线性代数基础02_矩阵(下)&向量

目录

一、矩阵(下)

1、伴随矩阵

2、逆矩阵

3、初等变换

4、矩阵的标准形

4.1行阶梯形矩阵

4.2简化行阶梯型矩阵

二、向量

1、定义

2、向量的运算

3、矩阵的特征值和特征向量

4、向量的模

5、向量的内积


一、矩阵(下)


1、伴随矩阵

设 A 是一个 n×n 的方阵,其元素为 aij。伴随矩阵 adj(A)或A* 是一个 n×n的矩阵,其第 i 行第 j 列的元素是 A 的余子式 Mji 的代数余子式 Cji,即:

其中 Mji是 A 的第j 行第i 列元素的余子式,即去掉第 j 行和第 i 列后剩下的 (n−1)×(n−1) 矩阵的行列式。

步骤

  • 先按行求出每个元素的代数余子式,
  • 将每行元素的代数余子式按列组成一个矩阵,该矩阵就是伴随矩阵。

性质

2、逆矩阵

对于一个 n×n 的方阵 A,如果存在另一个 n×n的方阵 B,使得 AB=BA=E,其中 E 是 n×n 的单位矩阵,那么 B 称为 A 的逆矩阵,记作

存在条件

一个矩阵 A 有逆矩阵的充分必要条件是 A 是可逆的,即 det⁡(A)≠0。如果 det⁡(A)=0,则 A 是奇异矩阵,没有逆矩阵。

性质

  • n阶方阵A可逆的充要条件为 且当A可逆时,
  • 设A、B 和 C 是 n×n 的可逆矩阵,那么它们的乘积 ABC的逆矩阵为:

3、初等变换

初等变换一般可以分为两种类型:行变换、列变换。

初等行变换:

  • 交换两行:将矩阵的第 i 行和第 j 行交换位置
  • 某一行乘以非零常数:将矩阵的第i 行乘以一个非零常数 k
  • 某一行加上另一行的倍数:将矩阵的第 i行加上第 j 行的 k 倍

初等列变换

  • 交换两列:将矩阵的第 i 列和第 j 列交换位置
  • 某一列乘以非零常数:将矩阵的第 i 列乘以一个非零常数 k
  • 某一列加上另一列的倍数:将矩阵的第 i 列加上第 j 列的 k 倍

4、矩阵的标准形

常见的矩阵标准形包括行阶梯形矩阵、简化行阶梯形矩阵等。

4.1行阶梯形矩阵

特征

  • 非零行在零行之上:所有非零行都在零行之上。
  • 主元:每一行的第一个非零元素(主元)在上一行主元的右边。
  • 主元下方元素为零:每一行的主元下方元素都为零。

e.g.

4.2简化行阶梯型矩阵

特征

  • 非零行在零行之上:所有非零行都在零行之上。
  • 主元为 1:每一行的第一个非零元素(主元)为 1。
  • 主元下方元素为零:每一行的主元下方元素都为零。
  • 主元上方元素为零:每一行的主元上方元素都为零。

二、向量


1、定义

  • 几何定义:向量是一个有方向和大小的量,通常用箭头表示。向量的起点称为原点,终点称为向量的端点。

  • 代数定义 :向量是一个有序的数组,通常表示为列向量或行向量。

例如,一个 n 维列向量可以表示为:

一个 n 维行向量可以表示为:

其中 v1,v2,...,vn是向量的分量,行向量和列向量在本质上没有区别。

向量表示

  • 几何表示:在二维或三维空间中,向量通常用箭头表示,箭头的方向表示向量的方向,箭头的长度表示向量的大小。
  • 代数表示:向量可以用列向量或行向量表示,如上所述。
  • 坐标表示 :在二维或三维空间中,向量可以用坐标表示。例如,二维向量 v=(v1,v2)v =(v 1,v2) 表示在 x 轴和 y 轴上的分量。

2、向量的运算

向量有几种基本的运算,包括加法、数乘、点积和叉积。

加法

向量加法是将两个向量的对应分量相加,得到一个新的向量。例如,两个 n 维向量 u 和 v 的加法为:

数乘

向量数乘是将一个向量的每个分量乘以一个标量,得到一个新的向量。例如,一个 n 维向量 v 与标量 k 的数乘为:

点积

向量点积(内积)是将两个向量的对应分量相乘,然后将结果相加,得到一个标量。例如,两个 n 维向量 u 和 v 的点积为:

3、矩阵的特征值和特征向量

定义

设 A 是一个 n×n 的方阵。如果存在一个非零列向量 v 和一个标量 λ,使得:

那么 λ 称为矩阵 A的特征值,v 称为对应于特征值 λ 的特征向量。

说明

  • λ可以为0,而v不能为0,并且v是列向量。因为A是n维矩阵,如果v是行向量,则维数是1xn,不满足矩阵相乘。
  • (A-λE):特征矩阵;|A-λE|:特征行列式或特征多项式;|A-λE|=0:特征方程。
  • λ是A的特征值,v是对应λ的一个特征向量,则cv也是λ的一个特征向量,c为不等于0的标量。

4、向量的模

定义

向量 v 的模记作 ∥v∥,计算公式为:

几何解释

在二维空间中,向量 v=(v1,v2)的模表示从原点到点 (v1,v2)的距离。在三维空间中,向量 v=(v1,v2,v3)的模表示从原点到点 (v1,v2,v3)的距离。

||v||=1,叫做单位向量的模。如:v=(1,0,0)

性质

  • 非负性:∥v∥≥0,并且 ∥v∥=0 当且仅当 v=0(零向量)。

  • 齐次性:对于任意标量 k,∥kv∥=∣k∣∥v∥。

  • 三角不等式:对于任意向量 u 和 v,∥u+v∥≤∥u∥+∥v∥。

5、向量的内积

定义

对于两个 n 维向量 a=(a1,a2,...,an) 和 b=(b1,b2,...,bn),它们的内积(点积)表示为 a⋅b,计算公式为:

几何解释

在几何上,内积也可以通过向量的模和它们之间的夹角来表示。具体来说,如果 θ 是向量 a 和 b 之间的夹角,那么内积可以表示为:

其中:

  • ∥a∥ 和 ∥b∥ 分别是向量 a 和 b 的模(长度)。

  • cos⁡(θ)是夹角 θ 的余弦值。

性质

  • 交换律:a⋅b=b⋅a

  • 分配律:a⋅(b+c)=a⋅b+a⋅c

  • 数乘结合律:(ka)⋅b=k(a⋅b)=a⋅(kb)(,其中 k 是标量。

  • 正定性:a⋅a≥0,并且 a⋅a=0 当且仅当 a=0。

相关推荐
熙曦Sakura42 分钟前
完全竞争市场
笔记
dr李四维2 小时前
iOS构建版本以及Hbuilder打iOS的ipa包全流程
前端·笔记·ios·产品运营·产品经理·xcode
Komorebi.py5 小时前
【Linux】-学习笔记05
linux·笔记·学习
亦枫Leonlew5 小时前
微积分复习笔记 Calculus Volume 1 - 6.5 Physical Applications
笔记·数学·微积分
冰帝海岸10 小时前
01-spring security认证笔记
java·笔记·spring
小二·11 小时前
java基础面试题笔记(基础篇)
java·笔记·python
wusong99914 小时前
mongoDB回顾笔记(一)
数据库·笔记·mongodb
猫爪笔记14 小时前
前端:HTML (学习笔记)【1】
前端·笔记·学习·html
Resurgence0314 小时前
【计组笔记】习题
笔记
pq113_615 小时前
ftdi_sio应用学习笔记 3 - GPIO
笔记·学习·ftdi_sio