线性代数知识点.docVIP

线性代数知识点

行列式

行列式是线性代数中的一个基本概念，用于确定一个方阵的某些特性。对于二阶行列式$\begin{vmatrix}ab\\cd\end{vmatrix}=ad-bc$。三阶及以上行列式可以通过按行或按列展开的方法进行计算。行列式有许多重要性质，例如交换两行（列），行列式变号；某行（列）元素全为零，则行列式为零；某行（列）元素的公因子可以提到行列式外面等。这些性质在简化行列式计算中起着关键作用。

矩阵

矩阵的基本运算：矩阵的运算包括加法、减法、数乘和乘法。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。数乘是将矩阵的每个元素都乘以该数。矩阵乘法较为复杂，要求前一个矩阵的列数等于后一个矩阵的行数，设$A$是$m\timesn$矩阵，$B$是$n\timesp$矩阵，则乘积$AB$是$m\timesp$矩阵，其$(i,j)$元素为$A$的第$i$行与$B$的第$j$列对应元素乘积之和。

特殊矩阵：方阵是行数和列数相等的矩阵。单位矩阵是主对角线上元素全为1，其余元素全为0的方阵，它在矩阵乘法中类似于数1的作用。对称矩阵满足$A^T=A$，即矩阵关于主对角线对称；反对称矩阵满足$A^T=-A$，主对角线上元素全为0。

矩阵的秩：矩阵的秩是矩阵的一个重要属性，它等于矩阵中非零子式的最高阶数。通过初等行变换将矩阵化为行阶梯形矩阵，行阶梯形矩阵中非零行的行数就是矩阵的秩。矩阵的秩反映了矩阵所包含的有效信息的多少。

逆矩阵：对于方阵$A$，若存在方阵$B$，使得$AB=BA=I$（$I$为单位矩阵），则称$B$是$A$的逆矩阵，记为$A^{-1}$。方阵$A$可逆的充要条件是$\vertA\vert\neq0$，求逆矩阵的方法有伴随矩阵法$A^{-1}=\frac{1}{\vertA\vert}A^$（$A^$为伴随矩阵）和初等变换法。

向量

向量的线性运算：向量的加法和数乘运算与矩阵的相应运算类似。向量组的线性组合是指给定向量组$\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_s$，对于任意一组实数$k_1,k_2,\cdots,k_s$，表达式$k_1\boldsymbol{\alpha}_1+k_2\boldsymbol{\alpha}_2+\cdots+k_s\boldsymbol{\alpha}_s$称为向量组的一个线性组合。

线性相关性：若存在不全为零的实数$k_1,k_2,\cdots,k_s$，使得$k_1\boldsymbol{\alpha}_1+k_2\boldsymbol{\alpha}_2+\cdots+k_s\boldsymbol{\alpha}_s=\boldsymbol{0}$，则称向量组$\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_s$线性相关；否则称线性无关。判断向量组线性相关性的方法包括定义法、利用矩阵的秩等。若向量组构成的矩阵的秩小于向量的个数，则向量组线性相关。

向量组的秩与极大线性无关组：向量组的一个部分组若满足线性无关且在该向量组中任意添加一个向量后就线性相关，则称这个部分组为极大线性无关组。向量组的极大线性无关组所含向量的个数称为向量组的秩。

线性方程组

线性方程组的表示：线性方程组可以写成矩阵形式$Ax=b$，其中$A$是系数矩阵，$x$是未知数向量，$b$是常数项向量。当$b=0$时，称为齐次线性方程组；当$b\neq0$时，称为非齐次线性方程组。

齐次线性方程组：齐次线性方程组一定有解，至少有零解。它有非零解的充要条件是系数矩阵$A$的秩$r(A)$小于未知数的个数$n$。其解空间的维数为$n-r(A)$，基础解系是解空间的一个极大线性无关组。

非齐次线性方程组：非齐次线性方程组有解的充要条件是系数矩阵$A$的秩等于增广矩阵$(A\vertb)$的秩。若$r(A)=r(A\vertb)=n$，方程组有唯一解；若$r(A)=r(A\vertb)\ltn$，方程组有无穷多解，其通解等于对应的齐次线性方程组的通解加上非齐次线性方程组的一个特解。

特征值与特征向量

定义：对于方阵$A$，若存在数$\lambda$和非零向量$\boldsymbol{x}$，使得$A\boldsymbol{x}=\lambda\boldsymbol{x}$，则称