大一线性代数知识点总结.pdfVIP

大一线性代数知识点总结

一、向量与矩阵

1.1向量的概念与性质

向量是线性代数中的基本概念，它是指具有大小和方向的量。在数学中，向量通常用箭头

表示，并且可以表示为n维空间中的有序数组。向量的加法与数乘定义为：

两个向量的加法：设有两个向量-a=(a1,a2,...,an)和b=(b1,b2,...,bn)，则它们的和定义

为：a+b=(a1+b1,a2+b2,...,an+bn)。

数乘：设有一个向量-a=(a1,a2,...,an)，一个标量k，那么k乘以a定义为：ka=(ka1,

ka2,...,kan)。

1.2矩阵的概念与基本运算

矩阵是由m行n列元素组成的长方形阵列，它的基本形式可以表示为：

A=(a11a12...a1n)

(a21a22...a2n)

(............)

(am1am2...amn)

其中，aij表示第i行第j列的元素。矩阵的加法与数乘定义为：

矩阵的加法：设有两个矩阵-A与B，它们是同型矩阵，其相应元素相加即得到矩阵的

和：A+B。

数乘：设有一个数-k，以及一个矩阵A，那么可以通过数量k乘以矩阵A的每一个元

素得到新的矩阵kA。

1.3零向量与单位矩阵

零向量是指所有分量都为零的向量，通常用0表示，对于n维空间而言，它的零向量可以

表示为(0,0,...,0)。

单位矩阵是指在主对角线上的元素都为1，其余元素都为0的方阵，通常用I表示。

对于n×n的单位矩阵可以表示为：

I=(10...0)

(01...0)

(.........)

(00...1)

1.4范数与内积

向量的范数是指向量的长度，通常可以表示为||v||。对于n维向量v=(v1,v2,...,vn)，它的

范数定义为：

||v||=√(v1^2+v2^2+...+vn^2)。

内积是指两个向量之间的数量积，通常可以表示为(v,w)，对于n维向量v和w，它的内

积定义为：

(v,w)=v1w1+v2w2+...+vnwn。

1.5矩阵的转置与逆

矩阵的转置是指将矩阵的行与列互换得到的新矩阵，通常可以表示为A^T，对于n×m的

矩阵A，其转置是m×n的矩阵。

矩阵的逆是指对于一个n×n的方阵A，如果存在一个矩阵B，使得AB=BA=I，那么B就

是A的逆矩阵，通常可以表示为A^(-1)。

1.6线性方程组

线性方程组是指一组n个线性方程的集合，通常可以表示为：

a1x1+a2x2+...+anx=b1

b1x1+b2x2+...+bnx=b2

...

m1x1+m2x2+...+mnx=bm

其中，a1,a2,...,an，b1,b2,...,bn为给定的常数，x1,x2,...,xn为未知数。

线性方程组可以用矩阵向量的形式表示：Ax=b，其中A为系数矩阵，x为未知向量，b

为常数向量。

1.7行列式

行列式是一个标量值，它是一个n×n矩阵所特有的性质，通常可以表示为det(A)或者|A|，

对于n×n矩阵A，其行列式定义为：

|A|=a11a22...ann+a12a23...ann-1a1n+...-a1na22...a(n-1)n。

行列式在计算线性方程组的解的时候起到了重要的作用，通过行列式可以判断方程组是否

有解，以及解的情况。

1.8特征值与特征向量

对于n阶矩阵A，如果存在一个非零向量v，使得Av=λv（其中λ为标量），那么λ就是

A的特征值，v就是A的特征向量。求解特征值与特征向量可以帮助我们研究矩阵的性质，

例如对角化、对称性等。

二、线性变换

2.1线性变换的定义

线性变换是指将一个向量空间V映射到另一个向量空间W上的映射，它满足以下两个条

件：

对于-V中的任意两个向量u和v，有T(u+v)=T(u)+T(v)。

对于-V中的任意向量u和任意标量k，有T(