 找到每个特征值的特征向量
3. 将这n个特征向量正交化，标准化

---

未完待续。。。