线性代数知识点总结.docxVIP

线性代数知识点总结

线性代数是一门研究线性关系、线性结构及其应用的数学学科，它不仅是数学的重要分支，也是解决自然科学、工程技术、经济管理等众多领域问题的强大工具。其核心思想在于将复杂问题简化为线性形式进行分析与处理。本文将对线性代数的核心知识点进行梳理与总结，旨在帮助读者构建清晰的知识框架。

一、行列式

行列式是研究线性方程组解的存在性与唯一性的重要工具，也是后续矩阵特征值计算等内容的基础。

1.定义：n阶行列式是一个由n×n个数（元素）排列成n行n列的方阵所确定的一个数。其定义可通过逆序数或递归（按行/列展开）方式给出。对于低阶行列式（如二阶、三阶），可直接使用对角线法则计算。

2.性质：行列式具有诸多重要性质，例如：行列式与它的转置行列式相等；互换行列式的两行（列），行列式的值变号；行列式的某一行（列）中所有元素都乘以同一数k，等于用k乘此行列式；若行列式的某一行（列）的元素都是两数之和，则此行列式可拆分为两个行列式之和；把行列式的某一行（列）的各元素乘以同一数后加到另一行（列）对应的元素上去，行列式的值不变。这些性质是简化行列式计算的关键。

3.计算：计算高阶行列式通常利用其性质，通过初等行（列）变换将其化为上三角或下三角行列式，此时行列式的值即为对角线元素之积。此外，按行（列）展开法则（降阶法）也是常用方法，通过选择零元素较多的行或列进行展开，可以有效降低计算量。

4.应用：主要用于求解线性方程组（克拉默法则），判断矩阵是否可逆（行列式非零），以及计算矩阵的特征值等。

二、矩阵

矩阵是线性代数的核心研究对象和工具，它是一个按照长方阵列排列的复数或实数集合。

1.定义与表示：由m×n个数排成的m行n列的数表称为m行n列矩阵，简称m×n矩阵。矩阵通常用大写字母A,B,C等表示，其元素用a_ij表示，记为A=(a_ij)_{m×n}。

2.特殊矩阵：包括零矩阵、单位矩阵、对角矩阵、三角矩阵（上三角、下三角）、对称矩阵、反对称矩阵、正交矩阵等。这些特殊矩阵具有独特的性质，在运算和应用中扮演重要角色。例如，单位矩阵在矩阵乘法中类似于数1的作用；对称矩阵满足A^T=A。

3.矩阵运算：

*加法：同型矩阵（行数和列数分别相等）可以相加，对应元素相加。

*数乘：数k与矩阵A的乘积，即将A的每个元素都乘以k。

*乘法：设A是m×s矩阵，B是s×n矩阵，则它们的乘积AB是一个m×n矩阵，其第i行第j列元素为A的第i行元素与B的第j列对应元素乘积之和。矩阵乘法不满足交换律，但满足结合律和分配律。

*转置：将矩阵A的行换成同序数的列得到的新矩阵，记作A^T。转置运算有性质：(A^T)^T=A，(A+B)^T=A^T+B^T，(kA)^T=kA^T，(AB)^T=B^TA^T。

4.矩阵的秩：矩阵的秩是矩阵的一个重要数字特征，它反映了矩阵的本质属性。定义为矩阵中最高阶非零子式的阶数。若一个矩阵的秩为r，则意味着该矩阵至少存在一个r阶非零子式，且所有高于r阶的子式（如果存在）均为零。矩阵的秩具有以下性质：矩阵的秩与其行秩、列秩相等；初等变换不改变矩阵的秩；r(AB)≤min(r(A),r(B))等。秩的计算通常通过初等行变换将矩阵化为行阶梯形矩阵，其非零行的行数即为矩阵的秩。

5.逆矩阵：对于n阶方阵A，如果存在n阶方阵B，使得AB=BA=E（E为n阶单位矩阵），则称A可逆，B为A的逆矩阵，记作A^{-1}。A可逆的充分必要条件是A的行列式不为零（即A为非奇异矩阵或满秩矩阵）。求逆矩阵的方法主要有伴随矩阵法（A^{-1}=(1/|A|)A^*，其中A^*为A的伴随矩阵）和初等行变换法（(A|E)→(E|A^{-1})）。逆矩阵具有唯一性，且满足(A^{-1})^{-1}=A，(kA)^{-1}=(1/k)A^{-1}，(AB)^{-1}=B^{-1}A^{-1}，(A^T)^{-1}=(A^{-1})^T等性质。

三、向量及其线性相关性

向量是描述空间中既有大小又有方向的量的抽象，也是线性代数的基本研究对象之一。

1.n维向量：由n个数组成的有序数组称为n维向量，这n个数称为该向量的n个分量。向量可以看作是1×n或n×1的特殊矩阵（行向量或列向量）。

2.线性组合与线性表示：给定向量组A:α?,α?,...,α_m和向量β，如果存在一组数k?,k?,...,k_m，使得β=k?α?+k?α?+...+k_mα_m，则称β是向量组A的线性组合，或称β可由向量组A线性表示。

3.线性相关与线性无关：对于向量组A:α?,α?,...,α_m，如果存在不全为零的数k?,