A 线性代数
基本运算
①A +B =B +A
②(A +B)+C =A +(B +C )
③c(A +B)=cA +cB
④c(dA)=(cd )A
(c +d )A =cA +dA
⑤ cA = 0 ?c = 0 或A = 0 。
(A T)T=A
(A±B)T=A T ±B T
(cA)T (AB)T =c(A T)。=B T A T
τ(n(n - 1)Λ21)=C 2 =n (n - 1)
n 2
D =a
21 A
21
+a
22
A
22
+Λ+a
2n
A
2n
转置值不变A T =A 逆值变A-1 =
1
cA =c n A
α, β
1 +β
2 ,γ
=α, β1 ,γ
+α, β2 ,γ
A=(α1,α2,α3),3 阶矩阵
B=(β1,β2,β3)
A +
B ≠A +B
A+B=(α1+β1,α2+β2,α3+β3)
A +
B =α1 +β1 ,α2 +β2 ,α3 +β3
A *
=A
0 B * 0
=A B B
E(i, j(c))= 1 有关乘法的基本运算
C
ij =a
i1
b
1 j
+a
i 2
b
2 j
+Λ+a
in
b
nj
线性性质(A1+A2)B=A1B+A2B,
A(B1 +B2 )=AB1 +AB2
(cA)B =c(AB)=A(cB) 结合律(AB)C =A(BC )
(AB)T AB = A k A l =B T A T A B
=A k +l
(A k)l (AB)k =A kl
=A k B k 不一定成立!
AE =A ,EA =A
A(kE )=kA ,(kE )A =kA
AB =E ?BA =E
与数的乘法的不同之处
(AB)k=A k B k 不一定成立!
无交换律因式分解障碍是交换性
一个矩阵A 的每个多项式可以因式分解,例如
A2 - 2 A - 3E =(A - 3E )(A +E )
无消去律(矩阵和矩阵相乘)
当AB=0时?/ A = 0 或B = 0
由A ≠ 0 和AB = 0 ?/ B = 0
由A ≠ 0 时AB =AC ?/ B =C (无左消去律)特别的设A 可逆,则A 有消去律。
左消去律:AB =AC ?B =C 。
右消去律:BA =CA ?B =C 。
如果A 列满秩,则A 有左消去律,即
① AB = 0 ?B = 0
② AB =AC ?B =C
A
A ?
ii
(A A ? ? 可逆矩阵的性质
i ) 当 A 可逆时,
A T 也可逆,且(A T )-1
= (A -1 )T
。
A k 也可逆,且(A k )-1
= (A -1 )k
。
数c ≠ 0 , cA 也可逆, (cA )
-1
= 1
A -1 。 c
i )
A ,
B 是两个n 阶可逆矩阵? AB 也可逆,且(AB )-1
= B -1 A -1 。
推论:设 A , B 是两个n 阶矩阵,则 AB = E ? BA = E 命题:初等矩阵都可逆,且
(E (i , j ))-1 = E (i , j )
(E (i (c )))-1 = ? ? 1 ??
E i ? c ? ? ??
(E (i , j (c )))-1 = E (i , j (- c ))
命题:准对角矩阵
A 11 0 A = 0 0 0 A 22 0 0 0 0 0 0 O 0 0 A kk -1
11
可逆? 每个 A 都可逆,记 A -1 = 0 0 0 0 0 0 -1 22 0 O 0
-1
kk
伴随矩阵的基本性质: AA * = A * A =
当 A 可逆时,
A E
A
A *
= E 得
, (求逆矩阵的伴随矩阵法) 且得: (A *)-1 =
伴随矩阵的其他性质
A = (A -1 )* A
? -1
?
)* = A -1 (A -1 )-1 = ? ? A * = A A -1
A -1
= A *
A
① A * = A
n -1
,
A A A 0 0 0 0
? ?
③ (cA )* = c
n -1
A * ,
但(AB )k
= B k
A k
不一定成立!
② (A T
)
* = (A *)T
,
④ (AB )* = B * A *, ⑤ (A k
)
* = (A *)k
,
? a - b ? n = 2 时,
(A *)* = A
关于矩阵右上肩记号: T , k , - 1,*
A * = - c d ?
i ) 任何两个的次序可交换,
如(A T
)
* = (A *)T
,
(A *)-1 = (A -1 )* 等
i )
(AB )T = B T A T , (AB )-1 = B -1 A -1 ,
(AB )* = B * A *
线性表示
0 → α1 ,α 2 ,Λ,α s
αi → α1 ,α 2 ,Λ,α s
β → α1 ,α 2 ,Λ,α s ? x 1α1 + x 2α 2 +Λ + x s α s = β 有解
? (α1 ,α 2 ,Λ,α s )x = β 有解(x = (x 1 ,Λ, x s
)T )
Ax = β 有解,即 β 可用 A 的列向量组表示 AB = C = (r 1 , r 2 ,Λ, r s ), A = (α1 ,α 2 ,Λ,α n ) ,
则r 1 , r 2 ,Λ, r s → α1 ,α 2 ,Λ,α n 。
β1 , β 2 ,Λ, βt → α1 ,α 2 ,Λ,α s ,
则存在矩阵C ,使得(β1 , β 2 ,Λ, βt ) = (α1 ,α 2 ,Λ,α s )C
线性表示关系有传递性 当 β1 , β 2 ,Λ, βt → α1 ,α 2 ,Λ,α s → r 1 , r 2 ,Λ, r p ,
则 β1 , β 2 ,Λ, βt → r 1 , r 2 ,Λ, r p 。
⑥ (A *)* = A
A 。
n -2
Λ
②如果α1 ,α 2 ,Λ,α s 无关,则它的每一个部分组都无关
③如果α1 ,α 2 ,Λ,α s 无关,而α1 ,α 2 ,Λ,α s , β 相关,则 β → α1 ,α 2 ,Λ,α s
⑤若 β1 ,Λ, βt → α1 ,Λ,α s ,并且t > s ,则 β1 ,Λ, βt 一定线性相关。
等 价 关 系 : 如 果
α1 ,α 2 ,Λ,α s →← β1 , β 2 ,Λ, βt
α1 ,α 2 ,Λ,α s
与
β1 , β 2 ,Λ, βt
互 相 可 表 示
记作α1 ,α 2 ,Λ,α s ? β1 , β 2 ,Λ, βt 。
线性相关
s = 1,单个向量α , x α = 0
α 相关? α = 0
s = 2 ,α1 ,α 2 相关? 对应分量成比例 α1 ,α 2 相关? a 1 : b 1 = a 2 : b 2 = Λ = a n : b n
A = (α1 ,α 2 ,Λ,α n ) , Ax = 0 有非零解? A = 0
Ax = 0 的方程个数 n < 未知数个数 s
证明:设c 1 ,Λ, c s , c 不全为 0,使得c 1α1 +Λ + c s α s + c β = 0
则其中c ≠ 0 ,否则c 1 ,Λ, c s 不全为 0,c 1α1 +Λ + c s α s = 0 ,与条件α1 ,Λ,α s 无关矛
盾。于是 β = -
c 1 α c
1 - - c
s α 。
c
s
(表示方式不唯一? α1 Λα s 相关)
④当 β → α1 ,Λ,α s 时,表示方式唯一? α1 Λα s 无关 如果 s > n ,则α1 ,α 2 ,Λ,α s 一定相关
一个线性无关部分组(I ) ,若# (I )等于秩α1 ,α 2 ,α 4 ,α 6 → (I ), (I ) 就一定是极大无关组 ①α1 ,α 2 ,Λ,α s 无关? γ (α1 ,α 2 ,Λ,α s ) = s
② β → α1 ,α 2 ,Λ,α s ? γ (α1 ,α 2 ,Λ,α s , β ) = γ (α1 ,Λ,α s ) ④ β1 ,Λ, βt → α1 ,Λ,α s ? γ (α1 ,Λ,α s , β1 ,Λ, βt ) = γ (α1 ,Λ,α s )
证明:记 A = (α1 ,Λ,α s ), B = (β1 ,Λ, βt ),
则存在 s ? t 矩阵C ,使得 B = AC 。
Cx = 0 有 s 个方程, t 个未知数, s < t ,有非零解η , C η = 0 。
则 B η = AC η = 0 ,即η 也是 Bx = 0 的非零解,从而 β1 ,Λ, βt 线性相关。
各性质的逆否形式
①如果α1 ,α 2 ,Λ,α s 无关,则 s ≤ n 。
②如果α1 ,α 2 ,Λ,α s 有相关的部分组,则它自己一定也相关。
③如果α1 Λα s 无关,而 β →/ α1 ,Λ,α s ,则α1 ,Λ,α s β 无关。
⑤如果 β1 Λ βt → α1 Λα s , β1 Λ βt 无关,则t ≤ s 。
推论:若两个无关向量组α1 Λα s 与 β1 Λ βt 等价,则 s = t 。极大无关组
另一种说法: 取α1 ,α 2 ,Λ,α s 的一个极大无关组(I
) (I ) 也是α1 ,α 2 ,Λ,α s , β 的极大无关组? (I ), β 相关。
证明: β → α1 ,Λ,α s ? β → (I ) ? (I ), β 相关。
③ β 可用α1 ,Λ,α s 唯一表示? γ (α1 ,Λ,α s , β ) = γ (α1 ,Λ,α s ) = s
s
1 s ? 1 ?γ (α ,Λ,α ) + 1, β →/ α ,Λ,α s 1
α 1
s , β → α Λ s 1 α ,Λ,α ) ?γ ( α ,Λ,α , β ) = γ (
⑤α1 ,Λ,α s ? β1 ,Λ, βt ? γ (α1 ,Λ,α s ) = γ (α1 Λα s , β1 Λ β t ) = γ (β1 ,Λ, β t )
? γ (β1 ,Λ, βt ) ≤ γ (α1 ,Λ,α s )
矩阵的秩的简单性质
0 ≤ r (A ) ≤ min {m , n } r (A ) = 0 ? A = 0 A 行满秩: r (A ) = m A 列满秩: r (A ) = n n 阶矩阵 A 满秩: r (A ) = n
A 满秩? A 的行(列)向量组线性无关
? A ≠ 0 ? A 可逆
? Ax = 0 只有零解, Ax = β 唯一解。
矩阵在运算中秩的变化 初等变换保持矩阵的秩
① r (A
T
) = r (A )
② c ≠ 0 时, r (cA ) = r (A ) ③ r (A ± B ) ≤ r (A ) + r (B ) ④ r (AB ) ≤ min {r (A ), r (B )} ⑤ A 可逆时, r (AB ) = r (B )
弱化条件:如果 A 列满秩,则γ (AB ) = γ (B ) 证:下面证 ABx = 0 与 Bx = 0 同解。
η 是 ABx = 0 的解? AB η = 0
? B η = 0 ? η 是 Bx = 0 的解
B 可逆时, r (AB ) = r (A )
⑥若 AB = 0 ,则 r (A ) + r (B ) ≤ n ( A 的列数, B 的行数)
?i , A ηi = 0 ? A (c 1η1 + c 2η2 +Λ + c e ηe ) = 0
c 1ξ1 + c 2ξ 2 +Λ + c e ξe 也是 Ax = β 的解? c 1 + c 2 +Λ + c e = 1
c 1ξ1 + c 2ξ 2 +Λ + c e ξe 是 Ax = 0 的解? c 1 + c 2 +Λ + c e = 0
⑦ A 列满秩时 r (AB ) = r (B )
B 行满秩时 r (AB ) = r (A )
⑧ r (AB ) + n ≥ r (A ) + r (B )
解的性质
1. Ax = 0 的解的性质。
如果η1 ,η2 ,Λ,ηe 是一组解,则它们的任意线性组合 c 1η1 + c 2η2
+Λ+ c e ηe 一定也
是解。
2. Ax = β (β ≠ 0)
①如果ξ1 ,ξ 2 ,Λ,ξe 是 Ax = β 的一组解,则
A ξ i = β ? ?i
A (c 1ξ1 + c 2ξ 2 +Λ + c e ξe ) = c 1 A ξ1 + c 2 A ξ 2 +Λ + c e A ξe
= (c 1 + c 2 +Λ + c e )β
特别的:
②如果ξ0 是 Ax = β 的解,则 n 维向量ξ 也是 Ax = β 的解? ξ - ξ0 是 Ax = 0 的解。
解的情况判别
方程: Ax = β ,即 x 1α1 + x 2α 2 +Λ + x n α n = β
? β → α1 ,α 2 ,Λ,α n ? γ (A | β ) = γ (A ) ? γ (α1 ,α 2 ,Λ,α n , β ) = γ (α1 ,α 2 ,Λ,α n ) ? γ (A | β ) > γ (A ) ? γ (A | β ) = γ (A ) = n ? γ (A | β ) = γ (A ) < n 方程个数 m :
无穷多解 唯一解
无解
有解
当ξ1 ,ξ 2 是 Ax = β 的两个解时, ξ1 - ξ 2 是 Ax = 0 的解
1 ① λ 1λ 2Λλ n = A
② λ 1+ λ 2 +Λ + λ n = tr (A )
γ (A | β ) ≤ m ,γ (A ) ≤ m
①当γ (A ) = m 时, γ (A | β ) = m ,有解 ②当 m < n 时, γ (A ) < n ,不会是唯一解对于齐次线性方程组 Ax = 0 ,
只有零解? γ (A ) = n (即 A 列满秩) (有非零解? γ (A ) < n )
特征值特征向量
λ 是 A 的特征值? λ 是 A 的特征多项式 两种特殊情形:
(1) A 是上(下)三角矩阵,对角矩阵时,特征值即对角线上的元素。
? λ *
* ? ? A = 0 ? 0 λ 2 * ?
? 3 ?
xE - A = x - λ 1 0 0
- * x - λ 2
0 - *
- * x - λ 3
= (x - λ 1 )(x - λ 2 )(x - λ 3 ) (2) r (A ) = 1时: A 的特征值为0,0,Λ,0, tr (A ) 特征值的性质
命题: n 阶矩阵 A 的特征值λ 的重数≥ n - r (λ E - A ) 命题:设 A 的特征值为λ 1, λ 2,Λ, λ n ,则
命题:设η 是 A 的特征向量,特征值为λ ,即 A η = λη ,则
①对于 A 的每个多项式 f (A ), f (A )η = f (x )η ②当 A 可逆时, A
-1
η = 1 η , A *η = | A |
η
λ λ
命题:设 A 的特征值为λ 1, λ 2 ,Λ, λ n ,则
① f (A )的特征值为 f (λ 1 ), f (λ 2 ),Λ, f (λ n )
0 λ
1 2 n Λ
② A 可逆时,A-1 的特征值为1
,
1
λ
1
λ
2
, ,
1
λ
n
A * 的特征值为| A |
,
| A |
,Λ,
| A |
λ
1
λ
2
λ
n
③A T 的特征值也是λ, λ,Λ, λ
特征值的应用
①求行列式| A |=λ1, λ2 ,Λ, λn
②判别可逆性
A -λE 可逆?λ不是A 的特征值。
当f (A)= 0 时,如果f (c)≠ 0 ,则A -cE 可逆
若λ是A 的特征值,则f (λ)是f (A)的特征值?
f (c)≠ 0 ?c 不是A 的特征值?AcE 可逆。
n 阶矩阵的相似关系
f (λ)= 0 。
当AU =UA 时,B =A ,而AU ≠UA 时,B ≠A 。
相似关系有i)对称性:A ~ B ?B ~ A
U -1 AU =B ,则A =UBU -1
ii)有传递性:A ~ B ,B ~ C ,则A ~ C
U -1 AU =B ,V -1 BV =C ,则
(UV)-1 A(UV)=V -1U-1 A UV=V -1 BV =C
命题当A ~ B 时,A 和B 有许多相同的性质
① A =B
②γ(A)=γ(B)
③ A ,B 的特征多项式相同,从而特征值完全一致。
A 与
B 的特征向量的关系:η是A 的属于λ的特征向量?U -1η是B 的属于λ的特征向量。
Aη=λη?B(U-1η)=λ(U-1η)
χχ
U-1 Aη=λU-1η?U-1 A UU-1η=λ(U-1η)
正定二次型与正定矩阵性质与判别
可逆线性变换替换保持正定性
f (x1 , x2 ,Λ, x n )变为g(y1,y2,Λ,y n),则它们同时正定或同时不正定
A ~-
B ,则A ,B 同时正定,同时不正定。
例如B =C T AC 。如果A 正定,则对每个x ≠ 0
x T Bx =x T C T ACx =(Cx)T ACx > 0
(C 可逆,x ≠ 0 ,∴Cx ≠ 0 !)
我们给出关于正定的以下性质
A 正定?A ~-E
?存在实可逆矩阵C ,A =C T C 。
?A 的正惯性指数=n 。
?A 的特征值全大于0 。
?A 的每个顺序主子式全大于0 。
判断A 正定的三种方法:
①顺序主子式法。
②特征值法。
③定义法。
基本概念
对称矩阵A T =A 。
反对称矩阵A T =-A 。
简单阶梯形矩阵:台角位置的元素都为 1 ,台角正上方的元素都为0。
如果A 是一个n 阶矩阵,A 是阶梯形矩阵?A 是上三角矩阵,反之不一定矩阵消元法:(解的情况)
①写出增广矩阵(A β),用初等行变换化(A β)为阶梯形矩阵(B γ)。
②用(B γ)判别解的情况。
i)如果(B γ)最下面的非零行为(0,Λ,0 d ),则无解,否则有解。
(B γ)的非零行数,则
ii)如果有解,记γ是
γ=n 时唯一解。
γ 0 0 0 n Λ 2n iii ) 唯一解求解的方法(初等变换法) 去掉(B γ )的零行,得(B γ ) ,它是 n ? (n + c )矩阵, B 是 n 阶梯形矩阵,从而是上三角 矩阵。 则b n n ≠ 0 ? b n -1 n -1 ≠ 0 ? Λb ii 都不为0 。 (A β )??行 →(B r )??行 →(E η) η 就是解。 a 11 a 21 一个n 阶行列式 Λ a n 1 ①是n !项的代数和 a 12 a 22 Λ a n 2 Λ a 1n a 的值: Λ Λ Λ a nn ②每一项是 n 个元素的乘积,它们共有 n !项 排列。 a 1 j 1 a 2 j 2 Λa nj n 其中 j 1 j 2 Λ j n 是1,2,Λ, n 的一个全 ③ a 1 j 1 Λa nj n 前面乘的应为(- 1) τ ( j 1 j 2 Λ j n ) τ ( j 1 j 2 Λ j n )的逆序数 = ∑(- 1)τ ( j 1 j 2 Λ j n ) a a 2 j 2 Λa nj n j 1 j 2 Λ j n τ (n (n - 1)Λ21) = C 2 = n (n - 1) n 2 代数余子式 M ij 为 a ij 的余子式。 A ij = (- 1)i + j M 定理:一个行列式的值 D 等于它的某一行(列),各元素与各自代数余子式乘积之和。 D = a 21 A 21 + a 22 A 22 +Λ + a 2n A 2n 一行(列)的元素乘上另一行(列)的相应元素代数余子式之和为0 。 范德蒙行列式 1 1 a 1 a 1 Λ 1 Λ a n = ∏(a j i < j - a i ) C 2 个 乘法相关 AB 的(i , j ) 位元素是 A 的第i 行和 B 的第 j 列对应元素乘积之和。 1 j 1 ij 1 1 1 2 C ij = a i 1b 1 j + a i 2 b 2 j +Λ + a in b nj 乘积矩阵的列向量与行向量 (1) 设m ? n 矩阵 A = (α ,α ,Λ,α ) , n 维列向量 β = (b , b ,Λ, b )T ,则 A β = b 1α1 + b 2α 2 +Λ + b n α n 矩阵乘法应用于方程组 方程组的矩阵形式 Ax = β , ( β = (b , b ,Λ, b )T ) 1 2 m 方程组的向量形式 x 1α1 + x 2α 2 +Λ + x n α n = β (2) 设 AB = C , AB = (A β1 , A β 2 ,Λ, A β s ) r i = A βi = b 1i α1 + b 2i α 2 +Λ + b ni α n AB 的第i 个列向量是 A 的列向量组的线性组合,组合系数是 B 的第i 个列向量的各分 量。 AB 的第i 个行向量是 B 的行向量组的线性组合,组合系数是 A 的第i 个行向量的各分 量。 矩阵分解 当矩阵C 的每个列向量都是 A 的列向量的线性组合时,可把C 分解为 A 与一个矩阵 B 的乘积 特别的在有关对角矩阵的乘法中的若干问题 (α ,α ,Λ,α ? λ 0 0 ) 0 λ2 0 0 ? ? 0 ? = (λ α , λ α ,Λ, λ α ) 1 2 n 0 0 O 0 ? 1 1 2 2 n n ? 0 0 ? 0 λn ? 对角矩阵从右侧乘一矩阵 A ,即用对角线上的元素依次乘 A 的各列向量对角矩阵从左侧乘一矩阵 A ,即用对角线上的元素依次乘 A 的各行向量 于是 AE = A , EA = A A (kE ) = kA , (kE )A = kA 两个对角矩阵相乘只须把对角线上对应元素相乘 对角矩阵的k 次方幂只须把每个对角线上元素作k 次方幂 对一个 n 阶矩阵 A ,规定tr (A )为 A 的对角线上元素之和称为 A 的迹数。 于是 ( αβ T )k = (β T α ) k -1 αβ T = [tr (αβ T )]k -1αβ T α T α = tr (αα T ) 其他形式方阵的高次幂也有规律 2 n n 1 kk ?? kk ? ? kk ? Λ ? Λ Λ ? 1 例如: A = 0 ? 0 1? ? 2 0? 0 ? 初等矩阵及其在乘法中的作用 (1) E (i , j ):交换 E 的第i , j 两行或交换 E 的第i , j 两列 (2) E (i (c )) :用数c (≠ 0)乘 E 的第i 行或第i 列 (3) E (i , j (c )):把 E 的第 j 行的c 倍加到第i 行上,或把 E 的第i 列的c 倍加到第 j 列上。 初等矩阵从左(右)侧乘一个矩阵 A 等同于对 A 作一次相当的初等行(列)变换 乘法的分块法则 一般法则:在计算两个矩阵 A 和 B 的乘积时,可以先把 A 和 B 用纵横线分割成若干小矩阵来进行,要求 A 的纵向分割与 B 的横向分割一致。 两种常用的情况 (1) A , B 都分成 4 块 ? A 11 A 12 ? ? B 11 B 12 ? A = A ? , B = ? A B B ? 21 22 ? ? 21 22 ? 其中 A i 1 的列数和 B 1 j 的行数相等, A i 2 的列数和 B 2 j 的行数相关。 ? A 11 B 11 + A 12 B 21 A 11 B 12 + A 12 B 22 ? AB = A A + A B A B + A B ? ? 21 11 22 21 21 12 22 22 ? (2) 准对角矩阵 ? A 11 0 0 ? ? 0 A 22 0 0 Λ 0 ? O ? Λ A ? A 11 0 Λ 0 ?? B ?? 0 0 ? ? ? A 11 B 11 0 0 ? ? 0 A 22 Λ 0 ?? 0 B 22 Λ 0 ? = 0 A 22 B 22 Λ 0 ? M O ?? Λ Λ Λ Λ ? O ? ?? 0 0 Λ A 0 ? ? 0 Λ B 0 A B 矩阵方程与可逆矩阵 1 11 ? kk ? ? kk ? ? 1n 2n 阵,称 H 是 A 的逆矩阵,证作 A -1 。 两类基本的矩阵方程 (都需求 A 是方阵,且 A ≠ 0 ) (I )Ax = B (I ) 的解法: (A B )??行 →(E x ) (II )xA = B (II )的解法,先化为 A T x T (A T B T )→ (E x T ) 。 = B T 。 通过逆求解: Ax = B , x = A -1 B 可逆矩阵及其逆矩阵 定义:设 A 是n 阶矩阵,如果存在n 阶矩阵 H ,使得 AH = E ,且 HA = E ,则称 A 是可逆矩 求 A -1 的方程(初等变换法) (A E )??行 →(E A -1 ) 伴随矩阵 ? A 11 A 21 Λ A n 1 ? A * = A 12 A 22 Λ A n 2 ? = (A )T Λ Λ Λ Λ ? ij ? A A Λ A 线性表示 β 可以用α1 ,α 2 ,Λ,α s 线性表示,即 β 可以表示为α1 ,α 2 ,Λ,α s 的线性组合, 也就是存在c 1 , c 2 ,Λ, c s 使得记号: β → α1 ,α 2 ,Λ,α s c 1α1 + c 2α 2 +Λ + c s α s = β 线性相关性 线性相关:存在向量αi 可用其它向量α1 ,Λ,αi -1 ,αi +1 ,Λ,α s 线性表示。线性无关:每个向量αi 都不能用其它向量线性表示 ? nn ? α1 ,α 2 ,Λ,α s 线性相关,否则称α1 ,α 2 ,Λ,α s 线性无关。 定义: 即:α1 ,α 2 ,Λ,α s 线性相(无)关? x 1α1 +Λ + x s α s = 0 有(无)非零解 ? (α1 ,α 2 ,Λ,α s )x = 0 有(无)非零解 极大无关组和秩 定义:α1 ,α 2 ,Λ,α s 的一个部分组(I ) 称为它的一个极大无关组,如果满足: i ) (I ) 线性无关。 ii ) (I ) 再扩大就相关。 (I ) →←α1 ,α 2 ,Λ,α s (II ) ? α1 Λα s ? (I ) 定义:规定α1 ,α 2 ,Λ,α s 的秩γ (α1 ,α 2 ,Λ,α s ) =# (I )。 如果α1 ,α 2 ,Λ,α s 每个元素都是零向量,则规定其秩为0 。 0 ≤ γ (α1 ,Λ,α s ) ≤ min {n , s } 有相同线性关系的向量组 定义:两个向量若有相同个数的向量:α1 ,α 2 ,Λ,α s , β1 , β 2 ,Λ, β s ,并且向量方程 x 1 ,α1 + x 2α2 +Λ+ x s αs = 0 与 x 1 β1 + x 2 β 2 +Λ + x s β s = 0 同解,则称它们有相同的线性关 系。 ①对应的部分组有一致的相关性。 α1 ,α 2 ,α 4 的对应部分组 β1 , β 2 , β 4 , 若α1 ,α 2 ,α 4 相关,有不全为0 的c 1 , c 2 , c 4 使得 c 1α1 + c 2α 2 + c 4α 4 = 0 , 即(c 1 , c 2 ,0, c 4 ,0,Λ,0)是 x 1α1 + x 2α 2 +Λ + x s α s = 0 的解,从而也是 x 1 β1 + x 2 β 2 +Λ + x s β s = 0 的解,则有 如果存在不全为 0 的 c 1 , c 2 ,Λ, c s ,使得 c 1α1 + c 2α 2 +Λ + c s α s = 0 则称 1 ?a c 1 β1 + c 2 β 2 + c 4 β 4 = 0 , β1 , β 2 , β3 也相关。 ②极大无关组相对应,从而秩相等。 ③有一致的内在线表示关系。 设: A = (α1 ,α 2 ,Λ,α s ), B = (β1 , β 2 ,Λ, β s ) ,则 x 1α1 + x 2α 2 +Λ + x s α s = 0 即 x 1 β1 + x 2 β 2 +Λ + x s β s = 0 即 Ax = 0 , Bx = 0 。 α1 ,α 2 ,Λ,α s 与 β1 , β 2 ,Λ, β s 有相同的线性关系即 Ax = 0 与 Bx = 0 同解。 反之,当 Ax = 0 与 Bx = 0 同解时, A 和 B 的列向量组有相同的线性关系。 矩阵的秩 定理:矩阵 A 的行向量组的秩=列向量组的秩 规定 r (A ) = 行(列)向量组的秩。 r (A )的计算:用初等变换化 A 为阶梯形矩阵 B ,则 B 的非零行数即 r (A )。 命题: r (A ) = A 的非零子式阶数的最大值。 方程组的表达形式 ?a 11 x 1 + a 12 x 2 + Λ+ a 1n x n = b 1 ? x ? 21 1 ? + a 22 x 2 +Λ+ a 2n x n Λ = b 2 ??a m 1 x 1 + a m 2 x 2 +Λ+ a mn x n = b m 2. Ax = β η 是解? A η = β 3. x 1α1 + x 2α 2 +Λ + x n α n = β 有解? β → α1 ,α 2 ,Λ,α n 基础解系和通解 1. Ax = 0 有非零解时的基础解系 2 ? η1 ,η2 ,Λ,ηe 是 Ax = 0 的基础解系的条件: ①每个ηi 都是 Ax = 0 的解 ②η1 ,η2 ,Λ,ηe 线性无关 ③ Ax = 0 的每个解η → η1 ,η2 ,Λ,ηe ③/ l = n - γ (A ) 通解 ①如果η1 ,η2 ,Λ,ηe 是 Ax = 0 的一个基础解系,则 Ax = 0 的通解为 c 1η1 + c 2η2 +Λ + c e ηe , c i 任意 ②如果ξ0 是 Ax = β (β ≠ 0) 的一个解,η1 ,η2 ,Λ,ηe 是 Ax = 0 的基础解系,则 Ax = β 的通解 为 ξ0 + c 1η1 + c 2η2 +Λ + c e ηe , c i 任意 特征向量与特征值 定义:如果η ≠ 0 ,并且 A η 与η 线性相关,则称η 是 A 的一个特征向量。此时,有数λ ,使得 A η = λη ,称λ 为η 的特征值。 设 A 是数量矩阵λE ,则对每个 n 维列向量η , A η = λη ,于是,任何非零列向量都是λE 的 特征向量,特征值都是λ 。 ①特征值有限特征向量无穷多 若 A η = λη , A (c η) = cA η = c λη = λ(c η) A η1 = λη1 ? ? A (c η + c η ) = c A η + c A η = λ(c η + c η ) A η2 = λη ? 1 1 2 2 1 1 2 2 1 1 2 2 ②每个特征向量有唯一特征值,而有许多特征向量有相同的特征值。 ③计算时先求特征值,后求特征向量。 特征向量与特征值计算 A η = λη,η ≠ 0 ? (λE - A )η = 0,η ≠ 0 ? η 是(λE - A )x = 0 的非零解 1 命题:① λ 是 A 的特征值? λ E - A = 0 ②η 是属于λ 的特征向量? η 是(λ E - A )x = 0 的非零解称多项式 xE - A 为 A 的特征多项式。 λ 是 A 的特征值? λ 是 A 的特征多项式 xE - A 的根。 λ 的重数: λ 作为 xE - A 的根的重数。 n 阶矩阵 A 的特征值有 n 个: λ 1, λ 2,Λ, λ n ,可能其中有的不是实数,有的是多重的。 计算步骤: ①求出特征多项式 xE - A 。 ②求 xE - A 的根,得特征值。 ③对每个特征值λ i ,求(λ i E - A )x = 0 的非零解,得属于λ i 的特征向量。 n 阶矩阵的相似关系 设 A , B 是两个 n 阶矩阵。如果存在 n 阶可逆矩阵U ,使得U -1 AU = B ,则称 A 与 B 相似, 记作 A ~ B 。 n 阶矩阵的对角化 基本定理 A 可对角化? A 有n 个线性无关的特征向量。设可逆矩阵U = (η1 ,η2 ,Λ,ηn ),则 ? λ U -1 AU = 0 0 0 0 0 ? ? λ2 0 0 ? 0 O 0 ? ? 0 0 ? 0 λn ? ? λ 0 0 0 ? ? ? A (η ,η ,Λ,η ) = U 0 λ2 0 0 ? = (λ η , λ η ,Λ, λ η ) 1 2 n 0 0 O 0 ? 1 1 2 2 n n 判别法则 ? 0 0 ? A ηi = λi ηi , i = 1,2,Λ, n ? 0 λn ? A 可对角化? 对于 A 的每个特征值λ , λ 的重数= n - γ (λE - A )。 计算:对每个特征值λi ,求出(λi E - A )x = 0 的一个基础解系,把它们合在一起,得到 n 个线 1 ? i x Λ 1 2 n 1 2 p p +1 p +q = c ? x = CY 1 n 性无关的特征向量,η1 ,Λ,ηn 。令U = (η1 ,η2 ,Λ,ηn ),则 U -1 ? λ AU = 0 0 0 0 λ2 0 0 O 0 ? ? 0 0 ? ,其中λi 为ηi 的特征值。 ? 0 0 ? 0 λn ? 二次型(实二次型) 二次型及其矩阵 一个 n 元二次型的一般形式为 f (x 1 , x 2 ,Λ, x n ) = ∑ a ii i =1 x 2 +2∑ a i < j x i x j 只有平方项的二次型称为标准二次型。 形如: x 2 + x 2 +Λ + x 2 - x 2 -Λ - x 2 的 n 元二次型称为规范二次型。 对每个 n 阶实矩阵 A ,记 x = (x 1 , x 2 ,Λ, x n )T ,则 x T Ax 是一个二次型。 f (x 1 , x 2 ,Λ, x n ) = x T Ax 称 A 的秩γ (A ) 为这个二次型的秩。标准二次型的矩阵是对角矩阵。 规范二次型的矩阵是规范对角矩阵。可逆线性变量替换 设有一个 n 元二次型 f (x 1 , x 2 ,Λ, x n ),引进新的一组变量 y 1 , y 2 ,Λ, y n ,并把 x 1 , x 2 ,Λ, x n 用它们表示。 ?x 1 = c 11 y 1 + c 12 y 2 +Λ+ c 1n y n ? c 11 c 12 Λ c 1n ? ? 2 21 y 1 + c 22 y 2 +Λ+ c 2n y n c 21 c 22 ? Λ c 2n ? ? (并要求矩阵C = ? Λ ? 是可逆矩阵) Λ Λ ? ??x n = c n 1 y 1 + c n 2 y 2 +Λ + c nn y n ? c n 1 c n 2 Λ c nn ? 代入 f (x 1 , x 2 ,Λ, x n ),得到 y 1 ,Λ, y n 的一个二次型 g (y 1 ,Λ, y n )这样的操作称为对 f (x 1 Λ x n ) 作了一次可逆线性变量替换。 设Y = (y , y ,Λ, y )T ,则上面的变换式可写成 则 f (x 1 Λ x n ) = x Ax = Y C ACY = g (y ,Λ, y ) T T T 于是 g (y 1 ,Λ y n )的矩阵为C T AC n 1 Λ ij