线性代数各章知识和脉络图
线性代数知识结构框架
第一章：行列式考试内容：行列式的概念和基本性质行列式按行（列）展开定理考试要求：1．了解行列式的概念，掌握行列式的性质．2．会应用行列式的性质和行列式按行（列）展开定理计算行列式．第二章：矩阵考试内容：矩阵的概念矩阵的线性运算矩阵的乘法方阵的幂方阵乘积的行列式矩阵的转置逆矩阵的概念和性质矩阵可逆的充分必要条件伴随矩阵矩阵的初等变换初等矩阵矩阵的秩矩阵等价分块矩阵及其运算考试要求：1．理解矩阵的概念，了解单位矩阵、数量矩阵、对角矩阵、三角矩阵、对称矩阵和反对称矩阵以及它们的性质．2．掌握矩阵的线性运算、乘法、转置以及它们的运算规律，了解方阵的幂与方阵乘积的行列式的性质.3．理解逆矩阵的概念，掌握逆矩阵的性质以及矩阵可逆的充分必要条件，理解伴随矩阵的概念，会用伴随矩阵求逆矩阵．4．理解矩阵的初等变换的概念，了解初等矩阵的性质和矩阵等价的概念，理解矩阵的秩的概念，掌握用初等变换求矩阵的秩和逆矩阵的方法．5．了解分块矩阵及其运算．第三章：向量考试内容：向量的概念向量的线性组合和线性表示向量组的线性相关与线性无关向量组的极大线性无关组等价向量组向量组的秩向量组的秩与矩阵的秩之间的关系向量空间以及相关概念n维向量空间的基变换和坐标变换过渡矩阵向量的内积线性无关向量组的正交规范化方法规范正交基正交矩阵及其性质考试要求：1．理解n维向量、向量的线性组合与线性表示的概念．2．理解向量组线性相关、线性无关的概念，掌握向量组线性相关、线性无关的有关性质及判别法．3．理解向量组的极大线性无关组和向量组的秩的概念，会求向量组的极大线性无关组及秩．4．理解向量组等价的概念，理解矩阵的秩与其行(列)向量组的秩之间的关系5．了解n维向星空间、子空间、基底、维数、坐标等概念．6．了解基变换和坐标变换公式，会求过渡矩阵．7．了解内积的概念，掌握线性无关向量组正交规范化的施密特（Schmidt）方法．8．了解规范正交基、正交矩阵的概念以及它们的性质．第四章：线性方程组考试内容:线性方程组的克莱姆（Cramer）法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线性方程组解的性质和解的结构齐次线性方程组的基础解系和通解解空间非齐次线性方程组的通解考试要求l．会用克莱姆法则．2．理解齐次线性方程组有非零解的充分必要条件及非齐次线性方程组有解的充分必要条件．3．理解齐次线性方程组的基础解系、通解及解空间的概念，掌握齐次线性方程组的基础解系和通解的求法.4．理解非齐次线性方程组解的结构及通解的概念．5．掌握用初等行变换求解线性方程组的方法．第五章：矩阵的特征值及特征向量考试内容:矩阵的特征值和特征向量的概念、性质相似变换、相似矩阵的概念及性质矩阵可相似对角化的充分必要条件及相似对角矩阵实对称矩阵的特征值、特征向量及相似对角矩阵考试要求:1．理解矩阵的特征值和特征向量的概念及性质，会求矩阵的特征值和特征向量. 2．理解相似矩阵的概念、性质及矩阵可相似对角化的充分必要条件，掌握将矩阵化为相似对角矩阵的方法.3．掌握实对称矩阵的特征值和特征向量的性质．第六章：二次型考试内容：二次型及其矩阵表示合同变换与合同矩阵二次型的秩惯性定理二次型的标准形和规范形用正交变换和配方法化二次型为标准形二次型及其矩阵的正定性考试要求：1．掌握二次型及其矩阵表示，了解二次型秩的概念，了解合同变化和合同矩阵的概念了解二次型的标准形、规范形的概念以及惯性定理．2．掌握用正交变换化二次型为标准形的方法，会用配方法化二次型为标准形．3．理解正定二次型、正定矩阵的概念，并掌握其判别法概率与统计第一章：随机事件和概率考试内容：随机事件与样本空间事件的关系与运算完备事件组概率的概念概率的基本性质古典型概率几何型概率条件概率概率的基本公式事件的独立性独立重复试验考试要求：1．了解样本空间(基本事件空间)的概念，理解随机事件的概念，掌握事件的关系与运算．2．理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率，掌握概率的加法公式、减法公式、乘法公式、全概率公式，以及贝叶斯(Bayes)公式．3．理解事件的独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法．第二章：随机变量及其分布考试内容：随机变量随机变量的分布函数的概念及其性质离散型随机变量的概率分布连续型随机变量的概率密度常见随机变量的分布随机变量函数的分布考试要求：1．理解随机变量的概念．理解分布函数的概念及性质．会计算与随机变量相联系的事件的概率．2．理解离散型随机变量及其概率分布的概念，掌握0－1分布、二项分布、几何分布、超几何分布、泊松（Poisson）分布及其应用．3.了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布.4．理解连续型随机变量及其概率密度的概念，掌握均匀分布、正态分布、指数分布及其应用，其中参数为λ（λ>0）的指数分布的概率密度为5．会求随机变量函数的分布．第三章：多维随机变量及其分布考试内容：多维随机变量及其分布二维离散型随机变量的概率分布、边缘分布和条件分布二维连续性随机变量的概率密度、边缘概率密度和条件密度随机变量的独立性和不相关性常用二维随机变量的分布两个及两个以上随机变量简单函数的分布考试要求：1．理解多维随机变量的概念，理解多维随机变量的分布的概念和性质. 理解二维离散型随机变量的概率分布、边缘分布和条件分布；理解二维连续型随机变量的概率密度、边缘密度和条件密度．会求与二维随机变量相关事件的概率．2．理解随机变量的独立性及不相关性的概念，掌握随机变量相互独立的条件. 3．掌握二维均匀分布，了解二维正态分布的概率密度，理解其中参数的概率意义．4．会求两个随机变量简单函数的分布，会求多个相互独立随机变量简单函数的分布。
线代必备资料：线性代数知识框架(word版)
分块对角阵相乘： A
A11
B11 , B A22
*
B22 AB*
A B AB 11 11
A22 B22
A BA* 分块对角阵的伴随矩阵： B
√ 矩阵方程的解法( A 0 )：设法化成(I)AX B
1 , 2 , , s 线性无关； 1 , 2 , , s 都是 Ax 0 的解；
③ s n r ( A) 每个解向量中自由未知量的个数 .
5
√ 一个齐次线性方程组的基础解系不唯一.
1 2 3 4 5
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 p教材114 . 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. 向量组 1 , 2 , , n 线性无关 向量组中每一个向量 i 都不能由其余 n 1 个向量线性表示.
T
CT Dห้องสมุดไป่ตู้
A1 A 分块矩阵的逆矩阵： B A1 A C O B O
1
1
1 B A1CB 1 B
B
A 1 A
1
1
B 1
A1 O A O 1 1 B C B B CA
线性代数思维导图全6页及其总结
注意例5.4
若一个矩阵能与对角矩阵相似，则称此矩阵可对 角化
将给定的一组基转化成正交基
将给定的一个向量组变 为单位正交的向量组 先用施密特正交法将其 正交化，再将其单位化
n阶方阵A与对角矩阵相似的充要条件：A的每个 特征值对应的线性无关的特征向量的最大个数等
于该特征值的重数
求齐次方程组的解空间W的正交 基，并将其扩充
变为B的相似变换矩阵
施密特正交法
若矩阵A与其转置矩阵的乘 积为单位矩阵，则称A为正 交矩阵，即A的逆矩阵与其
转置矩阵相等
实对称矩阵一定能与对角矩阵相似 （可对角化），并且相似变换矩阵
可取为正交矩阵
相似矩阵秩相同
相似矩阵行列式相等
相似矩阵都可逆或不可逆，当它们都可逆时，它 们的逆矩阵也相似
相似矩阵有相同的特征多项式， 从而特征值也相同
设向量组A是子空间V中的线性无关组，且V中任 意向量是向量组A的线性组合，则称A为子空间
的一组基
注意例4.23
子空间
求已知向量在某组基下 的坐标
例4.29
行列式行与列的地位是对称的，即对 行成立的性质对列也成立，矩阵则不
然
线性代 数
对角矩阵相乘（必须同阶）， 等于各位置元素直接相乘'
(A*B)的转置等于B的转置乘以A的转置，注意B 在前，顺序换了，该性质可以推广到多元
有无穷多组解的充要条件是rank(A)=rank(B)<n 有惟一解的充要条件是rank(A)=rank(B)=n
求特征向量 和特征值
注意A必须为方阵
设A为n阶方阵，X为n维非零向量，k为常数 若 AX=kX
则称X为A的特征向量，k为特征向量X对应的特 征值，矩阵A-kE称为A的特征矩阵 det(A-kE)=0称为特征方程
线性代数各章知识及脉络图
M M
0 0
0
,n 3
Dn
A
B
a1
b1
,n 1
a1 a2 b1 b2 , n 2
-5-
○2 加边法专辑
加边法的应用：通过升阶获得一些特殊的元素值，从而消去某些元素，使得行列式形式更加简单且特殊，
从而实现计算的简化。
此种方法其实是反向利用 Laplace 展开定理，看似复杂化，其实阶数的增加反倒可以将行列式简单化，更 易发现规律。同时应当注意加边的类型及加边后行列式值不能改变。
1 n2
○3 爪型行列式专辑
爪型行列式形如：
方法：将 D 的第 i+1 列乘以 ci i 1, 2,L , n都加到第 1 列，得
ai
有些行列式经过适当的变化可以化为行列式，再采用上述方法计算。
a1 x x L x a2 x L 【例】： Dn x x a3 L M M MO
x x xL
【例】：计算行列式
令 Dn C C AB ，
a2 1 0 L
a2 1 0 L
C
M
MM
a2 1 0 L
a2 1 0 L
0 1 1 L 0b1 b2 L M 0 0 L 0 M M 0 0 0 L
1 1
bn1 bn
0
0
【例】：
1、设行列式 det A 的元素为 aij ，行列式
n
试证： det D det A x Aij ，其中 Aij 为 aij 在 det A 中的代数余子式。 i, j1
证明：把 det D 升阶得到
n
n
n
线性代数各知识脉络图
线性代数各知识脉络图————————————————————————————————作者：————————————————————————————————日期：一、行列式知识结构网络图概念性质展开式计算证明0A =应用经转置行列式的值不变； 某行有公因数k ，可把k 提到行列不同行、不同列的n 个1nn ik ikk D a A ==∑（按i 行展开） 1n n kj kjk D a A ==∑（按j 行余子式、给定（i ,j ）未给定（i ,j ）化三角形－加边法、爪用行列式性质计算； 克拉默法则；判断方阵的可逆，利用伴随几()n n R n⨯<A ；0是方阵A 的特征值；行列行列式是线性代数中的重要工具，在求解线性方程组、求逆矩阵、判断向量组的线性相关性、求矩阵的特征值、判断二次型的正定性等方面都要用到．本章的重点是应用行列式的性质和展开定理计算行列式．行列式的计算除了利用性质及展开定理外，还有三角化法、升阶法、递推法和数学归纳法等，计算方法多，技巧性强，这是难点所在．要掌握好这些方法，首先必须具体分析所求行列式元素分布的规律，针对其特点采取适当的方法；其次是要注意总结、积累经验，不断提高运算能力．行列式的性质【例】：已知531，252，234都是9的倍数，利用行列式的性质（而不是展开），证明522353124也是9的倍数。
解答：522353124231321010r r ,r r ++522353531252234139r 5229353582726【例】：如果除最后一行外，从每一行减去后面的一行，而从最后一行减去原先的第一行，问行列式值如何变化？解答：设原行列式为⎪⎪⎪⎭⎫ ⎝⎛=n A ααM 1det ，则新的行列式为⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛----=-113221det ααααααααn n n B M， ()00,,3,2det 11321113221=⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛---=+⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----=--ααααααααααααααn n n i n n n n i r r B MΛM特殊行列式1、（主）对角行列式、上（下）三角行列式1111111111221122221111111niii nnnnnna a a a a a a a a a a a a a a a ====∏L LOM M O OM L2、（次）对角行列式、上（下）三角行列式()()12111111212212121111111n n nnn n n,n ,n,n ,n iii n n,n nn n n a a a a a a a a a a aa a a a a ----=-===-∏LL N N M N L3、分块三角行列式 形式简记为：*==⨯*A O A AB BO B，()1k n⨯*==-⨯*O A AA B BB O4、范德蒙德行列式()211112112122222221212121111111121121111111,,,11n n n n n n n n n n n n n n n n n n nn n x x x x x x x x x x f x x x x x x x x x x x x x x x x x --------------==L L L L L L M M M M M M M M L LL()()121,,,n ijn i j f x x x x x ≥>≥=-∏L ()()()()()1213211212111,,,n nj n j j j n j n j j j f x x x xx xx xx x x --≥≥-≥≥≥≥≥≥=-⋅---∏∏∏∏L L()()()()1221n n n n n n x x x x x x x x --=----L()()()()()()()12131211323121n n n n n n x x x x x x x x x x x x x x -------------L L认识范德蒙德行列式可以将n 阶范德蒙德行列式看成式关于n 个变量12,,,n x x x L 的函数，即()12,,,n n D f x x x =L 。
线性代数思维导图全6页及其总结
第五章
若k为A的特征值，X为其对应的特征向量， 设有多项式f(x)=a0+a1x+...+am*x(m)次方， 则方阵f(A)=a0E+a1A+...+amA(m次方)的特
征值为f(k),X仍为其相应的特征向量
注意P的逆矩阵在前 A,B为n阶方阵，若存在n阶可逆矩阵P，使 P-1AP=B则称A与B相似，记作A~B，P被称为A
参见P95 例5.8
A为正交矩阵的充要条件是其列（行） 向量组是Rn中的单位正交基
若A为正交矩阵，则A的逆矩阵也为正交矩阵
若A,B为同阶正交矩阵，则AB也为正交矩阵
若A为正交矩阵，则 det(A)=+-1
实对称矩阵的特征值都是实数
实对称矩阵的不同特征值对应的特征向量必定正 交
第一章
若矩阵A可逆，则其转置矩阵也可逆，若矩阵 A，B可逆，则两者乘积也可逆
对角矩阵的逆矩阵为其 对应位置的各数变成其
倒数
都是针对n阶方阵而言
如何求逆矩阵
第三章
对称矩阵：对称位置的元素相等 反对称矩阵：对称位置元素相反，主对角线上元
素全部为零
有一线性方程组，其系数矩阵为A，增广矩阵为 B，其有n条方程
| B)
有向量组A和向量组B
若B可由A线性表示，则 rank(B)小于等于rank(A)
齐次方程组的一个基础解系是由一组线性无关的 向量组成
注意这条例题的思想 相册内有清晰版
有n维向量组A，若它的一个部分向量组A1线性 无关，且A1与A等价，称A1是A的最大线性无关
组
第四章
先用行初等变换简化系数矩阵 得到同解方程组
将nX2n矩阵(A | E)进行一系 列行初等变换，直到变成( E | A-1)，即得方阵A的逆矩阵
精编考研线性代数知识框架图资料
考研线性代数知识框架图()000,nT A r A n A A Ax x Ax A Ax A A A E ββ==⇔∀≠≠≠⇔∀∈=≅可逆 的列（行）向量线性无关 的特征值全不为0 只有零解 ，0总有唯一解 是正定矩阵 R 12,s iA p p p p nB AB E AB E⎧⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪=⋅⋅⋅⎪==⎪⎩ 是初等阵存在阶矩阵使得 或 注：全体n 维实向量构成的集合nR 叫做n 维向量空间.()0A r A n A A A Ax A λ<=⇔==不可逆 0的列（行）向量线性相关 0是的特征值 有非零解,其基础解系即为关于0的⎧⎪⎪⎪⎨⎪⎪⎪⎩特征向量注：()()0a b r aE bA n aE bA aE bA x λ+<⎧⎪+=⇔+=⎨⎪⎩0有非零解=-⎫⎪≅⎪−−−→⎬⎪⎪⎭具有向量组等价矩阵等价()反身性、对称性、传递性矩阵相似()矩阵合同() √ 关于12,,,n e e e ⋅⋅⋅：①称为n的标准基，n中的自然基，单位坐标向量152p 教材；②12,,,n e e e ⋅⋅⋅线性无关； ③12,,,1n e e e ⋅⋅⋅=； ④tr =E n ；⑤任意一个n 维向量都可以用12,,,n e e e ⋅⋅⋅线性表示.1212121112121222()1212()n n nn n j j j n j j nj j j j n n nna a a a a a D a a a a a a τ==-∑1√ 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A B 与都是方阵（不必同阶）,则==()mn A OA A O A BO BO BBO A AA B B O B O*==**=-1③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：(1)211212112111()n n nnn n n n n n n a Oa a a a a a a Oa O---*==-1⑤范德蒙德行列式：()1222212111112n ij nn i j n n n nx x x xx x x x x x x ≥≥≥---=-∏111由m n ⨯个数排成的m 行n 列的表111212122212n n m m mn a a a a a a A a a a ⎛⎫⎪ ⎪= ⎪⎪⎝⎭称为m n ⨯矩阵.记作：()ij m n A a ⨯=或m nA ⨯()1121112222*12n Tn ijnnnn A A A A A A A A A A A ⎛⎫ ⎪ ⎪== ⎪ ⎪⎝⎭，ij A 为A 中各个元素的代数余子式. √ 逆矩阵的求法:① 1A A A *-= 注： 1a b d b c d c a ad bc --⎛⎫⎛⎫= ⎪ ⎪--⎝⎭⎝⎭1②1()()AE E A -−−−−→初等行变换③1231111213a a a a a a -⎛⎫⎛⎫⎪ ⎪=⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭3211111213a a a a a a -⎛⎫⎛⎫⎪ ⎪=⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭√ 方阵的幂的性质：m n m nA A A+= ()()m nmnA A =√ 设,,m n n s A B ⨯⨯A 的列向量为12,,,n ααα⋅⋅⋅,B 的列向量为12,,,s βββ⋅⋅⋅，则m sAB C ⨯=⇔()()1112121222121212,,,,,,s s n s n n ns b b b b b b c c c b b b ααα⎛⎫⎪ ⎪⋅⋅⋅= ⎪⎪⎝⎭⇔i iA c β= ，(,,)i s =1,2⇔iβ为iAx c =的解⇔()()()121212,,,,,,,,,s s s A A A A c c c ββββββ⋅⋅⋅=⋅⋅⋅=⇔12,,,s c c c 可由12,,,n ααα⋅⋅⋅线性表示. 同理：C 的行向量能由B 的行向量线性表示，T A 为系数矩阵.√ 用对角矩阵Λ左乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的行向量； 用对角矩阵Λ右乘一个矩阵,相当于用Λ的对角线上的各元素依次乘此矩阵的列向量. √ 两个同阶对角矩阵相乘只用把对角线上的对应元素相乘.√ 分块矩阵的转置矩阵：TTT TT A B A C C D BD ⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭分块矩阵的逆矩阵：111A A B B ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭ 111A B B A---⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭1111A C A A CB O B OB ----⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭ 1111A O A O CB B CA B ----⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭分块对角阵相乘：11112222,A B A B A B ⎛⎫⎛⎫==⎪ ⎪⎝⎭⎝⎭11112222A B AB A B ⎛⎫= ⎪⎝⎭分块对角阵的伴随矩阵：***A BA B AB ⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭√ 矩阵方程的解法(0A ≠)：设法化成AX B XA B ==(I) 或 (II)A B E X −−−−→初等行变换(I)的解法：构造()()T T T TA XB X X=(II)的解法：将等式两边转置化为， 用(I)的方法求出，再转置得√ 0Ax =与0Bx =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.√ 矩阵m n A ⨯与l n B ⨯的行向量组等价⇔齐次方程组0Ax =与0Bx =同解⇔PA B =（左乘可逆矩阵P ）；101p 教材 矩阵m n A ⨯与l n B ⨯的列向量组等价⇔PQ B =（右乘可逆矩阵Q ）. √ 判断12,,,s ηηη是0Ax =的基础解系的条件：① 12,,,s ηηη线性无关； ② 12,,,s ηηη都是0Ax =的解；③ ()s n r A =-=每个解向量中自由未知量的个数.√ 一个齐次线性方程组的基础解系不唯一.① 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. ② 单个零向量线性相关；单个非零向量线性无关. ③ 部分相关,整体必相关；整体无关,部分必无关.④ 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.⑤ 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114p 教材.⑥ 向量组12,,,n ααα⋅⋅⋅中任一向量i α(1≤i ≤)n 都是此向量组的线性组合.⑦ 向量组12,,,n ααα⋅⋅⋅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. 向量组12,,,n ααα⋅⋅⋅线性无关⇔向量组中每一个向量i α都不能由其余n -1个向量线性表示. ⑧ m 维列向量组12,,,n ααα⋅⋅⋅线性相关()r A n ⇔<； m 维列向量组12,,,n ααα⋅⋅⋅线性无关()r A n ⇔=. ⑨ ()r A A O =⇔=0.⑩ 若12,,,n ααα⋅⋅⋅线性无关，而12,,,,n αααβ⋅⋅⋅线性相关,则β可由12,,,n ααα⋅⋅⋅线性表示,且表示法唯一. ⑪ 矩阵的行向量组的秩=列向量组的秩=矩阵的秩. 行阶梯形矩阵的秩等于它的非零行的个数.可画出一条阶梯线，线的下方全为0；每个台阶只有一行，台阶数即是非零行的行数，阶梯线的竖线后面的第一个元素非零.当非零行的第一个非零元为1，且这些非零元所在列的其他元素都是0⑫ 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. 即：矩阵的初等变换不改变矩阵的秩. √ 矩阵的初等变换和初等矩阵的关系：对A 施行一次初等行变换得到的矩阵,等于用相应的初等矩阵左乘A ； 对A 施行一次初等列变换得到的矩阵,等于用相应的初等矩阵右乘A .如果矩阵A 存在不为零的r 阶子式，且任意r +1阶子式均为零，则称矩阵A 的秩为r .记作()r A r =向量组12,,,n ααα的极大无关组所含向量的个数，称为这个向量组的秩.记作12(,,,)n r αααA 经过有限次初等变换化为B . 记作：A B =12,,,n ααα⋅⋅⋅和12,,,n βββ⋅⋅⋅可以相互线性表示. 记作：()()1212,,,,,,n n αααβββ⋅⋅⋅=⋅⋅⋅⑬ 矩阵A 与B 等价⇔PAQ B =，,P Q 可逆⇔()(),r A r B A B =≠>作为向量组等价,即：秩相等的向量组不一定等价.矩阵A 与B 作为向量组等价⇔1212(,,,)(,,,)n n r r αααβββ⋅⋅⋅=⋅⋅⋅=1212(,,,,,,)n n r αααβββ⋅⋅⋅⋅⋅⋅⇒ 矩阵A 与B 等价.⑭ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示⇔AX B =有解⇔12(,,,)=n r ααα⋅⋅⋅1212(,,,,,,)n s r αααβββ⋅⋅⋅⋅⋅⋅⇒12(,,,)s r βββ⋅⋅⋅≤12(,,,)n r ααα⋅⋅⋅.⑮ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示,且s n >，则12,,,s βββ⋅⋅⋅线性相关.向量组12,,,s βββ⋅⋅⋅线性无关,且可由12,,,n ααα⋅⋅⋅线性表示,则s ≤n .⑯ 向量组12,,,s βββ⋅⋅⋅可由向量组12,,,n ααα⋅⋅⋅线性表示,且12(,,,)s r βββ⋅⋅⋅12(,,,)n r ααα=⋅⋅⋅,则两向量组等价；p 教材94,例10 ⑰ 任一向量组和它的极大无关组等价.向量组的任意两个极大无关组等价. ⑱ 向量组的极大无关组不唯一，但极大无关组所含向量个数唯一确定. 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{}()min ,r A 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：12,,,n ααα⋅⋅⋅线性无关.√ 矩阵的秩的性质：①()A O r A ≠⇔若≥1 0≤()m n r A ⨯≤min(,)m n ②()()()TTr A r A r A A == p 教材101,例15③()()r kA r A k =≠ 若0④()r A B ±≤()()r A r B + {}max (),()r A r B ≤(,)r A B ≤()()r A r B + p 教材70⑤ ()()A O O A r r A r B O B B O ⎛⎫⎛⎫==+⎪ ⎪⎝⎭⎝⎭ ()()A C r r A r B O B ⎛⎫≠+ ⎪⎝⎭⑥()r AB ≤{}min (),()r A r B⑦ ,,()()()m n n s A B r AB r A r B ⨯⨯=⇒+若且0≤n ⑧()()A r AB r B ⇒=若可逆()()B r AB r A ⇒=若可逆⑨若0()()()m n Ax r A n r AB r B ⨯⇔=⎧=⇒⎨=⎩ 只有零解且A 在矩阵乘法中有左消去律0AB B AB AC B C =O ⇒=⎧⎨=⇒=⎩；若()()()n s r B n r AB r B ⨯=⇒= 且B 在矩阵乘法中有右消去律.√ 初等矩阵的性质：1212,,,0,,,()()A n n Ax n Ax A Ax r A r A Ax n βαααβαααβββ⇔=<⇔⇒⇔=−−−−−→=⇔=⇔=⇔==当为方阵时有无穷多解 表示法不唯一线性相关有非零解0 可由线性表示有解有唯一组解 1212,,,0()(),,,()(A n n Ax A r A r A Ax r A r αααββαααβ⎧⎪⎪⎪⎪⎨⎪⎪⇔⎪⇒⇔=−−−−−→≠⇒⎪⎩⇔≠⇔=⇔<当为方阵时表示法唯一 线性无关只有零解0克莱姆法则 不可由线性表示无解)()1()A r A r A ββ⎧⎪⎨⎪⇔+=⎩注：Ax Ax ββ⇒=<≠⇒=<≠有无穷多解其导出组有非零解有唯一解其导出组只有零解Ax β=1122n n x x x αααβ+++=1112111212222212,,n n m m mn n m a a a x b a a a x b A x a a a x b β⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭ 12,,2,,j j j mj j n αααα⎛⎫ ⎪ ⎪== ⎪ ⎪ ⎪⎝⎭11212(,,,)n n x x x αααβ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭线性方程组解的性质：1212121211221212(1),0,(2)0,,(3),,,0,,,,,(4),0,(5),,0(6k k k k Ax Ax k k Ax k Ax Ax Ax Ax Ax ηηηηηηηηηλλλληληληγβηγηβηηβηη=+⎫⎪=⎪⎬=⎪⎪++⎭==+==-= 是的解也是它的解 是的解对任意也是它的解齐次方程组 是的解对任意个常数 也是它的解 是的解是其导出组的解是的解是的两个解是其导出组的解211212112212112212),0(7),,,,100k k k k k k k Ax Ax Ax Ax Ax ηβηηηηηηβληληληβλλλληληληλλλ⎧⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪=⇔-=⎪=⎪⎪++=⇔++=⎪⎪++=⇔++=⎩ 是的解则也是它的解是其导出组的解 是的解则也是的解 是的解 √ 设A 为m n ⨯矩阵,若()r A m =,⇒()()r A r A β=⇒Ax β=一定有解， 当m n <时,一定不是唯一解⇒<方程个数未知数的个数向量维数向量个数,则该向量组线性相关.m 是()()r A r A β和的上限.n 个n 维线性无关的向量,两两正交,每个向量长度为1.(,)0αβ=.1α==.√ 内积的性质： ① 正定性：(,)0,(,)0αααααο≥=⇔=且 ② 对称性：(,)(,)αββα=③ 双线性：1212(,)(,)(,)αββαβαβ+=+ 1212(,)(,)(,)ααβαβαβ+=+(,)(,)(,)c c c αβαβαβ==E A λ-.()E A f λλ-=.√ ()f λ是矩阵A 的特征多项式⇒()f A O =E A λ-=0. Ax x Ax x λ=→ 与线性相关√12n A λλλ= 1ni A λ=∑tr ，A tr 称为矩阵A √ 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0A =,则λ=0为A 的特征值,且0Ax =的基础解系即为属于λ=0的线性无关的特征向量.√ ()1r A =⇔A 一定可分解为A =()1212,,,n n a a b b b a ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭、21122()n n A a b a b a b A =+++,从而A 的特征值为：11122n n A a b a b a b λ==+++tr ,23n λλλ====0 p 指南358.√ 若A 的全部特征值12,,,n λλλ，()f A 是多项式,则:① ()f A 的全部特征值为12(),(),,()n f f f λλλ；12()()()()n f A f f f λλλ=② 若A 满足()0f A =,则A 的任何一个特征值必满足()i f λ=0.√ 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 a A a A a E --=++++为A 的一个多项式.√ 1231122,T A mm k kAa b aA bE A A AA 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.1B P AP -= （P 为可逆矩阵） 记为：A B1B P AP -= （P 为正交矩阵）A 与对角阵Λ相似. 记为：AΛ （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 的特征值时，A 可相似对角化⇔i λ的重数()n r A =-= 0Ax =基础解系的个数. √ 若A 可相似对角化,则其非零特征值的个数（重数重复计算）()r A =. √ 若n 阶矩阵A 有n 个互异的特征值,则A 可相似对角化.√ 若A Λ⇒k A =1k P P -Λ=，1211()()()()()n A P P P P ϕλϕλϕϕϕλ--⎛⎫⎪⎪=Λ= ⎪ ⎪⎝⎭√ 相似矩阵的性质：① A B =tr tr② A B = 从而,A B 同时可逆或不可逆 ③ ()()r A r B = ④TT AB ；11A B -- （若,A B 均可逆）；**A B⑤kk AB （k 为整数）；()()f A f B ，()()f A f B =⑥,A B A B CD C D ⎛⎫⎛⎫⇒ ⎪ ⎪⎝⎭⎝⎭⑦E 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.√ 数量矩阵只与自己相似.√ 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 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； ④ 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；⑤ 一定有n 个线性无关的特征向量,A 可能有重的特征值,该特征值i λ的重数=()i n r E A λ--）.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 1TA 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 i j i 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 B C AC =. 记作：A B （,,A B C 为对称阵为可逆阵）二次型的规范形中正项项数pr p -；2p r -. (r 为二次型的秩)√ 两个矩阵合同的充分必要条件是：它们有相同的正负惯性指数. √ 两个矩阵合同的充分条件是：AB√ 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1111⎛⎫⎪ ⎪ ⎪ ⎪-⎪⎪ ⎪- ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭合同. √ 用正交变换法化二次型为标准形:① 求出A 的特征值、特征向量；② 对n 个特征向量正交化、单位化；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 -⎛⎫⎛⎫⎛⎫ ⎪⎪⎪ ⎪⎪⎪=== ⎪ ⎪⎪ ⎪ ⎪⎪⎝⎭⎝⎭⎝⎭新的二次型为21ni if 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()()()()()()T TT T T Tβααββαβββαβαββαββββββ=⎧⎪⎪⎪⎪=-⎨⎪⎪=--⎪⎪⎩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。
大一线性代数知识点脉络图
大一线性代数知识点脉络图线性代数作为一门基础课程，是大多数理工科学生在大一学期中所学习的重要的数学课程之一。
线性代数涉及了向量、矩阵、线性方程组等概念和运算，是很多高级数学和应用学科的基础。
本文将以脉络图的形式梳理大一线性代数的知识点，帮助读者建立起较为清晰的知识框架。
1. 向量与矩阵基础- 向量的概念与运算- 矩阵的定义与运算- 向量和矩阵的秩与空间2. 线性方程组- 线性方程组的概念与解的存在唯一性- 初等行变换- 高斯消元法与矩阵的行阶梯形3. 线性方程组的向量表示- 齐次线性方程组的解空间- 非齐次线性方程组的解与特解- 向量空间与子空间的概念4. 行列式- 行列式的定义与性质- 行列式的计算方法与性质- 行列式的应用：求解线性方程组的可解性与唯一性5. 特征值与特征向量- 特征值与特征向量的定义- 特征值与特征向量的计算- 对角化与相似矩阵6. 线性变换- 线性变换的定义与性质- 线性变换的矩阵表示与变换矩阵的相似性- 可逆线性变换与逆变换7. 内积与正交性- 内积的定义与性质- 正交向量与正交矩阵- 施密特正交化过程8. 向量空间与线性相关性- 向量空间的定义与性质- 线性相关性与线性无关性- 极大线性无关组与基9. 正交投影与最小二乘法- 正交投影的概念与性质- 正交投影的计算方法- 最小二乘法与最佳拟合10. 特征分解与奇异值分解- 特征分解的概念与性质- 特征分解的计算方法- 奇异值分解的定义与性质通过以上的脉络图，我们可以看到线性代数的知识点在逐步展开中构建起来一个完整的知识体系。
这些知识点将为今后学习更高级的数学课程以及应用科学领域打下基础。
同时，我们也要注意结合实际问题进行思考和应用，加深对线性代数概念和方法的理解和运用。
线性代数是一个需要多次实践和不断强化的学科，因此在学习的过程中需要进行大量的练习和习题训练。
通过与实际问题的结合，我们可以更好地理解和掌握线性代数的知识点，并且能够灵活运用到相关的领域中。
线性代数知识点全面总结PPT课件
一、向量组的线性相关性主要知识网络图
运算
概念
n 线性表示
维
判定
向 量 组 的 线
向 量 线性相关
概念
判定 概念
充要条件 充分条件
性 相
线性无关
判定
充要条件
6、n阶方阵的行列式 (1) |AT| = |A|;
(3) |AB| = |A||B| ; (5) |A*| = |A|n-1 .
(2) |kA| = kn|A| ; (4) |A-1| = |A|-1 ;
第6页/共61页
四、典型例题
1、方阵的幂运算 2、求逆矩阵 3、解矩阵方程 4、A*题
第7页/共61页
2.对A经过有限次初等变换得到B， 则A等价B.
~ ~ 求逆，
行
A E E
A1
A E E 列 A1
用途
求矩阵A的秩、最简型、标准形. 求线第性20方页/程共6组1页的解.
概念 性质
初等方阵
对单位矩阵实施一次初等变换而得到的 矩阵称为初等方阵.
三种初等变换对应三种初等方阵.
初等方阵都是可逆矩阵，其逆仍然是同 种的初等矩阵.
4、若AB = E( 或BA =E ), 则B = A-1 。 5、若A为对称矩阵，则AT ＝A 。 6、若A为反对称矩阵，则AT＝－A 。
第4页/共61页
三、重要公式、法则。
1、矩阵的加法与数乘
(1) A + B = B + A ; (2) (A + B ) + C = A + ( B + C ); (3) A + O = O + A = A; (4) A + (－A) = O; (5) k(lA) = (kl)A ; (6) (k+l)A = kA+ lA ; (7) k( A + B )= kA + kB ; (8) 1A = A, OA = O 。
线代命题点思维导图
二次型的秩：矩阵A的秩
存在可逆矩阵C使得CT AC = B, 则A与B合同
基本概念
合同
合同具有传递性 合同矩阵不唯一 两个二次型矩阵合同，则正负惯性指数相同
向量组I :α1,,αs中所有向量都能由向量组II : β1,, βt 线性表出， 则称I 可由II 线性表出 ⇔ r(β1, β2 ,, βt ) = r(β1, β2 ,, βt ,α1,α2 ,,αs )
向量组等价：α1, ,αs 与β1,, βs 可相互线性表出
设α1,,αs 可由β1,, βs 线性表出, 则r(α1, ,αs ) ≤ r(β1,, βs )
余子式M 为划去aij 所在行和列， 剩下的元素按原来位置排列的行列式（是一个值）
余子式与代数余子式
代数余子式Aij = (−1)i+ j M ij
展开
化为上下三角行列式 递推法
数学归纳法 直接按某一行（列）展开
逐行（列）相加 把每一行（列）都加到第一行（列）
把第一行（列）的k倍加到第i行
具体型
行列式计算
非齐次线性方程组
矩阵形式
解的性质
非齐次方程组的两个解之差是对应齐次方程组的解 非齐次方程组的解加上任意一个对应的齐次方程组的解后任然是该非齐次方程的解
解的结构：非齐次方程组的解等于一个特解加上对应齐次方程组解的任意线性组合
1.对增广矩阵做行变换得到行阶梯矩阵/行最简据矩阵
计算方法
2.判断解的情况 3.求对应齐次方程组的基础解系
= a11a22a33ann
ann an1 an2 ann
拉普拉斯
A O
* B
=
A *
O B
=| A || B |
线性代数知识路线图
最简梯形形式 RREF 高斯-若尔当消元 G-R Elimination 下三角矩阵 Lower Triangle 解差分方程 斐波那契数 列 解微分方程 指数矩阵 马尔科夫矩 阵
对称矩阵 Symmetric 最小二乘法
矩阵行空间 Row Space
标准正交矩 阵Q
置换矩阵 P Permutation
投影矩阵 Projection M 正交矩阵 Orthogonal M
格莱姆斯密特正 交化法
傅里叶级数
向量空间 Vector Space
傅里叶变换
奇异值分解 向量空间维数 dimension 矩阵列空间 Column Space 矩阵零空间 Null Space 矩阵左零空间 Left Null Space 子空间正交 orthogonal 逆矩阵 inverse
基变换
图像压缩
转置矩阵 transpose
线性相关 dependent
线性无关 Independent
线性组合 Linea Metrics
特征值 特征向量 特征矩阵分 解
标准基 Standard basis
向量张成 Vector Span 空间的基 basis
向量投影 Projection 向量正交 Orthogonal 正定矩阵
- 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)。
○1 从列的角度看：第 j 列元素从上到下依次为同一个变量 x j 的零次幂、1 次幂、…、n－1 次幂，j 1, 2, , n ；
○2 从行的角度看：第 i 行元素是从左往右依次为 x1, x2 , , xn 的 i－1 次幂， i 1, 2, , n
○3 从结果看： f x1, x2,
a11 a11 a22
a11 a11
a22
ann a11 a11
ann
2、（次）对角行列式、上（下）三角行列式
a11
a11 n aii i1
ann
a1n
a1n a11
a1n a1n
a2,n1
a2,n1 a2,n a21
a2,n1
nn1 n
1 2
aii
i 1
an1
an1
an,n1 ann
an1
解答：设原行列式为
det
A
1
，则新的行列式为
1 2 ，
2 3
n
det
B
n1 n
n
1
1 2
0
2 3
2 3
det
B
r1 ri i 2,3,,n
0
n1 n
n1 n
n
1
n
1
特殊行列式
1、（主）对角行列式、上（下）三角行列式
a11 a22
, xn
xi x j 是关于变量 x1, x2 ,
ni j1
,
xn
的
1 2
n
n 1
次齐次函数；而且该
齐次函数可以分解为 1 nn 1 个一次因式 2
xi x j
之积，其中 n i j 1，即脚标大者与脚标小者之差。
（说明：i 可以取值为1, 2, , n ，例当 i 取值为 4 时，j 只可以取值为 3、2、1，即区间i 1,1 中的每一个
整数） 当给定具体的范德蒙德行列式时，可能变量采用不同的名称，或者是已经赋予具体的值。 参见“范德蒙德行列式专辑”
-3-
认识余子式（Minor）和代数余子式（Algebraic Minor），及其之间的关系
det aij 的 i, j 元 aij 的余子式 M ij 和代数余子式 Aij ，仅与位置 i, j 有关， aij2 xn2
x n1 n
1 xn1 1 xn
x12 x22
x2 n1
xn 2
x n1 1
x n1 2
x n1 n1
x n1 n
, xn xi xj ni j1
, xn
xn x j
xn1 x j
x3 xj x2 xj
n1 j1
n2 j1
2 j1
1 j1
-2-
3、分块三角行列式
形式简记为： A
OA
AB ，O
A
A 1 kn A B
B OB
B BO
4、范德蒙德行列式
f x1, x2,
f x1, x2, f x1, x2,
11
x1
x2
, xn x12 x22
x x n1 1
n1 2
1 xn1 x2
n1
x n1 n1
1 1 x1
一、行列式
知识结构网络图
概念
不同行、不同列的 n 个元素之积的代数和
经转置行列式的值不变；
性质
某行有公因数 k，可把 k 提到行列式外；
展开式
行 列 式
计算
某行所有元素都是两个数的和，则可写成两个行列式之和；
两Dn行互换n a行ik列Aik式（变按号i；行展开） k 1
某行的 k 倍加至另一行．行列式的值不余变子；式、代数余子式
求矩阵的R秩 ，An并n 判断n线；性方程组的解存在情况；
证明 A 0 求方阵的特征值。
0 是方阵 A 的特征值；
-1-
行列式是线性代数中的重要工具，在求解线性方程组、求逆矩阵、判断向量组的线性相关性、求矩阵的特 征值、判断二次型的正定性等方面都要用到．本章的重点是应用行列式的性质和展开定理计算行列式．行 列式的计算除了利用性质及展开定理外，还有三角化法、升阶法、递推法和数学归纳法等，计算方法多， 技巧性强，这是难点所在．要掌握好这些方法，首先必须具体分析所求行列式元素分布的规律，针对其特 点采取适当的方法；其次是要注意总结、积累经验，不断提高运算能力．
xn xn1 xn xn2 xn x2 xn x1
xn1 xn2 xn1 xn3
xn1 x2 xn1 x1
x3 x2 x3 x1 x2 x1
认识范德蒙德行列式
可以将 n 阶范德蒙德行列式看成式关于 n 个变量 x1, x2 , , xn 的函数，即 Dn f x1, x2, , xn 。此种类型
子式 M ij 和代数余子式 Aij 的取值。 Aij 1 i j Mij ，代数余子式即为带符号的余子式。
利用教材 P21 例 13 深入理解余子式和代数余子式及其关系。 【例】：已知 4 阶行列式 D 中，第一行元素分别为 1，2，0，-4；第三行的 4 个元素的余子式分别为：
M31 6,M32 x,M33 19,M34 2 。求 x 的值。 解答： a11A31 a12 A32 a13 A33 a14 A34 0 ，所以有 M 31 2M 32 4M 34 0 ， 6 2x 4 2 0，所以 x 7 。
行列式的性质
522 【例】：已知 531，252，234 都是 9 的倍数，利用行列式的性质（而不是展开），证明 3 5 3 也是 9 的倍
124
数。
522
522
522
解答： 3 5 3 r3 102 r1,r3 10r2 3
5
3
1 9
r3
9
3
5
3
124
531 252 234
58 27 26
【例】：如果除最后一行外，从每一行减去后面的一行，而从最后一行减去原先的第一行，问行列式值如何 变化？
【例】：
1、设行列式 det A的元素为 aij ，行列式
n
试证： det D det A x Aij ，其中 Aij 为 aij 在 det A中的代数余子式。 i, j1
证明：把 det D 升阶得到
n
n
n
Dn akj Akj （按 j 行展开） k 1
给定（i,j）元的值
化三角形－加边法、爪型行列式； 公式法－特殊行列式、范德蒙德行列式；
未给定（i,j）元的值
递推、数学归纳法；等 用行列式性质计算；
用矩阵性质计算；
克拉默法则；
用方阵的特征值；等
应用
判断方阵的可逆，利用伴随几种求逆矩阵；
线性相关性的判定；