【考研线代】三. 向量
文章目录
- 第三章 向量
- 3.1 概念,运算
- 3.1.1 基本概念
- 3.1.2 运算
- 3.2 线性表出,相关无关,向量组
- 3.2.1 概念
- 3.2.2 推论 & 定理
- 3.3 矩阵的秩,向量组的秩
- 3.3.1 矩阵的秩
- 3.3.1.1 基本概念
- 3.3.1.2 秩的性质
- 3.3.1.3 心得
- 3.3.2 向量组的秩
- 3.3.2.1 基本概念
- 3.3.2.2 性质
- 3.3.2.3 技巧
- 3.4 正交矩阵,正交化
- 3.4.1 概念
- 3.4.2 性质
- 3.4.3 相关方法
- 单位化
- 正交化
- 4. 二轮
- 4.1 解题技巧:外积的秩
第三章 向量
3.1 概念,运算
3.1.1 基本概念
n维向量,向量a的分量,行向量,列向量,两个向量同维
向量组:若干个同维数的行向量组成的集合
延伸组,缩短组:前n维数的行向量相同,延伸组维度更高,缩短组维度更低。
3.1.2 运算
加法:对应维度相加
数乘:全部维度乘数
向量的内积:n维行向量α,β,类似矩阵乘法,行向量乘列向量 得到一个 数。也称**(点乘/数量积)**。就是两个向量对应位相乘之后求和的操作。
施密特正交化:设向量组a1,a2,a3线性无关
β1=α1β_1 = α_1 β1=α1
β2=α2−(α1,β1)(β1,β1)β1β_2 = α_2 - \frac{(α_1,β_1)}{(β_1,β_1)}β_1 β2=α2−(β1,β1)(α1,β1)β1
β3=α3−(α3,β1)(β1,β1)β1−(α3,β2)(β2,β2)β2β_3 = α_3 - \frac{(α_3,β_1)}{(β_1,β_1)}β_1- \frac{(α_3,β_2)}{(β_2,β_2)}β_2 β3=α3−(β1,β1)(α3,β1)β1−(β2,β2)(α3,β2)β2
3.2 线性表出,相关无关,向量组
3.2.1 概念
向量组α的一个线性组合:
k1α1+k2α2+...+kmαmk_1α_1 + k_2α_2 + ... + k_mα_m k1α1+k2α2+...+kmαm
向量β可由向量组α的线性表出:
β=k1α1+k2α2+...+kmαmβ = k_1α_1 + k_2α_2 + ... + k_mα_m β=k1α1+k2α2+...+kmαm
线性相关:k1,k2…不全为0:
k1α1+k2α2+...+kmαm=0k_1α_1 + k_2α_2 + ... + k_mα_m = 0 k1α1+k2α2+...+kmαm=0
3.2.2 推论 & 定理
含有零向量,相等向量或成比例向量的向量组是线性相关的。
考察向量组的线性相关性 == 对应齐次方程组是否有非零解
- 若有非零解,则为线性相关<==> 秩<m
- 若仅有零解,则为线性无关
- n个n维向量线性相关,这些向量相乘的行列式为0
- n+1个n维向量必线性相关
定理:
- 部分组相关,整体组相关。整体组无关,部分组无关。
- 若n维向量组线性无关,增加了向量β后向量组线性相关,那么向量β可以由原本的向量组线性表出,且表示法唯一。
线性无关:
当k1a1+k2a2+...+ksas=0时,必有k1=0,k2=0...ks=0。当k_1a_1+k_2a_2+...+k_sa_s=0时,必有k_1 = 0,k_2=0...k_s=0。 当k1a1+k2a2+...+ksas=0时,必有k1=0,k2=0...ks=0。
经典题目:
- 已知a1,a2,a3线性无关,证明a1+a2,a2+a3,a3+a1线性无关。
3.3 矩阵的秩,向量组的秩
3.3.1 矩阵的秩
3.3.1.1 基本概念
k阶子式:m*n矩阵A中任取k阶的行和列组合新的行列式。
矩阵的秩r:存在r阶子式的D!=0,且所有的r+1阶子式(如存在)全为0。r(A) = r
(人话:不等于0的行列式最高有几阶。)
规定:零矩阵的秩为0,若秩大于0,则不是零矩阵。
基本意义:
r(A)=r⟺矩阵A中非零子式的最高阶数是rr(A) = r \iff 矩阵A中非零子式的最高阶数是r r(A)=r⟺矩阵A中非零子式的最高阶数是r
r(A)<r⟺矩阵A中每一个r阶子式都是0r(A) < r \iff 矩阵A中每一个r阶子式都是0 r(A)<r⟺矩阵A中每一个r阶子式都是0
r(A)≥r⟺矩阵A中存在r阶子式不全为0r(A) ≥ r \iff 矩阵A中存在r阶子式不全为0 r(A)≥r⟺矩阵A中存在r阶子式不全为0
3.3.1.2 秩的性质
- 设A是n阶矩阵,阶数与可逆的关系
r(A)=n⟺∣A∣!=0⟺A可逆r(A) = n \iff |A|!=0 \iff A可逆 r(A)=n⟺∣A∣!=0⟺A可逆
r(A)=n⟺∣A∣!=0⟺A可逆r(A) = n \iff |A|!=0 \iff A可逆 r(A)=n⟺∣A∣!=0⟺A可逆
- 矩阵的最大阶数取决于最短的边
0<=r(Amn)<=min(m,n)0<= r(A_{mn})<= min(m,n) 0<=r(Amn)<=min(m,n)
- 矩阵转置的秩不变:
r(AT)=r(A)r(A^T) = r(A) r(AT)=r(A)
- 伴随矩阵的秩A*的秩有三种情况:0,1和n。
两个矩阵相加的秩一定不大于两个矩阵秩的和
r(A+B)<=r(A)+r(B)r(A+B) <= r(A) + r(B) r(A+B)<=r(A)+r(B)矩阵倍乘一个数,秩不会变
r(kA)=r(A)r(kA) = r(A) r(kA)=r(A)矩阵相乘的秩 不大于 两个矩阵的最小的秩
r(AB)<=min(r(A),r(B))r(AB) <= min(r(A),r(B)) r(AB)<=min(r(A),r(B))
7. 经初等变换,矩阵的秩不变
推论:若P、Q可逆,则存在r(PAQ) = r(A)
若A是m*n矩阵,B是n*s矩阵
AB=O→r(A)+r(B)<=nAB=O \rightarrow r(A)+r(B)<=n AB=O→r(A)+r(B)<=n特殊分块矩阵的秩的计算
r[AOOB]=r(A)+r(B)r\left[ \begin{matrix} A & O \\ O & B \\ \end{matrix} \right] =r(A) + r(B) r[AOOB]=r(A)+r(B)
- 三秩相等:矩阵A的秩=行向量组的秩=列向量组的秩
r(A)=r(α)=r(β)r(A) = r(α) = r(β) r(A)=r(α)=r(β)
涉及到向量组的秩,3.3.2再提一次。
3.3.1.3 心得
遇到秩的题目,需要使用概念或者通过行列式变化,表示对应矩阵的行列式的值。通过判定它们的关系r(A)和n,判定变量。
3.3.2 向量组的秩
3.3.2.1 基本概念
极大线性无关组:挑出来的一个向量组线性无关,再增加任何一个向量,向量组就线性相关,那么挑出来的向量组就是原向量组的一个极大线性无关组。
向量组的秩:向量组的极大线性无关组的向量个数
向量组的线性表出:向量组(I)中的每一个向量都可以由向量组(II)里面的向量线性表出,称向量组(I)可以由向量组(II)线性表出。
等价向量组:两个向量组可以互相线性表出
(类比:矩阵A和B等价,A经过初等变换得到矩阵B)
矩阵等价,向量组可以不等价。
3.3.2.2 性质
向量组的极大无关组一般不唯一,但是向量个数是一样的。
本身就是线性无关的向量组,它的极大线性无关组就是它自己。
只有一个零向量组成的向量组没有极大线性无关组。
若向量组(I)可由向量组(II)线性表出,则r(I)<=r(II)
三秩相等,直接举例子。
3.3.2.3 技巧
求一个向量组的极大线性无关组:把那些列向量横向拼起来,做初等行变换,得到阶梯型矩阵。每行第一个非0数在第几列,极大线性无关组就是哪几个列向量组成。
3.4 正交矩阵,正交化
出现场景:二次型,特征值。(预热一下)
3.4.1 概念
n阶矩阵A,满足:
AAT=ATA=EAA^T = A^TA = E AAT=ATA=E
3.4.2 性质
- 根据可逆的定义:
A−1=ATA^{-1} = A^{T} A−1=AT
- 对应的行列式的值
过程:∣AAT∣=∣A∣∣AT∣=∣A∣2=∣E∣=1过程:|AA^T| = |A||A^T| = |A|^2 = |E| = 1 过程:∣AAT∣=∣A∣∣AT∣=∣A∣2=∣E∣=1
结论:∣A∣=1或∣A∣=−1结论:|A| = 1 或 |A| = -1 结论:∣A∣=1或∣A∣=−1
- A的行(列)向量都是单位向量且两两正交
3.4.3 相关方法
单位化
这个比较简单,令向量的平方和为1,可以提取出公因数。
正交化
单个向量的正交化求解:未知向量a3,与已知向量a1,a2正交。求a3
- 设a3 = (x1,x2,x3)
- 通过内积都为0,构造方程
{a3Ta1=0a3Ta2=0\left\{ \begin{aligned} a_3^Ta_1 = 0 \\ a_3^Ta_2 = 0 \\ \end{aligned} \right. {a3Ta1=0a3Ta2=0 - 平方和为1,单位化
施密特正交化:通过线性无关的向量组 求对应的正交化向量组
4. 二轮
4.1 解题技巧:外积的秩
证明过程:
【考研线代】三. 向量相关推荐
- 2021 考研线代知识点整理
文章链接 https://gitee.com/fakerlove/linear-algebra 2021 考研线代(34分) 选择2个 填空题 1个 解答2 个 文章目录 2021 考研线代(34分) ...
- 正交变换最强总结笔记,解决每一个考研线代人的理解难关
所有学线代的人都必须透彻理解和应用正交变换. 正交变换图形上最直观的作用是:一巴掌把歪七扭八的图形打正,如下: 而图形立正后,表达式也随之立正,xixj{x_{i}x_{j}}xixj群魔退散,平 ...
- 下载 线代 薛威_考研线代李永乐真的首选吗?
20考研狗,复习线性代数之前在B站上看了两个小时的视频(线性代数的本质)从向量的角度诠释了线性代数. 对理解线代很有帮助. 六月份开始复习线代,在这之前,听了市面上绝大多数老师的视频课,感觉讲的不够细 ...
- 【考研线代】二. 矩阵
文章目录 第二章 矩阵 2.1 概念,运算 2.1.1 概念 2.1.2 运算 2.1.3 运算法则 2.2 伴随矩阵,可逆矩阵(非奇异矩阵) 2.2.1 伴随矩阵 2.2.2 可逆矩阵 2.3 初等 ...
- 【考研线代】五. 特征值和特征向量
文章目录 第五章 特征值和特征向量 5.1 特征值,特征向量 5.1.1 概念 5.1.2 性质 & 定理 & 推论 ⭐ 5.1.3 求特征值和特征向量的方法 数值型矩阵 抽象型矩阵 ...
- 【考研线代】一. 行列式
文章目录 第一章 行列式 1.1 行列式的概念 1.2 行列式的性质 1.3 行列式的展开与计算 1.4 克拉默法则 第一章 行列式 1.1 行列式的概念 行列式是一个数,是不同行不同列元素乘积的代数 ...
- 【考研线代】六. 二次型
文章目录 第六章 二次型 6.1 二次型及其标准形 6.1.1 概念 6.1.2 合同基本性质 6.1.3 题型 6.2 正定二次型 6.2.1 概念 6.2.2 定理 6.3 补充:解题技巧 6.3 ...
- 考研线代---pdf文档 百度网盘自取
链接:https://pan.baidu.com/s/1XPJq3xSHElKT4uGarpdDtg 提取码:wtm0 –来自百度网盘超级会员V3的分享 如果内容过期,请留言,我会不定期更新内容
- 0~75%考研数学线代
线代 挺喜欢线代的,线代比高数有意思,学得很认真.比较遗憾强化部分没有整理完,可能短时间内不会补了,或者不会补了,上传到博客记录一下伏案书写的时光和遗憾. 用书:考研线代杨超 笔记
最新文章
- mixamo网站FBX模型带骨骼绑定动作库
- Leetcode | Minimum/Maximum Depth of Binary Tree
- sdut 2087 离散事件模拟-银行管理
- SAP 物料XXXXX的强制帐户设置 (输入帐户设置类别) 的问题解决方法
- 金融贷款逾期的模型构建3——模型评估
- 简单了解各种序列化技术-Hessian序列化框架
- [翻译]VC++中创建并使用自定义控件
- android aar jar制作,AndroidStudio aar、jar生成及其引用
- php基础教程(二):基础语法
- Microsoft Deployment Toolkit 2008部署操作系统系列(一)
- 3. HTML DOM Attribute 对象
- spring boot java.lang.NoClassDefFoundError: org/springframework/cloud/context/named/NamedContextFact
- 阿里巴巴android图标素材网,阿里巴巴矢量图标库
- IOS磁力下载软件,老司机必备品
- 华三H3C路由器如何配置端口映射远程登录到内网服务器
- 用SDK包开发K66FX18学习笔记(1)
- HTML小案例-使用CSS3实现网页加载loding动画
- 关于检测Windows电脑电池信息
- UEFI开发与调试---edk2中的Package
- 11个好玩有趣的网站,一打开就停不下来
热门文章
- 1A. Theatre Square
- Microsoft Edge:SEC7120 [CORS] 原点“ms-appx-web://microsoft.microsoftedge”无法支持
- 登录harbor提示x509: cannot validate certificate for x.x.x.x because it doesn‘t contain any IP SANs
- video标签 铺满div
- 互联网公司招聘--58集团--前端--2017年笔试题1
- 2022年《深圳市新引进博士人才生活补贴工作实施办法》最新政策
- 关系代数中除法的SQL实现
- 瘦客机服务器系统,瘦客户机服务器做什么(What does a Thin-Client Server do)?
- 怎么拷贝计算机桌面,怎么把电脑浏览器里的软件复制到桌面
- 邮储网络学院-员工行为规范题库