线性代数学习笔记(代数篇)
1.向量
高中必修一知识,以二维向量为例。
本章只选取了与代数有较大关联的内容,完整版见几何篇。
1.1向量的表示
也就是后文提到的列向量,表示为 \(\begin{bmatrix}a\\b\end{bmatrix}\)
1.2向量的运算
1.2.1点积
\[(a,b)\cdot (c,d)=ac+bd \]
描述为更符合线性代数的形式:
\[\begin{bmatrix} a&b\end{bmatrix}\cdot\begin{bmatrix} c\\ d\end{bmatrix} =ac+bd \]
1.2.2叉积
向量叉积与行列式有关。
2.矩阵
2.1一些概念
对于矩阵 \(A\) :
- 主对角线:即 \(A_{i,i}\) 元素组成的集合。
- 单位矩阵:表示为 \(I\),指主对角线中元素为1,其余元素为0的矩阵。
- 逆矩阵:满足 \(A\times A^{-1}=I\) 的矩阵 \(A^{-1}\)
- 矩阵的转置:记为 \(A^T\),其中,\(A^T_{i,j}=A_{j,i}\)
- 行向量:1 行 \(n\) 列的矩阵。
- 列向量:\(n\) 行 1 列的矩阵。
- \(n\) 阶方阵:\(n\times n\) 的矩阵 \(A_n\)
- 上/下三角矩阵:对角线下/上全为 0 的矩阵
2.2矩阵乘法
设 \(A\) 是大小 \(r\times m\) 的矩阵,\(B\) 是大小为 \(m\times c\) 的矩阵,令 \(C=A\times B\),则
3.行列式
2.1bigformula定义
对于 \(n\) 阶方阵 \(A=(a_{i,j})\) ,定义
\[{\rm det}(A)=\sum_{\sigma\in S_n}{\rm sgn}(\sigma )\prod _{i=1}^na_{i,\sigma(i)} \]其中,\(S_n\) 是指长度为 \(n\) 的全体排列的集合,\(\sigma\) 是一个全排列,如果 \({\sigma}\) 的逆序对对数为偶数,则 \({\rm sgn}(\sigma)=1\),否则 \({\rm sgn}(\sigma) = -1\)
简记为 \({\rm det}(A)=|A|\)
人话:从矩阵的每一行中挑出一个数累乘,每个数用一个与排列的逆序对相关的数作为系数。
2.2性质
以三阶行列式为例。
不需要死记硬背,建议从几何意义上理解
-
\(|I|=1\)
-
在行列式中,一行(列)元素全为0,则此行列式的值为0
\[\left|\begin{matrix}0&0&0\\a_{2,1}&a_{2,2}&a_{2,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right |=\left|\begin{matrix}a_{1,1}&a_{1,2}&0\\a_{2,1}&a_{2,2}&0\\a_{3,1}&a_{3,2}&0\end{matrix}\right | = 0 \] -
在行列式中,某一行(列)有公因子 \(k\),则可以提出 \(k\)
\[\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\ka_{2,1}&ka_{2,2}&ka_{2,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right |=k\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\a_{2,1}&a_{2,2}&a_{2,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right | \] -
在行列式中,若某一行(列)的每个元素是两数之和,则可以拆分为两个相加的行列式
\[\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\a_{2,1}+b_{2,1}&a_{2,2}+b_{2,2}&a_{2,3}+b_{2,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right |=\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\a_{2,1}&a_{2,2}&a_{2,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right |+\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\b_{2,1}&b_{2,2}&b_{2,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right | \] -
在行列式中,两行(列)互换,行列式符号取反
\[\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\a_{2,1}&a_{2,2}&a_{2,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right |=-\left|\begin{matrix}a_{2,1}&a_{2,2}&a_{2,3}\\a_{1,1}&a_{1,2}&a_{1,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right | \] -
在行列式中,有两行(列)对应成比例,则行列式值为 0
\[\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\a_{2,1}&a_{2,2}&a_{2,3}\\ka_{2,1}&ka_{2,2}&ka_{2,3}\end{matrix}\right |=0 \] -
在行列式中,将一行(列)的 \(k\) 倍加入另一行(列)中,行列式的值不变
\[\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\a_{2,1}&a_{2,2}&a_{2,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right |=\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\a_{2,1}+ka_{1,2}&a_{2,2}+ka_{1,2}&a_{2,3}+ka_{1,3}\\a_{3,1}&a_{3,2}&a_{3,3}\end{matrix}\right | \] -
将行列式的行列互换,行列式的值不变,即
\[|A|=|A^{T}| \] -
对于上三角矩阵
\[\left|\begin{matrix}a_{1,1}&a_{1,2}&a_{1,3}\\0&a_{2,2}&a_{2,3}\\0&0&a_{3,3}\end{matrix}\right |=a_{1,1}a_{2,2}a_{3,3} \] -
行列式乘法定理
\[{\rm det}(AB)={\rm det}(A){\rm det}(B) \]特别地,当与常数 \(r\) 相乘时,有
\[{\rm det}(rA)={\rm det}(rI\cdot A)={\rm det}(rI){\rm det}(A)=r^n{\rm det}(A) \]
2.3求解行列式
对于 \(n\) 阶方阵 \(A\),有
2.3.1定义法
直接按照定义式计算,时间复杂度 \(\Theta(n\cdot n!)\)
2.3.2高斯消元
通过 2.2 罗列的性质可知,行列式是可以进行消元操作的,因此可以通过高斯消元,将原矩阵简化为三角矩阵,时间复杂度 \(\Theta(n^3)\)。
2.3.3行列式展开
2.3.3.1代数余子式
将 \(A\) 的某些行与列去掉(假设去掉 \(i\) 行 \(j\) 列)之后所余下的方阵的行列式,其相应的方阵有时被称为余子阵,记为 \(M_{ij}\)
一个矩阵 \(A=(a_{i,j})\) 的代数余子式:\(C_{ij}=(-1)^{i+j}M_{ij}\)
2.3.3.2Laplace展开
对于第 \(i\) 行,有 \({\rm det}(A)=\sum_{j=1}^na_{i,j}C_{ij}\)
对于第 \(j\) 列,有 \({\rm det}(A)=\sum_{i=1}^n a_{i,j}C_{ij}\)
2.3.3.3余因子矩阵、伴随矩阵与逆矩阵
矩阵 \({\rm cof}(A)=(C_{ij})_{i,j}\) 称作 \(A\) 在 \((i,j)\) 的余因子矩阵,即将 \(C_{ij}\) 摆在矩阵的第 \(i\) 行第 \(j\) 列。
\({\rm cof}(A)\) 的转置矩阵称为 \(A\) 的伴随矩阵,记为 \({\rm adj}(A)\)
如果矩阵 \(A\) 可逆,则 \(A^{-1}=\dfrac{{\rm adj}(A)}{{\rm det}(A)}=\dfrac{A^*}{|A|}\),\(A^*\) 表示 \(A\) 的伴随矩阵。
2.4Cauchy-Binet公式
给定两个 \(n\times m\) 的矩阵,有
其中 \(A_{i_1,i_2,...,i_m}\) 为 \(A\) 保留 \(i_1,i_2,...,i_m\) 列所得的矩阵。
2.3一些定理
2.3.1矩阵树定理
坑待补...
2.3.2LGV引理
坑待补...
3.参考文献
- 矩阵树定理(+行列式) - command_block 的博客 - 洛谷博客 (luogu.com.cn)
- 【5】行列式 - 知乎 (zhihu.com)
- 【官方双语/合集】线性代数的本质 - 系列合集_哔哩哔哩_bilibili
- Determinant - Wikipedia
- 矩阵树定理 - OI Wiki (oi-wiki.org)
- LGV 引理 - OI Wiki (oi-wiki.org)
敬请期待:线性代数学习笔记(几何篇)
原文地址:https://www.cnblogs.com/GDOI2018/p/15096605.html
- delete相关的pl/sql调优(r4笔记第87天)
- Java文件上传与下载【面试+工作】
- QBC查询
- 一条delete语句的调优(r4笔记第86天)
- Java支付宝接口开发【面试+工作】
- 03.SVN检出/解决冲突/提交
- Spring思维导图,让Spring不再难懂(mvc篇)
- SQL优化一(SQL使用技巧)
- Spring思维导图,让Spring不再难懂(aop篇)
- MongoDB初探第二篇 (r4笔记第82天)
- Spring思维导图,让Spring不再难懂(cache篇)
- 曲折的10g,11g中EM的安装配置过程(r4笔记第98天)
- Linux 学习记录 一(安装、基本文件操作).
- 实用的位运算应用(r4笔记第97天)
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- Python骚操作:一行代码实现探索性数据分析
- 吊打 Tomcat ,Undertow 性能很炸!!
- 关于在android平台使用nanohttpd实现的http服务在WIFI环境下响应明显太慢的问题
- Vue.js组件库Element中的Select选择器、Cascader级联选择器、Switch开关和Slider滑块
- 年收200万+的Facebook前端工程师(E5)都要求些啥能力?
- 重学数据结构(二、栈)
- 基于深度学习的人员跟踪
- 为了给女朋友独特的七夕惊喜,我学会了人像美肤算法!
- 12种降低开发者工作效率的方法
- 想掌握Android面试官必问的 Binder 机制?那别想绕开 Binder 驱动源码分析!
- TCP协议的3次握手与4次挥手过程详解
- 高并发系统三大利器之降级
- Dart核心基础List概述
- 像SELECT*一样手撸Query DSL——ElasticSearch下篇
- 3D场景编辑导出-LayaAir引擎Unity插件使用详解