考研数学线性代数知识点梳理
线性代数知识点梳理
线性代数知识点梳理一、行列式与矩阵第一章《行列式》、第二章《矩阵》是线性代数中的基础章节，有必要熟练掌握。
行列式的核心内容是求行列式，包括具体行列式的计算和抽象行列式的计算，其中具体行列式的计算又有低阶和高阶两种类型;主要方法是应用行列式的性质及按行列展开定理化为上下三角行列式求解。
对于抽象行列式的求值，考点不在求行列式，而在于相关性质，矩阵部分出题很灵活，频繁出现的知识点包括矩阵运算的运算规律、运算性质、矩阵可逆的判定及求逆、矩阵的秩的性质、初等矩阵的性质等。
二、向量与线性方程组向量与线性方程组是整个线性代数部分的核心内容。
相比之下，行列式和矩阵可视作是为了讨论向量和线性方程组部分的问题而做铺垫的基础性章节;后两章特征值、特征向量、二次型的内容则相对独立，可以看作是对核心内容的扩展。
解线性方程组可以看作是出发点和目标。
线性方程组(一般式)还具有两种形式：(1)矩阵形式(2)向量形式。
齐次线性方程组可以直接看出一定有解，因为当变量都为零时等式一定成立;印证了向量部分的一条性质“零向量可由任何向量线性表示”。
齐次线性方程组一定有解又可以分为两种情况：①有唯一零解;同样可以认为秩是为了更好地讨论线性相关和线性无关而引入的。
秩的定义是“极大线性无关组中的向量个数”。
经过“秩→ 线性相关无关→ 线性方程组解的判定”的逻辑链条，就可以判定列向量组线性相关时，齐次线性方程组有非零解，且齐次线性方程组的解向量可以通过r个线性无关的解向量(基础解系)线性表示。
非齐次线性方程组是否有解对应于向量是否可由列向量组线性表示，使等式成立的一组数就是非齐次线性方程组的解。
三、特征值与特征向量相对于前两章来说，本章不是线性代数这门课的理论重点，但却是一个考试重点。
其原因是解决相关题目要用到线代中的大量内容，既有行列式、矩阵又有线性方程组和线性相关，“牵一发而动全身”。
本章知识要点如下：1.特征值和特征向量的定义及计算方法就是记牢一系列公式和性质。
线性代数知识点全归纳
线性代数知识点全归纳线性代数是数学的一个重要分支，研究向量空间及其上的线性映射。
它广泛应用于物理、工程、计算机科学等领域。
下面将对线性代数的主要知识点进行全面归纳。
1.矩阵及其运算：矩阵是线性代数的基本概念之一，由若干行和列组成的方阵。
常见的矩阵运算有加法、减法、数乘、矩阵乘法和转置等。
2.向量及其运算：向量是一个有序数组，具有大小和方向。
常见的向量运算有加法、减法、数乘、点乘和叉乘等。
3.线性方程组：线性方程组是线性代数的核心内容之一、包括齐次线性方程组和非齐次线性方程组。
解线性方程组的方法有高斯消元法、克莱姆法则和矩阵求逆等。
4.向量空间与线性变换：向量空间是线性代数的基本概念之一，包含零向量、加法和数乘运算。
线性变换是一种保持向量空间结构的映射。
5.基与维度：基是向量空间的一组线性无关向量，可以由基线性组合得到向量空间中的任意向量。
维度是向量空间中基的数量。
6.线性相关与线性无关：向量组中的向量线性相关指存在非零的线性组合，其系数不全为零。
如果向量组中的向量线性无关，则任何线性组合的系数都为零。
7.线性变换与矩阵：线性变换可以用矩阵表示，矩阵的列向量表示线性变换作用于基向量上后的结果。
矩阵乘法可以将多个线性变换组合为一个线性变换。
8.特征值与特征向量：对于一个线性变换，如果存在一个非零向量，使得它在该线性变换下只发生伸缩而不发生旋转，那么这个向量称为该线性变换的特征向量，对应的伸缩比例为特征值。
9.二次型与正定矩阵：二次型是线性代数中的重要概念，是一个关于变量的二次函数。
正定矩阵是指二次型在所有非零向量上的取值都大于零。
10.内积与正交性：内积是向量空间中的一种运算，它满足线性性、对称性和正定性。
正交性是指两个向量的内积为零，表示两个向量互相垂直。
11.正交变换与正交矩阵：正交变换是指保持向量长度和向量之间夹角的变换。
正交矩阵是一种特殊的方阵，它的行向量和列向量两两正交，并且长度为112.奇异值分解与特征值分解：奇异值分解将一个矩阵分解为三个矩阵的乘积，其中一个是正交矩阵，另外两个是对角矩阵。
数学考研必备知识点线性代数的重点章节解析
数学考研必备知识点线性代数的重点章节解析一、引言线性代数是数学中的一个重要分支，广泛应用于各个领域的科学研究和工程实践中。
作为数学考研的一门必备知识，掌握线性代数的重点章节非常关键。
本文将对数学考研必备知识点线性代数的重点章节进行解析，帮助考生全面理解和掌握这些内容。
二、向量空间向量空间是线性代数的基础，包括向量的加法、数乘和向量空间的性质等。
重点章节有：1. 线性相关性与线性无关性：讨论向量组的线性相关性与线性无关性，以及线性相关性的判定方法。
2. 向量空间的维数：介绍向量空间的维数概念及其性质，以及维数的计算方法。
3. 基与坐标：介绍向量空间的一组基及其坐标表示方法，以及基的变换与坐标的变换关系。
三、线性映射与线性变换线性映射与线性变换是线性代数的重要内容，涉及到线性变换的性质、线性变换的表示矩阵和线性映射的核与像等。
重点章节有：1. 线性变换与矩阵：介绍线性变换的定义和性质，并探究线性变换的代数表示——矩阵。
2. 线性变换的核与像：讨论线性变换的核与像的概念，以及它们的性质和计算方法。
3. 线性变换的合成与逆变换：研究线性变换的合成和逆变换的概念与性质，以及相应的计算方法。
四、特征值与特征向量特征值与特征向量是线性代数中的重要概念，用于研究线性变换的本质特性。
重点章节有：1. 特征值与特征向量的定义：介绍特征值与特征向量的定义及其性质。
2. 特征值与特征向量的计算：探究特征值与特征向量的计算方法和求解步骤。
3. 对角化与相似矩阵：讨论矩阵的对角化概念及其条件，以及相似矩阵的性质和计算方法。
五、内积空间与正交变换内积空间与正交变换是线性代数的重要分支，包括内积空间的定义与性质、正交变换的概念与性质等。
重点章节有：1. 内积空间的定义与性质：介绍内积空间的定义和性质，包括内积的性质和内积空间的几何解释。
2. 正交向量与正交子空间：研究正交向量和正交子空间的概念、性质及其计算方法。
3. 正交变换与正交矩阵：探究正交变换的定义和性质，以及正交变换的矩阵表示——正交矩阵。
考研数学线性代数重点整理
考研数学线性代数重点整理一、矢量空间矢量空间是线性代数的基础概念，它描述了一组对象（称为矢量）的性质及其之间的运算规则。
以下是矢量空间的一些重要性质和定义：1. 定义：矢量空间是满足以下8个条件的集合V，其中两个运算（加法和乘法）满足特定的性质。
2. 加法：对于任意的矢量u和v，它们的和u+v也是V中的一个矢量。
3. 加法交换律：对于任意的矢量u和v，有u+v = v+u。
4. 加法结合律：对于任意的矢量u、v和w，有(u+v)+w = u+(v+w)。
5. 加法单位元：存在一个称为零矢量的特殊矢量0，对于任意的矢量v，有v+0 = 0+v = v。
6. 加法逆元：对于任意的矢量v，存在一个称为负矢量的特殊矢量-u，使得v+(-u) = (-u)+v = 0。
7. 乘法定义：对于任意的矢量v和实数c，cv也是V中的一个矢量。
8. 乘法分配律：对于任意的矢量v和实数c和d，有c(dv) = (cd)v。
9. 乘法单位元：对于任意的矢量v，有1v = v。
二、矩阵与线性方程组矩阵是线性代数中另一个重要的概念，它可以用来表示线性方程组和线性变换。
以下是与矩阵和线性方程组相关的一些重要内容：1. 矩阵定义：将数按矩形排列成的矩形数表称为矩阵，其中行数和列数分别称为矩阵的行数和列数。
2. 矩阵运算：矩阵之间可以进行加法和乘法的运算，具体规则如下：- 矩阵加法：对应位置元素相加。
- 矩阵乘法：设A是一个m×n矩阵，B是一个n×p矩阵，那么它们的乘积AB是一个m×p矩阵，乘法规则为A的行乘以B的列。
3. 线性方程组：线性方程组是一组线性方程的集合，矩阵可以用来表示和求解线性方程组。
对于一个m×n矩阵A、一个n×1矩阵X和一个m×1矩阵B，线性方程组可以表示为AX=B。
4. 线性方程组的解：根据矩阵的性质，可以通过高斯消元法、矩阵求逆等方法求解线性方程组。
线性代数知识点总结
线性代数知识点总结1 行列式（一）行列式概念和性质1、逆序数：所有的逆序的总数2、行列式定义：不同行不同列元素乘积代数和3、行列式性质：（用于化简行列式）（1）行列互换（转置），行列式的值不变（2）两行（列）互换，行列式变号（3）提公因式：行列式的某一行（列）的所有元素都乘以同一数k，等于用数k 乘此行列式（4）拆列分配：行列式中如果某一行（列）的元素都是两组数之和，那么这个行列式就等于两个行列式之和。
（5）一行（列）乘k加到另一行（列），行列式的值不变。
（6）两行成比例，行列式的值为0。
（二）重要行列式4、上（下）三角（主对角线）行列式的值等于主对角线元素的乘积5、副对角线行列式的值等于副对角线元素的乘积乘6、Laplace展开式：（A是m阶矩阵，B是n阶矩阵），则7、n阶（n≥2）范德蒙德行列式数学归纳法证明★8、对角线的元素为a，其余元素为b的行列式的值：（三）按行（列）展开9、按行展开定理：（1）任一行（列）的各元素与其对应的代数余子式乘积之和等于行列式的值（2）行列式中某一行（列）各个元素与另一行（列）对应元素的代数余子式乘积之和等于0（四）行列式公式10、行列式七大公式：（1）|kA|=k n|A|（2）|AB|=|A|·|B|（3）|A T|=|A|（4）|A-1|=|A|-1（5）|A*|=|A|n-1（6）若A的特征值λ1、λ2、……λn，则（7）若A与B相似，则|A|=|B|（五）克莱姆法则11、克莱姆法则：（1）非齐次线性方程组的系数行列式不为0，那么方程为唯一解（2）如果非齐次线性方程组无解或有两个不同解，则它的系数行列式必为0（3）若齐次线性方程组的系数行列式不为0，则齐次线性方程组只有0解；如果方程组有非零解，那么必有D=0。
2 矩阵（一）矩阵的运算1、矩阵乘法注意事项：（1）矩阵乘法要求前列后行一致；（2）矩阵乘法不满足交换律；（因式分解的公式对矩阵不适用，但若B=E,O,A-1，A*,f(A)时，可以用交换律）（3）AB=O不能推出A=O或B=O。
考研数学线性代数重点知识
考研数学线性代数重点知识线性代数是考研数学中非常重要的一部分，对于许多考生来说，掌握好线性代数的重点知识是取得高分的关键。
下面我们就来详细梳理一下线性代数中的重点知识。
一、行列式行列式是线性代数中的基本概念之一，它有着多种计算方法和重要的性质。
计算行列式的方法包括：按行（列）展开法、三角化法、利用行列式的性质化简等。
其中，利用行列式的性质将其化为上三角或下三角行列式是比较常用且有效的方法。
行列式的性质包括：行列式与其转置行列式相等；对换两行（列），行列式变号；某行（列）元素乘以 k，等于用 k 乘以此行列式；若某行（列）元素是两数之和，则行列式可拆分为两个行列式之和等。
行列式在求解线性方程组、判断矩阵可逆性等方面有着重要的应用。
二、矩阵矩阵是线性代数的核心概念，包括矩阵的运算、逆矩阵、矩阵的秩等内容。
矩阵的运算有加、减、乘、数乘。
矩阵乘法需要注意其规则，不满足交换律。
逆矩阵是一个重要概念，如果矩阵 A 可逆，则存在 A 的逆矩阵A⁻¹，使得 AA⁻¹＝ A⁻¹A ＝ E（单位矩阵）。
求逆矩阵的方法有伴随矩阵法和初等变换法。
矩阵的秩反映了矩阵的“有效信息”量，通过初等变换可以求出矩阵的秩。
三、向量向量部分包括向量组的线性相关性、极大线性无关组、向量组的秩等。
判断向量组的线性相关性有定义法、行列式法、矩阵秩法等。
极大线性无关组是向量组中“最核心”的部分，它不唯一，但所含向量个数是确定的。
向量组的秩等于其极大线性无关组所含向量的个数。
四、线性方程组线性方程组是线性代数的重点应用之一。
齐次线性方程组，当系数矩阵的秩等于未知数个数时，只有零解；当系数矩阵的秩小于未知数个数时，有非零解。
非齐次线性方程组，当增广矩阵的秩等于系数矩阵的秩时，有解；当增广矩阵的秩大于系数矩阵的秩时，无解。
求解线性方程组可以使用高斯消元法。
五、特征值与特征向量特征值和特征向量反映了矩阵的某种特性。
求特征值就是求解特征方程｜λE A| ＝ 0 的根，求特征向量则是通过解齐次线性方程组（λE A)X ＝ 0 得到。
考研线代知识点总结
考研线代知识点总结摘要：一、考研线性代数知识点概述二、矩阵与线性方程组三、向量空间与线性变换四、特征值与特征向量五、二次型与矩阵的对称性六、复习与拓展建议正文：一、考研线性代数知识点概述考研线性代数作为数学一门重要学科，主要包括矩阵、线性方程组、向量空间、线性变换、特征值与特征向量、二次型与矩阵的对称性等内容。
这些知识点在考研数学中占有很大比重，因此，对于线性代数的掌握程度直接影响到考研成绩。
本文将对这些知识点进行总结，以帮助考生更好地复习和掌握线性代数。
二、矩阵与线性方程组1.矩阵的运算：加法、减法、数乘、矩阵乘法、逆矩阵、行列式等。
2.线性方程组的解法：高斯消元法、克莱姆法则、齐次线性方程组、非齐次线性方程组等。
3.矩阵的秩、行阶梯形式、简化阶梯形式等。
三、向量空间与线性变换1.向量空间的概念、基、维数、向量模等。
2.线性变换的概念、性质、矩阵表示、不变量等。
四、特征值与特征向量1.特征值、特征向量的概念及求解方法。
2.矩阵的对角化、相似矩阵等。
五、二次型与矩阵的对称性1.二次型的概念、标准型、正定二次型、负定二次型、半正定二次型、半负定二次型等。
2.矩阵的对称性：对称矩阵、反对称矩阵、正交矩阵、对称分量等。
六、复习与拓展建议1.熟练掌握考研线性代数大纲要求的知识点，做到深入理解、熟练应用。
2.针对自己的薄弱环节进行有针对性的练习，提高解题能力。
3.学习线性代数相关的拓展知识，如奇异值分解、广义逆矩阵、线性空间论等。
4.注重理论联系实际，熟练运用线性代数知识解决实际问题。
总之，考研线性代数知识点繁多，要想在考试中取得好成绩，就需要扎实掌握这些知识点，并不断提高自己的解题能力。
考研数学线性代数知识点总结
考研数学线性代数知识点总结线性代数是考研数学中的重要组成部分，对于很多考生来说，它具有一定的难度。
但只要掌握了关键的知识点和方法，就能在考试中取得较好的成绩。
以下是对考研数学线性代数的知识点总结。
一、行列式行列式是线性代数中的基本概念之一。
1、二阶和三阶行列式的计算方法要熟练掌握，通过对角线法则可以轻松计算。
2、 n 阶行列式的定义和性质需要理解清楚。
例如，行列式的某一行（列）元素乘以同一数后，加到另一行（列）的对应元素上，行列式的值不变。
3、行列式按行（列）展开定理也是重点，它可以将高阶行列式转化为低阶行列式来计算。
二、矩阵矩阵是线性代数的核心内容。
1、矩阵的运算，包括加法、数乘、乘法以及矩阵的转置。
要特别注意矩阵乘法的规则和不满足交换律的特点。
2、逆矩阵的概念和求法至关重要。
判断矩阵是否可逆，以及通过伴随矩阵或初等变换来求逆矩阵。
3、矩阵的秩是一个关键概念，它反映了矩阵中线性无关的行（列）向量的个数。
4、分块矩阵的运算和应用也需要掌握，它可以简化一些复杂矩阵的计算。
三、向量向量是线性代数中的重要工具。
1、向量组的线性相关性是常见考点。
判断向量组是线性相关还是线性无关，以及理解相关和无关的性质。
2、向量组的秩与极大线性无关组要弄清楚它们的概念和求法。
3、向量空间的基、维数和坐标等概念也需要了解。
四、线性方程组线性方程组是线性代数的重点应用。
1、线性方程组有解的判定条件，通过系数矩阵的秩和增广矩阵的秩来判断。
2、齐次线性方程组基础解系的求法，要熟练掌握通过初等行变换将系数矩阵化为行最简形。
3、非齐次线性方程组的通解结构，由一个特解加上齐次线性方程组的通解组成。
五、矩阵的特征值和特征向量这部分内容在考研中经常出现。
1、特征值和特征向量的定义和计算方法，通过求解特征方程来得到特征值，再代入方程求解特征向量。
2、相似矩阵的概念和性质，相似矩阵具有相同的特征值。
3、矩阵可对角化的条件，以及如何将矩阵对角化。
考研数学线性代数必背知识点
反对称矩阵 A = A 。
0 0 0 0 1 0 3 0 (A ) * 0 03 0 01 0 0* * *对称矩阵 A = A 。
考研数学知识点－线性代数第一讲 基本知识二．矩阵和向量1．线性运算与转置① A + B = B + A② (A + B ) + C = A + (B + C )③ c (A + B ) = cA + cB (c + d )A = cA + dA④ c (dA ) = (cd )A⑤ cA = 0 ™ c = 0 或 A = 0 。
向量组的线性组合〈 1 ,〈 2 ,⊄ ,〈 s ，T 三．矩阵的初等变换，阶梯形矩阵 ♣初等行变换 初等变换分 ♦ ♥初等列变换 三类初等行变换 ①交换两行的上下位置 A B ②用非零常数 c 乘某一行。
③把一行的倍数加到另一行上（倍加变换） 阶梯形矩阵 转置 c 1〈 1 + c 2〈 2 + ⊄ + c s 〈 s 。
A 的转置 A T （或 A 2 ）4 1 0 1 0 2 0 0 25 2 0 0 1 2 1 4 3 T T= A①如果有零行，则都在下面。
②各非零行的第一个非 0 元素的列号自上而下严格 (A ± B )T = A T ± B T单调上升。
或各行左边连续出现的 0 的个数自上而下严格单调 (cA )T = c (A T )。
上升，直到全为 0 。
台角：各非零行第一个非 0 元素所在位置。
简单阶梯形矩阵： 3． n 阶矩阵3．台角位置的元素都为 1 n 行、 n 列的矩阵。
对角线，其上元素的行标、列标相等 a 11 , a 22 ,⊄对角矩阵 0 * 00 0 *4．台角正上方的元素都为 0。
每个矩阵都可用初等行变换化为阶梯形矩阵和简单 阶梯形矩阵。
如果 A 是一个 n 阶矩阵 A 是阶梯形矩阵 ® A 是上三角矩阵，反之不一定， 数量矩阵 0 3 0 = 3E0 0 3单位矩阵 0 1 0 E 或I0 0 1如 0 0 1 0 1 0 是上三角，但非阶梯形 0 0 1 四．线性方程组的矩阵消元法 用同解变换化简方程再求解 上（下）三角矩阵 0 * *0 0 *T 1 三种同解变换： ①交换两个方程的上下位置。
考研数学一详细知识点总结
考研数学一详细知识点总结一、线性代数1. 行列式行列式是线性代数中的一个重要概念，它是一个具有特定数学性质的标量函数，它可以对矩阵进行某种代数计算，得到一个数。
通过行列式的性质和运算法则，我们可以求解线性方程组的解，判断矩阵的逆矩阵是否存在等。
行列式的基本定义、性质和运算法则是线性代数中的重要基础知识点。
2. 矩阵与向量空间矩阵是线性代数中的另一个重要概念，它是一个矩形数组，它是向量空间的一种表达形式。
矩阵的定义、运算法则、转置矩阵、伴随矩阵、特征值和特征向量等都是线性代数中的重要知识点。
3. 线性变换与矩阵的相似变换线性变换是线性代数中的一个重要概念，它是定义在向量空间上的一个运算，将一个向量空间中的一个向量映射到另一个向量空间中的一个向量。
线性变换与矩阵的相似变换在数学和工程中有着广泛的应用，对于理解线性代数的基本概念和运用都具有重要意义。
4. 线性方程组线性方程组是线性代数中的一个重要概念，它是由一系列线性方程构成的方程组。
通过行列式和矩阵的知识可以求解线性方程组的解，判断矩阵的逆矩阵是否存在等。
5. 向量的线性相关性向量的线性相关性是线性代数中的另一个重要概念，它是判断向量空间中向量之间的线性组合是否有零解的一个关键概念。
向量的线性相关性的性质、判断方法和应用是线性代数中的重要知识点之一。
6. 最小二乘法最小二乘法是线性代数中的另一个重要概念，它是一种用于数据拟合和参数估计的数学方法。
通过最小二乘法可以得到一个最优的拟合曲线或者参数估计，它在数学、统计学和工程领域中都有着广泛的应用。
二、概率统计1. 随机事件与概率随机事件是概率统计中的一个重要概念，它是指在一定条件下，结果是不确定的事件。
概率是描述随机事件发生可能性的一种数学方法，它是随机事件发生可能性的度量标准。
随机事件的基本性质和概率的基本性质是概率统计中的基础知识点。
2. 条件概率与独立性条件概率是指在已知一件事情发生的情况下，另一件事情发生的可能性。
线性代数知识点总结汇总
线性代数知识点总结1行列式（一）行列式概念和性质1、逆序数：所有的逆序的总数2、行列式定义：不同行不同列元素乘积代数和3、行列式性质：（用于化简行列式）（1）行列互换（转置），行列式的值不变（2）两行（列）互换，行列式变号（3）提公因式：行列式的某一行（列）的所有元素都乘以同一数k，等于用数k乘此行列式（4）拆列分配：行列式中如果某一行（列）的元素都是两组数之和，那么这个行列式就等于两个行列式之和。
（5）—行（列）乘k加到另一行（列），行列式的值不变。
（6）两行成比例，行列式的值为0。
（二）重要行列式4、上（下）三角（主对角线）行列式的值等于主对角线元素的乘积5、副对角线行列式的值等于副对角线元素的乘积乘6、Laplace展开式：（A是m阶矩阵，B是n阶矩阵），则★ 8对角线的元素为a ,其余元素为b 的行列式的值:（三）按行（列）展开 9、按行展开定理:（1）任一行（列）的各元素与其对应的代数余子式乘积之和等 于行列式的值（2）行列式中某一行（列）各个元素与另一行（列）对应元素 的代数余子式乘积之和等于 0 （四）行列式公式 10、行列式七大公式: (1) |kA|=kn|A|1 1…ik £…益■y (v)」IT=n厲-号）klXn7、n 阶（n 》2）范德蒙德行列式数学归纳法证明(2) |AB|=|A| • |B|(3) |AT|=|A|(4) |A-1|=|A|-1(5) |A*|=|A|n-1(6) 若A的特征值入1、入2、……入n,贝y P(7) 若A与B相似，则|A|=|B|(五)克莱姆法则11、克莱姆法则：(1 )非齐次线性方程组的系数行列式不为0,那么方程为唯解(2)如果非齐次线性方程组无解或有两个不同解，则它的系数行列式必为0(3 )若齐次线性方程组的系数行列式不为0,则齐次线性方程组只有0解；如果方程组有非零解，那么必有D=0b2矩阵(一)矩阵的运算1、矩阵乘法注意事项：(1)矩阵乘法要求前列后行一致；(2)矩阵乘法不满足交换律；(因式分解的公式对矩阵不适用，但若B=E,O,A-1，A*,f(A)时，可以用交换律)(3)AB=O不能推出A=O或B=O2、转置的性质( 5 条)( 1)( A+B) T=AT+BT( 2)( kA) T=kAT( 3)( AB) T=BTAT( 4) |A|T=|A|( 5)( AT) T=A(二)矩阵的逆3、逆的定义：B=A-1 AB=E或 BA=E成立，称A可逆，B是A的逆矩阵，记为注：A可逆的充要条件是|A|工04、逆的性质：( 5 条)(1)( kA) - 1=1/k ・A-1 (k 工0)(2)(AB)-仁B- 1 ・A-1(3)|A-1|=|A|-1( 4)( AT) -1= ( A-1 ) T( 5)( A-1 ) -1=A5、逆的求法：( 1 ) A 为抽象矩阵：由定义或性质求解(2) A为数字矩阵：(A|E初等行变换E|A-1 )(三)矩阵的初等变换6、初等行(列)变换定义：（1）两行（列）互换；（2）一行（列）乘非零常数c（3）一行（列）乘k 加到另一行（列）7、初等矩阵：单位矩阵E 经过一次初等变换得到的矩阵。
考研线性代数知识点全面总结
《线性代数》复习提纲第一章、行列式1．行列式的定义：用2n 个元素ij a 组成的记号称为n 阶行列式。
（1）它表示所有可能的取自不同行不同列的n 个元素乘积的代数和； （2）展开式共有n!项，其中符号正负各半；<2．行列式的计算一阶|α|=α行列式，二、三阶行列式有对角线法则； N 阶（n ≥3）行列式的计算：降阶法定理：n 阶行列式的值等于它的任意一行（列）的各元素与其对应的代数余子式乘积的和。
方法：选取比较简单的一行（列），保保留一个非零元素，其余元素化为0，利用定理展开降阶。
~特殊情况：上、下三角形行列式、对角形行列式的值等于主对角线上元素的乘积；◊行列式值为0的几种情况：Ⅰ 行列式某行（列）元素全为0； Ⅱ 行列式某行（列）的对应元素相同；Ⅲ 行列式某行（列）的元素对应成比例； Ⅳ 奇数阶的反对称行列式。
3.概念：全排列、排列的逆序数、奇排列、偶排列、余子式ij M 、代数余子式ij j i ij M A +-=)1(。
定理：一个排列中任意两个元素对换，改变排列的奇偶性。
奇排列变为标准排列的对换次数为基数，偶排列为偶数。
n 阶行列式也可定义：n q q q na a a ⋯=∑21t211-D ）（，t 为n q q q ⋯21的逆序数4.行列式性质：1、行列式与其转置行列式相等。
%2、互换行列式两行或两列，行列式变号。
若有两行(列)相等或成比例，则为行列式0。
3、行列式某行（列）乘数k,等于k 乘此行列式。
行列式某行（列）的公因子可提到外面。
4、行列式某行（列）的元素都是两数之和，则此行列式等于两个行列式之和。
5、行列式某行（列）乘一个数加到另一行（列）上，行列式不变。
6、行列式等于他的任一行（列）的各元素与其对应代数余子式的乘积之和。
（按行、列展开法则）}7、行列式某一行（列）与另一行（列）的对应元素的代数余子式乘积之和为0.5.克拉默法则：：若线性方程组的系数行列式0D ≠，则方程有且仅有唯一解DD D Dx D D n =⋯==n 2211x ,x ，，。
《线性代数》知识点归纳整理
《线性代数》知识点归纳整理线性代数是数学的一个分支，主要研究向量、向量空间以及线性映射等概念和性质。
它在数学领域具有广泛的应用，被广泛应用于物理学、计算机科学、经济学、工程学等领域。
以下是对《线性代数》的知识点进行归纳整理：1.矩阵和向量：矩阵是一个二维的数字阵列，可以表示为一个矩阵的形式。
向量是矩阵的特殊情况，只有一个列的矩阵。
矩阵和向量可以进行加法和数乘运算。
2.矩阵乘法：矩阵乘法是矩阵运算中的重要操作，它利用矩阵的行和列的组合，将两个矩阵相乘得到新的矩阵。
3.行列式：行列式是一个标量值，用于判断一些矩阵是否可逆。
行列式的值为0表示矩阵不可逆，非零表示矩阵可逆。
4.向量空间：向量空间是一组向量的集合，满足一定的条件。
向量空间具有加法和数乘运算，并满足一定的性质，如封闭性、结合律、分配律等。
5.线性相关与线性无关：向量集合中的向量如果不能由其他向量线性组合得到，则称这个向量集合是线性无关的；反之，如果存在一个向量可以由其他向量线性组合得到，则称这个向量集合是线性相关的。
6.基与维数：如果向量集合是线性无关的，并且能够生成整个向量空间中的所有向量，则称这个向量集合是向量空间的一组基。
向量空间的维数是指基向量的个数。
7.矩阵的秩：矩阵的秩是指矩阵列向量或行向量中的线性无关向量的个数。
秩表示矩阵中线性无关的方向个数。
8.特征值与特征向量：对于一个n维矩阵A，如果存在一个标量λ和非零向量X，使得AX=λX成立，则λ称为矩阵A的特征值，对应的非零向量X称为矩阵A的特征向量。
9.对角化：如果矩阵A可以通过相似变换得到一个对角矩阵B，则称矩阵A可以被对角化。
对角化后的矩阵可以简化各种计算。
10.线性变换：线性变换是指一个向量空间到另一个向量空间的映射，它满足线性性质。
线性变换可以用矩阵来表示，通过矩阵乘法来表示向量的线性变换。
11.正交性：向量集合中的向量如果互相垂直，则称这个向量集合是正交的。
如果正交向量集合中的每个向量都是单位向量，则称这个向量集合是标准正交的。
考研数学《线性代数》考点知识点总结
第一章行列式二元线性方程组：a x11ax21a12a22yyb1b2aa1112D，aa2122ba112D，1ba222ab111D2ab212xD1D，yD2D排列的逆序数：ttn1ti〔t为排列p1p2p n中大于p i且排于p i前的元素个数〕it为奇数奇排列，t为偶数偶排列，t0标准排列。
a 11 a12a1nn阶行列式：Daaa21222ndet(a)=ij(1)t为列标排列的逆序数．t aaa1p12p np2na n1 an2ann定理1：排列中任意两个元素对换，排列改变奇偶性推论：奇〔偶〕排列变为标准排列的对换次数为奇〔偶〕数定理2：n阶行列式可定义为tD(1)a1a2a=pppn12n (1)．t aaat aaa1p12p np2nT 1．D=DT，D为D转置行列式．(沿副对角线翻转，行列式同样不变)推论：两行(列)完全一样的行列式等于零．2．互换行列式的两行(列)，行列式变号．记作：r i r〔c i c j〕DD．j 记作：r i r〔c i c j〕DD0．j推论：某一行(列)所有元素公因子可提到行列式的外面．3．行列式乘以k等于某行(列)所有元素都乘以k．记作：kDr i k〔kDc i k〕．记作：kDrki〔kDc i k〕．4．两行(列)元素成比例的行列式为零．记作：r j r i k〔c j c i k〕D0．行列式的性质：a11a12(a1ia1i) a1na11a12a1ia1na11a12a1ia1n5．D a21a22(a2ia2i) a2n Da21a22a2ia2na21a22a2ia2na n1 an2(aniani) annan1an2aniannan1an2aniann上式为列变换，行变换同样成立．6．把行列式的某一列(行)的各元素乘以同一数然后加到另一列(行)对应的元素上去，行列式不变．记作：c i ckc(r i r i kr j)，D不变．ij注：任何n阶行列式总能利用行运算r i+kr j化为上(下)三角行列式．对角行列式上D〔下DT〕三角形行列式00a11011212nn(n1)2 2，n(1)12aa2122Da11a22ann00nn an1an2anna 11 a1ka11a1kabD1det(aij)假设对Dak1c11akkc1kb11b1k设ak1bakkb，假设2nabD2，n11 1n 阶行列式cdc k1 ckkbk1bkkD2det(bij)bn1bnncd2n那么有D=D1D2．有D2n=(ad-bc)n．n．ij余子式：n 阶行列式中把a ij 所在的第i 行和第j 列去掉后，余下n-1阶行列式．代数余子式：ijA ij (1)M引理：n 阶行列式D 中，假设第i 行所有元素除a ij 外都为零，那么有Da ij A ij ．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乘机之和．定理3：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机之和等于零． (代数余子式性质) D,ij,当n aAD ki 当kjijk10,ij;或 D,当j i naAD ikjkij 当 k 10,ij, ; 其中 ij1, 0, 当 当 i ij , j.1111X 德蒙德 行列式：xxxx123n2222Dxxxx ＝n123nnij ( 1x i x)．证明用数学归纳法．jn x11n x21n x 31n nx1设方程组a x111ax211a12a22x2x2a xnxn1na2nb,1b,2aa111n，假设0D ，那么方程组有惟一解：克拉默法ax n11a n2 x 2a nnx nbna n1 ann那么：DDD12nx,x,,x1，其中2nDDDD ja 11 a n1 a 1,a n ,j j 1 1 b 1 b n a 1,a n,j j 1 1a 1nann(j1,2,,n)．定理4：假设上线性方程组的系数行列式D0，那么方程组一定有惟一解；假设无解或有两个不同解，那么D0．定理5：假设齐次线性方程组(b n =0)的系数行列式D0，那么齐次线性方程组无非零解；假设有非零解，那么D0．第二章矩阵及其运算对角矩阵(对角阵)：n 阶单位矩阵(单位阵)：纯量阵：100 λ000λ1E0100Λλ00 λ2E00100 λ0n0 λEAAEA．另可记作diag(,,,)Λ．12n(E)AA，A(E)A．矩阵与矩假设(a)Α是一个ms矩阵，B(b ij)是一个sn矩阵，且CAB，那么C(c ij)是一个mn矩阵，ij阵相乘：且cabababimij1122(1,2,,;j1,2,,n)．假设ABBA ，称A与B是可交换的．ijijissjT矩阵转置：假设Α(a ij)，那么(a)ΑjiTTTTTT(AB)AB，(AB)BA假设TA，A为对称阵A方阵的行列式：n阶方阵A元素构成的行列式，记A或det A．方阵行列式的运算规律：A 11 A21An1A为行列式A中对应元素的ijT；1．AA伴随矩阵：A* A12A22An2代数余子式．n；2．AAA 1n A2nAnnAA**A A A E 13．ABAB，1AA．逆矩阵：假设ABBAE，那么A可逆，且称B为A的逆矩阵，记B=A-1，A的逆阵是唯一的．定理1：假设矩阵A可逆，那么A0．定理2：假设A0，那么矩阵A可逆，且A1 1．*AA奇异矩阵：当A0时，A称为奇异矩阵．矩阵A可逆的充要条件：A0，即矩阵A是非奇异矩阵。
考研数学线性代数必考的知识点
考研数学线性代数必考的知识点考研数学线性代数是考研数学中的重要一部分，是以线性代数为基础的高等数学课程。
线性代数在科学与工程中有着广泛的应用，而考研数学线性代数的知识点主要包括矩阵、行列式、线性方程组、特征值与特征向量、线性空间和线性变换等内容。
一、矩阵1.矩阵的基本运算：矩阵的加减法、数乘、乘法及其性质；2.矩阵的转置、对称与反对称矩阵、单位矩阵；3.矩阵的秩：元素型和行列型定义、秩的性质和计算方法；4.矩阵的逆：可逆矩阵与非奇异矩阵、矩阵的逆的存在性和计算方法；5.矩阵的秩公式和分块矩阵。
二、行列式1.行列式的定义：n阶行列式的定义、性质和计算方法；2.行列式的性质：行列式的性质和性质导出的定理；3.方阵的行列式的计算：按行（列）展开、对角线法则、拉普拉斯展开；4.计算商工差、计算行列式的特殊方法；5.行列式的应用：方阵可逆的判定、线性方程组的解的存在性与唯一性、向量线性相关与线性无关的判定。
三、线性方程组1.线性方程组的线性组合与线性相关性；2.齐次方程组与非齐次方程组的概念；3.齐次线性方程组的基础解系与通解；4.线性方程组的求解方法：初等变换法、高斯消元法、矩阵法；5.线性方程组的解的判别准则：齐次线性方程组有非零解的充分必要条件、非齐次线性方程组有解的充分必要条件。
四、特征值与特征向量1.特征值与特征向量的定义；2.特征值与特征向量的性质：特征值的性质、特征向量的性质；3.对角化与相似矩阵：矩阵的相似与相似矩阵的性质；4.对称矩阵的主轴定理和谱定理；5.特征值与特征向量的计算方法。
五、线性空间与线性变换1.线性空间的定义和性质；2.线性子空间的定义和性质；3.线性相关与线性无关性质的判定；4.线性空间的基与维数的概念；5.线性变换的定义和性质：线性变换的线性性质、线性变换的像与核。
以上就是考研数学线性代数必考的主要知识点。
掌握了这些知识点，可以帮助考生有效准备考研数学线性代数的复习和应对考试，为取得良好成绩打下坚实的基础。
考研数学一大纲详解线性代数部分重要知识点梳理
考研数学一大纲详解线性代数部分重要知识点梳理线性代数作为数学的一个重要分支，是考研数学一科目中不可或缺的一部分。
在考研备考的过程中，对线性代数的重要知识点进行详细梳理，对于提高考生的备考效果具有重要意义。
本文将详解考研数学一大纲中线性代数部分的重要知识点，并对其进行逐一讲解。
一、行列式及其性质行列式是线性代数中的基础知识，掌握行列式的性质对于解题至关重要。
行列式的性质包括：行列式的定义、行列式的性质、行列式的计算方法等。
行列式的定义是关于n阶行列式的，其中n表示行列式的阶数。
行列式的定义较为复杂，但我们只需熟记其定义即可。
行列式的性质包括：行列式相等的条件、行列式的值与其元素的关系等。
这些性质在解题过程中经常用到，熟悉这些性质不仅可以帮助我们更好地理解行列式的本质，还能够简化计算过程。
行列式的计算方法是解决行列式问题的基础。
行列式的计算采用展开法、按行（列）展开法等多种方法。
我们需要熟练掌握这些计算方法，并灵活运用于解答各类行列式题目。
二、矩阵及其运算矩阵是线性代数中的另一个重要概念，学习矩阵及其运算对于解题具有重要作用。
矩阵的概念包括：矩阵的定义、矩阵的运算等。
矩阵的定义是关于m行n列的矩阵的，其中m表示矩阵的行数，n表示矩阵的列数。
矩阵的定义较为简单，但需要我们掌握其基本概念和术语。
矩阵的运算包括：矩阵的加法、矩阵的乘法等。
矩阵的加法和乘法是两种基本的矩阵运算，我们需要熟练掌握其定义和运算法则，并能够应用到实际问题中。
三、向量及其运算向量是线性代数中的重要概念，其运算方法也是考研数学一大纲中的重点内容。
向量的概念包括：向量的定义、向量的运算等。
向量的定义是关于n维向量的，其中n表示向量的维数。
向量的定义较为简单，但需要我们理解其本质和特点。
向量的运算包括：向量的加法、向量的数乘、向量的内积和外积等。
掌握这些运算方法对于解题非常重要，需要注意运算规则和性质。
四、线性相关与线性无关线性相关与线性无关是线性代数中的一个重要概念，其在解决线性方程组和矩阵求逆等问题时经常用到。
(完整版)线性代数知识点全归纳
1线性代数知识点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 ijij 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 -=-； 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 AB CB O B==、(1)m n CA OA AB B 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；22、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 T AB 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 OB ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭；（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）33、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)11kk 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 ≤；（※）4⑧、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()nn n n m n m mn n n n m m n mn n n n n n m a b C a C a b C a b C a b C 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()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-=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；511. 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 aa 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 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；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 AX B ⇔=是否有解；（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 ：6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 ≤； 向量组A 能由向量组B 线性表示，则()()r A r B ≤；向量组A 能由向量组B 线性表示AX B ⇔=有解； ()(,)r A r A B ⇔=向量组A 能由向量组B 等价()()(,)r A r B r A B ⇔ ==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，A 与B 的任何对应的列向量组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：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；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；715. 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；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)8第一章 随机事件互斥对立加减功，条件独立乘除清； 全概逆概百分比，二项分布是核心； 必然事件随便用，选择先试不可能。
线性代数知识点及总结
线性代数知识点总结第一章 行列式1. n 阶行列式()()121212111212122212121==-∑n nnn t p p p n p p np p p p n n nna a a a a a D a a a a a a 2.特殊行列式1212n nλλλλλλ=，()()1122121n n n nλλλλλλ-=-3.行列式的性质定义记111212122212nn n n nna a a a a a D a a a =，112111222212n n T nnnna a a a a a D a a a =，行列式TD 称为行列式D 的转置行列式。
性质1行列式与它的转置行列式相等。
性质2 互换行列式的两行()↔i j r r 或列()↔i j c c ，行列式变号。
推论如果行列式有两行〔列〕完全一样〔成比例〕，则此行列式为零。
性质3 行列式*一行〔列〕中所有的元素都乘以同一数()⨯j k r k ，等于用数k 乘此行列式； 推论1 D 的*一行〔列〕中所有元素的公因子可以提到D 的外面; 推论2 D 中*一行〔列〕所有元素为零，则=0D 。
性质4 假设行列式的*一列〔行〕的元素都是两数之和，则1112111212222212()()()i i n i i n n n ni ninna a a a a a a a a a D a a a a a '+'+='+11121111121121222*********12i n i n i n i n n n ninnn n ninna aa a a a a a a a a a a a a a a a a a a a a a ''=+' 性质6 把行列式的*一列〔行〕的各元素乘以同一数然后加到另一列(行)对应的元素上去，行列式的值不变。
而算得行列式的值。
4. 行列式按行〔列〕展开余子式在n 阶行列式中，把元素ij a 所在的第i 行和第j 列划去后，留下来的1n -阶行列式叫做元素ij a 的余子式，记作ij M 。
- 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)。
从近几年的真题来看，数学线性代数出题没有过多的变化，2014年的考研[微博]学子们，如何做到在千军万马中胜出，需要我们提前准备，更要做到心中有数，下面跨考教育[微博]数学教研室张老师就考研中线性代数部分的复习重点
在考前再给大家梳理一遍。
一、行列式与矩阵
第一章《行列式》、第二章《矩阵》是线性代数中的基础章节，有必要熟练
掌握。
行列式的核心内容是求行列式，包括具体行列式的计算和抽象行列式的计
算，其中具体行列式的计算又有低阶和高阶两种类型；主要方法是应用行列式的性质及按行列展开定理化为上下三角行列式求解。
对于抽象行列式的求值，考点不在求行列式，而在于相关性质，矩阵部分出题很灵活，频繁出现的知识点包括矩阵运算的运算规律、运算性质、矩阵可逆的判定及求逆、矩阵的秩的性质、初
等矩阵的性质等。
二、向量与线性方程组
向量与线性方程组是整个线性代数部分的核心内容。
相比之下，行列式和矩阵可视作是为了讨论向量和线性方程组部分的问题而做铺垫的基础性章节；后两章特征值、特征向量、二次型的内容则相对独立，可以看作是对核心内容的扩展。
向量与线性方程组的内容联系很密切，很多知识点相互之间都有或明或暗的相关性。
复习这两部分内容最有效的方法就是彻底理顺诸多知识点之间的内在联系，因为这样做首先能够保证做到真正意义上的理解，同时也是熟练掌握和灵活运用的前提。
解线性方程组可以看作是出发点和目标。
线性方程组(一般式)
还具有两种形式：(1)矩阵形式，(2)向量形式。
1)齐次线性方程组与线性相关、无关的联系
齐次线性方程组可以直接看出一定有解，因为当变量都为零时等式一定成立；印证了向量部分的一条性质“零向量可由任何向量线性表示”。
齐次线性方程组一定有解又可以分为两种情况：①有唯一零解；②有非零解。
当齐次线性方程组有唯一零解时，是指等式中的变量只能全为零才能使等式成
立，而当齐次线性方程组有非零解时，存在不全为零的变量使上式成立；但向量部分中判断向量组是否线性相关无关的定义也正是由这个等式出发的。
故向量与线性方程组在此又产生了联系：齐次线性方程组是否有非零解对应于系数矩阵的列向量组是否线性相关。
可以设想线性相关无关的概念就是为了更好地讨论线
性方程组问题而提出的。
2)齐次线性方程组的解与秩和极大无关组的联系
同样可以认为秩是为了更好地讨论线性相关和线性无关而引入的。
秩的定义是“极大线性无关组中的向量个数”。
经过“秩→线性相关无关→线性方程组解的判定”的逻辑链条，就可以判定列向量组线性相关时，齐次线性方程组有非零解，且齐次线性方程组的解向量可以通过r个线性无关的解向量(基础解系)线性表示。
3)非齐次线性方程组与线性表示的联系
非齐次线性方程组是否有解对应于向量是否可由列向量组线性表示，使等式成立的一组数就是非齐次线性方程组的解。
三、特征值与特征向量
相对于前两章来说，本章不是线性代数这门课的理论重点，但却是一个考试重点。
其原因是解决相关题目要用到线代中的大量内容——既有行列式、矩阵又有线性方程组和线性相关，“牵一发而动全身”。
本章知识要点如下：
1.特征值和特征向量的定义及计算方法就是记牢一系列公式和性质。
2.相似矩阵及其性质，需要区分矩阵的相似、等价与合同：
3.矩阵可相似对角化的条件，包括两个充要条件和两个充分条件。
充要条件1是n阶矩阵有n个线性无关的特征值；充要条件2是任意r重特征根对应有r 个线性无关的特征向量。
4.实对称矩阵及其相似对角化，n阶实对称矩阵必可正交相似于对角阵。
四、二次型
本章所讲的内容从根本上讲是第五章《特征值和特征向量》的一个延伸，因为化二次型为标准型的核心知识为“对于实对称矩阵A存在正交矩阵C使得A 可以相似对角化”，其过程就是上一章相似对角化在为实对称矩阵时的应用。
本章知识要点如下：
1.二次型及其矩阵表示。
2.用正交变换化二次型为标准型。
3.正负定二次型的判断与证明。
附：
第一章行列式
1、行列式的定义
2、行列式的性质
3、特殊行列式的值
4、行列式展开定理
5、抽象行列式的计算
第二章矩阵
1、矩阵的定义及线性运算
2、乘法
3、矩阵方幂
4、转置
5、逆矩阵的概念和性质
6、伴随矩阵
7、分块矩阵及其运算
8、矩阵的初等变换与初等矩阵
9、矩阵的等价
10、矩阵的秩
第三章向量
1、向量的概念及其运算
2、向量的线性组合与线性表出
3、等价向量组
4、向量组的线性相关与线性无关
5、极大线性无关组与向量组的秩
6、内积与施密特正交化
7、n维向量空间(数学一)
第四章线性方程组
1、线性方程组的克莱姆法则
2、齐次线性方程组有非零解的判定条件
3、非齐次线性方程组有解的判定条件
4、线性方程组解的结构
第五章矩阵的特征值和特征向量
1、矩阵的特征值和特征向量的概念和性质
2、相似矩阵的概念及性质
3、矩阵的相似对角化
4、实对称矩阵的特征值、特征向量及其相似对角矩阵第六章二次型
1、二次型及其矩阵表示
2、合同变换与合同矩阵
3、二次型的秩
4、二次型的标准型和规范型
5、惯性定理
6、用正交变换和配方法化二次型为标准型
7、正定二次型及其判定。