显然, m × n 矩阵 A 的 k 阶子式有
个。设在矩阵 A 中有一个不等于 0 的 r 阶子式 D ,且所有r+1 阶子式 如果存在的话 全等于 0 ,那么 D 称为矩阵 A 的最高阶非零子式, r 称为矩阵 A 的秩,记做R(A)=r 。
n × n 的可逆矩阵,秩为 n
可逆矩阵又称满秩矩阵
矩阵的秩等于它行(列 )向量组的秩
秩与线性方程组的解的关系
对于 n 元线性方程组 Ax=b
无解的充要条件是 R(A)<R(A,b)
有唯一解的充要条件是 R(A)=R(A,b)=n
有无限多解的充要条件是 R(A)=R(A,b)<n
推论:
Ax=0 有非零解的充要条件是 R(A)<n
Ax=b 有解的充要条件是 R(A)=R(A,b)
向量组等价
向量 b 能由向量组 A: a1,a2,...,am 线性表示的充要条件是矩阵 A=(a1,a2,...,am ) 的秩等于矩阵B=(a1,a2,...,am ) 的秩。
设有两个向量组 A:a1,a2,...,am 及 B:b1,b2,...,bn, 若 B 组的向量都能由向量组 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 与向量组 B 能相互线性表示,则称两个向量组等价。
系数矩阵
将向量组A和B所构成的矩阵依次记做A=(a1,a2,...,am ) ,B=(b1,b2,...,bn)B组能由A组线性表示,即对每个向量bj,存在k1j,k2j,...,kmj
使得
从而得到系数矩阵K
对C=AB 的重认识
由此可知,若 C=A × B ,则矩阵 C 的列向量能由 A 的列向量线性表示, B 即为这一表示的系数矩阵。
对偶的,若 C=A × B ,则矩阵 C 的行向量能由B的行向量线性表示, A 即为这一表示的系数矩阵
向量组 B: b1,b2,...,bn 能由向量组 A: a1,a2,...,am 线性表示的充要条件是矩阵A=(a1,a2,...,am ) 的秩等于矩阵
(A,B)=(a1,a2,...,am,b1,b2,...,bn) 的秩,即: R(A)=R(A,B)。
正交阵
若 n 阶矩阵 A 满足 A T A=I ,成 A 为正交矩阵,简称正交阵。
A 是正交阵的充要条件: A 的列 行 向量都是单位向量,且两两正交。
A 是正交阵, x 为向量,则 A x 称作正交变换。
正交变换不改变向量长度
特征值和特征向量
A 是 n 阶矩阵,若数 λ 和 n 维非 0 列向量 x 满足Ax=λx ,那么,数 λ 称为 A 的特征值, x 称为A的对应于特征值 λ 的特征向量。
根据定义,立刻得到 (A-λI)x = 0 ,令关于 λ 的多项式 |A-λI| 为 0 ,方程 |A-λI|=0 的根为 A 的特征值;将根 λ0 带入方程组 (A-λI)x = 0 ,求得到的非零解即 λ0 对应的特征向量。
特征值的性质
设 n 阶矩阵 A=(aij 的特征值为 λ1 ,λ2 ,...λn
则λ1 +λ2 +...+λn =a11 +a22 +…+ann
λ1λ2…λn =|A|
矩阵 A 主行列式的元素和,称作矩阵 A 的迹。
已知 λ 是方阵 A 的特征值,则λ2 是 A2 的特征值,A 可逆时,λ1 是 A1 的特征值。
不同特征值对应的特征向量
设 λ1,λ2,...,λm 是方阵 A 的 m 个特征值,p1,p2,...,pm 是依次与之对应的特征向量,若 λ1,λ2,...,λm 各不相等,则p1,p2,...,pm 线性无关。
引理
实对称阵的特征值是实数
设复数λ为对称阵A的特征值,复向量x为对应的特征向量,即Ax=λx(x≠0)
用
表示λ的共轭复数,表示x的共轭复向量,而A是实矩阵,有