考研线性代数考点总结

一.行列式

1.数字型行列式

  • 数字行列式的计算
  • 含零子式的分块计算

2.行列式的性质

  • |A|=|A^T|
  • 交换行列,行列式的值变号
  • 含公因子的提出或乘进去
  • 把某行的K倍加到另一行,行列式的值不变。
  • 行列式可以根据某一行或某一列分拆

3.抽象行列式

  • n阶或高阶行列式

    常规的重点行列式一定要掌握

  • 含有具体数字,有可能展开或递归

  • 一般把含有相同的划到一边组合再计算

4.计算性质

|A*|=|A|n-1

|A**|=|A|(n-1)方

一个矩阵为正交矩阵,并且行列式的值<0,则它的特征值必有-1.

二.矩阵

1.矩阵的基本运算

经典例题:

  • A的秩为1
  • (E+A)n 的二项式定理展开
  • |A|n
  • 二项式定理展开系数求和

例题请看世纪高教视频。

2.矩阵的幂运算

一般会用到P-1 BP的累乘

3.矩阵的初等变换

矩阵A经过有限次初等变化得到B,则A和B是等价的;等价带来的关系只有同时可逆、秩相同、行列式值相等,不包括特征值的对应关系。(所以在矩阵里,相似比等价"大"的地方就是相似的两个矩阵对应的特征值也相等)

4.伴随矩阵和可逆矩阵

  • 注意伴随矩阵和原矩阵的元素对应关系
  • 一般涉及到添加单位矩阵参与化简运算
  • 几个公式要记劳

小技巧:求某些矩阵运算后的行列式的值,不要被行列式影响,先取"绝对值"里面的矩阵运算化简,一般都是抽象矩阵,化简对了结果就出来了
秩的重要(易遗忘性质):

  • |r(A)-r(B)|<=r(A+/-B)<=r(A)+r(B)

5.矩阵方程

参考后面的线性方程组这一部分

三.向量

1.向量的运算

  • 加法(减法看成负数的加法)
  • 数乘(除法看作分数的乘法)
  • 内积(向量的独特运算)
  • 向量正交(内积为0)

2.线性相关问题

也可以理解为线性无关问题

  • 定义:零解非零解的讨论(用的少,便于理解而已)

  • 秩:

    满秩===》线性无关

    不满秩===》线性相关

  • 行列式:

    由秩可以提出来:

    • |A|=0,线性相关
    • |A|!=0,线性无关

重要结论:

  • n+1个n维向量必线性相关

  • 线性相关本来是两个或多个向量之间关系的概念,但如果只有一个向量,非要说线性无关的概念,那么有一个0向量线性相关,一个非0向量线性无关。(一般不这么说)

  • 一组向量新加向量,其相关可能性变大;一组向量新加元素,其无关可能性变大。

  • 等价的向量组有相同的秩,但秩相同的向量组不一定等价

一个关系:两向量正交一定线性无关,而线性无关未必正交。

3.线性表示问题

可以理解到后面的线性向量组解的问题

  • 唯一表示:r(A)=r(A|b)=n
  • 多种表示:r(A)=r(A|b)<n
  • 不能表示:r(A)<r(A|b)

4.极大线性无关组

秩主元所在的向量构成一个极大线性无关组

四.线性方程组

1.齐次线性方程组

首先,理解一下概念:

  • 方程组的一般形式和向量形式

  • 方程组的解(有解或无解能有什么关系)

  • 基础解系与通解

    基础解系是一个代表,而通解包含所有的基础解系

  • 基础解系向量个数

    基础解系的向量个数+r(A)=n(未知量的个数)

    这里n在一般形式中就是x的个数,在向量形式中一般就是列数

2.非齐次线性方程组

有解的条件:

  • 有唯一解
  • 有无穷解
  • 无解

对应第三部分的线性表示问题
解的性质:

  • 齐次的解+非齐次的解仍是非齐解
  • 非齐次的通解结构为对应的齐次通解+非齐次方程的一个特解
  • 求特解时,选择自由变量全取0,可以得到对应的一个特解

这里面的核心问题就是这两个对应的知识点,一个是解的存在条件,一个是求通解。

五.特征值、特征向量、相似矩阵

1.特征值与特征向量

  • n阶矩阵也就是(方阵)才有特征值
  • 特征向量不为0

步骤:

  • 1.求特征值

    快速方法都是行与列的结合,如果只单纯行变化,会感觉计算非常复杂

  • 2.根据特征值求对应的特征向量

    总爱忘了,它是根据对应 特征值的齐次方程组求解特征向量

2.相似矩阵

相似矩阵的性质:

  • 1.自身性:A~A
  • 2.对称性:A~B ====> B~A
  • 3.传递性

3.正交矩阵

  • 定义:A*AT =AT *A=E

  • A是正交矩阵,其行列式的值为1或-1。

  • A是正交矩阵,其逆矩阵、伴随矩阵也是正交矩阵

  • 若A、B都是正交矩阵,则AB和BA也都是正交矩阵

4.实对称阵

  • 都是实数
  • 对称矩阵

跟普通方阵相比,普通方程的特征值可能是复数,而实对称阵的特征值一定是实数。

对比点 普通方阵 实对称阵
特征值 可能复数 一定实数
不同特征值对应的特征向量 线性无关 线性无关+相互正交
相似对角化 不一定 一定
正交相似对角化 不能

正交相似对角化:相似对角化矩阵是正交矩阵

六.二次型

1.二次型的标准化(配方法)

  • 1.令x1=y1+y2,x2=y1-y2,x3=y3,化简(若含有平方项可跳过)
  • 2.配x1
  • 3.配x2
  • 4.配x3
  • 5.描述可逆线性变换和最后的二次型标准型

2.二次型的标准化(正交变换法)

  • 1.写出二次型的矩阵形式
  • 2.求出矩阵的特征值
  • 3.求出对应特征值的特征向量
  • 4.正交化、单位化
  • 5.写出最后的可逆线性变化

3.惯性定理与矩阵合同

可逆线性变换不改变二次型的正负惯性指数

A可逆线性变换得到B,则AB合同

2021年真题笔记


  • 选3:泰勒展开式
  • 选4:0到1上积分的极限表达式
  • 选7:分块矩阵秩的理解
  • 填3:积分的奇偶性、对称性
  • 填4:欧拉方程(冷门)
  • 填5:抽象行列式计算问题
相关推荐
AI科技星1 小时前
基于v=c空间本底光速螺旋运动的宏观力方向第一性原理推导:太阳系与地球系统的全维度观测验证
人工智能·线性代数·算法·机器学习·平面
Tisfy2 小时前
LeetCode 1622.奇妙序列:懒更新
数学·算法·leetcode·题解·设计
老陈头聊SEO5 小时前
AI赋能的SEO关键词布局优化策略分析
其他·搜索引擎·seo优化
Rorsion6 小时前
对矩阵的理解
线性代数·矩阵
三伏5226 小时前
控制理论前置知识——相平面数学基础1(理论部分)
线性代数·控制原理
Shining059615 小时前
CUDA 编程系列(三)《内存模型与规约优化》
人工智能·学习·其他·学习方法·infinitensor
Shining059618 小时前
AI编译器系列(二)《AI 编译器中的前端优化》
人工智能·学习·其他·学习方法·infinitensor
老陈头聊SEO20 小时前
AI与SEO关键词优化融合的新趋势与策略分析
其他·搜索引擎·seo优化
passxgx1 天前
12.3 多维高斯分布与加权最小二乘法
线性代数·算法·最小二乘法
闻缺陷则喜何志丹1 天前
【巴什博弈 线性筛】P8901 [USACO22DEC] Circular Barn S|普及+
c++·数学·洛谷·巴什博弈·线型筛