线代知识点

    • 极限
    • 无穷大、无穷小
    • 极大值、极小值
    • 最大值、最小值
    • 导数
    • 微分
    • 积分(定积分、不定积分)
    • 方向导数、梯度
    • 合同矩阵的性质和概念
    • 相似对角化
    • 正交矩阵
    • 相似矩阵
    • 特征值
    • 实对称矩阵
    • 行列式
    • 齐次非齐次方程组解的问题
    • 二次型
    • 正定矩阵的判别方法:

线性代数复习提纲

极限

数学中的“极限”指:某一个函数中的某一个变量,此变量在变化的过程中,逐渐向某一个确定的数值A不断地逼近而“永远不能够重合到A”
其有一个“不断地极为靠近A点的趋势”。极限是一种“变化状态”的描述。此变量永远趋近的值A叫做“极限值”
比如说tanx中的x在0到#/2的过程中,会无限趋近于#/2,但永远不会=,此时π|2就是一个极限值,
xn→x,就是指:“如果对任何ε>0,总存在自然数N,使得当n>N时,不等式|xn-x|<ε恒成立”。
线代知识点_第1张图片

无穷大、无穷小

无穷小量即以数0为极限的变量,无限接近于0。

极大值、极小值

线代知识点_第2张图片

最大值、最小值

导数

线代知识点_第3张图片

微分

在这里插入图片描述

积分(定积分、不定积分)

线代知识点_第4张图片

方向导数、梯度

梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)。
在单变量的函数中,梯度可简单理解为只是导数。函数f的梯度方向是函数f的值增长最快的方向,最陡的方向,换句话说,在一个场中,函数在某一点处的梯度即为此点方向导数最大值。

合同矩阵的性质和概念

线代知识点_第5张图片

相似对角化

线代知识点_第6张图片

正交矩阵

线代知识点_第7张图片

相似矩阵

相似矩阵特征值相同

线代知识点_第8张图片

特征值

不同特征值对应的向量——线性无关
在实对称矩阵中不同特征值对应的向量——正交(在无关的基础上)
“特征值乘积等于行列式的值
特征值的和等于对应方阵对角线元素之和,
在这里插入图片描述

实对称矩阵

线代知识点_第9张图片

行列式

线代知识点_第10张图片
线代知识点_第11张图片
线代知识点_第12张图片
线代知识点_第13张图片

齐次非齐次方程组解的问题

齐次线性方程组没有无解的的情况(至少有一个0解)

线代知识点_第14张图片

二次型

线代知识点_第15张图片

正定矩阵的判别方法:

1、 对称矩阵A正定的充分必要条件copy是A的n个特征值全是正数。

2、对称矩阵A正定,则A的主对角线元素均为正数。

3、对称矩阵A正定的充分必要条件是:A的n个顺序主子式全大于零。

你可能感兴趣的:(线代知识点)