考研线性代数思维导图
线性代数各章知识及脉络图
M r1 ri i 2,3,L ,n
M
0
n1
n
n1
n
n
1
n
1
特殊行列式
1、(主)对角行列式、上(下)三角行列式
a11
a11
a11 a11 L a11
a22 O
a11 a22 M MO
a22 L O
一个整数) 当给定具体的范德蒙德行列式时,可能变量采用不同的名称,或者是已经赋予具体的值。 参见“范德蒙德行列式专辑”
-3-
认识余子式(Minor)和代数余子式(Algebraic Minor),及其之间的关系
det aij 的 i, j 元 aij 的余子式 Mij 和代数余子式 Aij ,仅与位置 i, j 有关, aij 的取值如何并不影响其余
x12 L x22 L M
x n1 1
x n1 2
M
MM
x n1 1
x n1 2
L
M x n1
n1
M x n1
n
1
xn1
x2 n1
L
1 xn xn2 L
x n1 n1
x n1 n
f x1, x2,L , xn
xi x j
ni j1
f x1, x2,L , xn
余子式、代数余子
式
n
Dn akj Akj (按 j 行展开) k 1
给定(i,j)元的值
化三角形-加边法、爪型行列式; 公式法-特殊行列式、范德蒙德行列式;
递推、数学归纳法;等
线性代数思维导图全6页及其总结
注意例5.4
若一个矩阵能与对角矩阵相似,则称此矩阵可对 角化
将给定的一组基转化成正交基
将给定的一个向量组变 为单位正交的向量组 先用施密特正交法将其 正交化,再将其单位化
n阶方阵A与对角矩阵相似的充要条件:A的每个 特征值对应的线性无关的特征向量的最大个数等
于该特征值的重数
求齐次方程组的解空间W的正交 基,并将其扩充
变为B的相似变换矩阵
施密特正交法
若矩阵A与其转置矩阵的乘 积为单位矩阵,则称A为正 交矩阵,即A的逆矩阵与其
转置矩阵相等
实对称矩阵一定能与对角矩阵相似 (可对角化),并且相似变换矩阵
可取为正交矩阵
相似矩阵秩相同
相似矩阵行列式相等
相似矩阵都可逆或不可逆,当它们都可逆时,它 们的逆矩阵也相似
相似矩阵有相同的特征多项式, 从而特征值也相同
设向量组A是子空间V中的线性无关组,且V中任 意向量是向量组A的线性组合,则称A为子空间
的一组基
注意例4.23
子空间
求已知向量在某组基下 的坐标
例4.29
行列式行与列的地位是对称的,即对 行成立的性质对列也成立,矩阵则不
然
线性代 数
对角矩阵相乘(必须同阶), 等于各位置元素直接相乘'
(A*B)的转置等于B的转置乘以A的转置,注意B 在前,顺序换了,该性质可以推广到多元
有无穷多组解的充要条件是rank(A)=rank(B)<n 有惟一解的充要条件是rank(A)=rank(B)=n
求特征向量 和特征值
注意A必须为方阵
设A为n阶方阵,X为n维非零向量,k为常数 若 AX=kX
则称X为A的特征向量,k为特征向量X对应的特 征值,矩阵A-kE称为A的特征矩阵 det(A-kE)=0称为特征方程
线性代数思维导图
线性代数是数学的一个分支,其研究对象是向量、向量空间(或线性空间)、线性变换和有限维线性方程组。
向量空间是现代数学中的一个重要课题。
因此,线性代数在抽象代数和泛函分析中得到了广泛的应用。
通过解析几何,线性代数可以具体表示。
线性代数理论已扩展到算子理论。
由于科学研究中的非线性模型可以近似为线性模型,线性代数在自然科学和社会科学中得到了广泛的应用。
概念线性代数是代数的一个分支,主要研究线性关系。
线性关系是以单一形式表示的索引对象之间的关系。
例如,在解析几何中,平面上直线的方程是二维线性方程;空间中的平面方程是三次方程,空间中的直线被视为两个平面的交点,由两个三次线性方程组成。
说吧。
含有n个未知数的线性方程称为线性方程。
变量为一阶的函数称为线性函数。
线性关系问题称为线性问题。
求解线性方程组的问题是最简单的线性问题。
所谓“线性”是指以下数学关系。
其中f称为线性算子或线性映射。
所谓“代数”是指用符号代替元素和运算。
换句话说,我们不关心上面的x和y是实数还是函数,f是多项式还是微分。
我们把它们抽象成符号或矩阵。
线性代数共同研究了哪些线性算子f满足线性关系,它们有什么性质。
[1]历史作为线性代数的一个独立分支,它形成于20世纪算术九章算术九章很久以前,“鸡兔同笼”问题实际上是求解线性方程组的一个简单问题。
最古老的线性问题是求解一组线性方程组。
这在中国古代《算术·方程九章》一章中有充分的描述。
本文所述的增广矩阵的基本行的消去方法实质上与本文所述的增广矩阵的基本行变换方法是等价的。
由于费马和笛卡尔的工作,现代意义上的线性代数基本上出现在17世纪。
直到18世纪末,线性代数的领域仅限于平面和空间。
在19世纪的半个世纪,n维空间完成了线性转换。
随着线性方程和变量线性变换研究的深入,18、19世纪相继产生了行列式和矩阵,为解决线性问题提供了有力的工具,促进了线性代数的发展。
向量概念的引入形成了向量空间的概念。
所有的线性问题都可以从向量空间的角度来讨论。
线性代数各章知识及脉络图
M M
0 0
0
,n 3
Dn
A
B
a1
b1
,n 1
a1 a2 b1 b2 , n 2
-5-
○2 加边法专辑
加边法的应用:通过升阶获得一些特殊的元素值,从而消去某些元素,使得行列式形式更加简单且特殊,
从而实现计算的简化。
此种方法其实是反向利用 Laplace 展开定理,看似复杂化,其实阶数的增加反倒可以将行列式简单化,更 易发现规律。同时应当注意加边的类型及加边后行列式值不能改变。
1 n2
○3 爪型行列式专辑
爪型行列式形如:
方法:将 D 的第 i+1 列乘以 ci i 1, 2,L , n都加到第 1 列,得
ai
有些行列式经过适当的变化可以化为行列式,再采用上述方法计算。
a1 x x L x a2 x L 【例】: Dn x x a3 L M M MO
x x xL
【例】:计算行列式
令 Dn C C AB ,
a2 1 0 L
a2 1 0 L
C
M
MM
a2 1 0 L
a2 1 0 L
0 1 1 L 0b1 b2 L M 0 0 L 0 M M 0 0 0 L
1 1
bn1 bn
0
0
【例】:
1、设行列式 det A 的元素为 aij ,行列式
n
试证: det D det A x Aij ,其中 Aij 为 aij 在 det A 中的代数余子式。 i, j1
证明:把 det D 升阶得到
n
n
n
精编考研线性代数知识框架图资料
考研线性代数知识框架图()000,nT A r A n A A Ax x Ax A Ax A A A E ββ==⇔∀≠≠≠⇔∀∈=≅可逆 的列(行)向量线性无关 的特征值全不为0 只有零解 ,0总有唯一解 是正定矩阵 R 12,s iA p p p p nB AB E AB E⎧⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪=⋅⋅⋅⎪==⎪⎩ 是初等阵存在阶矩阵使得 或 注:全体n 维实向量构成的集合nR 叫做n 维向量空间.()0A r A n A A A Ax A λ<=⇔==不可逆 0的列(行)向量线性相关 0是的特征值 有非零解,其基础解系即为关于0的⎧⎪⎪⎪⎨⎪⎪⎪⎩特征向量注:()()0a b r aE bA n aE bA aE bA x λ+<⎧⎪+=⇔+=⎨⎪⎩0有非零解=-⎫⎪≅⎪−−−→⎬⎪⎪⎭具有向量组等价矩阵等价()反身性、对称性、传递性矩阵相似()矩阵合同() √ 关于12,,,n e e e ⋅⋅⋅:①称为n的标准基,n中的自然基,单位坐标向量152p 教材;②12,,,n e e e ⋅⋅⋅线性无关; ③12,,,1n e e e ⋅⋅⋅=; ④tr =E n ;⑤任意一个n 维向量都可以用12,,,n e e e ⋅⋅⋅线性表示.1212121112121222()1212()n n nn n j j j n j j nj j j j n n nna a a a a a D a a a a a a τ==-∑1√ 行列式的计算:①行列式按行(列)展开定理: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的乘积之和. 推论: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零.②若A B 与都是方阵(不必同阶),则==()mn A OA A O A BO BO BBO A AA B B O B O*==**=-1③上三角、下三角、主对角行列式等于主对角线上元素的乘积.④关于副对角线:(1)211212112111()n n nnn n n n n n n a Oa a a a a a a Oa O---*==-1⑤范德蒙德行列式:()1222212111112n ij nn i j n n n nx x x xx x x x x x x ≥≥≥---=-∏111由m n ⨯个数排成的m 行n 列的表111212122212n n m m mn a a a a a a A a a a ⎛⎫⎪ ⎪= ⎪⎪⎝⎭称为m n ⨯矩阵.记作:()ij m n A a ⨯=或m nA ⨯()1121112222*12n Tn ijnnnn A A A A A A A A A A A ⎛⎫ ⎪ ⎪== ⎪ ⎪⎝⎭,ij A 为A 中各个元素的代数余子式. √ 逆矩阵的求法:① 1A A A *-= 注: 1a b d b c d c a ad bc --⎛⎫⎛⎫= ⎪ ⎪--⎝⎭⎝⎭1②1()()AE E A -−−−−→初等行变换③1231111213a a a a a a -⎛⎫⎛⎫⎪ ⎪=⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭3211111213a a a a a a -⎛⎫⎛⎫⎪ ⎪=⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭√ 方阵的幂的性质:m n m nA A A+= ()()m nmnA A =√ 设,,m n n s A B ⨯⨯A 的列向量为12,,,n ααα⋅⋅⋅,B 的列向量为12,,,s βββ⋅⋅⋅,则m sAB C ⨯=⇔()()1112121222121212,,,,,,s s n s n n ns b b b b b b c c c b b b ααα⎛⎫⎪ ⎪⋅⋅⋅= ⎪⎪⎝⎭⇔i iA c β= ,(,,)i s =1,2⇔iβ为iAx c =的解⇔()()()121212,,,,,,,,,s s s A A A A c c c ββββββ⋅⋅⋅=⋅⋅⋅=⇔12,,,s c c c 可由12,,,n ααα⋅⋅⋅线性表示. 同理:C 的行向量能由B 的行向量线性表示,T A 为系数矩阵.√ 用对角矩阵Λ左乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的行向量; 用对角矩阵Λ右乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的列向量. √ 两个同阶对角矩阵相乘只用把对角线上的对应元素相乘.√ 分块矩阵的转置矩阵:TTT TT A B A C C D BD ⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭分块矩阵的逆矩阵:111A A B B ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭ 111A B B A---⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭1111A C A A CB O B OB ----⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭ 1111A O A O CB B CA B ----⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭分块对角阵相乘:11112222,A B A B A B ⎛⎫⎛⎫==⎪ ⎪⎝⎭⎝⎭11112222A B AB A B ⎛⎫= ⎪⎝⎭分块对角阵的伴随矩阵:***A BA B AB ⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭√ 矩阵方程的解法(0A ≠):设法化成AX B XA B ==(I) 或 (II)A B E X −−−−→初等行变换(I)的解法:构造()()T T T TA XB X X=(II)的解法:将等式两边转置化为, 用(I)的方法求出,再转置得√ 0Ax =与0Bx =同解(,A B 列向量个数相同),则:① 它们的极大无关组相对应,从而秩相等; ② 它们对应的部分组有一样的线性相关性; ③ 它们有相同的内在线性关系.√ 矩阵m n A ⨯与l n B ⨯的行向量组等价⇔齐次方程组0Ax =与0Bx =同解⇔PA B =(左乘可逆矩阵P );101p 教材 矩阵m n A ⨯与l n B ⨯的列向量组等价⇔PQ B =(右乘可逆矩阵Q ). √ 判断12,,,s ηηη是0Ax =的基础解系的条件:① 12,,,s ηηη线性无关; ② 12,,,s ηηη都是0Ax =的解;③ ()s n r A =-=每个解向量中自由未知量的个数.√ 一个齐次线性方程组的基础解系不唯一.① 零向量是任何向量的线性组合,零向量与任何同维实向量正交. ② 单个零向量线性相关;单个非零向量线性无关. ③ 部分相关,整体必相关;整体无关,部分必无关.④ 原向量组无关,接长向量组无关;接长向量组相关,原向量组相关.⑤ 两个向量线性相关⇔对应元素成比例;两两正交的非零向量组线性无关114p 教材.⑥ 向量组12,,,n ααα⋅⋅⋅中任一向量i α(1≤i ≤)n 都是此向量组的线性组合.⑦ 向量组12,,,n ααα⋅⋅⋅线性相关⇔向量组中至少有一个向量可由其余n -1个向量线性表示. 向量组12,,,n ααα⋅⋅⋅线性无关⇔向量组中每一个向量i α都不能由其余n -1个向量线性表示. ⑧ m 维列向量组12,,,n ααα⋅⋅⋅线性相关()r A n ⇔<; m 维列向量组12,,,n ααα⋅⋅⋅线性无关()r A n ⇔=. ⑨ ()r A A O =⇔=0.⑩ 若12,,,n ααα⋅⋅⋅线性无关,而12,,,,n αααβ⋅⋅⋅线性相关,则β可由12,,,n ααα⋅⋅⋅线性表示,且表示法唯一. ⑪ 矩阵的行向量组的秩=列向量组的秩=矩阵的秩. 行阶梯形矩阵的秩等于它的非零行的个数.可画出一条阶梯线,线的下方全为0;每个台阶只有一行,台阶数即是非零行的行数,阶梯线的竖线后面的第一个元素非零.当非零行的第一个非零元为1,且这些非零元所在列的其他元素都是0⑫ 矩阵的行初等变换不改变矩阵的秩,且不改变列向量间的线性关系;矩阵的列初等变换不改变矩阵的秩,且不改变行向量间的线性关系. 即:矩阵的初等变换不改变矩阵的秩. √ 矩阵的初等变换和初等矩阵的关系:对A 施行一次初等行变换得到的矩阵,等于用相应的初等矩阵左乘A ; 对A 施行一次初等列变换得到的矩阵,等于用相应的初等矩阵右乘A .如果矩阵A 存在不为零的r 阶子式,且任意r +1阶子式均为零,则称矩阵A 的秩为r .记作()r A r =向量组12,,,n ααα的极大无关组所含向量的个数,称为这个向量组的秩.记作12(,,,)n r αααA 经过有限次初等变换化为B . 记作:A B =12,,,n ααα⋅⋅⋅和12,,,n βββ⋅⋅⋅可以相互线性表示. 记作:()()1212,,,,,,n n αααβββ⋅⋅⋅=⋅⋅⋅⑬ 矩阵A 与B 等价⇔PAQ B =,,P Q 可逆⇔()(),r A r B A B =≠>作为向量组等价,即:秩相等的向量组不一定等价.矩阵A 与B 作为向量组等价⇔1212(,,,)(,,,)n n r r αααβββ⋅⋅⋅=⋅⋅⋅=1212(,,,,,,)n n r αααβββ⋅⋅⋅⋅⋅⋅⇒ 矩阵A 与B 等价.⑭ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示⇔AX B =有解⇔12(,,,)=n r ααα⋅⋅⋅1212(,,,,,,)n s r αααβββ⋅⋅⋅⋅⋅⋅⇒12(,,,)s r βββ⋅⋅⋅≤12(,,,)n r ααα⋅⋅⋅.⑮ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示,且s n >,则12,,,s βββ⋅⋅⋅线性相关.向量组12,,,s βββ⋅⋅⋅线性无关,且可由12,,,n ααα⋅⋅⋅线性表示,则s ≤n .⑯ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示,且12(,,,)s r βββ⋅⋅⋅12(,,,)n r ααα=⋅⋅⋅,则两向量组等价;p 教材94,例10 ⑰ 任一向量组和它的极大无关组等价.向量组的任意两个极大无关组等价. ⑱ 向量组的极大无关组不唯一,但极大无关组所含向量个数唯一确定. ⑲ 若两个线性无关的向量组等价,则它们包含的向量个数相等.⑳ 若A 是m n ⨯矩阵,则{}()min ,r A m n ≤,若()r A m =,A 的行向量线性无关;若()r A n =,A 的列向量线性无关,即:12,,,n ααα⋅⋅⋅线性无关.√ 矩阵的秩的性质:①()A O r A ≠⇔若≥1 0≤()m n r A ⨯≤min(,)m n ②()()()TTr A r A r A A == p 教材101,例15③()()r kA r A k =≠ 若0④()r A B ±≤()()r A r B + {}max (),()r A r B ≤(,)r A B ≤()()r A r B + p 教材70⑤ ()()A O O A r r A r B O B B O ⎛⎫⎛⎫==+⎪ ⎪⎝⎭⎝⎭ ()()A C r r A r B O B ⎛⎫≠+ ⎪⎝⎭⑥()r AB ≤{}min (),()r A r B⑦ ,,()()()m n n s A B r AB r A r B ⨯⨯=⇒+若且0≤n ⑧()()A r AB r B ⇒=若可逆()()B r AB r A ⇒=若可逆⑨若0()()()m n Ax r A n r AB r B ⨯⇔=⎧=⇒⎨=⎩ 只有零解且A 在矩阵乘法中有左消去律0AB B AB AC B C =O ⇒=⎧⎨=⇒=⎩;若()()()n s r B n r AB r B ⨯=⇒= 且B 在矩阵乘法中有右消去律.√ 初等矩阵的性质:1212,,,0,,,()()A n n Ax n Ax A Ax r A r A Ax n βαααβαααβββ⇔=<⇔⇒⇔=−−−−−→=⇔=⇔=⇔==当为方阵时有无穷多解 表示法不唯一线性相关有非零解0 可由线性表示有解有唯一组解 1212,,,0()(),,,()(A n n Ax A r A r A Ax r A r αααββαααβ⎧⎪⎪⎪⎪⎨⎪⎪⇔⎪⇒⇔=−−−−−→≠⇒⎪⎩⇔≠⇔=⇔<当为方阵时表示法唯一 线性无关只有零解0克莱姆法则 不可由线性表示无解)()1()A r A r A ββ⎧⎪⎨⎪⇔+=⎩注:Ax Ax ββ⇒=<≠⇒=<≠有无穷多解其导出组有非零解有唯一解其导出组只有零解Ax β=1122n n x x x αααβ+++=1112111212222212,,n n m m mn n m a a a x b a a a x b A x a a a x b β⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭ 12,,2,,j j j mj j n αααα⎛⎫ ⎪ ⎪== ⎪ ⎪ ⎪⎝⎭11212(,,,)n n x x x αααβ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭线性方程组解的性质:1212121211221212(1),0,(2)0,,(3),,,0,,,,,(4),0,(5),,0(6k k k k Ax Ax k k Ax k Ax Ax Ax Ax Ax ηηηηηηηηηλλλληληληγβηγηβηηβηη=+⎫⎪=⎪⎬=⎪⎪++⎭==+==-= 是的解也是它的解 是的解对任意也是它的解齐次方程组 是的解对任意个常数 也是它的解 是的解是其导出组的解是的解是的两个解是其导出组的解211212112212112212),0(7),,,,100k k k k k k k Ax Ax Ax Ax Ax ηβηηηηηηβληληληβλλλληληληλλλ⎧⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪=⇔-=⎪=⎪⎪++=⇔++=⎪⎪++=⇔++=⎩ 是的解则也是它的解是其导出组的解 是的解则也是的解 是的解 √ 设A 为m n ⨯矩阵,若()r A m =,⇒()()r A r A β=⇒Ax β=一定有解, 当m n <时,一定不是唯一解⇒<方程个数未知数的个数向量维数向量个数,则该向量组线性相关.m 是()()r A r A β和的上限.n 个n 维线性无关的向量,两两正交,每个向量长度为1.(,)0αβ=.1α==.√ 内积的性质: ① 正定性:(,)0,(,)0αααααο≥=⇔=且 ② 对称性:(,)(,)αββα=③ 双线性:1212(,)(,)(,)αββαβαβ+=+ 1212(,)(,)(,)ααβαβαβ+=+(,)(,)(,)c c c αβαβαβ==E A λ-.()E A f λλ-=.√ ()f λ是矩阵A 的特征多项式⇒()f A O =E A λ-=0. Ax x Ax x λ=→ 与线性相关√12n A λλλ= 1ni A λ=∑tr ,A tr 称为矩阵A √ 上三角阵、下三角阵、对角阵的特征值就是主对角线上的n 各元素.√ 若0A =,则λ=0为A 的特征值,且0Ax =的基础解系即为属于λ=0的线性无关的特征向量.√ ()1r A =⇔A 一定可分解为A =()1212,,,n n a a b b b a ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭、21122()n n A a b a b a b A =+++,从而A 的特征值为:11122n n A a b a b a b λ==+++tr ,23n λλλ====0 p 指南358.√ 若A 的全部特征值12,,,n λλλ,()f A 是多项式,则:① ()f A 的全部特征值为12(),(),,()n f f f λλλ;12()()()()n f A f f f λλλ=② 若A 满足()0f A =,则A 的任何一个特征值必满足()i f λ=0.√ 设1110()m m m m f x a x a x a x a --=++++,对n 阶矩阵A 规定:1110()m m m m f A a A a A a A a E --=++++为A 的一个多项式.√ 1231122,T A mm k kAa b aA bE A A AA A Aλλλλλλλλλλλ-*⎧⎪++⎪⎪⎨= 是的特征值则:分别有特征值 .⎪⎪⎪⎪⎪⎩ √ 1231122,A mm k kAa b aA bEAx A x A A A λλλλλλλλλλ-*⎧⎪++⎪⎪⎪⎨=⎪⎪⎪⎪⎩是关于的特征向量则也是关于的特征向量. √ 2,mA A 的特征向量不一定是A 的特征向量. √ A 与TA 有相同的特征值,但特征向量不一定相同.1B P AP -= (P 为可逆矩阵) 记为:A B1B P AP -= (P 为正交矩阵)A 与对角阵Λ相似. 记为:AΛ (称Λ是A√ A 可相似对角化⇔()i i n r E A k λ--= i k 为i λ的重数⇔A 恰有n 个线性无关的特征向量. 这时,P 为A 的特征向量拼成的矩阵,1P AP -为对角阵,主对角线上的元素为A 的特征值.设i α为对应于i λ的线性无关的特征向量,则有:121212112212(,,,)(,,,)(,,,)(,,,)n n n n n n PPA A A A λλααααααλαλαλααααλΛ⎛⎫⎪⎪=== ⎪ ⎪⎝⎭. 注:当i λ=0为A 的特征值时,A 可相似对角化⇔i λ的重数()n r A =-= 0Ax =基础解系的个数. √ 若A 可相似对角化,则其非零特征值的个数(重数重复计算)()r A =. √ 若n 阶矩阵A 有n 个互异的特征值,则A 可相似对角化.√ 若A Λ⇒k A =1k P P -Λ=,1211()()()()()n A P P P P ϕλϕλϕϕϕλ--⎛⎫⎪⎪=Λ= ⎪ ⎪⎝⎭√ 相似矩阵的性质:① A B =tr tr② A B = 从而,A B 同时可逆或不可逆 ③ ()()r A r B = ④TT AB ;11A B -- (若,A B 均可逆);**A B⑤kk AB (k 为整数);()()f A f B ,()()f A f B =⑥,A B A B CD C D ⎛⎫⎛⎫⇒ ⎪ ⎪⎝⎭⎝⎭⑦E A E B λλ-=-,从而,A B 有相同的特征值,但特征向量不一定相同.注:x 是A 关于0λ的特征向量,1P x -是B 关于0λ的特征向量.√ 数量矩阵只与自己相似.√ 对称矩阵的性质: ① 特征值全是实数,特征向量是实向量;② 不同特征值对应的特征向量必定正交;注:对于普通方阵,不同特征值对应的特征向量线性无关;③ 必可用正交矩阵相似对角化,即:任一实二次型可经正交变换化为标准形; ④ 与对角矩阵合同,即:任一实二次型可经可逆线性变换化为标准形;⑤ 一定有n 个线性无关的特征向量,A 可能有重的特征值,该特征值i λ的重数=()i n r E A λ--).TAA E =√ A 为正交矩阵⇔A 的n 个行(列)向量构成n的一组标准正交基.√ 正交矩阵的性质:① 1TA A -=;② TTAA A A E ==;③ 正交阵的行列式等于1或-1;④ A 是正交阵,则TA ,1A -也是正交阵; ⑤ 两个正交阵之积仍是正交阵;⑥ A 的行(列)向量都是单位正交向量组.1211(,,,)n nTn ij i j i j f x x x x Ax a x x ====∑∑ ij ji a a =,即A 为对称矩阵,12(,,,)T n x x x x =T B C AC =. 记作:A B (,,A B C 为对称阵为可逆阵)二次型的规范形中正项项数pr p -;2p r -. (r 为二次型的秩)√ 两个矩阵合同的充分必要条件是:它们有相同的正负惯性指数. √ 两个矩阵合同的充分条件是:AB√ 两个矩阵合同的必要条件是:()()r A r B =√ 12(,,,)Tn f x x x x Ax =经过正交变换合同变换可逆线性变换x Cy =化为21ni i f d y =∑√ 二次型的标准形不是唯一的,与所作的正交变换有关,但非零系数的个数是由()r A +正惯性指数负惯性指数唯一确定的.√ 当标准形中的系数i d 为-1或0或1时,√ 实对称矩阵的正(负)惯性指数等于它的正(负)特征值的个数.√ 惯性定理:任一实对称矩阵A 与唯一对角阵1111⎛⎫⎪ ⎪ ⎪ ⎪-⎪⎪ ⎪- ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭合同. √ 用正交变换法化二次型为标准形:① 求出A 的特征值、特征向量;② 对n 个特征向量正交化、单位化;③ 构造C (正交矩阵),作变换x Cy =,则1112221()()TT T T Tn n n y d y y d y Cy A Cy y C ACY y C ACY y d y -⎛⎫⎛⎫⎛⎫ ⎪⎪⎪ ⎪⎪⎪=== ⎪ ⎪⎪ ⎪ ⎪⎪⎝⎭⎝⎭⎝⎭新的二次型为21ni if d y =∑,Λ的主对角上的元素i d 即为A 的特征值.123,,ααα线性无关,112122111313233121122()()()()()()T TT T T Tβααββαβββαβαββαββββββ=⎧⎪⎪⎪⎪=-⎨⎪⎪=--⎪⎪⎩正交化 单位化:111βηβ=222βηβ= 333βηβ= 技巧:取正交的基础解系,跳过施密特正交化。