• 线性代数期末大总结I


    行列式

    n阶行列式的计算:

    [left|egin{matrix}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{matrix} ight|=sum(-1)^{t}a_{1p_1}a_{2p_3}cdots a_{np_n} ]

    其中t为排列(p_1p_2p_3 cdots p_n)的逆序数,由于这样的排列共有(n!)个,所以n阶行列式共有(n!)项。
    行列式的性质:

    • 行列式与他的转置行列式相等

    • 对换行列式的两行/列,行列式变号

      可推出:如果行列式有两行/列完全相等,则行列式等于0

    • 行列式的某一行/列中多有元素乘以k,等于k乘以此行列式

    • 行列式中如果有两行/列元素成比例,则此行列式等于0

    • 把行列式的某一行/列元素同乘以某数k,再加到另一行/列对应元素上,行列式不变

    • 如下:

      [若D=left|egin{matrix}a_{11} & a_{12} & cdots & a_{1n} \vdots & vdots & & vdots \a_{i1}+a_{i1}^, & a_{i2}+a_{i2}^, & cdots & a_{in}+a_{in}^, \vdots & vdots & & vdots \a_{n1} & a_{n2} & cdots & a_{nn}end{matrix} ight| ]

    [则D=left|egin{matrix}a_{11} & a_{12} & cdots & a_{1n} \vdots & vdots & & vdots \a_{i1} & a_{i2} & cdots & a_{in} \vdots & vdots & & vdots \a_{n1} & a_{n2} & cdots & a_{nn}end{matrix} ight|+left|egin{matrix}a_{11} & a_{12} & cdots & a_{1n} \vdots & vdots & & vdots \a_{i1}^, & a_{i2}^, & cdots & a_{in}^, \vdots & vdots & & vdots \a_{n1} & a_{n2} & cdots & a_{nn}end{matrix} ight| ]

    行列式等于它的任一行/列各个元素与其对应得代数余子式乘积得和。

    矩阵的运算

    矩阵的一般运算

    • 矩阵加法:两同型矩阵对应元素相加。

    • 数与矩阵相乘:等于该矩阵所有元素同乘该数。

    • 矩阵与矩阵相乘:如(AB)结果的第i行j列元素为A的i行与B的j列对应元素相乘再相加。

    • 矩阵的转置:

      [(A^T)^T=A\ (A+B)^T=A^T+B^T\ (lambda A)^T=lambda A^T\ (AB)^T=B^TA^T ]

    • 方阵的行列式:

    [|A^T|=|A|\ |lambda A|=lambda^n|A|\ |AB|=|A||B| ]

    伴随矩阵:

    其中(A_{ij})(|A|)的代数余子式

    [矩阵A的伴随矩阵A^*= left[ egin{matrix} A_{11} & A_{21} & cdots & A_{n1} \ A_{12} & A_{22} & cdots & A_{n2} \ vdots & vdots & & vdots \ A_{1n} & A_{2n} & cdots & A_{nn} \ end{matrix} ight] \ 可得:AA^*=A^*A=|A|E ]

    逆矩阵

    定义:对于n阶矩阵A,如果有一个n阶矩阵B使得(AB=BA=E),那么称A可逆,B为A的逆矩阵。

    • 若A可逆,则(|A| eq 0)

    • (|A| eq 0),则:

      [A^{-1}=frac{A^*}{|A|} ]

    (|A|=0)时,A称为奇异矩阵,否则称为非奇异矩阵。由以上两定理可知:

    A是可逆矩阵的充分必要条件是(|A| eq 0),即可逆矩阵就是非奇异矩阵。

    逆矩阵满足下述运算规律:

    [(A^{-1})^{-1}=A \ (lambda A)^{-1}=frac{A^{-1}}{lambda} \ (AB)^{-1}=B^{-1}A^{-1} ]

    逆矩阵的初步运用

    (varphi (A)=a_0E + a_1A + cdots + a_mA^m)为矩阵A的m次多项式。

    • 如果(A=PLambda P^{-1}),则(A^k = PLambda^kP^{-1}),从而:

      [egin{align} varphi(A) & = a_0E + a_1A + cdots + a_mA^m \ & = Pa_0EP^{-1} + Pa_1Lambda P^{-1} + cdots + Pa_mLambda^m P^{-1} \ & = P(a_0E + a_1Lambda + cdots + a_mLambda^m)P^{-1} \ & = P varphi(Lambda)P^{-1} end{align} ]

    • 如果(Lambda = diag(lambda_1,lambda_2,cdots,lambda_n))为对角矩阵,则(Lambda^k = diag(lambda_1^k,lambda_2^k,cdots,lambda_n^k)),从而:

      [egin{align}varphi(Lambda)& = a_0E + a_1A + cdots + a_mA^m\& = left[egin{matrix} varphi(lambda_1) \ &varphi(lambda_2)\ &&ddots\ &&&varphi(lambda_n)end{matrix} ight]end{align} ]

    克拉默法则

    • 如果线性方程的系数矩阵A的行列式不等于零,则方程组有唯一解:

      [x_n = frac{|A_n|}{|A|} ]

    分块矩阵

    • 转置:

    [A=left[egin{matrix}A_{11} & cdots & A_{1r}\vdots & & vdots\A_{s1} & cdots & A_{sr}\end{matrix} ight]\A^T=left[egin{matrix}A_{11}^T & cdots & A_{s1}^T\vdots & & vdots\A_{1r}^T & cdots & A_{sr}^T\end{matrix} ight] ]

    • 分块对角矩阵:(A_i)是方阵,则如下A分块矩阵为分块对角矩阵

    [A=left[egin{matrix}A_{1} \& A_2\& & ddots\& & & A_send{matrix} ight] ]

    分块对角矩阵有如下性质:

    [|A|=|A_1||A_2|cdots|A_s|\A^{-1}=left[egin{matrix}A_{1}^{-1} \& A_2^{-1}\& & ddots\& & & A_s^{-1}end{matrix} ight] ]

    矩阵的初等变换与线性方程组

    矩阵的初等变换

    • 如果矩阵A经过有限次初等行变换变成矩阵B,则称矩阵A与B行等价

    • 如果矩阵A经过有限次初等列变换变成矩阵B,则称矩阵A与B列等价

    • 如果矩阵A经过有限次初等变换变成矩阵B,则称矩阵A与B等价

    • 由单位矩阵经过一次初等变换得到的矩阵称为初等矩阵,初等矩阵可逆,有限个可逆矩阵乘积仍然可逆。

    行阶梯形矩阵:非零行在零行上面,非零行的首非零元素所在列在上一行的首非零元素所在列的右面。
    行最简形矩阵:非零行的首非零元为1,首非零元所在的列的其余元均为0。

    方阵A可逆的充要条件是存在有限个初等矩阵(P_1P_2cdots P_l)使得(A=P_1P_2cdots P_l)

    可推出:方阵A可逆的充要条件是A与E行等价

    矩阵的秩

    K阶子式与秩:在m行n列的矩阵A中,任取k行k列,位于这些行列交叉处的元素,不改变相对位置而得到的K阶行列式,称为A的k阶子式。A的最高阶子式设为r阶子式,那么r就为A的秩 ,记作R(A)=r

    • 如果A行等价B,则A与B中非零子式的最高阶数相等。

    • (R(A)=R(A^T))

    • 可逆矩阵又称满秩矩阵,不可逆矩阵又称为降秩矩阵。

    • 初等变换作为一种运算,其深刻意义在于不改变矩阵的秩。

    性质(不完全):

    • (R(A+B) leq R(A)+R(B))
    • (R(AB) leq min{R(A), R(B)})
    • (A_{m,n}B_{n,l}=O),则(R(A) + R(B) leq n)
    • (AB=O)且A为满秩矩阵,则(B=O)

    线性方程组的解

    n元线性方程组(Ax=b)

    • 无解充要条件是(R(A)<R(A,b))
    • 唯一解充要条件(R(A)=R(A,b)=n)
    • 无穷解充要条件(R(A)=R(A,b)<n)
    1. (Ax=0)有非零解的充要条件是(R(A)<n)
    2. 矩阵方程(AX=B)有解的充要条件是(R(A)=R(A,B))
    3. (AB=C),则(R(C)leq min{R(A), R(B)})

    第二部分地址:https://www.cnblogs.com/xxmmqg/p/12897654.html

  • 相关阅读:
    AutoCAD 命令统计魔幻球的实现过程(2)
    Autodesk 首届中国开发者夏令营将在6月1920在北京举行
    AutoCAD 命令统计魔幻球—AutoCAD + Windows Azure + WebGL
    AutoCAD 命令统计魔幻球的实现过程(4)
    小提示:Eclipse 中快速实现或Override基类或接口中的方法
    AutoCAD 2014 新特性概览
    Autodesk Infrastructure Map Server(AIMS)/MapGuide API 培训材料第1章
    AutoCAD 2014 新特性针对开发人员
    Civil 3D 2013利用API把三角网曲面提取为栅格网
    AutoCAD 命令统计魔幻球的实现过程(3)
  • 原文地址:https://www.cnblogs.com/xxmmqg/p/12896498.html
Copyright © 2020-2023  润新知