大一线性代数知识点笔记.pdfVIP

大一线性代数知识点笔记

一、向量与矩阵

1.向量

向量是有大小和方向的量，通常用箭头表示。在线性代数中，

向量可以表示为一个有序的数组。向量的加法和数乘运算可通过

对应元素的相加和相乘来完成。

2.向量的内积

向量的内积也称为点积，表示为两个向量的数量积。内积的

计算方法是将对应元素相乘再求和。内积可以用于计算向量的长

度、夹角以及投影等。

3.矩阵

矩阵是由数个元素排列成的矩形阵列。矩阵的加法和数乘运

算与向量类似，对应元素相加和相乘。矩阵的乘法是将矩阵的行

与列进行对应元素的乘积再求和。

4.矩阵的特殊类型

零矩阵：所有元素均为零的矩阵。-

单位矩阵：对角线上的元素为-1，其余元素为零的矩阵。

对称矩阵：矩阵的转置等于它本身的矩阵。-

反对称矩阵：矩阵的转置等于它的相反数的矩阵。-

二、线性方程组

1.线性方程组基本概念

线性方程组由多个线性方程组成，其中的未知数之间的关系

是线性的。每个方程对应平面或空间中的一条直线、平面或超平

面。

2.线性方程组的求解

列主元消元法：通过行变换将线性方程组转化为简化行阶梯-

形，进而求解。

-Cramer定理：使用行列式的方法求解线性方程组。

矩阵的逆：若矩阵存在逆矩阵，则可以通过矩阵的逆求解线-

性方程组。

三、向量空间与线性映射

1.向量空间

向量空间是由满足一定条件的向量组成的集合。向量空间中

的向量支持加法和数乘运算，并满足一定的公理。

2.子空间

子空间是向量空间的一个子集，它本身也是一个向量空间，

满足向量加法和数乘的封闭性。

3.线性映射

线性映射是一种将一个向量空间的向量映射到另一个向量空

间的操作。线性映射要求对向量的加法和数乘运算保持线性性质。

四、特征值与特征向量

1.特征值与特征向量的定义

对于一个n阶方阵A，如果存在一个非零向量X和一个数λ，

使得AX=λX成立，则称λ为矩阵A的特征值，X为对应于特征值

λ的特征向量。

2.特征值与特征向量的计算

特征值可以通过求解矩阵的特征方程来得到。-

特征向量可以通过求解特征值对应的齐次线性方程组来得到。-

五、奇异值分解与特征分解

1.奇异值分解（SVD）

奇异值分解是一种将矩阵分解为三个矩阵乘积的方法，分解

形式为A=UΣV^T，其中U和V是正交矩阵，Σ是对角矩阵。

2.特征分解

特征分解是将方阵分解为特征向量和特征值的乘积，分解形

式为A=QΛQ^T，其中Q是正交矩阵，Λ是对角矩阵。

总结：

线性代数是一门研究向量、矩阵以及它们之间的关系和运算规

律的数学学科。大一阶段的线性代数学习主要涵盖了向量与矩阵、

线性方程组、向量空间与线性映射、特征值与特征向量、奇异值

分解与特征分解等知识点。掌握这些知识点对于后续的数学与工

程学科的学习都具有重