向量组的线性相关性

向量组及其线性组合:

  • 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,这n个数称为该向量的n个分量,第i个数\(a_i\)称为第i个分量。

    若干行同维数的列向量(或者行向量)所组成的集合叫做向量组

  • 向量\(b\)能由向量组\(A:a_1, a_2,\cdots,a_m\)线性表示的充要条件是矩阵\(A=(a_1,a_2,\cdots,a_m)\)的秩等于矩阵\(B=(a_1,a_2,\cdots,a_m,b)\)的秩。

  • 设有两个向量组A和B,若B中的每一个元素都可以由向量组A线性表示,则称向量组B能由向量组A线性表示。若向量组A和B能够相互线性表示,则称这两个向量等价

  • 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(即\(AX=B\)有解)的充要条件是\(R(A)=R(A,B)\)。

    推论:A与B等价的充要条件是\(R(A)=R(B)=R(A,B)\)

  • 设向量组B能由向量组A线性表示,则\(R(B)\leq R(A)\)。

向量组的线性相关性:

  • 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A是线性相关的,否则称为线性无关。

  • 向量组\(A:a_1, a_2,\cdots,a_m\)线性相关的充要条件是\(R(A)<m\)。线性无关充要条件是\(R(A)=m\)。

  • 若向量组\(A:a_1, a_2,\cdots,a_m\)线性相关,则向量组\(B:a_1, a_2,\cdots,a_m,a_{m+1}\)也线性相关。反之,若向量组B线性无关,则A也线性无关。

  • m个n维向量组成的向量组,当维数n小于向量个数m时一定线性相关。

  • 设向量组\(A:a_1, a_2,\cdots,a_m\)线性无关,而向量组\(B:a_1, a_2,\cdots,a_m,b\)线性相关,则向量b必能由A线性表示,且表示式唯一。

向量组的秩:

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:

  1. 向量组\(A_0:a_1,a_2,\cdots,a_r\)线性无关;
  2. 向量组A中任意r+1个向量(如果A中有r+1个向量的话)都线性相关,

那么称\(A_0\)是向量组A中的一个最大线性无关向量组(简称最大无关组),最大无关组所含向量个数r称为向量组A的秩,记为\(R_A\)。

推论: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:

  1. \(A_0\)线性无关;
  2. A的任一向量都能由向量组\(A_0\)表示,

那么,\(A_0\)便是A的一个最大无关组。

  • 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。

线性方程组的解的结构:

  • 设\(m\times n\)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\(R_s=n-r\)。
  • 非齐次线性方程组的通解=该方程组的一个特解+对应齐次方程组的通解

向量空间:

定义1:设V是n维向量的集合,如果集合V非空,且集合V对于向量的加法及乘法两种运算封闭,那么称集合V为向量空间

一般地,由向量组\(a_1,a_2,\cdots,a_m\)所生成的向量空间为:

\[L=\{ x=\lambda_1a_1+\lambda_2a_2+\cdots +\lambda_ma_m \ |\ \lambda_1,\lambda_2,\cdots,\lambda_m \in R \}
\]

定义2:设V是一个向量空间,如果有\(a_1,a_2,\cdots,a_r\)线性相关且V中任一向量都可以由\(a_1,a_2,\cdots,a_r\)线性表示,那么\(a_1,a_2,\cdots,a_r\)就称为向量空间V的一个,r称为V的维数,并称V为r维向量空间


定义3:如果向量空间V取定一个基\(a_1,a_2,\cdots,a_r\),那么V中任意一个向量\(x\)可唯一地表示为

\[x=\lambda_1a_1+\lambda_2a_2+\cdots +\lambda_ra_r \
\]

数组\(\lambda_1,\lambda_2,\cdots,\lambda_r\)称为向量\(x\)在基\(a_1,a_2,\cdots,a_r\)中的坐标


在\(R^3\)中取定一个基\(a_1,a_2,a_3\),再取一个新基\(b_1,b_2,b_3\),设\(A=(a_1,a_2,a_3)\),\(B=(b_1,b_2,b_3)\)。有:

\[(b_1,b_2,b_3)=(a_1,a_2,a_3)P
\]

其中系数矩阵\(P=A^{-1}B\)称为旧基到新基的过渡矩阵

设向量\(x\)在旧基和新基中的坐标分别为\(y_1,y_2,y_3\)和\(z_1,z_2,z_3\),则有:

\[\left[\begin{matrix}z_1\\z_2\\z_3\end{matrix}\right]=P^{-1}\left[\begin{matrix}y_1\\y_2\\y_3\end{matrix}\right]
\]

相似矩阵及二次型

正交向量组:

下面讨论正交向量组的性质,所谓正交向量组,是指一组两两正交的非零向量

  • 若n维向量构成的向量组中的向量两两正交且为非零向量,则该向量组线性无关

  • 如果n维向量\(e_1,e_2,\cdots,e_r\)是向量空间V的一个基,如果\(e_1,e_2,\cdots,e_r\)两两正交且都是单位下向量,则称其为V的一个标准正交基

  • 设\(a_1,\cdots,a_r\)是向量空间V的一个基,要求V的一个标准正交基。也就是要找到一组两两相交的单位向量\(e_1,\cdots,e_r\),使得\(e_1,\cdots,e_r\)与\(a_1,\cdots,a_r\)等价。这个问题称为把基\(a_1,\cdots,a_r\)标准正交化。常用方法为施密特正交化,公式如下:

    \[\begin{align}b_1 & = a_1\\b_2 & = a_2-\frac{[b_1,a_2]}{[b_1,b_1]}b_1\\& \cdots \cdots \cdots \cdots \\b_r & = a_r-\frac{[b_1,a_r]}{[b_1,b_1]}b_1-\frac{[b_2,a_r]}{[b_2,b_2]}b_2-\cdots-\frac{[b_{r-1},a_r]}{[b_{r-1},b_{r-1}]}b_{r-1}\end{align}
    \]

正交矩阵:

  • 如果n阶矩阵\(A\)满足\(A^TA=E\)(即\(A^{-1}=A^T\)),那么称A为正交矩阵(正交阵)

正交阵具有以下性质:

  1. \(A^{-1}=A^T\),\(|A|=1或-1\)。
  2. 若A、B是正交矩阵,则AB也是正交矩阵。
  • 若\(P\)是正交矩阵,则线性变换\(y=Px\)称为正交变换
    \[||y||=\sqrt{y^Ty}=\sqrt{x^TP^TPx}=\sqrt{x^Tx}=||x||
    \]

    可以看出:经过正交变换后线段长度不变

方阵的特征值与特征向量:

定义: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,那么\(\lambda\)称为A的特征值,\(x\)称为A的特征向量

  • \(\lambda_1+\lambda_2+\cdots+\lambda_n=a_{11},a_{22},\cdots,a_{nn}\)

  • \(\lambda_1 \lambda_2 \cdots \lambda_n=|A|\),由此可知:A可逆的充要条件是它的n个特征值全不为零

  • 如果\(\lambda_1,\lambda_2,\cdots,\lambda_m\)是方阵A的m个特征值,如果他们各不相等,则他们对应的特征向量构成的向量组线性无关。

  • 方阵的两个不相等的特征值对应的特征向量\(a_1,\cdots,a_s\)和\(b_1,\cdots,b_t\),则\(a_1,\cdots,a_s,b_1,\cdots,b_t\)线性无关。

相似矩阵:

定义:设A、B都是n阶矩阵,若有可逆矩阵P使得\(P^{-1}AP=B\),则称B是A的相似矩阵

  • 若A与B相似,那么A与B特征多项式相同,从而A与B的特征识亦相同。

    推论:若n阶矩阵A与对角矩阵\(diag(\lambda_1,\lambda_2,\cdots,\lambda_n)\)相似,则\(\lambda_1,\lambda_2,\cdots,\lambda_n\)即是A的特征值。

  • n阶矩阵A可对角化的充要条件是A有n个线性无关的特征向量

    推论:如果n阶矩阵A的n个特征值互不相等,则A可对角化。但是可对角化不一定就有n个互不相等特征值

对称矩阵的对角化:

  • 设\(\lambda_1,\lambda_2\)是对称矩阵A的两个特征值,\(p_1,p_2\)是对应的特征向量,如果\(\lambda_1 \neq \lambda_2\),则\(p_1,p_2\)正交。

  • 设A是n阶对称矩阵,则必有正交矩阵\(P\),使得\(P^{-1}AP=P^TAP=\Lambda\),其中\(\Lambda\)是以A的特征值为对角元素的对角矩阵

    推论:设A为n阶对称矩阵,\(\lambda\)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。

二次型及其标准形:

二次型可用矩阵记作:

\[f=x^TAx
\]

对于二次型我们主要讨论的问题是:寻求可逆线性变换使二次型只含有平方项

合同:设A和B是n阶矩阵,若有可逆矩阵C,使得\(B=C^TAC\),则矩阵A与B合同。显然,如果A为对称矩阵,则B也是对称矩阵。又因为C可逆,所以R(A)=R(B)。

经过可逆变换\(x=Cy\)后,

\[\begin{align}f& = y^TC^TACy\\& = [y_1,y_2,\cdots,y_n]\left[\begin{matrix}k_1\\&k_2\\&& \ddots\\&&& k_n\end{matrix}\right]\left[\begin{matrix}y_1\\y_2\\ \vdots \\ y_n\end{matrix}\right]\end{align}
\]

也就是使\(C^TAC\)称为对角矩阵。那么我们的问题就转化成了:对于对称矩阵A,寻求一个可逆矩阵C,使得\(C^TAC\)为对角矩阵。这个问题称为对称矩阵A的合同对角化

  • 任给二次型,总有正交变换\(x=Py\),使\(f\)化为标准型\(f=\lambda_1y_1^2+\lambda_2y_2^2+\cdots+\lambda_ny_n^2\),其中平方项系数是\(f\)的矩阵\(A=(a_{ij})\)的特征值。

正定二次型:

  • 设二次型\(f=x^TAx\)的秩为r,且有两个可逆变换\(x=Cy\),\(x=Py\)使
    \[f=k_1y_1^2+k_2y_2^2+\cdots+k_ry_r^2\\f=\lambda_1z_1^2+\lambda_2z_2^2+\cdots+\lambda_rz_r^2
    \]

    则\(k_1,k_2,\cdots,k_r\)中正数的个数与\(\lambda_1,\lambda_2,\cdots,\lambda_r\)中的正数的个数相等。这个定理称为惯性定理。二次型标准型中正系数的个数称为二次型的正惯性指数,负系数个数称为负惯性指数

正定二次型:设二次型f对于任何不为零的x都有\(f(x)>0\),则称f为正定二次型,称对称矩阵A是正定的。反之为负。

  • n元二次型f为正定的充要条件是:标准型n个系数全为正,规范型n个系数全为1,正惯性指数为n。

    推论:对称矩阵A为正定的充要条件:A的特征值全为正。

  • 对称矩阵A为正定的充要条件:A的各阶主子式都为正。

  • 对称矩阵A为负定的充要条件:奇数阶主子式为负,偶数阶主子式为正。

线性代数期末大总结II的更多相关文章

  1. 线性代数期末大总结I

    行列式 n阶行列式的计算: \[\left|\begin{matrix}a_{11} & a_{12} & \cdots & a_{1n} \\a_{21} & a_{ ...

  2. [留念贴] C#开发技术期末大作业——星月之痕

    明天就要去上海大学参加 2015赛季 ACM/ICPC最后一场比赛 —— EC-Final,在这之前,顺利地把期末大作业赶出来了. 在这种期末大作业10个人里面有9个是从网上下载的国内计算机水平五六流 ...

  3. C#期末大作业 消消乐 2017-06-01 18:11 275人阅读 评论(0) 收藏

    邻近期末,忙于刷题之余意识到期末大作业来不及了,匆匆赶下了作业,虽说做的很是粗糙,但完全原创的 下载链接 https://pan.baidu.com/s/1cCNLr4 大体的做大约3天完成了: 第一 ...

  4. AC日记——小A和uim之大逃离 II 洛谷七月月赛

    小A和uim之大逃离 II 思路: spfa: 代码: #include <bits/stdc++.h> using namespace std; #define INF 0x3f3f3f ...

  5. 【洛谷P3818】小A和uim之大逃离 II

    小A和uim之大逃离 II 题目链接 比较裸的搜索,vis[i][j]再加一层[0/1]表示是否使用过魔液 转移时也将是否使用过魔液记录下来,广搜即可 #include<iostream> ...

  6. P3818 小A和uim之大逃离 II(洛谷月赛)

    P3818 小A和uim之大逃离 II 题目背景 话说上回……还是参见 https://www.luogu.org/problem/show?pid=1373 吧 小a和uim再次来到雨林中探险.突然 ...

  7. LeetCode 503. 下一个更大元素 II(Next Greater Element II)

    503. 下一个更大元素 II 503. Next Greater Element II 题目描述 给定一个循环数组(最后一个元素的下一个元素是数组的第一个元素),输出每个元素的下一个更大元素.数字 ...

  8. Java实现 LeetCode 503 下一个更大元素 II

    503. 下一个更大元素 II 给定一个循环数组(最后一个元素的下一个元素是数组的第一个元素),输出每个元素的下一个更大元素.数字 x 的下一个更大的元素是按数组遍历顺序,这个数字之后的第一个比它更大 ...

  9. 503. 下一个更大元素 II

    503. 下一个更大元素 II 给定一个循环数组(最后一个元素的下一个元素是数组的第一个元素),输出每个元素的下一个更大元素.数字 x 的下一个更大的元素是按数组遍历顺序,这个数字之后的第一个比它更大 ...

随机推荐

  1. 12、elk的使用(1)

    12.0.架构图: 服务器名称 ip地址 controller-node1(主) 172.16.1.90 slave-node1(从) 172.16.1.91 12.1.elk介绍: (1)ELK是三 ...

  2. 配置Oracle遇到问题<一>

    1, 将D:\app\product\11.2.0\dbhome_1\NETWORK复制到D:\app\product\instantclient_11_2.为了处理: 12154错误,不过没有解决. ...

  3. NoSql非关系型数据库之MongoDB应用(一):安装MongoDB服务

    业精于勤,荒于嬉:行成于思,毁于随. 一.MongoDB服务下载安装(windows环境安装) 1.进入官网:https://www.mongodb.com/,点击右上角的 Try Free  , 2 ...

  4. k8s结合jumpserver做kubectl权限控制 用户在多个namespaces的访问权限 rbac权限控制

    圈子太小,做人留一面,日后好相见. 其实这个文章就是用户用jumpserver登录到k8s master节点 然后执行kubectl的时候只有自己namespaces的所有权限. 背景 1,k8s 有 ...

  5. Blazor 组件入门指南

    翻译自 Waqas Anwar 2021年3月19日的文章 <A Beginner's Guide to Blazor Components> [1] Blazor 应用程序是组件的组合, ...

  6. WebSocket实现实时聊天系统

    WebSocket实现实时聊天系统 等闲变却故人心,却道故人心易变. 简介:前几天看了WebSocket,今天体验下它的实时聊天. 一.项目介绍 WebSocket 实时聊天系统自己一个一码的搞出来还 ...

  7. MySql数据库缓存

    对MySql查询缓存及SQL Server过程缓存的理解及总结 一.MySql的Query Cache 1.Query Cache   MySQL Query Cache是用来缓存我们所执行的SELE ...

  8. python log装饰器

    def log(func): #将原函数对象的指定属性复制给包装函数对象, 默认有 module.name.doc,或者通过参数选择 @functools.wraps(func) def wrappe ...

  9. NIO 输入输出

    NIO 是java14 API 提供的一种新输入输出流,一套用于标准IO的文件读写,一套用于网络编程. 1. NIO 与IO 的区别 IO流以字节流输入输出,一次以一个字节进行数据操作,效率慢: NI ...

  10. 「CF521E」 Cycling City

    「CF521E」 Cycling City 传送门 首先你能发现这个东西一定是两个环的公共边. 最开始想的是什么如果一个点被访问过三次那它一定是公共边的某一端之类的东西,然后发现被仙人掌叉掉. 然后就 ...