当前位置：首页 > news >正文

【线性代数笔记】初等变换、正交化与特殊矩阵性质核心总结

news 2026/5/12 2:11:44

0. 前言

在线性代数的复习中，理解“初等行变换不改变向量组间的线性关系”是处理向量组等价、线性表示等问题的基石。本篇博文梳理了向量组判别、施密特正交化、特殊矩阵性质以及矩阵秩的深层联系。

1. 向量组的等价性与线性关系

1.1 初等行变换的核心性质

核心结论：初等行变换不改变列向量组之间的线性关系。

1.2 判别向量组α\alphaα和β\betaβ不等价的题型思路

在解题中，若要证明两个向量组不等价，可从以下两个切入点分析：

秩的视角：- 设A=(α1,α2,α3)A = (\alpha_1, \alpha_2, \alpha_3)A=(α1,α2,α3)，B=(β1,β2,β3)B = (\beta_1, \beta_2, \beta_3)B=(β1,β2,β3)。

若在不同xxx值取值下，r(A)≠r(B)r(A) \neq r(B)r(A)=r(B)，则两向量组必然不等价。

线性表示视角：

若AAA中的某一行（或向量）无法由BBB的任意行（或向量）线性表示，则AAA与BBB不等价。

2. 向量组的施密特（Schmidt）正交规范化

当我们需要将一组线性无关的向量组化为标准正交基时，采用以下步骤：

2.1 正交化

设原始向量组为α1,α2,…\alpha_1, \alpha_2, \dotsα1,α2,…

β1=α1\beta_1 = \alpha_1β1=α1
β2=α2−(α2,β1)(β1,β1)β1\beta_2 = \alpha_2 - \frac{(\alpha_2, \beta_1)}{(\beta_1, \beta_1)} \beta_1β2=α2−(β1,β1)(α2,β1)β1
补充：β3=α3−(α3,β1)(β1,β1)β1−(α3,β2)(β2,β2)β2\beta_3 = \alpha_3 - \frac{(\alpha_3, \beta_1)}{(\beta_1, \beta_1)} \beta_1 - \frac{(\alpha_3, \beta_2)}{(\beta_2, \beta_2)} \beta_2β3=α3−(β1,β1)(α3,β1)β1−(β2,β2)(α3,β2)β2

2.2 规范化（单位化）

将得到的正交向量组进行长度归一化：

η1=β1∥β1∥\eta_1 = \frac{\beta_1}{\|\beta_1\|}η1=∥β1∥β1
η2=β2∥β2∥\eta_2 = \frac{\beta_2}{\|\beta_2\|}η2=∥β2∥β2

3. 行列式计算技巧与重要思想

3.1 分块矩阵行列式

重要思想：分块与拆解
对于mmm阶方阵AAA和nnn阶方阵BBB：

∣0AB0∣=(−1)mn∣A∣∣B∣\begin{vmatrix} 0 & A \\ B & 0 \end{vmatrix} = (-1)^{mn} |A||B|0BA0=(−1)mn∣A∣∣B∣

3.2 对角矩阵的几何与代数性质

几何直观：对角矩阵相对于坐标轴做缩放（伸缩或放大）。例如(2004)\begin{pmatrix} 2 & 0 \\ 0 & 4 \end{pmatrix}(2004)表示对xxx轴放大 2 倍，对yyy轴放大 4 倍。
代数性质：对角矩阵满足乘法交换律，即Λ1Λ2=Λ2Λ1\Lambda_1 \Lambda_2 = \Lambda_2 \Lambda_1Λ1Λ2=Λ2Λ1。

3.3 常用矩阵恒等式

(A+E)(A−E)=A2−E(A+E)(A-E) = A^2 - E(A+E)(A−E)=A2−E
AmAk=Am+k=AkAmA^m A^k = A^{m+k} = A^k A^mAmAk=Am+k=AkAm

4. 特殊矩阵与伴随矩阵的秩

4.1 反对称矩阵

定义：AT=−AA^T = -AAT=−A。
补充要点：若AAA为奇数阶反对称矩阵，则∣A∣=0|A| = 0∣A∣=0。

4.2 伴随矩阵A∗A^*A∗的秩定理

这是线性代数中的高频考点，务必熟记：
r(A∗)={n,r(A)=n 1,r(A)=n−1 0,r(A)<n−1r(A^*) = \begin{cases} n, & r(A) = n \ 1, & r(A) = n-1 \ 0, & r(A) < n-1 \end{cases}r(A∗)={n,r(A)=n1,r(A)=n−10,r(A)<n−1