本文介绍线性代数
目录
行列式
矩阵及其运算
矩阵的初等变换与线性方程组
向量组的线性相关性
相似矩阵及二次型
-
-
二阶行列式
(a_{11}a_{22}-a_{12}a_{21}=egin{vmatrix} a_{11} & a_{12} \ a_{21} & a_{22} \ end{vmatrix}quad),其中(a_{ij})称为行列式的元素,(i)为行标,(j)为列标
-
三阶行列式
(a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{13}a_{21}a_{32}-a_{11}a_{23}a_{32}-a_{12}a_{21}a_{33}-a_{13}a_{22}a_{31}=egin{vmatrix} a_{11} & a_{12} & a_{13}\ a_{21} & a_{22} & a_{23}\a_{31} & a_{32} & a_{33}\ end{vmatrix}quad)
-
全排列及其逆序数
-
全排列
将(n)个不同的元素排成一列,叫做这(n)个元素的全排列,排列的种数(p_n=nullet(n-1)ullet...ullet 3ullet 2ullet 1=n!)
-
逆序数
规定一个标准排序顺序(比如升序),一个元素前面有几个比它大的数就说它有几个逆序,
一个排列中所有元素的逆序数之和叫做这个排列的逆序数,逆序数为奇数的叫奇排列,偶数的叫偶排列
如:排列(32514)的排序数为(t=0+1+0+3+1=5),为奇排列
-
-
(n)阶行列式的定义
-
三阶行列式
(egin{vmatrix} a_{11} & a_{12} & a_{13}\ a_{21} & a_{22} & a_{23}\a_{31} & a_{32} & a_{33}\ end{vmatrix}quad=sum(-1)^ta_{1p_1}a_{2p_2}a_{3p_3}),其中(p_1,p_2,p_3)为(123)的全排列,(t)为每种排列的逆序数
-
(n)阶行列式,简记(det(a_{ij}))
[ D=egin{vmatrix} a_{11} & a_{12} & cdots & a_{1n} \ a_{21} & a_{22} & cdots & a_{2n} \ vdots & vdots & ddots & vdots \ a_{n1} & a_{n2} & cdots & a_{nn} \ end{vmatrix}=sum(-1)^ta_{1p_1}a_{2p_2}cdots a_{np_n} ] -
特殊的(n)阶行列式
[ D=egin{vmatrix} lambda_1 & & & \ & lambda_2 & &\ & & cdots & \ & & & lambda_n \ end{vmatrix}=lambda_1lambda_2cdotslambda_n ][ D=egin{vmatrix} & & & lambda_1 \ & & lambda_2 &\ & cdots & & \ lambda_n & & & \ end{vmatrix}=(-1)dfrac{n(n-1)}{2}lambda_1lambda_2cdotslambda_n ]除了主对角线外未标出的元素都是零,称为对角行列式
主对角线以下(上)的元素都是(0)的行列式称为上(下)三角行列式,结果和对角行列式一样,即[ D=egin{vmatrix} a_{11} & & & \ a_{21} & a_{22} & &\ vdots & vdots & ddots & \ a_{n1} & a_{n2} & cdots & a_{nn} \ end{vmatrix}=a_{11}a_{22} cdots a_{nn} ]拉普拉斯行列式,如果(A)和(B)分别是(m)阶和(n)阶方阵,则
[ egin{vmatrix} A & * \ O & B \ end{vmatrix} = egin{vmatrix} A & O \ * & B \ end{vmatrix} = |A|;|B| quad, egin{vmatrix} O & A \ B & * \ end{vmatrix} = egin{vmatrix} * & A \ B & O \ end{vmatrix} = (-1)^{mn}|A|;|B| ]范德蒙行列式
[ egin{vmatrix} 1 & 1 & cdots & 1 \ x_1 & x_2 & cdots & x_n \ x_1^2 & x_2^2 & cdots & x_n^2 \ vdots & vdots & & vdots \ x_1^{n-1} & x_2^{n-1} & cdots & x_n^{n-1} \ end{vmatrix} = prod_{n geq i gt j geq 1}(x_i - x_j) ]
-
-
对换
- 一个排列中任意两个元素对换,排列的奇偶性改变
- 奇排列变成标准排列的对换次数为奇数,偶排列变成标准排列的对换次数为偶数(标准排列就是偶排列)
- (n)阶行列式还可以定义为(D=sum(-1)^ta_{p_11}a_{p_22}cdots a_{p_nn}),其中(t)为行标排列(P_1,P_2,cdots,P_n)的逆序数
-
行列式的性质
-
转置行列式
[ D=egin{vmatrix} a_{11} & a_{12} & cdots & a_{1n} \ a_{21} & a_{22} & cdots & a_{2n} \ vdots & vdots & ddots & vdots \ a_{n1} & a_{n2} & cdots & a_{nn} \ end{vmatrix}, D^T=egin{vmatrix} a_{11} & a_{21} & cdots & a_{n1} \ a_{12} & a_{22} & cdots & a_{n2} \ vdots & vdots & ddots & vdots \ a_{1n} & a_{2n} & cdots & a_{nn} \ end{vmatrix}, ](D_T)称为行列式(D)的转置行列式
-
行列式和它的转置行列式相等,行列式中行和列的地位相同,对行成立的性质对列同样成立
-
互换行列式的两行(列),行列式变号
-
如果行列式有两行(列)完全相同,则此行列式等于零
-
行列式的某一行(列)中所有元素都乘以同一数(k),等于用数(k)乘此行列式
-
行列式中某一行(列)的所有元素的公因子可以提到行列式记号的外面
-
行列式中如果有两行(列)元素成比例,则此行列式等于零
-
若行列式的某一列(行)的元素都是两数之和,则(D)等于两个包含各数的行列式之和
-
把行列式的某一列(行)的各元素乘以同一数后的值加到另一列(行)对应的元素上去,行列式不变
-
几个特殊的实例
[ D=egin{vmatrix} a_{11} & cdots & a_{1k} & & & \ vdots & vdots & vdots & & & \ a_{k1} & cdots & a_{kk} & & & \ c_{11} & cdots & c_{1k} & b_{11} & cdots & b_{1n} \ vdots & vdots & vdots & vdots & vdots & vdots \ c_{n1} & cdots & c_{nk} & b_{n1} & cdots & b_{nn} \ end{vmatrix}=egin{vmatrix} a_{11} & cdots & a_{1k}\ vdots & vdots & vdots\ a_{k1} & cdots & a_{kk}\ end{vmatrix} imesegin{vmatrix} b_{11} & cdots & b_{1n} \ vdots & vdots & vdots \ b_{n1} & cdots & b_{nn} \ end{vmatrix} ][ D_{2n}=egin{vmatrix} a & & & & b \ & cdots & & cdots & \ & & a b & & \ & & c d & & \ & cdots & & cdots & \ c & & & & d \ end{vmatrix}=(ad-bc)^n ]
-
-
行列式按行(列)展开
-
余子式:(n)阶行列式中,(a_{ij})所在的第(i)行和第(j)列划去后,剩下的(n-1)阶行列式称为(a_{ij})元的余子式,记做(M_{ij})
-
代数余子式:(A_{ij}=(-1)^{i+j}M_{ij})
-
一个(n)阶行列式,如果其中第(i)行所有的元素除(a_{ij})外都为零,那么这行列式等于(a_{ij})与它的代数余子式的乘积,即(D=a_{ij}A_{ij})
-
行列式按行或列展开法则
(1)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
(2)行列式某一行(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
-
-
克拉默法则
-
(n)个未知数(x_1,x_2,cdots,x_n)的(n)个线性方程的方程组
[ egin{cases} a_{11}x_1+a_{12}x_2+cdots+a_{1n}x_n=b_1\ a_{21}x_1+a_{22}x_2+cdots+a_{2n}x_n=b_2\ cdots \ a_{n1}x_1+a_{n2}x_2+cdots+a_{nn}x_n=b_n\ end{cases} ]如果线性方程组的系数行列式不等于零,即
[ D=egin{vmatrix} a_{11} & cdots & a_{1n} \ vdots & & vdots \ a_{n1} & cdots & a_{nn} \ end{vmatrix} eq 0 ]那么线性方程组有唯一解(x_1=dfrac{D_1}{D},x_2=dfrac{D_2}{D},cdots,x_n=dfrac{D_n}{D}),其中(D_j)是把方程组的右端的常数项替换行列式第(j)列后的行列式
如果右端的常数项(b_1,b_2,cdots,b_n)不全为零,方程组称为非齐次线性方程组,否则称为齐次线性方程组
齐次线性方程组(x_1=x_2=cdots=x_n=0)一定是它的解,称为齐次线性方程组的零解,不一定有非零解
-
如果系数行列式(D eq 0)则,方程组一定有唯一解
-
如果上述线性方程组无解或有两个不同的解,则它的系数行列式必为零
-
如果齐次线性方程组的系数行列式(D eq 0),则齐次线性方程组没有非零解
-
如果齐次线性方程组有非零解,则他的系数行列式必为零
-
-
-
-
矩阵
-
由(m imes n)个数(a_{ij})排成(m)行(n)列的数表称为(m)行(n)列矩阵,简称(m imes n)矩阵,记作
[A=(a_{ij})=(a_{ij})_{m imes n}=A_{m imes n}=egin{pmatrix} a_{11} & a_{12} & cdots & a_{1n} \ a_{21} & a_{22} & cdots & a_{2n} \ vdots & vdots & &vdots \ a_{m1} & a_{m2} & cdots & a_{mn} end{pmatrix} ]行数和列数都为(n)的矩阵称为(n)阶矩阵或(n)阶方阵,记作(A_n),只有一行的矩阵(A=(a_1,a_2,cdots,a_n)),称为行矩阵或行向量,同样的,也有列矩阵,两个矩阵行和列数相等,称为同型矩阵,同型矩阵对应元素相同则两矩阵相同,元素都是零的矩阵称为零矩阵,记作(O).
-
单位阵
[E=egin{pmatrix} 1 & 0 & cdots & 0 \ 0 & 1 & cdots & 0 \ vdots & vdots & &vdots \ 0 & 0 & cdots & 1 end{pmatrix} ] -
对角阵,简记(Lambda=diag(lambda_1,lambda_2,cdots,lambda_n))
[Lambda=egin{pmatrix} lambda_1 & 0 & cdots & 0 \ 0 & lambda_2 & cdots & 0 \ vdots & vdots & &vdots \ 0 & 0 & cdots & lambda_n end{pmatrix} ]
-
-
矩阵的运算
-
矩阵的加法
两个矩阵是同型矩阵才可以进行加法运算,(A=(a_{ij}))和(B=(b_{ij}))相加,为对应元素相加
(1)(A+B=B+A)
(2)((A+B)+C=A+(B+C))
(3)(-A=(-a_{ij}))
(4)(A+(-A)=O)
(5)(A-B=A+(-B))
-
数与矩阵相乘,数(lambda A=Alambda)为(lambda)与(A)中的每一个元素相乘
(1)((lambdamu)A=lambda(mu A))
(2)((lambda+mu)A=lambda A+mu A)
(3)(lambda(A+B)=lambda A+lambda B)
-
矩阵与矩阵相乘,第一个矩阵的列数和第二个矩阵的行数相等时才能相乘
设(A=(a_{ij}))是一个(m imes s)矩阵,(B=(b_{ij}))是一个(s imes n)矩阵,那么(A)和(B)的乘积是一个(m imes n)矩阵(C=(c_{ij}))其中,(c_{ij}=sum_{k=1}^{s}a_{ik}b_{kj}),行和列对应的元素相乘,记作(C=AB)
矩阵的乘法中必须注意矩阵相乘的顺序,(AB)是(A)左乘(B)的乘积,(BA)是(A)右乘(B)的乘积,若(A)是(m imes n)矩阵,(B)是(n imes m)矩阵,则(AB)和(BA)都有意义,如果(AB=BA)称方阵(A)和(B)可交换
单位阵满足(EA=AE=A)
对角阵可以表示为(Lambda=lambda E_n),也称为纯量阵,((lambda E_n)A=A(lambda E_n)=lambda A),表明纯量阵和任何同阶方阵都是可交换的
矩阵的幂只有方阵才有,(A^k),有(A^kA^l=A^{k+l},(A^k)^l=A^{kl}),只有(A,B)可交换才满足((AB)^k=A^kB^k)
(1)((AB)C=A(BC))
(2)(lambda(AB)=(lambda A)B=A(lambda B))
(3)(A(B+C)=AB+AC,(B+C)A=BA+CA)
-
矩阵与矩阵相乘的规律
两个向量 (A=(a_1,a_2,a_3)^T,B=(b_1,b_2,b_3)^T),其中(AB^T)为方阵(C),并且(A^TB)为数,这个数是方阵(C)的迹
两个对角阵(A,B)相乘的结果(AB=BA)
[egin{pmatrix} a_1 & 0 & cdots & 0 \ 0 & a_2 & cdots & 0 \ vdots & vdots & &vdots \ 0 & 0 & cdots & a_n end{pmatrix} egin{pmatrix} b_1 & 0 & cdots & 0 \ 0 & b_2 & cdots & 0 \ vdots & vdots & &vdots \ 0 & 0 & cdots & b_n end{pmatrix}= egin{pmatrix} a_1b_1 & 0 & cdots & 0 \ 0 & a_2b_2 & cdots & 0 \ vdots & vdots & &vdots \ 0 & 0 & cdots & a_nb_n end{pmatrix} ] -
矩阵的转置,把矩阵(A)的行和列交换,叫做(A)的转置矩阵,记作(A^T), 如果(A^T=A),称(A)为对称矩阵
(1)((A^T)^T=A)
(2)((A+B)^T=A^T+B^T)
(3)((lambda A)^T=lambda A^T)
(4)((AB)^T=B^TA^T)
-
方阵的行列式,由(n)阶方阵(A)的元素所构成的行列式(各元素的位置不变),称为方阵(A)的行列式,记作(|A|)或(detA)
(1)(|A^T|=|A|)
(2)(|lambda A|=lambda^n|A|)
(3)(|AB|=|BA|=|A||B|)
-
伴随阵
行列式(|A|)的各个元素的代数余子式(A_{ij})所构成的矩阵如下
[A^*=egin{pmatrix} A_{11} & A_{21} & cdots & A_{n1} \ A_{12} & A_{22} & cdots & A_{n2} \ vdots & vdots & &vdots \ A_{1n} & A_{2n} & cdots & A_{nn} \ end{pmatrix} ]称为矩阵(A)的伴随矩阵,有(AA^*=A^*A=|A|E)
-
伴随阵的性质
(1)((A^*)^* = |A|^{n-2}A (n geq 2))
(2)((kA)^*=k^{n-1}A^*)
(3)((AB)^*=B^*A^*),(A,B)可逆
(4)(|A^*|=|A|^{n-1})
-
求伴随阵的技巧
二阶行列式求伴随阵:主对角线元素对调,副对角线元素取反
-
-
逆矩阵
-
逆矩阵的提出
由线性变换(Y=AX),用(A^*)伴随阵左乘此式(A^*Y=A^*AX=|A|X),当(|A| eq 0)有(X=dfrac{1}{|A|}A^*Y),记(B=dfrac{1}{|A|}A^*),则(X=BY)称此式为逆变换,因(Y=AX=ABY, X=BY=BAX)得(AB=BA=E)
-
对于(n)阶矩阵(A),如果有一个(n)阶矩阵(B),使(AB=BA=E),则说(A)是可逆的,(B)称为(A)的逆矩阵简记(A^{-1}),如果(A)是可逆的,那么(A)的逆阵是唯一的
-
逆阵的性质
(1)(A)是可逆矩阵的充分必要条件是(|A| eq 0),且(A^{-1}=dfrac{1}{|A|}A^*)
(2)若(AB=E)(或(BA=E)),则(B=A^{-1},A=B^{-1})
-
方阵逆阵的运算
(1)若(A)可逆,则(A^{-1})亦可逆,且((A^{-1})^{-1}=A)
(2)若(A)可逆,数(lambda eq 0),则(lambda A)可逆,且((lambda A)^{-1}=dfrac{1}{lambda}A^{-1})
(3)若(A,B)为同阶矩阵且均可逆,则(AB)亦可逆,且((AB)^{-1}=B^{-1}A^{-1})
(4)若(A)可逆,则(A^T)亦可逆,且((A^T)^{-1}=(A^{-1})^T)
(5)(|A^{-1}|=|A|^{-1})
(6)((A^*)^{-1}=(A^{-1})^*)
(7)((A^T)^{*}=(A^{*})^T)
-
方阵逆阵的求法
(1)定义法 (AB=E Rightarrow A^{-1}=B)
(2)伴随法 (A^{-1} = dfrac{A^*}{|A|}, (A^*)^{-1}=dfrac{A}{|A|})
(3)用行初等变换 ((A|E) Rightarrow (E|A^{-1}))
-
如果(AP=PB),(P)可逆,则(A=PBP^{-1})从而(A^k=PB^kP^{-1}),即当求(A^k)可以转化成求(B^k)
-
-
矩阵的分块法
-
分块法就是(A)矩阵分成多个小的矩阵,而(A)就由这些小的矩阵块组成,分块后的(A)的运算法则和之前是一样的,(A=O)的充分必要条件是(A^TA=O)
-
有如下几个特殊的运算规则需要注意:
分块矩阵转置
[A=egin{pmatrix} A_{11} & cdots & A_{1r} \ vdots & &vdots \ A_{s1} & cdots & A_{sr} \ end{pmatrix}, A^T=egin{pmatrix} A_{11}^T & cdots & A_{1r}^T \ vdots & &vdots \ A_{s1}^T & cdots & A_{sr}^T \ end{pmatrix} ]分块对角矩阵
[A=egin{pmatrix} A_{1} & & \ & ddots & \ & & A_{s} \ end{pmatrix}, |A|=|A_1||A_2|cdots|A_s| ]分块矩阵逆阵
[|A_i| eq 0, A=egin{pmatrix} A_{1} & & \ & ddots & \ & & A_{s} \ end{pmatrix} Rightarrow A^{-1}=egin{pmatrix} A_{1}^{-1} & & \ & ddots & \ & & A_{s}^{-1} \ end{pmatrix} quad A=egin{pmatrix} & & A_{1} \ & cdots & \ A_{s} & & \ end{pmatrix} Rightarrow A^{-1}=egin{pmatrix} & & A_{s}^{-1} \ & cdots & \ A_{1}^{-1} & & \ end{pmatrix} ] -
按行分块和按列分块
称(A_{m imes n})有(m)个行向量,第(i)行记作(alpha^T_i=(a_{i1},a_{i2},cdots,a_{in})),则矩阵(A)可记为
[A=egin{pmatrix} alpha^T_1 \ alpha^T_2 \ vdots \ alpha^T_n \ end{pmatrix} ]第(j)列记作
[a_j=egin{pmatrix} a_{1j} \ a_{2j} \ cdots \ a_{nj} \ end{pmatrix} ]则矩阵(A=(a_1,a_2,cdots,a_n))
-
-
-
-
矩阵的初等变换
-
几个特殊的矩阵
(1)增广矩阵:方程组的系数和常数项组成的矩阵,解线性方程组只需要把增广矩阵化为行最简形矩阵
(2)行阶梯形矩阵:所有非零行在全零行的上面,并且每行的非零首元素比上行的非零首元素更靠右
(3)行最简形矩阵:行阶梯形矩阵每行的非零首元素为1,并且所在列的其他元素为0
(4)标准形:对行最简形矩阵再施加初等变换,例如:
[F=egin{pmatrix} E_{r} & O \ O & O \ end{pmatrix}_{m imes n} ]标准型由(m,n,r)三个数决定,其中(r)是行阶梯形矩阵非零行的行数,也就是矩阵的秩
-
初等变换的定义
下面三种变换称为矩阵的初等行变换,初等列变换同理
(1)对调两行(对调(i,j)两行,记做(r_i leftrightarrow r_j))
(2)以数(k eq 0)乘某一行中的所有元素(第(i)行乘(k),记做(r_i imes k))
(3)把某一行所有元素的(k)倍加到另一行对应的元素上去(记做(r_i+kr_j))
-
矩阵等价的定义
(1)如果矩阵(A)经过有限次初等行变换成为矩阵(B),称矩阵(A)与(B)行等价,记做(Aoverset{r}{sim}B)
(2)如果矩阵(A)经过有限次初等列变换成为矩阵(B),称矩阵(A)与(B)列等价,记做(Aoverset{c}{sim}B)
(3)如果矩阵(A)经过有限次初等变换成为矩阵(B),称矩阵(A)与(B)等价,记做(Asim B)
-
矩阵等价的性质
(1)反身性 (A sim A)
(2)对称性 若(A sim B),则(B sim A)
(3)传递性 若(A sim B, B sim C),则(A sim C)
-
初等矩阵
(1)由单位阵(E)经过一次初等变换得到的矩阵称为初等矩阵,初等矩阵都是可逆的
(2)设(A)是一个(m imes n)矩阵,对(A)施行一次初等行变换,相当于在(A)的左边乘以相应的(m)阶初等矩阵,对(A)施行一次初等列变换,相当于在(A)的右边乘以相应的(n)阶初等矩阵
(3)方阵(A)可逆的充分必要条件是存在有限个初等矩阵(P_1,P_2,cdots,P_i),使(A=P_1P_2cdots P_i)
-
矩阵初等变换的性质,设(A)与(B)为(m imes n)矩阵,那么:
(1)(Aoverset{r}{sim}B)的充分必要条件是存在(m)阶可逆矩阵(P),使(PA=B),求(P)只需要将((A,E)overset{r}{sim}(B,P)),即可得(P)
(2)(Aoverset{c}{sim}B)的充分必要条件是存在(n)阶可逆矩阵(Q),使(AQ=B)
(3)(Asim B)的充分必要条件是存在(m)阶可逆矩阵(P)及(n)阶可逆矩阵(Q),使(PAQ=B)
(4)方阵(A)可逆的充分必要条件是(Aoverset{r}{sim}E)
-
初等矩阵的逆,初等矩阵都是可逆矩阵,且其逆矩阵仍是同一类型的初等矩阵,即
(1)初等矩阵某一行乘(k)倍,其逆阵此行乘(dfrac{1}{k})
(2)初等矩阵两行互换,其逆阵也是此两行互换
(3)初等矩阵某一行乘(k)倍加到另外一行,其逆阵为某一行乘(-k)倍加到另外一行
-
-
矩阵的秩
-
(k)阶子式的概念:取矩阵(A_{m imes n})的(k)行和(k)列,位于交界处的(k^2)个元素构成(k)阶行列式称为(k)阶子式,共有(C^k_mullet C_n^k)个
-
秩的定义:矩阵(A)的不为零的(r)阶子式(D),所有的(r+1)阶子式都为零,(D)称为最高阶非零子式,(r)称为(A)的秩,记作(R(A)),规定零矩阵的秩等于零
-
矩阵秩的求法:将矩阵经过初等变换化成行阶梯形矩阵,非零行个数就是矩阵的秩
-
可逆矩阵的秩:(n)阶可逆矩阵,因为(|A| eq 0)所以(R(A)=n),称为满秩矩阵
-
增广矩阵的秩
线性方程组的增广矩阵(B=(A,b)),对(B)做初等变换为行阶梯形矩阵(widetilde B=(widetilde A,widetilde b)),其中(widetilde A)就是系数矩阵的行阶梯形矩阵,如果(R(A) lt R(B))则方程无解
-
矩阵秩和伴随阵秩的关系
(n)阶矩阵
[egin{array}{ll} hfillmathrm{R(A)} hfill & hfillmathrm{R(A^*)} hfill \ hline \ lt n-1 & 0 \ n-1 & 1 \ n & n \ end{array} ] -
秩的性质
(1)(0 leq R(A_{m imes n}) leq min|m,n|)
(2)(R(A^T)=R(A))
(3)(R(A)=R(A^TA)=R(AA^T)=R(A^T))
(4)若(A sim B),则(R(A) = R(B))
(5)若(P,Q)可逆,则(R(PAQ)=R(A))
(6)(max{R(A),R(B)}leq R(A,B)leq R(A)+R(B)),当(B=b)非零列向量时有(R(A)leq R(A,b)leq R(A)+1)
(7)(R(A+B)leq R(A) + R(B))
(8)(R(AB)leq min{R(A),R(B)})
(9)若(A_{m imes n}B_{n imes l}=O),则(R(A)+R(B) leq n)
(10)若(A_{m imes n}B_{n imes l}=C),且(R(A)=n),则(R(B) = R(C))
(11)若(A_{m imes n}B_{n imes l}=O),且(R(A)=n),则(B=O)
-
-
线性方程组的解
-
n元线性方程组(Ax=b),系数矩阵(A)和增广矩阵(B=(A,b))
(1)无解的充分必要条件是(R(A) lt R(A,b))
(2)有唯一解的充分必要条件是(R(A)=R(A,b)=n)
(3)有无限多解的充分必要条件是(R(A)=R(A,b)lt n),令自由未知数为参数,可以写出方程的通解
-
确定方程组解的其他性质
(1)(n)元齐次线性方程组(Ax=0)有非零解的充分必要条件是(R(A)lt n)
(2)线性方程组(Ax=b)有解的充分必要条件是(R(A)=R(A,b))
(3)矩阵方程(AX=B)有解的充分必要条件是(R(A)=R(A,B))
-
-
-
-
向量组及其线性组合
-
向量的定义
(n)个有次序的数(a_1,a_2,cdots,a_n)所组成的数组称为(n)维向量,每个数称为分量,(n)维列向量记做(a),(n)维行向量记做(a^T)
[a=egin{pmatrix} a_1 \ a_2 \ vdots \ a_n \ end{pmatrix} quad a^T=(a_1,a_2,cdots,a_n) ]m个n维列向量所组成的集合叫列向量组(A),m个n维行向量所组成的集合叫行向量组(B)
[A=(a_1,a_2,cdots,a_m) quad B=egin{pmatrix} eta_1^T \ eta_2^T \ vdots \ eta_m^T \ end{pmatrix} ] -
线性组合的定义
(1)给定向量组(A:a_1,a_2,cdots,a_m),对于任何一组实数(k_1,k_2,cdots,k_m),表达式(k_1a_1+k_2a_2+cdots+k_ma_m)称为(A)的一个线性组合
(2)给定向量组(A:a_1,a_2,cdots,a_m)和向量(b),如果存在一组数(lambda_1,lambda_2,cdots,lambda_m),使(b=lambda_1a_1+lambda_2a_2+cdots+lambda_ma_m),则向量(b)是向量组的线性组合,称向量(b)能由向量组(A)线性表示也就是说方程组(x_1a_1+x_2a_2+cdots+x_ma_m=b)有解
(3)向量组(A:a_1,a_2,cdots,a_m)及(B:b_1,b_2,cdots,b_l),若(B)中的每个向量都能由(A)线性表示,则称(B)能由(A)线性表示,如果(A)和(B)能相互线性表示,称两者等价
(4)向量组(B)能由(A)表示也就是说,存在矩阵(K_{m imes l})使((b_1,cdots,b_l)=(a_1,cdots,a_m)K)也就是,矩阵方程((a_1,cdots,a_m)X=(b_1,cdots,b_l))有解
-
线性表示的条件
(1)向量(b)能由向量组(A:a_1,a_2,cdots,a_m)线性表示的充分必要条件是,矩阵(A=(a_1,a_2,cdots,a_m))的秩等于矩阵(B=(a_1,a_2,cdots,a_m,b))的秩
(2)向量组(B:b_1,b_2,cdots,b_l)能由向量组(A:a_1,a_2,cdots,a_m)线性表示的充分必要条件是,矩阵(A=(a_1,a_2,cdots,a_m))的秩等于矩阵((A,B)=(a_1,a_2,cdots,a_m,b_1,b_2,cdots,b_l))的秩,即(R(A)=R(A,B))
(3)向量组(B:b_1,b_2,cdots,b_l)能由向量组(A:a_1,a_2,cdots,a_m)线性表示的充分条件是,(R(B) leq R(A))
(4)推论:向量组(A:a_1,a_2,cdots,a_m)与向量组(B:b_1,b_2,cdots,b_l)等价的充分必要条件是,(R(A)=R(B)=R(A,B)),其中(A,B)是由向量组(A,B)构成的矩阵
-
向量组线性表示和秩的关系
(1)设向量组(B:b_1,b_2,cdots,b_l)能由向量组(A:a_1,a_2,cdots,a_m)线性表示,因为(AX=B Rightarrow R(A) = R(A, B) geq R(B)),则(R(b_1,b_2,cdots,b_l) leq R(a_1,a_2,cdots,a_m))
(2)对矩阵(A_{n imes m})存在矩阵(K_{m imes n}),使(AK=E_n)的充分必要条件是(R(A)=n)
-
-
向量组的线性相关性
-
线性相关性的概念
(1)给定向量组(A:a_1,a_2,cdots,a_m),如果存在不全为零的数(k_1,k_2,cdots,k_m),使(k_1a_1+k_2a_2+cdots+k_ma_m=0),则称向量组(A)是线性相关的(也就是说(AX=0)有非零解),否则线性无关
(2)线性无关的两种情况:只要有一个(k_i eq 0),就有(k_1a_1+k_2a_2+cdots+k_ma_m eq 0). 或者,当且仅当(k_1=k_2=cdots=k_m=0),才有(k_1a_1+k_2a_2+cdots+k_ma_m = 0)(也就是说(AX=0)只有零解)
-
线性相关性和线性组合的联系
(1)向量组(A)线性相关的充分必要条件是存在某个向量能由其余的向量线性表示
(2)线性方程中某个方程是其余方程的线性组合,也就是说这些方程是线性相关的,这个方程就是多余的
(3)向量组(A:a_1,a_2,cdots,a_m)线性相关,就是齐次线性方程(x_1a_1+x_2a_2+cdots+x_ma_m=0)有非零解
(4)向量组(a_1,a_2,cdots,a_m)线性相关的充分必要条件是它所构成的矩阵(A=(a_1,a_2,cdots,a_m))的秩小于(m),线性无关的充分必要条件是(R(A)=m)
-
线性相关性的结论
(1)若向量组(A:a_1,cdots,a_m)线性相关,增加向量个数后的向量组(B: a_1,cdots,a_m,a_{m+1})也线性相关
(2)若向量组(A:a_1,cdots,a_m)线性相关,减少向量维数后的向量组(B)也线性相关
(3)若向量组(A:a_1,cdots,a_m)线性无关,减少向量个数后的向量组(B: a_1,cdots,a_m,a_{m-1})也线性无关
(4)若向量组(A:a_1,cdots,a_m)线性无关,增加向量维数后的向量组(B)也线性无关
(5)(m)个(n)维向量组成的向量组,当(n lt m)时,一定线性相关
(6)设向量组(A:a_1,cdots,a_m)线性无关,而向量组(B: a_1,cdots,a_m,b)线性相关,则向量(b)必能由(A)线性表示,并且表达式唯一
(7)若向量组(A:a_1,cdots,a_m)可由向量组(B:b_1,cdots,b_n)线性表出,并且(m gt n),则向量组(A)线性相关
(8)若向量组(A:a_1,cdots,a_m)可由向量组(B:b_1,cdots,b_n)线性表出,并且向量组(A)线性无关,则(m leq n)
-
-
向量组的秩
-
向量组秩的定义
设有向量组(A),如果在(A)中能选出(r)个向量(a_1,a_2,cdots,a_r),满足向量组(A_0: a_1,a_2,cdots,a_r)线性无关并且向量组(A)中任意(r+1)个向量都线性相关,则称(A_0)是(A)的一个最大线性无关向量组,(r)称为向量组(A)的秩,记做(R_A)
-
向量组的秩和对应矩阵秩的关系
矩阵的秩等于它的列向量组的秩,也等于它的行向量组的秩
-
求最大无关组
将矩阵化成行阶梯形矩阵,非零行个数(R(A))即无关组向量个数,并且无关组向量由行阶梯矩阵中(R(A))个列组成并且这些列组成的行列式不为零
-
向量组和自己的最大无关组的关系
(1)向量组(A)和自己的最大无关组(A_0)是等价的,(A_0)总能由(A)线性表示
(2)设向量组(A_0:a_1,a_2,cdots,a_r)是向量组(A)的一个部分组,且满足:向量组(A_0)线性无关,向量组(A)的任一向量都能由向量组(A_0)线性表示,那么向量组(A_0)就是向量组(A)的一个最大无关组
-
相关结论
(1)向量组(b_1,b_2,cdots,b_l)能由向量组(a_1,a_2,cdots,a_m)线性表示的充分必要条件是,(R(a_1,a_2,cdots,a_m)=R(a_1,a_2,cdots,a_m,b_1,b_2,cdots,b_l))
(2)若向量组(B)能由向量组(A)线性表示,则(R_B leq R_A)
-
-
线性方程组解的结构
-
解向量
齐次线性方程组(Ax=0)
[A=egin{pmatrix} a_{11} & a_{12} & cdots & a_{1n} \ a_{21} & a_{22} & cdots & a_{2n} \ vdots & vdots & & vdots \ a_{m1} & a_{m2} & cdots & a_{mn} \ end{pmatrix}, x=egin{pmatrix} x_1 \ x_2 \ vdots \ x_n \ end{pmatrix} ]一个解向量
[xi_1=egin{pmatrix} xi_{11} \ xi_{21} \ vdots \ xi_{n1} \ end{pmatrix} ] -
解向量的性质
(1)若(x=xi_1,x=xi_2)为齐次向量方程(Ax=0)的解,则(x=xi_1+xi_2)也是它的解
(2)若(x=xi_1)为齐次向量方程(Ax=0)的解,(k)为实数,则(x=kxi_1)也是它的解
-
齐次线性方程的解集
(1)齐次方程(Ax=0)的所有解向量组成的集合(S),如果求得(S)的一个最大无关组(S_0:xi_1,xi_2,cdots,xi_t),那么齐次方程的任一解都可由(S_0)线性表示,并且由上述性质得(S_0)的任何线性组合(x=k_1xi_1+k_2xi_2+cdots+k_txi_t)都是齐次方程的解,此解为通解,(S_0)称为基础解系,系数(k_i)不全为零
(2)设(m imes n)矩阵(A)的秩(R(A)=r),则(n)元齐次线性方程组(Ax=0)的解集(S)的秩(R_s=n-r)
(3)将线性方程组的系数矩阵化为行最简形矩阵后,基础解系为
[xi_1=egin{pmatrix} -b_{11} \ vdots \ -b_{r1} \ 1 \ 0 \ vdots \ 0 end{pmatrix}, xi_2=egin{pmatrix} -b_{12} \ vdots \ -b_{r2} \ 0 \ 1 \ vdots \ 0 end{pmatrix}, cdots, xi_{n-r}=egin{pmatrix} -b_{1,n-r} \ vdots \ -b_{r,n-r} \ 0 \ 0 \ vdots \ 1 end{pmatrix} ] -
非齐次线性方程的解集,向量方程(Ax=b),具有如下性质
(1)设(x=eta_1)及(x=eta_2)为向量方程(Ax=b)的解,则(x=eta_1-eta_2)为(Ax=0)的解
(2)设(x=eta)为向量方程(Ax=b)的解,(x=xi)是(Ax=0)的解,则(x=xi+eta)为(Ax=b)的解
由上述性质可得,方程(Ax=b)的解可表示为(x=xi + eta^*),其中(eta^*)为(Ax=b)的特解(系数(k_i)全取零求得),(xi)为(Ax=0)的通解(系数(k_i)可以全为零)
-
-
-
-
向量的内积、长度和正交性
-
内积的定义
设有n维向量
[x=egin{pmatrix} x_1 \ x_2 \ vdots \ x_n \ end{pmatrix}, y=egin{pmatrix} y_1 \ y_2 \ vdots \ y_n \ end{pmatrix} ]([x,y]=x^Ty=x_1y_1+x_2y_2+cdots+x_ny_n)称为向量(x,y)的内积
-
内积具有如下性质
(1)([x,y]=[y,x])
(2)([lambda x,y]=lambda[x,y])
(3)([x+y,z]=[x,z]+[y,z])
(4)当(x=0)时,([x,x]=0),当(x eq 0),([x,x] gt 0)
(5)([x,y]^2 leq [x,x][y,y])
-
向量的长度
(1)令(||x||=sqrt{[x,x]}=sqrt{x_1^2+x_2^2+cdots+x_n^2}),(||x||)称为(n)维向量的长度(或范数)
(2)当(||x||=1)时,称(x)为单位向量
-
向量的长度具有如下性质
(1)非负性:当(x eq 0),(||x|| gt 0),当(x = 0),(||x|| = 0)
(2)齐次性:(||lambda x||=|lambda|;||x||)
(3)三角不等式:(||x+y|| leq ||x|| + ||y||)
-
向量的正交性
(1)当([x,y] = 0)时,称向量(x,y)正交,若(x=0)则与任何向量都正交
(2)正交向量组:一组两两正交的非零向量
-
向量的正交性的性质
若(n)维向量(a_1,a_2,cdots,a_r)是一组两两正交的非零向量,则(a_1,a_2,cdots,a_r)线性无关
-
规范正交基的概念:
(1)设(n)维向量(e_1,e_2,cdots,e_r)是向量空间(V(V subset R^n))的一个基,如果(e_1,cdots,e_r)两两正交且都是单位向量,则称(e_1,cdots,e_r)是(V)的一个规范正交基
(2)如果(e_1,cdots,e_r)是(V)的一个规范正交基,那么(V)中任一向量(a)都能由(e1,cdots,e_r)线性表示,设表达式为(a=lambda_1e_1+lambda_2e_2+cdots+lambda_re_r),为求系数(lambda_i),可在方程两边乘(e^T_i),得(e^T_ia=lambda_ie^T_ie_i=lambda_i)
-
求规范正交基的方法
要把(a_1,cdots,a_r)这个基规范化,就是找一组两两正交的单位向量(e_1,cdots,e_r),使其与(a_1,cdots,a_r)等价
施密特正交规范化的步骤:
(b_1=a_1)
(b_2=a_2-dfrac{[b_1,a_2]}{[b_1,b_1]}b_1)
(cdotscdots)
(b_r=a_r-dfrac{[b_1,a_2]}{[b_1,b_1]}b_1-dfrac{[b_2,a_r]}{[b_2,b_2]}b_2-cdots-dfrac{[b_{r-1},a_r]}{[b_{r-1},b_{r-1}]}b_{r-1})
上面的(b_1,cdots,b_r)两两正交,且和(a_1,cdots,a_r)等价,将其单位化得
(e_1=dfrac{b_1}{||b_1||},e_2=dfrac{b_2}{||b_2||},cdots,e_r=dfrac{b_r}{||b_r||})
-
正交矩阵
如果(n)阶矩阵(A)满足(A^TA=AA^T=E)(即(A^{-1}=A^T))那么称(A)为正交矩阵,简称正交阵
即有
[egin{pmatrix} a_1^T \ a_2^T \ vdots \ a_n^T \ end{pmatrix} quad(a_1,a_2,cdots,a_n)=E ]也就是说方阵(A)是正交阵的充分必要条件是(A)的列向量都是单位向量且两两正交,此结论对行向量也成立
-
正交矩阵具有如下性质
(1)若(A)为正交阵,则(A^{-1}=A^T)也是正交阵,且(|A|=1)(或(-1))
(2)若(A)和(B)都是正交阵,则(AB)也是正交阵
-
正交变换
若(P)为正交阵,则线性变换(y=Px)称为正交变换
(||y||=sqrt{y^Ty}=sqrt{x^TP^TPx}=sqrt{x^Tx}=||x||)
-
-
方阵的特征值与特征向量
-
特征值与特征向量的定义
(1)设(A)是(n)阶矩阵,如果数(lambda)和(n)维非零列向量(x)使关系式(Ax=lambda x)成立(((A-lambda E)x=0)),称数(lambda)为矩阵(A)的特征值,非零向量(x)称为(A)对应于特征值(lambda)的特征向量
(2)要求特征值(lambda),则系数行列式(|A-lambda E|=0),即
[egin{vmatrix} a_{11}-lambda & a_{12} & cdots & a_{1n} \ a_{21} & a_{22}-lambda & cdots & a_{2n} \ vdots & vdots &vdots &\ a_{n1} & a_{n2} & cdots & a_{nn}-lambda \ end{vmatrix}=0 ]称为矩阵(A)的特征方程,在复数范围内恒有方程的次数个解,(|A-lambda E|)称为特征多项式
-
特征值的性质
(1)设(n)阶矩阵(A=(a_{ij}))的特征值为(lambda_1,lambda_2,cdots,lambda_n)则有,(lambda_1+lambda_2+cdots+lambda_n=a_{11}+a_{22}+cdots+a_{nn})并且(lambda_1lambda_2cdots lambda_n=|A|)
(2)(i)重特征值(lambda_i)最多只有(i)个线性无关的特征向量
-
特征向量的性质
(1)若(p_i)是矩阵(A)的对应于特征值(lambda_i)的特征向量,则(kp_i(k eq 0))也是对应于(lambda_i)的特征向量
(2)若(lambda)是(A)的特征值,则(lambda^k)是(A^k)的特征值
(3)(a_0+a_1lambda+cdots+a_mlambda^m)是(a_0E+a_1A+cdots+a_mA^m)的特征值
-
特征值和特征向量与线性组合的关系
设(lambda_1,lambda_2,cdots,lambda_m)是方阵(A)的(m)个特征值,(p_1,p_2,cdots,p_m)依次是与之对应的特征向量,如果(lambda_1,lambda_2,cdots,lambda_m)各不相等,则(p_1,p_2,cdots,p_m)线性无关
-
与矩阵(A)相关的矩阵的特征值和特征向量的求法
如果矩阵(A)的特征值和特征向量是(lambda, alpha),则
(1)(kA+lE)的特征值是(klambda + l),特征向量是(alpha)
(2)(A^n)的特征值是(lambda^n),特征向量是(alpha)
(3)(A^*)的特征值是(dfrac{|A|}{lambda}),特征向量是(alpha)
(4)(A^{-1})的特征值是(dfrac{1}{lambda}),特征向量是(alpha)
(5)(A^{T})的特征值是(lambda),特征向量不确定
-
-
相似矩阵
-
相似矩阵的定义
设(A,B)都是(n)阶矩阵,若有可逆矩阵(P),使(P^{-1}AP=B)则称(B)是(A)的相似矩阵,对(A)进行(P^{-1}AP)运算称为相似变换,(P)称为把(A)变成(B)的相似变换矩阵
-
相似矩阵的性质
如果(A sim B),则(|A|=|B| Rightarrow r(A)=r(B) Rightarrow |A-lambda E|=|B-lambda E| Rightarrow lambda_A = lambda_B Rightarrow)迹相等
-
相似矩阵与特征值、特征向量的关系
(1)若(n)阶矩阵(A)与(B)相似,如果(A sim Lambda, B sim Lambda),则(p_1^{-1}Ap_1=p_2^{-1}Bp_2)
(2)若(n)阶矩阵(A)与对角阵
[Lambda=egin{pmatrix} lambda_1 & & & \ & lambda_2 & \ & & ddots & \ & & & lambda_n end{pmatrix} ]相似,因为(lambda_1,lambda_2,cdots,lambda_n)是(Lambda)的特征值,则(lambda_1,lambda_2,cdots,lambda_n)即是(A)的(n)个特征值并且可逆阵(P)由特征向量组成即(P=A(alpha_1,alpha_2,alpha_3))
-
矩阵对角化
(n)阶矩阵(A),求相似变换矩阵(P),使得(P^{-1}AP=Lambda)为对角阵,称为矩阵(A)的对角化
-
矩阵对角化和矩阵秩的关系
如果(n)阶矩阵(A)可对角化,则有(R(P^{-1}AP)=R(A)=R(Lambda)),而(Lambda)是(A)的(n)个特征值组成的对角阵,所以矩阵(A)的秩和非零特征值个数相等
-
矩阵对角化的条件
(1)(n)阶矩阵(A)与对角阵相似(即(A)能对角化)的充分必要条件是(A)有(n)个线性无关的特征向量
(2)推论:如果(n)阶矩阵(A)的(n)个特征值互不相等,则(A)与对角阵相似
(3)(n)阶矩阵(A)的(i)重特征值(lambda_i)有(i)个线性无关的特征向量,即(n-R(lambda_iE-A)=i)
(4)(n)阶矩阵(A)是实对称阵,则(A)可对角化
-
对称矩阵的对角化的性质
(1)对称阵的特征值为实数
(2)设(lambda_1,lambda_2)是对称阵(A)的两个特征值,(p_1,p_2)是对应的特征向量.若(lambda_1 eq lambda_2),则(p_1)与(p_2)正交
(3)设(A)为(n)阶对称阵,则必有正交阵(P),使(P^{-1}AP=P^TAP=Lambda),其中(Lambda)是以(A)的(n)个特征值为对角元的对角阵,正交阵(Q)是(A)特征向量单位化,正交化后拼成的
(4)设(A)为(n)阶对称阵,(lambda)是(A)的特征方程的(k)重根,则矩阵(A-lambda E)的秩(R(A-lambda E)=n-k),从而对应特征值(lambda)恰有(k)个线性无关的特征向量
-
对称矩阵的对角化的步骤
(1)求出(A)的全部互不相等的特征值(lambda_1,cdots,lambda_s),他们的重复次数依次为(k_1,cdots,k_s (k_1+cdots+k_s=n))
(2)对每个(k_i)重特征值(lambda_i),求方程((A-lambda_iE)x=0)的基础解系,得(k_i)个线性无关的特征向量。再把他们正交化、单位化,得(k_i)个两两正交的单位特征向量.因(k_1+cdots+k_s=n),故共得(n)个两两正交的单位特征向量
(3)把这(n)个两两正交的单位特征向量构成正交阵(P),便有(P^{-1}AP=P^TAP=Lambda).其中(Lambda)中对角元的排列次序应与(P)中列向量的排列次序相对应
-
-
二次型及其标准型
-
二次型的概念
含有(n)个变量(x_1,x_2,cdots,x_n)的二次齐次函数
[f(x_1,x_2,cdots,x_n)=a_{11}x^2_1+a_{22}x^2_2+cdots+a_{nn}x^2_n+2a_{12}x_1x_2+2a_{13}x_1x_3+cdots+2a_{n-1,n}x_{n-1}x_n ]称为二次型
取(a_{ij}=a_{ji}),则(2a_{ij}x_ix_j=a_{ij}x_ix_j+a_{ji}x_jx_i)从而有
[egin{align} f(x_1,x_2,cdots,x_n) &=a_{11}x^2_1+a_{12}x_1x_2+cdots+a_{1n}x_1x_n+ \ & a_{21}x_2x_1+a_{22}x_2^2+cdots+a_{2n}x_2x_n+ \ & cdotscdots \ & a_{n1}x_nx_1+a_{n2}x_nx_2+cdots+a_{nn}x_n^2 end{align} ] -
二次型的标准型
寻求可逆的线性变换
[egin{cases} x_1=c_{11}y_1+c_{12}y_2+cdots+c_{1n}y_n \ x_2=c_{21}y_1+c_{22}y_2+cdots+c_{2n}y_n \ cdotscdots \ x_n=c_{n1}y_1+c_{n2}y_2+cdots+c_{nn}y_n end{cases} ]代入二次齐次函数,使(f=k_1y_1^2+k_2y_2^2+cdots+k_ny_n^2),这种只含平方项的二次型称为二次型的标准型(或法式),如果(k_1,k_2,cdots,k_n)只在(1,-1,0)三个数中取值,称为规范形
-
二次型简写形式
[egin{align} f(x_1,x_2,cdots,x_n) &=(x_1,x_2,cdots,x_n) egin{pmatrix} a_{11}x_1+a_{12}x_2+cdots+a_{1n}x_n\ a_{21}x_1+a_{22}x_2+cdots+a_{2n}x_n\ vdots \ a_{n1}x_1+a_{n2}x_2+cdots+a_{nn}x_n\ end{pmatrix} quad \ &=(x_1,x_2,cdots,x_n) egin{pmatrix} a_{11}&a_{12}&cdots&a_{1n}\ a_{21}&a_{22}&cdots&a_{2n}\ vdots \ a_{n1}&a_{n2}&cdots&a_{nn}\ end{pmatrix} quad egin{pmatrix} x_1 \ x_2 \ vdots \ x_n end{pmatrix} end{align} ]则二次型可简写成(f=x^TAx),其中(A)为对称阵
-
二次型和矩阵的关系
任给一个二次型,就能唯一的确定一个对称阵,任给一个对称阵也能唯一的确定一个二次型.将对称阵(A)叫做二次型(f)的矩阵,(f)叫做矩阵(A)的二次型,对称阵(A)的秩就叫做二次型(f)的秩
-
合同矩阵
(1)设(A)和(B)是(n)阶矩阵,若有可逆矩阵(C),使(B=C^TAC),则称矩阵(A)与(B)合同
(2)记(C=(c_{ij}))则(x=Cy),有(f=x^TAx=(Cy)^TACy=y^T(C^TAC)y)
(3)若(A)为对称阵,则(B^T=(C^TAC)^T=C^TA^TC=C^TAC=B),即(B)也为对称阵.因为(C)和(C^T)都是可逆的,所以(R(A)=R(B))
-
合同矩阵对角化
要使二次型(f)经可逆变换(x=Cy)变成标准形,即使
[egin{align} y^TC^TACy &=k_1y^2_1+k_2y_2^2+cdots+k_ny_n^2\ &=(y_1,y_2,cdots,y_n) egin{pmatrix} k_1 & & & \ & k_2 & & \ & & ddots & \ & & & k_n \ end{pmatrix} quad egin{pmatrix} y_1 \ y_2 \ vdots \ y_n end{pmatrix} end{align} ]也就是使(C^TAC)成为对角矩阵
任给二次形(f=sum_{i,j=1}^na_{ij}x_ix_j(a_{ij}=a{ji})),总有正交变换(x=Py),使(f)化为标准形(f=lambda_1y^2_1+lambda_2y^2_2+cdots+lambda_ny^2_n),其中(lambda_1,lambda_2,cdots,lambda_n)是(f)的矩阵(A=(a_{ij}))的特征值,并且(P)是特征向量
推论:任给(n)元二次型(f(x)=x^TAx(A^T=A)),总有可逆变换(x=Cz),使(f(Cz)=dfrac{lambda_1}{|lambda_1|}z^2_1+cdots+dfrac{lambda_r}{|lambda_r|}z^2_r)为规范形
-
用正交变换化二次型为标准形的步骤
首先根据给定的二次型写出对称阵(A),然后求对称阵的特征值和特征向量,则标准形的系数为特征值,正交阵为特征向量正交化和单位化
-
用配方法化二次型为标准形的步骤
(1)(f)中含变量(x_1)的平方项,则把含(x_1)的项归并起来,如:
(f=x^2_1+2x^2_2+5x^2_3+2x_1x_2+2x_1x_3+6x_2x_3=(x_1+x_2+x_3)^2+(x_2+2x^3)^2)得(y_1=x_1+x_2+x_3,y_2=x_2+2x_3,y_3=x_3)
(2)(f)中不含平方项,如:
(f=2x_1x_2+2x_1x_3-6x_2x_3),令(x_1=y_1+y_2,x_2=y_1-y_2,x_3=y_3)代入,得(f=2(y_1-y_3)^2-2(y_2-2y_3)^2+6y_3^2).令(z_1=sqrt{2}(y_1-y_3),z_2=sqrt{2}(y_2-2y_3),z_3=sqrt{6}(y_3))
-
正定二次型
(1)惯性定理
设二次型(f=x^TAx),它的秩为(r),有两个可逆变换(x=Cy)及(x=Pz),使(f=k_1y_1^2+k_2y_2^2+cdots+k_ry_r^2 (k_i eq 0)),(f=lambda_1z_1^2+lambda_2z_2^2+cdots+lambda_rz_r^2 (lambda_i eq 0)),则(k_1,cdots,k_r)中正数的个数与(lambda_1,cdots,lambda_r)中正数的个数相等,此个数称为正惯性指数,相应的有负惯性指数
(2)正定二次型
设有二次型(f(x)=x^TAx),如果对任何(x eq 0),都有(f(x) gt 0),则称(f)为正定二次型,并称对称阵(A)是正定的,如果对任何(x eq 0),都有(f(x) lt 0),则称(f)为负定二次型,并称对称阵(A)是负定的
(3)正定的充分必要条件
(n)元二次型(f=x^TAx)为正定的充分必要条件是:它的标准形的(n)个系数全为正,即他的规范形的(n)个系数全为(1),亦即他的正惯性指数等于(n)
对称阵(A)为正定的充分必要条件是:(A)的特征值全为正
(4)正定的必要条件
主对角线元素(a_{ii}>0),矩阵的行列式(|A| gt 0)
(5)赫尔维茨定理
对称阵(A)为正定的充分必要条件是:(A)的各阶主子式都为正,即
[a_{11} gt 0, egin{vmatrix} a_{11} & a_{12} \ a_{21} & a_{22} \ end{vmatrix} gt 0, cdots, egin{vmatrix} a_{11} & cdots & a_{1n} \ vdots & & vdots \ a_{n1} & cdots & a_{nn} \ end{vmatrix} gt 0 ]对称阵(A)为负定的充分必要条件是:(A)的奇数阶主子式都为负,偶数阶主子式都为正,即
[(-1)^regin{vmatrix} a_{11} & cdots & a_{1r} \ vdots & & vdots \ a_{n1} & cdots & a_{rr} \ end{vmatrix} gt 0 (r=1,2,cdots,n) ] -
合同,相似,等价,特征值之间的关系
等价指的是两个矩阵的秩一样
合同指的是两个矩阵的正定性一样,也就是说,两个矩阵对应的特征值符号一样
相似是指两个矩阵特征值一样.
相似必合同,合同必等价.
-
正定的其他结论
(A)正定,则(A^T,A^*,A^{-1},A^k,kA(k gt 0))正定,并且他们之间的正系数线性组合正定
-
-