面试考点——线性代数篇

原创已于 2024-07-01 15:01:12 修改 · 3.8k 阅读 ·

大模型引用 2 次

本内容遵循CC 4.0 BY-SA版权协议

笨笨sg

关注

标签

#面试考点——线性代数篇 #保研 #推免 #面试

分类人工智能

于 2024-06-15 17:44:59 首次发布

保研复习——线性代数篇专栏收录该内容

8 篇文章

订阅专栏

本笔记是对李永乐《线性代数辅导讲义》中各章节涉及的基础知识进行整理。本笔记主要用以应对夏令营面试中可能会问到的线性代数方面的问题，比较泛泛而谈，如果您对这些内容感兴趣，建议参考原书。大佬可自行绕路

更多章节内容参见：保研复习——线性代数篇-CSDN博客

关于笔试的内容可以参见上述链接中每个章节的经典例题部分。

1）什么是矩阵的秩，满秩代表什么？不满秩呢？

1）齐次线性方程组Ax=0有解的条件是什么？

2）非齐次线性方程组Ax=b有解的条件是什么？

3）线性方程组中基础解系的含义是啥？其包含的线性无关的解向量个数如何确定？

第5章特征值与特征向量

1）什么是相似矩阵？什么是正定矩阵？

2）矩阵的特征值与特征向量有什么关系？特征值特征向量的含义和作用？

第6章二次型

1）什么是合同矩阵？

2）什么是正定矩阵？什么是半正定矩阵？

3）如何判断两个同型矩阵 A , B 是否等价、相似、合同呢？

参考文献：

第1章行列式

1）行列式的几何意义是啥？

行列式就是在给定一组基下，N个向量张成的一个N维广义四边形的体积。2阶行列式代表的是平面内的面积；3阶行列式自然而然就是3维空间内的体积；4阶行列式是4维空间里的超体积。

若行列式为0，意味着矩阵的秩小于0，相当于这个多面体的体积在 𝑛 维空间中坍缩为0。

2）简单叙述一下行列式的计算方法

数字型：

公式法
递推法
三角化法

抽象型：

用行列式性质
用矩阵性质（范德蒙行列式）
用特征值

3）使用什么法则求解线性方程组？

克拉默法则

第2章矩阵

1）什么是矩阵的秩，满秩代表什么？不满秩呢？

关于矩阵的秩的理解，可以包含以下三种：

线性无关行/列向量的最大数目；
行空间或者列空间的维数；
最大非零子式的阶数。

满秩的矩阵的所有行或列都是线性独立的，行列式不为零。

不满秩代表矩阵中存在线性相关的行或列。

2）什么是向量正交？什么是矩阵正交？

向量正交：如果两个向量的点积为零，那么这两个向量就是正交的，正交的向量在空间中是垂直的。

矩阵正交：如果一个矩阵的行向量和列向量都是单位向量，并且它们之间两两正交，那么这个矩阵就是正交矩阵，正交矩阵的行和列都是正交的单位向量。

3）什么是张量？张量与矩阵有什么区别？

张量：张量是一个可以表示在多个维度上的数据的数学对象。在物理和数学中，张量经常被用来描述复杂的关系，如物体的形状和方向。

与矩阵的区别：

维度：矩阵是二维的，而张量可以是任意维度。例如，标量是0维张量，向量是1维张量，矩阵是2维张量，以此类推。

灵活性：张量可以表示更高维度的数据，而矩阵只能表示二维数据。

应用：在深度学习和其他领域，张量用于处理和表示更复杂的数据结构，如图像、声音和文本。

4）什么是矩阵的迹？

在线性代数中，方阵A(n*n)的迹定义为对角线元素的和。

矩阵的迹表示的是特征值的和，它不随基的变化而变化

5）什么是奇异矩阵？

奇异矩阵是线性代数的概念，就是对应的行列式等于0的矩阵，反之则为非奇异矩阵。

首先，看这个矩阵是不是方阵（即行数和列数相等的矩阵。若行数和列数不相等，那就谈不上奇异矩阵和非奇异矩阵）。

然后，再看此矩阵的行列式|A|是否等于0，若等于0，称矩阵A为奇异矩阵；若不等于0，称矩阵A为非奇异矩阵。

同时，由|A|≠0可知矩阵A可逆，这样可以得出另外一个重要结论:可逆矩阵就是非奇异矩阵，非奇异矩阵也是可逆矩阵。如果A为奇异矩阵，则AX=0有无穷解，AX=b有无穷解或者无解。如果A为非奇异矩阵，则AX=0有且只有唯一零解，AX=b有唯一解。

6）什么是正交矩阵？

7）矩阵分解的方法有哪些？

LU分解

Cholesky分解

QR分解

特征值分解（EVD）及奇异值分解（SVD）

第3章 n维向量

1）什么是线性相关？什么是线性无关？

线性相关：如果一个向量组中的某个向量可以表示为其他向量的线性组合，那么这个向量组就被称为线性相关的。换句话说，存在不全为零的系数，使得这些系数与向量组的线性组合为零向量。

线性无关：如果一个向量组中的任何向量都不能表示为其他向量的线性组合，那么这个向量组就被称为线性无关的。换句话说，唯一的系数使得这些系数与向量组的线性组合为零向量是全为零的系数。

2）什么是向量空间？什么是线性空间？

向量空间和线性空间是同一个概念，只是名称不同。

向量空间/线性空间：是一个集合，其中的元素叫做向量，这些向量可以进行加法和标量乘法运算，并满足一系列的数学性质（如交换律、结合律等）。简单来说，它是一个可以进行向量加法和标量乘法的向量集合。

3）

第4章线性方程组

1）齐次线性方程组Ax=0有解的条件是什么？

若所有变量的值都取0，则满足等式条件，所以齐次线性方程组必有0解。

若r(A)<变元数（列数），有无穷多解；

若r(A)=变元数（列数），有唯一解，这个唯一解就是0。

2）非齐次线性方程组Ax=b有解的条件是什么？

当 $r(A) = r(\overline{A})$ 时，方程组才有解；若两者不等时，方程组无解；

两者相等的情况下：

若r(A)<变元数（列数，不包含b列），有无穷多解；

若r(A)=变元数（列数，不包含b列），有唯一解。

3）线性方程组中基础解系的含义是啥？其包含的线性无关的解向量个数如何确定？

具体来说，基础解系指的是齐次线性方程组的所有解中线性无关的基本解向量的集合，它可以用来表达所有可能的解。

第5章特征值与特征向量

1）什么是相似矩阵？什么是正定矩阵？

2）矩阵的特征值与特征向量有什么关系？特征值特征向量的含义和作用？

矩阵的特征值和特征向量是矩阵的重要性质。特征向量是指在矩阵变换下，仅被伸缩而不改变方向的向量。特征值是对应于特征向量的标量，它表示在该方向上的伸缩倍数。

一个特征值可能对应多个特征向量，一个特征向量只能属于一个特征值；
属于不同特征值的特征向量一定线性无关；
设λ是n阶方阵A的一个k重特征值（λ为特征方程的k重根），对应于λ的线性无关的特征向量的最大个数为l，则k≥l，即特征值λ的代数重数不小于几何重数。

更具体地说，如果 A 是一个 n×n 的矩阵，那么一个非零向量 v 是 A 的一个特征向量，当且仅当存在一个标量 λ 使得 Av=λv。这个标量 λ 就是 v 对应的特征值。

它们可以用于解决许多问题，例如求解微分方程、计算矩阵的幂等等。

第6章二次型

1）什么是合同矩阵？

2）什么是正定矩阵？什么是半正定矩阵？

前提：矩阵是对称的

正定矩阵的所有特征值大于零

各阶主子式大于零

3）如何判断两个同型矩阵 A , B 是否等价、相似、合同呢？

如何判断两个同型矩阵 A , B 是否等价呢？
给出判别法：若 r(A)=r(B) ，则矩阵 A , B 等价。

如何判断两个 n 阶矩阵 A , B 是否相似呢？
给出判别法：若 A , B 的特征值相同且 A , B 均可以相似对角化，则矩阵 A , B 相似。

如何判断两个实对称矩阵 A , B 是否合同呢？
给出判别法：A , B 的正、负、零特征值个数相同。

从判别法可以看出，等价只要求两个矩阵的秩相同；而相似除秩相同外，还需要保证两个矩阵的行列式、迹、特征值、特征多项式也相同；合同则除秩相等外，还需保证其正、负、零特征值个数对应相同。