线性代数知识点梳理.pdfVIP

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。

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。

线性代数的学习切入点是线性方程组。换言之，可以把线性代数看作是在研究线性

方程组这一对象的过程中建立起来的学科。

线性方程组

线性方程组的特点：方程是未知数的一次齐次式，方程组的数目s和未知数的个数

n可以相同，也可以不同。

关于线性方程组的解，有三个问题值得讨论：

1、方程组是否有解，即解的存在性问题；

2、方程组如何求解，有多少个；

高斯消元法

这最基础和最直接的求解线性方程组的方法，其中涉及到三种对方程的同解变换：

1、把一些方程的k倍加到另外一个方程上去；

2、交换两个方程的位置；

3、用一些常数k乘以一些方程。我们把这三种变换统称为线性方程组的初等变换。

任意的线性方程组都可以通过初等变换化为阶梯形方程组。

由具体例子可看出，化为阶梯形方程组后，就可以依次解出每个未知数的值，从而

求得方程组的解。

对方程组的解起决定性作用的是未知数的系数及其相对位置，所以可以把方程组的

所有系数及常数项按原来的位置提取出来，形成一张表，通过研究这张表，就可以

判断解的情况。我们把这样一张由若干个数按其中一种方式构成的表称为矩阵。

可以用矩阵的形式来表示一个线性方程组，这至少在书写和表达上都更加简洁。

系数矩阵和增广矩阵

高斯消元法中对线性方程组的初等变换，就对应的是矩阵的初等行变换。阶梯形方

程组，对应的是阶梯形矩阵。换言之，任意的线性方程组，都可以通过对其增广矩

阵做初等行变换化为阶梯形矩阵，求得解。

阶梯形矩阵的特点：左下方的元素全为零，每一行的第一个不为零的元素称为该行

的主元。

对不同的线性方程组的具体求解结果进行归纳总结（有唯一解、无解、有无穷多

解），再经过严格证明，可得到关于线性方程组解的判别定理：首先是通