线性代数一期末考试复习大纲.docVIP

《线性代数（一）》复习大纲 行列式 行列式的计算 行列式的性质 性质1：转置值不变。 性质2：交换两行，变号。（推出：两行相同，值为零） 性质3：用数k乘某一行（列），值等于乘以k。 性质4：行列式拆分，要求某一行（列）都可以写成m个数的和，则拆成m个行列式之和。 性质5：某一行（列）乘上数k加到另一行（列），值不变。 矩阵 矩阵的运算 加法、减法，要求运算的矩阵有相同的阶数； 数乘，等于每个元素乘上该数； 乘法，并不是任意矩阵都可以乘法，AB存在，必须A的列数与B的行数相同，且一般情况下。 伴随矩阵 定义 （，， ，） 逆矩阵 定义 n阶方阵矩阵可逆非奇异可以化为一些初等矩阵的乘积满秩rank(A)=n 求n阶方阵A的逆的方法： 初等变换法：通过初等变换，将矩阵化成单位矩阵I（教材P87—90） 求矩阵的秩 对A作一系列的初等行变换，化为阶梯形矩阵，则阶梯形矩阵阵中非零行的行数量r即为矩阵A的秩，rank(A)= r（教材P92） 线性方程组 用消元法求解线性方程组 本质：对方程组的增广矩阵作初等行变换，化为阶梯形矩阵（定义P112） 定理3.1： 唯一解：r(A,b)=n , n 为未知量X的维数 。 无穷解：r(A,b)n , 定理3.2：齐次线性方程组有非零解的充要条件r(A)n。 向量组的线性组合及线性表示 两个向量组等价即两者可以互相线性表示。 向量组的线性相关性 定义3.7 定理3.5及其推论 最常用： n个n维向量线性相关当且仅当以其为列向量的矩阵行列式为零 n个n维向量线性无关当且仅当以其为列向量的矩阵行列式不为零（满秩） 定理3.7：S个向量线性相关，当且仅当，至少有一个向量是其余（S-1）的向量的线性组合。 向量组的极大线性无关组，秩及其求法 求解极大线性无关组（或秩）的方法：教材P138 设向量组为： 将作为矩阵A的列向量，作初等行变换，化为简化的阶梯形矩阵，则简化阶梯形矩阵的非零行个数r 即为矩阵秩；所有非零行第一个不为零的元素所在列，相对应的列向量就构成了一个极大线性无关组。 将作为矩阵A的行向量，作初等行变换，化为简化的阶梯形矩阵，相应道理类似。 极大线性无关组个数为r,则说明任意(r+1)个向量构成的组均线性相关。 极大线性无关组的个数即为矩阵的秩，矩阵的秩rank(A)=行秩=列秩。 线性方程组解的结构 求非齐次线性方程组的通解： 第一步：对其增广矩阵进行初等行变换，将其化为简化的阶梯形矩阵； 第二步：求其对应导出组即相应的齐次线性方程组的基础解系； 第三步：再求方程组的一个特解，从而形成通解的结构。 （具体内容请参看教材P147-149第三章第五节） 矩阵的特征值 矩阵的特征值与特征向量 定义 求解特征值与特征项 求法：求出特征值； 求出不同特征值对应的特征向量。 定理4.3：不同的特征值，对应的特征向量是线性无关的。 相似矩阵；矩阵的对角化 相似矩阵 定义及性质； 若A与B相似，则有相同的特征多项式，有相同的特征值，有相同的秩，有相同的行列式，同时可逆或不可逆，若可逆，则其逆矩阵也相似。 对角化 定义； 定理4.6的等价条件：n阶矩阵A有n个线性无关的特征向量。 正交向量组、正交矩阵的定义 正交矩阵Q，则行列式值为1或-1，则可逆，且。 定理4.10：Q为正交矩阵，当且仅当，其列向量组是单位正交向量组。 实对称矩阵的对角化 实对称矩阵，特征值都是实数，对应于不同特征值的特征向量是不仅线性无关，而且是正交的。 求解矩阵对角化具体步骤： (一般矩阵对角化，，P只是非奇异，而对于实对称矩阵，P还可以为正交矩阵) 第一：矩阵A，为n阶矩阵，通过求特征多项式=0 来求得特征值 （注意） 第二：对方程组：求特征向量 （其实就是对齐次线性方程组求基础解系，方法和第三章中求基础解系的方法一样的，且注意到，特征根，则就有个线性无关的特征向量） 第三：利用施密特方法将特征向量正交化。是对每个特征根内的特征向量正交化，对每一个特征根，个线性无关的特征向量设为，过程为： （具体内容请参看P187页，施密特正交化方法） 则通过这些方法求得正交化向量 （这里运用施密特方法是针对特征根内的特征向量进行正交化，则得出来的所有n个特征向量一定都是正交的，原因：定理4.12） 第四：将所得的正交特征向量单位化， 因此，得到的n个特征向量即为单位正交化特征向量，将其作为列向量组成的矩阵P就是正交矩阵，使得为对角矩阵.，且对角矩阵上的主对角元素就是相应的特征值）。