线性代数笔记

这篇具有很好参考价值的文章主要介绍了线性代数笔记。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

第一章

一、行列式的性质

1、性质一:D=线性代数笔记,线性代数,矩阵

注:是把D的行转为了列。

2、性质二:任意 两行或两列 互换,D=-D1

        推论:若行列式有 两行或两列 相同,则该行列式的值为0。

线性代数笔记,线性代数,矩阵线性代数笔记,线性代数,矩阵

3、性质三:行列式的某 一行或一列 的公因子可提到外面。

        推论:若行列式 有两行成比例 ,则行列式的值为0。

        推论:若某 一行或一列元素全为0,则该行列式的值为0。

线性代数笔记,线性代数,矩阵

4、性质四:行列式某 一行一列 的元素可分开。线性代数笔记,线性代数,矩阵

5、性质五:行列式某一行的k倍加到另一行,该行列式的值不变。线性代数笔记,线性代数,矩阵

二、行列式的计算

1.化三角法:线性代数笔记,线性代数,矩阵

注意:交换行或列,记得添负号。

2.降阶法。(适用:将2,3,4行加到第一行,提取公因式(a+b+c+d),让第一行全变为1。)线性代数笔记,线性代数,矩阵

3.行列式按行(列)展开法:行列式等于它的任一行(列)的各元素与其对应的代数余子式乘积之和,即线性代数笔记,线性代数,矩阵

①余子式:线性代数笔记,线性代数,矩阵

② 代数余子式:线性代数笔记,线性代数,矩阵

③ 推理:行列式任一行(列)的元素与另一行(列)的对应元素的代数余子式乘积之和等于零。线性代数笔记,线性代数,矩阵

三、线性方程

1.克拉默法则

① 如果线性方程组的系数行列式(D)不等于0,则线性方程有唯一解,解为线性代数笔记,线性代数,矩阵

例子:

线性代数笔记,线性代数,矩阵线性代数笔记,线性代数,矩阵线性代数笔记,线性代数,矩阵 线性代数笔记,线性代数,矩阵线性代数笔记,线性代数,矩阵

 ②如果线性方程组的系数行列式(D)等于0,则线性方程无解或有两个不同解。

 ③若等式右边全为0,则是齐次线性方程。

定理:齐次线性方程有非零解  D=0

          反之,D!=0齐次方程有唯一0解

线性代数笔记,线性代数,矩阵

四、矩阵

1.特殊的矩阵:

①单位矩阵(E):主对角线上的元素全为1,其余元素为0的矩阵。

②对角矩阵:主对角线以外的元素都是0的矩阵。

性质:(a1,a2......an都不为0,-1可改为其他正整数)线性代数笔记,线性代数,矩阵

③零矩阵:所有元素都是0的矩阵。    (注意:不同阶数的零矩阵是不相等的。)

④同行矩阵:两个矩阵的行数和列数相等。

2.矩阵的运算

①矩阵的加法and减法:两个同阶矩阵才可进行加减。

②矩阵的数乘:Amn × Bnp = Cmp

3.矩阵的性质(注意)

①在矩阵乘法里面一般AB!=BA。      (即矩阵乘法不满足交换律)

②AB=0不能推出A=0或B=0,AB=AC也不能推出B=C。     (即矩阵乘法不满足消去律)

线性代数笔记,线性代数,矩阵

线性代数笔记,线性代数,矩阵

线性代数笔记,线性代数,矩阵 

线性代数笔记,线性代数,矩阵   (n为行列式A的行数) (行列式数乘的区别)

⑦ |AB|=|A| × |B|    (矩阵A、B乘积 的 行列式 值等于 行列式A 乘 行列式B)

⑧ A+2=A+2E    (E代表同阶单位矩阵)

五、逆矩阵

1.定义: 矩阵A可逆  |A|!=0

2.求逆矩阵方法(两种 1): 线性代数笔记,线性代数,矩阵

3.伴随矩阵:Aij 是|A|中各元素的代数余子式。线性代数笔记,线性代数,矩阵

 4.|A*|与|A|之间的关系:|A*| = 

5.求二阶逆矩阵:A=,= 1/|A| × 

6.求一阶逆矩阵:A=(2),=()

六、分块矩阵

1.分块矩阵运算法则:A的行怎么分,B的列就怎么分。

2.分块对角矩阵:若对角的元素都不为0,则有线性代数笔记,线性代数,矩阵

七、初等变换

1、矩阵等价:矩阵A经过有限次初等变换,变成B;就称A等价于B。记为:AB

2、矩阵的等价标准形:线性代数笔记,线性代数,矩阵

3、矩阵的三种初等变换:线性代数笔记,线性代数,矩阵

4、定理:线性代数笔记,线性代数,矩阵

线性代数笔记,线性代数,矩阵例如:(1)将A第二行和第三行互换              E(2,3)A 

          (2)将A第二行乘4            E(2(4))A

          (3)将A的第二行的5倍加到第三行               E(3,2(5))A

5、求逆矩阵方法(两种  2):(A|E)=(E|)

 注意:1.E代表同阶单位矩阵                 2.行和列只能选其一进行变换

八、矩阵的秩

1.秩的定义:矩阵中不为0的子式的最高阶数。

求秩的方法:进行多次初等变换,让矩阵主对角线下全为0。

2.阶梯形矩阵的定义:①矩阵的0行在矩阵最下一行 。

                                   ②非0行的第1个不为零的元素的列标随着行标的递增而严格增大。 

3.增广矩阵和系数矩阵:线性代数笔记,线性代数,矩阵

 4.满秩矩阵:可逆矩阵(|A|!=0)+矩阵的秩等于阶数

九、解线性方程组

1.主元:梯形矩阵非0行首个不为0的元素。                                                                                       

2.写出对应增广矩阵,将主元元素变为1,变换完将矩阵写成线性方程组。

注意:若要设未知解,不找主元所在列。

3.性质一:线性方程组有解  系数矩阵的秩r(A)=增广矩阵的秩r(A,B)

性质二:线性方程有一个解  系数矩阵的秩r(A)=增广矩阵的秩r(A,B)=未知数的个数n

性质三:线性方程有无穷解  系数矩阵的秩r(A)=增广矩阵的秩r(A,B)<未知数的个数n

4.齐次线性方程组和非齐次线性方程组:线性代数笔记,线性代数,矩阵

线性代数笔记,线性代数,矩阵

十、线性相关

1.线性相关的定义:线性代数笔记,线性代数,矩阵

推论:①包含0向量的任何向量组是线性相关的。  

           ②一个0向量,必相关;一个非0向量,必不相关。

           ③不是线性相关,就是线性无关。

2.线性相关的性质:

①a1,a2,......,a5相关至少一个向量可由其余向量表示

②向量个数m > 向量维数(向量一行或一列的个数)n,m个n维向量线性相关

3.极大无关组满足条件:①a1,a3线性无关        ②每个向量均可由 a1,a3表示

线性代数笔记,线性代数,矩阵

注意:向量的秩=极大无关组含向量的个数

注意:0 < 秩的数量 < 向量个数和向量维数两者中的偏小值

4.极大无关组求法:

①求极大无关组的个数

②非0行主元非0的所在列是线性无关组。

③将矩阵变为最简形矩阵(可求用极大无关组表示)

插入知识最简形举证:指的是矩阵中非零行的第一个非零元素全是1,且非零行的第一个元素1所在的列的其余元素全是0的阵。

5.线性相关的判定:

 1)n个n维向量 :(1,0,3) (2,4,3) (5,2,0)//三个三维向量

         线性代数笔记,线性代数,矩阵

2)向量构成矩阵的秩 = 向量的个数  (线性无关)

     向量构成矩阵的秩 < 向量的个数  (线性相关)

3.例题:线性代数笔记,线性代数,矩阵线性代数笔记,线性代数,矩阵线性代数笔记,线性代数,矩阵

十一、向量空间

1.含义:设 v为 n 维向量的集合,如果集合 v 非空,且集合v对于加法及数乘两种运算封闭,那么就称集合 v为向量空间。(记为:R的n次方)

插入:运算封闭:线性代数笔记,线性代数,矩阵

 2.证是否向量空间的基==证向量无关

十一、特征向量

1.特征向量:线性代数笔记,线性代数,矩阵

2.特征值:(看上面)。

插入:特征值不为0!!!特征向量不为0向量!!!

3.如何求特征值:

线性代数笔记,线性代数,矩阵

4.如何求特征向量:

线性代数笔记,线性代数,矩阵

 文章来源地址https://www.toymoban.com/news/detail-756387.html

 

到了这里,关于线性代数笔记的文章就介绍完了。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!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 宋浩线性代数笔记(二)矩阵及其性质

    更新线性代数第二章——矩阵,本章为线代学科最核心的一章,知识点多而杂碎,务必仔细学习。 重难点在于: 1.矩阵的乘法运算 2.逆矩阵、伴随矩阵的求解 3.矩阵的初等变换 4.矩阵的秩 (去年写的字,属实有点ugly,大家尽量看。。。) 首先来看一下考研数学一种对这一章

    2024年02月15日
    浏览(69)
  • 宋浩线性代数笔记(五)矩阵的对角化

    本章的知识点难度和重要程度都是线代中当之无愧的T0级,对于各种杂碎的知识点,多做题+复盘才能良好的掌握,良好掌握的关键点在于:所谓的性质A与性质B,是谁推导得谁~ 目录 5.1矩阵的特征值和特征向量 5.2特征值和特征向量的性质 5.3相似矩阵and矩阵可对角化的条件 

    2024年02月13日
    浏览(53)
  • 考研数学笔记:线性代数中抽象矩阵性质汇总

    在考研线性代数这门课中,对抽象矩阵(矩阵 A A A 和矩阵 B B B 这样的矩阵)的考察几乎贯穿始终,涉及了很多性质、运算规律等内容,在这篇考研数学笔记中,我们汇总了几乎所有考研数学要用到的抽象矩阵的性质,详情在这里: 线性代数抽象矩阵(块矩阵)运算规则(性

    2024年02月03日
    浏览(47)
  • 线性代数笔记4--矩阵A的LU分解

    1. 矩阵的转置 1.1 定义 矩阵的转置,即矩阵的行列进行互换。 A = [ 1 2 3 4 5 6 ] A= begin{bmatrix} 1 2 3 \\\\ 4 5 6\\\\ end{bmatrix} A = [ 1 4 ​ 2 5 ​ 3 6 ​ ] 矩阵 A A A 的转置 B = A ⊤ = [ 1 4 2 5 3 6 ] B=A^top= begin{bmatrix} 1 4\\\\ 2 5\\\\ 3 6 end{bmatrix} B = A ⊤ = ​ 1 2 3 ​ 4 5 6 ​ ​ 1.2 性质 ( A ⊤ ) ⊤ = A

    2024年04月13日
    浏览(42)
  • 【动手学深度学习】课程笔记 05-07 线性代数、矩阵计算和自动求导

    向量相关 矩阵相关 简单来说,范数是用来衡量矩阵(张量)大小的值,范数的值有不同的规定。 仅记录一些我比较陌生的知识。 张量的克隆 张量的降维 首先定义一个张量x,指定其元素的数据类型为32位的float: 接着调用求和函数,因为会对张量中的一些维度进行求和,求

    2024年02月03日
    浏览(46)
  • MIT线性代数笔记-第27讲-复数矩阵,快速傅里叶变换

    对于实矩阵而言,特征值为复数时,特征向量一定为复向量,由此引入对复向量的学习 求模长及内积 假定一个复向量 z ⃗ = [ z 1 z 2 ⋮ z n ] vec{z} = begin{bmatrix} z_1 \\\\ z_2 \\\\ vdots\\\\ z_n end{bmatrix} z = ​ z 1 ​ z 2 ​ ⋮ z n ​ ​ ​ ,其中 z 1 , z 2 , ⋯   , z n z_1 , z_2 , cdots , z_n z 1 ​

    2024年02月05日
    浏览(51)
  • MIT_线性代数笔记:第 26 讲 复矩阵;快速傅里叶变换

    实矩阵也可能有复特征值,因此无法避免在矩阵运算中碰到复数,本讲学习处理复数矩阵和复向量。 最重要的复矩阵是傅里叶矩阵,它用于傅里叶变换。而对于大数据处理快速傅里叶变换(FFT)显得更为重要,它将傅立叶变换的矩阵乘法中运算的次数从 n 2 n^2 n 2 次降至 n l

    2024年01月17日
    浏览(42)
  • 线性代数本质系列(一)向量,线性组合,线性相关,矩阵

    本系列文章将从下面不同角度解析线性代数的本质,本文是本系列第一篇 向量究竟是什么? 向量的线性组合,基与线性相关 矩阵与线性相关 矩阵乘法与线性变换 三维空间中的线性变换 行列式 逆矩阵,列空间,秩与零空间 克莱姆法则 非方阵 点积与对偶性 叉积 以线性变换

    2024年02月04日
    浏览(50)
  • 线性代数:线性方程求解、矩阵的逆、线性组合、线性独立

    本文参考www.deeplearningbook.org一书第二章2.3 Identity and Inverse Matrices 2.4 Linear Dependence and Span 本文围绕 线性方程求解 依次介绍矩阵的逆、线性组合、线性独立等线性代数的基础知识点。 本文主要围绕求解线性方程展开,我们先把线性方程写出来,方程如下: 其中,是已知的;,

    2024年02月08日
    浏览(50)
  • 0203逆矩阵-矩阵及其运算-线性代数

    定义7 对于 n n n 阶矩阵A,如果有一个 n n n 阶矩阵B,使 A B = B A = E AB=BA=E A B = B A = E 则说矩阵A是可逆的,并把矩阵B称为A的逆矩阵,简称逆阵。 定理1 若矩阵A可逆,则 ∣ A ∣ ≠ 0 vert Avert not = 0 ∣ A ∣  = 0 证明: A 可逆,即有 A − 1 ,使得 A A − 1 = E ∣ A A − 1 ∣ = ∣ A

    2024年04月13日
    浏览(56)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包