线性代数公式定理综合
线性代数重要公式、定理大全
1、行列式1. n 行列式共有2n 个元素，展开后有!n 项，可分解为2n 行列式；2. 代数余子式的性质：①、ij A 和ij a 的大小无关；②、某行（列）的元素乘以其它行（列）元素的代数余子式为0； ③、某行（列）的元素乘以该行（列）元素的代数余子式为A ； 3. 代数余子式和余子式的关系：(1)(1)i j i j ij ij ij ijM A A M ++=-=-4. 设n 行列式D ：将D 上、下翻转或左右翻转，所得行列式为1D ，则(1)21(1)n n D D -=-；(1)22(1)n n D D -=-将D 顺时针或逆时针旋转90，所得行列式为2D ，则； 将D 主对角线翻转后（转置），所得行列式为3D ，则3D D =； 将D 主副角线翻转后，所得行列式为4D ，则4D D =； 5. 行列式的重要公式：①、主对角行列式：主对角元素的乘积；②、副对角行列式：副对角元素的乘积(1)2(1)n n -⨯ -；③、上、下三角行列式（ = ◥◣）：主对角元素的乘积； ④、 ◤和 ◢：副对角元素的乘积(1)2(1)n n -⨯ -；⑤、拉普拉斯展开式：A O A C A BCB O B==、(1)m n CA OA A BB OB C==-⑥、范德蒙行列式：大指标减小指标的连乘积； ⑦、特征值；6. 对于n 阶行列式A ，恒有：1(1)nnk n k k k E A S λλλ-=-=+-∑，其中k S 为k 阶主子式；7. 证明0A =的方法：①、A A =-； ②、反证法；③、构造齐次方程组0Ax =，证明其有非零解； ④、利用秩，证明()r A n <； ⑤、证明0是其特征值；2、矩阵1.A 是n 阶可逆矩阵：⇔0A ≠（是非奇异矩阵）；⇔()r A n =（是满秩矩阵） ⇔A 的行（列）向量组线性无关； ⇔齐次方程组0Ax =有非零解； ⇔n b R ∀∈，Ax b =总有唯一解； ⇔A 与E 等价；⇔A 可表示成若干个初等矩阵的乘积；⇔A 的特征值全不为0； ⇔T A A 是正定矩阵；⇔A 的行（列）向量组是n R 的一组基； ⇔A 是n R 中某两组基的过渡矩阵；2. 对于n 阶矩阵A ：**AA A A A E == 无条件恒成立；3.1**111**()()()()()()T T T T A A A A A A ----=== ***111()()()T T TAB B A AB B A AB B A ---===4. 矩阵是表格，推导符号为波浪号或箭头；行列式是数值，可求代数和；5. 关于分块矩阵的重要结论，其中均A 、B 可逆：若12s A A A A ⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭，则： Ⅰ、12s A A A A =；Ⅱ、111121s A A A A ----⎛⎫ ⎪⎪= ⎪ ⎪ ⎪⎝⎭； ②、111A O A O O B O B ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭；（主对角分块） ③、111O A O B B O A O ---⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭；（副对角分块） ④、11111A C A A CB O B OB -----⎛⎫-⎛⎫=⎪ ⎪⎝⎭⎝⎭；（拉普拉斯） ⑤、11111A O A O C B B CAB -----⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭；（拉普拉斯） 3、矩阵的初等变换与线性方程组1. 一个m n ⨯矩阵A ，总可经过初等变换化为标准形，其标准形是唯一确定的：rm nEO F OO ⨯⎛⎫= ⎪⎝⎭； 等价类：所有与A 等价的矩阵组成的一个集合，称为一个等价类；标准形为其形状最简单的矩阵；对于同型矩阵A 、B ，若()()r A r B A B = ⇔ ； 2. 行最简形矩阵：①、只能通过初等行变换获得；②、每行首个非0元素必须为1；③、每行首个非0元素所在列的其他元素必须为0；3. 初等行变换的应用：（初等列变换类似，或转置后采用初等行变换）①、若(,)(,)rA E E X ，则A 可逆，且1X A -=；②、对矩阵(,)A B 做初等行变化，当A 变为E 时，B 就变成1A B -，即：1(,)(,)cA B E A B - ~ ；③、求解线形方程组：对于n 个未知数n 个方程Ax b =，如果(,)(,)rA b E x ，则A 可逆，且1x A b -=； 4. 初等矩阵和对角矩阵的概念：①、初等矩阵是行变换还是列变换，由其位置决定：左乘为初等行矩阵、右乘为初等列矩阵；②、12n ⎛⎫⎪⎪Λ= ⎪ ⎪⎝⎭λλλ，左乘矩阵A ，i λ乘A 的各行元素；右乘，iλ乘A 的各列元素；③、对调两行或两列，符号(,)E i j ，且1(,)(,)E i j E i j -=，例如：1111111-⎛⎫⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭；④、倍乘某行或某列，符号(())E i k ，且11(())(())E i k E i k -=，例如：1111(0)11k k k -⎛⎫⎛⎫⎪⎪⎪=≠ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭； ⑤、倍加某行或某列，符号(())E ij k ,且1(())(())E ij k E ij k -=-，如：11111(0)11k k k --⎛⎫⎛⎫ ⎪ ⎪=≠ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭；5. 矩阵秩的基本性质：①、0()min(,)m n r A m n ⨯≤≤；②、()()T r A r A =； ③、若AB ，则()()r A r B =；④、若P 、Q 可逆，则()()()()r A r PA r AQ r PAQ ===；（可逆矩阵不影响矩阵的秩） ⑤、max((),())(,)()()r A r B r A B r A r B ≤≤+；（※） ⑥、()()()r A B r A r B +≤+；（※） ⑦、()min((),())r AB r A r B ≤；（※）⑧、如果A 是m n ⨯矩阵，B 是n s ⨯矩阵，且0AB =，则：（※） Ⅰ、B 的列向量全部是齐次方程组0AX =解（转置运算后的结论）；Ⅱ、()()r A r B n +≤⑨、若A 、B 均为n 阶方阵，则()()()r AB r A r B n ≥+-；6. 三种特殊矩阵的方幂：①、秩为1的矩阵：一定可以分解为列矩阵（向量）⨯行矩阵（向量）的形式，再采用结合律；②、型如101001a c b ⎛⎫ ⎪⎪ ⎪⎝⎭的矩阵：利用二项展开式；二项展开式：01111110()nnnn m n mmn n n nm m n mnnnnnn m a b C a C a b C ab Ca bC b C a b -----=+=++++++=∑；注：Ⅰ、()n a b +展开后有1n +项；Ⅱ、0(1)(1)!1123!()!--+====-m n n n n n n n m n C C C m m n mⅢ、组合的性质：111102---+-===+==∑nmn m mm m r nr r nnn n nnn n r C C CC CCrC nC ；③、利用特征值和相似对角化： 7. 伴随矩阵：①、伴随矩阵的秩：*()()1()10()1nr A n r A r A n r A n = ⎧⎪==-⎨⎪<-⎩；②、伴随矩阵的特征值：*1*(,)AAAX X A A A A X X λλλ- == ⇒ =；③、*1A A A -=、1*n A A-=8. 关于A 矩阵秩的描述：①、()r A n =，A 中有n 阶子式不为0，1n +阶子式全部为0；（两句话）②、()r A n <，A 中有n 阶子式全部为0； ③、()r A n ≥，A 中有n 阶子式不为0；9. 线性方程组：Ax b =，其中A 为m n ⨯矩阵，则：①、m 与方程的个数相同，即方程组Ax b =有m 个方程；②、n 与方程组得未知数个数相同，方程组Ax b =为n 元方程； 10. 线性方程组Ax b =的求解：①、对增广矩阵B 进行初等行变换（只能使用初等行变换）；②、齐次解为对应齐次方程组的解； ③、特解：自由变量赋初值后求得；11. 由n 个未知数m 个方程的方程组构成n 元线性方程：①、11112211211222221122n n n n m m nm n n a x a x a x b a x a x a x b a x a x a x b +++= ⎧⎪+++= ⎪⎨⎪⎪+++=⎩；②、1112111212222212n n m m mn m m a a a x b a a a x b Ax b a a a x b ⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪⎪ ⎪=⇔= ⎪⎪ ⎪⎪⎪ ⎪⎝⎭⎝⎭⎝⎭（向量方程，A 为m n ⨯矩阵，m 个方程，n 个未知数） ③、()1212n n x x a a a x β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭（全部按列分块，其中12n b b b β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭）； ④、1122n n a x a x a x β+++=（线性表出）⑤、有解的充要条件：()(,)r A r A n β=≤（n 为未知数的个数或维数）4、向量组的线性相关性1.m 个n 维列向量所组成的向量组A ：12,,,m ααα构成n m ⨯矩阵12(,,,)m A =ααα；m 个n 维行向量所组成的向量组B ：12,,,T TTmβββ构成m n ⨯矩阵12T T T m B βββ⎛⎫⎪ ⎪= ⎪ ⎪ ⎪⎝⎭； 含有有限个向量的有序向量组与矩阵一一对应；2. ①、向量组的线性相关、无关 0Ax ⇔=有、无非零解；（齐次线性方程组）②、向量的线性表出 Ax b ⇔=是否有解；（线性方程组） ③、向量组的相互线性表示 是否有AX B ⇔=解；（矩阵方程）3. 矩阵m n A ⨯与l n B ⨯行向量组等价的充分必要条件是：齐次方程组0Ax =和0Bx =同解；(101P 例14)4. ()()T r A A r A =；(101P 例15)5.n 维向量线性相关的几何意义：①、α线性相关⇔0α=； ②、,αβ线性相关 ⇔,αβ坐标成比例或共线（平行）；③、,,αβγ线性相关 ⇔,,αβγ共面；6. 线性相关与无关的两套定理：若12,,,s ααα线性相关，则121,,,,s s αααα+必线性相关；若12,,,s ααα线性无关，则121,,,s ααα-必线性无关；（向量的个数加加减减，二者为对偶）若r 维向量组A 的每个向量上添上n r -个分量，构成n 维向量组B ：若A 线性无关，则B 也线性无关；反之若B 线性相关，则A 也线性相关；（向量组的维数加加减减） 简言之：无关组延长后仍无关，反之，不确定；7. 向量组A （个数为r ）能由向量组B （个数为s ）线性表示，且A 线性无关，则r s ≤(二版74P 定理7)；向量组A 能由向量组B 线性表示，则()()r A r B ≤；（86P 定理3） 向量组A 能由向量组B 线性表示AX B ⇔=有解； ()(,)r A r A B ⇔=（85P 定理2）向量组A 能由向量组B 等价()()(,)r A r B r A B ⇔ ==（85P 定理2推论）8. 方阵A 可逆⇔存在有限个初等矩阵12,,,l P P P ，使12l A P P P =；①、矩阵行等价：~rA B PA B ⇔=（左乘，P 可逆）0Ax ⇔=与0Bx =同解②、矩阵列等价：~cA B AQ B ⇔=（右乘，Q 可逆）； ③、矩阵等价：~A B PAQ B ⇔=（P 、Q 可逆）； 9.对于矩阵m n A ⨯与l n B ⨯：①、若A 与B 行等价，则A 与B 的行秩相等；②、若A 与B 行等价，则0Ax =与0Bx =同解，且A 与B 的任何对应的列向量组具有相同的线性相关性； ③、矩阵的初等变换不改变矩阵的秩； ④、矩阵A 的行秩等于列秩； 10.若m s s n m n A B C ⨯⨯⨯=，则：①、C 的列向量组能由A 的列向量组线性表示，B 为系数矩阵； ②、C 的行向量组能由B 的行向量组线性表示，T A 为系数矩阵；（转置）11.齐次方程组0Bx =的解一定是0ABx =的解，考试中可以直接作为定理使用，而无需证明； ①、0ABx = 只有零解0Bx ⇒ =只有零解；②、0Bx = 有非零解0ABx ⇒ =一定存在非零解；12. 设向量组12:,,,n r r B b b b ⨯可由向量组12:,,,n s s A a a a ⨯线性表示为：（110P 题19结论）1212(,,,)(,,,)r s b b b a a a K =（B AK =）其中K 为s r ⨯，且A 线性无关，则B 组线性无关()r K r ⇔=；（B 与K 的列向量组具有相同线性相关性） （必要性：()()(),(),()r r B r AK r K r K r r K r ==≤≤∴=；充分性：反证法）注：当r s =时，K 为方阵，可当作定理使用；13. ①、对矩阵m n A ⨯，存在n m Q ⨯，m AQ E = ()r A m ⇔=、Q 的列向量线性无关；（87P ） ②、对矩阵m n A ⨯，存在n m P ⨯，n PA E = ()r A n ⇔=、P 的行向量线性无关； 14. 12,,,s ααα线性相关⇔存在一组不全为0的数12,,,s k k k ，使得11220s s k k k ααα+++=成立；（定义）⇔1212(,,,)0s s x xx ααα⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭有非零解，即0Ax =有非零解；⇔12(,,,)s r s ααα<，系数矩阵的秩小于未知数的个数；15. 设m n ⨯的矩阵A 的秩为r ，则n 元齐次线性方程组0Ax =的解集S 的秩为：()r S n r =-；16. 若*η为Ax b =的一个解，12,,,n r ξξξ-为0Ax =的一个基础解系，则*12,,,,n r ηξξξ-线性无关；（111P 题33结论）5、相似矩阵和二次型1. 正交矩阵T A A E ⇔=或1T A A -=（定义），性质：①、A 的列向量都是单位向量，且两两正交，即1(,1,2,)0T i j i j a a i j n i j=⎧==⎨≠⎩；②、若A 为正交矩阵，则1T A A -=也为正交阵，且1A =±； ③、若A 、B 正交阵，则AB 也是正交阵； 注意：求解正交阵，千万不要忘记施密特正交化和单位化； 2. 施密特正交化：12(,,,)r a a a11b a =；1222111[,][,]b a b a b b b =-121121112211[,][,][,][,][,][,]r r r r r r r r r b a b a b a b a b b b b b b b b b ----=----;3. 对于普通方阵，不同特征值对应的特征向量线性无关；对于实对称阵，不同特征值对应的特征向量正交； 4. ①、A 与B 等价 ⇔A 经过初等变换得到B ；⇔=PAQ B ，P 、Q 可逆； ()()⇔=r A r B ，A 、B 同型；②、A 与B 合同 ⇔=T C AC B ，其中可逆； ⇔T x Ax 与T x Bx 有相同的正、负惯性指数； ③、A 与B 相似 1-⇔=P AP B ； 5. 相似一定合同、合同未必相似；若C 为正交矩阵，则T C AC B =⇒A B ，（合同、相似的约束条件不同，相似的更严格）； 6. A 为对称阵，则A 为二次型矩阵； 7. n 元二次型T x Ax 为正定：A ⇔的正惯性指数为n ；A ⇔与E 合同，即存在可逆矩阵C ，使T C AC E =； A ⇔的所有特征值均为正数； A ⇔的各阶顺序主子式均大于0；0,0ii a A ⇒>>；(必要条件)。
线性代数性质公式整理
线性代数第一章行列式一、相关概念1.行列式——n阶行列式是所有取自不同行不同列的n个元素的乘积的代数和，这里 是1，2，·n的一个排列。
当 是偶排列时，该项的前面带正号；当 是奇排列时，该项的前面带负号，即(1.1)这里表示对所有n阶排列求和。
式(1.1)称为n阶行列式的完全展开式。
2.逆序与逆序数——一个排列中，如果一个大的数排列在小的数之前，就称这两个数构成一个逆序。
一个排列的逆序总是称为这个排列的逆序数。
用 表示排列 的逆序数。
3.偶排列与奇排列——如果一个排列的逆序数是偶数，则称这个排列为偶排列，否则称为奇排列。
4.2阶与3阶行列式的展开—— ，5.余子式与代数余子式——在n阶行列式中划去 所在的第i行，第j列的元素，剩下的元素按原来的位置排法构成的一个n-1阶的行列式称为 的余子式，记为 ；称为 的代数余子式，记为 ，即 。
6.伴随矩阵——由矩阵A的行列式|A|所有的代数余子式所构成的形如，称为A的伴随矩阵，记作 。
二、行列式的性质1.经过转置行列式的值不变，即→行列式行的性质与列的性质是对等的。
2.两行互换位置，行列式的值变号。
特别地，两行相同(或两行成比例)，行列式的值为0.3.某行如有公因子k，则可把k提出行列式记号外。
4.如果行列式某行(或列)是两个元素之和，则可把行列式拆成两个行列式之和：5.把某行的k倍加到另一行，行列式的值不变：6.代数余子式的性质——行列式任一行元素与另一行元素的代数余子式乘积之和为0三、行列式展开公式n阶行列式的值等于它的任何一行(列)元素，与其对应的代数余子式乘积之和，即|A|按i行展开的展开式|A|按j列展开的展开式四、行列式的公式1.上(下)三角形行列式的值等于主对角线元素的乘积；2.关于副对角线的n阶行列式的值3.两个特殊的拉普拉斯展开式：如果A和B分别是m阶和n阶矩阵，则4.范德蒙行列式5.抽象n阶方阵行列式公式 (矩阵)若A、B都是n阶矩阵，是A的伴随矩阵，若A可逆，是A的特征值：；； |AB|=|A||B|；；；；若 ，则，且特征值相同。
考研数学线代定理公式汇总
考研数学线代定理公式汇总1.行列式定理:(1) 行列式的值不变性: 对于可逆矩阵A，有det(AB) =det(A)det(B)。
(2)若存在行(列)线性相关，则行列式为0。
(3)拉普拉斯定理:对于n阶行列式，可以通过余子式展开得到。
2.线性方程组定理:(1)线性方程组存在唯一解的充要条件是系数矩阵的秩等于方程组的未知数个数，并且扩展矩阵的秩等于系数矩阵的秩。
(2)齐次线性方程组存在非零解的充要条件是系数矩阵的秩小于方程组的未知数个数。
(3)利用矩阵的逆可以求解非齐次线性方程组。
3.矩阵定理:(1)矩阵的秩等于其非零特征值的个数。
(2)若矩阵A可对角化，则A与其相似矩阵具有相同的特征值。
(3)奇异值分解定理:对于任意矩阵A，都可以分解成奇异值分解形式:A=UΣV^T，其中U和V是正交矩阵，Σ是对角矩阵。
4.向量空间定理:(1)向量组的线性相关性可以通过列向量组的秩判断，如果秩小于向量个数，则线性相关。
(2)向量组的秩等于向量组的极大线性无关组的向量个数。
(3) rank(A^T) = rank(A)，其中A是矩阵。
(4)若A和B是可逆矩阵，则(A^T)^-1=(A^-1)^T。
5.特征值与特征向量定理:(1)特征值方程的根为矩阵的特征值。
(2)若特征值λ是矩阵A的特征值，对应的特征向量组成的集合是由矩阵A-λI的零空间生成的。
(3)矩阵A相似于对角矩阵的充要条件是A有n个线性无关的特征向量。
以上是一些常见的数学线性代数定理和公式的汇总，希望对您的学习有所帮助。
当然，线性代数的内容还是比较广泛的，还有很多其他的定理和公式，如矩阵行列式的性质、特征值与特征向量的性质、矩阵的幂等性等。
如果您对这个话题有更深入的了解需求，可以提出具体的问题，我将尽力回答。
线性代数重要公式
线性代数重要公式在线性代数中，有许多重要的公式和定理，它们在解决线性方程组、矩阵运算、向量空间等问题中起到了关键作用。
接下来我们将介绍一些线性代数中的重要公式。
1.矩阵乘法的结合律：对于任意矩阵A、B和C，满足大小相容时，有(A·B)·C=A·(B·C)。
2.矩阵乘法的分配律：对于任意矩阵A、B和C，满足大小相容时，有A·(B+C)=A·B+A·C。
3.矩阵的转置：对于任意矩阵A，有(A^T)^T=A，其中A^T表示A的转置矩阵。
4.矩阵的转置与乘法：若A和B是满足乘法规则的矩阵，那么有(A·B)^T=B^T·A^T。
5.矩阵的逆：对于n阶方阵A，若存在逆矩阵A^-1，使得A·A^-1=A^-1·A=I，那么称A是可逆矩阵。
6.矩阵的伴随矩阵：对于n阶方阵A，将其每个元素的代数余子式组成的矩阵A*称为A的伴随矩阵。
7.克拉默法则：对于n个线性方程和n个未知数的线性方程组，如果行列式的值不为0，则该方程组存在唯一解，可以通过克拉默法则求解。
8.行列式的性质：-互换行列式的两行（列），行列式的值变号；-将行列式的行（列）乘以一个非零常数k，行列式的值变为原来的k 倍；-将行列式的行（列）加上另一行（列）的k倍，行列式的值不变。
9.矩阵的行列式和转置：对于矩阵A，有，A^T，=，A。
10.矩阵的秩：对于任意矩阵A，定义A的秩为矩阵A的行或列向量组的最大线性无关组中所含向量的个数。
11.矩阵的特征值和特征向量：对于n阶矩阵A，如果存在非零向量x，使得Ax=λx，其中λ是常数，那么称λ为矩阵A的特征值，x为对应的特征向量。
12.特征多项式和特征方程：对于n阶矩阵A，定义特征多项式为f(λ)=，λI-A，其中I为n阶单位矩阵。
将特征多项式f(λ)=0得到的方程称为特征方程。
13.矩阵的相似：对于n阶矩阵A和B，如果存在可逆矩阵P，使得P^-1AP=B，则称A 和B是相似的。
线性代数全公式 线性代数公式定理总结
基本运算①A + B =B +A② (A + B )+C =A +(B +C )③ c(A + B )=cA +cB (c + d A = cA +dA ④ c(dA )=(cd A⑤cA = 0二 c=0或 A=0。
(ATT=A(A±B y =A T±B T(cA T = C (A T L (AB T =B TA TT(n (n —1)"21)=C j = n (n ~1)2逆值变A 」CA =cnCt , P l + P 2, 丫=P i,Y y p 2,YA =©1,^2,^3 ), 3 阶矩阵B =(3l, 02,卩3 )A +B | H |A +|B |线性代数全公式B+ P l ®2 +P 233+P 3D = a21A21 + a22A2^^a2n A Zn转置值不变A T=AA +B =(%+ P l,% +6,03 +P 3)E(i,j(c)“1I有关乘法的基本运算C ij =a ii b ij +a i2b2j + …+a in b nj线性性质(A t + 民B=A1B +A2B ,A(Bi + B2 )= AB i + AB2 (cAB =c(AB )= A(cB )结合律(AB C = A(BC )(AB T =B T A TAB| =|A|B.k .l . k +A A =A(A k} A kl（AB （=A k B k不一定成立!A(kE )= kA , (kE A = kAAB = E u BA = E与数的乘法的不同之处（AB；= A k B k不一定成立!无交换律因式分解障碍是交换性一个矩阵A的每个多项式可以因式分解，例如2A —2A-3E =(A—3E )(A + E )无消去律（矩阵和矩阵相乘）当AB = 0时口A = 0或B=0由AH0和AB =0= B=0由AH0时AB=ACx B=C （无左消去律）特别的设A可逆，则A 有消去律。
线性代数公式总结大全
线性代数公式总结大全在线性代数中，有许多重要的公式被广泛应用于向量、矩阵和线性方程组的求解。
下面将对这些公式进行一个全面的总结，并说明它们的应用。
1. 向量的加法和减法- 向量加法：给定两个向量A和B，其加法可以表示为A + B = C，其中C的每个分量等于A和B对应分量的和。
- 向量减法：给定两个向量A和B，其减法可以表示为A - B = C，其中C的每个分量等于A和B对应分量的差。
2. 向量的数量积和向量积- 数量积：给定两个向量A和B，其数量积可以表示为A · B = |A| |B| cosθ，其中|A|和|B|分别表示向量A和B的模长，θ表示两个向量的夹角。
- 向量积：给定两个向量A和B，其向量积可以表示为A × B = |A| |B| sinθ * n，其中|A|和|B|分别表示向量A和B的模长，θ表示两个向量的夹角，n是垂直于A和B所在平面的单位向量。
3. 矩阵的基本运算- 矩阵加法：给定两个矩阵A和B，其加法可以表示为A + B = C，其中C的每个元素等于A和B对应元素的和。
- 矩阵减法：给定两个矩阵A和B，其减法可以表示为A - B = C，其中C的每个元素等于A和B对应元素的差。
- 矩阵数乘：给定一个矩阵A和一个标量k，其数乘可以表示为kA = B，其中B的每个元素等于A对应元素乘以k。
4. 矩阵的乘法- 矩阵乘法：给定两个矩阵A和B，其乘法可以表示为AB = C，其中矩阵C的元素等于A的行向量与B的列向量的数量积。
- 矩阵转置：给定一个矩阵A，其转置可以表示为A^T，其中A^T的第i行第j列元素等于A的第j行第i列元素。
- 矩阵的逆：给定一个可逆矩阵A，其逆可以表示为A^−1，其中AA^−1 = I，I是单位矩阵。
5. 线性方程组的解法- 列主元消去法：通过消去矩阵A的部分元素，将其转化为上三角矩阵，然后通过回代法求解线性方程组的解。
- 伴随矩阵法：利用矩阵的伴随矩阵和行列式的性质求解线性方程组的解。
线性代数全公式_线性代数公式定理总结
线性代数全公式基本运算①A B B A +=+②()()C B A C B A ++=++③()cB cA B A c +=+ ()dA cA A d c +=+ ④()()A cd dA c =⑤00=⇔=c cA 或0=A 。
()A A TT=()TT TB A B A ±=±()()T TA c cA =。
()TT TA B AB =()()()212112-==-n n C n n n τn n A a A a A a D 2222222121+++=转置值不变A A T = 逆值变AA11=- A c cA n =γβαγβαγββα,,,,,,2121+=+()321,,ααα=A ，3阶矩阵 ()321,,βββ=B B A B A +≠+()332211,,βαβαβα+++=+B A332211,,βαβαβα+++=+B A B A B A B A =*=*00()()1,=c j i E有关乘法的基本运算nj in j i j i ij b a b a b a C +++= 2211 线性性质 ()B A B A B A A 2121+=+， ()2121AB AB B B A +=+ ()()()cB A AB c B cA == 结合律 ()()BC A C AB =()TT TA B AB =B A AB =l k l k A A A += ()kl lkA A =()kk kB A AB =不一定成立！A AE =，A EA =()kA kE A =，()kA A kE =E BA E AB =⇔=与数的乘法的不同之处()kk kB A AB =不一定成立！无交换律 因式分解障碍是交换性一个矩阵A 的每个多项式可以因式分解，例如 ()()E A E A E A A +-=--3322无消去律（矩阵和矩阵相乘） 当0=AB 时0=⇒/A 或0=B 由0≠A 和00=⇒/=B AB由0≠A 时C B AC AB =⇒/=（无左消去律） 特别的 设A 可逆，则A 有消去律。
线性代数公式定理大全 精简版
与正交 ( , ) 0 .
是单位向量 ( , ) 1.
√ 内积的性质： ① 正定性： ( , ) 0, 且( , ) 0
② 对称性： ( , ) ( , )
③ 双线性： ( , 1 2 ) ( , 1) ( , 2 ) (1 2, ) (1, ) (2, ) (c, ) (c, ) (, c )
4
线性代数公式定理大全（精简版）
19 若两个线性无关的向量组等价,则它们包含的向量个数相等.
20 若 A 是 m n 矩阵,则 r(A) min m, n ,若 r( A) m ， A 的行向量线性无关；
若 r(A) n ， A 的列向量线性无关,即：
1,2 ,, n 线性无关.
线性方程组的矩阵式 Ax
√ 上三角阵、下三角阵、对角阵的特征值就是主对角线上的 n 各元素. √ 若 A 0 ,则 0 为 A 的特征值,且 Ax 0 的基础解系即为属于 0 的线性无关的特征向量.
√ 行列式的计算：
A ① 若 A与B 都是方阵（不必同阶）,则 B
A A B B
A
(1)mn
A
B
AB
B
②上三角、下三角行列式等于主对角线上元素的乘积.
③关于副对角线：
a2n1
a1n
a2n1
a1n
n ( n1)
(1) 2
a1na2n an1
an1
an1
√ 逆矩阵的求法:
① A1 A A
一. 11 矩阵的行向量组的秩等于列向量组的秩.
阶梯形矩阵的秩等于它的非零行的个数. 12 矩阵的行初等变换不改变矩阵的秩,且不改变列向量间的线性关系.
矩阵的列初等变换不改变矩阵的秩,且不改变行向量间的线性关系.
线性代数公式定理总结
线性代数公式定理总结线性代数是一门研究向量空间及其线性映射与线性变换的数学学科，涉及了许多重要的公式和定理。
本文将对线性代数中的关键公式和定理进行总结，以帮助读者更深入地理解线性代数的基本概念和原理。
一、向量的基本性质和运算公式1. 向量空间的定义：向量空间是一个基于域上的向量集合，在满足一定性质（如封闭性、加法交换律等）的条件下进行线性组合和标量乘法运算。
2. 向量的加法和数乘：对于向量a和b，有加法公式a+b=b+a和数乘公式c(a+b) = ca + cb。
3. 零向量的性质：对于任意向量a，有a + 0 = a，其中0为零向量。
4. 向量的负向量：对于向量a，存在一个向量-b使得a + (-b) = 0。
5. 向量的数量积：向量a和b的数量积（内积）表示为a·b =||a|| ||b|| cosθ，其中||a||和||b||分别为向量a和b的模长，θ为a和b之间的夹角。
6. 内积的性质：内积满足加法性、齐次性、对称性和正定性等性质，如对于向量a，b和c，有a·(b + c) = a·b + a·c。
二、线性方程组和矩阵运算公式1. 线性方程组的标准形式：线性方程组可以表示为AX = B的形式，其中A为系数矩阵，X为未知变量向量，B为常数向量。
2. 线性方程组的解的存在性和唯一性：线性方程组的解存在并且唯一当且仅当系数矩阵A的秩等于常数向量B的秩。
3. 矩阵的乘法和转置：对于矩阵A和B，有乘法公式AB ≠ BA，矩阵转置的性质(A^T)^T = A和(AB)^T = B^T A^T。
4. 逆矩阵的性质：对于方阵A，若存在逆矩阵A^{-1}使得AA^{-1} = A^{-1}A = I，其中I为单位矩阵，则称A为可逆矩阵。
5. 逆矩阵的求解：对于方阵A，若A可逆，则可以使用伴随矩阵求解逆矩阵A^{-1} = (1/ det(A)) adj(A)。
6. 矩阵的行列式和性质：矩阵的行列式表示为det(A)，满足交换行列式的值不变、对角矩阵的行列式等于对角线元素的乘积等性质。
线性代数性质定理公式全总结-3
√ 初等矩阵的性质：√ 设1110()m m m m f x a x a x a x a--=++++ ，对n 阶矩阵A 规定：1110()m m m m f A a A aA a A a E --=++++ 为A 的一个多项式.√ 1231122,T A mm k kAa b aA bE A A A A A Aλλλλλλλλλλλ-*⎧⎪++⎪⎪⎨= 是的特征值则:分别有特征值 .⎪⎪⎪⎪⎪⎩√ 1231122,A mm k kAa b aA bEAx A x A A A λλλλλλλλλλ-*⎧⎪++⎪⎪⎪⎨=⎪⎪⎪⎪⎩是关于的特征向量则也是关于的特征向量. √ 2,mA A 的特征向量不一定是A 的特征向量. √ A 与TA 有相同的特征值，但特征向量不一定相同.1P AP B -= （P 为可逆矩阵） 记为：A B 1P AP B -= （P 为正交矩阵）A 与对角阵Λ相似. 记为：A Λ（称Λ是A√ A 可相似对角化⇔()i i n r E A k λ--= i k 为i λ的重数⇔A 恰有n 个线性无关的特征向量. 这时,P 为A 的特征向量拼成的矩阵，1P AP -为对角阵,主对角线上的元素为A 的特征值.设i α为对应于i λ的线性无关的特征向量,则有：121212112212(,,,)(,,,)(,,,)(,,,)n n n n n n PPA A A A λλααααααλαλαλααααλΛ⎛⎫⎪⎪===⎪ ⎪⎝⎭. ○注：当i λ=0为A 的重的特征值时，A 可相似对角化⇔iλ的重数()n r A =-= Ax ο=基础解系的个数. √ 若n 阶矩阵A 有n 个互异的特征值⇒A 可相似对角化.√ 若A 可相似对角化,则其非零特征值的个数（重根重复计算）()r A =.√ 若A Λ ⇒k A =1k P P -Λ，1211()()()()()n g g g A Pg P P P g λλλ--⎛⎫⎪⎪=Λ= ⎪ ⎪⎝⎭ √ 相似矩阵的性质：①E A E B λλ-=-,从而,A B 有相同的特征值,但特征向量不一定相同.○注x 是A 关于0λ的特征向量,1P x -是B 关于0λ的特征向量. ②A B =tr tr③A B = 从而,A B 同时可逆或不可逆 ④()()r A r B =⑤TTA B ；11A B -- （若,A B 均可逆）；**A B ⑥kkA B （k 为整数）；()()f A f B ，()()f A f B =⑦,A BA B C D C D ⎛⎫⎛⎫⇒ ⎪⎪⎝⎭⎝⎭○注前四个都是必要条件. √ 数量矩阵只与自己相似. √ 实对称矩阵的性质：① 特征值全是实数,特征向量是实向量； ② 不同特征值对应的特征向量必定正交；○注：对于普通方阵，不同特征值对应的特征向量线性无关； ③一定有n 个线性无关的特征向量.若A 有重的特征值,该特征值i λ的重数=()i n r E A λ--；④必可用正交矩阵相似对角化，即：任一实二次型可经正交变换化为标准形； ⑤与对角矩阵合同，即：任一实二次型可经可逆线性变换化为标准形； ⑥两个实对称矩阵相似⇔有相同的特征值.TAA E =√ A 为正交矩阵⇔A 的n 个行（列）向量构成n的一组标准正交基.√ 正交矩阵的性质：① 1T A A -=；② TTAA A A E ==；③ 正交阵的行列式等于1或-1；④ A 是正交阵,则TA ，1A -也是正交阵； ⑤ 两个正交阵之积仍是正交阵；⑥ A 的行（列）向量都是单位正交向量组.1211(,,,)n nTn ij iji j f x x x x Ax a x x====∑∑ ij ji a a =，即A 为对称矩阵，12(,,,)T n x x x x =T C AC B =. 记作：A B （,,A B C 为实对称矩阵为可逆矩阵）二次型的规范形中正项项数p r p -2p r - (r 为二次型的秩)√ 两个矩阵合同⇔它们有相同的正负惯性指数⇔他们的秩与正惯性指数分别相等. √ 两个矩阵合同的充分条件是：A B √ 两个矩阵合同的必要条件是：()()r A r B =√ 12(,,,)Tn f x x x x Ax = 经过正交变换合同变换可逆线性变换x Cy =化为21ni i f d y =∑√ 二次型的标准形不是唯一的,与所作的正交变换有关,但非零系数的个数是由()r A +正惯性指数负惯性指数唯一确定的.√ 当标准形中的系数i d 为-1或0或1时,√ 实对称矩阵的正（负）惯性指数等于它的正（负）特征值的个数.√ 惯性定理：任一实对称矩阵A与唯一对角阵111100⎛⎫⎪⎪⎪ ⎪- ⎪ ⎪ ⎪- ⎪⎪ ⎪ ⎪⎪⎝⎭合同. √ 用正交变换化二次型为标准形:① 求出A 的特征值、特征向量； ② 对n 个特征向量正交规范化；③ 构造C （正交矩阵）,作变换x Cy =,则1112221()()TT T T Tn n n y d y y d y Cy A Cy y C ACY y C ACY y d y -⎛⎫⎛⎫⎛⎫⎪ ⎪⎪⎪⎪⎪=== ⎪ ⎪⎪ ⎪⎪⎪⎝⎭⎝⎭⎝⎭④ 新的二次型为21ni i f d y =∑,Λ的主对角上的元素i d 即为A 的特征值.123,,ααα线性无关,112122111313233121122(,)(,)(,)(,)(,)(,)βααββαβββαβαββαββββββ=⎧⎪⎪⎪=-⎨⎪⎪=--⎪⎩正交化单位化：111βηβ=222βηβ= 333βηβ= 技巧：取正交的基础解系，跳过施密特正交化。
线性代数公式总结大全
线性代数公式1、行列式1. n 行列式共有2n 个元素，展开后有!n 项，可分解为2n 行列式；2. 代数余子式的性质：①、ij A 和ij a 的大小无关；②、某行（列）的元素乘以其它行（列）元素的代数余子式为0； ③、某行（列）的元素乘以该行（列）元素的代数余子式为A ； 3. 代数余子式和余子式的关系：(1)(1)i j i j ij ij ij ij M A A M ++=-=-4. 设n 行列式D ：将D 上、下翻转或左右翻转，所得行列式为1D ，则(1)21(1)n n D D -=-； 将D 顺时针或逆时针旋转90，所得行列式为2D ，则(1)22(1)n n D D -=-；将D 主对角线翻转后（转置），所得行列式为3D ，则3D D =；将D 主副角线翻转后，所得行列式为4D ，则4D D =； 5. 行列式的重要公式：①、主对角行列式：主对角元素的乘积；②、副对角行列式：副对角元素的乘积(1)2(1)n n -⨯ -；③、上、下三角行列式（ = ◥◣）：主对角元素的乘积； ④、 ◤和 ◢：副对角元素的乘积(1)2(1)n n -⨯ -；⑤、拉普拉斯展开式：A O A C ABC B O B ==、(1)m n C A O AA B B O B C==- ⑥、范德蒙行列式：大指标减小指标的连乘积； ⑦、特征值； 6.对于n 阶行列式A ，恒有：1(1)nn k n k k k E A S λλλ-=-=+-∑，其中k S 为k 阶主子式；7. 证明0A =的方法：①、A A =-； ②、反证法；③、构造齐次方程组0Ax =，证明其有非零解； ④、利用秩，证明()r A n <； ⑤、证明0是其特征值；2、矩阵8.A 是n 阶可逆矩阵：⇔0A ≠（是非奇异矩阵）；⇔()r A n =（是满秩矩阵） ⇔A 的行（列）向量组线性无关； ⇔齐次方程组0Ax =有非零解； ⇔n b R ∀∈，Ax b =总有唯一解；⇔A 与E 等价；⇔A 可表示成若干个初等矩阵的乘积； ⇔A 的特征值全不为0； ⇔T A A 是正定矩阵；⇔A 的行（列）向量组是n R 的一组基； ⇔A 是n R 中某两组基的过渡矩阵；9. 对于n 阶矩阵A ：**AA A A A E == 无条件恒成立； 10. 1**111**()()()()()()T T T T A A A A A A ----=== ***111()()()T T TAB B A AB B A AB B A ---===11. 矩阵是表格，推导符号为波浪号或箭头；行列式是数值，可求代数和； 12. 关于分块矩阵的重要结论，其中均A 、B 可逆：若12s A A A A ⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭，则： Ⅰ、12s A A A A =；Ⅱ、111121s A A A A ----⎛⎫ ⎪⎪= ⎪ ⎪ ⎪⎝⎭； ②、111A O A O O B O B ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭；（主对角分块） ③、111O A O B B O AO ---⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭；（副对角分块） ④、11111A C A A CB O B OB -----⎛⎫-⎛⎫=⎪ ⎪⎝⎭⎝⎭；（拉普拉斯） ⑤、11111A O A O C B B CAB -----⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭；（拉普拉斯）3、矩阵的初等变换与线性方程组13. 一个m n ⨯矩阵A ，总可经过初等变换化为标准形，其标准形是唯一确定的：rm nEO F OO ⨯⎛⎫= ⎪⎝⎭； 等价类：所有与A 等价的矩阵组成的一个集合，称为一个等价类；标准形为其形状最简单的矩阵；对于同型矩阵A 、B ，若()()r A r B A B = ⇔ ； 14. 行最简形矩阵：①、只能通过初等行变换获得；②、每行首个非0元素必须为1；③、每行首个非0元素所在列的其他元素必须为0；15. 初等行变换的应用：（初等列变换类似，或转置后采用初等行变换）①、若(,)(,)rA E E X ，则A 可逆，且1X A -=；②、对矩阵(,)A B 做初等行变化，当A 变为E 时，B 就变成1A B -，即：1(,)(,)cA B E A B - ~ ；③、求解线形方程组：对于n 个未知数n 个方程Ax b =，如果(,)(,)rA b E x ，则A 可逆，且1x A b -=； 16. 初等矩阵和对角矩阵的概念：①、初等矩阵是行变换还是列变换，由其位置决定：左乘为初等行矩阵、右乘为初等列矩阵；②、12n ⎛⎫⎪⎪Λ= ⎪ ⎪⎝⎭λλλ，左乘矩阵A ，i λ乘A 的各行元素；右乘，iλ乘A 的各列元素；③、对调两行或两列，符号(,)E i j ，且1(,)(,)E i j E i j -=，例如：1111111-⎛⎫⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭；④、倍乘某行或某列，符号(())E i k ，且11(())(())E i k E i k -=，例如：1111(0)11k k k -⎛⎫⎛⎫⎪⎪⎪=≠ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭； ⑤、倍加某行或某列，符号(())E ij k ,且1(())(())E ij k E ij k -=-，如：11111(0)11k k k --⎛⎫⎛⎫ ⎪ ⎪=≠ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭；17. 矩阵秩的基本性质：①、0()min(,)m n r A m n ⨯≤≤；②、()()T r A r A =； ③、若AB ，则()()r A r B =；④、若P 、Q 可逆，则()()()()r A r PA r AQ r PAQ ===；（可逆矩阵不影响矩阵的秩） ⑤、max((),())(,)()()r A r B r A B r A r B ≤≤+；（※） ⑥、()()()r A B r A r B +≤+；（※） ⑦、()min((),())r AB r A r B ≤；（※）⑧、如果A 是m n ⨯矩阵，B 是n s ⨯矩阵，且0AB =，则：（※） Ⅰ、B 的列向量全部是齐次方程组0AX =解（转置运算后的结论）；Ⅱ、()()r A r B n +≤⑨、若A 、B 均为n 阶方阵，则()()()r AB r A r B n ≥+-；18. 三种特殊矩阵的方幂：①、秩为1的矩阵：一定可以分解为列矩阵（向量）⨯行矩阵（向量）的形式，再采用结合律；②、型如101001a c b ⎛⎫ ⎪⎪ ⎪⎝⎭的矩阵：利用二项展开式；二项展开式：01111110()nnnn m n mmn n n nm m n mnnnnnn m a b C a C a b C ab Ca bC b C a b -----=+=++++++=∑；注：Ⅰ、()n a b +展开后有1n +项；Ⅱ、0(1)(1)!1123!()!--+====-m n n n n n n n m n C C C m m n mⅢ、组合的性质：111102---+-===+==∑nmn m mm m r nr r nnn n nnn n r C C CC CCrC nC ；③、利用特征值和相似对角化： 19. 伴随矩阵：①、伴随矩阵的秩：*()()1()10()1n r A n r A r A n r A n = ⎧⎪==-⎨⎪<-⎩； ②、伴随矩阵的特征值：*1*(,)AAAX X A A A A X X λλλ- == ⇒ =；③、*1A A A -=、1*n A A-=20. 关于A 矩阵秩的描述：①、()r A n =，A 中有n 阶子式不为0，1n +阶子式全部为0；（两句话）②、()r A n <，A 中有n 阶子式全部为0； ③、()r A n ≥，A 中有n 阶子式不全为0；21. 线性方程组：Ax b =，其中A 为m n ⨯矩阵，则：①、m 与方程的个数相同，即方程组Ax b =有m 个方程；②、n 与方程组得未知数个数相同，方程组Ax b =为n 元方程； 22. 线性方程组Ax b =的求解：①、对增广矩阵B 进行初等行变换（只能使用初等行变换）；②、齐次解为对应齐次方程组的解； ③、特解：自由变量赋初值后求得；23. 由n 个未知数m 个方程的方程组构成n 元线性方程：①、11112211211222221122n n n n m m nm n na x a x a xb a x a x a x b a x a x a x b +++= ⎧⎪+++= ⎪⎨⎪⎪+++=⎩；②、1112111212222212n n m m mn m m a a a x b a a a x b Ax b a a a x b ⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪⎪ ⎪=⇔= ⎪⎪ ⎪⎪⎪ ⎪⎝⎭⎝⎭⎝⎭（向量方程，A 为m n ⨯矩阵，m 个方程，n 个未知数） ③、()1212n n x x a a a x β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭（全部按列分块，其中12n b b b β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭）； ④、1122n n a x a x a x β+++=（线性表出）⑤、有解的充要条件：()(,)r A r A n β=≤（n 为未知数的个数或维数）4、向量组的线性相关性24. m 个n 维列向量所组成的向量组A ：12,,,m ααα构成n m ⨯矩阵12(,,,)m A =ααα；m 个n 维行向量所组成的向量组B ：12,,,T TTm βββ构成m n ⨯矩阵12T T T m B βββ⎛⎫⎪ ⎪= ⎪ ⎪ ⎪⎝⎭；含有有限个向量的有序向量组与矩阵一一对应；25. ①、向量组的线性相关、无关 0Ax ⇔=有、无非零解；（齐次线性方程组）②、向量的线性表出 Ax b ⇔=是否有解；（线性方程组） ③、向量组的相互线性表示 AX B ⇔=是否有解；（矩阵方程） 26. 矩阵m n A ⨯与l n B ⨯行向量组等价的充分必要条件是：齐次方程组0Ax =和0Bx =同解；(101P 例14)27. ()()T r A A r A =；(101P 例15) 28. n 维向量线性相关的几何意义：①、α线性相关⇔0α=； ②、,αβ线性相关⇔,αβ坐标成比例或共线（平行）；③、,,αβγ线性相关 ⇔,,αβγ共面；29. 线性相关与无关的两套定理：若12,,,s ααα线性相关，则121,,,,s s αααα+必线性相关；若12,,,s ααα线性无关，则121,,,s ααα-必线性无关；（向量的个数加加减减，二者为对偶）若r 维向量组A 的每个向量上添上n r -个分量，构成n 维向量组B ：若A 线性无关，则B 也线性无关；反之若B 线性相关，则A 也线性相关；（向量组的维数加加减减） 简言之：无关组延长后仍无关，反之，不确定；30. 向量组A （个数为r ）能由向量组B （个数为s ）线性表示，且A 线性无关，则r s ≤(二版74P 定理7)；向量组A 能由向量组B 线性表示，则()()r A r B ≤；（86P 定理3） 向量组A 能由向量组B 线性表示AX B ⇔=有解； ()(,)r A r A B ⇔=（85P 定理2）向量组A 能由向量组B 等价()()(,)r A r B r A B ⇔ ==（85P 定理2推论）31. 方阵A 可逆⇔存在有限个初等矩阵12,,,l P P P ，使12l A P P P =；①、矩阵行等价：~rA B PA B ⇔=（左乘，P 可逆）0Ax ⇔=与0Bx =同解②、矩阵列等价：~cA B AQ B ⇔=（右乘，Q 可逆）； ③、矩阵等价：~A B PAQ B ⇔=（P 、Q 可逆）； 32.对于矩阵m n A ⨯与l n B ⨯：①、若A 与B 行等价，则A 与B 的行秩相等；②、若A 与B 行等价，则0Ax =与0Bx =同解，且A 与B 的任何对应的列向量组具有相同的线性相关性； ③、矩阵的初等变换不改变矩阵的秩； ④、矩阵A 的行秩等于列秩； 33.若m s s n m n A B C ⨯⨯⨯=，则：①、C 的列向量组能由A 的列向量组线性表示，B 为系数矩阵； ②、C 的行向量组能由B 的行向量组线性表示，T A 为系数矩阵；（转置）34.齐次方程组0Bx =的解一定是0ABx =的解，考试中可以直接作为定理使用，而无需证明； ①、0ABx = 只有零解0Bx ⇒ =只有零解；②、0Bx = 有非零解0ABx ⇒ =一定存在非零解；35. 设向量组12:,,,n r r B b b b ⨯可由向量组12:,,,n s s A a a a ⨯线性表示为：（110P 题19结论）1212(,,,)(,,,)r s b b b a a a K =（B AK =）其中K 为s r ⨯，且A 线性无关，则B 组线性无关()r K r ⇔=；（B 与K 的列向量组具有相同线性相关性） （必要性：()()(),(),()r r B r AK r K r K r r K r ==≤≤∴=；充分性：反证法）注：当r s =时，K 为方阵，可当作定理使用；36. ①、对矩阵m n A ⨯，存在n m Q ⨯，m AQ E = ()r A m ⇔=、Q 的列向量线性无关；（87P ） ②、对矩阵m n A ⨯，存在n m P ⨯，n PA E = ()r A n ⇔=、P 的行向量线性无关； 37. 12,,,s ααα线性相关⇔存在一组不全为0的数12,,,s k k k ，使得11220s s k k k ααα+++=成立；（定义）⇔1212(,,,)0s s x xx ααα⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭有非零解，即0Ax =有非零解；⇔12(,,,)s r s ααα<，系数矩阵的秩小于未知数的个数；38. 设m n ⨯的矩阵A 的秩为r ，则n 元齐次线性方程组0Ax =的解集S 的秩为：()r S n r =-；39. 若*η为Ax b =的一个解，12,,,n r ξξξ-为0Ax =的一个基础解系，则*12,,,,n r ηξξξ-线性无关；（111P 题33结论）5、相似矩阵和二次型40. 正交矩阵T A A E ⇔=或1T A A -=（定义），性质：①、A 的列向量都是单位向量，且两两正交，即1(,1,2,)0T i j i j a a i j n i j=⎧==⎨≠⎩；②、若A 为正交矩阵，则1T A A -=也为正交阵，且1A =±； ③、若A 、B 正交阵，则AB 也是正交阵； 注意：求解正交阵，千万不要忘记施密特正交化和单位化； 41. 施密特正交化：12(,,,)r a a a11b a =；1222111[,][,]b a b a b b b =-121121112211[,][,][,][,][,][,]r r r r r r r r r b a b a b a b a b b b b b b b b b ----=----;42. 对于普通方阵，不同特征值对应的特征向量线性无关；对于实对称阵，不同特征值对应的特征向量正交； 43. ①、A 与B 等价 ⇔A 经过初等变换得到B ；⇔=PAQ B ，P 、Q 可逆； ()()⇔=r A r B ，A 、B 同型；②、A 与B 合同 ⇔=T C AC B ，其中可逆； ⇔T x Ax 与T x Bx 有相同的正、负惯性指数； ③、A 与B 相似 1-⇔=P AP B ； 44. 相似一定合同、合同未必相似；若C 为正交矩阵，则T C AC B =⇒A B ，（合同、相似的约束条件不同，相似的更严格）； 45. A 为对称阵，则A 为二次型矩阵； 46. n 元二次型T x Ax 为正定：A ⇔的正惯性指数为n ；A ⇔与E 合同，即存在可逆矩阵C ，使T C AC E =； A ⇔的所有特征值均为正数； A ⇔的各阶顺序主子式均大于0；0,0ii a A ⇒>>；(必要条件)。
线性代数重要公式定理大全
线性代数重要公式定理大全线性代数是数学中的一个重要分支，它研究矩阵、向量、线性方程组等基本概念和性质，并运用线性代数的理论和方法解决实际问题。
在学习线性代数时，了解一些重要的公式和定理，不仅可以帮助我们更好地理解和应用线性代数的知识，还能为进一步学习和研究提供基础。
在线性代数中，有许多公式和定理与行列式、矩阵、向量、线性变换和特征值等相关。
下面我将介绍一些重要的公式和定理，希望对你的学习有所帮助。
一、行列式的公式和定理1. 行列式的定义：设有n阶方阵A，它的行列式记作，A，或det(A)，定义为：A，=a₁₁A₁₁-a₁₂A₁₂+...+(-1)^(1+n)a₁ₙA₁其中，a₁₁，a₁₂，...，a₁ₙ分别是矩阵第一行元素，A₁₁，A₁₂，...，A₁ₙ是矩阵去掉第一行和第一列的余子式。
2.行列式的性质：（1）行互换改变行列式的符号，列互换改变行列式的符号。
（2）行列式相邻行（列）对换，行列式的值不变。
（3）行列式其中一行（列）中的各项都乘以同一个数k，行列式的值也乘以k。
（4）互换行列式的两行（列），行列式的值不变。
（5）若行列式的行（列）的元素都是0，那么行列式的值为0。
（6）行列式的其中一行（列）的元素都是两数之和，那么行列式的值等于两个行列式的值之和。
3.行列式的计算：（1）按第一行展开计算行列式：将行列式的第一行元素与其所对应的代数余子式相乘，然后加上符号，得到行列式的值。
（2）按第一列展开计算行列式：将行列式的第一列元素与其所对应的代数余子式相乘，然后加上符号，得到行列式的值。
4.行列式的性质定理：（1）拉普拉斯定理：行列式等于它的每一行（列）的元素与其所对应的代数余子式的乘积之和。
（2）行（列）对阵定理：行列式的值等于它的转置矩阵的值。
（3）行列式的转置等于行列式的值不变。
二、矩阵的公式和定理1.矩阵的定义：将一个复数域上的m行n列数排成一个长方形，并按照一定的顺序进行排列，这个排列称为一个m×n矩阵，其中m是矩阵的行数，n是矩阵的列数。
线性代数公式总结
线性代数公式总结线性代数是数学中的一个分支，主要研究向量、向量空间、矩阵、线性方程组等概念和性质。
线性代数公式总结如下：1.向量加法和标量乘法：- 向量加法：如果u和v是n维向量，则它们的和为u + v = (u1 + v1, u2 + v2, ..., un + vn)- 标量乘法：如果k是一个实数，则k乘以向量v的结果为kv = (k*v1, k*v2, ..., k*vn)2.线性方程组：-n个未知数的线性方程组可以用矩阵和向量表示：Ax=b，其中A是一个m×n的矩阵，x是一个n维列向量，b是一个m维列向量。
- 如果Ax = b有唯一解，则A的行列式不为零。
行列式表示为det(A)。
-矩阵的逆：如果矩阵A的行列式不为零，则存在矩阵A的逆矩阵A^-1，使得AA^-1=A^-1A=I，其中I是单位矩阵。
3.向量空间和线性无关性：- 向量空间是指由向量的线性组合构成的集合，满足以下性质：对于任意的向量u和v以及任意的标量k和l，ku + lv仍然在向量空间内。
- 向量v1, v2, ..., vn是线性无关的，如果方程k1v1 + k2v2+ ... + knvn = 0只有零解。
- 如果一组向量v1, v2, ..., vn张成一个向量空间V，则称这组向量是V的基。
4.矩阵的运算：- 矩阵的加法：如果A和B是相同大小的矩阵，则它们的和为A + B = (aij + bij)，其中aij和bij分别是矩阵A和B对应位置的元素。
- 矩阵的乘法：如果A是m×n的矩阵，B是n×p的矩阵，它们的乘积为C = AB，其中C是m×p的矩阵，其中C的元素cij可以表示为cij= Σ(k=1 to n) aikbk，其中aik是矩阵A的元素，bk是矩阵B的元素。
5.特征值和特征向量：-如果矩阵A乘以向量v得到一个与v方向相同的向量，那么v是A的特征向量，对应的乘积结果是特征值λ，即Av=λv。
线性代数重要公式定理大全
线性代数重要公式定理大全在线性代数中，有许多重要的公式和定理。
以下是其中的一些：1.矩阵乘法的结合律：对于矩阵A，B和C，满足维度要求，有：(AB)C=A(BC)。
2.矩阵乘法的分配律：对于矩阵A，B和C，满足维度要求，有：A(B+C)=AB+AC。
3.矩阵乘法的转置：对于矩阵A和B，满足维度要求，有：(AB)ᵀ=BᵀAᵀ。
4.矩阵乘法的逆元：对于可逆矩阵A和B，有：(AB)⁻¹=B⁻¹A⁻¹。
5.矩阵的转置的转置：对于矩阵A，有：(Aᵀ)ᵀ=A。
6.矩阵的逆的逆：对于可逆矩阵A，有：(A⁻¹)⁻¹=A。
7.矩阵的逆与转置的乘积：对于可逆矩阵A，有：(Aᵀ)⁻¹=(A⁻¹)ᵀ。
8.矩阵的行列式乘积：对于矩阵A和B，满足维度要求，有：det(AB) = det(A)det(B)。
9.矩阵的行列式的转置：对于矩阵A，有：det(Aᵀ) = det(A)。
10.全排列的行列式和：对于n阶方阵A，有：det(A) = Σ(±1)ᵖ(对每个全排列的正负之和乘上元素的乘积)。
11.矩阵的伴随矩阵乘积：对于n阶方阵A，有：A·Adj(A) = det(A)·I (I为单位矩阵)。
12.矩阵的迹与特征值之和：对于n阶方阵A，有：tr(A) = Σλi (每个特征值的和)。
13.矩阵的迹与特征值之乘：对于n阶方阵A，有：det(A) = Πλi (每个特征值的乘积)。
14.矩阵的对角化：对于n阶方阵A，如果存在可逆矩阵P和对角阵D，满足A=PDP⁻¹，则A可对角化。
15.若两个n阶矩阵A和B相似，即存在可逆矩阵P，满足P⁻¹AP=B，则A和B有相同的特征值。
16.若矩阵A的特征值唯一，则A是对角矩阵。
17.若矩阵A的特征向量唯一，则A是数量矩阵。
18.若矩阵A的特征值都为正，则A是正定矩阵。
19.若矩阵A的特征值都为非负，则A是半正定矩阵。
04184线性代数公式_
04184线性代数公式_线性代数是一门研究向量空间和线性映射的数学学科，广泛应用于数学领域和其他学科，如物理学、经济学、计算机科学等。
在学习线性代数的过程中，我们需要掌握一些重要的公式，这些公式是解决线性代数问题的基础。
下面是一些常用的线性代数公式。
1.向量加法和数量乘法向量加法：设u=(u1, u2, u3, ..., un)，v=(v1, v2, v3, ..., vn)是R^n中的向量，则u+v=(u1+v1, u2+v2, u3+v3, ..., un+vn)。
数量乘法：设c是一个实数，u=(u1, u2, u3, ..., un)是R^n中的向量，则c*u=(c*u1, c*u2, c*u3, ..., c*un)。
2.向量的点积设u=(u1, u2, u3, ..., un)，v=(v1, v2, v3, ..., vn)是R^n中的向量，则u·v=u1*v1+u2*v2+...+un*vn。
3.向量的模设u=(u1, u2, u3, ..., un)是R^n中的向量，则向量u的模记作，u，定义为，u，=√(u1^2+u2^2+...+un^2)。
4.向量的夹角设u和v是R^n中的两个非零向量，则向量u和v的夹角θ满足cosθ=(u·v)/(，u，*，v，)。
5.矩阵的转置设A=(aij)是一个m×n的矩阵，则A的转置记作A^T，定义为A^T=(bij)，其中bij=aij。
6.矩阵的乘法设A=(aij)是一个m×n的矩阵，B=(bij)是一个n×p的矩阵，则矩阵AB的乘积记作C=(cij)，其中cij=a1j*bij+a2j*b2j+...+anj*bpj。
7.矩阵的逆设A是一个n阶方阵，若存在一个n阶方阵B，使得AB=BA=I，其中I是单位矩阵，则称A是可逆的，矩阵B称为A的逆矩阵，记作A^{-1}。
8.行列式设A是一个n阶方阵，其行列式记作det(A)或，A，定义为det(A)=a11*C11+a12*C12+...+a1n*C1n，其中Cij=(-1)^(i+j)*Mij，Mij 是去掉A的第i行和第j列后得到的(n-1)阶方阵的行列式。
线性代数公式定理大全(精简版)
零向量是任何向量的线性组合,零向量与任何同维实向量正交. 单个零向量线性相关；单个非零向量线性无关. 部分相关,整体必相关；整体无关,部分必无关. 原向量组无关,接长向量组无关；接长向量组相关,原向量组相关. 两个向量线性相关 对应元素成比例；两两正交的非零向量组线性无关. 向量组 1 , 2 , , n 中任一向量 i (1 ≤ i ≤ n) 都是此向量组的线性组合. 向量组 1 , 2 , , n 线性相关 向量组中至少有一个向量可由其余 n 1 个向量线性表示.
1
1
b a 1 an A2 1
AT A B T C D B
T
CT DT a2 an a1
1
a2
a11
1 a2
1 a1
伴随矩阵的性质： ( A ) A
n2
A
( AB) பைடு நூலகம் A
(kA) k
n 1
A
A A
n 1
( A1 ) ( A ) 1 (A ) (A )
T T
√ 矩阵方程的解法：设法化成(I)AX B 当 A 0 时,
初等行变换 (I)的解法：构造(A B) (E X )
（当B为一列时, 即为克莱姆法则）
(II)的解法：将等式两边转置化为AT X T BT ， 用(I)的方法求出X T，再转置得X
√ Ax 和 Bx 同解（ A, B 列向量个数相同）,则： ① 它们的极大无关组相对应,从而秩相等； ② 它们对应的部分组有一样的线性相关性； ③ 它们有相同的内在线性关系. √ 判断1 , 2 , , s 是 Ax 0 的基础解系的条件： ① 1 , 2 , , s 线性无关； ② 1 , 2 , , s 是 Ax 0 的解； ③ s n r ( A) 每个解向量中自由变量的个数 .
线性代数概念、性质、定理、公式整理
（为可逆矩阵） 记为：
与 正交相似 （为正交矩阵）
可以相似对角化 与对角阵相似. 记为： （称是的相似标准形）
√ 可相似对角化 为的重数恰有个线性无关的特征向量. 这时,为的特
征向量拼成的矩阵，为对角阵,主对角线上的元素为的特征值.设为对
应于的线性无关的特征向量,则有：
.
：当为的重的特征值时，可相似对角化的重数 基础解系的个数.
√ 与合同，若为正定矩阵为正定矩阵 √ 为正定矩阵为正定矩阵，但不一定为正定矩阵.
√ 一定可分解为=、,从而的特征值为：,
.
为各行的公比，为各列的公比.
√ 若的全部特征值，是多项式,则:
① 若满足的任何一个特征值必满足
②的全部特征值为；.
等矩阵的性质：
√ 设，对阶矩阵规定：为的一个多项式. √
√
√ 的特征向量不一定是的特征向量.
√ 与有相同的特征值，但特征向量不一定相同.
与 相似
：全体维实向量构成的集合叫做维向量空间. √ 关于：
①称为的标准基，中的自然基，单位坐标向量； ②线性无关； ③； ④； ⑤任意一个维向量都可以用线性表示. 行列式的定义 √ 行列式的计算： ①行列式按行（列）展开定理：行列式等于它的任一行（列）的各 元素与其对应的代数余子式的乘积之和. 推论：行列式某一行（列）的元素与另一行（列）的对应元素的代 数余子式乘积之和等于零. ②若都是方阵（不必同阶）,则（拉普拉斯展开式） ③上三角、下三角、主对角行列式等于主对角线上元素的乘积. ④关于副对角线： （即：所有取自不同行不同列的个元素的乘积的 代数和） ⑤范德蒙德行列式： 矩阵的定义 由个数排成的行列的表称为矩阵.记作：或 伴随矩阵 ，为中各个元素的代数余子式.
线性代数公式定理综合
第一章行列式1．逆序数 1.1 定义n 个互不相等的正整数任意一种排列为：12n i i i ⋅⋅⋅，规定由小到大为标准次序，当某两个元素的先后次序与标准次序不同时，就说有一个逆序数，该排列全部逆序数的总合用()12n i i i τ⋅⋅⋅表示，()12n i i i τ⋅⋅⋅等于它所有数字中后面小于前面数字的个数之和。
1.2 性质一个排列中任意两个元素对换，排列改变奇偶性，即 ()211ττ=-。
证明如下：设排列为111l m n a a ab b bc c ，作m 次相邻对换后，变成111l m n a a abb b c c ，再作1m +次相邻对换后，变成111l m n a a bb b ac c ，共经过21m +次相邻对换，而对不同大小的两元素每次相邻对换逆序数要么增加1 ，要么减少1 ，相当于()211ττ=-，也就是排列必改变改变奇偶性，21m +次相邻对换后()()2121111m τττ+=-=-，故原命题成立。
2．n 阶行列式的5大性质性质1：转置（行与列顺次互换）其值不变。
性质2：互换任意两行（列）其值变号。
性质3：任意某行（列）可提出公因子到行列式符号外。
性质4：任意行列式可按某行（列）分解为两个行列式之和。
性质5：把行列式某行（列）λ倍后再加到另一行（列），其值不变。
行列式的五大性质全部可通过其定义证明；而以后对行列式的运算主要是利用这五个性质。
对性质4的重要拓展： 设n 阶同型矩阵，()()(); ij ij ij ij A a B b A B a b ==⇒+=+，而行列式只是就某一列分解，所以，A B +应当是2n 个行列式之和，即A B A B+≠+。
韦达定理的一般形式为：()121201201110; ; 1n nnn n n n n n n n n i i j i i i j i n n n a a aa x a xa xa x x x x a a a ------=≠==++++=⇒=-==-∑∑∏一、行列式定义 1．定义111212122212n n n n nna a a a a a a a a n n nj j j j j j a a a 221211)()1(τ∑-=其中逆序数 ()121nj j j j τ=后面的1j 小的数的个数 2j +后面比2j 小的数的个数+1n j -+后面比1n j -小的数的个数.2．三角形行列式1112122200n n nna a a a aa 11212212000n n nna a a a a a =1122nn a aa=121100n n n nn nna a a a a-111212122100n n a a a a a a =()()12112111n n n n n a a a τ-⋅⎡⎤⎣⎦-=-()()1212111n n n n n a a a --=-二、行列式性质和展开定理1．会熟练运用行列式性质，进行行列式计算. 2．展开定理1122i k i k in kn ik a A a A a A A δ+++=A A a A a A a jk nk nj k j k j δ=+++2211三、重要公式 设A 是n 阶方阵，则1．T A A =2．11A A --= 3．1*n A A-=4．n kA k A =5．AB A B =，其中B 也是n 阶方阵6．设B 为m 阶方阵，则00A C A A B B CB ==()10mnAC A A BB CB==-7．范德蒙行列式()1222212111112111n ijnj i nn n n nx x x x x x x x x x x ≤<≤---=-∏四．有关结论 1．对于,n n n n A B ⨯⨯(1)00A A ⇒==⇐(2)A B A B⇒==⇐2.A 为n 阶可逆矩阵()0A r A n A ≠⇔=⇔可逆A E A E ⇔→⇔→行变列变（A 与E 等价）0AX ⇔=只有惟一零解AX b ⇔=有惟一解（克莱姆法则）A ⇔的行（列）向量组线性无关 A ⇔的n 个特征值0,1,2,,i i n λ≠=⇔A 可写成若干个初等矩阵的乘积 ⇔)()(B r AB r = ⇔A A T 是正定矩阵⇔A 是n R 中某两组基之间的过渡矩阵3.A 为n 阶不可逆矩阵0=A0AX ⇔=有非零解⇔n A r <)( ⇔0是A 的特征值 ⇔A A -=4.若A 为n 阶矩阵，)2,1(n i i =λ为A 的n 个特征值，则∏==ni i A 1λ5.若B A ~，则B A =行列式的基本计算方法：1. 应用行列式的性质化简行列式（例如化为三角形行列式就是一个常用方法）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一章行列式1．逆序数 1.1 定义n 个互不相等的正整数任意一种排列为：12n i i i ⋅⋅⋅，规定由小到大为标准次序，当某两个元素的先后次序与标准次序不同时，就说有一个逆序数，该排列全部逆序数的总合用()12n i i i τ⋅⋅⋅表示，()12n i i i τ⋅⋅⋅等于它所有数字中后面小于前面数字的个数之和。
1.2 性质一个排列中任意两个元素对换，排列改变奇偶性，即 ()211ττ=-。
证明如下：设排列为111l m n a a ab b bc c LL L ，作m 次相邻对换后，变成111l m n a a abb b c c L L L ，再作1m +次相邻对换后，变成111l m n a a bb b ac c L L L ，共经过21m +次相邻对换，而对不同大小的两元素每次相邻对换逆序数要么增加1 ，要么减少1 ，相当于()211ττ=-，也就是排列必改变改变奇偶性，21m +次相邻对换后()()2121111m τττ+=-=-，故原命题成立。
2．n 阶行列式的5大性质性质1：转置（行与列顺次互换）其值不变。
性质2：互换任意两行（列）其值变号。
性质3：任意某行（列）可提出公因子到行列式符号外。
性质4：任意行列式可按某行（列）分解为两个行列式之和。
性质5：把行列式某行（列）λ倍后再加到另一行（列），其值不变。
行列式的五大性质全部可通过其定义证明；而以后对行列式的运算主要是利用这五个性质。
对性质4的重要拓展： 设n 阶同型矩阵，()()(); ij ij ij ij A a B b A B a b ==⇒+=+，而行列式只是就某一列分解，所以，A B +应当是2n 个行列式之和，即A B A B+≠+。
韦达定理的一般形式为：()121201201110; ; 1n nnn n n n n n n n n i i j i i i j i n n n a a aa x a xa xa x x x x a a a ------=≠==++++=⇒=-==-∑∑∏L一、行列式定义 1．定义111212122212n nn n nna a a a a a a a a L L L L L L Ln n nj j j j j j a a a ΛΛ221211)()1(τ∑-=其中逆序数 ()121n j j j j τ=L 后面的1j 小的数的个数 2j +后面比2j 小的数的个数+L 1n j -+后面比1n j -小的数的个数.2．三角形行列式11121222000n n nn a a a a a a L L L L O L L11212212000n n nna a a a a a =LL L L L L L1122nn a a a =L1211000n n n nn nn a a a a a -L L N L N L L L111212122100n n a a a aa a =L N L N L L L()()12112111n n n n n a a a τ-⋅⎡⎤⎣⎦-=-L L()()1212111n n n n n a a a --=-L二、行列式性质和展开定理1．会熟练运用行列式性质，进行行列式计算. 2．展开定理1122i k i k in kn ik a A a A a A A δ+++=L A A a A a A a jk nk nj k j k j δ=+++2211三、重要公式设A 是n 阶方阵，则 1．T A A =2．11A A --= 3．1*n A A-=4．n kA k A =5．AB A B =，其中B 也是n 阶方阵6．设B 为m 阶方阵，则00A C A A B B CB ==()10mnAC A A BB CB==-7．范德蒙行列式()1222212111112111n i j nj i nn n n nx x x x x x x x x x x ≤<≤---=-∏L L L L L L L L四．有关结论 1．对于,n n n n A B ⨯⨯(1)00A A ⇒==⇐(2)A B A B⇒==⇐2.A 为n 阶可逆矩阵()0A r A n A ≠⇔=⇔可逆A E A E ⇔→⇔→行变列变（A 与E 等价）0AX ⇔=只有惟一零解AX b ⇔=有惟一解（克莱姆法则） A ⇔的行（列）向量组线性无关A ⇔的n 个特征值0,1,2,,i i n λ≠=L⇔A 可写成若干个初等矩阵的乘积 ⇔)()(B r AB r = ⇔A A T 是正定矩阵⇔A 是n R 中某两组基之间的过渡矩阵3.A 为n 阶不可逆矩阵0=A0AX ⇔=有非零解⇔n A r <)( ⇔0是A 的特征值 ⇔A A -=4.若A 为n 阶矩阵，)2,1(n i i Λ=λ为A 的n 个特征值，则∏==ni i A 1λ5.若B A ~，则B A =行列式的基本计算方法：1. 应用行列式的性质化简行列式（例如化为三角形行列式就是一个常用方法）。
2. 按行（列）展开行列式（在此基础上，有些题可用数学归纳法、有些题可用递推关系式来计算行列式）。
在实际使用中，常常将上述两种方法交替使用。
行列式的计算是行列式的重点内容，特别是低阶行列式及简单的n 阶行列式的计算一般总要遇到（例如求特征值），因此，务求熟练掌握。
典型题:一. 数字行列式的计算. 1. 利用行列式的定义. 2. 利用行列式的基本性质.3. 一般的数字行列式，三角化，爪形行列式，行列式按某行（列展开），利用特征值、特征向量求。
递推公式. 二. 行列式的代数余子式的相关计算. 三. A B+类型成抽象行列式的计算.1.与向量成分块矩阵结合 2与特征值、特征向量结合.4 与代数余子式结合.四.范德蒙行列式与克莱姆法则第二章 矩阵一 内容概要 1 矩阵的概念注意它和行列式的区别：1）表现形式上的差别；2）表现本质上的差别，一个是数（行列式是数），而矩阵是一个符号；3）一般地当A 是一个方阵时候，A 才有意义，但是A A ≠；此外当A 是长方形矩阵时A 没有意义。
2矩阵的运算及其运算律 （1）矩阵的相等； （2）矩阵的线性运算：a)矩阵的和：A+B 注意A 和B 要是阶数一致的矩阵（或称同型矩阵）； b)矩阵的数乘（或称数乘矩阵） ()n m ij n m ij ka a k kA ⨯⨯==)(；c)一般地，若t t t A k A k A A A A +++ΛΛ221121k ,,,是同型矩阵，则有意义，称为矩阵t A A A ,,,21Λ的一个线性运算；3矩阵的转置将矩阵A 的行列互换，得到新的矩阵A A T '或，称为矩阵A 的转置。
4 矩阵的乘法 矩阵乘法的定义：()s m ij s n n m C B A ⨯⨯⨯=注意指出：在定义中，第一个矩阵的列数等于第二个矩阵的行数，而()⎪⎪⎪⎪⎪⎭⎫⎝⎛=+++=nj j j i i i nj in j i j i ij b b b a a a b a b a b a c M ΛΛ2142122115关于矩阵运算的运算律要注意的问题： 1）一般地其BA AB ≠原因是a)AB 与BA 不一定同时有意义；b)即使AB 与BA 都有意义，AB 与BA 的阶数也未必一致；例如()()同都有意义，但其阶数不与，则BA AB b B a A jt ij 3223,⨯⨯==；c)即使AB 与BA 其阶数相同，但AB 与BA 也未必相同；如果AB=BA ，则称A 与B 是可以交换的。
例如BA AB BA AB B A ≠⎪⎪⎭⎫⎝⎛--=⎪⎪⎭⎫ ⎝⎛=都有意义，但是与，则1111,1111 2）矩阵的乘法不满足消去律， 即一般地若0,0,00,=≠==≠=X A AX C B A AC AB 推不出，例如若，推不出3）若()T T TA B AB AB =有意义，则3 几种特殊类型的矩阵（1）0矩阵；（2）单位矩阵；（3）对角矩阵；数量矩阵；（4）三角矩阵；上三角、下三角矩阵； （5）对称矩阵：若()T ji ij n n ij A A a a a A ===⨯，即,； （6）反对称矩阵：若()T ji ij n n ij A A a a a A --,===⨯，即；关于反对称矩阵常用的结论：1）A 的主对角线上的元素全是0；2）若A 是奇数阶行列式，则0=A ;(7)正交矩阵：若1-===A A E A A AA A T T T 或满足：，则称A 是正交矩阵。
关于正交矩阵与对称矩阵的关系有：若A 是一个实对称矩阵，则存在一个正交矩阵T 使得：⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛==--n n T AT T AT T λλλλ1211O； （8）阶梯形矩阵若A 满足：0行全在非0行的下方，非0行的第一个非0的数它的下面的数全是0（若有的话）； 关于阶梯形矩阵：任意一个矩阵A 都可以通过初等变换化为阶梯形矩阵；（9）分块矩阵；对一个矩阵进行适当的分快，可以带来很多方便，它有很多的应用；（10）初等矩阵：初等矩阵与矩阵的初等变换关系非常密切，要充分理解它的概念和它的作用。
4 分块矩阵当一个矩阵的阶数较高时，对此矩阵进行恰当的分块，更能容易看清其矩阵的规律和问题的结构特点。
矩阵分块的原则：在同一行中，其各个块矩阵的行数一致，在同一列中，其块矩阵列数一致； 分块矩阵运算的原则：（1）分块矩阵的加法：若A+B,其对矩阵A,B 的分块方法完全一致；（2）分块矩阵的乘法：若AB ，其对第一个矩阵的列的分法同第二个矩阵行的分法完全一致。
5初等矩阵、矩阵的初等变换、矩阵的等价（1）初等矩阵的定义：对单位矩阵进行一次初等变换所得到的矩阵称为初等矩阵； 用四阶单位矩阵来说明初等矩阵的几种形式。
（2）初等变换初等行变换、初等列变换； （3）初等变换与初等矩阵之间的关系对矩阵A 做一次初等行变换成为B ，则B=PA （其中P 是与行变换相对应的初等矩阵）举例说明：B A r r =⎪⎪⎪⎭⎫ ⎝⎛--−−−→−⎪⎪⎪⎭⎫ ⎝⎛--=+-⨯13131022113113222121)2(即则PA B =⎪⎪⎪⎭⎫⎝⎛--⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛--=131132221100012001131310221B对于矩阵A 作一次初等列变换成为B ，则B=AP （其中P 是与上述列变换相对应的初等矩阵）。
举例说明B A c c =⎪⎪⎪⎭⎫ ⎝⎛---−−−→−⎪⎪⎪⎭⎫ ⎝⎛--=+-⨯11111220113113222121)2( ⎪⎪⎪⎭⎫⎝⎛-⎪⎪⎪⎭⎫ ⎝⎛--=⎪⎪⎪⎭⎫ ⎝⎛---=100010021131132221111112201B(4)矩阵A 与B 等价如果A 能够通过初等变换变为B 则称A 与B 等价，用式子表示就是：j s t t Q P Q Q AQ P P P B ,,i 2111其中ΛΛ-=是初等矩阵每一个矩阵A 都与矩阵⎪⎪⎭⎫⎝⎛000rE 等价，其中r 是矩阵A 的秩，即存在 ⎪⎪⎭⎫ ⎝⎛=-000,2111i rs t t j E Q Q AQ P P P Q P ΛΛ使得：初等矩阵 6 关于n 阶矩阵的逆矩阵（1）逆矩阵的定义：设A 是一个n 阶矩阵，若有n 阶方阵B 使得AB=E 或BA=E则称矩阵A 是可逆的；（2）n 阶方阵A 可逆的充要条件1）用矩阵的方式描述：存在矩阵B 使得 AB=E 或BA=E(即定义）； 2）用A 的行列式0≠A A 来描述：;3）用矩阵的秩来描述：的阶数；是矩阵这里A n n A r =)( 4）用向量的观点来描述：矩阵A 的行向量组（或列向量组）线性无关； 5）用方程组的观点来描述：方程组AX=0仅有0解； 6）用矩阵A 的特征值来描述：A 的特征值全不0；（3）逆矩阵的性质1）若A 有逆矩阵，则逆矩阵是唯一的； 2）若A,B 是同阶可逆矩阵，则AB 也可逆，且()111---=A B AB ;3）()()()()()nnT TA A A A A k A A A A A 11111111111,k ,)(,-----------=====，;4）⎪⎪⎭⎫⎝⎛≠⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛--------000000,000011111111B A A B B A B A B A（4）逆矩阵的求法1）具体的数字矩阵常用的方法是用伴随矩阵的方法；或用初等变换的方法。