矩阵知识备忘录

线性代数总结

线性代数知识学的时候不以为然,甚至觉得无非就是在一个框框里算算术而已没意思。现在慢慢领悟线性代数,尤其是矩阵的性质实在是太!重!要!了!本文专门对基本常用概念做记录,并且随着遇到新矩阵问题不断更新。

行列式总结:

  • 行列式一定是正方形的;
  • 对换行列式的两行,行列式结果要变号;
  • 代数余子式:在n阶行列式中,把(i,j)元a_{ij}所在的第i行和第j列划去后,留下来的n-1阶行列式叫做a_{ij}的"余子式",记做M_{ij}(就是原行列式简单的划掉一行和一列后剩下的东西)。元a_{ij}的"代数余子式"记为A_{ij}。代数余子式和余子式之间的关系为:

A_{ij} = (-1)^{i+j}M_{ij}

矩阵总结

(1)基本内容:

  • 矩阵很多特殊操作,尤其是牵扯到相应行列式时,这个矩阵都是正方形的;
  • 矩阵A的伴随矩阵:矩阵A的各个元素位置由元素对应的代数余子式代替,并做一次转置后得到:

A^{*} = \left( \begin{matrix} A_{11} & \color{red}{A_{21}} & \cdots & A_{n1} \\ \color{red}{A_{12}} & A_{22} & \cdots & A_{n2} \\ \vdots & \vdots & & \vdots \\ A_{1n} & A_{2n} & \cdots & A_{nn} \end{matrix} \right)

  • 矩阵可逆判断(充要条件1):|A|≠0可逆矩阵 = 非奇异矩阵;逆矩阵求法:

A^{-1} = \frac{1}{|A|}A^{*}

  • 克拉默法则:n个方程n个未知数的正方形方程组,如果正方形系数矩阵A的行列式值不为0,即|A|≠0,则该方程组有唯一解!

  • 解线性方程组矩阵的3种初等变换:1. 对换两行;2. 某行元素整体乘个系数k;3. 把做完2步的那一行加到另一行去。初等变换不改变方程的解!!即始终同解。与行列式变换不同!!

  • 矩阵可逆判断(充要条件2):矩阵A经过有限次初等变换后,可以变成单位矩阵E


(2)矩阵与线性方程组:

  • 对应线性方程组:Ax = b,右端矩阵b不为0是"非齐次线性方程组",为0就是"齐次线性方程组"。系数矩阵A可以是正方形也可以是长方形

  • 矩阵A(任意形状)的子式:在mxn矩阵A中,任取k行k列(k≤m, k≤n),位于这些行列交叉处k^2个元素,不改变它们在A中所处的相对位置而得到k阶行列式,称为矩阵A的k阶(主)子式。注意:子式是一个行列式,也就是说它是一个具体的数值

  • 矩阵(主)子式顺序主子式:主子式/子式就是上面说的,取的行和列是没有规律、随便取的;顺序主子式:必须是从左上角往右下角取这样变化:

图1:各阶顺序主子式
  • 矩阵A(任意形状)的:矩阵A的最高阶非0子式所对应的阶数r,就是矩阵A的秩。秩可记做:R(A);范围是:0≤R(A)≤min\{m,n\}

  • 秩的深刻意义

    • 矩阵A(任意形状)的初等变换、转置不会改变矩阵的秩;
    • 矩阵A做初等变换后得到的行阶梯矩阵,矩阵A的秩 = 行阶梯矩阵非0行的行数!一般就是用行阶梯来求秩的;
  • 秩在n元解线性方程组中的意义:不论正方形还是长方形方程组Ax=b,都可以用""来判断方程解的情况:

Ax=b → \begin{cases} 无解 & R(A) < R(A,b) \\ 唯一解 & R(A) = R(A,b) = n \\ 无穷解 & R(A) = R(A,b) < n \end{cases}

注意一点:长方形矩阵因为"方程个数"和"未知数个数"不相同,所以会导致上面3种解的情况出现。

  • 矩阵可逆判断(充要条件3):可逆矩阵的秩 = 阶数,即为"满秩矩阵";

(3)特殊矩阵类:都是方阵

  • 正交矩阵(n阶方阵):如果n阶方阵A满足下面式子,则称方阵A为正交矩阵:

A^TA = E \quad (A^{-1} = A^T)

  • 正交矩阵的2条性质:

    • 若A为正交阵,则A^{-1}A^{T}都是正交矩阵(其实两者相等)!并且正交矩阵的行列式为1,即|A| = ±1
    • 两个正交阵相乘,还是正交阵;
  • 方阵特征值:设A为n阶方阵,如果数\lambda和n行非0列向量x满足如下关系式,则称数\lambda为矩阵A的一个"特征值(可以是复数结果)",此时的列向量x称为A对应特征值\lambda的"特征向量":

Ax = \lambda x \quad \leftrightharpoons \quad \color{red}{(A-\lambda E)x = 0}

要想求解"特征值",就是求:|A-\lambda E| = 0这个1元n次方程;

  • 方阵特征值的3条性质:

    • 所有特征值之和 = 矩阵A对角元素之和;
    • 所有特征值乘积 = 矩阵A行列式的值;
    • \lambda是矩阵A的特征值,则\lambda^kA^k特征值,\frac{1}{\lambda}A^{-1}特征值;
  • 矩阵可逆判断(充要条件4):n个特征值全 ≠ 0;

  • 相似矩阵(2个n阶方阵):设AB都是n阶方阵,若有可逆矩阵P,使得AB满足如下关系,则称矩阵AB相似!可逆P称为把A变成B的"相似变换矩阵":

P^{-1}AP = B

  • 相似矩阵的2条性质:

    • AB相似,则二者特征值相同;
    • 矩阵A的n个特征值对角元素的对角阵D,若想满足P^{-1}AP = D,即矩阵A可以对角化(与对角阵近似),必须满足:矩阵A的n个特征值互不相同;
  • 实对称矩阵性质:

    • 一定可以对角化,对角阵元素为n个互不相等的特征值;
    • A为n阶方阵,则下面3个都是对称阵:

A + A^T \quad AA^T \quad \color{red}{A^TA}

  • 正定阵:特征值全为正的对称阵;或:各阶"顺序主子式"都>0的对称阵;

  • \color{red}{正定矩阵一定是对称阵!对称正定阵 = 正定阵;}

  • 正定矩阵3条性质:

    • (对称)正定阵特征值都是正数;
    • (对称)正定阵主元都是正数;
    • \color{red}{(对称)正定阵主对角元素都 > 0}

(4)矩阵杂项类:

  • 对角阵、上三角阵、下三角阵,行列式值都是对角元素乘积;
  • 严格对角占优矩阵:每一行中对角元素的值的模 > 其余元素值的模之和!即:

|a_{ij}| > \sum_{j=1,j≠i}^{n}|a_{ij}| \quad (i = 1,2,3,\cdots,n)

  • 弱对角占优矩阵:上面公式取≥号;

  • 严格对角占优矩阵的4条性质:

    • 若系数矩阵A是严格对角占优矩阵,则关于它的线性代数方程组有解;
    • 若系数矩阵A为严格对角占优矩阵,则A为非奇异矩阵;
    • 若系数矩阵A为严格对角占优矩阵,各阶顺序主子式必不为0;
    • 若系数矩阵A为严格对角占优矩阵,雅克比迭代法、高斯-赛德尔迭代法和0<ω≤1的超松弛迭代法均收敛。
  • 共轭/Hermite矩阵:如果A(i,j) = A(j,i),则称矩阵为"对称矩阵";如果A(i,j) = conj( A(j,i) ),则称矩阵为"共轭/Hermite矩阵"。可以看出两者其实差别不大:实数域对称矩阵与共轭矩阵是一回事。


第1次补充:

  • 对于线性方程组Ax = b行间列间对换时,要保证同解:
    • 行之间对换:b要随着一起变动,x不用动;
    • 列之间对换:x要随之一起变动(例:A中2和3互换, x中2和3要一起变),b不用动。变完后的解x,顺序与原方程是不一致的,要记得调换一下!
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,980评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,178评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,868评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,498评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,492评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,521评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,910评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,569评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,793评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,559评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,639评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,342评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,931评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,904评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,144评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,833评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,350评论 2 342

推荐阅读更多精彩内容