线性代数复习公式整理(自用/持续更新)

第一章 行列式

设A、B为n阶矩阵

∣ A T ∣ = ∣ A ∣ \left | A^T \right | =\left | A \right | AT =∣A∣
∣ A m ∣ = ∣ A ∣ m \left | A^m \right | =\left | A \right | ^m ∣Am∣=∣A∣m
∣ k A ∣ = k n ∣ A ∣ \left | kA \right | =k^n\left | A \right | ∣kA∣=kn∣A∣
∣ A B ∣ = ∣ A ∣ ∣ B ∣ \left | AB \right | =\left | A \right | \left | B \right | ∣AB∣=∣A∣∣B∣
若 A 可逆,则 ∣ A − 1 ∣ = 1 ∣ A ∣ 若A可逆,则\left | A^{-1} \right | =\frac{1}{\left | A\right | } 若A可逆,则 A−1 =∣A∣1
∣ A ∗ ∣ = ∣ A ∣ n − 1 \left | A^* \right | =\left | A \right | ^{n-1} ∣A∗∣=∣A∣n−1
A A ∗ = A ∗ A = ∣ A ∣ E AA^*=A^*A=\left | A \right | E AA∗=A∗A=∣A∣E
A ∗ = ∣ A ∣ A − 1 ( 若 A 可逆 ) A^*=\left | A \right | A^{-1}(若A可逆) A∗=∣A∣A−1(若A可逆)
A = ∣ A ∣ ( A ∗ ) − 1 A=\left | A \right | (A^*)^{-1} A=∣A∣(A∗)−1
∣ A 1 A 2 A 3 ∣ = A 1 A 2 A 3 , ∣ A 1 A 2 A 3 ∣ = − A 1 A 2 A 3 \begin{vmatrix}A_1 & & \\ & A_2 & \\ & &A_3 \end{vmatrix}=A_1A_2A_3, \begin{vmatrix} & &A_1 \\ & A_2 & \\A_3 & & \end{vmatrix}=-A_1A_2A_3 A1A2A3 =A1A2A3, A3A2A1 =−A1A2A3

设A为n阶矩阵,B为m阶矩阵,根据拉普拉斯展开定理有

∣ A 0 0 B ∣ = ∣ A C 0 B ∣ = ∣ A 0 C B ∣ = ∣ A ∣ ∣ B ∣ \begin{vmatrix}A & 0\\0 &B \end{vmatrix}=\begin{vmatrix}A & C\\0 &B \end{vmatrix}=\begin{vmatrix}A & 0\\C &B \end{vmatrix}=\left | A \right | \left | B \right | A00B = A0CB = AC0B =∣A∣∣B∣
∣ 0 A B 0 ∣ = ∣ C A B 0 ∣ = ∣ 0 A B C ∣ = ( − 1 ) m n ∣ A ∣ ∣ B ∣ \begin{vmatrix}0 & A\\B &0 \end{vmatrix}=\begin{vmatrix}C & A\\B &0 \end{vmatrix}=\begin{vmatrix}0 & A\\B &C \end{vmatrix}=(-1)^{mn}\left | A \right | \left | B \right | 0BA0 = CBA0 = 0BAC =(−1)mn∣A∣∣B∣

第二章 矩阵

矩阵转置的性质

( A T ) T = A (A^T)^T=A (AT)T=A
( k A ) T = k A T (kA)^T=kA^T (kA)T=kAT
( A ± B ) T = A T ± B T (A\pm B)^T=A^T\pm B^T (A±B)T=AT±BT
( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT
( A − 1 ) T = ( A T ) − 1 (A^{-1})^T=(A^T)^{-1} (A−1)T=(AT)−1
( A T ) m = ( A m ) T (A^T)^m=(A^m)^T (AT)m=(Am)T

矩阵伴随的性质

A ∗ = ∣ A ∣ A − 1 ( 若 A 可逆 ) A^*=\left | A \right | A^{-1}(若A可逆) A∗=∣A∣A−1(若A可逆)
A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{\left | A \right | } A^* A−1=∣A∣1A∗
( A T ) ∗ = ( A ∗ ) T (A^T)^*=(A^*)^T (AT)∗=(A∗)T
( k A ) ∗ = k n − 1 A ∗ (kA)^*=k^{n-1}A^* (kA)∗=kn−1A∗
( A B ) ∗ = B ∗ A ∗ (AB)^*=B^*A^* (AB)∗=B∗A∗
( a b c d ) ∗ = ( d − b − c a ) \begin{pmatrix} a & b\\ c&d \end{pmatrix}^*=\begin{pmatrix} d & -b\\ -c&a \end{pmatrix} (acbd)∗=(d−c−ba)

相关推荐
九州ip动态11 小时前
自媒体工作室如何矩阵?自媒体矩阵养号策略
线性代数·矩阵·媒体
田梓燊11 小时前
数学复习笔记 19
笔记·线性代数·机器学习
田梓燊1 天前
数学复习笔记 12
笔记·线性代数·机器学习
jerry6092 天前
LLM笔记(六)线性代数
笔记·学习·线性代数·自然语言处理
田梓燊2 天前
数学复习笔记 14
笔记·线性代数·矩阵
田梓燊2 天前
数学复习笔记 15
笔记·线性代数·机器学习
Magnum Lehar2 天前
3d游戏引擎的math矩阵实现
线性代数·矩阵·游戏引擎
HappyAcmen3 天前
线代第二章矩阵第九、十节:初等变换、矩阵的标准形、阶梯形与行最简阶梯形、初等矩阵
笔记·学习·线性代数·矩阵
人类发明了工具3 天前
【优化算法】协方差矩阵自适应进化策略(Covariance Matrix Adaptation Evolution Strategy,CMA-ES)
线性代数·算法·矩阵·cma-es
赵青临的辉3 天前
基础数学:线性代数与概率论在AI中的应用
人工智能·线性代数·概率论