线性代数知识点_48678

线性代数知识点全归纳线性代数是数学的一个重要分支，研究向量空间及其上的线性映射。

它广泛应用于物理、工程、计算机科学等领域。

下面将对线性代数的主要知识点进行全面归纳。

1.矩阵及其运算：矩阵是线性代数的基本概念之一，由若干行和列组成的方阵。

常见的矩阵运算有加法、减法、数乘、矩阵乘法和转置等。

2.向量及其运算：向量是一个有序数组，具有大小和方向。

常见的向量运算有加法、减法、数乘、点乘和叉乘等。

3.线性方程组：线性方程组是线性代数的核心内容之一、包括齐次线性方程组和非齐次线性方程组。

解线性方程组的方法有高斯消元法、克莱姆法则和矩阵求逆等。

4.向量空间与线性变换：向量空间是线性代数的基本概念之一，包含零向量、加法和数乘运算。

线性变换是一种保持向量空间结构的映射。

5.基与维度：基是向量空间的一组线性无关向量，可以由基线性组合得到向量空间中的任意向量。

维度是向量空间中基的数量。

6.线性相关与线性无关：向量组中的向量线性相关指存在非零的线性组合，其系数不全为零。

如果向量组中的向量线性无关，则任何线性组合的系数都为零。

7.线性变换与矩阵：线性变换可以用矩阵表示，矩阵的列向量表示线性变换作用于基向量上后的结果。

矩阵乘法可以将多个线性变换组合为一个线性变换。

8.特征值与特征向量：对于一个线性变换，如果存在一个非零向量，使得它在该线性变换下只发生伸缩而不发生旋转，那么这个向量称为该线性变换的特征向量，对应的伸缩比例为特征值。

9.二次型与正定矩阵：二次型是线性代数中的重要概念，是一个关于变量的二次函数。

正定矩阵是指二次型在所有非零向量上的取值都大于零。

10.内积与正交性：内积是向量空间中的一种运算，它满足线性性、对称性和正定性。

正交性是指两个向量的内积为零，表示两个向量互相垂直。

11.正交变换与正交矩阵：正交变换是指保持向量长度和向量之间夹角的变换。

正交矩阵是一种特殊的方阵，它的行向量和列向量两两正交，并且长度为112.奇异值分解与特征值分解：奇异值分解将一个矩阵分解为三个矩阵的乘积，其中一个是正交矩阵，另外两个是对角矩阵。

线性代数知识点归纳线性代数复习要点第一部分行列式1.排列的逆序数2.行列式按行（列）展开法则3.行列式的性质及行列式的计算行列式的定义行列式的计算：①(定义法)②（降阶法）行列式按行（列）展开定理：行列式等于它的任一行（列）的各元素与其对应的代数余子式的乘积之和.推论：行列式某一行（列）的元素与另一行（列）的对应元素的代数余子式乘积之和等于零.③(化为三角型行列式)上三角、下三角行列式等于主对角线上元素的乘积④若都是方阵（不必同阶）则⑤关于副对角线：⑦型公式：⑧(升阶法)在原行列式中增加一行一列，保持原行列式不变的方法.⑨(递推公式法)对阶行列式找出与或,之间的一种关系——称为递推公式，其中,,等结构相同，再由递推公式求出的方法称为递推公式法.(拆分法)把某一行（或列）的元素写成两数和的形式，再利用行列式的性质将原行列式写成两行列式之和，使问题简化以例计算.⑩(数学归纳法)2.对于阶行列式，恒有：，其中为阶主子式；3.证明的方法：①、；②、反证法；③、构造齐次方程组，证明其有非零解；④、利用秩，证明；⑤、证明0是其特征值.4.代数余子式和余子式的关系：第二部分矩阵矩阵的运算性质矩阵求逆矩阵的秩的性质矩阵方程的求解矩阵的定义由个数排成的行列的表称为矩阵.记作：或(同型矩阵：两个矩阵的行数相等、列数也相等.(矩阵相等:两个矩阵同型，且对应元素相等.(矩阵运算a.矩阵加（减）法：两个同型矩阵，对应元素相加（减）.b.数与矩阵相乘：数与矩阵的乘积记作或，规定为.c.矩阵与矩阵相乘：设,,则，其中注：矩阵乘法不满足：交换律、消去律,即公式不成立.a.分块对角阵相乘：b.用对角矩阵乘一个矩阵相当于用的对角线上的各元素依次乘此矩阵的向量；用对角矩阵乘一个矩阵相当于用的对角线上的各元素依次乘此矩阵的向量d.两个同阶对角矩阵相乘只用把对角线上的对应元素相乘，⑤矩阵的转置：把矩阵的行换成同序数的列得到的新矩阵，叫做的转置矩阵，记作.a.对称矩阵和反对称矩阵:是对称矩阵.是反对称矩阵.b.分块矩阵的转置矩阵：⑥伴随矩阵：，为中各个元素的代数余子式.,,.分块对角阵矩阵转置的性质：矩阵可逆的性质：伴随矩阵的性质：（无条件恒成立） 2.逆矩阵的求法方阵可逆.①伴随矩阵法：②初等变换法③分块矩阵的逆矩阵：④,⑤配方法或者待定系数法（逆矩阵的定义）行阶梯形矩阵可画出一条阶梯线，线的下方全为；每个台阶只有一行，台阶数即是非零行的行数，阶梯线的竖线后面的第一个元素非零.当非零行的第一个非零元为1，且这些非零元所在列的其他元素都是时，称为行最简形矩阵初等变换与初等矩阵对换变换、倍乘变换、倍加（或消法）变换初等变换初等矩阵初等矩阵的逆初等矩阵的行列式 () () () ?矩阵的初等变换和初等矩阵的关系：(对施行一次初等变换得到的矩阵,等于用相应的初等矩阵乘；(对施行一次初等变换得到的矩阵,等于用相应的初等矩阵乘.注意：初等矩阵是行变换还是列变换，由其位置决定：左乘为初等行矩阵、右乘为初等列矩阵.矩阵的秩关于矩阵秩的描述：①、，中有阶子式不为0，阶子式(存在的话)全部为0；②、，的阶子式全部为0；③、，中存在阶子式不为0；矩阵的秩的性质：①;;≤≤②③④⑤≤⑥若、可逆，则；即：可逆矩阵不影响矩阵的秩.⑦若；若⑧等价标准型.⑨≤,≤≤⑩,求秩矩阵方程的解法)：设法化成第三部分线性方程组1.向量组的线性表示2.向量组的线性相关性3.向量组的秩4.向量空间5.线性方程组的解的判定6.线性方程组的解的结构（通解）（1）齐次线性方程组的解的结构（基础解系与通解的关系）（2）非齐次线性方程组的解的结构（通解）线性表示：对于给定向量组，若存在一组数使得，则称是的线性组合，或称称可由的线性表示.线性表示的判别定理:可由的线性表示由个未知数个方程的方程组构成元线性方程：①、有解②、③、（全部按列分块，其中）；④、（线性表出）⑤、有解的充要条件：（为未知数的个数或维数）2.设的列向量为的列向量为，，为的解可由线性表示.即：的列向量能由的列向量线性表示，为系数矩阵. 同理：的行向量能由的行向量线性表示，为系数矩阵. 即：线性相关性判别方法：法1法2法3推论线性相关性判别法（归纳）线性相关性的性质零向量是任何向量的线性组合零向量与任何同维实向量正交单个零向量线性相关；单个非零向量线性无关部分相关整体必相关；整体无关部分必无关原向量组无关接长向量组无关；接长向量组相关原向量组相关两个向量线性相关对应元素成比例；两两正交的非零向量组线性无关向量组中任一向量≤都是此向量组的线性组合若线性无关，而线性相关则可由线性表示且表示法一向量组的秩向量组的极大无关组所含向量的个数，称为这个向量组的秩.记作矩阵等价经过有限次初等变换化为向量组等价和可以相互线性表示记作：矩阵的行向量组的秩列向量组的秩阶梯形矩阵的秩等于它的非零行的个数矩阵的初等变换不改变矩阵的秩且不改变行向量间的线性关系向量组可由向量组线性表示且，则线性相关向量组线性无关且可由线性表示则.向量组可由向量组线性表示且则两向量组等价任一向量组和它的极大无关组等价向量组极大无关组若两个线性无关的向量组等价则它们包含的向量个数相等设是矩阵若，的行向量线性无关；线性方程组的矩阵式向量式（1）解得判别定理（2）线性方程组解的性质：判断是的基础解系的条件：①线性无关；②是的解；③.(4)求非齐次线性方程组Ax=b的通解的步骤（5）其他性质一个齐次线性方程组的基础解系不唯一.√若是的一个解，是的一个解线性无关√与同解（列向量个数相同）：①它们的极大无关组相对应从而秩相等②它们对应的部分组有一样的线性相关性③它们有相同的内在线性关系与的行向量组等价齐次方程组与同解（左乘可逆矩阵）；矩阵与的列向量组等价（右乘可逆矩阵）.第四部分方阵的特征值及特征向量1.施密特正交化过程2.特征值、特征向量的性质及计算3.矩阵的相似对角化，尤其是对称阵的相似对角化1.(标准正交基个维线性无关的向量两两正交每个向量长度为1与的内积(.记为：④向量的长度⑤是单位向量的向量.2.内积的性质：①正定性：②对称性：③线性：(设A是一个n阶方阵,若存在数和n维非零列向量,使得，则称是方阵A的一个特征值，为方阵A的对应于特征值的一个特征向量.(的特征矩阵）.(的特征多项式）.④是矩阵的特征多项式⑤，称为矩阵的迹.⑥上三角阵、下三角阵、对角阵的特征值就是主对角线上的各元素若则为的的基础解系即为属于的线性无关的特征向量.⑧一定可分解为=、,从而的特征值为：,.为各行的公比，为各列的公比.⑨若的全部特征值，是多项式,则:①若满足的任何一个特征值必满足②的全部特征值为；.⑩与有相同的特征值，但特征向量不一定相同.特征值与特征向量的求法(1)写出矩阵A的特征方程，求出特征值.(2)根据得到A对应于特征值的特征向量.设的基础解系为其中.则A对应于特征值的全部特征向量为其中为任意不全为零的数.(与相似（为可逆矩阵）(与正交相似（为正交矩阵）(可以相似对角化与对角阵相似.（称是的相似标准形）6.相似矩阵的性质：①,从而有相同的特征值,但特征向量不一定相同.是关于的特征向量,是关于的特征向量.②③从而同时可逆或不可逆④⑤若与相似,则的多项式与的多项式相似.矩阵对角化的判定方法①n阶矩阵A可对角化(即相似于对角阵)的充分必要条件是A有n 个线性无关的特征向量.这时,为的特征向量拼成的矩阵，为对角阵,主对角线上的元素为的特征值.设为对应于的线性无关的特征向量,则有：.②可相似对角化，其中为的重数恰有个线性无关的特征向量.：当为的重的特征值时，可相似对角化的重数基础解系的个数.③若阶矩阵有个互异的特征值可相似对角化.实对称矩阵的性质：①特征值全是实数,特征向量是实向量；②不同特征值对应的特征向量必定正交；：对于普通方阵，不同特征值对应的特征向量线性无关；③一定有个线性无关的特征向量.若有重的特征值,该特征值的重数=；④必可用正交矩阵相似对角化，即：任一实二次型可经正交变换化为标准形；⑤与对角矩阵合同，即：任一实二次型可经可逆线性变换化为标准形；⑥两个实对称矩阵相似有相同的特征值.9.正交矩阵正交矩阵的性质①；②；③正交阵的行列式等于1或-1④是正交阵则也是正交阵⑤两个正交阵之积仍是正交阵⑥的行（列）向量都是单位正交向量组.10.11.施密特线性无关单位化：其中为对称矩阵，(与合同.（）(正惯性指数二次型的规范形中正项项数负惯性指数二次型的规范形中负项项数符号差(为二次型的秩)④两个矩阵合同它们有相同的正负惯性指数他们的秩与正惯性指数分别相等.⑤两个矩阵合同的充分条件是：与等价⑥两个矩阵合同的必要条件是：2.经过化为标准形.(正交变换法(配方法（1）若二次型含有的平方项，则先把含有的乘积项集中，然后配方，再对其余的变量同样进行，直到都配成平方项为止，经过非退化线性变换，就得到标准形;若二次型中不含有平方项，但是(),则先作可逆线性变换,化二次型为含有平方项的二次型，然后再按(1)中方法配方.(初等变换法3. 正定二次型不全为零，.正定矩阵正定二次型对应的矩阵.4.为正定二次型（之一成立）：（1），；（2）的特征值全大于；（3）的正惯性指数为；（4）的所有顺序主子式全大于；（5）与合同，即存在可逆矩阵使得；（6）存在可逆矩阵，使得；5.（1）合同变换不改变二次型的正定性.（2）为正定矩阵；.（3）为正定矩阵也是正定矩阵.（4）与合同，若为正定矩阵为正定矩阵（5）为正定矩阵为正定矩阵，但不一定为正定矩阵. 半正定矩阵的判定一些重要的结论：全体维实向量构成的集合叫做维向量空间.√关于：①称为的标准基，中的自然基，单位坐标向量；②线性无关；③；④；⑤任意一个维向量都可以用线性表示.7第1页共20页。

线性代数知识点全面总结线性代数是研究向量空间、线性变换、矩阵、线性方程组及其解的一门数学学科。

它是高等数学的基础课程之一，广泛应用于物理学、工程学、计算机科学等领域。

下面将全面总结线性代数的知识点。

1.向量向量是线性代数的基本概念之一，它表示有方向和大小的物理量。

向量可以表示为一个有序的元素集合，也可以表示为一个列向量或行向量。

向量的加法、减法、数乘等运算满足一定的性质。

2.向量空间向量空间是一组向量的集合，其中的向量满足一定的性质。

向量空间中的向量可以进行线性组合、线性相关、线性无关等运算。

向量空间的维数是指向量空间中线性无关向量的个数，也称为向量空间的基的个数。

3.矩阵矩阵是线性代数中的另一个重要概念，它是由若干个数排成的矩形阵列。

矩阵可以表示线性方程组、线性变换等。

矩阵的加法、数乘运算满足一定的性质，矩阵的乘法满足结合律但不满足交换律。

4.线性方程组线性方程组是由线性方程组成的方程组。

线性方程组可以表示为矩阵乘法的形式，其中未知数对应为向量。

线性方程组的解可以通过高斯消元法、矩阵的逆等方法求解。

5.行列式行列式是一个包含数字的方阵。

行列式的值可以通过一系列的数学运算求得，它可以表示方阵的一些性质，例如可逆性、行列式的大小等。

6.矩阵的特征值与特征向量矩阵的特征值和特征向量是矩阵的重要性质。

特征值表示线性变换后的方向，特征向量表示与特征值对应的方向。

通过求解特征值和特征向量可以分析矩阵的性质，例如对角化、矩阵的相似等。

7.线性变换线性变换是指一个向量空间到另一个向量空间的映射，它满足线性性质。

线性变换可以通过矩阵的乘法表示，矩阵中的元素代表了向量的变换规则。

8.最小二乘法最小二乘法是一种通过最小化误差的平方和来求解线性方程组的方法。

最小二乘法可以用于求解多项式拟合、数据拟合等问题，它可以通过求矩阵的伪逆来得到解。

9.正交性与正交变换正交性是指向量或函数满足内积为零的性质。

正交变换是一种保持向量长度和夹角不变的线性变换。

线代知识点概念总结1.向量空间向量空间是线性代数的基础概念之一，它是一个集合，其中的元素称为向量，同时该集合还具有向量加法和数量乘法的结构。

向量空间具有多种性质，例如：对于任意的向量a，b和c，满足加法交换律、结合律、零元素和负元素等。

2.线性方程组线性方程组是由一系列线性方程组成的方程组，例如：a1x1 + a2x2 + ... + anxn = b是一个线性方程，它可用矩阵表示。

解线性方程组是线性代数中的一个重要内容，可以用高斯消元法、矩阵求逆、克拉默法则等方法来求解。

3.矩阵矩阵是线性代数中的重要工具，它由一组按照矩形排列的数所组成的，其中每一个数称为一个元素。

矩阵可以进行加法、数乘和矩阵乘法等运算。

矩阵的性质和运算规则很多，例如：矩阵的转置、逆矩阵、矩阵的秩等。

4.线性变换线性变换是指将一个向量空间映射到另一个向量空间的变换，同时满足线性函数的性质。

线性变换具有很多性质和运算规则，例如：线性变换的复合、线性变换的逆等。

5.特征值和特征向量特征值和特征向量是矩阵的一个重要性质，它们可以描述矩阵在某种变换下的特定性质。

特征值和特征向量在许多领域有广泛的应用，例如：物理学、工程学和计算机科学等。

6.内积空间内积空间是线性代数的一个重要分支，它是一个向量空间，并且在其上定义了一个内积运算。

内积空间具有很多性质和运算规则，例如：内积的线性性、正定性等。

7.正交、标准正交正交和标准正交是内积空间中的重要概念，它们描述了向量空间中向量之间的关系，具有很多性质和运算规则，例如：正交矩阵、标准正交基等。

8.奇异值分解奇异值分解是矩阵分解的一种重要方法，它可以将一个任意的矩阵分解为奇异值矩阵、左奇异向量和右奇异向量的乘积，具有重要的应用价值。

9.特征值分解特征值分解是一种重要的矩阵分解方法，它可以将一个对称矩阵分解为特征向量和对角元素的乘积，具有很多应用。

10.广义逆矩阵广义逆矩阵是线性代数中的一个重要概念，它是对非方正矩阵的逆矩阵的推广，具有很多应用。

考研数学知识点－线性代数第一讲 基本知识二．矩阵和向量 ① A ② ( A③c( + + A 1．线性运算与转置B B + =) B 反对称矩阵B +A +C = A + ( B + C ) 初等变换分 ) =cA + cB ( c + d ) A = cA +dAA T= 三．矩阵的初等变换，阶梯形矩阵 ⎧ ⎨−A 。

初等行变换初等列变换⎩ 三类初等行变换 ④c ( dA ) = ( cd )A ①交换两行的上下位置⑤ cA = 0 ⇔ c = 0 或 A = 0 。

A → B向量组的线性组合 ②用非零常数 c 乘某一行。

③把一行的倍数加到另一行上（倍加变换）α ,α , Λ ,α ，1 2 s 阶梯形矩阵⎛4 1 0 2 0 ⎞c α + c α + Λ + c α 。

1 12 2 s s ⎜ ⎟ 1 0⎜ 0 − 1 2 5 1 ⎟转置2 1⎜ ⎟0 0 0 2 3 ⎜ ⎟ 4 3 ⎜ ⎟ A 的转置 A T （或 A ′ ）0 0 0 0 0 ⎝ ⎠T ①如果有零行，则都在下面。

T ( A ) = A ②各非零行的第一个非 0 元素的列号自上而下严格 单调上升。

TT T ( A ± B ) = A ± B或各行左边连续出现的 0 的个数自上而下严格单调 T T 上升，直到全为 0 。

( c A ) = c ( A ) 。

台角：各非零行第一个非 0 元素所在位置。

简单阶梯形矩阵：3． n 阶矩阵3．台角位置的元素都为 1n 行、 n 列的矩阵。

4．台角正上方的元素都为 0。

对角线，其上元素的行标、列标相等 a , a ,Λ 11 22 每个矩阵都可用初等行变换化为阶梯形矩阵和简单 ⎛ * 0 0 ⎞ ⎜ ⎟ 阶梯形矩阵。

对角矩阵 ⎜ 0 * 0 ⎟ 如果 A 是一个 n 阶矩阵⎜ ⎟ 0 0 * ⎝ ⎠ A 是阶梯形矩阵 ⇒ A 是上三角矩阵，反之不一定，如⎛ 3 0 0 ⎞ ⎜ ⎟ 数量矩阵 0 3 0 = 3E ⎛ 0 0 1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ 0 1 0 是上三角，但非阶梯形 0 0 3 ⎜ ⎟ ⎝ ⎠ ⎜ ⎟ 0 0 1 ⎝ ⎠⎛ 1 0 0 ⎞ ⎜ ⎟ 单位矩阵 ⎜ 0 1 0 ⎟ E 或I 四．线性方程组的矩阵消元法 ⎜ ⎟ 0 0 1 ⎝ ⎠ 用同解变换化简方程再求解三种同解变换：⎛ * * * ⎞⎜ ⎟ ①交换两个方程的上下位置。

大学线性代数知识点总结第一章 行列式二三阶行列式N 阶行列式：行列式中所有不同行、不同列的n 个元素的乘积的和 n nn nj j j j j j j j j nija a a a ...)1(21212121)..(∑-=τ奇偶排列、逆序数、对换行列式的性质：①行列式行列互换,其值不变;转置行列式T D D = ②行列式中某两行列互换,行列式变号;推论：若行列式中某两行列对应元素相等,则行列式等于零; ③常数k 乘以行列式的某一行列,等于k 乘以此行列式; 推论：若行列式中两行列成比例,则行列式值为零； 推论：行列式中某一行列元素全为零,行列式为零; ④行列式具有分行列可加性⑤将行列式某一行列的k 倍加到另一行列上,值不变 行列式依行列展开：余子式ij M 、代数余子式ij j i ij M A +-=)1(定理：行列式中某一行的元素与另一行元素对应余子式乘积之和为零; 克莱姆法则：非齐次线性方程组 ：当系数行列式0≠D 时,有唯一解：)21(n j DD x j j ⋯⋯==、齐次线性方程组 ：当系数行列式01≠=D 时,则只有零解 逆否：若方程组存在非零解,则D 等于零 特殊行列式：①转置行列式：332313322212312111333231232221131211a a a a a a a a a a a a a a a a a a → ②对称行列式:ji ij a a =③反对称行列式:ji ij a a -= 奇数阶的反对称行列式值为零④三线性行列式:333122211312110a a a a a a a 方法：用221a k 把21a 化为零,;;化为三角形行列式 ⑤上下三角形行列式:行列式运算常用方法主要行列式定义法二三阶或零元素多的 化零法比例化三角形行列式法、降阶法、升阶法、归纳法、第二章 矩阵矩阵的概念：n m A *零矩阵、负矩阵、行矩阵、列矩阵、n 阶方阵、相等矩阵 矩阵的运算：加法同型矩阵---------交换、结合律 数乘n m ij ka kA *)(=---------分配、结合律乘法nm lkj ik n l kj l m ik b a b a B A *1**)()(*)(*∑==注意什么时候有意义一般AB=BA,不满足消去律；由AB=0,不能得A=0或B=0 转置A A TT =)( TT T B A B A +=+)( TTkA kA =)( TTTA B AB =)(反序定理 方幂：2121k k k kA AA +=2121)(k k k k A A +=几种特殊的矩阵：对角矩阵：若AB 都是N 阶对角阵,k 是数,则kA 、A+B 、 AB 都是n 阶对角阵数量矩阵：相当于一个数若…… 单位矩阵、上下三角形矩阵若…… 对称矩阵 反对称矩阵阶梯型矩阵：每一非零行左数第一个非零元素所在列的下方 都是0分块矩阵：加法,数乘,乘法：类似,转置：每块转置并且每个子块也要转置 注：把分出来的小块矩阵看成是元素逆矩阵：设A 是N 阶方阵,若存在N 阶矩阵B 的AB=BA=I 则称A 是可逆的, B A=-1非奇异矩阵、奇异矩阵|A|=0、伴随矩阵初等变换1、交换两行列 2.、非零k 乘某一行列3、将某行列的K 倍加到另一行列初等变换不改变矩阵的可逆性 初等矩阵都可逆初等矩阵：单位矩阵经过一次初等变换得到的对换阵 倍乘阵 倍加阵 等价标准形矩阵⎪⎪⎭⎫ ⎝⎛=O OO I D rr矩阵的秩rA ：满秩矩阵 降秩矩阵 若A 可逆,则满秩 若A 是非奇异矩阵,则rAB=rB 初等变换不改变矩阵的秩求法：1定义2转化为标准式或阶梯形矩阵与行列式的联系与区别：都是数表；行列式行数列数一样,矩阵不一样；行列式最终是一个数,只要值相等,就相等,矩阵是一个数表,对应元素相等才相等；矩阵n ij n ij a k ka )()(=,行列式nij n nij a k ka =逆矩阵注：①AB=BA=I 则A 与B 一定是方阵 ②BA=AB=I 则A 与B 一定互逆； ③不是所有的方阵都存在逆矩阵；④若A 可逆,则其逆矩阵是唯一的;矩阵的逆矩阵满足的运算律：1、可逆矩阵A 的逆矩阵也是可逆的,且A A =--11)(2、可逆矩阵A 的数乘矩阵kA 也是可逆的,且111)(--=A kkA 3、可逆矩阵A 的转置TA 也是可逆的,且T T A A )()(11--=4、两个可逆矩阵A 与B 的乘积AB 也是可逆的,且111)(---=A B AB但是两个可逆矩阵A 与B 的和A+B 不一定可逆,即使可逆,但11)(--+≠+B A B A A 为N 阶方阵,若|A|=0,则称A 为奇异矩阵,否则为非奇异矩阵; 5、若A 可逆,则11--=A A伴随矩阵：A 为N 阶方阵,伴随矩阵：⎪⎪⎭⎫⎝⎛=22211211*A AA A A 代数余子式 特殊矩阵的逆矩阵：对1和2,前提是每个矩阵都可逆1、分块矩阵⎪⎪⎭⎫ ⎝⎛=C O B A D 则⎪⎪⎭⎫ ⎝⎛-=-----11111C O BC A AD 2、准对角矩阵⎪⎪⎪⎪⎪⎭⎫⎝⎛=4321A A A A A , 则⎪⎪⎪⎪⎪⎭⎫⎝⎛=-----141312111A A A A A 3、 I A A A AA ==**4、1*-=A A A A 可逆5、1*-=n AA 6、()()A AA A1*11*==--A 可逆 7、()()**T TA A = 8、()***A B AB =判断矩阵是否可逆：充要条件是0≠A ,此时*11A AA =- 求逆矩阵的方法：定义法I AA =-1伴随矩阵法AA A *1=-初等变换法()()1||-=A II A nn只能是行变换初等矩阵与矩阵乘法的关系： 设()n m ij aA *=是mn 阶矩阵,则对A 的行实行一次初等变换得到的矩阵,等于用同等的m 阶初等矩阵左乘以A ：对A 的列实行一次初等变换得到的矩阵,等于用同种n 阶初等矩阵右乘以A 行变左乘,列变右乘第三章 线性方程组消元法 非齐次线性方程组：增广矩阵→简化阶梯型矩阵rAB=rB=r 当r=n 时,有唯一解；当n r ≠时,有无穷多解 rAB ≠rB,无解齐次线性方程组：仅有零解充要rA=n 有非零解充要rA<n 当齐次线性方程组方程个数<未知量个数,一定有非零解当齐次线性方程组方程个数=未知量个数,有非零解充要|A|=0 齐次线性方程组若有零解,一定是无穷多个N 维向量：由n 个实数组成的n 元有序数组;希腊字母表示加法数乘 特殊的向量：行列向量,零向量θ,负向量,相等向量,转置向量 向量间的线性关系: 线性组合或线性表示向量组间的线性相关无：定义179P 向量组的秩：极大无关组定义P188定理：如果r j j j ααα,.....,21是向量组s ααα,.....,21的线性无关的部分组,则它是 极大无关组的充要条件是：s ααα,.....,21中的每一个向量都可由r j j j ααα,.....,21线性表出;秩:极大无关组中所含的向量个数;定理：设A 为mn 矩阵,则r A r =)(的充要条件是：A 的列行秩为r;现性方程组解的结构：齐次非齐次、基础解系线性组合或线性表示注：两个向量αβ,若βαk =则α是β线性组合 单位向量组任意向量都是单位向量组的线性组合 零向量是任意向量组的线性组合任意向量组中的一个都是他本身的线性组合 向量组间的线性相关无注： n 个n 维单位向量组一定是线性无关 一个非零向量是线性无关,零向量是线性相关 含有零向量的向量组一定是线性相关 若两个向量成比例,则他们一定线性相关向量β可由n ααα,..,21线性表示的充要条件是)...()...(2121T T n T T T n T Tr r βαααααα=判断是否为线性相关的方法：1、定义法：设n k k k ....21,求n k k k ....21适合维数低的2、向量间关系法183P ：部分相关则整体相关,整体无关则部分无关3、分量法n 个m 维向量组180P ：线性相关充要n r T n T T<⇒)....(21ααα线性无关充要n r T n T T=⇒)....(21ααα推论①当m=n 时,相关,则0321=TTTααα；无关,则0321≠TTTααα ②当m<n 时,线性相关推广：若向量s ααα,...,21组线性无关,则当s 为奇数时,向量组13221,...,αααααα+++s 也线性无关；当s 为偶数时,向量组也线性相关;定理：如果向量组βααα,,...,21s 线性相关,则向量β可由向量组s ααα,...,21线性表出,且 表示法唯一的充分必要条件是s ααα,...,21线性无关;极大无关组注：向量组的极大无关组不是唯一的,但他们所含向量的个数是确定的； 不全为零的向量组的极大无关组一定存在； 无关的向量组的极大无关组是其本身； 向量组与其极大无关组是等价的; 齐次线性方程组I 解的结构：解为...,21ααI 的两个解的和21αα+仍是它的解； I 解的任意倍数αk 还是它的解；I 解的线性组合s s c c c ααα+++....2211也是它的解,s c c c ,...,21是任意常数; 非齐次线性方程组II 解的结构：解为...,21μμ II 的两个解的差21μμ-仍是它的解；若μ是非齐次线性方程组AX=B 的一个解,v 是其导出组AX=O 的一个解,则u+v 是II 的一个解; 定理：如果齐次线性方程组的系数矩阵A 的秩n r A r <=)(,则该方程组的基础解系存在,且在每个基础解系中,恰含有n-r 个解;若μ是非齐次线性方程组AX=B 的一个解,v 是其导出组AX=O 的全部解,则u+v 是II 的全部解;第四章 向量空间向量的内积 实向量定义：α,β=n n Tb a b a b a +++=....2211αβ性质：非负性、对称性、线性性 α,k β=k α,β; k α,k β=2k α,β;α+β,δγ+=α,γ+α,δ+β,γ+β,δ; ),(),(1111j i sj j r i i j sj jr i ii l k lk βαβα∑∑∑∑===== n R ∈δγβα,,,,向量的长度),(ααα=0=α的充要条件是α=0；α是单位向量的充要条件是α,α=1单位化 向量的夹角正交向量：αβ是正交向量的充要条件是α,β=0 正交的向量组必定线性无关 正交矩阵：ｎ阶矩阵Ａ I A A AA TT==性质：1、若A 为正交矩阵,则Ａ可逆,且T A A =-1,且1-A 也是正交矩阵； ２、若A 为正交矩阵,则1±=A ；３、若A 、Ｂ为同阶正交矩阵,则ＡＢ也是正交矩阵；４、ｎ阶矩阵Ａ＝ij a 是正交矩阵的充要条件是Ａ的列行向量组是 标准正交向量；第五章 矩阵的特征值和特征向量特征值、特征向量A 是N 阶方阵,若数λ使AX=λX,即λI-A=0有非零解,则称λ为A 的一 个特征值,此时,非零解称为A 的属于特征值λ的特征向量; |A|=n λλλ...**21注： 1、AX=λX2、求特征值、特征向量的方法0=-A I λ 求i λ 将i λ代入λI-AX=0求出所有非零解3、对于不同的矩阵,有重根、单根、复根、实根主要学习的特殊：n I )(λ的特征向量为任意N 阶非零向量或)(21不全为零i n c c c c ⎪⎪⎪⎭⎫ ⎝⎛4、特征值： 若)0(≠λλ是A 的特征值 则1-A --------λ1 则m A --------mλ 则kA --------λk若2A =A 则-----------λ=0或1 若2A =I 则-----------λ=-1或1 若k A =O 则----------λ=0 迹trA ：迹A=nn a a a +⋯⋯++2211性质：1、N 阶方阵可逆的充要条件是A 的特征值全是非零的2、A 与1-A 有相同的特征值3、N 阶方阵A 的不同特征值所对应的特征向量线性无关4、5、P281 相似矩阵定义P283：A 、B 是N 阶矩阵,若存在可逆矩阵P,满足B AP P =-1,则矩阵A 与B 相似,记作A~B性质1、自身性：A~A,P=I2、对称性：若A~B 则B~A B AP P =-1 1-=PBP A A BPP =---111)(3、传递性：若A~B 、B~C 则A~C B AP P =-111 C BP P =-212- --C P P A P P =-)()(211214、若AB,则A 与B 同不可逆5、若A~B,则11~--B A B AP P =-1两边同取逆,111---=B P A P 6、若A~B,则它们有相同的特征值; 特征值相同的矩阵不一定相似 7、若A~B,则)()(B r A r = 初等变换不改变矩阵的秩 例子：B AP P =-1则1100100-=P PB A O AP P =-1A=O I AP P =-1A=I I AP P λ=-1 A=I λ矩阵对角化 定理：N 阶矩阵A 与N 阶对角形矩阵相似的充要条件是A 有N 个线性无关的特征向量注：1、P 与^中的i i x λ与顺序一致2、A~^,则^与P 不是唯一的推论：若n 阶方阵A 有n 个互异的特征值,则~^A P281定理：n 阶方阵~^A 的充要条件是对于每一个i K 重特征根i λ,都有i i K n A I r -=-)(λ 注：三角形矩阵、数量矩阵I λ的特征值为主对角线;约当形矩阵约当块：形如⎪⎪⎪⎪⎪⎭⎫⎝⎛=λλλλ111J 的n 阶矩阵称为n 阶约当块； 约当形矩阵：由若干个约当块组成的对角分块矩阵⎪⎪⎪⎭⎫⎝⎛=n J J J J 21i J 是约当块称为约当形矩阵;定理：任何矩阵A 都相似于一个约当形矩阵,即存在n 阶可逆矩阵J AP P =-1;第六章 二次型二次型与对称矩阵只含有二次项的n 元多项式f 称为一个n 元二次型,简称二次型; 标准型：形如 的二次型,称为标准型; 规范型：形如 的二次型,称为规范型; 线性变换矩阵的合同：设AB 是n 阶方阵,若存在一个n 阶可逆矩阵C,使得 则称A 与B 是合同的,记作A B;合同的性质：反身性、对称性、传递性、秩、化二次型为标准型：配方法、做变换二次型中不含有平方项。

线性代数知识点总结1 行列式（一）行列式概念和性质1、逆序数：所有的逆序的总数2、行列式定义：不同行不同列元素乘积代数和3、行列式性质：（用于化简行列式）（1）行列互换（转置），行列式的值不变（2）两行（列）互换，行列式变号（3）提公因式：行列式的某一行（列）的所有元素都乘以同一数k，等于用数k乘此行列式（4）拆列分配：行列式中如果某一行（列）的元素都是两组数之和，那么这个行列式就等于两个行列式之和。

（5）一行（列）乘k加到另一行（列），行列式的值不变。

（6）两行成比例，行列式的值为0。

（二）重要行列式4、上（下）三角（主对角线）行列式的值等于主对角线元素的乘积5、副对角线行列式的值等于副对角线元素的乘积乘6、Laplace展开式：（A是m阶矩阵，B是n阶矩阵），则7、n阶（n≥2）范德蒙德行列式数学归纳法证明★8、对角线的元素为a，其余元素为b的行列式的值：（三）按行（列）展开9、按行展开定理：（1）任一行（列）的各元素与其对应的代数余子式乘积之和等于行列式的值（2）行列式中某一行（列）各个元素与另一行（列）对应元素的代数余子式乘积之和等于0（四）行列式公式10、行列式七大公式：（1）|kA|=k n|A|（2）|AB|=|A|·|B|（3）|A T|=|A|（4）|A-1|=|A|-1（5）|A*|=|A|n-1（6）若A的特征值λ1、λ2、……λn，则（7）若A与B相似，则|A|=|B|（五）克莱姆法则11、克莱姆法则：（1）非齐次线性方程组的系数行列式不为0，那么方程为唯一解（2）如果非齐次线性方程组无解或有两个不同解，则它的系数行列式必为0（3）若齐次线性方程组的系数行列式不为0，则齐次线性方程组只有0解；如果方程组有非零解，那么必有D=0。

2 矩阵（一）矩阵的运算1、矩阵乘法注意事项：（1）矩阵乘法要求前列后行一致；（2）矩阵乘法不满足交换律；（因式分解的公式对矩阵不适用，但若B=E,O,A-1，A*,f(A)时，可以用交换律）（3）AB=O不能推出A=O或B=O。

线性代数总结知识点线性代数是数学的一个分支，主要研究向量、向量空间（也称为线性空间）、线性变换以及线性方程组的理论。

它是现代数学的基础工具之一，广泛应用于物理学、工程学、计算机科学、经济学和社会科学等领域。

以下是线性代数的一些核心知识点总结：1. 向量与向量运算- 向量的定义：向量可以是有序的数字列表，用于表示空间中的点或方向。

- 向量加法：两个向量对应分量相加得到新的向量。

- 标量乘法：一个向量与一个标量相乘，每个分量都乘以该标量。

- 向量的数量积（点积）：两个向量的对应分量乘积之和，用于计算向量的长度或投影。

- 向量的向量积（叉积）：仅适用于三维空间，结果是一个向量，表示两个向量平面的法向。

2. 矩阵- 矩阵的定义：一个由数字排列成的矩形阵列。

- 矩阵加法和减法：对应元素相加或相减。

- 矩阵乘法：第一个矩阵的列数必须等于第二个矩阵的行数，结果矩阵的每个元素是两个矩阵对应行列的乘积之和。

- 矩阵的转置：将矩阵的行变成列，列变成行。

- 单位矩阵：对角线上全是1，其余位置全是0的方阵。

- 零矩阵：所有元素都是0的矩阵。

3. 线性相关与线性无关- 线性相关：如果一组向量中的任何一个可以通过其他向量的线性组合来表示，则这组向量是线性相关的。

- 线性无关：如果只有所有向量的零组合才能表示为零向量，则这组向量是线性无关的。

4. 向量空间（线性空间）- 定义：一组向量，它们在向量加法和标量乘法下是封闭的。

- 子空间：向量空间的子集，它自身也是一个向量空间。

- 维数：向量空间的基（一组线性无关向量）的大小。

- 基和坐标：向量空间的一组基可以用来表示空间中任何向量的坐标。

5. 线性变换- 定义：保持向量加法和标量乘法的函数。

- 线性变换可以用矩阵表示，矩阵的乘法对应线性变换的复合。

6. 特征值和特征向量- 特征值：对应于线性变换的标量，使得变换后的向量与原向量成比例。

- 特征向量：与特征值对应的非零向量，变换后的向量与原向量方向相同。

线性代数知识点1、行列式1.n 行列式共有2n 个元素，展开后有!n 项，可分解为2n 行列式；2. 代数余子式的性质：①、ij A 和ij a 的大小无关；②、某行（列）的元素乘以其它行（列）元素的代数余子式为0； ③、某行（列）的元素乘以该行（列）元素的代数余子式为A ； 3.代数余子式和余子式的关系：(1)(1)i j i j ij ijij ijM A A M ++=-=-4. 设n 行列式D ：将D 上、下翻转或左右翻转，所得行列式为1D ，则(1)21(1)n n D D -=-； 将D 顺时针或逆时针旋转90，所得行列式为2D ，则(1)22(1)n n D D -=-；将D 主对角线翻转后（转置），所得行列式为3D ，则3D D =；将D 主副角线翻转后，所得行列式为4D ，则4D D =；5. 行列式的重要公式：①、主对角行列式：主对角元素的乘积；②、副对角行列式：副对角元素的乘积(1)2(1)n n -⨯ -；③、上、下三角行列式（ = ◥◣）：主对角元素的乘积； ④、 ◤和 ◢：副对角元素的乘积(1)2(1)n n -⨯ -；⑤、拉普拉斯展开式：A O A C AB CB O B==、(1)m n CA OA AB B OB C==-⑥、范德蒙行列式：大指标减小指标的连乘积； ⑦、特征值；6. 对于n 阶行列式A ，恒有：1(1)nnk n k k k E A S λλλ-=-=+-∑，其中k S 为k 阶主子式；7. 证明0A =的方法：①、A A =-； ②、反证法；③、构造齐次方程组0Ax =，证明其有非零解； ④、利用秩，证明()r A n <；⑤、证明0是其特征值；2、矩阵1.A 是n 阶可逆矩阵：⇔0A ≠（是非奇异矩阵）； ⇔()r A n =（是满秩矩阵） ⇔A 的行（列）向量组线性无关； ⇔齐次方程组0Ax =有非零解； ⇔n b R ∀∈，Ax b =总有唯一解； ⇔A 与E 等价；⇔A 可表示成若干个初等矩阵的乘积； ⇔A 的特征值全不为0；⇔T A A 是正定矩阵；⇔A 的行（列）向量组是n R 的一组基； ⇔A 是n R 中某两组基的过渡矩阵；2. 对于n 阶矩阵A ：**AA A A A E == 无条件恒成立；3.1**111**()()()()()()T T T T A A A A A A ----=== ***111()()()T T TAB B A AB B A AB B A ---===4. 矩阵是表格，推导符号为波浪号或箭头；行列式是数值，可求代数和；5. 关于分块矩阵的重要结论，其中均A 、B 可逆：若12s A A A A ⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭，则： Ⅰ、12s A A A A =；Ⅱ、111121s A A A A ----⎛⎫ ⎪⎪= ⎪ ⎪ ⎪⎝⎭； ②、111A O A O O B O B ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭；（主对角分块） ③、111O A O B B O AO ---⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭；（副对角分块）④、11111A C A A CB O B OB -----⎛⎫-⎛⎫=⎪ ⎪⎝⎭⎝⎭；（拉普拉斯） ⑤、11111A O A O C B B CAB -----⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭；（拉普拉斯）3、矩阵的初等变换与线性方程组1. 一个m n ⨯矩阵A ，总可经过初等变换化为标准形，其标准形是唯一确定的：rm nEO F OO ⨯⎛⎫= ⎪⎝⎭； 等价类：所有与A 等价的矩阵组成的一个集合，称为一个等价类；标准形为其形状最简单的矩阵； 对于同型矩阵A 、B ，若()()r A r B A B = ⇔ ；2. 行最简形矩阵：①、只能通过初等行变换获得；②、每行首个非0元素必须为1；③、每行首个非0元素所在列的其他元素必须为0；3. 初等行变换的应用：（初等列变换类似，或转置后采用初等行变换）①、若(,)(,)rA E E X ，则A 可逆，且1X A -=；②、对矩阵(,)A B 做初等行变化，当A 变为E 时，B 就变成1A B -，即：1(,)(,)cA B E A B - ~ ；③、求解线形方程组：对于n 个未知数n 个方程Ax b =，如果(,)(,)rA b E x ，则A 可逆，且1x A b -=；4. 初等矩阵和对角矩阵的概念：①、初等矩阵是行变换还是列变换，由其位置决定：左乘为初等行矩阵、右乘为初等列矩阵；②、12n ⎛⎫⎪⎪Λ= ⎪ ⎪⎝⎭λλλ，左乘矩阵A ，i λ乘A 的各行元素；右乘，iλ乘A 的各列元素；③、对调两行或两列，符号(,)E i j ，且1(,)(,)E i j E i j -=，例如：1111111-⎛⎫⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭；④、倍乘某行或某列，符号(())E i k ，且11(())(())E i k E i k-=，例如：1111(0)11kk k -⎛⎫⎛⎫⎪⎪⎪=≠ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭； ⑤、倍加某行或某列，符号(())E ij k ,且1(())(())E ij k E ij k -=-，如：11111(0)11k k k --⎛⎫⎛⎫ ⎪ ⎪=≠ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭；5. 矩阵秩的基本性质：①、0()min(,)m n r A m n ⨯≤≤；②、()()T r A r A =； ③、若AB ，则()()r A r B =；④、若P 、Q 可逆，则()()()()r A r PA r AQ r PAQ ===；（可逆矩阵不影响矩阵的秩） ⑤、max((),())(,)()()r A r B r A B r A r B ≤≤+；（※） ⑥、()()()r A B r A r B +≤+；（※） ⑦、()min((),())r AB r A r B ≤；（※）⑧、如果A 是m n ⨯矩阵，B 是n s ⨯矩阵，且0AB =，则：（※） Ⅰ、B 的列向量全部是齐次方程组0AX =解（转置运算后的结论）；Ⅱ、()()r A r B n +≤⑨、若A 、B 均为n 阶方阵，则()()()r AB r A r B n ≥+-；6. 三种特殊矩阵的方幂：①、秩为1的矩阵：一定可以分解为列矩阵（向量）⨯行矩阵（向量）的形式，再采用结合律；②、型如101001a c b ⎛⎫⎪⎪ ⎪⎝⎭的矩阵：利用二项展开式；二项展开式：01111110()nnnn m n mmn n nnm m n mnnnnnn m a b C a C a b C ab Ca bC b C a b -----=+=++++++=∑；注：Ⅰ、()n a b +展开后有1n +项；Ⅱ、0(1)(1)!1123!()!--+====-m n n n n n n n m n C C C m m n mⅢ、组合的性质：111102---+-===+==∑nm n mmm m r nr r n nn nnnn n r C C CC CCrC nC ；③、利用特征值和相似对角化：7. 伴随矩阵：①、伴随矩阵的秩：*()()1()10()1n r A n r A r A n r A n = ⎧⎪==-⎨⎪<-⎩； ②、伴随矩阵的特征值：*1*(,)AAAX X A A A A X X λλλ- == ⇒ =；③、*1A A A -=、1*n A A-=8. 关于A 矩阵秩的描述：①、()r A n =，A 中有n 阶子式不为0，1n +阶子式全部为0；（两句话）②、()r A n <，A 中有n 阶子式全部为0； ③、()r A n ≥，A 中有n 阶子式不为0；9. 线性方程组：Ax b =，其中A 为m n ⨯矩阵，则：①、m 与方程的个数相同，即方程组Ax b =有m 个方程； ②、n 与方程组得未知数个数相同，方程组Ax b =为n 元方程；10. 线性方程组Ax b =的求解：①、对增广矩阵B 进行初等行变换（只能使用初等行变换）；②、齐次解为对应齐次方程组的解； ③、特解：自由变量赋初值后求得；11. 由n 个未知数m 个方程的方程组构成n 元线性方程：①、11112211211222221122n n n n m m nm n na x a x a xb a x a x a x b a x a x a x b +++= ⎧⎪+++= ⎪⎨⎪⎪+++=⎩； ②、1112111212222212n n m m mn m m a a a x b a a a x b Ax b a a a x b ⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪⎪ ⎪=⇔= ⎪⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭（向量方程，A 为m n ⨯矩阵，m 个方程，n 个未知数）③、()1212n n x x aa a x β⎛⎫⎪ ⎪= ⎪⎪⎝⎭（全部按列分块，其中12n b b b β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭）； ④、1122n n a x a x a x β+++=（线性表出）⑤、有解的充要条件：()(,)r A r A n β=≤（n 为未知数的个数或维数）4、向量组的线性相关性1.m 个n 维列向量所组成的向量组A ：12,,,m ααα构成n m ⨯矩阵12(,,,)m A =ααα；m 个n 维行向量所组成的向量组B ：12,,,T TTm βββ构成m n ⨯矩阵12T T T m B βββ⎛⎫⎪ ⎪= ⎪ ⎪ ⎪⎝⎭；含有有限个向量的有序向量组与矩阵一一对应；2. ①、向量组的线性相关、无关 0Ax ⇔=有、无非零解；（齐次线性方程组）②、向量的线性表出 Ax b ⇔=是否有解；（线性方程组） ③、向量组的相互线性表示 AX B ⇔=是否有解；（矩阵方程）3. 矩阵m n A ⨯与l n B ⨯行向量组等价的充分必要条件是：齐次方程组0Ax =和0Bx =同解；(101P 例14)4.()()T r A A r A =；(101P 例15)5.n 维向量线性相关的几何意义：①、α线性相关⇔0α=； ②、,αβ线性相关 ⇔,αβ坐标成比例或共线（平行）；③、,,αβγ线性相关 ⇔,,αβγ共面；6. 线性相关与无关的两套定理：若12,,,s ααα线性相关，则121,,,,s s αααα+必线性相关；若12,,,s ααα线性无关，则121,,,s ααα-必线性无关；（向量的个数加加减减，二者为对偶）若r 维向量组A 的每个向量上添上n r -个分量，构成n 维向量组B ：若A 线性无关，则B 也线性无关；反之若B 线性相关，则A 也线性相关；（向量组的维数加加减减） 简言之：无关组延长后仍无关，反之，不确定；7. 向量组A （个数为r ）能由向量组B （个数为s ）线性表示，且A 线性无关，则r s ≤； 向量组A 能由向量组B 线性表示，则()()r A r B ≤；向量组A 能由向量组B 线性表示AX B ⇔=有解； ()(,)r A r A B ⇔=向量组A 能由向量组B 等价()()(,)r A r B r A B ⇔ ==8. 方阵A 可逆⇔存在有限个初等矩阵12,,,l P P P ，使12l A P P P =；①、矩阵行等价：~rA B PA B ⇔=（左乘，P 可逆）0Ax ⇔=与0Bx =同解 ②、矩阵列等价：~cA B AQ B ⇔=（右乘，Q 可逆）； ③、矩阵等价：~A B PAQ B ⇔=（P 、Q 可逆）；9. 对于矩阵m n A ⨯与l n B ⨯：①、若A 与B 行等价，则A 与B 的行秩相等；②、若A 与B 行等价，则0Ax =与0Bx =同解，A 与B 的任何对应的列向量组有相同的线性相关性； ③、矩阵的初等变换不改变矩阵的秩； ④、矩阵A 的行秩等于列秩；10. 若m s s n m n A B C ⨯⨯⨯=，则：①、C 的列向量组能由A 的列向量组线性表示，B 为系数矩阵； ②、C 的行向量组能由B 的行向量组线性表示，T A 为系数矩阵；（转置）11. 齐次方程组0Bx =的解一定是0ABx =的解，【考试中可以直接作为定理使用，而无需证明】 ①、0ABx = 只有零解0Bx ⇒ =只有零解；②、0Bx = 有非零解0ABx ⇒ =一定存在非零解；12. 设向量组12:,,,n r r B b b b ⨯可由向量组12:,,,n s s A a a a ⨯线性表示为：1212(,,,)(,,,)r s b b b a a a K =（B AK =）其中K 为s r ⨯，且A 线性无关，则B 组线性无关()r K r ⇔=；（B 与K 的列向量组具有相同线性相关性）（必要性：()()(),(),()r r B r AK r K r K r r K r ==≤≤∴=；充分性：反证法）注：当r s =时，K 为方阵，可当作定理使用；13. ①、对矩阵m n A ⨯，存在n m Q ⨯，m AQ E = ()r A m ⇔=、Q 的列向量线性无关；②、对矩阵m n A ⨯，存在n m P ⨯，n PA E = ()r A n ⇔=、P 的行向量线性无关；14. 12,,,s ααα线性相关⇔存在一组不全为0的数12,,,s k k k ，使得11220s s k k k ααα+++=成立；（定义）⇔1212(,,,)0s s x xx ααα⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭有非零解，即0Ax =有非零解；⇔12(,,,)s r s ααα<，系数矩阵的秩小于未知数的个数；15. 设m n ⨯的矩阵A 的秩为r ，则n 元齐次线性方程组0Ax =的解集S 的秩为：()r S n r =-；16. 若*η为Ax b =的一个解，12,,,n r ξξξ-为0Ax =的一个基础解系，则*12,,,,n r ηξξξ-线性无关；5、相似矩阵和二次型1. 正交矩阵T A A E ⇔=或1T A A -=（定义），性质：①、A 的列向量都是单位向量，且两两正交，即1(,1,2,)0T i j i j a a i j n i j=⎧==⎨≠⎩；②、若A 为正交矩阵，则1T A A -=也为正交阵，且1A =±； ③、若A 、B 正交阵，则AB 也是正交阵；注意：求解正交阵，千万不要忘记施密特正交化和单位化；2. 施密特正交化：12(,,,)r a a a11b a =；1222111[,][,]b a b a b b b =-121121112211[,][,][,][,][,][,]r r r rr r r r r b a b a b a b a b b b b b b b b b ----=----;3. 对于普通方阵，不同特征值对应的特征向量线性无关；对于实对称阵，不同特征值对应的特征向量正交；4. ①、A 与B 等价 ⇔A 经过初等变换得到B ；⇔=PAQ B ，P 、Q 可逆； ()()⇔=r A r B ，A 、B 同型；②、A 与B 合同 ⇔=T C AC B ，其中可逆； ⇔T x Ax 与T x Bx 有相同的正、负惯性指数； ③、A 与B 相似 1-⇔=P AP B ；5. 相似一定合同、合同未必相似；若C 为正交矩阵，则T C AC B =⇒A B ，（合同、相似的约束条件不同，相似的更严格）；6. A 为对称阵，则A 为二次型矩阵；7.n 元二次型T x Ax 为正定：A ⇔的正惯性指数为n ；A ⇔与E 合同，即存在可逆矩阵C ，使T C AC E =； A ⇔的所有特征值均为正数；A ⇔的各阶顺序主子式均大于0；0,0ii a A ⇒>>；(必要条件)第一章 随机事件互斥对立加减功，条件独立乘除清； 全概逆概百分比，二项分布是核心； 必然事件随便用，选择先试不可能。