线性代数知识点搜刮

求你别考太细...

目录

异乘变零定理

[行列式转置 值不变](#行列式转置 值不变)

重要关系

中间相等,取两头

特征值公式

[向量正交 = 点积为0](#向量正交 = 点积为0)

拉普拉斯定理

矩阵的秩

特征值和特征向量

[|A|=特征值的乘积 & tr(A)=特征值的和](#|A|=特征值的乘积 & tr(A)=特征值的和)

要记要背

增广矩阵


异乘变零定理

某行(列)元素与另一行(列)元素的代余子式乘积之和为0

3 * (-2) + 0 * 5 + 1 * 1 + 3 * x = 0

行列式转置 值不变

重要关系

中间相等,取两头

特征值公式

向量正交 = 点积为0

a = (x,y,z) b = (c ,d ,e)

结果为:xc + yd + ze = 0

拉普拉斯定理

行列式的计算:行列式可以按照任意一行(或列)展开,将其元素与对应的k阶代数余子式相乘后求和,得到的总和即为行列式的值。

代余子式:A

矩阵的秩

个人理解:

满秩就是没有一整行都是0的情况,同样道理,秩小的话,就说明有比较多零行。

我们又知道,AB,就是对A进行运算,对零是运算不了的,相当于无懈可击。所以,最终决定权在秩小这里。

特征值和特征向量

有多少个自由向量,就要赋几次值

|A|=特征值的乘积 & tr(A)=特征值的和

这都是针对一个n × n 的方阵A

要记要背

增广矩阵

相关推荐
阿Y加油吧9 小时前
力扣打卡——搜索二维矩阵、相交链表
线性代数·leetcode·矩阵
qq_2837200510 小时前
WebGL基础教程(十四):投影矩阵深度解析——正交 vs 透视,从公式推导到实战
线性代数·矩阵·webgl·正交·投影
wyiyiyi1 天前
【线性代数】对偶空间与矩阵转置及矩阵分解(Java讲解)
java·线性代数·支持向量机·矩阵·数据分析
爱喝热水的呀哈喽2 天前
py读取dat/plt
线性代数
Eloudy2 天前
矩阵算子 A 与矩阵算子 B 的 相对熵
线性代数·矩阵·量子计算
AI科技星3 天前
基于空间光速螺旋归一化的动力学方程推导与数值验证
人工智能·线性代数·算法·机器学习·平面
罗罗攀3 天前
PyTorch学习笔记|张量的线性代数运算
人工智能·pytorch·笔记·学习·线性代数
无水先生3 天前
理解线性代数的对偶性质
线性代数
历程里程碑4 天前
链表-----
数据结构·线性代数·算法·链表·矩阵·lua·perl
优思学苑4 天前
优思学院:QC新七大手法之「矩阵图法」是?
线性代数·矩阵