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∣
秩
AB小于A、B里面更小的秩
{ r ( A B ) ≤ r ( A ) r ( A B ) ≤ r ( B ) \left\{\begin{matrix} r(AB)\le r(A)\\r(AB)\le r(B)\end{matrix}\right. {r(AB)≤r(A)r(AB)≤r(B)
化“叉”型行列式
∣ a 0 . . . 0 b . . . A . . . c 0 . . . 0 d ∣ = ( a d − b c ) ∣ A ∣ , 其中 A 是方阵 , 且除了主对角线和副对角线以外其余所有的元素均为 0 \begin{vmatrix} a& 0& ...& 0&b \\ ...& & A& &... \\ c& 0 & ... &0 &d \end{vmatrix}=(ad-bc)\left | A \right | ,其中A是方阵,且除了主对角线和副对角线以外其余所有的元素均为0 a...c00...A...00b...d =(ad−bc)∣A∣,其中A是方阵,且除了主对角线和副对角线以外其余所有的元素均为0
化“ab”型行列式
∣ a b b . . . b b a b . . . b b b a . . . b . . . . . . . . . . . . b b b b . . . a ∣ = [ a + ( n − 1 ) b ] ( a − b ) n − 1 \begin{vmatrix} a& b& b& ...&b \\ b& a& b& ...&b \\ b& b& a& ...&b \\ ...& ...& ...& ...&b \\ b& b& b& ...&a \end{vmatrix}=[a+(n-1)b](a-b)^{n-1} abb...bbab...bbba...b...............bbbba =[a+(n−1)b](a−b)n−1
化“三条杠”型行列式
∣ a b 0 . . . 0 0 c a b . . . 0 0 0 c a ⋱ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ b 0 0 0 0 . . . a b 0 0 0 . . . c a ∣ = { α n + 1 − β n + 1 α − β , α ≠ β ( n + 1 ) α n , α = β , 且 { α + β = a α ⋅ β = b c \begin{vmatrix} a& b& 0& ...& 0&0 \\ c& a& b& ...& 0& 0\\ 0& c& a& \ddots &\vdots &\vdots \\ \vdots & \vdots & \vdots & \ddots &b &0 \\ 0& 0& 0& ...& a& b\\ 0& 0& 0& ...& c&a\end{vmatrix}=\left\{\begin{matrix} \frac{\alpha ^{n+1}-\beta ^{n+1}}{\alpha -\beta },\alpha \ne \beta \\(n+1)\alpha ^{n},\alpha =\beta \end{matrix}\right.,且\left\{\begin{matrix} \alpha +\beta =a\\\alpha \cdot \beta =bc\end{matrix}\right. ac0⋮00bac⋮000ba⋮00......⋱⋱......00⋮bac00⋮0ba ={α−βαn+1−βn+1,α=β(n+1)αn,α=β,且{α+β=aα⋅β=bc
化“两线加一点”型行列式
∣ a 1 b 1 0 . . . 0 0 0 a 2 b 2 . . . 0 0 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 . . . a n − 1 b n − 1 b n 0 0 . . . 0 a n ∣ = ∣ a 1 0 0 . . . 0 b n b 1 a 2 0 . . . 0 0 0 b 2 a 3 . . . 0 0 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 . . . a n − 1 0 0 0 0 . . . b n − 1 a n ∣ = a 1 a 2 . . . a n + ( − 1 ) n + 1 b 1 b 2 . . . b n \begin{vmatrix} a_1 & b_1 & 0 & ... & 0 & 0\\ 0 & a_2 & b_2 & ... & 0 & 0\\ \vdots & \vdots & \vdots & \vdots & \vdots & \vdots\\ 0 & 0 & 0 & ... & a_{n-1} &b_{n-1} \\ b_n & 0& 0 & ... & 0 &a_n \end{vmatrix}=\begin{vmatrix} a_1 & 0 & 0 & ... & 0 &b_n \\ b_1 & a_2 & 0 & ... & 0 & 0\\ 0 & b_2 & a_3 & ... & 0 & 0\\ \vdots & \vdots & \vdots & \vdots & \vdots & \vdots \\ 0 & 0 & 0 & ... & a_{n-1} &0 \\ 0 & 0 & 0 & ... & b_{n-1} &a_n \end{vmatrix}=a_1a_2...a_n+(-1)^{n+1}b_1b_2...b_n a10⋮0bnb1a2⋮000b2⋮00......⋮......00⋮an−1000⋮bn−1an = a1b10⋮000a2b2⋮0000a3⋮00.........⋮......000⋮an−1bn−1bn00⋮0an =a1a2...an+(−1)n+1b1b2...bn
行列式运算
∣ A + B ∣ ≠ ∣ A ∣ + ∣ B ∣ |A+B|\ne |A|+|B| ∣A+B∣=∣A∣+∣B∣
第二章 矩阵
矩阵与初等矩阵相乘做初等变换
初等矩阵左行右列
矩阵被向量表示是列表看左,行表看右
互换阵 E i j 互换阵E_{ij} 互换阵Eij | 倍乘阵 E i ( k ) 倍乘阵E_i(k) 倍乘阵Ei(k) | 倍加阵 E i j ( k ) 倍加阵E_{ij}(k) 倍加阵Eij(k) | |
---|---|---|---|
行列式 | -1 | k | 1 |
逆 | E i j E_{ij} Eij | E i ( 1 k ) E_{i}(\frac{1}{k}) Ei(k1) | E i j ( − k ) E_{ij}(-k) Eij(−k) |
伴随 | − E i j -E_{ij} −Eij | E i ( 1 k ) E_{i}(\frac{1}{k}) Ei(k1) | E i j ( − k ) E_{ij}(-k) Eij(−k) |
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
分块矩阵
A = ( A 1 A 2 A 3 A 4 ) , A T = ( A 1 T A 3 T A 2 T A 4 T ) A=\begin{pmatrix} A_1 & A_2\\ A_3&A_4 \end{pmatrix},A^T=\begin{pmatrix} A_1^T & A_3^T\\ A_2^T&A_4^T \end{pmatrix} A=(A1A3A2A4),AT=(A1TA2TA3TA4T)
秩
r ( A B ) ≠ r ( A T B T ) r(AB)\ne r(A^TB^T) r(AB)=r(ATBT)
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∗
设 M = ( A C 0 B ) ,则 M ∗ = ∣ M ∣ M − 1 = ∣ M ∣ ( A − 1 − A − 1 C B − 1 0 B − 1 ) 设M=\begin{pmatrix} A& C\\ 0&B \end{pmatrix},则M^*=|M|M^{-1}=|M|\begin{pmatrix} A^{-1}&-A^{-1}CB^{-1} \\ 0&B^{-1} \end{pmatrix} 设M=(A0CB),则M∗=∣M∣M−1=∣M∣(A−10−A−1CB−1B−1)
矩阵的逆的性质
A − 1 = A ∗ ∣ A ∣ A^{-1}=\frac{A^*}{|A|} A−1=∣A∣A∗
矩阵可逆的充要条件
n阶矩阵A可逆
充要条件: 1. 存在 n 阶矩阵 B ,使得 A B = B A + E ; 2. r ( A ) = n ; 3. ∣ A ∣ ≠ 0 ; 4. A 的列 ( 行 ) 向量线性无关; 5. A x = 0 只有零解; 6.0 不是 A 的特征值; 充要条件: 1.存在n阶矩阵B,使得AB=BA+E;\\ 2.r(A)=n;\\ 3.|A|\ne 0;\\ 4.A的列(行)向量线性无关;\\ 5.Ax=0只有零解;\\ 6.0不是A的特征值;\\ 充要条件:1.存在n阶矩阵B,使得AB=BA+E;2.r(A)=n;3.∣A∣=0;4.A的列(行)向量线性无关;5.Ax=0只有零解;6.0不是A的特征值;
若矩阵不可逆,则特征值为0
可逆矩阵就是非奇异矩阵,不可逆矩阵就是奇异矩阵
( A − 1 ) − 1 = A (A^{-1})^{-1}=A (A−1)−1=A
( k A ) − 1 = 1 k A − 1 (kA)^{-1}=\frac{1}{k}A^{-1} (kA)−1=k1A−1
( A B ) − 1 = B − 1 A − 1 (AB)^{-1}=B^{-1}A^{-1} (AB)−1=B−1A−1
( A n ) − 1 = ( A − 1 ) n (A^n)^{-1}=(A^{-1})^n (An)−1=(A−1)n
( A − 1 ) T = ( A T ) − 1 (A^{-1})^T=(A^T)^{-1} (A−1)T=(AT)−1
∣ A − 1 ∣ = 1 ∣ A ∣ \left | A^{-1} \right | =\frac{1}{\left | A\right | } A−1 =∣A∣1
( A B C ) − 1 = C − 1 B − 1 A − 1 (ABC)^{-1}=C^{-1}B^{-1}A^{-1} (ABC)−1=C−1B−1A−1
分块矩阵的逆
( A 0 0 B ) − 1 = ( A − 1 0 0 B − 1 ) , ( 0 B A 0 ) − 1 = ( 0 A − 1 B − 1 0 ) \begin{pmatrix} A&0 \\ 0&B \end{pmatrix}^{-1}=\begin{pmatrix} A^{-1}&0 \\ 0&B^{-1} \end{pmatrix},\begin{pmatrix} 0&B \\ A&0 \end{pmatrix}^{-1}=\begin{pmatrix} 0&A^{-1} \\ B^{-1}&0 \end{pmatrix} (A00B)−1=(A−100B−1),(0AB0)−1=(0B−1A−10)
( A C 0 B ) − 1 = ( A − 1 − A − 1 C B − 1 0 B − 1 ) , ( 0 B A C ) − 1 = ( − A − 1 C B − 1 A − 1 B − 1 0 ) \begin{pmatrix} A&C \\ 0&B \end{pmatrix}^{-1}=\begin{pmatrix} A^{-1}&-A^{-1}CB^{-1} \\ 0&B^{-1} \end{pmatrix},\begin{pmatrix} 0&B \\ A&C \end{pmatrix}^{-1}=\begin{pmatrix} -A^{-1}CB^{-1}&A^{-1} \\ B^{-1}&0 \end{pmatrix} (A0CB)−1=(A−10−A−1CB−1B−1),(0ABC)−1=(−A−1CB−1B−1A−10)
二阶矩阵的逆
设矩阵 A = ( a b c d ) 可逆,则 A − 1 = ( d − b − c a ) a d − b c , 可记为 主对调 负变号 行列式 设矩阵A=\begin{pmatrix} a & b\\ c &d \end{pmatrix}可逆,则A^{-1}=\frac{\begin{pmatrix} d& -b\\ -c&a \end{pmatrix}}{ad-bc} ,可记为\frac{主对调~负变号}{行列式} 设矩阵A=(acbd)可逆,则A−1=ad−bc(d−c−ba),可记为行列式主对调 负变号
对角矩阵的逆
副对角线上的也一样,也是取倒数
[ λ 1 ⋱ λ n ] − 1 = [ 1 λ 1 ⋱ 1 λ n ] \begin{bmatrix} \lambda _1 & & \\ & \ddots & \\ & & \lambda _n \end{bmatrix}^{-1}= \begin{bmatrix} \frac{1}{\lambda _1} & & \\ & \ddots & \\ & & \frac{1}{\lambda _n} \end{bmatrix} λ1⋱λn −1= λ11⋱λn1
特征值求行列式
若题干可求得矩阵 A 的所有特征值 λ 1 , λ 2 . . . , λ n , 那么立即有 ∣ A ∣ = λ 1 λ 2 . . . λ n 若题干可求得矩阵A的所有特征值\lambda _1,\lambda _2...,\lambda _n,那么立即有\left | A \right | =\lambda _1\lambda _2...\lambda _n 若题干可求得矩阵A的所有特征值λ1,λ2...,λn,那么立即有∣A∣=λ1λ2...λn
A的多项式为0可以推出特征值的多项式为0
f ( A ) = 0 ⟹ f ( λ ) = 0 f(A)=0\Longrightarrow f(\lambda )=0 f(A)=0⟹f(λ)=0
矩阵的秩
秩的公式
等式公式
r ( A ) = r ( A T ) = r ( A A T ) = r ( A T A ) r(A)=r(A^T)=r(AA^T)=r(A^TA) r(A)=r(AT)=r(AAT)=r(ATA)
1.初等变换秩不变
r ( k A ) = r ( A ) r(kA)=r(A) r(kA)=r(A)
2.乘以一个可逆矩阵秩不变
r ( A B ) = r ( B A ) = r ( A ) r(AB)=r(BA)=r(A) r(AB)=r(BA)=r(A)
3.若A与B等价
r ( A ) = r ( B ) r(A)=r(B) r(A)=r(B)
4.左乘列满秩矩阵秩不变,右乘行满秩矩阵秩不变
设 B 列满秩, C 行满秩,则有 r ( A ) = r ( B A ) = r ( A C ) 设B列满秩,C行满秩,则有r(A)=r(BA)=r(AC) 设B列满秩,C行满秩,则有r(A)=r(BA)=r(AC)
A的伴随矩阵的秩与A的秩的关系
设 A 为 n 阶矩阵,则 r ( A ∗ ) = { n , r ( A ) = n 1 , r ( A ) = n − 1 0 , r ( A ) < n − 1 设A为n阶矩阵,则r(A^*)=\left\{\begin{matrix} n,r(A)=n\\1,r(A)=n-1 \\0,r(A)<n-1 \end{matrix}\right. 设A为n阶矩阵,则r(A∗)=⎩ ⎨ ⎧n,r(A)=n1,r(A)=n−10,r(A)<n−1
分块矩阵的秩
r [ ( A 0 0 B ) ] = r ( A ) + r ( B ) r[\begin{pmatrix} A& 0\\ 0&B \end{pmatrix}]=r(A)+r(B) r[(A00B)]=r(A)+r(B)
r ( A , A B ) = r ( A ) r(A,AB)=r(A) r(A,AB)=r(A)
r ( A B A ) = r ( B ) r\begin{pmatrix} AB\\A \end{pmatrix}=r(B) r(ABA)=r(B)
秩的不等式公式
设 A 是 m × n 型矩阵, 0 ≤ r ( A ) ≤ m i n { m , n } 设A是m\times n 型矩阵,0\le r(A)\le min\left \{ m,n \right \} 设A是m×n型矩阵,0≤r(A)≤min{m,n}
m a x { r ( A ) , r ( B ) } ≤ r ( A , B ) ≤ r ( A ) + r ( B ) max\left \{ r(A),r(B)\right \} \le r(A,B)\le r(A)+r(B) max{r(A),r(B)}≤r(A,B)≤r(A)+r(B)
r ( A + B ) ≤ r ( A , B ) ≤ r ( A ) + r ( B ) r(A+B)\le r(A,B)\le r(A)+r(B) r(A+B)≤r(A,B)≤r(A)+r(B)
r ( A B ) ≤ m i n { r ( A ) , r ( B ) } r(AB)\le min\left \{ r(A),r(B) \right \} r(AB)≤min{r(A),r(B)}
若 A m × n B n × s = O , 则 r ( A ) + r ( B ) ≤ n 若A_{m\times n}B_{n\times s}=O,则r(A)+r(B)\le n 若Am×nBn×s=O,则r(A)+r(B)≤n
r ( A ) + r ( B ) ≤ r [ ( A C 0 B ) ] ≤ r ( A ) + r ( B ) + r ( C ) r(A)+r(B)\le r[\begin{pmatrix} A& C\\ 0&B \end{pmatrix}]\le r(A)+r(B)+r(C) r(A)+r(B)≤r[(A0CB)]≤r(A)+r(B)+r(C)
特征值与特征向量经过不同变换的结果
A A A | k A + b E kA+bE kA+bE | A 2 A^2 A2 | f ( A ) f(A) f(A) | A − 1 A^{-1} A−1 | A ∗ A^* A∗ | P A P − 1 PAP^{-1} PAP−1 | A T A^T AT |
---|---|---|---|---|---|---|---|
λ \lambda λ | k λ + b k \lambda +b kλ+b | λ 2 \lambda ^2 λ2 | f ( λ ) f(\lambda) f(λ) | 1 λ \frac{1}\lambda λ1 | d e t ( A ) λ \frac{det(A)}\lambda λdet(A) | λ \lambda λ | λ \lambda λ |
α \alpha α | α \alpha α | α \alpha α | α \alpha α | α \alpha α | α \alpha α | P − 1 α P^{-1}\alpha P−1α | 不一定 不一定 不一定 |
对角矩阵
对角矩阵的逆
[ λ 1 ⋱ λ n ] − 1 = [ 1 λ 1 ⋱ 1 λ n ] \begin{bmatrix} \lambda _1 & & \\ & \ddots & \\ & & \lambda _n \end{bmatrix}^{-1}= \begin{bmatrix} \frac{1}{\lambda _1} & & \\ & \ddots & \\ & & \frac{1}{\lambda _n} \end{bmatrix} λ1⋱λn −1= λ11⋱λn1
对角矩阵高次幂
∧ = [ λ 1 ⋱ λ n ] ,则 ∧ n = [ λ 1 n ⋱ λ n n ] \wedge =\begin{bmatrix} \lambda _1 & & \\ & \ddots & \\ & & \lambda _n \end{bmatrix},则\wedge^{n}=\begin{bmatrix} \lambda _1^n & & \\ & \ddots & \\ & & \lambda _n^n \end{bmatrix} ∧= λ1⋱λn ,则∧n= λ1n⋱λnn
秩1方阵
设A为n阶矩阵,且r(A)=1,则称其为“秩1方阵”
秩1方阵性质
A是实对称,可以对角化
A = α β T , 其中 α 、 β 为非零列向量 A=\alpha \beta ^T,其中\alpha 、\beta为非零列向量 A=αβT,其中α、β为非零列向量
行列式 ∣ A ∣ = 0 行列式|A|=0 行列式∣A∣=0
迹 t r ( A ) = α T β = β T α 迹tr(A)=\alpha ^T\beta =\beta ^T\alpha 迹tr(A)=αTβ=βTα
n 次幂 A n = [ t r ( A ) ] n − 1 A n次幂A^n=[tr(A)]^{n-1}A n次幂An=[tr(A)]n−1A
对角化 t r ( A ) ≠ 0 ⟺ A 才可以对角化 对角化tr(A)\ne0\Longleftrightarrow A才可以对角化 对角化tr(A)=0⟺A才可以对角化
特征值 λ A 、特征向量 α λ A = { t r ( A ) = α T β ⇒ α 为 A 的非零列 0 ⇒ 瞪眼法求 α 特征值\lambda _A、特征向量\alpha ~~~~~~~~~\lambda _A=\left\{\begin{matrix} tr(A)=\alpha ^T\beta ~~~~~~\Rightarrow \alpha 为A的非零列\\0~~~~~~~~~~~~~~~~~~~\Rightarrow 瞪眼法求\alpha \end{matrix}\right. 特征值λA、特征向量α λA={tr(A)=αTβ ⇒α为A的非零列0 ⇒瞪眼法求α
α β T 、 β α T 是矩阵, α T β 、 β T α 是数字 {\color{Red}\alpha \beta ^T、\beta \alpha ^T是矩阵,\alpha^T \beta 、\beta^T \alpha 是数字 } αβT、βαT是矩阵,αTβ、βTα是数字
正交矩阵
正交矩阵定义
设 n 阶矩阵 A = ( a i j ) n × n , 若 A T A = A A T = E ,则称矩阵 A 为正交矩阵 设n阶矩阵A=(a_{ij})_{n\times n},若A^TA=AA^T=E,则称矩阵A为正交矩阵 设n阶矩阵A=(aij)n×n,若ATA=AAT=E,则称矩阵A为正交矩阵
正交矩阵性质
行列式
∣ A ∣ 的取值要么是 1 要么是 − 1 |A|的取值要么是1要么是-1 ∣A∣的取值要么是1要么是−1
特征值
λ A 的取值要么是 1 要么是 − 1 \lambda _A的取值要么是1要么是-1 λA的取值要么是1要么是−1
三大运算
A T = A − 1 A^T=A^{-1} AT=A−1
当| A | = 1 时, A T = A − 1 = A ∗ 当|A|=1时,A^T=A^{-1}=A^* 当|A|=1时,AT=A−1=A∗
A T 、 A − 1 、 A ∗ 均为正交阵 A^T、A^{-1}、A^*均为正交阵 AT、A−1、A∗均为正交阵
列向量与行向量
A 的列向量与行向量均是单位向量 A的列向量与行向量均是单位向量 A的列向量与行向量均是单位向量
A 的列向量之间相互正交, A 的行向量之间也相互正交 A的列向量之间相互正交,A的行向量之间也相互正交 A的列向量之间相互正交,A的行向量之间也相互正交
正交阵与正交阵之积是正交阵 正交阵与正交阵之积是正交阵 正交阵与正交阵之积是正交阵
矩阵的迹tr
矩阵对角线上的和等于伴随矩阵的迹
∑ i = 1 n A i i = A 11 + A 22 + A 33 + . . . + A n n = t r ( A ∗ ) \sum_{i=1}^{n}A_{ii}=A_{11}+ A_{22}+ A_{33}+ ...+A_{nn} =tr(A^*) i=1∑nAii=A11+A22+A33+...+Ann=tr(A∗)
矩阵相加需要注意
以下拆分只有转置成立
∣ A + B ∣ ≠ ∣ A ∣ + ∣ B ∣ |A+B|\ne |A|+|B| ∣A+B∣=∣A∣+∣B∣
( A + B ) − 1 ≠ A − 1 + B − 1 (A+B)^{-1}\ne A^{-1}+B^{-1} (A+B)−1=A−1+B−1
( A + B ) ∗ ≠ A ∗ + B ∗ (A+B)^{*}\ne A^{*}+B^{*} (A+B)∗=A∗+B∗
( A + B ) T = A T + B T (A+B)^{T}= A^{T}+B^{T} (A+B)T=AT+BT
第三章 向量
向量的内积
α = ( a 1 , a 2 , a 3 ) , β = ( b 1 , b 2 , b 3 ) , 做内积 ( α , β ) = a 1 b 1 + a 2 b 2 + a 3 b 3 \alpha =(a_1,a_2,a_3),\beta =(b_1,b_2,b_3),做内积(\alpha ,\beta )=a_1b_1+a_2b_2+a_3b_3 α=(a1,a2,a3),β=(b1,b2,b3),做内积(α,β)=a1b1+a2b2+a3b3
第四章 线性方程组
齐次线性方程组只有零解
n为A的列数
设齐次线性方程组
A
m
×
n
=
O
设齐次线性方程组A_{m \times n}=O
设齐次线性方程组Am×n=O
r ( A ) = n ⇔ 方程只有零解 r(A)=n\Leftrightarrow 方程只有零解 r(A)=n⇔方程只有零解
齐次线性方程组无穷多解
r ( A ) < n ⇔ 方程有无穷多解 r(A)<n\Leftrightarrow 方程有无穷多解 r(A)<n⇔方程有无穷多解
非齐次线性方程组无解
设齐次线性方程组 A m × n x = y 设齐次线性方程组A_{m \times n}x=y 设齐次线性方程组Am×nx=y
r ( A ) < r ( A , y ) ⇔ 方程无解 r(A)<r(A,y)\Leftrightarrow 方程无解 r(A)<r(A,y)⇔方程无解
非齐次线性方程组有唯一解
r ( A ) = r ( A , y ) = n ⇔ 方程有唯一解 r(A)=r(A,y)=n\Leftrightarrow 方程有唯一解 r(A)=r(A,y)=n⇔方程有唯一解文章来源:https://www.toymoban.com/news/detail-639698.html
非齐次线性方程组无穷多解
r ( A ) = r ( A , y ) < n ⇔ 方程无穷多解 r(A)=r(A,y)<n\Leftrightarrow 方程无穷多解 r(A)=r(A,y)<n⇔方程无穷多解文章来源地址https://www.toymoban.com/news/detail-639698.html
到了这里,关于线性代数复习公式整理(自用/持续更新)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!