向量、矩阵、张量
向量:一维数组
矩阵:二维数组
张量:N 维数组 什么是张量(tensor)?
特殊矩阵
对角矩阵 [ a 11 0 0 0 a 22 0 0 0 a 33 ] \begin{bmatrix} a_{11} & 0 & 0 \\ 0 & a_{22} & 0 \\ 0 & 0 & a_{33} \\ \end{bmatrix} ⎣⎡a11000a22000a33⎦⎤
单位矩阵 [ 1 0 0 0 1 0 0 0 1 ] \begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \\ \end{bmatrix} ⎣⎡100010001⎦⎤
行列式(determinant)
根据 某考研视频,行列式定义如下:
∣ a 11 a 12 a 21 a 22 ∣ = a 11 a 22 − a 12 a 21 \begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{vmatrix} = a_{11}a_{22} -a_{12}a_{21} ∣∣∣∣a11a21a12a22∣∣∣∣=a11a22−a12a21
∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ = a 11 a 22 a 33 + a 12 a 23 a 31 + a 21 a 32 a 13 − a 13 a 22 a 31 + a 12 a 21 a 33 + a 23 a 32 a 11 \begin{vmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \\ \end{vmatrix} = a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{21}a_{32}a_{13}-a_{13}a_{22}a_{31}+a_{12}a_{21}a_{33}+a_{23}a_{32}a_{11} ∣∣∣∣∣∣a11a21a31a12a22a32a13a23a33∣∣∣∣∣∣=a11a22a33+a12a23a31+a21a32a13−a13a22a31+a12a21a33+a23a32a11
二阶行列式由2个二维向量( ( a 11 , a 12 ) (a_{11}, a_{12}) (a11,a12) 与 ( a 21 , a 22 ) (a_{21}, a_{22}) (a21,a22))组成,其结果为两个向量为邻边的平行四边形的面积
三阶行列式由3个三维向量组成,其结果为三个向量为邻边的平行六面体的体积
对上述情形进行扩展:
∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots\\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} ∣∣∣∣∣∣∣∣∣a11a21⋮an1a12a22⋮an2⋯⋯⋯a1na2n⋮ann∣∣∣∣∣∣∣∣∣ n n n 阶行列式由 n n n 个 n n n 维向量组成,其结果是以这 n n n 个向量的 n n n 维图形的 n n n 维体积
为方便起见,定义 D n × n = ∣ A n × n ∣ D_{n\times n} = \begin{vmatrix} A_{n\times n}\end{vmatrix} Dn×n=∣∣An×n∣∣
行列式有以下性质
- 某行元素全为零 ⇒ \Rightarrow ⇒ D = 0 D=0 D=0
- 两行元素对应成比例 ⇒ \Rightarrow ⇒ D = 0 D=0 D=0
- 交换两行元素 ⇒ \Rightarrow ⇒ D D D 变号
(互换)
- 某行元素乘以 k k k ⇒ \Rightarrow ⇒ D D D 乘以 k k k
(倍乘)
- 某行元素乘以 k k k 后加到另一行 ⇒ \Rightarrow ⇒ D D D 不变
(倍加)
- 单行可拆 ⇒ \Rightarrow ⇒ 只有一行元素不同的行列式可以相加
(可加性)
- 以上行的性质均适用于列
行列式有以下重要结论
- 当 D ≠ 0 D \neq 0 D̸=0 时,向量之间相互独立
(线性无关)
- 当 D = 0 D = 0 D=0 时,向量中至少一个多余
(线性相关)
###矩阵(matrix)
根据 某考研视频,矩阵的本质为:
表面上,是一个表达系统信息的数表
本质上,用秩来研究矩阵
秩的定义
给出 A m × n A_{m\times n} Am×n 若有
{ ∃ k 阶 子 式 不 为 0 ⇒ ∃ k 个 独 立 向 量 ∀ k + 1 阶 子 式 全 为 0 ⇒ ∀ k + 1 个 向 量 中 至 少 有 一 个 多 余 \left\{ \begin{aligned} \exists\ k\ 阶子式不为 0 &\ \Rightarrow\ \exists\ k\ 个独立向量\\ \forall\ k+1\ 阶子式全为 0 &\ \Rightarrow\ \forall\ k+1\ 个向量中至少有一个多余 \\ \end{aligned} \right. { ∃ k 阶子式不为0∀ k+1 阶子式全为0 ⇒ ∃ k 个独立向量 ⇒ ∀ k+1 个向量中至少有一个多余 有且仅有 k k k 个独立向量独立,故秩是组成 A A A 的独立向量的个数, A A A 的秩 表示为 r ( A ) = k r(A)=k r(A)=k,
考察一种特殊形式的矩阵——阶梯矩阵
A = [ a 11 a 12 a 13 0 a 22 a 13 0 0 a 33 ] B = [ 1 0 a 13 0 1 0 0 0 1 ] A = \begin{bmatrix} a_{11} & a_{12} & a_{13} \\ 0 & a_{22} & a_{13} \\ 0 & 0 & a_{33} \end{bmatrix} \\ B = \begin{bmatrix} 1 & 0 & a_{13} \\ 0 & 1 & 0 \\ 0 & 0 & 1 \\ \end{bmatrix} A=⎣⎡a1100a12a220a13a13a33⎦⎤B=⎣⎡1