线性代数
0:串联各章
等价条件
1. ①|A|≠0,A可逆
⇦⇨②r(A)=n,A满秩
⇦⇨③α₁,α₂,…αn线性无关
⇦⇨④Ax=0仅有零解
2. ①|A|=0,A不可逆
⇦⇨②r(A)<n,A不满秩
⇦⇨③α₁,α₂,…αn线性相关
⇦⇨④Ax=0有非零解
第1章 行列式
求行列式
求二阶行列式:交叉相减
求三阶行列式:行/列展开定理
①若三阶行列式是上/下三角矩阵,则行列式的值直接为主对角线乘积
例题1:15年13. 求n阶行列式
分析:
答案: 2 n + 1 − 2 2^{n+1}-2 2n+1−2
行列式的性质
1.若A为n阶方阵,则
∣
k
A
∣
=
k
n
∣
A
∣
|kA|=k^n|A|
∣kA∣=kn∣A∣
2.
∣
A
∗
∣
=
∣
A
∣
n
−
1
|A^*|=|A|^{n-1}
∣A∗∣=∣A∣n−1
3.分块矩阵的行列式:
(1)副对角线
若A为n阶矩阵,B为m阶矩阵,则
∣
O
B
A
C
∣
=
∣
C
B
A
O
∣
=
(
−
1
)
m
n
∣
A
∣
∣
B
∣
\left|\begin{array}{cc} O & B \\ A & C \end{array}\right|=\left|\begin{array}{cc} C & B \\ A & O \end{array}\right|=(-1)^{mn}|A||B|
OABC
=
CABO
=(−1)mn∣A∣∣B∣
4.
∣
A
B
∣
=
∣
A
∣
⋅
∣
B
∣
|AB|=|A|·|B|
∣AB∣=∣A∣⋅∣B∣
5.
∣
A
∣
=
∑
k
=
1
n
a
i
k
A
i
k
|A|=\sum\limits_{k=1}^na_{ik}A_{ik}
∣A∣=k=1∑naikAik (i=1,2,3…n) 行列展开定理
6.不满秩、不可逆、向量组线性相关,则行列式 = 0 满秩、可逆、行列式非零、线性无关的关系
例题1:23李林四(一)15.
分析:
答案:2048
第2章 矩阵
矩阵运算
例题1:23李林四(一)23.
答案:
初等变换
以下三种变换,称为矩阵的初等变换:对行进行初等变换,称为初等行变换;对列进行初等变换,称为初等列变换
1.交换:交换矩阵任意两行或两列
2.倍乘:用非零常数k乘矩阵的任一行或任一列
3.倍加:用数k乘矩阵的任一行(列)再加到另一行(列)上
如果矩阵A经初等变换得矩阵B,则称矩阵A与矩阵B等价
初等变换性质
1.初等变换只有秩不变,其他:迹、特征值、行列式均可能改变。
理论上不改变特征值的初等变换,只有相似变换和正交变换。
例题1:23李林四(四)5.
分析:
答案:D
矩阵的秩
1. r ( A ) = r ( A T ) = r ( A A T ) = r ( A T A ) r(A)=r(A^T)=r(AA^T)=r(A^TA) r(A)=r(AT)=r(AAT)=r(ATA)
2. r ( A , B ) = r ( A , B ) T = r ( A T B T ) r(A,B)=r(A,B)^T=r\dbinom{A^T}{B^T} r(A,B)=r(A,B)T=r(BTAT)
3. m a x { r ( A ) , r ( B ) } ≤ r ( A , B ) ≤ r ( A + B ) max\{r(A),r(B)\}≤r(A,B)≤r(A+B) max{r(A),r(B)}≤r(A,B)≤r(A+B)
m a x { r ( A ) , r ( B ) } ≤ r ( A , B ) max\{r(A),r(B)\}≤r(A,B) max{r(A),r(B)}≤r(A,B) ≤ r ( A ) + r ( B ) ≤r(A)+r(B) ≤r(A)+r(B)
4. r ( A B ) ≤ m i n { r ( A ) , r ( B ) } r(AB)≤min\{r(A),r(B)\} r(AB)≤min{r(A),r(B)}
5.若A为m×n矩阵,矩阵的秩≤行秩,≤列秩。即 r ( A ) ≤ m i n { m , n } r(A)≤min\{m,n\} r(A)≤min{m,n}
例题1:18年6.
分析:矩阵是列分块的,可以作列变换而不改变矩阵的秩
A、B:(A,AB)=A(E,B)
∵r(A,b)≥r(A),∴①r(A,AB)≥r(A)
∵r(AB)≤r(A)且r(AB)≤r(B),∴②r(A,AB)=r[A(E,B)]≤r(A)
综上①②,r(A,AB)=r(A)
A✔B❌
C: m a x { r ( A ) , r ( ) B } ≤ r ( A , B ) ≤ r ( A ) + r ( B ) max\{r(A),r()B\}≤r(A,B)≤r(A)+r(B) max{r(A),r()B}≤r(A,B)≤r(A)+r(B) 。C❌
D: r ( A , B ) = r ( A , B ) T = r ( A T B T ) r(A,B)=r(A,B)^T=r\dbinom{A^T}{B^T} r(A,B)=r(A,B)T=r(BTAT),D❌
答案:A
上(下)三角矩阵、对角阵
1.上(下)三角矩阵和对角阵的特征值,均为主对角线元素
可逆矩阵
可逆矩阵的定义
1.对于n阶方阵A,若存在一个n阶方阵B,使得
A
B
=
E
或
B
A
=
E
AB=E\ 或\ BA=E
AB=E 或 BA=E,则A、B互逆:
①
A
=
B
−
1
,
B
=
A
−
1
A=B^{-1},B=A^{-1}
A=B−1,B=A−1
②
A
B
=
E
=
B
A
AB=E=BA
AB=E=BA
2.特殊情况:若 A ( k B ) = E A(kB)=E A(kB)=E,则 k B kB kB为A的逆矩阵
例题1:22年15. 乘逆矩阵,消元
分析:
(法一)可逆矩阵的定义
(法二)特殊值:①
令
A
=
−
E
令A=-E
令A=−E ②
令
A
=
2
E
令A=2E
令A=2E ③
令
A
=
3
E
令A=3E
令A=3E
A取值不同,B取值也不同,但最终B-A均为-E
答案:-E
例题2:23李林四(三)15.
A
B
=
E
=
B
A
AB=E=BA
AB=E=BA
分析:
凑可逆阵:由
A
2
=
2
A
B
+
E
A²=2AB+E
A2=2AB+E,移项得
A
2
−
2
A
B
=
E
A²-2AB=E
A2−2AB=E,即
A
(
A
−
2
B
)
=
E
A(A-2B)=E
A(A−2B)=E。
∴
A
A
A与
A
−
2
B
A-2B
A−2B互为可逆阵,∴
A
(
A
−
2
B
)
=
(
A
−
2
B
)
A
A(A-2B)=(A-2B)A
A(A−2B)=(A−2B)A,即
A
2
−
2
A
B
=
A
2
−
2
B
A
A²-2AB=A²-2BA
A2−2AB=A2−2BA。即
A
B
=
B
A
AB=BA
AB=BA。
∴
∣
A
B
−
B
A
+
2
A
∣
=
∣
2
A
∣
=
2
3
∣
A
∣
=
8
×
1
=
8
|AB-BA+2A|=|2A|=2³|A|=8×1=8
∣AB−BA+2A∣=∣2A∣=23∣A∣=8×1=8
答案:8
例题3:01年4. 将等式右边变成
k
E
kE
kE,等式左边变成可因式分解的形式
分析:由逆矩阵定义
A
B
=
E
AB=E
AB=E 或
A
k
B
=
E
AkB=E
AkB=E,找
A
−
E
A-E
A−E 的逆矩阵。
关键在于:将等式右边变成
k
E
kE
kE,等式左边变成可因式分解的形式
解:由
A
2
+
A
−
4
E
=
O
A²+A-4E=O
A2+A−4E=O,移项得
A
2
+
A
−
2
E
=
2
E
A²+A-2E=2E
A2+A−2E=2E
得
(
A
+
2
E
)
(
A
−
E
)
=
2
E
(A+2E)(A-E)=2E
(A+2E)(A−E)=2E
∴
(
A
−
E
)
−
1
=
1
2
(
A
+
2
E
)
∴(A-E)^{-1}=\dfrac{1}{2}(A+2E)
∴(A−E)−1=21(A+2E) 注意,系数要放在括号外,不要把矩阵写成分式
答案: 1 2 ( A + 2 E ) \dfrac{1}{2}(A+2E) 21(A+2E)
例题4:08年5. 幂零阵、可逆矩阵定义、立方和公式、立方差公式
分析:由
A
3
=
O
A³=O
A3=O得
E
±
A
3
=
E
E±A^3=E
E±A3=E
①即
E
=
E
+
A
3
=
(
E
+
A
)
(
E
2
−
A
E
+
A
2
)
=
(
E
+
A
)
(
E
−
A
+
A
2
)
E=E+A^3=(E+A)(E^2-AE+A^2)=(E+A)(E-A+A²)
E=E+A3=(E+A)(E2−AE+A2)=(E+A)(E−A+A2),则
E
+
A
E+A
E+A可逆且
(
E
+
A
)
−
1
=
E
−
A
+
A
2
(E+A)^{-1}=E-A+A²
(E+A)−1=E−A+A2
②即
E
=
E
−
A
3
=
(
E
−
A
)
(
E
2
+
A
E
+
A
2
)
=
(
E
−
A
)
(
E
+
A
+
A
2
)
E=E-A^3=(E-A)(E^2+AE+A^2)=(E-A)(E+A+A^2)
E=E−A3=(E−A)(E2+AE+A2)=(E−A)(E+A+A2),则
E
−
A
E-A
E−A可逆且
(
E
−
A
)
−
1
=
E
+
A
+
A
2
(E-A)^{-1}=E+A+A^2
(E−A)−1=E+A+A2
答案:C
可逆矩阵性质
1.若n阶方阵A可逆,则A的逆矩阵必唯一
2.若n阶方阵A可逆,则 ∣ A ∣ ≠ 0 |A|≠0 ∣A∣=0
3.若n阶方阵P为可逆矩阵,则 ( P − 1 ) T = ( P T ) − 1 (P^{-1})^T=(P^T)^{-1} (P−1)T=(PT)−1
4.乘可逆矩阵,不改变原矩阵的秩
例题1:17年13. 乘可逆矩阵,不改变原矩阵的秩
分析:
A
=
(
1
0
1
1
1
2
0
1
1
)
→
(
1
0
1
0
1
1
0
0
0
)
A=\left(\begin{array}{cc} 1 & 0 & 1\\ 1 & 1 & 2\\ 0 & 1 & 1\\ \end{array}\right)→\left(\begin{array}{cc} 1 & 0 & 1\\ 0 & 1 & 1\\ 0 & 0 & 0\\ \end{array}\right)
A=
110011121
→
100010110
∴
r
(
A
)
=
2
∴r(A)=2
∴r(A)=2
矩阵
(
A
α
1
,
A
α
2
,
A
α
3
)
=
A
(
α
1
,
α
2
,
α
3
)
(Aα_1,Aα_2,Aα_3)=A(α_1,α_2,α_3)
(Aα1,Aα2,Aα3)=A(α1,α2,α3)
∵
α
1
,
α
2
,
α
3
α_1,α_2,α_3
α1,α2,α3线性无关 ∴
(
α
1
,
α
2
,
α
3
)
(α_1,α_2,α_3)
(α1,α2,α3)为可逆矩阵
∴
r
(
A
α
1
,
A
α
2
,
A
α
3
)
=
r
(
A
)
=
2
r(Aα_1,Aα_2,Aα_3)=r(A)=2
r(Aα1,Aα2,Aα3)=r(A)=2
答案:2
伴随矩阵 A*
伴随矩阵的定义
若 A = ( a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ) A=\left(\begin{array}{ccc} a_{11} & a_{12} & a_{13}\\ a_{21} & a_{22} & a_{23}\\ a_{31} & a_{32} & a_{33} \end{array}\right) A= a11a21a31a12a22a32a13a23a33 ,则 A ∗ = ( A 11 A 21 A 31 A 12 A 22 A 32 A 13 A 23 A 33 ) A^*=\left(\begin{array}{ccc} A_{11} & A_{21} & A_{31}\\ A_{12} & A_{22} & A_{32}\\ A_{13} & A_{23} & A_{33} \end{array}\right) A∗= A11A12A13A21A22A23A31A32A33
伴随矩阵性质 (伴随矩阵公式)
- A ⋅ A ∗ = A ∗ ⋅ A = ∣ A ∣ E ⇨ { A ∗ = ∣ A ∣ A − 1 A − 1 = A ∗ ∣ A ∣ A·A^* = A^*·A=|A|E\quad ⇨\quad \left\{ \begin{aligned} A^*=|A|A^{-1} \\ A^{-1}=\dfrac{A^*}{|A|} \end{aligned} \right. A⋅A∗=A∗⋅A=∣A∣E⇨⎩ ⎨ ⎧A∗=∣A∣A−1A−1=∣A∣A∗
推导: A ⋅ A ∗ = ( a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . . . . a n 1 a n 2 . . . a n n ) ( A 11 A 21 . . . A n 1 A 12 A 22 . . . A n 2 . . . . . . . . . A 1 n A 2 n . . . A n n ) = ( ∣ A ∣ ∣ A ∣ . . . ∣ A ∣ ) A·A^* =\left(\begin{array}{cccc} a_{11} &a_{12} &... &a_{1n} \\ a_{21}&a_{22} &... &a_{2n}\\ ...&... &&...\\ a_{n1}&a_{n2}&...&a_{nn} \end{array}\right)\left(\begin{array}{cccc} A_{11}&A_{21} &... &A_{n1} \\ A_{12}&A_{22} &... &A_{n2}\\ ...&... &&...\\ A_{1n}&A_{2n}&...&A_{nn} \end{array}\right)=\left(\begin{array}{cccc} |A| & & & \\ &|A| & &\\ & &...&\\ &&&|A| \end{array}\right) A⋅A∗= a11a21...an1a12a22...an2.........a1na2n...ann A11A12...A1nA21A22...A2n.........An1An2...Ann = ∣A∣∣A∣...∣A∣
2. ∣ A ∗ ∣ = ∣ A ∣ n − 1 |A^*| = |A|^{n-1} ∣A∗∣=∣A∣n−1
推导: A A ∗ = ∣ A ∣ E AA^* = |A|E AA∗=∣A∣E ∴ ∣ A A ∗ ∣ = ∣ A ∣ n ∴|AA^*|=|A|^n ∴∣AA∗∣=∣A∣n ∣ A ∗ ∣ = A n − 1 |A^*|=A^{n-1} ∣A∗∣=An−1
3. r ( A ∗ ) = { n , r ( A ) = n 1 , r ( A ) = n − 1 0 , r ( A ) < n − 1 r(A^*)= \left\{ \begin{aligned} n,\qquad\quad r(A)=n \\ 1,\quad r(A)=n-1 \\ 0,\quad r(A)<n-1 \end{aligned} \right. r(A∗)=⎩ ⎨ ⎧n,r(A)=n1,r(A)=n−10,r(A)<n−1
例题1:05年12.
分析:
答案:C
例题2:09年6.
分析:
答案:B
例题3:11年6. r(A*)的性质
分析:
答案:D
例题4:13年13.
分析:
答案:-1
转置矩阵
转置的性质
( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT
分块矩阵
分块矩阵的性质
1.分块矩阵的逆矩阵:
(
O
A
B
O
)
−
1
=
(
O
B
−
1
A
−
1
O
)
\left(\begin{array}{cc} O & A \\ B & O \end{array}\right)^{-1}=\left(\begin{array}{cc} O &B^{-1} \\ A^{-1} & O \end{array}\right)
(OBAO)−1=(OA−1B−1O)
对分块矩阵进行初等行变换
第3章 n维向量
①部分相关,整体相关
②整体无关,部分无关
③低维无关,高维无关
④高维相关,低维相关
n维单位列向量
α = ( a 1 a 2 a 3 . . . a n ) , α T = ( a 1 , a 2 , a 3 , . . . , a n ) α=\left(\begin{array}{c} a_1 \\ a_2 \\ a_3 \\ ...\\ a_n \end{array}\right),α^T=(a_1,a_2,a_3,...,a_n) α= a1a2a3...an ,αT=(a1,a2,a3,...,an)
性质:
1.
α
⋅
α
T
α·α^T
α⋅αT是n×n阶方阵,
α
T
⋅
α
α^T·α
αT⋅α是一个数
2.
t
r
(
α
⋅
α
T
)
=
α
T
⋅
α
\rm tr(α·α^T)=α^T·α
tr(α⋅αT)=αT⋅α
3.
r
(
α
⋅
α
T
)
=
1
\rm r(α·α^T)=1
r(α⋅αT)=1
4.
(
α
⋅
α
T
)
T
=
α
⋅
α
T
,
∴
α
⋅
α
T
(α·α^T)^T=α·α^T,∴α·α^T
(α⋅αT)T=α⋅αT,∴α⋅αT是n阶实对称方阵,可以相似对角化,
α
⋅
α
T
∼
(
1
0
.
.
.
0
)
α·α^T\sim\left(\begin{array}{cc} 1 & & \\ & 0 & \\ & & ...\\ & & & 0 \end{array}\right)
α⋅αT∼
10...0
例题1:17年5.
分析:不可逆,即|A|=λ₁λ₂λ₃…=0,即有0特征值
α ⋅ α T ∼ ( 1 0 . . . 0 ) α·α^T\sim\left(\begin{array}{cc} 1 & & \\ & 0 & \\ & & ...\\ & & & 0 \end{array}\right) α⋅αT∼ 10...0 ,显然 E − α ⋅ α T E-α·α^T E−α⋅αT有零特征值,不可逆
答案:A
向量的线性关系
线性组合、线性表示
若存在常数 k 1 , k 2 , . . . , k s , k_1,k_2,...,k_s, k1,k2,...,ks,使得 α = k 1 β 1 + k 2 β 2 + . . . + k s β s , α = k_1β_1+ k_2β_2+...+ k_sβ_s, α=k1β1+k2β2+...+ksβs,则称向量 α α α是向量组 β 1 , β 2 , . . . , β s β_1,β_2,...,β_s β1,β2,...,βs的线性组合,或称向量 α α α可被向量组 β 1 , β 2 , . . . , β s β_1,β_2,...,β_s β1,β2,...,βs线性表示(线性表出)
例题1:03年10.
答案:D
例题2:数二 21年9. 线性表示
分析:
答案:D
例题3:20年6. 直线的点向式方程→直线的参数方程→直线参数方程的向量形式 + 线性表示
分析:
答案:C
线性相关
1.定义:设向量组α1,α2,…,αs,若存在不全为0的数k1,k2,…,ks,使k1α1+k2α2+…+ksαs=0,则称向量组α1,α2,…,αs线性相关
2.线性相关的充要条件:α1,α2,…,αs中至少有一个向量可以被其他向量线性表示
3.线性相关的等价条件:
4.线性无关可以到线性相关,若已经线性相关不可再回到线性无关
例题:12年05.
分析:
法一:线性相关的充要条件:线性相关⇦⇨行列式=0
∵|α1,α3,α4|=0,∴α1、α3、α4线性相关
法二:线性相关的充分条件:线性相关⇨成比例
∵α3+α4=(0,0,c3+c4)T,与α1成比例,∴α1、α3、α4线性相关
答案:C
例题2:06年11.
分析:
若已经相关了,则初等变换后依然相关,不能再变回无关了。(若变换后是无关,则变换前肯定也得是无关)
若本来无关,通过变换可能相关。
答案:A
例题3:06年11.真题的变式
答案:C
线性无关
1.定义:设向量组α1,α2,…,αs,若不存在不全为0(仅存在全为0)的数k1,k2,…,ks,使k1α1+k2α2+…+ksαs=0,则称向量组α1,α2,…,αs线性无关
显然,若向量组中有零向量,则向量组线性相关。(可取零向量α0的系数k0为任意非零常数,破坏了线性无关的定义。)
即含有零向量的向量组线性相关。
本来线性无关的向量组,加入一个零向量,它们就线性相关了。可见零向量就是一个润滑剂
2.推论:设向量组α1,α2,…,αs线性无关,但向量组α1,α2,…,αs,β线性相关。则向量β可由向量组α1,α2,…,αs线性表示,且表示法唯一。
3.线性无关的等价条件:可逆、满秩、行列式≠0、向量组不成比例
例题1:14年6. 线性无关、必要性与充分性
分析:
①必要性成立,是必要条件
②充分性不成立,是非充分条件(若向量组中有一个零向量,则该向量组线性相关)
答案:A
矩阵等价、向量组等价
1.矩阵等价:①型同 ②秩等:R(A)=R(B)
向量组等价:①型同 ②秩等:R(A)=R(B) ③两个向量组可以相互线性表出
2.初等行变换:行向量组等价
初等列变换:列向量组等价
例题1:23李林四(一)5. 向量组等价:型同、秩等、相互表出
分析:
答案:B
例题2:13年5.
答案:B
例题3:00年9.
分析:
答案:D
第4章 线性方程组
齐次线性方程组 Ax=0
齐次线性方程组 Am×nx=0
基础解系
1.概念:齐次方程组AX=0的解向量集合的极大线性无关组
2.表示:方程组的基础解系为 ξ 1 , ξ 2 , . . . , ξ n − r ξ_1,ξ_2,...,ξ_{n-r} ξ1,ξ2,...,ξn−r
3.求法:
①把A化为行阶梯/行最简矩阵
②不在直角边上的 n-r(A) 个
x
i
x_i
xi为自由变量,设置好自由变量的值
③根据行阶梯/行最简矩阵,由最后一行倒着开始求其余变量的值,直至第一行,求出一个解向量
ξ
1
ξ_1
ξ1;再从最后一行开始求,得到第二个解向量
ξ
2
ξ_2
ξ2;直至求完所有解向量
ξ
n
−
r
ξ_{n-r}
ξn−r
自由变量
(1)谁是自由变量:化行阶梯/行最简矩阵时,不在直角边上的 x i x_i xi为自由变量
(2)自由变量/线性无关的解向量的个数:n-r(A)
(3)自由变量的设置:
1个自由变量:1
2个自由变量:
(
1
0
)
,
(
0
1
)
\binom{1}{0},\binom{0}{1}
(01),(10)
3个自由变量: ( 1 0 0 ) \left(\begin{array}{c} 1 \\ 0 \\ 0 \end{array}\right) 100 , ( 0 1 0 ) \left(\begin{array}{c} 0 \\ 1 \\ 0 \end{array}\right) 010 , ( 0 0 1 ) \left(\begin{array}{c} 0 \\ 0 \\ 1 \end{array}\right) 001
例题1:14年20
分析:
(2)A3×4B4×3=E3×3
由于A和B都不是方阵,故AB都不可逆,更没有行列式。
考虑拆分,B=(b1,b2,b3),E=(e1,e2,e3)。则AB=E被拆成Ab1=e1,Ab2=e2,Ab3=e3
bi=kiξ+特解,k为任意常数
方程组的通解
先求出n-r(A)个线性无关的基础解系,每一个基础解系前面加一个 k i k_i ki,齐次方程组的通解为: X = k 1 ξ 1 + k 2 ξ 2 + k 3 ξ 3 + . . . X=k_1ξ_1+k_2ξ_2+k_3ξ_3+... X=k1ξ1+k2ξ2+k3ξ3+...
若非齐次方程组 A X = β AX=β AX=β的特解为 β β β,则非齐次方程组的通解为: X = k 1 ξ 1 + k 2 ξ 2 + k 3 ξ 3 + . . . + β X=k_1ξ_1+k_2ξ_2+k_3ξ_3+...+β X=k1ξ1+k2ξ2+k3ξ3+...+β
例题1:19年13.
分析:
答案: X = k ( 1 − 2 1 ) X=k\left(\begin{array}{c} 1 \\ -2 \\ 1 \end{array}\right) X=k 1−21 ,k为任意常数
齐次线性方程组解的判别
(1) 设A是m×n矩阵,则齐次线性方程组 AX=0 有非零解 的充要条件是 r(A)<n. 即 r(α1,α2,…,αn,)<n,即 向量组α1,α2,…,αn线性相关
(2) 设A是n阶方阵,则齐次线性方程组 AX=0 有非零解 的充要条件是 |A|=0
(3)设A是m×n矩阵,且m<n(行数<列数、方程组个数<未知数个数),则齐次线性方程组 AX=0 必有非零解。
非齐次线性方程组 Ax=β
非齐次线性方程组 Am×nx=β,可组合成AX=B
非齐次线性方程组解的判别
r
(
A
)
<
r
(
A
,
β
)
r(A)<r(A,β)
r(A)<r(A,β),非齐次线性方程组无解,β不能由α₁,α₂,α₃线性表示
r
(
A
)
=
r
(
A
,
β
)
r(A)=r(A,β)
r(A)=r(A,β),非齐次线性方程组 AX=β有解,β可由α₁,α₂,α₃线性表示
r
(
A
)
=
r
(
A
,
β
)
=
n
r(A)=r(A,β)=n
r(A)=r(A,β)=n,方程组有唯一解,β可由α₁,α₂,α₃线性表示且表示法唯一
r
(
A
)
=
r
(
A
,
β
)
<
n
r(A)=r(A,β)<n
r(A)=r(A,β)<n,方程组有无穷多解,β可由α₁,α₂,α₃线性表示且表示法不唯一
例题1:23李林六套卷(二)15.
分析:β不能由α₁,α₂,α₃线性表示,即非齐次线性方程组无解,
r
(
A
)
<
r
(
A
,
β
)
r(A)<r(A,β)
r(A)<r(A,β)
答案:0
例题2:12年20(2)
分析:
(2)Ax=β有无穷多解,则
r
(
A
)
=
r
(
A
ˉ
)
<
n
r(A)=r(\bar{A})<n
r(A)=r(Aˉ)<n,即r(A)<n,即 |A|=0
化为行最简后,先求齐次解Ax=0得基础解系ξ=(1,1,1,1)T。特解即为此时的β’=(0,-1,0,0)T。通解X=kξ+β’=k(1,1,1,1)T+(0,-1,0,0)T,k为任意常数
例题3:13年20.
分析:设 C = ( x 1 x 2 x 3 x 4 ) C=\left(\begin{array}{cc} x_1 & x_2 \\ x_3 & x_4 \end{array}\right) C=(x1x3x2x4),由AC-CA=B得出含x的方程组,写为系数矩阵D的增广矩阵 D ˉ \bar{D} Dˉ,化为行最简矩阵。这时就可以通过非齐次线性方程组解的判别条件 r ( D ) = r ( D ˉ ) r(D)=r(\bar{D}) r(D)=r(Dˉ)来求a,b的值了。求出后把a,b代入 D ˉ \bar{D} Dˉ,求出齐次方程组的基础解析 ξ 1 = ( 1 − 1 1 0 ) ξ_1=\left(\begin{array}{c} 1 \\ -1 \\ 1 \\ 0 \end{array}\right) ξ1= 1−110 , ξ 2 = ( 1 0 0 1 ) ξ_2=\left(\begin{array}{c} 1 \\ 0 \\ 0 \\ 1 \end{array}\right) ξ2= 1001 ,非齐次通解X= ( x 1 x 2 x 3 x 4 ) = k 1 ξ 1 + k 2 ξ 2 + ( 1 0 0 0 ) \left(\begin{array}{c} x_1 \\ x_2 \\ x_3 \\ x_4 \end{array}\right)=k_1ξ_1+k_2ξ_2+\left(\begin{array}{c} 1 \\ 0 \\ 0 \\ 0 \end{array}\right) x1x2x3x4 =k1ξ1+k2ξ2+ 1000
∴ C = ( x 1 x 2 x 3 x 4 ) C=\left(\begin{array}{cc} x_1 & x_2 \\ x_3 & x_4 \end{array}\right) C=(x1x3x2x4)=…
同解方程组
1.定义/概念:两个方程组 A m × n x = 0 A_{m×n}x=0 Am×nx=0 和 B m × n x = 0 B_{m×n}x=0 Bm×nx=0 有完全相同的解,则称为同解方程组
2.性质:
A
x
=
0
Ax=0
Ax=0 与
B
x
=
0
Bx=0
Bx=0 为同解方程组
⇦⇨A与B的行向量组为等价向量组
⇦⇨
r
(
A
)
=
r
(
B
)
=
r
(
A
B
)
r(A)=r(B)=r\dbinom{A}{B}
r(A)=r(B)=r(BA)
例题1:22年6.
分析:
①仅有零解 ⇦⇨ 系数矩阵满秩
②齐次方程组的同解变形 ⇦⇨ 矩阵的初等行变换
答案:C
方程组的几何意义:3个方程代表3个平面,交点代表解的个数
方程组有3个方程,每个方程代表一个平面。3个平面的交点个数代表方程组的解的个数。
若三个平面相交于同一条直线,则
r
(
A
)
=
r
(
A
ˉ
)
=
2
r(A)=r(\bar{A})=2
r(A)=r(Aˉ)=2
例题1:23李林六套卷(三)7.
分析:3个平面相较于一条直线,则有无穷多个交点,则
r
(
A
)
=
r
(
A
ˉ
)
<
3
r(A)=r(\bar{A})<3
r(A)=r(Aˉ)<3
A
ˉ
=
(
1
1
b
∣
3
2
a
+
1
b
+
1
∣
7
0
1
−
a
2
b
−
1
∣
0
)
\bar{A}=\left(\begin{array}{cc} 1 & 1 & b &| \ 3 \\ 2 & a+1 & b+1 &| \ 7 \\ 0 & 1-a & 2b-1 &| \ 0\\ \end{array}\right)
Aˉ=
1201a+11−abb+12b−1∣ 3∣ 7∣ 0
显然,第三行要为全0,则a=1,b=1/2
答案:B
例题2:02年10. 系数矩阵秩、增广矩阵秩 用空间中的平面表示
分析:
A.三个平面只有一个交点,方程组有唯一解,
r
(
A
)
=
r
(
A
ˉ
)
=
3
r(A)=r(\bar{A})=3
r(A)=r(Aˉ)=3。A❌
B.三个平面相较于同一条直线,即方程组有无穷多个解,
r
(
A
)
=
r
(
A
ˉ
)
=
2
<
3
r(A)=r(\bar{A})=2<3
r(A)=r(Aˉ)=2<3。B✔
C.两两相交,互不平行:
r
(
A
)
=
2
,
r
(
A
ˉ
)
=
3
r(A)=2,r(\bar{A})=3
r(A)=2,r(Aˉ)=3。 C❌
D.两平面平行,第三个平面与这两个平行平面分别相交:
r
(
A
)
=
2
,
r
(
A
ˉ
)
=
3
r(A)=2,r(\bar{A})=3
r(A)=2,r(Aˉ)=3。D❌
答案:B
例题3:19年6.
答案:A
第5章 相似矩阵
矩阵论
①矩阵完成的是一个向量空间到另一个向量空间的映射。
如,某向量x₁,经过矩阵A映射后,变成了Ax₁;某向量x₂,经过矩阵A映射后,变成了Ax₂。
②有些向量映射前后不在一条直线上,有些向量映射前后在一条直线上。这种映射前后在同一条直线上的向量,就称为特征向量。
③对于这种向量,矩阵只起到了伸缩作用,则Ax₂就可以表示为λx₂,这里的λ就称为矩阵A的特征值,x₂就称为此特征值对应的特征向量。
④也就是说,若非零向量x 满足 Ax=λx,那么λ被称为A的特征值,x称为A的对应于特征值λ的特征向量。Ax=λx就是特征值、特征向量的定义式。特征值λ就是非零向量
x经矩阵A映射后伸缩系数k,映射后的向量x与映射前共线,λ>0同向,λ<0反向。
5.1 方阵的 特征值、特征向量
特征值
1.特征值定义:Ax=λx(x≠0),则λ被称为A的特征值
若非零向量x 满足 Ax=λx,那么λ被称为A的特征值,x称为A的对应于特征值λ的特征向量
2.特征值性质:
①上/下三角矩阵的主对角线元素即为特征值
②特征值之和 = 矩阵的迹 = 主对角线元素之和,即 λ₁+λ₂+…+λn = tr(A) = a₁₁+a₂₂+a₃₃ + …
③特征值之积 = 矩阵的行列式,即λ1λ2…λn = |A|
矩阵主对角线元素之和称为矩阵的迹(trace)
3.特征值、特征向量对应表
矩阵 | 特征值 | 特征向量 |
---|---|---|
A | λ | α |
A − 1 {\rm A}^{-1} A−1 | 1 λ \dfrac{1}{λ} λ1 | α |
A ∗ {\rm A}^* A∗ | ∣ A ∣ λ \dfrac{|{\rm A}|}{λ} λ∣A∣ | α |
A ⋅ A ∗ = ∣ A ∣ E ∴ A ∗ = ∣ A ∣ A ∴ A·A^*=|A|E \quad ∴A^*=\dfrac{|A|}{A} \quad ∴ A⋅A∗=∣A∣E∴A∗=A∣A∣∴ A ∗ A^* A∗的特征值为 ∣ A ∣ λ \dfrac{|A|}{λ} λ∣A∣
4.概念
①特征矩阵:λE-A
②特征多项式:
f
(
λ
)
=
∣
λ
E
−
A
∣
f(λ)=|λE-A|
f(λ)=∣λE−A∣
③特征方程:f(λ)=|λE-A|=0
5.求矩阵A的特征值:
(1)|λE-A|=0
如:|λE-A|=(λ-a)(λ-b)(λ-c)=0 ∴矩阵A的特这个值为:λ₁=a,λ₂=b,λ₃=c
(2)秩为1的实对称矩阵的特征值:λ₁=tr(A),λ₂=λ₃=0
例题1:18年13.
分析:A²=1,A²-1=0,(A+1)(A-1)=0,则矩阵A的特征值为1,-1。
|A|=λ1λ2=1×(-1)=-1
答案:-1
例题2:23李林六套卷(六)15. 特征值的性质:主对角线元素之和 = 迹 = 特征值之和
分析:A*的主对角元素为A₁₁、A₂₂、A₃₃
答案:1
特征向量
1.特征向量的定义: Ax=λx(x≠0),则非零向量x被称为A的对应于特征值的特征向量
若非零向量x 满足 Ax=λx,那么λ被称为A的特征值,x称为A的对应于特征值λ的特征向量
2.特征向量的性质:
基础解系中的解向量(自由向量)的个数为 n-r(A)
3.求每个特征值对应的特征向量
5.2 矩阵的相似、相似对角化
矩阵相似
1. 相似定义
设A,B为n阶方阵,若存在可逆方阵P,使得 P-1AP = B,则称 矩阵A与B相似,或称A,B是相似矩阵,记为A~B 。称P为A到B的相似变换矩阵或过渡矩阵。
2. 相似的必要条件 (矩阵相似的性质):
若A、B相似,则 迹、行列式、特征值、秩相同。若可相似对角化,则相似于同一个对角阵。
若A~B,则
① tr(A)=tr(B)
② |A|=|B|
③ 特征值相同 λ₁ λ₂ λ₃ (特征值相同+实对称矩阵 → 相似)
④ 秩相等:r(A)=r(B)
⑤若A~B, 则A-1~B-1, AT~BT。证明在下面例题16年05.
⑥相似的两矩阵若均可相似对角化,则可以相似于同一个对角矩阵。该对角矩阵的主对角线元素即为特征值 λ1、λ2、λ3
⑦A~B,则A等价于B,即A可通过初等变换化为B
例题1:15年21.(1)、20年20.(1)
∵ A ∼ B ∴ { t r ( A ) = t r ( B ) ∣ A ∣ = ∣ B ∣ \quad∵A\sim B \qquad∴\left \{\begin{array}{cc} tr(A) = tr(B)\\ |A|=|B| \end{array}\right. ∵A∼B∴{tr(A)=tr(B)∣A∣=∣B∣
例题2:16年05.
分析:需要掌握相似性质的证明
已知A~B,则若存在可逆矩阵P使得P-1AP = B。此题额外附加了A、B均为可逆矩阵的条件
①证明:A-1~B-1
∵P-1AP = B
对两边取逆
得 P-1A-1P = B-1,即A-1~B-1
②证明:AT~BT
∵P-1AP=B
对两边取转置
得 PTAT(P-1)T = BT
即 [(PT)-1]-1AT(PT)-1 = BT
令Q = (PT)-1 = (P-1)T,则 Q-1ATQ = BT,则 AT~BT
③在此题A、B均为可逆矩阵的前提下,D正确
P-1AP = B
P-1A-1P = B-1
∴P-1(A+A-1)P = B+B-1
④C,需要A、B均为实对称矩阵
答案:C
3. 两个 实对称/可相似对角化 的矩阵相似的充要条件:
两实对称矩阵/两可相似对角化的矩阵 相似 ⇦⇨ 特征多项式相同 ⇦⇨ 特征值全部相同
对于普通矩阵来说,特征多项式相同、特征值相同,只是相似的必要条件。
但对于两个 实对称/可对角化 的矩阵 来说,特征多项式相同、特征值相同等相似的必要条件,就变成了相似的充分必要条件。
证明:
1.若A、B均可相似对角化,且A、B特征值相同,则A、B相似于同一个对角阵。则
P
−
1
A
P
=
Λ
,
A
∼
Λ
P
−
1
B
P
=
Λ
,
B
∼
Λ
P^{-1}AP=Λ,A\sim Λ \qquad P^{-1}BP=Λ,B\sim Λ
P−1AP=Λ,A∼ΛP−1BP=Λ,B∼Λ
由相似的传递性,可知
A
∼
Λ
∼
B
,
∴
A
∼
B
A\sim Λ \sim B,∴A\sim B
A∼Λ∼B,∴A∼B
2.若A、B均为实对称矩阵。实对称矩阵一定可以相似对角化,再接1的证明
条件由强到弱依次是:
①实对称
②不对称但可相似对角化
③不对称,也不可相似对角化
4. 非实对称矩阵相似
(1)充要条件:若两矩阵相似,则特征矩阵也相似,则特征矩阵的秩相等。即
A
∼
B
⇦⇨
k
E
−
A
∼
k
E
−
B
A\sim B \ \ ⇦⇨ \ \ kE-A\sim kE-B
A∼B ⇦⇨ kE−A∼kE−B
(2)必要条件:A~B → r(A)=r(B)
λE-A ~ λE-B → r(λE-A) = r(λE-B)
证明:
例题1:18年5.
分析:
显然,M、A、B、C、D的特征值均为1,1,1。
M
∼
A
⇦⇨
k
E
−
M
∼
k
E
−
A
→
r
(
k
E
−
M
)
=
r
(
k
E
−
A
)
M\sim A\ \ ⇦⇨\ \ kE-M\sim kE-A \ → r(kE-M)=r(kE-A)
M∼A ⇦⇨ kE−M∼kE−A →r(kE−M)=r(kE−A)
r(E-M)=2,r(E-A)=2,r(E-B)=r(E-C)=r(E-D)=1,∴E-M~E-A
答案:A
例题2:13年06. 实对称矩阵相似的充要条件:特征值相同
分析:
答案:B
相似对角化
对角化的定义
P − 1 A P = Λ = ( λ 1 λ 2 λ 3 ) , A ∼ Λ P^{-1}AP=Λ=\left(\begin{array}{cc} λ₁ & & \\ & λ₂ & \\ & & λ₃\\ \end{array}\right),A\sim Λ P−1AP=Λ= λ1λ2λ3 ,A∼Λ
n阶矩阵A可相似对角化的条件
n阶矩阵A可相似对角化的条件 | |
充分条件 | ①A为实对称矩阵 |
②A有n个互异的特征值 | |
充要条件 | ①A有n个线性无关的特征向量 |
②A的每一个k重特征值,都有k个线性无关的特征向量 【2重根,要有2个线性无关的特征向量,n-r(λE-A)=3-1=2 ∴r(λE-A)=1】 |
例题1:17年6. 相似对角化的条件
分析:
A、B为上三角矩阵,C为对角矩阵。显然,A、B、C的特征值均为 2,2,1。
判断A、B是否与C相似, 即A、B能否相似对角化。
由相似对角化的充要条件:2重根,要有2个线性无关的特征向量,n-r(λE-A)=3-1=2 ∴r(λE-A)=1
显然,r(2E-A)=1,而r(2E-B)=2,∴A可以相似对角化,B不可以
答案:B
例题2:15年21.(2)
求可逆矩阵P,使P-1AP为对角矩阵:
只需求出其特征值,以及对应的n个线性无关的特征向量即可
分析:
①求特征值:A~B,∴A和B特征值相同。因为B的0更多,特征值更好求,所以用矩阵B来求特征值。
②求特征向量:分别将3个特征值λ代入λE-A,化简矩阵,得线性无关的特征向量
解题步骤:
①|λE-B|= |三阶行列式| =(λ-1)2(λ-5) ∴B的特征值为1,1,5
∵A~B ∴A的特征值也为1,1,5
②将λ=1代入(λE-A)x=0,即(E-A)x=0
E-A =()→(),得A的属于特征值λ=1的线性无关的特征向量为α1=( ),α2=( )
将λ=5代入(λE-A)x=0,即(5E-A)x=0
5E-A=()→(),得A的属于特征值λ=5的线性无关的特征向量为α3=( )
令P=(α1,α2,α3),则P-1AP = ʌ =()
例题3:19年21.(2)
5.3实对称矩阵的对角化
实对称矩阵的性质
1.实对称矩阵必能相似对角化
2.实对称矩阵必有n个线性无关的特征向量
3.实对称矩阵 不同特征值对应的特征向量一定正交
例题1:23李林四(一)6.
分析:
答案:B
正交矩阵、正交变换
正交矩阵Q
1.正交矩阵定义: Q Q T = Q T Q = E QQ^T=Q^TQ=E QQT=QTQ=E
2.正交矩阵性质::(A,B均为n阶正交矩阵)
(1)
Q
−
1
=
Q
T
Q^{-1}=Q^T
Q−1=QT
(2) Q的各行向量两两正交,各列向量两两正交
(3)
∣
Q
∣
=
±
1
|Q|=±1
∣Q∣=±1
(4)
A
−
1
、
A
T
、
A
B
A^{-1}、A^T、AB
A−1、AT、AB也是正交阵
(5)方阵A是正交矩阵的充要条件:Q的列向量组或行向量组为标准正交向量组
3.求正交矩阵Q,使得
Q
T
A
Q
\rm Q^TAQ
QTAQ为对角矩阵:
①求A的特征值:即求A的特征方程|λE-A|=0的全部解
②求A的特征向量:对求得的每一个特征值,将其代入
(
λ
E
−
A
)
x
=
0
(λE-A)x=0
(λE−A)x=0,求出每个特征值对应的特征向量
③特征向量正交化
④特征向量单位化。然后组成正交矩阵Q
施密特正交化
取
β
1
=
α
1
β₁=α₁
β1=α1
β 2 = α 2 − ( α 2 , β 1 ) ( β 1 , β 1 ) β 1 β₂=α₂-\dfrac{(α₂,β₁)}{(β₁,β₁)}β₁ β2=α2−(β1,β1)(α2,β1)β1
β
3
=
α
3
−
(
α
3
,
β
1
)
(
β
1
,
β
1
)
β
1
−
(
α
3
,
β
2
)
(
β
2
,
β
2
)
β
2
β₃=α₃-\dfrac{(α₃,β₁)}{(β₁,β₁)}β₁-\dfrac{(α₃,β₂)}{(β₂,β₂)}β₂
β3=α3−(β1,β1)(α3,β1)β1−(β2,β2)(α3,β2)β2
…
β
n
=
α
n
−
(
α
n
,
β
1
)
(
β
1
,
β
1
)
β
1
−
(
α
n
,
β
2
)
(
β
2
,
β
2
)
β
2
−
.
.
.
−
(
α
n
,
β
n
−
1
)
(
β
n
−
1
,
β
n
−
1
)
β
n
−
1
β_n=α_n-\dfrac{(α_n,β₁)}{(β₁,β₁)}β₁-\dfrac{(α_n,β₂)}{(β₂,β₂)}β₂-...-\dfrac{(α_n,β_{n-1})}{(β_{n-1},β_{n-1})}β_{n-1}
βn=αn−(β1,β1)(αn,β1)β1−(β2,β2)(αn,β2)β2−...−(βn−1,βn−1)(αn,βn−1)βn−1
向量积(叉乘)得与两向量都垂直的向量
c = a × b = ∣ i ⃗ j ⃗ k ⃗ a x a y a z b x b y b z ∣ c=a×b=\left|\begin{array}{ccc} \vec{i} & \vec{j} & \vec{k} \\ a_x & a_y & a_z\\ b_x & b_y & b_z \end{array}\right| c=a×b= iaxbxjaybykazbz
例题1:22年21.(2) ①二次型的定义 ②求正交矩阵、正交变换法化二次型为标准型 ③配方法
答案:
正交变换
1.定义:若Q为正交矩阵,则线性变换x=Qy称为正交变换。正交变换属于相似变换,不改变矩阵的特征值。
2.性质:
(1)正交变换保持向量的内积不变
(2)正交变换保持向量的长度不变
(3)正交变换保持向量的夹角不变
正交变换,既相似又合同
例题1:11年13. 正交变换不改变矩阵的特征值、行列式=特征值之积
分析:
答案:1
实对称矩阵的对角化
1.实对称矩阵的相似对角化:
(1)实对称矩阵的特征值都是实数
(2)实对称矩阵A的不同特征值对应的特征向量一定正交
(3)实对称矩阵必有n个线性无关的特征向量
(4)实对称矩阵必能相似对角化
(5)非零的幂零矩阵一定不能相似对角化
2.对于任一n阶实对称矩阵A,必存在正交矩阵Q,使得
Q
−
1
A
Q
=
Q
T
A
Q
=
Λ
=
(
λ
1
λ
2
.
.
.
λ
n
)
Q^{-1}AQ=Q^TAQ=Λ=\left(\begin{array}{cc} λ₁ & & \\ & λ₂ & \\ & & ...\\ &&& λ_n \end{array}\right)
Q−1AQ=QTAQ=Λ=
λ1λ2...λn
其中
λ
1
,
λ
2
,
.
.
.
,
λ
n
λ₁,λ₂,...,λ_n
λ1,λ2,...,λn为A的n个实特征值,矩阵Q的列向量为A的依次对应于
λ
1
,
λ
2
,
.
.
.
,
λ
n
λ₁,λ₂,...,λ_n
λ1,λ2,...,λn的两两正交的单位特征向量
3.根据上述结论,总结出正交变换矩阵Q将实对称矩阵A对角化的步骤为:
(1)求出A的全部特征值
λ
1
,
λ
2
,
.
.
.
,
λ
n
λ₁,λ₂,...,λ_n
λ1,λ2,...,λn
(2)对每个特征值
λ
i
λ_i
λi,求出其特征向量
(3)将特征向量正交化,再单位化
(4)将这些单位向量作为列向量构成正交矩阵Q,从而有
Q
−
1
A
Q
=
Q
T
A
Q
=
Λ
=
(
λ
1
λ
2
.
.
.
λ
n
)
Q^{-1}AQ=Q^TAQ=Λ=\left(\begin{array}{cc} λ₁ & & \\ & λ₂ & \\ & & ...\\ &&& λ_n \end{array}\right)
Q−1AQ=QTAQ=Λ=
λ1λ2...λn
第6章 二次型
二次型定义
二次型的矩阵表达式:
f
(
x
)
=
x
T
A
x
f(x)=x^TAx
f(x)=xTAx
A为实对称矩阵,称为二次型的系数矩阵。
例题1:23李林六套卷(五)15. 二次型定义、合同的定义及性质
答案:
二次型与矩阵的对应关系
1.看到二次型能写出矩阵,看到矩阵能写出它的二次型。
2.二次型f的矩阵,就是A,不能带x。二次型的定义是
f
(
x
)
=
x
T
A
x
f(x)=x^TAx
f(x)=xTAx
例题1:02年4.
分析:对二次型进行正交变换得标准形,实际上就是对矩阵进行相似对角化。正交变换得到的标准形对应矩阵都是对角矩阵,标准形系数都是特征值。
![](https://img-blog.csdnimg.cn/8b473b47ba0245e4aaff81ec5617c1e2.png)
答案:2
二次型与二次曲面
例题1:16年06. 二次型与二次曲面
分析:
答案:B
合同
1.合同的定义:设A,B为n阶方阵,若存在可逆矩阵C,使得 B = C T A C B=C^TAC B=CTAC,则称 矩阵A与B合同
2.合同的性质:两合同矩阵的正负特征值个数相同
A
、
B
合同 ⇦⇨
A
、
B
有相同的正、负惯性指数 ⇦⇨
A
、
B
有相同的正惯性指数和相同的秩
A、B合同\ ⇦⇨\ A、B有相同的正、负惯性指数\ ⇦⇨\ A、B有相同的正惯性指数和相同的秩
A、B合同 ⇦⇨ A、B有相同的正、负惯性指数 ⇦⇨ A、B有相同的正惯性指数和相同的秩
相似与合同
(实对称矩阵)相似→合同:(实对称矩阵)相似 ⇨ 特征值相同 ⇨ 正负特征值个数一定相同 ⇨ 合同
例题1:07年8.
分析:相似还是合同,只需要看特征值
由|λE-A|=0求得A的特征值为3,3,0。对角阵B的特征值为1,1,0。可见AB特征值不相同,不相似。但是 正惯性指数和秩相同,因此AB合同。
答案:B
例题2:01年9.
分析:A、B均为实对称矩阵
由|λE-A|=0求得A的特征值为 λ₁=4,λ₂=λ₃=λ₄=0
对角阵B的特征值也为λ₁=4,λ₂=λ₃=λ₄=0
特征值相同,∴A、B相似。
特征值相同,则正负惯性指数也必然相同,∴A、B合同
答案:A
标准形
1.与对角矩阵对应的二次型f( 只含有平方项),即为标准型。
可逆线性变换 x=cy
正交变换法 化二次型为标准形:得对角阵,系数为特征值
1.定理:任意给定实二次型 f = x T A x ( A T = A ) f=x^TAx\quad(A^T=A) f=xTAx(AT=A),一定存在正交变换 x=Qy,使f 化为标准形 f = λ 1 y 1 2 + λ 2 y 2 2 + . . . + λ n y n 2 f= λ_1y_1^2+λ_2y_2^2+...+λ_ny_n^2 f=λ1y12+λ2y22+...+λnyn2 。其中λi(i=1,2,…,n)为二次型矩阵A的特征值。
2.性质:正交变换也是相似变换。正交变换前后的两个矩阵一定相似
3.用正交变换化二次型为标准形的步骤:
(1)写出二次型对应的实对称矩阵A
(2)求出A的所有特征值和特征向量
(3)将特征向量正交化、单位化,得η1,η2,…,ηn,
(4)取Q=(η1,η2,…,ηn),作正交变换 x=Qy,得f的标准形
例题1:15年6.
分析:
答案:A
例题2:20年20.
分析:
(1)①二次型与矩阵的对应关系 ②正交变换也是相似变换
(2) ∵二阶矩阵A、B均有2个互异的特征值,∴A、B均可相似对角化
且∵A~B,∴A、B相似于同一个对角矩阵
设A ~ Λ,则存在可逆矩阵P1使得
P
1
−
1
A
P
1
=
Λ
P_1^{-1}AP_1=Λ
P1−1AP1=Λ
设B ~ Λ,则存在可逆矩阵P2使得
P
2
−
1
B
P
2
=
Λ
P_2^{-1}BP_2=Λ
P2−1BP2=Λ
∴
B
=
P
2
Λ
P
2
−
1
=
P
2
P
1
−
1
A
P
1
P
2
−
1
∴B=P_2ΛP_2^{-1}=P_2P_1^{-1}AP_1P_2^{-1}
∴B=P2ΛP2−1=P2P1−1AP1P2−1
令
P
=
P
1
P
2
−
1
P=P_1P_2^{-1}
P=P1P2−1,
∴
B
=
P
−
1
A
P
∴B=P^{-1}AP
∴B=P−1AP
所以,求出P1、P2,得 P = P 1 P 2 − 1 P=P_1P_2^{-1} P=P1P2−1。对P进行正交化单位化,得正交矩阵Q
例题3:12年21.
分析:秩的性质、正交变换的步骤
答案:(1)a = -1
配方法 化二次型为标准形
![](https://img-blog.csdnimg.cn/0b32f504bd624ee994a8d614fb0cbe66.png)
例题1:14年13. 配方法求二次型的标准形
分析:初等变换改变特征值,相似变换不改变特征值
答案:[-2,2]
正定二次型
规范形
标准形:平方项的系数为特征值???(好像不一定,配方法不一定,只有正交变换法得到的才是特征值。因为正交变换法是得到了对角阵)
规范形:平方项的系数为+1或-1
例题:18年20(2) 线性方程组、规范形
分析:
(1)平方和为0,则每个括号内都为0
(2)
惯性定理
正负惯性指数
1.正惯性指数:正特征值的个数
2.负惯性指数:负特征值的个数。满秩时,负惯性指数为奇数,行列式<0
例题:14年13.
分析:
求特征值时,不可进行初等变换(初等变换会改变特征值),不要化为行最简。此题直接求特征值困难。
满秩时,负惯性指数为奇数,行列式<0
答案:[-2,2]
正定矩阵
概念 (二次型正定性的判别)
设 f=xTAx (AT=A)为实二次型,若对于任意非零向量x,
(1)恒有 xTAx >0,则称 f=xTAx 为正定二次型,称矩阵A为正定矩阵;
恒有 xTAx <0,则称f=xTAx 为负定二次型,称矩阵A为负定矩阵;
(2)恒有 xTAx ≥ 0,则称 f=xTAx为 半正定二次型,称矩阵A为半正定矩阵;
恒有 xTAx ≤ 0,则称 f=xTAx为 半负定二次型,称矩阵A为半负定矩阵;
(3)若f=xTAx的值时而为正,时而为负,则称 f=xTAx 为不定二次型
性质
矩阵A正定
⇦⇨对任意非零n位列向量
x
x
x,总有
f
=
x
T
A
x
>
0
f=x^TAx>0
f=xTAx>0 (正定的定义)
⇦⇨A的特征值均为正值
⇦⇨A的正惯性指数
p
=
r
=
n
p=r=n
p=r=n
⇦⇨A的各阶顺序主子式全大于零 (从左上角或右下角开始都可)
⇦⇨A与单位阵E合同,即
P
T
A
P
=
E
P^TAP=E
PTAP=E
⇦⇨存在可逆矩阵Q,使得
A
=
Q
T
Q
A=Q^TQ
A=QTQ
第7章 向量空间 (数一)
向量空间的概念
基
向量空间的基的2个必要条件:设V为向量空间,若r个向量α1,α2,…,αr∈V,且满足
(1)α1,α2,…,αr线性无关
(2)V中任意向量都可由α1,α2,…,αr线性表示
则向量组α1,α2,…,αr称为向量空间V的一个基,r称为向量空间V的维数,并称V为r维向量空间
基的概念类似极大线性无关组、基础解系
若把向量空间V看作向量组,则由极大线性无关组的等价定义可知,V的基就是向量组的极大无关组,V的维数就是向量组的秩。
证明向量组为R3的基,只需要证明向量组中各向量线性无关
过渡矩阵(基变换)
求A基到B基的过渡矩阵:(右乘列变换)
AP=B,则过渡矩阵 P=A-1B
![](https://img-blog.csdnimg.cn/a1df0464d3cf4ff899f85bf88ae6ec9c.png)
例题1:03年4.
分析: A P = B ∴ P = A − 1 B AP=B ∴P=A^{-1}B AP=B∴P=A−1B
答案: ( 2 3 − 1 − 2 ) \left(\begin{array}{cc} 2 & 3 \\ -1 & -2 \end{array}\right) (2−13−2)
例题2:19年20.
分析:
(1)
(2)
①证明3个向量是R3的基,只需证明它们线性无关 [向量的基线性无关]
②求A基到B基的过渡矩阵:
AP=B,则过渡矩阵 P=A-1B
答案:
向量在基下的坐标
向量 = 基·坐标列向量 ⇨ 坐标列向量=(基)-1·向量
α
=
(
α
1
,
α
2
,
α
3
)
(
x
1
x
2
x
3
)
=
α
1
x
1
+
α
2
x
2
+
α
3
x
3
α=(α_1,α_2,α_3)\left(\begin{array}{c} x_1 \\ x_2 \\ x_3 \end{array}\right)=α_1x_1+α_2x_2+α_3x_3
α=(α1,α2,α3)
x1x2x3
=α1x1+α2x2+α3x3
∴坐标列向量= ( x 1 x 2 x 3 ) = ( α 1 , α 2 , α 3 ) − 1 ⋅ α \left(\begin{array}{c} x_1 \\ x_2 \\ x_3 \end{array}\right)=(α_1,α_2,α_3)^{-1}·α x1x2x3 =(α1,α2,α3)−1⋅α
∴ 坐标 = ( x 1 , x 2 , x 3 ) 坐标 = (x_1,x_2,x_3) 坐标=(x1,x2,x3)
例题1:23李林四(二)15.
分析:
答案: ( 2 2 , 2 , − 2 2 ) (\dfrac{\sqrt{2}}{2},\sqrt{2},-\dfrac{\sqrt{2}}{2}) (22,2,−22)
例题2:15年20.
分析:
(1)证明向量组是R3的一个基,只需要证明向量组线性无关
(2)坐标