Maktub_Wiki Maktub_Wiki
主站 (opens new window)
  • 服务搭建
  • 网络服务
  • 开源框架
  • 操作系统
  • iOS/MacOS
  • 算法导论(Python)
  • Leetcode
  • 线性代数
主站 (opens new window)
  • 服务搭建
  • 网络服务
  • 开源框架
  • 操作系统
  • iOS/MacOS
  • 算法导论(Python)
  • Leetcode
  • 线性代数
  • 第一章 矩阵与方程组
    • 1.1 线性方程组
      • 等价方程组
      • n X n方程组
      • 初等行运算
      • 练习总结:
    • 1.2 行阶梯形
      • 行阶梯形矩阵
      • 高斯消元法
      • 超定方程组
      • 亚定方程组
      • 行最简形
      • 齐次方程组
    • 1.3矩阵算术
      • 矩阵记号
      • 向量
      • 相等
      • 标量乘法
      • 矩阵加法
      • 矩阵乘法及线性方程组
      • 矩阵乘法
      • 符号规则
      • 矩阵的转置
    • 1.4矩阵代数
      • 代数法制
      • 单位矩阵
      • 矩阵的逆
      • 转置的代数法则
      • 对称矩阵和网络
    • 1.5初等矩阵
      • 等价方程组
      • 初等矩阵
      • 对角矩阵和三角形矩阵
    • 1.6分块矩阵
      • 分块乘法
      • 外积展开
  • 第二章 行列式
  • 第三章 向量空间
  • 第四章 线性变换
  • 第五章 正交性
  • 第六章 特征值
  • 第七章 数值线性代数
  • 线性代数
Maktub_小明
2023-07-28
目录

第一章 矩阵与方程组

# 1.1 线性方程组

# 等价方程组

  • 定义:若两个含有相同变量的方程组具有相同的解集,则称它们是等价的
  • 判定:
  1. 交换任意两个方程的顺序
  2. 任一方程两边同乘一个非零的实数
  3. 任一方程的倍数加到另外一个方程上

# n X n方程组

  • 定义:若方程组中,第k个方程的前k-1个变量的系数均为零,且xk(k=1,⋅⋅⋅),n)x_{k}(k=1, \cdot \cdot \cdot ), n)xk​(k=1,⋅⋅⋅),n)的系数不为零,则称该方程组为严格三角形的

# 初等行运算

  • I.交换两行
  • II.以非零实数乘以某行
  • III.将某行替换为它与其它行的倍数的和

# 练习总结:

  • nXn矩阵的线性方程组可以化简为严格三角形式,则它将有一个唯一解

# 1.2 行阶梯形

# 行阶梯形矩阵

  • 定义:若一个矩阵满足以下条件,则称其为行阶梯形矩阵
  1. 每一非零行中的第一个非零元为1
  2. 第k行的元不全为零时,第k+1行首变量之前零的个数多于第k行首变量之前零的个数
  3. 所有元素均为零的行必在不全为零的行之后

# 高斯消元法

  • 定义:利用行运算I,II和III,将线性方程组的增广矩阵化为行阶梯形的过程称为高斯消元法

# 超定方程组

  • 定义:若一个线性方程组中方程的个数多于未知量的个数,则称其为超定的,超定方程组通常是(但不总是)不相容的

# 亚定方程组

  • 定义:一个有n个未知量m个线性方程的方程组称为亚定的

# 行最简形

  • 定义:若一个矩阵满足以下条件,则称该矩阵为行最简形
  1. 矩阵是行阶梯形的
  2. 每一行的第一个非零元是该列唯一的非零元

# 齐次方程组

  • 定义:如果线性方程组的右端项全为零,则称其为齐次的
  • 定理:若n>m,则mXn的齐次线性方程组有非平凡解

# 1.3矩阵算术

# 矩阵记号

A=(aij)A=(a_{ij})A=(aij​)

# 向量

# 相等

  • 定义: 若两个mXn矩阵A和B对任一i和j均满足aij=bija_{ij}=b_{ij}aij​=bij​,则称它们相等

# 标量乘法

  • 定义:设A为mXn的矩阵,且α为一标量,且αA为一mXn的矩阵,其(i,j)元素αaijαa_{ij}αaij​

# 矩阵加法

  • 定义:设A=aijA=a_{ij}A=aij​及B=bijB=b_{ij}B=bij​都是mXn矩阵,则它们的和A+B也为一个mxn的矩阵,对每一个有序对(i,j),它的(i,j)元素为aij+bija_{ij}+b_{ij}aij​+bij​

# 矩阵乘法及线性方程组

  • 定义:若a1,a2,⋅⋅⋅,ana_{1},a_{2},\cdot \cdot \cdot,a_{n}a1​,a2​,⋅⋅⋅,an​为R^{m}中的向量,且c1,c2,⋅⋅⋅,cnc_{1},c_{2},\cdot \cdot \cdot,c_{n}c1​,c2​,⋅⋅⋅,cn​为标量,则和式a1c1+a2c2+⋅⋅⋅+ancna_{1}c_{1}+a_{2}c_{2}+\cdot \cdot \cdot+a_{n}c_{n}a1​c1​+a2​c2​+⋅⋅⋅+an​cn​称为向量a1,a2,⋅⋅⋅),ana_{1},a_{2},\cdot \cdot \cdot ),a_{n}a1​,a2​,⋅⋅⋅),an​的一个线性组合
  • 定理:(线性方程组的相容性定理)一个线性方程组Ax=b相容的充要条件式向量b可写为矩阵A列向量的一个线性组合

# 矩阵乘法

  • 定义:若A=aijA=a_{ij}A=aij​为一个mXn的矩阵,且B=bijB=b_{ij}B=bij​为一个nXr的矩阵,则乘积AB=C=(cij)AB=C=(c_{ij})AB=C=(cij​)为一个mXr的矩阵,它的元素定义为cij=ai⃗bj=∑k=1naikbkjc_{ij}=\vec{a_{i}}b_{j}=\sum_{k=1}^{n} a_{ik}b_{kj}cij​=ai​​bj​=∑k=1n​aik​bkj​

# 符号规则

# 矩阵的转置

  • 定义:一个mXn矩阵A的转置为nXm矩阵B,定义为bji=aijb_{ji}=a_{ij}bji​=aij​
  • A的转置记为ATA^{T}AT
  • 定义:一个nXn和矩阵A,若满足AT=AA^{T}=AAT=A,则称为对称的

# 1.4矩阵代数

# 代数法制

  • 定理:在定义了需要的运算后,下述法则对任何标量α和β及矩阵A,B和C都成立
  1. A+B=B+A
  2. (A+B)+C=A+(B+C)
  3. (AB)C=A(BC)
  4. A(B+C)=AB+BC
  5. (A+B)C=AC+BC
  6. (αβ)A=α(βA)
  7. α(AB)=(αA)B=A(αB)
  8. (α+β)A=αA+βA
  9. α(A+B)=αA+αB

# 单位矩阵

  • 定义:nXn的单位矩阵为矩阵I=(δij)I=(\delta_{ij})I=(δij​),其中

δij={1当i=j时0当i≠j时\delta_{ij}=\begin{cases} 1 & 当i=j时 \\ 0 & 当i \neq j 时 \\ \end{cases}δij​={10​当i=j时当i=j时​

# 矩阵的逆

  • 定义:若存在一个矩阵B使得AB=BA=I,则称nXn矩阵A为非奇异的或可逆的,矩阵B称为A的乘法逆元
  • 定义:一个nXn矩阵若不存在乘法逆元,则称为奇异的
  • 定理:若A和B为非奇异的nXn矩阵,则AB也为非奇异,且(AB)−1=B−1A−1(AB)^{-1} = B^{-1}A^{-1}(AB)−1=B−1A−1

# 转置的代数法则

1)(AT)T=A(A^{T})^{T}=A(AT)T=A 2)(αA)T=αAT(αA)^{T}=αA^{T}(αA)T=αAT 3)(A+B)T=AT+BT(A+B)^{T}=A^{T}+B^{T}(A+B)T=AT+BT 4)(AB)T=BTAT(AB)^{T}=B^{T}A^{T}(AB)T=BTAT

# 对称矩阵和网络

  • 定理:设A为某图的nXn邻接矩阵,且aij(k)a_{ij}^{(k)}aij(k)​表示AkA^kAk的(i,j)元素,则aij(k)a_{ij}^{(k)}aij(k)​等于顶点ViV_iVi​和VjV_jVj​间长度为k的路的条数

# 1.5初等矩阵

# 等价方程组

# 初等矩阵

  • 如果从单位矩阵I开始,只进行一次初等运算,得到的矩阵称为初等矩阵
  • 定理:若E为一初等矩阵,则E是非奇异的,且E−1E^-1E−1为一与它同类型的初等矩阵
  • 定义:若存在一个有限初等矩阵的序列E1,E2,E3,⋅⋅⋅,EkE_{1},E_{2},E_{3},\cdot \cdot \cdot,E_{k}E1​,E2​,E3​,⋅⋅⋅,Ek​使得B=EkEk−1⋅⋅⋅E1AB=E_{k}E_{k-1}\cdot \cdot \cdot E_{1}AB=Ek​Ek−1​⋅⋅⋅E1​A则称A与B为行等价的
  • 定理:(非奇异矩阵的等价条件) 令A为一nXn矩阵,则下列命题是等价的:
    1. A是非奇异的
    2. Ax=0仅有平凡解0
    3. A与I行等价
  • 推论:当且仅当A非奇异时,n个未知量n个方程的线性方程组Ax=b有唯一解

# 对角矩阵和三角形矩阵

# 1.6分块矩阵

# 分块乘法

# 外积展开

上次更新: 2025/03/22, 03:52:10
第二章 行列式

第二章 行列式→

Theme by Vdoing | Copyright © 2021-2025 Maktub_小明 | MIT License
  • 跟随系统
  • 浅色模式
  • 深色模式
  • 阅读模式