数学补充重点.ppt

线性代数与概率统计基础 * 补充材料 ——线性代数与概率统计基础 行列式与线性方程组 行列式： 解线性方程组的克莱姆法则 对于线性方程组： 如果系数行列式 D=|aii|≠0，则方程组存在唯一解 齐次线性方程组(即b=0)，有非零解的充要条件是D=|aii|=0 行列式 矩阵 Matrix: 由m×n个数aij排列成的m行n列的数表：Am×n = [aij]m×n 矩阵的运算 矩阵的乘法：C=AB noc(A) = nor(B) noc(C) = noc(B) nor(C) = nor(A) 矩阵的转置：A=(aij), A′=AT=(aji) 对称方阵：A′=A， 即 aij= aji 方阵的行列式： 如果|A|≠0，A称为非奇异阵，否则为奇异阵 |A′|= |A|， |AB|= |A||B| 逆矩阵：如果AB=BA=E, 则称A可逆，B为A的逆 方阵A可逆的充要条件： |A|≠0 矩阵 分块矩阵及其运算 分块矩阵：用横线和竖线把矩阵分成若干小块，每个小块为一个矩阵，它可以作为一个元素参加运算。 分块对角阵： |A|=|A11||A22|…|Arr| 矩阵 向量 n维向量：x=(x1,x2,…,xn)T 线性相关与线性无关： 设有n维向量组： x1, x2,…, xm，如果只有当k1= k2=…=km=0时，才能使下式成立，则称该向量组线性无关。否则为线性相关。 m个n维向量的矩阵表示：A=(a1, a2,…, am) n个n维向量：ai=(ai1,ai2,…,ain)T线性无关的充要条件是|A|≠0 向量(二) 如果向量组A = (a1, a2,…, am) = (b1, b2,…, bm)C = BC，称A可由向量组B线性表示。 向量组的秩：rank(A)=nov(A的最大线性无关组) 向量的内积: 向量的模（范数/长度）： 两点的距离： 两向量的夹角： 向量(三) 两向量正交：(x,y)=0, cos(θ)=0 若非零的n维向量x1, x2,…, xm两两正交，则称为正交向量组。正交向量组的性质： 正交向量组线性无关。 若n维向量y可由正交向量组x1, x2,…, xm线性表示，则： 向量(四) 向量空间：对加法和数乘运算均封闭的非空向量集合称为一个向量空间。 向量空间V的基：向量空间中的任一向量都可由线性无关向量组a1, a2, …, ar线性表示，则称向量组a1, a2, …, ar为V的基，dimV=r 向量空间V中的任一向量z可由它的基唯一线性表示，有序组(x1, x2, …, xr)称为向量z在该基下的坐标。 基变换与坐标变换 矩阵的特征值与特征向量 方阵A的特征值λ与特征向量α: Aα=λα 设α是方阵A的属于特征值λ的特征向量，则k α也是A的属于特征值λ的特征向量。 方阵A的两个不同特征值所对应的特征向量是线性无关的。 方阵A的特征矩阵A-λE和特征多项式|A-λE| 方阵A的特征方程： |A-λE|=0 特征方程|A-λE|=0的解λ为方阵A的特征值，方程 (A-λE)x=0的非零解向量就是方阵A的属于特征值λ的特征向量。 矩阵的特征值与特征向量例题 求矩阵A的特征值和特征向量。 特征方程 特征值 特征值-2对应的特征向量 特征值7对应的特征向量 相似矩阵 如果存在可逆方阵P，使P-1AP=B，则称A与B相似，记作A~B。 相似关系具有反身、对称、传递性。 相似矩阵有相同的行列式，即|A|=|B| 相似矩阵有相同的特征多项式及特征值 n阶方阵A与对角矩阵∧相似的充要条件是A有n个线性无关的特征向量。 如果A~∧，即有P-1AP= ∧=diag(d1,d2,…,dn)，则d1, d2, …, dn是A的n个特征值。 实对称矩阵： 特征值为实数 两个相异的特征值对应的特征向量正交 n阶实对称方阵A有n个线性无关的特征向量 n阶实对称方阵A与对角矩阵相似 正交矩阵 正交矩阵A，有AA′=E，即A-1=A′ 正交矩阵A与B的乘积AB仍为正交矩阵 正交矩阵A的行列式|A|=1 正交矩阵A的行(列)向量组为正交单位向量组，即： 若A为实对称矩阵，则必存在正交矩阵P，使P-1AP=∧， ∧是以A的特征值为对角元素的对角矩阵。 二次型 二次齐次函数： 记x=(x1, x2, … xn)T，A=(aij)n*n ，则有： 二次型f 与对称矩阵A存在一一对应：A为二次型f的矩阵， f 为矩阵A的二次型。 标准二次型 A=∧时为标准二次型(只含平方项) 对于任何二次型： 总可找到正交变换将f化为标准形 正定二次型和正定矩阵 二次型f(x1, x2, …, xn)，如果对于任何x12 + x22 +…+ xn2 ≠0，都有f 0，则称 f 为正定二次型。其矩阵A为正定矩阵(A0)。 n阶方阵A正定的充要条件是：A