1. 程式人生 > >線性代數題型總結

線性代數題型總結

線代題型的總結

1. 行列式

1.1 計算行列式的值

  1. 使用帶餘子式的展開公式(即按行或者按列展開)
  2. 注意兩行互換位置(變號),兩行成比例或者某行為0(為0)的情況
  3. 逐行相加的方法
  4. 每行都加到第一行上去
  5. 第一行加到每一行上去
  6. 利用已知條件從Xn與Xn-1的關係中找到遞推公式
  7. 對於n階的三對角線行列式, 通常可用數學歸納法
  8. 知道幾個重要的公式(上下三角形行列式, 副對角線行列式, 拉普拉斯展開式式, 範德蒙行列式)

李王全書: P312.例1,2,3,6,8,9,10,11

1.2 抽象型行列式的計算

注意理解那些抽象的行列式的公式即可

李王全書: P319.例13,14,15,16,17

1.3 判斷行列式|A|是否為0

  1. 矩陣不可逆
  2. r(A)

1.4 關於代數餘子式求和

  1. 利用Aij與aij的值無關的特性, 構造新的行列式|B|來間接計算
  2. 用第i行元素乘以第j行相應代數餘子式乘積之和為0的性質
  3. 跟隨伴隨矩陣A*的定義, 通過求A*再來求和

李王全書: P322. 例21,22

2. 矩陣

2.1 特殊方陣的冪

  1. A^n = k^(n-1) * A
  2. A^n = (E+B)^n = E^n + nBE^(n-1) + n(n-1)/2B^2 E(n-2), 後面的項為0
  3. 利用N階拉普拉斯矩陣的特性
  4. A^n = (BC)^n = B(CB)(CB)C這樣來拆

李王全書: P334.例7,8,9,11

2.2 伴隨矩陣的相關問題

  1. 主要把握好伴隨矩陣的組成, 即餘子式轉置
  2. 還有就是伴隨矩陣的定義: AA^* = A^* A = |A|A^-1

李王全書: P337.例12,13,14,15

2.3 求逆矩陣

  1. 用伴隨矩陣求
  2. 用增廣矩陣的初等行變換

李王全書: P339.例18,19,20

2.4 初等變換,初等矩陣

  1. 注意初等變換都可以用與初等矩陣相乘的形式來實現
  2. 注意行變換與列變換乘以變換矩陣的方式不同

李王全書: P342.例24,26

2.5 計算矩陣的秩

  1. 記得秩的一些結論比如r(AB) <= r(A)
  2. r(A+B) <= r(A) + r(B)

李王全書: P343. 例27,30,31

3. 向量

3.1 線性相關的判別

  1. 給出α1,α2,α3(其中帶係數t), 他們若線性相關, 那麼齊次方程組x1α1 + x2α2 + x3α3就有非零解, 也就是說秩小於3
  2. 已知ai(1<=i<=4)之間都是線性無關的, 求用ai表示的式子的線性相關性, 那麼可以假設ai為[1,0,0,0]和[0,1,0,0]等來進行驗證
  3. 證明線性無關通常思路是用定義法, 齊次方程組只有零解或者反證法

李王全書: P352. 例1,2,7,8,10,11,12

3.2 秩與極大線性無關組

求秩和極大線性無關組的方法主要有初等變換直接求或者是利用增廣矩陣來進行計算. 需要注意的是極大線性無關組與特徵向量並不相同, 不要混為一談. 並且求極大線性無關組時只能要麼全做行變換, 要麼全做列變換. 但是計算秩的時候可以混著用.

李王全書: P359.例13,14,15

3.3 正交化, 正交矩陣

  1. 求與一個向量組中所有向量都正交的向量. 那麼把這個向量認為是x, 然後通過化簡使得有唯一零解即可
  2. 根據正交矩陣的定義來證明一些題

李王全書: P360. 例16,17,19

3.4 向量空間

  1. 求過渡矩陣與座標變換.
  2. 某向量在兩個座標系下有相同的座標, 求該向量. 通過兩個座標系座標相同列等式, 化為一邊只有解矩陣即可.

李王全書: P361. 例21,22,23

4. 線性方程組

4.1 線性方程組的求解

  1. 求齊次線性方程組的通解.
  2. 求基礎解繫有兩種方法, 一種是給自由未知量賦一個(1,0)和(0,1)這樣的值, 帶入方程後解出其他的值. 或者是假設自由未知量為ki的倍數, 然後解出對於單個的xi來說k的係數, 綜合起來就是基礎解繫了.
  3. 對於向量矩陣的化簡中對於引數的討論, 取值的不同關係到有多少個解的問題

李王全書: P372.例7,10,11

4.2 Ax=0中引數矩陣A的行向量與解向量的關係

將普通的引數與解反轉過來, 詳見380

李王全書: P380.例15

4.3 線性方程組中引數矩陣的列向量和解向量的關係

就是說初等行變化不改變線性方程組的解, 但是還是不懂

李王全書: P382.例18

4.4 兩個方程組的公共解

  1. 直接解二者的公共方程組
  2. 通過假設第一個方程的通解, 再帶入第二個方程求得需要的解
  3. 通過通解求出公共解

李王全書: P383.例19

4.5 使用克拉默法則

李王全書: P387.例25

5. 特徵值、特徵向量、相似矩陣

5.1 特徵值、特徵向量的求法

要學會求特徵值, 特徵向量, 以及與A有關的矩陣的引數的變化

李王全書: P392. 例1,2,3

5.2 判斷是否相似於對角矩陣並求P使得P^-1 B P = A

按照方法求即可

李王全書: P398.例10

5.3 由特徵值、特徵向量反求A

注意反求的公式以及正交矩陣特殊的性質

李王全書: P400.例13,14

5.4 矩陣相似及相似標準形

  1. 求對角陣
  2. 相似矩陣的性質
  3. 以及求兩矩陣之間通過對角陣的方式進行轉化
  4. 求實對稱矩陣的對角矩陣

李王全書: P402.例15,16,17,18

5.5 相似對角陣的應用

  1. 相似對角陣用來計算行列式的值很適合
  2. 用來計算矩陣的冪次有著天然的優勢, 注意其中的小技巧(李王全書P408)
  3. 特徵值可以用來代替一個向量來進行計算
  4. 特徵向量可以用來表示其他向量, 這樣計算就變得簡單了

李王全書: P407.例20,21,22,24

相關推薦

線性代數題型總結

線代題型的總結 1. 行列式 1.1 計算行列式的值 使用帶餘子式的展開公式(即按行或者按列展開) 注意兩行互換位置(變號),兩行成比例或者某行為0(為0)的情況 逐行相加的方法 每行都加到第一行上去 第一行加到每一行上去 利用已知條件從Xn

大一線性代數知識點總結

行列式和矩陣的加法和乘法的比較   伴隨矩陣的一些性質    以下是全部知識點總結   線性方程組的係數行列式為零時,不能用克拉默法則解方程組,因為此時方程組的解為無解或有無窮多個解。 克拉默法則解線性方程組

人工智慧的數學基礎之線性代數的一些概念及總結

有一組向量可以通過線性組合得到其他向量,他們所有線性組合的集合就稱為向量的線性生成空間。也就是說在裡面的所有向量都可以由這組向量線性組合得到。維度就是基的數量。 基不一定是兩兩垂直並不一定是正交的,而是隻要滿足這一組基之間是線性無關的就夠了。 線性無關並不一定導致垂直,但垂直一定是線性無關的

MIT 18.06 線性代數總結(Part I)

Overview The Geometry of Linear Equations 教授在這個 lecture 中介紹了3個概念:Row Picture,Column Picture, and Matrix Picture,其中理解

MIT 18.06 線性代數總結(Part II)

引言 終於到了課程的後半部分,它的主題是關於 determinants 和 eigenvalues 的。 Properties of Determinants 教授在整個 lecture 18 中介紹了 Determinants 的10個屬性。The

線性代數】多項式各類演算法總結

前言: 這可能是本蒟蒻在2018省選以前寫的最難的東西了。 考慮到時間緊迫,所以有些東西我自己也不能完全理解,只能照搬課件。 只能以後再看機會填坑了 再說回多項式,幾乎所有的多項式演算法都是基於NTT的優化,也就是說,要想辦法把所有的運算,轉化為可以使用

線性代數及其應用》總結1 整體理解

一、矩陣和線性代數的關係 第一,眾所周知,線性代數的一個問題是解線性方程組。矩陣是一種用來簡化線性方程組表示的工具。 第二,矩陣可以表示一種線性對映,稱為矩陣對映,寫做T(x) = Ax,其中A是一個矩陣,x 和T(x) 是向量。所有矩陣對映都是線性對映,但

清華大學公開課《線性代數2》總結

本文是本人學習線性代數的筆記彙總,個人學習順序是網易MIT線性代數公開課結合其教材,然後是用清華大學線性代數公開課做複習,清華的課證明更多深度更深一些(邏輯更嚴密一些)而mit公開課是用及其3階矩陣講明

線性代數總結

Overview The Geometry of Linear Equations 教授在這個 lecture 中介紹了3個概念:Row Picture,Column Picture, and Matrix Picture,其中理解

線性代數基本公式結論簡要總結(3)

本文總結向量空間的一些內容,由於向量空間的知識(子空間、矩陣的行列空間、空間的基、線性無關、空間維數、秩)在上一篇文章中已有很多介紹,因此本文著重回顧馬爾科夫矩陣和傅立葉級數 馬爾科夫(Markov)

線性代數-總結(一)

線性代數的核心內容就是線性變換,前面主要從靜態和動態兩個方面進行描述,奇異值分解應該比矩陣對角化更為一般,矩陣對角化只是它的特殊情

線性代數回顧(Linear Algebra Review)

view ont 線性代數 lin geb ebr review 3.1 代數 3.1 矩陣和向量 3.2 加法和標量乘法 3.3 矩陣向量乘法 3.4 矩陣乘法 3.5 矩陣乘法的性質 3.6 逆、轉置 3.1 矩陣和向量 線性代數回顧(

『理論』科學計算專項_線性代數幾何原理剖析

str tar 是否 數學 這就是 cti bsp 存在 amp 矩陣左乘向量的兩種理解 1,矩陣左乘向量可以理解為對向量進行線性變換 探究原理的話,可以理解左乘為對整個空間(基&目標向量)進行線性變換,其中, 變換矩陣是基‘在基的坐標的列向量組合 目標向量是向量

線性代數

代數 logs -1 com image idt cnblogs 技術分享 線性 上圖中法一根據標準順序;法二根據現有的順序 作參照。 線性代數

線性代數-矩陣-加減 C和C++實現

for 通過 turn oba c語言 bsp operator column name 原理解析: (此處補圖) 本節編寫矩陣的加法和減法,兩個矩陣相加,即把兩個相同大小的矩陣對應的元素分別相加 。兩個矩陣相減,把兩個相同大小矩陣的對應元素分別相減。 C++語言: 矩

線性代數-矩陣-轉置 C和C++的實現

說了 cnblogs typename tsp name add type get swap 原理解析: 本節介紹矩陣的轉置。矩陣的轉置即將矩陣的行和列元素調換,即原來第二行第一列(用C21表示,後同)與第一行第二列(C12)元素調換位置,原來c31與C13調換。即cij與

線性代數-矩陣-【5】矩陣化簡 C和C++實現

tar tput c++ spec 但是 exc c++語言 emp opened 點擊這裏可以跳轉至 【1】矩陣匯總:http://www.cnblogs.com/HongYi-Liang/p/7287369.html 【2】矩陣生成:http://www.cnblog

【高斯消元】CDOJ1785 曜醬的線性代數課堂(三)

++i for cnblogs mes swa eps mem else 正在 高斯消元求行列式板子。 #include<cstdio> #include<cmath> #include<algorithm> #include

【高斯消元】CDOJ1783 曜醬的線性代數課堂(一)

turn abs swap size wap n) memset efi 高斯 高斯消元求逆矩陣板子。 #include<cstdio> #include<cmath> #include<algorithm> #include

【高斯消元】CDOJ1784 曜醬的線性代數課堂(二)

cst %d can cstring 課堂 esp 線性 memset () 高斯消元求矩陣秩板子。 #include<cstdio> #include<cmath> #include<algorithm> #include&