导图社区 考研——线性代数
这是一篇关于考研线性代数的思维导图,主要内容包括:基础,全部考点。由姜晓千老师的讲义编写。有需要的同学,可以收藏下哟。
编辑于2025-04-12 11:25:21线性代数
基础
行列式
行列式的概念
定义
逆序数:大数在小数前面
n!项不同行不同列元素乘积的代数和
性质
1. 行列互换,值不变
2. 两行互换,行列式变号
3. 提某行或列的公因子
4. 拆行分配
5. 一行乘k加到另一行,值不变
6. 两行成比例,行列式为零
重要行列式
主对角行列式
副对角行列式
n阶ab型
拉普拉斯展开式
范德蒙行列式
一次那一行,后面依次前面,相乘,总共(n-1)n/2项
展开定理
Mij余子式:划去aij所在的那一列行,剩余的n-1阶行列式称为aij的余子式
Aij代数余子式:(-1)i+j*Mij
展开定理
ai1Aj1+ai2Aj2+...ainAjn=
|A|,i=j
0 ,i≠j
行列式的公式
行列式的求法
数字行列式,利用重要行列式或展开定理
抽象行列式,利用行列式的性质或公式
Cramer法则
线性方程组的唯一解为
推论
齐次方程组
只有零解←→D≠0
有非零解←→D=0
非齐次方程组
有唯一解←→D≠0
有无穷解←→D=0
矩阵
基本运算
+、k、×、T
+加法
一对一相加(二者为同型矩阵)
k数乘
每一个数都乘以k
AB乘法
A为m×n,B为n×s,C=AB,C为m×s(A的列阶与B的行阶必须相等)
乘法满足 结合律、分配律,不满足交换律
乘法不满足 消去律
消去律成立的 充分条件
A为可逆矩阵,AB=AC→B=C
A为列满秩矩阵,AB=AC→B=C
A为行满秩矩阵,BA=CA→B=C
本质上是,左乘列满秩,右称行满秩,秩不变
T转置
行列互换
转置的性质
逆
定义(A是n阶方阵)
AB=E←→B=A-1(谁×框框等于E,谁就是框框的逆)
逆的性质
可逆的充要条件
|A|≠0
r(A)=n
A的列向量组线性无关
齐次方程组Ax=0只有零解
非齐次方程组Ax=b有唯一解
A的特征值均不为零
就是 秩为n,都一回事
逆的求法
用定义求
AB=E
初等变换法
(A | E)→(E | A-1)
伴随矩阵法
分块矩阵法
,
秩
定义r(A)
k阶子式:在矩阵A中任取k行k列,位于交叉点上的可k2个元素所组成的k阶行列式
秩的定义:矩阵A中有个r阶子式非零,且所有的r+1阶子式均为零,则称 r 为A的秩
A≠0←→ r(A)≥1
性质(A为m×n阶矩阵)
1. r(A) ≤ min{m,n}
秩小于等于行数和列数
2. r(A+B) ≤ r(A)+r(B)
和差的秩小于等于秩的和
3. r(AB) ≤ min{r(A),r(B)}
乘积的秩小于等于每一个
4. max{r(A),r(B)} ≤ r(A|B) ≤ r(A)+r(B)
联立的秩大于等于每一个,小于等于秩的和
5. r(A)=r(kA)
乘非零常数秩不变
6. Pm阶,Q为n阶可逆矩阵,r(A)=r(PA)=r(AQ)=r(PAQ)
乘可逆矩阵秩不变
7. 若r(A)=n,则r(AB)=r(B),若r(A)=m,则r(CA)=r(C)
左乘列满秩,右乘行满秩,秩不变
8. r(A)=r(AT)=r(AT A)=r(A AT)
成自身转置秩不变
9. A为m×n,B为n×s,满足AB=0,则r(A)+r(B)≤n
乘积为0,秩的和小于等于n
秩的求法
A为数字矩阵,用初等行变换,化为行阶阶梯型,r(A)=非零行的行数
A为抽象矩阵,用秩的性质与定义
伴随矩阵
定义A*
设A=(aij),由a的代数余子式Aij构成的矩阵,如右图
需要注意的是,伴随矩阵是横的a对应竖的A
伴随矩阵的性质
初等变换与初等矩阵
变换的定义
1. 两行(列)互换 → E(i,j)
2. 一行(列)乘非零常数k → E(i(k))
3. 一行(列)乘k加到另一行(列) → E(ij(k)) 第j行乘k加到第i行
矩阵的定义
单位矩阵E经过一次初等变换得到的矩阵
初等变换与初等矩阵的性质
E(i,j)-1=E(i,j),E(i(k))-1=E(i(1/k)),E(ij(k))-1=E(ij(-k))
初等行(列)变换相当于左 (右)乘对应的初等矩阵
可逆矩阵可以写成有限个初等矩阵的乘积
应用
初等变换求逆(可逆矩阵与单位矩阵等价)
初等变换求秩(初等变换不改变秩)
初等行变换求列向量组的极大无关组,并线性表示其他向量 (行变换不改变列向量组的线性关系)
初等行变换不改变方程组的解(初等行变换不改变线性方程组的解)
矩阵等价
定义:矩阵A可经过有限次初等变换得到B,则A、B等价
充要条件(A,B均为m×n阶矩阵且等价)
存在m阶可逆矩阵P与n阶可逆矩阵Q,使得B=PAQ
r(A)=r(B)
分块矩阵
+、k、X、| |、T、-1、*
+、k与一般矩阵一样
X乘法,AB=C A列B行,分块方法相同
A为m×n阶,B为n×s阶
将A按列分块,得 AB=(b11α1+b21α2+...+bn1αn ,......b1sα1+b2sα2+...+bnsαn)
将B按列分块,得 AB=(Aβ1 ,Aβ2 ,......Aβs)
| |行列式,见拉普拉斯
T转置
先将A整体进行转置,再将其中的每一块进行转置
-1逆
A、B均为可逆矩阵,则
* A* = |A|A-1
向量
基本运算
定义
+、k不变
内积
αTβ=a1b1+a2b2+...+anbn ,记作[α,β]
[α,β]=0,称α与β正交
向量长度
,记作||α||,为1,则为单位向量
正交矩阵
定义:A为n阶方阵,且AAT=E
充要条件
A-1=AT
A的列(行)向量组为单位正交的向量组(每个向量长度为1,与其他向量内积为0)
性质
|A|=±1
A,B为正交矩阵,则-A,AB,AT,A-1,A*均为正交矩阵
Schmidt正交化
线性表示
定义
线性组合: k1α1+k2α2+...+knαn为 α1,α2...αn 的线性组合
线性表示:β=k1α1+k2α2+...+knαn
向量组等价:两个向量组可以相互线性表示
线性表示的充要条件
非齐次(α1,α2...,αn)(x1,x2...xn)T=β 有解
r(α1,α2...,αn)= r(α1,α2...,αn | β)
线性表示的充分条件
向量组α1,α2...,αn线性无关,向量组α1,α2...,αn ,β线性相关,则β可被唯一地线性表示
求法
对(α1,α2...,αn | β)进行初等行变换,化为 行最简形(每一行第一个非零数为1,且1的上下方都是0)矩阵,解得线性表示的系数
拓展
n个n维列向量线性无关,则所有的n维列向量均可尤其线性表示
相关与无关
定义
存在不全为0的k,使得k1α1+k2α2+...+knαn=0,则α1,α2...,αn线性相关,否则无关
线性相关
充要条件
至少有一个向量可由其他向量线性表示
齐次(α1,α2...,αs)(x1,x2...xs)T=0 有非零解
r(α1,α2...,αs)<s
n个n维向量线性相关←→|A|=0
充分条件
向量组含零向量
部分相关则整体相关;高维相关则低维相关
以少表多,多必相关;无关被表,个数必少
n+1个n维向量,必定线性相关(向量维数小于向量个数)
线性无关
充要条件
任意向量均不能由其他向量线性表示
齐次(α1,α2...,αs)(x1,x2...xs)T=0 只有零解
r(α1,α2...,αs)=s
n个n维向量线性无关←→|A|≠0
充分条件
整体无关则部分无关;低维无关则高维无关
不含零向量的正交向量组线性无关
不同特征值的特征向量线性无关
相关无关的判定
定义法
秩
行列式
极大线性无关组与向量组的秩
极大无关组
定义:在一个向量组中,有r个向量线性无关,且再加入其余任何向量就线性相关
向量组的秩
定义:极大无关组中向量的个数
极大无关组不唯一,任意r个线性无关的向量均为极大无关组
矩阵的秩 等于其列向量组的秩,也等于其行向量组的秩
极大无关组的求法
对列向量组进行初等行变换,化为行阶梯形, 则其中每行第一个非零数对应的列向量构成极大无关组
考试重点
线性方程组
解的问题(A为m×n阶)
增广矩阵:非齐次Ax=b中,( A | b ),记为Ā
主变量与自由变量:对系数矩阵A进行初等行变换,所得行阶梯形中 每一行中第一个非0元素对应的未知数称为 主变量 ,其余为指数为自由变量
解的性质
若ξ1,ξ2为Ax=0的解,则k1ξ1+k2ξ2为Ax=0的解
若η1,η2为Ax=b的解,则η1-η2为Ax=0的解
若ξ为Ax=0的解,η为Ax=b的解,则ξ+η为Ax=b的解
若η1,η2...ηn为Ax=b的解,则k1η1+k2η2+...+knηn为
Ax=0的解,k1+k2+...+kn=0
Ax=b的解,k1+k2+...+kn=1
若η1,η2...ηn为Ax=b线性无关的解,则η2-η1,η3-η1...,ηn-η1为Ax=0的n-1个线性无关的解(其实,η1-ηi,η2-ηi......,ηn-ηi这样式儿的均为n-1个线性无关的解)
这里需要注意要求都是与 n 相关,列数、未知数的个数
齐次方程解的判定
Ax=0只有零解←→r(A)=n
Ax=0有非零解(无穷解)←→r(A)<n
Ax=0有非零解的一个充分条件是m<n(行数小于列数)
非齐次方程解的判定
Ax=b无解←→r(A)<r(Ā)←→r(A)=r(Ā)-1
Ax=b有唯一解←→r(A)=r(Ā)=n
Ax=b有无穷解←→r(A)=r(Ā)<n
Ax=b有解←→r(A)=r(Ā)
Ax=b有解的一个充分条件是r(A)=m(行满秩)
A为n阶矩阵是可以用Cramer法则进行求解
齐次线性方程组
基础解系
Ax=0的解的极大无关组,基础解系不唯一
基础解系中解的个数 n-r(A) 唯一,即 未知数的个数-主变量的个数=自由变量的个数
求法
A为数字矩阵
1.化为行最简形 2.自由变量分别取1,0,0..0,1,0..0,0,1..3.解得主变量 4.得到基础解系
A为抽象矩阵
1.先求出r(A) 2.再利用解的定义(Aα=0、AB=0)或性质(η1-η2、k1η1+k2η2+...+knηn)凑出 n-r(A) 个线性无关的解
通解
ξ1,ξ2,...ξn-r为Ax=0的基础解系,则k1ξ1+k2ξ2+...kn-rξn-r为Ax=0的通解
非齐次线性方程组
通解
ξ1,ξ2,...ξn-r为Ax=0的基础解系,η为Ax=b的特解, 则Ax=b的通解为k1ξ1+k2ξ2+...kn-rξn-r+η
特解的求法
Ā为数字矩阵
将Ā化为行最简形,自由变量均取0,解得主变量,得到特解
Ā为抽象矩阵
利用解的定义(Aη=b)或性质(k1+k2+...+kn=1)凑一个特解
公共解
定义:α既为线性方程组(1)的解,又为线性方程组(2)的解
求法
已知方程组(1)(2)的具体形式,联立两方程组得到公共解
已知(1)的具体形式与(2)的通解,则将通解代入(1),解出参数,得到公共解
已知(1)(2)的通解,令两通解相等,得到公共解
通解
定义:线性方程组(1)的解均为线性方程组(2)的解,反之亦然,则称两方程组同解
充要条件(A为m×n,B为l×n)
A,B的行向量组等价
r(A)=r(B)=r
特征值与特征向量
相关概念
特征值与特征向量的定义
设A为n阶矩阵,若存在λ与n维非零列向量α,使得Aα=λα, 则称A属于特征值λ的特征向量
Aα=0,α为A属于特征值0的特征向量
特征多项式与特征方程的定义
|A-λE|为A的特征多项式,|A-λE|=0为A的特征方程
特征方程法
第1步:解特征方程|A-λE|=0,得到A的n个特征值(重根必须写出)
第2步:解方程组(A-λiE)x=0,得到基础解系,即特征值λi的n-r(A-λiE)个线性无关的特征向量
若aA+bE不可逆,即|aA+bE|=0,则λ=-b/a为A的特征值
特征值与特征向量的性质
1.不同特征值的特征向量线性无关
2.不同特征值的特征向量值之和不是特征向量
3.k重特征向量最多有k个线性无关的特征向量
4.设A的特征值为λ1,λ2...λn,则
5.若r(A)=1,则λ1=tr(A),λ2=λ3=...λn=0
6.
特征值与特征向量的求法
A为数字矩阵
特征方程法
A为抽象矩阵
利用定义与性质
相似矩阵
定义
设A,B为n阶矩阵,若存在n阶可逆矩阵P,使得B=P-1AP,则A,B相似
性质
若A~B,则A,B有相同的 行列式、秩、特征方程、特征值、迹
若A~B,则f(A)~f(B)、A-1~B-1、A*~B*、AT~BT
A~B,B~C,则A~C
相似对角化
定义
设A为n阶方阵,若存在n阶可逆矩阵P,使得 ,则称A可相似对角化
进一步分析可得 Aαi=λiαi,故P是由A的n个线性无关的特征向量组成的可逆矩阵,Λ是由A的n个特征值构成的对角矩阵
若A与B均可相似对角化,则A与B相似←→A,B有相同的特征值
充要条件(n阶方阵A可相似对角化)
A有n个线性无关的特征向量
k重特征值有k个特征向量
λi为k重特征值
n-r(A-λiE)=k,则A可相似对角化
n-r(A-λiE) <k,则A不可相似对角化
充分条件
A有n个不同的特征值
A为实对称矩阵
若A可相似对角化,则r(A)等于非零特征值的个数
实对称矩阵 AT=A
性质
1.特征值均为实数
2.不同特征值的特征向量正交
3.k重特征值有k个线性无关的特征向量
4.A可 正交相似对角化,即存在 正交矩阵Q使得
5.r(A)等于非零特征值的个数
正交矩阵Q的求法
第1步:求A的n个特征值
第2步:求A的n个线性无关的特征向量
第3步:将不同特征值对应的特征向量进行Schmidt正交化,得到γ1,γ2,......γn,Q=(γ1,γ2,......γn)
实对称矩阵的分解定理
γ1,γ2,......γn为实对称矩阵A的特征向量,则A=λ1γ1γ1T+λ2γ2γ2T+...+λnγnγnT, 特别的,若r(A)=1,则A=tr(A)γ1γ1T
二次型
二次型与标准型
二次型定义
二次型与实对称矩阵A一一对应,A的主对角元素为平方项的系数, 其余元素为对应项系数的一半
标准形定义
只含平方项的二次型,称为二次型的标准形
正负惯性指数
正惯性指数p:标准型中系数为正的个数
负惯性指数q:标准型中系数为负的个数
规范形
若标准形的系数为1,-1,0,即称为二次型的规范形
标准形的求法
拉格朗日配方法
待补充
*正交变换法*
第1步:求出二次型矩阵A的n个特征值λ1,λ2,...λn
第2步:求出A的n个线性无关的特征向量α1,α2,...αn
第3步:将不同特征值的特征向量分别Schmidt正交化,得到γ1,γ2,...γn,得到正交矩阵Q=(γ1,γ2,...γn)
第4步:经过正交变换x=Qy,二次型化为标准形f=λ1y12+λ2y22+...+λnyn2
合同矩阵
何为合同?
设A,B均为实对称矩阵,若存在n阶可逆矩阵C,使得B=CTAC,则称A,B合同
充要条件(n阶实对称矩阵A,B合同)
二次型xTAx与xTBx有相同的正、负惯性指数
A、B有相同的正、负特征值个数
正定二次型与正定矩阵
何为正定?
设n元二次型f=xTAx,若对任意的x≠0,有xTAx>0,则称f为正定二次型, 称实对称矩阵A为正定矩阵
充要条件
f的正惯性指数为n
A与E合同,即存在可逆矩阵C,使得CTAC=E
A的特征值均大于0
A的顺序主子式均大于0
附:顺序主子式:k阶前k行k列行列式
性质(A,B为n阶正定矩阵)
A+B正定
kA(k>0)、Am(m为正整数)、AT、A-1、A*均正定
数一:总共5道题
3道选择题(3×5分)
1道填空题(1×5分)
1道大题(1×12分)