线性代数复习笔记

∣ A ∣ = ∑ j = 1 n a i j A i j ( i = 1 , 2 , . . . , n ) = ∑ i = 1 n a i j A i j ( j = 1 , 2 , . . . , n ) ; A i j = ( − 1 ) i + j M i j . |A|=\sum_{j=1}^na_{ij}A_{ij}\ (i=1,2,...,n)=\sum_{i=1}^na_{ij}A_{ij}\ (j=1,2,...,n);\ A_ij=(-1)^{i+j}M_{ij}. ∣A∣=∑j=1naijAij (i=1,2,...,n)=∑i=1naijAij (j=1,2,...,n); Aij=(−1)i+jMij.
∑ j = 1 n a i j A k j = ∑ i = 1 n a i j A i k = 0 , i ≠ k . \sum_{j=1}^na_{ij}A_{kj}=\sum_{i=1}^na_{ij}A_{ik}=0,\ i\ne k. ∑j=1naijAkj=∑i=1naijAik=0, i=k.

副对角线: ∣ B n ∣ = ( − 1 ) n ( n − 1 ) 2 ∏ i = 1 n b i , n + 1 − i |B_n|=(-1)^\frac{n(n-1)}{2}\prod_{i=1}^nb_{i,n+1-i} ∣Bn∣=(−1)2n(n−1)∏i=1nbi,n+1−i.

范德蒙: ∣ D n ∣ = ∏ 1 ≤ j ≤ i ≤ n ( x i − x j ) |D_n|=\prod_{1\leq j\leq i\leq n}(x_i-x_j) ∣Dn∣=∏1≤j≤i≤n(xi−xj).

矩阵: n × n n\times n n×n 方阵构成有零因子非交换环; 单位元 ∣ E ∣ = 1 |E|=1 ∣E∣=1; 零因子 ∣ Z ∣ = 0 |Z|=0 ∣Z∣=0.

反对称: a i j + a j i = 0    ⟹    a i i = 0 a_{ij}+a_{ji}=0\implies a_{ii}=0 aij+aji=0⟹aii=0.

转置: a i j T = a j i a^T_{ij}=a_{ji} aijT=aji; ( A + B ) T = A T + B T (A+B)^T=A^T+B^T (A+B)T=AT+BT; ( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT.

逆元: A A − 1 = A − 1 A = E    ⟺    ∣ A ∣ ≠ 0 AA^{-1}=A^{-1}A=E\iff |A|\ne 0 AA−1=A−1A=E⟺∣A∣=0; ∣ A − 1 ∣ = ∣ A ∣ − 1 |A^{-1}|=|A|^{-1} ∣A−1∣=∣A∣−1; A − 1 = ∣ A ∣ − 1 A ∗ A^{-1}=|A|^{-1}A^* A−1=∣A∣−1A∗; ( A B ) − 1 = B − 1 A − 1 (AB)^{-1}=B^{-1}A^{-1} (AB)−1=B−1A−1.

A ∣ E \] → ∏ i = 1 k Q k \[ E ∣ A − 1 \] \[A\|E\]\\xrightarrow\[\]{\\prod_{i=1}\^kQ_k}\[E\|A\^{-1}\] \[A∣E\]∏i=1kQk \[E∣A−1\]. 伴随: A A ∗ = A ∗ A = ∣ A ∣ E AA\^\*=A\^\*A=\|A\|E AA∗=A∗A=∣A∣E; ∣ A ∗ ∣ = ∣ A ∣ n − 1 \|A\^\*\|=\|A\|\^{n-1} ∣A∗∣=∣A∣n−1; A ∗ = ∣ A ∣ A − 1 A\^\*=\|A\|A\^{-1} A∗=∣A∣A−1; ( A ∗ ) ∗ = ∣ A ∣ n − 2 A ( n ≥ 2 ) (A\^\*)\^\*=\|A\|\^{n-2}A\\ (n\\geq 2) (A∗)∗=∣A∣n−2A (n≥2). 正交: A A T = A T A = E    ⟹    ∣ A ∣ = ± 1 AA\^T=A\^TA=E\\implies \|A\|=\\pm 1 AAT=ATA=E⟹∣A∣=±1, 行(列)向量均为单位向量并两两正交. 初等变换: 对换( E i j E_{ij} Eij); 倍乘( E i ( k ) , k ≠ 0 E_i(k),\\ k\\ne 0 Ei(k), k=0); 倍加( E i j ( K ) E_{ij}(K) Eij(K)); 左乘为行变换, 右乘为列变换. ∣ E i j A ∣ = ∣ A E i j ∣ = − ∣ A ∣ \|E_{ij}A\|=\|AE_{ij}\|=-\|A\| ∣EijA∣=∣AEij∣=−∣A∣; ∣ E i ( k ) A ∣ = ∣ A E i ( k ) ∣ = k ∣ A ∣ \|E_i(k)A\|=\|AE_i(k)\|=k\|A\| ∣Ei(k)A∣=∣AEi(k)∣=k∣A∣; ∣ k A ∣ = k n ∣ A ∣ \|kA\|=k\^n\|A\| ∣kA∣=kn∣A∣; ∣ E i j ( k ) A ∣ = ∣ A E i j ( k ) ∣ = ∣ A ∣ \|E_{ij}(k)A\|=\|AE_{ij}(k)\|=\|A\| ∣Eij(k)A∣=∣AEij(k)∣=∣A∣. 等价: A ≅ B    ⟺    ∃ ∣ P ∣ , ∣ Q ∣ ≠ 0 A\\cong B\\iff\\exists \|P\|,\|Q\|\\ne 0 A≅B⟺∃∣P∣,∣Q∣=0 s.t. P A Q = B PAQ=B PAQ=B. 秩: 非零子式最大阶数; 极大线性无关组中向量个数. r ( A ) = 0    ⟺    A = O r(A)=0\\iff A=O r(A)=0⟺A=O. r ( A ) = 1    ⟺    A ≠ O r(A)=1\\iff A\\ne O r(A)=1⟺A=O 且任意两行(列)成比例. r ( A A T ) = r ( A T A ) = r ( A ) r(AA\^T)=r(A\^TA)=r(A) r(AAT)=r(ATA)=r(A). r ( A n ) \< n    ⟺    ∣ A n ∣ = 0    ⟺    r(A_n)\ r ( B )    ⟹    r(A)=r(A\|B)\>r(B)\\implies r(A)=r(A∣B)\>r(B)⟹ 向量组 B B B 可由向量组 A A A 线性表出, 向量组 A A A 不可由向量组 B B B 线性表出. 向量组 A , B A,B A,B 可互相线性表出    ⟺    A ≅ B    ⟺    r ( A ) = r ( A ∣ B ) = r ( B ) \\iff A\\cong B\\iff r(A)=r(A\|B)=r(B) ⟺A≅B⟺r(A)=r(A∣B)=r(B). 线性无关: { α i } i = 1 m \\{\\bm{\\alpha}_i\\}_{i=1}\^m {αi}i=1m, 仅当 { k i } i = 1 m = 0 \\{k_i\\}_{i=1}\^m=0 {ki}i=1m=0 时才有 ∑ i = 1 m k i α i = 0    ⟺    r ( α i ) i = 1 m = m    ⟺    ( α i ) i = 1 m x = 0 \\sum_{i=1}\^m k_i\\bm{\\alpha}_i=\\bm{0}\\iff r(\\bm{\\alpha}_i)_{i=1}\^m=m\\iff (\\bm{\\alpha}_i)_{i=1}\^m\\bm{x}=\\bm{0} ∑i=1mkiαi=0⟺r(αi)i=1m=m⟺(αi)i=1mx=0 仅有零解. 全体组线性无关    ⟹    \\implies ⟹ 部分组线性无关. 缩短组线性无关    ⟹    \\implies ⟹ 延伸组线性无关. 向量组 B t B_t Bt 线性无关, 可由向量组 A s A_s As 线性表出    ⟹    s ≥ t \\implies s\\geq t ⟹s≥t. 向量组 A A A 线性无关, 添加 β \\bm{\\beta} β 后线性相关    ⟹    β \\implies\\bm{\\beta} ⟹β 可由向量组 A A A 线性表出且方式唯一. v = A x = B y \\bm{v}=A\\bm{x}=B\\bm{y} v=Ax=By. 过渡矩阵: 基 A A A 变换为基 B B B, 有 B = A P B=AP B=AP. 坐标变换: 坐标 x \\bm{x} x 变换为 y \\bm{y} y, 即 y = P − 1 x \\bm{y}=P\^{-1}\\bm{x} y=P−1x. 施密特正交化: β 1 = α 1 \\bm{\\beta}_1=\\bm{\\alpha}_1 β1=α1; β i = α i − ∑ j = 1 r − 1 \[ α i , β j \] \[ β j , β j \] , i = 2 , 3 , . . . , r \\bm{\\beta}_i=\\bm{\\alpha}_i-\\sum_{j=1}\^{r-1}\\frac{\[\\bm{\\alpha}_i,\\bm{\\beta}_j\]}{\[\\bm{\\beta}_j,\\bm{\\beta}_j\]},\\ i=2,3,...,r βi=αi−∑j=1r−1\[βj,βj\]\[αi,βj\], i=2,3,...,r. 单位化: γ i = β i ∣ ∣ β i ∣ ∣ , i = 1 , 2 , . . . , r \\bm{\\gamma}_i=\\frac{\\bm{\\beta}_i}{\|\|\\bm{\\beta}_i\|\|},\\ i=1,2,...,r γi=∣∣βi∣∣βi, i=1,2,...,r. A x = 0 A\\bm{x}=\\bm{0} Ax=0 仅有零解(唯一解)    ⟺    r ( A ) = n \\iff r(A)=n ⟺r(A)=n. A x = 0 A\\bm{x}=\\bm{0} Ax=0 有非零解(无穷解)    ⟺    r ( A ) \< n \\iff r(A)\ 0 \\bm{x}\^TA\\bm{x}\>0 xTAx\>0. A n A_n An 正定    ⟺    \\iff ⟺ 正惯性指数为 n    ⟺    n\\iff n⟺ 标准形平方项系数全为正    ⟺    \\iff ⟺ 特征值均大于 0    ⟺    0\\iff 0⟺ 各阶顺序主子式均大于 0    ⟺    ∃ ∣ P ∣ ≠ 0 0\\iff\\exists \|P\|\\ne 0 0⟺∃∣P∣=0 s.t. A = P T P A=P\^TP A=PTP, 即 A ≃ E    ⟹    a i i \> 0 , i = 1 , 2 , . . . , n A\\simeq E\\implies a_ii\>0,\\ i=1,2,...,n A≃E⟹aii\>0, i=1,2,...,n, ∣ A ∣ \> 0 \|A\|\>0 ∣A∣\>0.

相关推荐
我爱挣钱我也要早睡!2 小时前
Java 复习笔记
java·开发语言·笔记
汇能感知6 小时前
摄像头模块在运动相机中的特殊应用
经验分享·笔记·科技
阿巴Jun7 小时前
【数学】线性代数知识点总结
笔记·线性代数·矩阵
茯苓gao7 小时前
STM32G4 速度环开环,电流环闭环 IF模式建模
笔记·stm32·单片机·嵌入式硬件·学习
是誰萆微了承諾7 小时前
【golang学习笔记 gin 】1.2 redis 的使用
笔记·学习·golang
DKPT8 小时前
Java内存区域与内存溢出
java·开发语言·jvm·笔记·学习
ST.J8 小时前
前端笔记2025
前端·javascript·css·vue.js·笔记
Suckerbin8 小时前
LAMPSecurity: CTF5靶场渗透
笔记·安全·web安全·网络安全
小憩-9 小时前
【机器学习】吴恩达机器学习笔记
人工智能·笔记·机器学习
UQI-LIUWJ9 小时前
unsloth笔记:运行&微调 gemma
人工智能·笔记·深度学习