线性代数复习-v1

好歹早点睡

已于 2024-09-02 23:54:17 修改

阅读量1.6k

点赞数 21

分类专栏：课程学习文章标签：线性代数

于 2024-08-27 00:17:08 首次发布

本文链接：https://blog.csdn.net/weixin_65447388/article/details/141576214

版权

课程学习专栏收录该内容

4 篇文章 0 订阅

订阅专栏

正文开始之前，“说些废话”，你是否懂“线性代数”的含金量👀，作为保研面试、笔试必问科目top1级别的科目，你可以什么都不复习，线性代数不能不复习！已经遇到n次线代拷打了😥，本人线代94（期中15/20+期末99/100）,哭死，别人期中是为了只有期末别不及格，我是期中拉大分😅

🚀复习一下线性代数的相关知识：

一些推荐的资料（我是基本按照考研的思路进行的准备）：

李永乐考研书、宋老师的课程：《线性代数》教学视频宋浩老师（2024年更新）_哔哩哔哩_bilibili

一、行列式的定义

对于行列式的理解，本质上行列式就是一个运算函数，对于矩阵的运算函数，将矩阵映射成为标量。（行列式是什么？）

二阶行列式= $a_{11}a_{22}-a_{12}a_{21}$ （对角线法则），主对角线，副（次）对角线

三阶行列式的求解一般也使用对角线法则。（低阶行列式怎么求解？什么是对角线法则？）

(一) 克莱姆法则

克莱姆法则的详细内容请转移至第八章，你如果问我为什么上来就有，我只能说克莱姆法则是行列式应用的经典范例，即使用行列式求解方程组问题。

二阶行列式的引入可以用来处理线性方程组的求解问题，如下列方程组：（克莱姆法则是什么？克莱姆法则的作用是什么？）

该方程组的解可以使用行列式进行表示，其中分母部分使用的是方程组等式左部的系数按照顺序构成的行列式，分子部分将对应变量的系数部分替换为等式右部的常数（克莱姆法则 cramer法则）。

二、排列与逆序

n级排列：由1，2，...，n组成的一个有序数组称为一个n级排列

n级排列的个数：n！（n的阶乘），其中奇排列和偶排列的个数各占一半，其实就是 $A_n^n$ ，即将n个元素放置在n个位置的可能性个数

n级标准排列：排列具有自然顺序，就是按递增的顺序排起来的

逆序数：序列中逆序的总数

由n到1排列的序列的逆序数为 $\frac{n(n-1)}{2}$ ，如果n是4k、4k+1为偶排序，是4k+2、4k+3为奇排序

偶排列、奇排列：逆序数的奇偶性

一次对换会更改序列的奇偶性（n级排序一共含有多少种情况？什么是n级标准排列？什么是逆序数？倒置的序列逆序数公式是什么？什么是奇排列和偶排列？）

三、n阶行列式的求解

第一种定义（按行展开）：从不同行不同列取n个元素相乘，行标取标准排列，列标取n级排列的所有可能，符号由列标的奇偶性决定，一共有n ! 项。（n阶行列式如何求解？n阶行列式求解时展开项数是多少？），其实展开项数本质上和n项排列个数一致。

四、行列式的性质

性质1：转置行列式结果不变

性质2：交换行或者交换列，行列式变号（推论：两行、两列相等则行列式值为0）

性质3：用k乘某行所有元素等于用k乘行列式

性质4：D的某一行均为两数之和，则可以表示为两个行列式之和

性质5：将行列式的某行（列）乘参数k加到另一行（列）上，行列式值不变

对称行列式（ $a_{ij}=a_{ji}$ ）、反对称行列式（ $a_{ij}=-a_{ji}$ ）

奇数阶反对称行列式为0，（如何的操作会使得行列式数值不变？如何操作会使得行列式数值变成负数？行列式如何拆分？行列式对于参数的乘和参数提取和矩阵有什么区别？什么是反对称行列式？奇数阶反对称行列式有什么特殊的性质？）

五、行列式按一行（列）展开

余子式、代数余子式，代数余子式相较于余子式会考虑式子的正负号。（什么是余子式和代数余子式，它们的区别是什么？）

余子式在百度百科上定义为：“在n阶行列式中，划去元aij所在的第i行与第j列的元，剩下的元不改变原来的顺序所构成的n-1阶行列式称为元aij的余子式。”，从定义中可以看出余子式本质是行列式。而代数余子式则是在余子式的基础之上添加了符号。

六、按照多行（列）进行展开

k阶子式、代数余子式，代数余子式符号的判断是根据行列数之和的奇偶性。（什么是k阶子式、余子式、代数余子式？k阶代数余子式的符号怎么计算？）

(一) 拉普拉斯定理（Laplace定理）

例题，合理的根据拉普拉斯定理去求解高阶维度的矩阵，比如下面的行列式都是存在“连续块状0”，我们假设这个块状是m×n，那么我们可以取m行，取剩余的m列（一般是行列式的阶数为m+n）（拉普拉斯定理是什么？拉普拉斯定理一般适用于什么情况？）

不集中的0，使用拉普拉斯进行求解：

在这个行列式的求解过程中不可以使用第二行乘-c/a加到第四行，字母不能在分母（字母相当于未知数，未知数就不能当分母，除非分类讨论）。

(二) 特殊的行列式求解

根据拉普拉斯定理求解特殊的行列式，分成主对角线和副对角线两种形式（对于~~对角型（叫对角型好像不太合适）~~如何计算行列式？其中副对角线的符号是怎么计算的？）

七、范德蒙德行列式

范德蒙行列式的形状是什么样的？如何计算范德蒙行列式？

证明使用数学归纳法，自底向上减去上行乘 $x_1$

八、克莱姆法则

克莱姆法则在第一节“行列式的定义”之中有出现，不过就是简单的了解

使用的条件：1. 方程式的个数和未知数的个数相同 2. D（系数行列式）不能为0

使用克莱姆法则求解实例，求解纯方程组的时候不适用方程组（左部），除非特殊的情况（右部，范德蒙行列式+为0）

齐次线性方程组的特性（是否有非零解的问题）

（克莱姆法则作用是什么？适用的方程式有什么特性？齐次的线性方程带入克莱姆法则会发现什么特性？齐次线性方程含有非零解需要满足什么性质？）

九、矩阵

同型矩阵：形状相同/行数和列数相同

矩阵相等：同型矩阵，对应元素相等

零矩阵：所有元素均为0，一般是大写的O斜体表示

行向量和列向量，行向量包含“，”，列向量不包含“，”

负矩阵：矩阵中的每个元素都变为负数

十、矩阵的乘法

矩阵可交换：AB=BA，那么AB是同阶的方阵，不是同阶的方阵一定不可交换

E与任何同阶的方阵可交换，两个同阶的对角阵可交换（什么叫矩阵可交换？）

十一、伴随矩阵、矩阵转置（对称阵、反对称阵）

(一) 伴随矩阵

伴随矩阵是由原矩阵的代数余子式构成的（会多一个转置），按行求，按列放。（如何求解一个矩阵的伴随矩阵？伴随矩阵的求解原理是什么？矩阵和其伴随矩阵相乘的结果是什么样的？伴随矩阵的行列式为多少？若是矩阵乘K则伴随矩阵如何变化？二阶方阵如何快速求解伴随矩阵？）

伴随矩阵的性质：

伴随矩阵相乘可交换
伴随矩阵的行列式
伴随矩阵的转置等于转置的伴随
k倍的A的伴随等于k的n-1次方乘伴随
二阶方阵的伴随（特殊，主对角线交换，副对角线求负数）

(二) 矩阵转置

矩阵的转置：（转置是否影响行列式大小？转置对于两矩阵的基本运算的结果是什么？）

转置不影响行列式的结果
矩阵的转置运算相关公式（包含+-*幂运算）

(三) 对称阵与矩阵转置

对称矩阵和反对称矩阵与转置之间的关系，对称：

加减不影响转置性质
系数倍数+幂次方不影响转置
A，B，AB都对称，与AB=BA是相互等价的
A和A的转置相乘是具有转置性质的

反对称：（什么是反对称？反对称相对于对称的不同点在哪里？反对称矩阵的k阶幂次方一定是反对称的吗？）

加减、系数乘不影响反对称性质
反对称矩阵的幂次方有可能是对称阵也有可能是反对称阵

(四) 方阵的行列式

方阵转置行列式不变
k倍方阵的行列式，k的n次方（行列式阶数）
方阵乘法的行列式等于分别行列式的成乘积（幂次方同理）

十二、逆矩阵

(一) 逆矩阵相关性质

如果矩阵可逆，可逆阵唯一（证明方式为假设存在）（可逆矩阵如何判定，即可逆矩阵的等价条件是什么？可逆矩阵又叫什么矩阵？逆矩阵和伴随矩阵的关系是什么，如何使用伴随矩阵求解逆矩阵？）

可逆矩阵：行列式不为0，非奇异矩阵，满秩，非退化
不可逆矩阵：行列式为0，奇异矩阵，降秩，退化

可逆的判断和求解：根据伴随矩阵

(二) 逆矩阵求解

伴随矩阵法、行变换法、构造法（逆矩阵求解的常用方法有哪些？这些方法如何实现的逆矩阵求解？）

伴随矩阵法求逆矩阵：先根据原矩阵求伴随矩阵，之后将伴随矩阵除矩阵行列式

构造法：只要是满足AB=E，则B就是A的逆

行变换法（初等变换法）：通过对增广矩阵(AE)进行初等行变换，将A化简为单位矩阵E，此时E的位置上的矩阵即为A的逆矩阵。

行变化法的思路就是AB=E，B是A的可逆矩阵，我们在等式两边分别左乘 $A^{-1}$ （左乘等价于做行初等变换），便能得到B= $A^{-1}$ ，这个过程等价于对A和E做等价的初等行变换，将A转化为单位矩阵的同时，E就转化为了 $A^{-1}$ 。

扩展思考：为什么这里只需要行变换即可？？？行变化最简不才是行简化阶梯型矩阵吗，如何确保能化为单位型矩阵？？求解的前提是矩阵A是可逆矩阵，可逆矩阵满秩，因而行简化阶梯型矩阵就为标准型（单位矩阵）。

(三) 逆矩阵的易错使用

矩阵对常数也并没有除法之说，可以表示为乘分数
逆矩阵的符号虽然与变量的-1次方相同，但是使用方式十分不同，不包含逆运算的幂运算
矩阵不能放分母，表示求逆

(四) 利用等式求解某个式子的逆（题型）

这种题型主要是采用凑的方式

(五) 逆矩阵的性质

逆矩阵可逆、转置可逆、系数倍数可逆、伴随可逆、转置伴随逆可以交换先后执行顺序结果不变、幂运算可逆

(六) 矩阵方程

矩阵方程的求解主要是利用了逆矩阵，消除等式左部分的内容

十三、初等变换（新-矩阵九十节）

(一) 初等变换

初等行变换：3个部分 注意：初等变换是箭头（初等行变换包含哪几种操作？）

交换两行
某行变成非零系数倍
某行的系数倍加到另一行

(二) 标准型

从左上角开始连续的1，矩阵的标准形是左上角为单位矩阵, 其余子块为0 的分块矩阵。（什么是矩阵的标准型？标准型矩阵和单位矩阵之间的关系是什么？）

初等行变换+初等列变换可以将矩阵转化为标准类型

(三) 行阶梯型矩阵

判断是否为行阶梯型矩阵包含两种方式：一般使用画阶梯型的方式

(四) 行简化阶梯型矩阵

行简化阶梯型矩阵是可以仅通过行变换就将矩阵转化成为的最简的形式（什么是行阶梯型矩阵？行简化阶梯型矩阵和行阶梯型矩阵之间的关系是什么？）

转化为行简化阶梯型的实例

阶梯型矩阵不唯一，行简化阶梯型唯一（只做初等行变换）

(五) 初等矩阵

由单位矩阵E只做一次初等变换得到的矩阵，三种初等矩阵的表示，E(i j)，E(i(k))，E(i j(l))（什么是初等矩阵？初等矩阵和初等变换之间的关系是什么？初等变换的符号含义是什么？）

一般来讲E(i j)表示交换i行和j行（这里无论是交换行也好，列也好，变化后结果相同），E(i(k))是将i行/列变为k倍数，由于是单位矩阵，其实行列也是一致的，E(i j(l))可以直接认为是（i，j）坐标数值为l，相当于将j行数据加到i行/i列数据加到j列。这里扩展下思维，我们的初等矩阵左乘目标相当于对原矩阵进行行变换，右乘目标则是列变换。如E(i j(l))*A=E(i j(l))对E行操作*E*A=E(i j(l))对E行操作*A。

初等矩阵的性质：

初等矩阵的行列式不为0
初等矩阵的转置仍是同类型的初等矩阵
初等矩阵均可逆，其逆矩阵是同种类型的初等矩阵

初等矩阵左乘=行变换，初等矩阵右乘=列变换

初等矩阵和初等变化等价替换的方式：如果希望对某个矩阵进行初等行变换，只需要对单位阵使用相同的变换方式之后进行左乘；同理，如果希望列变换也是相同的操作，先对单位阵进行同样的列操作，之后右乘

十四、矩阵的秩（2.7节）

k阶子式：k行k列的行列式

秩：非零子式的最高阶数，符号r（矩阵的秩是什么？这个问题面试极其容易被问）

矩阵的秩：非零子式的最高阶数；以列为向量，极大线性无关向量组中向量元素的个数；化为阶梯型矩阵后非零行的个数。

满秩：

矩阵的秩等于阶梯型矩阵非零行的行数，初等变换不改变矩阵的秩

利用秩的性质求解：

秩为3的话，四阶行列式需要满足等于0，同时又得保证有3阶的行列式不为0

矩阵转置不影响矩阵的秩，任何矩阵乘可逆矩阵不影响秩

十五、n维向量及其运算

向量的定义：

向量中的每个元素称为分量

十六、向量的线性关系

(一) 线性组合与向量组等价

线性组合：（什么是向量组、线性组合？向量组等价是什么意思，等价向量组有什么性质？）

线性组合相关的性质：

判断向量是否能由另外的向量组线性表示

向量组等价：两个向量组可以相互表示

向量组等价的性质：反身性，对称性，传递性

(二) 线性相关与线性无关

1. 线性相关和线性无关的定义

线性相关：

线性无关：

所以线性相关和线性无关是判断是否存在一组非零的系数使得结果为0，存在非零解是线性相关，不存在是线性无关（线性相关和线性无关是怎么定义的？）两种定义方式，拿线性无关举例，1. 不存在一组非零系数使得向量组线性和为0。 2.向量组中的任何一个向量无法用其余向量线性表示

2. 线性相关的性质

线性相关有哪些性质？

3. 定理

线性相关等价于至少一个向量可以由其他向量线性表示

替换定理：

十七、向量组的秩

(一) 极大无关组

该向量组线性无关，同时任意的n+1向量组线性相关

若中能选出r个向量，满足: (1)向量组：线性无关； (2) 向量组中任意r+1个向量（若有的话）都线性相关，则称向量组是向量组A的一个极大线性无关组（简称为极大无关组）

任意两个极大无关组，含向量的个数是相同的，极大无关组与向量组等价。

(二) 向量组的秩

向量组的秩：极大无关组含向量的个数

(三) 行秩和列秩

行秩和列秩一定相等
AB的秩小于等于A，B中秩的较小数
初等行变换不改变矩阵列向量组的线性关系（第几列之前是前几列的线性组合，行变换之后依旧是之前的系数）

求极大线性无关组，并且求其他向量和极大线性无关组之间的关系（AB相乘后结果的秩有什么样的性质？）

十八、线性方程组

(一) 线性方程组的有解判定

矩阵和增广矩阵：（什么是增广矩阵？增广矩阵有什么样的应用？）增广矩阵在维基百科中如此解释，但是在求解矩阵逆时使用的初等变换方法中的矩阵其实也可以算作增广矩阵。

（如何根据系数矩阵、增广矩阵的秩判定方程解的个数？这个问题也十分重要，非常容易被问和考察）

唯一解：系数矩阵和增广矩阵的秩相同=未知量的个数

无穷解：系数矩阵和增广矩阵的秩相同<未知量的个数

无解：系数矩阵的秩不等于增广矩阵的秩

可以先判断原始的系数矩阵和增广矩阵秩是否相等，如果相等则有解，之后判断秩是否小于n，小于则有无数的解，等于则有则是仅有一个解；如果两矩阵秩不同，则无解。m是方程的个数，n是未知量的个数。先判断是否有解，之后判断解的个数！像极了求解二元一次方程的步骤🐬

(二) 解线性方程

最后化简之后的行最简阶梯型矩阵是可以认为成为方程重新评估求解的！

十九、齐次线性方程组

齐次线性方程组是特殊的方程组，其扩展矩阵的秩等于原系数矩阵，如果秩等于n，则仅有0解，如果小于n则有无穷解（齐次线性方程组的唯一解情况和零解情况有什么关系？）

二十、方程组解的结构

(一) 齐次方程组的解

两个方程组的解向量的加减结果也是解，解向量的倍数也是解（如何求解齐次方程组的基础解析？）

基础解系的求解，分别将剩余的置为1：

非零行首元素的1对应的x留在左边，将其余的挪到右边，所有的除了左边的x都是自由未知量，依次将自由未知量置为1，列全为0的解果是0

重要的特性：当两个矩阵相乘结果为0矩阵的时候，两个矩阵秩的和是小于等于n的（两矩阵相乘结果的秩有什么性质？）

(二) 非齐次线性方程组解

非齐次线性方程解的性质：（非齐次线性方程组解和齐次线性方程组解之间有什么关系？）

两个非齐次线性方程解的差是齐次线性方程的解
非齐次的解和齐次解的和是非齐次的解

利用这个性质可以间接根据一些特殊的解求解出基础解系

求解非齐次线性方程组：（如何求解非齐次线性方程组的解？）

非齐次线性方程组的解（通解）包含两个部分，一个部分是特解，一个部分是齐次线性方程组的解的线性组合

具体步骤总结：

二十一、矩阵的特征值和特征向量

(一) 特征向量的相关定义和性质

特征值和特征向量的定义（特征值可以为0，特征向量不可以为0）：（什么是特征向量、特征方程、特征多项式、特征值？如何求解特征值和特征向量？）

求解特征值和特征向量是利用的特征多项式和特征方程求解的，因为根据矩阵相乘的性质（AB=0能推导出A或者B的行列式为0）能得到一个特征多项式为0

特征向量的变换

(二) 特征值和特征向量的求解

根据特征方程求解特征值，之后分别讨论特征值对应的特征向量

求解实例

求解特征值和特征向量的题目是重点题型：

题目1：

步骤1：利用特征多项式求解特征值：

代入特征值化为行阶梯型矩阵求解基础解系（特征向量）：

(三) 特征值和特征向量的性质

初等变换是会更改特征值的大小的，但是不会影响行列式的大小（即特征值之积）
特征值的和等于迹的和
特征值之积为行列式大小
转置不影响特征值
不同特征值对应特征向量线性无关
这个性质指的是每一行/列的和均小于1，则每个特征值都小于1（特征值的性质有哪些？矩阵初等变化、转置、线性变化、幂次方、求逆之后特征值如何变化？）

特征值全部小于1的性质：

特征值之和（矩阵的迹）和特征值之积的性质：

互不相同的特征值对应特征向量无关

逆和伴随的特征值

示例：求解伴随矩阵的特征值（注意特征方程左边矩阵前符号应为负数）

利用特征值和积性质求解：

二十二、相似矩阵可对角化条件

相似矩阵的定义和性质（什么叫矩阵相似？矩阵相似和特征值之间有什么关系？）

A，B相似，则AB的特征值相同，但是其逆命题（相同的特征值则AB相似）并不成立

利用性质求解其中的未知量

是否相似于对角形，都是单根，一定相似于对角形

判断矩阵相似对角化是否成立，并且判断转化的矩阵和相似对角之后的矩阵样子（对角化和特征值特征向量之间有什么关系？如何利用特征值和特征向量的定义推导对角化过程？），其实相似对角化过程就是找特征值和特征向量的过程。

因此可以进一步得到具体秩的大小，如果满足相似对角化的话，可以根据重根的数量（特征向量的个数）判断特征矩阵（特征行列式对应的矩阵）对应的秩

根据上面的内容可以发现通过特征值和特征向量就能构造出相似对角化矩阵，那么是不是所有矩阵都可以相似对角化，条件是什么？（矩阵A可以相似对角化的条件是什么？），条件：A有n个线性无关的特征向量。

(一) 矩阵转换（转置和幂）求特征值和特征向量

求解转置的特征值和特征向量

矩阵幂求特征值和特征向量

二十三、实对称矩阵的对角化

实对称矩阵一定可以对角化，并且实对称矩阵可以通过正交对角化（正交矩阵）转化为对角化矩阵

(一) 内积

内积是一个数

内积的性质

(二) 长度（范数、模）

模的性质+正交、正交向量组、标准正交向量组

正交与线性无关之间的关系

(三) 施密特正交化

（施密特正交化如何操作？如何使用图形的方式进行理解？）

其实本质上讲，就是依次确定每个正交向量，利用未处理的向量分别减去向已经得到的正交方向上投影得到的向量，之后得到未被投影方向的一个向量

一般在正交化之后会标准化（如何标准化向量？）

二十四、正交矩阵

正交矩阵（什么是正交矩阵？如何判断一个矩阵为正交矩阵？）正交矩阵一个很大的特性就是转置可以作为逆矩阵。

正交矩阵各向量相互正交，自身与自身相乘结果为1。

二十五、二次型矩阵

二次型矩阵一共包含四个知识点

(一) 二次型矩阵和表达式之间的转化

(二) 标准二次型矩阵的定义和转化

将二次型矩阵转化为标准型矩阵

将二次型转换成为标准形式一共有三种方式：配方法、初等变换、正交替换

1. 配方法转换

依次按照顺序配方，对于交叉项先统一提取公因式

替换的时候一定是将用新参数替换老参数

对于不含二次方形式的公式，先将之前的变量替换为新变量，构造出含有二次方的公式

2. 初等变换法

初等变换的方式是将A列变换和行变换，同时对单位矩阵进行相同的列变换，之后A得到的就是标准型对应的矩阵，单位阵得到的就是矩阵C

正惯性指数和负惯性指数

3. 正交替换

找特征向量组成的矩阵之后转化为正交相似矩阵

(三) 合同的定义和性质

什么是合同？

(四) 等价、相似、正交相似、合同之间的关系

正交相似、相似、合同、等价分别是怎么定义的？它们之间有什么关系？

二十六、有定性

有定性包含几个情况，正定、负定、半正定、半负定，其判断的方式就是在x不为0的情况下，多项式的结果的正负性（什么叫正定？如何判定正定？）

示例判断

二十七、有定性的判断

正定矩阵经过线性替换之后仍为正定矩阵

正定的判断：一般是使用特征值>0，或者是顺序主子式均大于0

正定的性质

二十八、线性空间

基本定义及概念

基本的性质

二十九、基坐标、维数、坐标

(一) 过渡矩阵

三十、持续刷题

（一）实对称矩阵

实对称矩阵一个重要的性质就是其能相似对角化，也就代表其一定含有n个特征向量，也必然能使用特征向量的性质，从而能推导出特征值的所有可能，根据秩的大小便能进一步推导出结果。