《线性代数》复习重点内容 (详细版)
线性代数复习要点
线性代数复习要点线性代数是数学中的一个分支，其研究对象包括向量空间、线性变换、矩阵、线性方程组等。
线性代数广泛应用于各个领域，如物理学、计算机科学、工程学等。
下面是线性代数复习的要点：1.向量和向量空间-向量是指具有大小和方向的量，用箭头表示。
-向量空间是指由一组向量生成的集合，满足加法和数乘运算的封闭性。
-基是一个向量空间中独立且能够生成该向量空间的向量组。
-向量组的线性组合是指对向量组中的向量进行加法和数乘运算的结果。
-向量组的生成子空间是指向量组的所有线性组合所形成的空间。
2.矩阵和线性变换-矩阵是一个按照矩形排列的数。
矩阵的大小由行数和列数确定。
-矩阵的加法和数乘运算定义为对应元素的运算。
-矩阵的转置是指行变为列，列变为行的操作。
-矩阵的乘法是指矩阵的行与列的对应元素相乘后求和的运算。
-线性变换是指将一个向量空间映射到另一个向量空间的变换，保持线性关系。
3.行列式和特征值特征向量-行列式是一个与矩阵相关的数，用于描述矩阵的性质。
-二阶和三阶矩阵的行列式可以通过对应元素相乘后求和的方式计算。
-行列式的值为0表示矩阵不可逆，即不存在逆矩阵。
-特征值是指矩阵对一些向量进行线性变换后，仍然与原向量方向相同的结果。
-特征向量是指通过线性变换后，与其特征值对应的向量。
4.线性方程组的求解-线性方程组是一组线性方程的集合，其中未知量的次数等于方程的个数。
-列向量和矩阵可以表示线性方程组的系数和常数项。
-线性方程组的解可以通过高斯消元法、矩阵的逆等方法进行求解。
-高斯消元法是将方程组化为行阶梯形式，再通过回代求解。
-线性方程组的解可以有唯一解、无解或者无穷多解。
5.特殊矩阵和矩阵的分解-单位矩阵是指主对角线上的元素为1，其余元素为0的矩阵。
-零矩阵是指所有元素均为0的矩阵。
-对角矩阵是指主对角线以外的元素均为0的矩阵。
-逆矩阵是指一个矩阵与其逆矩阵相乘得到单位矩阵。
-矩阵的分解包括LU分解、QR分解、特征值分解等。
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。
线性代数复习提纲
线性代数复习提纲线性代数是数学中的一个基础课程，涵盖了向量空间、线性变换、矩阵理论等内容。
它在计算机科学、物理学、经济学和工程学等领域都有广泛的应用。
下面是线性代数的复习提纲，帮助你回顾相关的知识点。
一、向量空间1.向量的定义和性质2.向量空间的定义和性质3.子空间的定义和判断条件4.向量的线性相关性与线性无关性5.基和维数的概念二、线性变换1.线性变换的定义和性质2.线性变换的矩阵表示3.线性变换的核与像空间4.线性变换的维数公式5.线性变换的复合与逆变换三、矩阵理论1.矩阵的定义和性质2.矩阵的运算：加法、数乘、乘法3.矩阵的逆与转置运算4.矩阵的秩和行列式5.矩阵的特征值与特征向量四、特殊矩阵和特征值问题1.对称矩阵的性质和对角化2.可逆矩阵与相似矩阵3.正交矩阵与正交对角化4.特征值问题的求解方法五、解线性方程组1.线性方程组的矩阵表示2.高斯消元法与矩阵的初等变换3.初等矩阵的性质与应用4.齐次线性方程组和非齐次线性方程组的解的结构六、向量空间的基变换1.基变换的定义和性质2.过渡矩阵的求解3.变换矩阵的求解与应用4.基变换下的坐标表示和坐标变换公式七、内积空间和正交性1.内积的定义和性质2.内积空间的定义和性质3.正交基和正交投影4.标准正交基和正交矩阵的定义和性质八、二次型与正定性1.二次型的定义和性质2.二次型的矩阵表示和标准化3.正定二次型和半正定二次型的定义和性质4.二次型的规范形和合同变换以上是线性代数的复习提纲，可以通过对每个知识点的回顾、理解和练习来复习线性代数。
在复习过程中，可以结合教材、习题和课堂笔记，通过解题和思考来巩固知识点的掌握。
另外，可以参考相关的教学视频或在线课程来帮助理解和学习线性代数的概念和方法。
最重要的是多做习题，加深对知识点的理解和应用。
《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一门重要的数学学科，在许多领域都有广泛的应用，如计算机科学、物理学、工程学等。
下面将对线性代数的一些关键知识点进行归纳整理。
一、行列式行列式是线性代数中的一个基本概念。
它是一个数值，可以通过特定的计算规则得到。
对于二阶行列式，其计算公式为：＼＼begin{vmatrix} a ＆ b ＼＼ c ＆ d ＼end{vmatrix} ＝ ad bc ＼对于三阶行列式，计算相对复杂些，可通过按行（列）展开来计算。
行列式具有一些重要的性质，例如：1、行列式转置后其值不变。
2、某行（列）元素乘以一个数加到另一行（列）的对应元素上，行列式的值不变。
行列式的应用包括求解线性方程组、判断矩阵是否可逆等。
二、矩阵矩阵是线性代数中的核心概念之一。
矩阵的定义：由\（m×n\）个数排成的\（m\）行\（n\）列的数表称为\（m×n\）矩阵。
矩阵的运算包括加法、减法、数乘、乘法等。
1、矩阵加法和减法要求两个矩阵具有相同的行数和列数，对应元素相加减。
2、数乘矩阵是将矩阵中的每个元素乘以一个数。
3、矩阵乘法需要前一个矩阵的列数等于后一个矩阵的行数，乘法运算不满足交换律。
矩阵的转置是将矩阵的行和列互换得到的新矩阵。
逆矩阵是一个重要概念，若矩阵\（A\）可逆，则存在矩阵\（B\），使得\（AB ＝ BA ＝ I\），其中\（I\）为单位矩阵。
三、向量向量可以看作是一组有序的数。
行向量是一行数，列向量是一列数。
向量的运算包括加法、减法、数乘。
向量组的线性相关性是一个重要内容。
如果存在一组不全为零的数，使得向量组的线性组合等于零向量，则称该向量组线性相关；否则称线性无关。
四、线性方程组线性方程组可以表示为矩阵形式\（Ax ＝ b\）。
线性方程组的解分为有解和无解的情况。
1、有解时，可能有唯一解或无穷多解。
2、无解时，方程组矛盾。
通过高斯消元法可以求解线性方程组。
五、特征值与特征向量对于矩阵\（A\），如果存在非零向量\（x\）和数\（＼lambda\），使得\（Ax ＝＼lambda x\），则\（＼lambda\）称为矩阵\（A\）的特征值，＼（x\）称为对应于特征值\（＼lambda\）的特征向量。
线性代数知识点归纳,超详细
线性代数知识点归纳,超详细线性代数复习要点第⼀部分⾏列式1. 排列的逆序数2. ⾏列式按⾏（列）展开法则3. ⾏列式的性质及⾏列式的计算⾏列式的定义1.⾏列式的计算：①(定义法)②（降阶法）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零.③(化为三⾓型⾏列式)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若都是⽅阵（不必同阶）,则⑤关于副对⾓线：⑥范德蒙德⾏列式：证明⽤从第n⾏开始，⾃下⽽上依次的由下⼀⾏减去它上⼀⾏的倍，按第⼀列展开，重复上述操作即可。
⑦型公式：⑧(升阶法)在原⾏列式中增加⼀⾏⼀列，保持原⾏列式不变的⽅法.⑨(递推公式法) 对阶⾏列式找出与或,之间的⼀种关系——称为递推公式，其中,,等结构相同，再由递推公式求出的⽅法称为递推公式法.(拆分法) 把某⼀⾏（或列）的元素写成两数和的形式，再利⽤⾏列式的性质将原⾏列式写成两⾏列式之和，使问题简化以例计算.⑩(数学归纳法)2. 对于阶⾏列式，恒有：，其中为阶主⼦式；3. 证明的⽅法：①、；②、反证法；③、构造齐次⽅程组，证明其有⾮零解；④、利⽤秩，证明；⑤、证明0是其特征值.4. 代数余⼦式和余⼦式的关系：第⼆部分矩阵1.矩阵的运算性质2.矩阵求逆3.矩阵的秩的性质4.矩阵⽅程的求解1.矩阵的定义由个数排成的⾏列的表称为矩阵.记作：或①同型矩阵：两个矩阵的⾏数相等、列数也相等.②矩阵相等: 两个矩阵同型，且对应元素相等.③矩阵运算a. 矩阵加（减）法：两个同型矩阵，对应元素相加（减）.b. 数与矩阵相乘：数与矩阵的乘积记作或，规定为.c. 矩阵与矩阵相乘：设, ,则，其中注：矩阵乘法不满⾜：交换律、消去律, 即公式不成⽴.a. 分块对⾓阵相乘：,b. ⽤对⾓矩阵○左乘⼀个矩阵,相当于⽤的对⾓线上的各元素依次乘此矩阵的○⾏向量；c. ⽤对⾓矩阵○右乘⼀个矩阵,相当于⽤的对⾓线上的各元素依次乘此矩阵的○列向量.d. 两个同阶对⾓矩阵相乘只⽤把对⾓线上的对应元素相乘.④⽅阵的幂的性质：，⑤矩阵的转置：把矩阵的⾏换成同序数的列得到的新矩阵，叫做的转置矩阵，记作.a. 对称矩阵和反对称矩阵:是对称矩阵.是反对称矩阵.b. 分块矩阵的转置矩阵：⑥伴随矩阵：，为中各个元素的代数余⼦式.,, .分块对⾓阵的伴随矩阵：，矩阵转置的性质：矩阵可逆的性质：伴随矩阵的性质：r(A)与r(A*)的关系若r（A）=n，则不等于0，A*=可逆，推出r（A*）=n。
线性代数知识点总结
线性代数知识点总结线性代数知识点总结篇1第一章行列式知识点1：行列式、逆序数知识点2：余子式、代数余子式知识点3：行列式的性质知识点4：行列式按一行（列）展开公式知识点5：计算行列式的方法知识点6：克拉默法则第二章矩阵知识点7：矩阵的概念、线性运算及运算律知识点8：矩阵的乘法运算及运算律知识点9：计算方阵的幂知识点10：转置矩阵及运算律知识点11：伴随矩阵及其性质知识点12：逆矩阵及运算律知识点13：矩阵可逆的判断知识点14：方阵的行列式运算及特殊类型的矩阵的运算知识点15：矩阵方程的求解知识点16：初等变换的概念及其应用知识点17：初等方阵的概念知识点18：初等变换与初等方阵的关系知识点19：等价矩阵的概念与判断知识点20：矩阵的子式与最高阶非零子式知识点21：矩阵的秩的概念与判断知识点22：矩阵的秩的性质与定理知识点23：分块矩阵的概念与运算、特殊分块阵的运算知识点24：矩阵分块在解题中的技巧举例第三章向量知识点25：向量的概念及运算知识点26：向量的线性组合与线性表示知识点27：向量组之间的线性表示及等价知识点28：向量组线性相关与线性无关的概念知识点29：线性表示与线性相关性的关系知识点30：线性相关性的判别法知识点31：向量组的最大线性无关组和向量组的秩的概念知识点32：矩阵的秩与向量组的秩的关系知识点33：求向量组的最大无关组知识点34：有关向量组的定理的综合运用知识点35：内积的概念及性质知识点36：正交向量组、正交阵及其性质知识点37：向量组的正交规范化、施密特正交化方法知识点38：向量空间（数一）知识点39：基变换与过渡矩阵（数一）知识点40：基变换下的坐标变换（数一）第四章线性方程组知识点41：齐次线性方程组解的性质与结构知识点42：非齐次方程组解的性质及结构知识点43：非齐次线性线性方程组解的各种情形知识点44：用初等行变换求解线性方程组知识点45：线性方程组的公共解、同解知识点46：方程组、矩阵方程与矩阵的乘法运算的关系知识点47：方程组、矩阵与向量之间的联系及其解题技巧举例第五章矩阵的特征值与特征向量知识点48：特征值与特征向量的概念与性质知识点49：特征值和特征向量的求解知识点50：相似矩阵的概念及性质知识点51：矩阵的相似对角化知识点52：实对称矩阵的相似对角化.知识点53：利用相似对角化求矩阵和矩阵的幂第六章二次型知识点54：二次型及其矩阵表示知识点55：矩阵的合同知识点56 : 矩阵的等价、相似与合同的关系知识点57：二次型的标准形知识点58：用正交变换化二次型为标准形知识点59：用配方法化二次型为标准形知识点60：正定二次型的概念及判断线性代数知识点总结篇2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。
完整版线性代数知识点总结
完整版线性代数知识点总结线性代数是数学的一个分支，研究向量空间及其上的线性变换。
它在各个领域中都有广泛的应用，包括物理学、计算机科学、工程学等。
以下是线性代数的一些重要知识点总结：1.向量和向量空间：向量是有方向和大小的量，可以用来表示力、速度、位移等。
向量空间是向量的集合，具有加法和标量乘法运算，同时满足一定的性质。
2.线性方程组和矩阵：线性方程组是一组线性方程的集合，研究其解的性质和求解方法。
矩阵是一个由数构成的矩形数组，可以用来表示线性方程组中的系数和常数。
3.矩阵的运算：包括矩阵的加法、减法和乘法运算。
矩阵乘法是一种重要的运算，可以用来表示线性变换和复合变换。
4.行列式和特征值：行列式是一个标量，表示矩阵的一些性质，如可逆性和面积/体积的变换。
特征值是矩阵对应的线性变换中特殊的值，表示该变换在一些方向上的伸缩程度。
5.向量的内积和正交性：向量的内积是一种二元运算，可以用来表示向量之间的夹角和长度。
正交向量是指内积为零的向量，可以用来表示正交补空间等概念。
6.向量的投影和正交分解：向量的投影是一个向量在另一个向量上的投影，可以用来表示向量的分解。
正交分解是将一个向量分解为与另一个向量正交和平行的两个向量之和。
7.线性变换和线性映射：线性变换是指保持向量加法和标量乘法运算的变换。
线性映射是向量空间之间的函数，具有保持线性运算的性质。
8.特征值和特征向量：特征值和特征向量是线性变换或矩阵中一个重要的概念，用于描述变换的性质和方向。
9.正交矩阵和对称矩阵：正交矩阵是一个方阵，其列向量组成的矩阵是正交的。
对称矩阵是一个方阵，其转置等于自身。
10.奇异值分解：奇异值分解（SVD）是一种矩阵的分解方法，用来将一个矩阵分解为三个矩阵的乘积。
SVD在数据压缩、图像处理和机器学习等领域有广泛的应用。
11.最小二乘法：最小二乘法是一种数学优化方法，用来找到一条曲线或超平面，使得这些数据点到该曲线或超平面的距离平方和最小。
线性代数详细知识点
线性代数 第一章 行列式§1 二阶和三阶行列式一、二元一次线性方程组与二阶行列式结论：如果112212210a a a a -≠，则二元线性方程组 11112212112222a x a xb a x a x b +=⎧⎨+=⎩的解为122122*********b a a b x a a a a -=-，1121212112121a b b a x a b b a -=-。
定义：设11122122,,,a a a a ，记11221221a a a a -为11122122a a a a 。
称11122122a a a a 为二阶行列式有了行列式的符号，二元线性方程组的求解公式可以改写为112222111122122b a b a x a a a a =，111122211122122a b a b x a a a a =二、三阶行列式与三元一次线性方程组定义：111213212223313233a a a a a a a a a 112233122331132132132231122133112332a a a a a a a a a a a a a a a a a a =++---定理：如果1112132122233132330a a a D a a a a a a =≠，则***123(,,)x x x 是下面的三元线性方程组的解111122133121122223323113223333a x a x a xb a x a x a x b a x a x a x b ++=⎧⎪++=⎨⎪++=⎩当且仅当*1x =112132222333233/b a a b a a D b a a ,*2x =111132122331333/a b a a b a D a b a ,*3x =111212122231323/a a b a a b D a a b 其中111213212223313233a a a a a a a a a 为系数行列式。
线性代数知识点归纳
线性代数知识点归纳线性代数是一门研究向量、向量空间、线性变换以及有限维线性方程组的数学分支。
它广泛应用于各个领域，如物理、计算机科学、工程学等。
线性代数的核心概念和工具包括行列式、矩阵、向量组以及线性方程组等。
下面将详细介绍线性代数的相关知识点。
一、行列式1.1 行列式的概念：行列式是一个函数，它从n×n阶方阵到实数（或复数）的映射。
行列式记作|A|，其中A是一个n×n的方阵。
1.2 逆序数：在n×n阶方阵A中，将行列式中元素a_ij与a_ji互换，所得到的新的行列式称为原行列式的逆序数。
1.3 余子式：在n×n阶方阵A中，将第i行第j列的元素a_ij删去，剩下的(n-1)×(n-1)阶方阵的行列式称为原行列式的余子式，记作M_ij。
1.4 代数余子式：在n×n阶方阵A中，将第i行第j列的元素a_ij替换为它的相反数，然后计算得到的新的行列式，称为原行列式的代数余子式，记作A_ij。
1.5 行列式的性质：行列式具有以下性质：（1）交换行列式中任意两个元素的位置，行列式的值变号。
（2）行列式中某一行（列）的元素乘以常数k，行列式的值也乘以k。
（3）行列式中某一行（列）的元素与另一行（列）的元素相加，行列式的值不变。
（4）行列式某一行（列）的元素与另一行（列）的元素相减，行列式的值变号。
1.6 行列式的计算方法：行列式的计算方法有：降阶法、按行（列）展开法、克拉默法则等。
二、矩阵2.1 矩阵的概念：矩阵是一个由数组元素构成的矩形阵列，矩阵中的元素称为矩阵的项。
矩阵记作A，其中A是一个m×n的矩阵，A_ij表示矩阵A中第i行第j列的元素。
2.2 矩阵的线性运算：矩阵的线性运算包括加法、减法、数乘等。
2.3 矩阵的乘法：两个矩阵A和B的乘法，记作A×B，要求A是一个m×n的矩阵，B是一个n×p的矩阵。
矩阵的乘法满足交换律、结合律和分配律。
《线性代数》期末复习大纲及参考答案(最新)
07-08(1) 线性代数总期末考试复习大纲及复习题： 期末考试题型：判断(约占30%)与选择(约占70%) 期末考试形式：开卷 期末复习各章重点第一章 知道行列式的定义并会用定义计算简单的行列式；熟悉并会用行列式的性 质计算行列式，掌握行列式的依行依列展开定理。
第二章掌握向量线性相关与线性无关的定义并会用定义判断向量组相关与无关；会求向量组的极大无关组以及用极大无关组表示其余的向量；熟悉线性方程组解的一般理论，掌握矩阵的初等变换并会用初等变换求解线性方程组；会用初等变换求矩阵的秩.第三章熟悉矩阵的运算性质，特别是矩阵乘法的特殊性（不满足交换律），知道分块矩阵；掌握逆矩阵的定义、伴随矩阵的概念以及关系式E A A A AA ==**，会用伴随矩阵和初等变换求矩阵的逆矩阵；了解初等矩阵及其性质,会解简单的矩阵方程。
第四章 知道向量空间的定义，掌握基变换公式和向量坐标变换公式。
第五章 掌握矩阵的特征值与特征向量的概念以及矩阵能够对角化的条件，会判断一个矩阵能否对角化；掌握相似矩阵的概念及其性质。
第六章 掌握二次型的概念，掌握二次型与矩阵的对应关系，掌握合同矩阵的概念，会判断简单矩阵的合同，掌握二次型正定负定的条件并会判定二次型是否正定。
复习题1．若三阶行列式1231122331232226a a a b a b a b a c c c ---=，则 123123123a a ab b bc c c = 3 （对） 2．若方程组123123123000tx x x x tx x x x tx ++=⎧⎪++=⎨⎪++=⎩有非零解，则t=1或-2 。
（对）3．已知齐次线性方程组32023020x y x y x y z λ+=⎧⎪-=⎨⎪-+=⎩仅有零解，则λ≠ 0（对）4．已知三阶行列式D=123312231，则元素12a =2的代数余子式12A = -1 ；（错）5.若n 阶矩阵A 、B 、C 满足ABC=E （其中E 为n 阶可逆阵），则BCA=E 。
线性代数复习重点及知识点
复习重点：第一部分 行列式 1． 排列的逆序数2． 行列式按行（列）展开法则 3． 行列式的性质及行列式的计算第二部分 矩阵 4． 矩阵的运算性质5． 矩阵求逆及矩阵方程的求解 6． 伴随阵的性质、正交阵的性质 7． 矩阵的秩的性质第三部分 线性方程组8． 线性方程组的解的判定，带参数的方程组的解的判定（P .75例13；P .80第16、17、18题）9． 齐次线性方程组的解的结构（基础解系与通解的关系） 10． 非齐次线性方程组的解的结构（通解）第四部分 向量组（矩阵、方程组、向量组三者之间可以相互转换） 1．向量组的线性表示 2．向量组的线性相关性 3．向量组的秩第五部分 方阵的特征值及特征向量 1．施密特正交化过程2．特征值、特征向量的性质及计算3．矩阵的相似对角化，尤其是对称阵的相似对角化要注意的知识点：线性代数1、行列式n 行列式共有2n 个元素，展开后有!n 项，可分解为2n 行列式；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 ； 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 ++=-=-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；对于n 阶矩阵A ：**AA A A A E == 无条件恒成立；1**111**()()()()()()T T T T A A A A A A ----=== ***111()()()T T TAB B A AB B A AB B A ---===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； 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 ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭ ③、111O A O B B O A O ---⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭ ④、11111A C A A CB O B OB -----⎛⎫-⎛⎫=⎪ ⎪⎝⎭⎝⎭⑤、11111A O A O C B B CAB -----⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭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 nE OF 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 = ⇔ ；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；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） a) 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 -=；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 --⎛⎫⎛⎫ ⎪ ⎪=≠ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭；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A B ，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 ≥+-；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③、利用特征值和相似对角化：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 -=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；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；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；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；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）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) ()()T r A A r A =；(101P 例15)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；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；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 ⇔ ==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）；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； 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）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；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；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；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；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 =-；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 ja 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；施密特正交化：12(,,,)r a a a 11b a =；1222111[,][,]b a b a b b b =-121121112211[,][,][,][,][,][,]r r r rr r r r r b a b a b a b a b b b b b b b b b ----=----;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；。
线性代数知识点全面总结
线性代数知识点全面总结线性代数是数学的重要分支，广泛应用于各个领域，如物理学、计算机科学、经济学等。
本文将全面总结线性代数的知识点，帮助读者系统地了解和掌握该学科。
1. 线性代数的基本概念1.1 向量及其表示：向量是线性代数的基本概念，可以用有序数对、矩阵或列向量表示，具有方向和大小。
1.2 矩阵及其运算：矩阵是由数字排列成的矩形数组，可以进行加法、乘法、转置等运算。
1.3 线性方程组：线性方程组是由一组线性方程组成的方程组，可以用矩阵和向量的表示形式来求解。
2. 向量空间2.1 向量空间的定义：向量空间是由一组满足一定条件的向量构成的集合，满足加法和数乘运算的封闭性。
2.2 子空间：子空间是向量空间的子集，也是向量空间，满足加法和数乘运算的封闭性。
2.3 线性无关与生成子空间：线性无关是指向量组中的向量之间不存在线性关系，生成子空间是指向量组中所有向量的线性组合的集合。
3. 线性映射3.1 线性映射的定义：线性映射是一个将一个向量空间映射到另一个向量空间的映射，保持加法和数乘运算的性质。
3.2 线性映射的矩阵表示：线性映射可以用矩阵表示，将一个向量空间的向量转化为另一个向量空间的向量。
3.3 核与像：核是线性映射中被映射为零向量的向量集合，像是线性映射中所有被映射到的向量组成的集合。
4. 矩阵的特征值与特征向量4.1 特征值和特征向量的定义：特征值是一个矩阵对应的线性变换中不改变方向的标量因子，特征向量是在特征值下发生伸缩的向量。
4.2 特征值与特征向量的计算：特征值与特征向量可以通过求解特征方程来计算。
4.3 对角化与相似矩阵：若一个矩阵相似于一个对角矩阵，则称其可对角化，对角矩阵是一个形式为对角线非零、其余元素均为零的矩阵。
5. 线性代数的应用5.1 物理学中的应用：线性代数在量子力学、力学等物理学领域有广泛应用，如描述粒子的状态和变换等。
5.2 计算机科学中的应用：线性代数在计算机图形学、机器学习等领域起到重要作用，如图像处理、数据分析等。
数学线代重点知识点整理
数学线代重点知识点整理数学线性代数重点知识点整理一、向量空间与线性相关性1. 向量空间的定义与性质2. 子空间的概念与判定3. 线性相关性与线性无关性的判定4. 基与维数的概念二、线性变换与矩阵1. 线性变换的定义与性质2. 线性变换的矩阵表示3. 线性变换的核与像4. 线性变换的复合与逆三、矩阵的运算与特征值1. 矩阵的加法和数乘运算2. 矩阵的乘法与转置3. 矩阵的秩与零空间4. 特征值与特征向量的定义与求解四、矩阵的对角化与相似矩阵1. 对角矩阵的定义与性质2. 矩阵的相似与相似矩阵的性质3. 矩阵的对角化与相似对角矩阵4. Jordan标准型的定义与求解五、内积空间与正交性1. 内积空间的定义与性质2. 正交向量组与正交投影3. Gram-Schmidt正交化过程4. 正交矩阵与单位ary阵的性质六、特殊矩阵与行列式1. 对称矩阵与正定矩阵2. 三对角矩阵与上、下Hessenberg矩阵3. 行列式的定义与性质4. 行列式的计算方法与解应用七、特殊线性方程组与特征组1. 齐次线性方程组与解空间2. 非齐次线性方程组的解与极大解3. 特解与齐次解的结构关系4. 特征组与特征向量的求解八、最小二乘法与矩阵分解1. 最小二乘问题的定义与解2. QR分解与正交矩阵的应用3. 奇异值分解与矩阵的秩分解4. 矩阵分解在数据压缩中的应用以上是数学线性代数的重点知识点整理，包括向量空间与线性相关性、线性变换与矩阵、矩阵的运算与特征值、矩阵的对角化与相似矩阵、内积空间与正交性、特殊矩阵与行列式、特殊线性方程组与特征组、最小二乘法与矩阵分解等内容。
希望这些知识点的整理能够帮助您学习和掌握数学线性代数的核心概念和重要方法。
线性代数背诵要点(全)
第一章 行列式一、行列式的概念、展开公式及其性质 （一）行列式的概念nnn n n n a a a a a a a a a A .. (2)12222111211=（二）行列式按行（列）展开公式公式为关于副对角线，其计算角线上元素的乘积三角行列式等于其主对下上的代数余子式为的余子式，而阶行列式，称之为列元素后的行及第中去掉第是其中.2......)(.1)1(1)1( (221122)11221122112211nnnn nn ij ij j i ij ij ijj i ij nj nj j j j j in in i i i i a a a a a a a a a a M a n j i A M M A A a A a A a A a A a A a A ⋅⋅⋅=******=******---=+++=+++=++11212)1(11211121)1(......n n n n n n n nn n na a a a a a a a a ⋅⋅⋅-=******=******---- B A OB A BA OB A B OA B O A n B m A mn ⋅-=*=*⋅=*=*)1(.3阶矩阵，则是阶矩阵，是开式，设两种特殊的拉普拉斯展（三）行列式的性质1．经转置的行列式的值不变，即T A A =2.行列式中某一行各元素如有公因数k ，则k 可以提到行列式符号外，若行列式某行元素全是零，则行列式的值为零3.如果行列式中某行的每个原色都是两个的和，则这个行列式可以拆成两个行列式的和mlb b a a 2121++=mlb a 11+mlb a 224对换行列中某两行的位置，行列式的值只改变正负号；若两行元素对应相对（成比例），则行列式的值为零 5.把某行的k 倍加至另一行，行列式的值不变（四）关于代数余子式的求和...0...)()(.2,.122112211=+++=+++nk nj k j k j jn in j i j i ij ij ij ij A a A a A a A a A a A a a A A a 乘积之和必为零对应元素的代数余子式列元素与另一行列行列式一行的取值无关与式值并不影响其代数余子所在行或列中的元素的只改变二、有关行列式的几个重要公式A k kA n A n =阶矩阵，则是若.1B A B A n B A •=阶矩阵，则是，若.211-1.3--*==AA n A AA n A n 阶可逆矩阵，则是若阶矩阵，则是若∏≤≤----==ni j j i n nn n n nx x A x x x x x x x x x A n A 1112112222121)( (1)...11.4，则阶范德蒙矩阵是若 ∏==ni i i A A n A 1.5λλ的特征值，则是阶矩阵，是若B A B A =，则若~.6三、关于克莱姆法则的系数换成常数项中的是把其中则方程组有唯一解方程组，如果系行列式个未知数的非齐次线性个方程对于j j n n x D D DDx D D x D D x A D n n ,,...,,,02211===≠=则方程组只有零解程组，系数行列式个未知数的齐次线性方个方程对于,0≠=A D n n 0==A D n n 数行列式程组，有非零解，则系个未知数的齐次线性方个方程对于逆序数的计算，从左至右,看每个数后面比它小的数的个数 经初等变换矩阵的秩不变第二章 矩阵及其运算一、矩阵的概念与几类特殊方阵 （一）矩阵及相关概念 1.矩阵阶方阵阶矩阵或是，则称若或矩阵，简记称为列的表格行排成的个数n n A n m a A n m a a a a a a a a a n m a n m n m ij mn m m n n ij =⨯⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⨯⨯,)( (21)2222111211 2.0矩阵00，则称为零矩阵，记作中所有元素而都是如果矩阵A 3.同型矩阵是同型矩阵与则称中如果，矩阵B A t n s m b B a A t s ij n m ij ,,,)(,)(====⨯⨯4.矩阵相等即对应的元素都相等同型矩阵),,(j i b a B A ij ij ∀=⇔= 1. 方阵的行列式 阶行列式其元素可构造对于方阵n a A ij )(=B A B A a a a a a a a a a A nnn n nn≠≠=得不到由,.............. (2)12222111211(二)几类特殊方阵1.单位矩阵 主对角线上的运算全是1，其余元素均为0的n 阶段方阵，称为n 阶单位矩阵， 记为E E A A AE EA ===0;2.对称矩阵),(,j i a a A A n A ji ij T ∀==即阶矩阵，如是设3.反对称矩阵对称矩阵反不一定是对称矩阵，但反也是对称矩阵，则反是同阶的若，即阶矩阵，如是设)()(,,)(,0),(-,-AB A B A B A B A a j i a a A A n A ii ji ij T λ-+=∀==4.对角矩阵、积仍然是对角矩阵同阶的对角矩阵的和差，对角矩阵记为阶矩阵，如是设Λ≠∀≡)(0j i a n A ij5.逆矩阵1,-==AA AB A E BA AB B n n A 记为的逆矩阵唯一的逆矩阵，是是可逆矩阵，，则称使阶矩阵阶矩阵，如存在是设6.正交矩阵T T T A A A E A A AA n A ===-1,是正交矩阵，则称阶矩阵，如是设 7.伴随矩阵*=A A A A A A A A A A A n A a A n a A nnnnn n ij ij ij 的伴随矩阵，记为，称为阶矩阵所构成的的代数余子式的各元素阶矩阵，则由行列式是设....................)(212221212111二、矩阵的运算（一）矩阵的线性运算 1.矩阵的加法C B A B A b a c C n m n m b B a A ij ij ij ij ij =++==⨯⨯==的和称为矩阵矩阵矩阵，则是两个设,)()()(),(2.矩阵的数乘kAA k b a ka n m k n m a A ij ij ij ij 记为的数乘，与矩阵称为数矩阵是一个常数，则矩阵，是设)()()(+=⨯⨯=3.矩阵的乘法nb r A r B Ax B AB A E A A A A B AB BA AB B A BA AB ABC B A b a b a b a b a c c C s m s n b B a A nk kj ik nj in j i j i ij ij ij ij ≤+≠======≠==≠==+++==⨯⨯==∑=)()(,00,0;0,;00,0)2(,)1(,...)()(),(212211则齐次方程组有非零解的解，若程中的每一列都是其次方应联想到或不能堆出，不能退出时，才能运算可交换即与只有换律矩阵的乘法一般没有交的乘积，记为与称为其中矩阵矩阵，则是两个设，命题成立矩阵，秩序是若不能退出的列数，则，且若可逆，则，且矩阵若立：以下两种情况消去率成，对于矩阵乘以不具有消去律n A r n m A C B A AC AB B A A r AB B A AB A AB =⨯=≠======≠=)(,,0,)3(0)(000),0(0（二）关于逆矩阵的运算规律A A =--11))(1( 111))(2(--=A kkA 111))(3(---=A B AB 11)())(4(--=T T A A 11)5(--=A A n n A A )())(6(11--=(三)关于矩阵转置的运算规律A A T T =))(1( T T kA kA =))(2( T T T AB AB =))(3( T T T B A B A +=+))(4(（四）关于伴随矩阵的运算规律E A AA A A ==**)1( )2()2(1≥=-*n AA n )2())(3(2≥=-**n A AA n*-*=A k kA n 1))(4( **=)())(5(T T A A1)(,0)(;1)(,1)(;)(,)()6(-=-====***n A r A r n A r A r n A r n A r111-1-,)()(,1)()7(-**-**===A A A A A A AA A 可逆，则若（五）关于分块矩阵的运算法则⎥⎦⎤⎢⎣⎡++++=⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡4433221143214321)1(B A B A B A B A B B B B A A A A ⎥⎦⎤⎢⎣⎡++++=⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡DW CY DZ CX BW AY BZ AX W Z Y X D C B A )2( ⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡T TT T TD B C A D C B A )3( ⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡n n n C OO B C O O B )4( ⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡--O B C O O C B O C O O B C O O B 111-1-1-1-)4(，三、矩阵可逆的充分必要条件.8,.70.6)(.5,.4)(.30.2.121的特征值全不为总有唯一解非齐次方程组只有零解齐次方程组向量线性无关行的列是初等矩阵其中，有阶方阵存在可逆，等价于阶方阵A b Ax b Ax A P P P P A nA r A E BA AB B n A n i s =∀=⋅⋅⋅==≠==四、矩阵的初等变换与初等矩阵 （一）矩阵的初等变换及相关概念 1.矩阵的初等变换下述三种对矩阵的行列实施的变换称为矩阵的初等行列变换 （1） 对调矩阵的两行列（2） 用非零常数k 乘以某行列中所有元素（3） 把矩阵某行列所有元素的k 倍加至另一行列对应的元素上去 （4） 求秩（行列变换可混用）；求逆矩阵（只用行或只用列）；求线性方程组的解（只用行变换） （5） 不要混淆矩阵的运算2.行阶梯形矩阵与行最简形矩阵（1）具体如下特征的矩阵称为行阶梯形矩阵①零行（即元素全为零的行）全都位于非零行的下方②各非零行坐起第一个非零元素的列指标由上至下是严格增大（2）如果其非零行的第一个非零元素为1，并且这些非零元素所在列的其他元素均为零，这个行阶梯形矩阵称为行最简形矩阵对于任何矩阵A ，总可以经过有限次初等行变换把它化为行阶梯形矩阵和行最简形矩阵（二）初等矩阵的概念单位矩阵经过一次初等变换所得到的矩阵称为初等矩阵（三）初等矩阵的性质逆是同类型的初等矩阵初等矩阵均可逆，且其同样的行列初等变换做了一次与就是对矩阵，所得乘右左用初等矩阵.2)()(.1P A AP PA A P)()(100013-001100013001)1()(100021000110002000100101010000101010011-11-11-k E k E kE k E EE ij ij i i ij ij -=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---主对角线以外；主对角线；副对角线五、矩阵的等价（一）矩阵等价的概念的秩是矩阵阶单位矩阵是的等价标准形，其中后者是则称若等价，记作与则称矩阵矩阵经有限次初等变换变成矩阵A r r E A EA B A B A B A r r,,000~.~,⎥⎦⎤⎢⎣⎡ （二）矩阵等价的充分必要条件价向量组等价必有矩阵等向量可以互相线性表示；向量组等价是指两个等价是两个不同的概念矩阵的等价与向量组的使得阶可逆矩阵，阶可逆矩阵矩阵，则存在时设，使和存在可逆矩阵秩是同型矩阵且有相同的，等价于⎥⎦⎤⎢⎣⎡=⨯=000,.2.1~rE PAQ Q n P m n m A BPAQ Q P B A B A⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡=====----*-O BC O O C B O C O O B C O O B AE E A A EE A A AA E BA E AB B 111-1-1-1-111)()();()(1，分块矩阵法初等变换法伴随矩阵法或使定义法，找出为阶梯形方程组列方程用高斯消元法化不可逆，则可设未知数，若方法可以先求出可逆，则若方法解题思路的列向量表出的每列可由有解等价于A AB A X A AB r A r A B B Ax 2,,1)()(.2.111--===的主对角线元素之和是矩阵T T αββα 若11,--==P PB A PBP A n n 则1-)(,P P A P A n n n Λ=Λ，令与先求特征值与特征向量求 行列变换与单位矩阵、初等矩阵运算的关系第三章 n 维向量一、n 维向量的概念与运算 （一）n 维向量的概念个分量称为向量的第的矩阵，数或维列向量，也就是维行向量或分别称为或维向量，记作构成的有序数组称为个数i a n n n n a a a a a a n a a a n i T n n n 11,),...,,(),...,,(,...,,212121⨯⨯（二）n 维向量的运算0),(......),(,0),(.4...),(.3),...,,(.2),...,,(.1),...,,(,),...,,(222212222122112122112121=⇔==+++=+++=====+++==+++=+==ααααααααααβαβααββαβααβαβαT n nT TT n n Tn T n n T n T n a a a a a a b a b a b a ka ka ka k b a b a b a b b b a a a 正交，，则若内积数乘加法如果二、线性组合与线性表出 1.线性组合若干个同维数的列向量(或同维数的行向量)所组成的集合叫做向量组称为组合系数的一个线性组合，其中称为向量组所构成的向量个常数及维向量个由s s s s s s k k k k k k k k k s n s ,...,,,...,,...,...,,,...,,212122112121ααααααααα+++ 2.线性表出的线性组合是线性表出，或说可由则称的线性组合能表示成向量维向量如αααβαααββααααααβ,...,,,...,,...,...,,2121221121s s s s k k k n =+++3.向量组等价，则称两个向量等价量组可以互相线性表出线性表出；如果两个向可由向量组线性表出，则称向量组量组的每个向量都可以由向如过向量组)2()1(,...,,)2(,...,,)1(2121t s βββααα等价、则线性表出，可由向量组如果向量组不一定等价秩，但秩相同的向量组等价的向量具有相同的相同向量组所含向量的个数两个等价的线性无关的无关组等价向量组的任意两个极大无关组等价任一向量组和它的极大样，线性相关也可以不一但向量个数可以不一样、对称性、及反身性，等价向量组具有传递性)2()1(),2()1()2()1(.6.5.4.3.21r r =三、向量组的线性相关与线性无关 （一）线性相关与线性无关的概念 1.线性相关线性相关则称此向量组使得的数，如存在一组不全为维向量对于s s s s s k k k k k k n ααααααααα,...,,0...,...,,0,...,,2122112121=+++2.线性无关线性无关称此向量组，，必有不全为或者说如存在一组数线性无关则称此向量组，必有，如果维向量对于s s s s s s s s s k k k k k k k k k k k k n ααααααααααααααα,...,,0...0,...,,,...,,,0...0...,...,,212211212121221121≠+++=====+++（二）线性相关与线性无关的充分必要条件 1.线性相关的充分必要条件位向量一定线性相关个维向量线性相关个个向量线性表出可由其他存在某向量的个数有非零解齐次方程组线性相关，向量组n n n n s s r x x x s i s s s s 10,...,,1)(),...,,(0...),...,,(,...,,2121212121+=⇔-⇔⇔=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⇔ααααααααααααα2.线性无关的充分必要条件个向量线性表出都不能用其他存在某向量的个数只有零解齐次方程组线性无关，向量组1)(),...,,(0...),...,,(,...,,21212121-⇔=⇔=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⇔s s r x x x i s s s s αααααααααα3.几个重要结论组必然线性无关两两正交、非零的向量必然线性无关，，，延伸组线性无关，则它的任一若向量组必然线性无关个部分分组线性无关，则它的任一若向量组无关阶梯形向量组一定线性)4(...,...,,)3(,...,,,...,,)2()1(2211212121⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡s s s i i i s t βαβαβαααααααααα四、线性相关性与线性表出的关系ts t s s s t s s t s i i i s s s s s t ≤-线性无关，则线性表出，且可由向量组若向量组线性相关则线性表出，且可由向量组若向量组必然线性无关则它的任一个部分分组一线性表出，且表示法唯可由线性相关，则，线性无关，而向量组若向量组个向量线性表出可以用其余是线性相关，的充要条件向量组αααβββααααααβββαααααααααββαααααααααα,...,,,...,,,...,,)4(,...,,,,...,,,...,,)3(,...,,,...,,,...,,,...,,)2(1,...,,)1(2121212121212121212121五、向量组的秩与矩阵的秩（一）向量组的秩与矩阵的秩的概念 1.极大线性无关组是由原向量唯一确定的即个数都是关组中所含向量的个数个极大线性无关组是等价的，从而每的。
线性代数知识点全面总结
线性代数知识点全面总结线性代数是一门重要的数学学科，它研究的是向量空间、线性映射和线性方程组等基本概念及其相互关系。
线性代数在数学、物理、计算机科学、经济学等各个领域都有广泛的应用。
下面是线性代数的一些重要知识点的全面总结：1. 向量空间（Vector Space）向量空间由一组满足一些性质的向量组成。
向量空间的定义要求满足加法和数量乘法封闭性、零向量存在性、加法逆元存在性等性质。
在向量空间中，还可以定义线性组合、线性相关性、线性无关性等概念。
2. 矩阵（Matrix）矩阵是由一组数按照一个确定的规律排列成的矩形阵列。
矩阵的加法、数量乘法等运算满足线性运算的性质。
矩阵可以表示线性方程组、线性映射等。
3. 线性映射（Linear Mapping）线性映射是指将一个向量空间的元素映射到另一个向量空间的元素，并保持向量空间的加法和数量乘法运算。
线性映射可以用矩阵表示，并且具有一些重要的性质，比如保持零向量、保持加法和数量乘法等。
4. 线性方程组（Linear System）线性方程组是一组线性方程的集合。
线性方程组可以用矩阵和向量表示，形式为Ax=b，其中A是系数矩阵，x是未知向量，b是常数向量。
线性方程组的求解可以使用消元法、矩阵求逆等方法。
5. 特征值和特征向量（Eigenvalues and Eigenvectors）特征值和特征向量是线性映射中的重要概念。
对于一个线性映射，如果存在一个非零向量x，使得线性映射作用于x的结果等于x乘以一个常数λ（即f(x)=λx），那么λ就是这个线性映射的特征值，x就是对应的特征向量。
6. 内积空间（Inner Product Space）内积空间是向量空间中引入内积运算的概念。
内积可以用来度量向量的夹角和长度，并且可以定义向量的正交性、正交投影等概念。
内积空间可以是实数域或复数域上的。
7. 正交性和正交基（Orthogonality and Orthogonal Basis）正交性是指向量之间的夹角为直角。
线性代数知识点归纳
线性代数知识点归纳线性代数是现代数学中的一个重要分支，主要研究向量空间及其上的线性映射。
它在许多科学领域中都有广泛的应用，包括物理学、计算机科学、经济学等。
本文将对线性代数中的一些重要知识点进行归纳总结，以帮助读者更好地理解和掌握这门学科。
一、向量与矩阵1. 向量的定义与运算- 向量的表示：向量可以用有序数组表示，也可以用线段箭头表示。
- 向量的加法与减法：向量之间可以进行加法和减法运算，满足交换律和结合律。
- 向量的数乘：向量与实数之间可以进行数乘运算。
- 内积与外积：向量之间有内积和外积两种运算，分别表示向量的夹角和与之垂直的面积。
2. 矩阵的定义与运算- 矩阵的表示：矩阵可以用二维数组表示，其中每个元素称为矩阵的一个元。
- 矩阵的加法与减法：矩阵之间可以进行加法和减法运算，要求矩阵的维度相同。
- 矩阵的数乘：矩阵与实数之间可以进行数乘运算。
- 矩阵乘法：矩阵乘法满足结合律，但不满足交换律。
二、线性方程组与矩阵运算1. 线性方程组- 线性方程组的定义：线性方程组由一组线性方程组成，其中每个方程都是线性的。
- 解的存在性与唯一性：线性方程组的解可能没有，可能有唯一解，也可能有无穷多解。
- 线性方程组的求解方法：高斯消元法、矩阵求逆、克拉默法则等。
2. 矩阵的逆与行列式- 矩阵的逆：若矩阵A存在逆矩阵A^-1，满足A·A^-1 = A^-1·A = I，其中I为单位矩阵。
- 行列式：行列式是一个与矩阵相关的标量值，用于判断矩阵的可逆性和计算矩阵的特征值。
三、线性映射与特征值问题1. 线性映射- 线性映射的定义：线性映射是一个满足线性性质的函数，将一个向量空间映射到另一个向量空间。
- 线性映射的表示与运算：线性映射可以用矩阵表示，可以进行加法、减法和数乘。
- 线性映射的核与像：线性映射的核是所有映射到零向量的向量集合，像是所有映射到的向量集合。
2. 特征值与特征向量- 特征值与特征向量的定义：对于一个线性映射，若存在一个非零向量使得线性映射作用于该向量后相当于对该向量进行标量乘法，该向量称为特征向量，该标量称为特征值。
线性代数各章复习重点汇总
线性代数各章复习重点汇总线性代数是数学的一个重要分支，研究向量空间、线性变换、线性方程组等概念和性质。
下面是线性代数各章的复习重点汇总。
1.线性方程组：-线性方程组的基本概念和性质，包括齐次线性方程组、非齐次线性方程组等。
-线性方程组的解的存在性与唯一性，以及求解线性方程组的方法（高斯消元法、矩阵求逆法、克拉默法则等）。
-线性方程组的等价关系与等价变换。
2.矩阵与行列式：-矩阵的基本概念和性质，如矩阵的加法、减法、乘法等运算。
-方阵的特殊性质，如对称矩阵、反对称矩阵、单位矩阵等。
-行列式的定义和性质，包括行列式的展开定理、行列式的性质推导等。
3.向量空间：-向量空间的定义和性质，如线性相关性、线性无关性、基、维数等。
-子空间的概念和性质，包括子空间的交、和、直和等操作。
-线性组合、张成空间、极大线性无关组等概念。
4.线性变换与矩阵：-线性变换的定义和性质，包括线性变换的特征值、特征向量等。
-线性变换的矩阵表示，以及矩阵与线性变换之间的转换关系。
-线性变换的合成、逆变换等操作，以及线性变换的标准形式（例如，矩阵的对角化）。
5.特征值与特征向量：-特征值与特征向量的定义和性质，包括特征值的重数、特征向量的线性无关性等。
-特征值与特征向量的计算方法，如特征方程的求解、特征值的代入等。
-特征值与特征向量的应用，如对角化矩阵、相似矩阵等。
6.正交性与标准正交基：-向量的正交性和标准正交性的概念和性质，包括向量的点积、向量的夹角等。
-标准正交基的定义和求解方法，如施密特正交化过程等。
-正交矩阵的定义和性质，以及正交矩阵与标准正交基之间的关系。
以上是线性代数各章的复习重点汇总，希望能够帮助你理清知识重点，并提高复习效率。
祝你取得好成绩！。
线性代数复习总结(重点精心整理)
线性代数复习总结大全第一章 行列式二三阶行列式N 阶行列式：行列式中所有不同行、不同列的n 个元素的乘积的和n nn nj j j j j j j j j nij a a a a ...)1(21212121)..(∑-=τ（奇偶）排列、逆序数、对换行列式的性质：①行列式行列互换，其值不变。
（转置行列式T D D =） ②行列式中某两行（列）互换，行列式变号。
推论：若行列式中某两行（列）对应元素相等，则行列式等于零。
③常数k 乘以行列式的某一行（列），等于k 乘以此行列式。
推论：若行列式中两行（列）成比例，则行列式值为零； 推论：行列式中某一行（列）元素全为零，行列式为零。
④行列式具有分行（列）可加性⑤将行列式某一行（列）的k 倍加到另一行（列）上，值不变 行列式依行（列）展开：余子式ij M 、代数余子式ij ji ij M A +-=)1(定理：行列式中某一行的元素与另一行元素对应余子式乘积之和为零。
克莱姆法则：非齐次线性方程组 ：当系数行列式0≠D 时，有唯一解：)21(n j DD x j j ⋯⋯==、齐次线性方程组 ：当系数行列式01≠=D 时，则只有零解 逆否：若方程组存在非零解，则D 等于零 特殊行列式：①转置行列式：332313322212312111333231232221131211a a a a a a a a a a a a a a a a a a → ②对称行列式:ji ij a a =③反对称行列式:ji ij a a -= 奇数阶的反对称行列式值为零④三线性行列式:333122211312110a a a a a a a 方法：用221a k 把21a 化为零，。
化为三角形行列式 ⑤上（下）三角形行列式: 行列式运算常用方法（主要）行列式定义法（二三阶或零元素多的） 化零法（比例）化三角形行列式法、降阶法、升阶法、归纳法、第二章 矩阵n *（零矩阵、负矩阵、行矩阵、列矩阵、n 阶方阵、相等矩阵) ---------交换、结合律 数乘n m ij ka kA *)(=---------分配、结合律乘法nm lkj ik n l kj l m ik b a b a B A *1**)()(*)(*∑==注意什么时候有意义一般AB=BA ，不满足消去律；由AB=0，不能得A=0或B=0 转置A A T T =)( TT T B A B A +=+)( T T kA kA =)( TT T A B AB =)((反序定理) 方幂：2121k k k kA AA +=2121)(k k k k A A +=矩阵：对角矩阵：若AB 都是N 阶对角阵，k 是数，则kA 、A+B 、 数量矩阵：相当于一个数（若……）单位矩阵、上（下）三角形矩阵（若……） 对称矩阵 反对称矩阵阶梯型矩阵：每一非零行左数第一个非零元素所在列的下方 注：把分出来的小块矩阵看成是元素阶方阵，若存在N 阶矩阵B 的AB=BA=I 则称A 是可逆的， B A=-1(非|A|=0、伴随矩阵)2.、非零k 乘某一行（列）3、将某行（列）的K 倍加到另 初等矩阵都可逆倍乘阵 倍加阵） ⎪⎪⎭⎫ ⎝⎛=O OO I D rr 矩阵的秩r(A)：满秩矩阵 降秩矩阵 若A 可逆，则满秩若A 是非奇异矩阵，则r （AB ）=r （B ） 初等变换不改变矩阵的秩求法：1定义2转化为标准式或阶梯形矩阵与行列式的联系与区别：都是数表；行列式行数列数一样，矩阵不一样；行列式最终是一个数，只要值相等，就相等，矩阵是一个数表，对应元素相等才相等；矩阵n ij n ij a k ka )()(=，行列式nij n nija k ka =逆矩阵注：①AB=BA=I 则A 与B 一定是方阵 ②BA=AB=I 则A 与B 一定互逆； ③不是所有的方阵都存在逆矩阵；④若A 可逆，则其逆矩阵是唯一的。
- 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)。
A1
4. 分块对角矩阵的行列式
A2 ...
=
. 【P. 50 第 3 行】
An
( 5. 二阶矩阵的逆 a11
a21
)−1
a12
=
a22
. 【P. 44 例 10】“两调一除”
−1
6. 对角矩阵的逆 λ1
λ2
...
=
.
λn
−1
7. 分块对角矩阵的逆 A1
A2
...
=
.
An 【P. 50 第 5 行、例 16】
第3页
...
...
3. ak1 · · · akk
=
c11 · · · c1k b11 · · · b1n
...
...
...
...
cn1 · · · ank bn1 · · · bnn
. 【P. 7 例 5】 . 【P. 7 例 6】 . 【P. 14 例 10】
第2页
+ 学习绝不仅仅为了考试 + 编写本份资料仅仅为了考试 +
于
; 向量组线性无关的充要条件是
. 【P. 88 定理 4】
15. (1) 若向量组 A : a1, a2, · · · , am 线性相关, 则向量组 B : a1, a2, · · · , am, am+1
也线性相关. 反言之, 若向量组 B 线性无关, 则向量组 A
.
(2) m 个 n 维向量组成的向量组, 当维数 n 小于向量的个数 m 时一定
三、16 个重要概念 1. 行列式【P. 6 定义】 2. 余子式、代数余子式【P. 16】 3. 矩阵【P. 29 定义 1】 4. 伴随矩阵【P. 41 例 9】 5. 逆矩阵【P. 43 定义 7】
6. 奇异矩阵、非奇异矩阵【P. 43】 7. 两个矩阵的等价【P. 59】 8. 矩阵的秩【P. 66】 9. 满秩矩阵、降秩矩阵【P. 66】 10. 线性相关、线性无关【P. 87 定义 4】 11. 最大无关组、向量组的秩【P. 90 定义 5、P. 91 推论】 12. 基础解系【P. 95】 13. 正交矩阵【P. 115 定义 4】 14. 特征值、特征向量【P. 117 定义 6】 15. 两个矩阵的相似【P. 121 定义 7】 16. 两个矩阵的合同【P. 129 定义 9】
...
... > 0;
an1 · · · ann
对称矩阵 A 为负定的充要条件是: 【P. 133 定理 11】
为负, 而
为正.
五、7 个特殊公式
λ1
1. 对角行列式
λ2 ...
=
λn
a11 a12 · · · a1n
2. 上三角行列式
a22 · · · a2n . . . ... =
ann
a11 · · · a1k
秩 RS =
. 【P. 97 定理 7】
17. 若 A 为正交矩阵, 则A−1 = AT 也是正交矩阵, 且 |A| = 或 . 【P. 116】
18. 设 n 阶矩阵 A = (aij) 的特征值为 λ1, λ2, · · · , λn, 则
(i)
= a11 + a22 + · · · + ann;
四、20 个重要结论
1. 行列式等于它的任一行 (列) 的各元素与其对应的
乘积之和, 即
D = ai1Ai1 + ai2Ai2 + · · · + ainAin (i = 1, 2, · · · , n),
或 D = a1jA1j + a2jA2j + · · · + anj Anj (j = 1, 2, · · · , n).
; . 【P. 71 定理 3】
12. 线性方程组 Ax = b 有解的充要条件是
. 【P. 77 定理 5】
13. n 元齐次线性方程组 Ax = 0 有非零解的充要条件是
.
【P. 77 定理 4】
14. 向 量 组 a1, a2, · · · , am 线 性 相 关 的 充 要 条 件 是 它 所 构 成 的 矩 阵 的 小
.
特别地, n + 1 个 n 维向量一定
.
(3) 设向量组 A : a1, a2, · · · , am 线性无关, 而向量组 B : a1, a2, · · · , am, b 线
性相关, 则向量 b 必能由向量组 A
, 且表达式是
的. 【P. 89
定理 5】
16. 设 m × n 矩阵 A 的秩 R(A) = r, 则 n 元齐次线性方程组 Ax = 0 的解集 S 的
+ 学习绝不仅仅为了考试 + 编写本份资料仅仅为了考试 +
《线性代数》复习重点内容 (详细版)
一、2 种技术 1. 行列式的计算（“化三角形法”与“降阶法”）【P. 12 例 7、P. 18 第七行】 2. 矩阵的初等变换（把一个矩阵变换为“行最简形”）【P. 78 习题三 1】
二、9 种方法 1. 计算两个矩阵的乘积【P. 35 例 4】 2. 计算矩阵的逆矩阵【P. 64 例 2】 3. 计算矩阵的秩【P. 67 例 5】 4. 判断向量组的线性相关性【P. 88 例 5】 5. 计算向量组的秩及最大无关组【P. 93 例 11、P. 108 习题四 11】 6. 计算方程组的通解（需写出“基础解系”）【P. 97 例 12、P. 101 例 16】 7. 计算矩阵的特征值及特征向量【P. 118 例 6、P. 119 例 7】 8. 求解对称矩阵的对角化问题【P. 125 例 12】 9. 求解二次型的标准形【P. 130 例 14】
第1页
+ 学习绝不仅仅为了考试 + 编写本份资料仅仅为了考试 +
6. 若矩阵 A 可逆, 则 |A−1| = |A|−1.
7. 若矩阵 AB = E(或 BA = E), 则 A 可逆, 且 A−1 = B. 【P. 43 推论】
8. (AB)−1 = B−1A−1 【P. 43】
9. |A∗| = |A|n−1. 【P. 56 习题二 24】
【P. 17 定理 3】
2. (AB)T = BTAT. 【P. 39】
3. |λA| = λn|A|; |AB| = |A||B|. 【P. 40】
4. AA∗ = A∗A = |A|E. 【P. 41 例 9】
5.
若 |A| ̸= 0, 则矩阵 A 可逆, 且 A−1
=
1 |A|
A∗.
【P. 43 定理 2】
(ii)
= |A|.征值, 则φ(λ) 是 φ(A) 的特征值 (其中 φ 是“多项式”，可 以出现 −1 次方).
20. 对称矩阵 A 为正定的充要条件是: A 的
都为正, 即
a11 · · · a1n
a11 > 0, a11 a21
a12 > 0, · · · , a22
10. 方阵 A 是可逆矩阵 ⇐⇒ A 是非奇异矩阵 ⇐⇒ A 是满秩矩阵 ⇐⇒ |A| ̸= 0. 方阵 A 是不可逆矩阵 ⇐⇒ A 是奇异矩阵 ⇐⇒ A 是降秩矩阵 ⇐⇒ |A| = 0.
11. n 元线性方程组 Ax = b
(i) 无解的充要条件是
;
(ii) 有唯一解的充要条件是
(iii) 有无穷多个解的充要条件是