2012考研数学线性代数必须熟记的结论

线代知识点总结口诀一、向量空间的定义和性质1. 定义：集合V中元素R^n或函数的封闭满足加法、数乘皆保持线性组合2. 性质：零向量唯一对任意向量封闭数乘常数满足结合律交换律二、基和维数的概念1. 基的定义：线性无关组成生成空间并且极小维数即基的元素个数空间维数无疑问2. 维数公式：维数加和定理V=W⊕U成立时维数和为分量秩不成立时加成理三、线性映射的定义和性质1. 定义：映射满足加法和数乘的保持性即为线性变换零空间和像空间2. 性质：核与像的维数加和为V的维数核是线性无关部分像是基的映射组四、矩阵与线性映射的关系1. 定义：矩阵是映射的表示基向量对应列向量映射作用为乘法基变换及相似2. 性质：矩阵与像的关系矩阵秩等于像空间零空间即核空间映射的表示很关键五、特征值和特征向量1. 定义：A的倍数即λv满足Av=λv特征多项式及根特征向量线性独2. 性质：特征向量线性无关半单特征值个数对角化矩阵不经特征值有关关键六、对称矩阵的对角化1. 定义：A的转置与原矩阵相等即为对称矩阵实对称矩阵相关定正定矩阵特征正2. 性质：对称矩阵对角化特征值为实数特征向量正交关系正定矩阵重要性七、正交和正交补空间1. 定义：内积为零即正交正交补空间的性质维数和维数加和维数和维度乘积2. 性质：正交补空间维数正交补空间的基正交补空间关键正交变换的重要八、二次型和正定矩阵1. 定义：二次型对称矩阵正定二次型性质标准型及规范型正定矩阵判定法2. 性质：正定矩阵的特征值二次型的规范型正定矩阵的判定法特征分解及应用以上就是线性代数知识点总结口诀，希望对你有帮助。

考研数学线性代数必考的知识点考研数学线性代数必考的知识点漫长的学习生涯中，大家最熟悉的就是知识点吧？知识点就是一些常考的内容，或者考试经常出题的地方。

还在苦恼没有知识点总结吗？以下是店铺帮大家整理的考研数学线性代数必考的知识点，供大家参考借鉴，希望可以帮助到有需要的朋友。

考研数学线性代数必考的知识点篇1考研数学线性代数必考的重点一、行列式与矩阵第一章《行列式》、第二章《矩阵》是线性代数中的基础章节，有必要熟练掌握。

行列式的核心内容是求行列式，包括具体行列式的计算和抽象行列式的计算二、向量与线性方程组向量与线性方程组是整个线性代数部分的核心内容。

相比之下，行列式和矩阵可视作是为了讨论向量和线性方程组部分的问题而做铺垫的基础性章节。

向量与线性方程组的内容联系很密切，很多知识点相互之间都有或明或暗的相关性。

复习这两部分内容最有效的方法就是彻底理顺诸多知识点之间的内在联系，因为这样做首先能够保证做到真正意义上的理解，同时也是熟练掌握和灵活运用的前提。

三、特征值与特征向量相对于前两章来说，本章不是线性代数这门课的理论重点，但却是一个考试重点。

其原因是解决相关题目要用到线代中的大量内容——既有行列式、矩阵又有线性方程组和线性相关，“牵一发而动全身”。

四、二次型本章所讲的内容从根本上讲是第五章《特征值和特征向量》的一个延伸，因为化二次型为标准型的核心知识为“对于实对称矩阵A存在正交矩阵Q使得A可以相似对角化”，其过程就是上一章相似对角化在为实对称矩阵时的应用。

考研数学概率以大纲为本夯实基础从考试的角度，大家看看历年真题就发现比较明显的规律：概率的题型相对固定，哪考大题哪考小题非常清楚。

概率常考大题的地方是：随机变量函数的分布，多维分布(边缘分布和条件分布)，矩估计和极大似然估计。

其它知识点考小题，如随机事件与概率，数字特征等。

从学科的角度，概率的知识结构与线性代数不同，不是网状知识结构，而是躺倒的树形结构。

第一章随机事件与概率是基础知识，在此基础上可以讨论随机变量，这就是第二章的内容。

线性代数定理总结
线性代数是一种数学分支，它利用向量空间的思想和矩阵来解决特定的
方面的问题，主要应用于分析和模拟工程中的运筹学和控制系统类的计算机
模型和设计，因此它可以被用来解决计算机科学类的实际问题。

线性代数定
理是一个强大的数学理论，它提供了许多有用和关键的算法。

以下是线性代
数定理总结：
一、矩阵乘法定理。

矩阵乘法定理是一个关于矩阵之间的相乘的重要定理，它允许矩阵之间进行组合以形成新矩阵，也被称为矩阵的乘法上的定理。

二、线性方程组的解定理。

这个定理指明将一系列的线性方程组合成一
个可用的形式，并且可以使用矩阵乘法来解决，求出线性方程组的解。

三、特征值和特征向量定理。

它可以提供矩阵的特征向量和特征值，这
些向量和值可以用来分析数据和表示矩阵之间的关系。

四、正交投影定理。

这一定理可以用来把一个向量投射到另一个向量上，形成两个向量之间的正交投影。

五、二次型定理。

它用来研究二次函数的特征，其中斜率、交点和表示
函数的最高或最低值都是二次型定理提供的重要内容。

六、变换和表达定理。

它用来研究复合变换，其中形如平移、旋转和缩
放的变换都可以用可以利用表达和变换的定理来描述和还原图形的表示。

以上是线性代数定理总结，很多重要的算法可以从这些定理中得出，它
们在计算机科学、数据分析、科学发现等方面都有着广泛的应用。

综上所述，线性代数定理无疑是一个强大的工具，它将为计算机科学带来更多的发现。

A ij = (−1)i +j det S ij ．
11
12121222111
1
1
1
111(1)de de |t t |.
n n
n
n k k k k n n nn
k k k a a a a a a A A a a S a a a A +====
==-∑∑
对换行列式的两行（列），行列式的值变号． 对 n 阶矩阵 A ，有
det()det .n
A A λλ=
11121321222331
32
33
a a a a a a a a a 132132a a a +112233a a a =122331a a a +132231a a a -122133a a a -112332
a a a -
克拉默法则
某矩阵的行列式的值不等于零，则次矩阵可逆！
N阶齐次线性方程组存在非凡解，则其行列式的值必为零；N阶齐次线性方程组的行列式的值为零，则该方程组存在非零解！
结论：梯矩阵的秩就等于非零行的行数．
B=(A,b)的含义：
如果向量集构成的矩阵的秩小于向量的个数，则该向量集线性相关！
向量集的秩等于向量集的最大线性无关子集中的向量的个数，将向量集所组成的矩阵化为梯矩阵，梯矩阵中非零行的首非零元所在的列的所有列向量组成向量集的一个最大线性无关子集！
剩余向量：
属于不同特征值的特征向量线性无关
齐次方程组有非凡解，则齐次方程组的系数行列式的值为0.
对角阵的对角线元都是它的特征值！。

线性代数重要公式定理大全线性代数是数学中的一个重要分支，它研究矩阵、向量、线性方程组等基本概念和性质，并运用线性代数的理论和方法解决实际问题。

在学习线性代数时，了解一些重要的公式和定理，不仅可以帮助我们更好地理解和应用线性代数的知识，还能为进一步学习和研究提供基础。

在线性代数中，有许多公式和定理与行列式、矩阵、向量、线性变换和特征值等相关。

下面我将介绍一些重要的公式和定理，希望对你的学习有所帮助。

一、行列式的公式和定理1. 行列式的定义：设有n阶方阵A，它的行列式记作，A，或det(A)，定义为：A，=a₁₁A₁₁-a₁₂A₁₂+...+(-1)^(1+n)a₁ₙA₁其中，a₁₁，a₁₂，...，a₁ₙ分别是矩阵第一行元素，A₁₁，A₁₂，...，A₁ₙ是矩阵去掉第一行和第一列的余子式。

2.行列式的性质：（1）行互换改变行列式的符号，列互换改变行列式的符号。

（2）行列式相邻行（列）对换，行列式的值不变。

（3）行列式其中一行（列）中的各项都乘以同一个数k，行列式的值也乘以k。

（4）互换行列式的两行（列），行列式的值不变。

（5）若行列式的行（列）的元素都是0，那么行列式的值为0。

（6）行列式的其中一行（列）的元素都是两数之和，那么行列式的值等于两个行列式的值之和。

3.行列式的计算：（1）按第一行展开计算行列式：将行列式的第一行元素与其所对应的代数余子式相乘，然后加上符号，得到行列式的值。

（2）按第一列展开计算行列式：将行列式的第一列元素与其所对应的代数余子式相乘，然后加上符号，得到行列式的值。

4.行列式的性质定理：（1）拉普拉斯定理：行列式等于它的每一行（列）的元素与其所对应的代数余子式的乘积之和。

（2）行（列）对阵定理：行列式的值等于它的转置矩阵的值。

（3）行列式的转置等于行列式的值不变。

二、矩阵的公式和定理1.矩阵的定义：将一个复数域上的m行n列数排成一个长方形，并按照一定的顺序进行排列，这个排列称为一个m×n矩阵，其中m是矩阵的行数，n是矩阵的列数。

线性代数N阶行列式定理1：任意一个排列经过对换后，其奇偶性改变。

推论：奇排列变成自然数顺序排列的对换次数为奇数，偶排列变成自然数顺序排列的对换次数为偶数。

定理2：n个自然数（n-1）共有n!个n级排列，其中奇偶排列各占一半。

行列式的性质性质1：行列式与它的转置行列式相等。

性质2：交换行列式的两行（列），行列式变号。

*注2：交换i,j两列，记为ri↔ri（ci↔cj）。

推论1：如果行列式中有两行（列）的对应元素相同，那么该行列式必为零。

性质3：用数k乘行列式的某一行（列），等于用k乘此行列式。

注3：第i行（列）乘以k，记为ri×k（ci×k）。

推论2：行列式的某一行（列）中所有元素的公因子可以提到行列式符号的外面。

推论3：在一个行列式中，如果有两行（列）元素成比例，则这个行列式必等于零。

性质4：如果将行列式的某一行（列）的每个元素都改写成两个数的和，则此行列式可写为两个行列式的和，且这两个行列式分别为所在行（列）对应位置的元素，其它元素不变。

#注4：上述结果可推广到有限个数和的情形。

性质5：将行列式的某一行（列）的所有元素都乘以数k后加到另一个行（列）对应位置的元素上，行列式的值不变。

注5：以数k乘第j行加到第i行上，记作ri+krj；以数k乘第j列加到第i列上，记作ci+kcj。

行列式按行（列）展开余子式：Mij 代数余子式：Aij=（-1）i+j Mij引理：一个n阶行列式D,若其中第i行所有元素除aij外都为0，则该行列式等于aij 与它代数余子式的乘积，即D=aijAij[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乘积之和。

推论：行列式某一行（列）的每元素与另一行（列）对应元素的代数余子式乘积之和等于零。

k阶行列式：在n阶行列式D中，任意选定k行k列，位于这些行和列交叉处的k²个元素，按原来顺序构成一个k阶行列式M,称为D的一个k阶子式，划去这k行k列，余下的元素按原来的顺序构成一个n-k阶行列式，在其前面冠以符号(-1)的（i1+i2+…+i k+j1+j2+…+j k）次方，称为M的代数余子式，其中i1,i2,…,i k为k阶子式M在D中的各行标，j1,j2,…,j k为M在D 中的各列标。

考研线代必须熟结论————————————————————————————————作者：————————————————————————————————日期：2考研线代必须熟记结论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 ij ij ij M 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90o，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==-g⑥、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)nn k 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 ⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭O，则： Ⅰ、12s A A A A =L ；Ⅱ、111121s A A A A ----⎛⎫ ⎪⎪= ⎪ ⎪ ⎪⎝⎭O； ②、111A O A O O B O B ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭；（主对角分块） ③、111O A O B B O A O ---⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭；（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= ⎪ ⎪⎝⎭Oλλλ，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)11k k 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A B :，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 n nm m n mnnnnnn m a b C a C a b C a b Ca bC b C a b -----=+=++++++=∑L L ；注：Ⅰ、()n a b +展开后有1n +项；Ⅱ、0(1)(1)!1123!()!--+====-L L g g g L g m n n n n n n n m n C C C m m n mⅢ、组合的性质：111102---+-===+==∑nmn m mm m r nr r nnn n nnn 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()1nr 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 +++= ⎧⎪+++= ⎪⎨⎪⎪+++=⎩L L L L L L L L L L L L L L ； 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 ⎛⎫⎛⎫⎛⎫⎪⎪ ⎪ ⎪⎪ ⎪=⇔= ⎪⎪ ⎪⎪⎪ ⎪⎝⎭⎝⎭⎝⎭L L M M O M M M L（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⎛⎫⎪ ⎪= ⎪⎪⎝⎭LM （全部按列分块，其中12n b b b β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭M ）； ④、1122n n a x a x a x β+++=L （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 αααL 构成n m ⨯矩阵12(,,,)m A =L ααα；m 个n 维行向量所组成的向量组B ：12,,,T T Tm βββL 构成m n ⨯矩阵12T T T m B βββ⎛⎫⎪ ⎪= ⎪ ⎪ ⎪⎝⎭M ；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 αααL 线性相关，则121,,,,s s αααα+L 必线性相关；若12,,,s αααL 线性无关，则121,,,s ααα-L 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 L ，使12l A P P P =L ；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：~c A 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，且A 与B 的任何对应的列向量组具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 ⨯L 可由向量组12:,,,n s s A a a a ⨯L 线性表示为：1212(,,,)(,,,)r s b b b a a a K =L L （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 ==≤≤∴=Q ；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 αααL 线性相关⇔存在一组不全为0的数12,,,s k k k L ，使得11220s s k k k ααα+++=L 成立；（定义）⇔1212(,,,)0ss x x x ααα⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭L M 有非零解，即0Ax =有非零解；⇔12(,,,)s r s ααα<L ，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-L 为0Ax =的一个基础解系，则*12,,,,n r ηξξξ-L 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=⎧==⎨≠⎩L ；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 a L11b a =；1222111[,][,]b a b a b b b =-g L L L 121121112211[,][,][,][,][,][,]r r r r r r r r r b a b a b a b a b b b b b b b b b ----=----g g L g ; 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)。

考研数学线性代数知识点总结线性代数是考研数学中的重要组成部分，对于很多考生来说，它既是重点也是难点。

以下将对线性代数的主要知识点进行详细总结。

一、行列式行列式是线性代数中的一个基本概念，它是一个数值。

行列式的计算方法有很多，比如按行（列）展开、化为上三角（下三角）行列式等。

行列式的性质包括：行列式与它的转置行列式相等；行列式中某行（列）元素乘以同一数后，加到另一行（列）对应元素上，行列式的值不变等。

二、矩阵矩阵是线性代数的核心内容之一。

矩阵的运算包括加法、减法、数乘、乘法等。

矩阵乘法需要注意其运算规则，一般不满足交换律。

矩阵的逆是一个重要概念，如果矩阵 A 可逆，则存在 A 的逆矩阵 A⁻¹，使得AA⁻¹＝A⁻¹A ＝E（单位矩阵）。

矩阵的秩也是一个关键概念，它表示矩阵中线性无关的行（列）向量的最大个数。

三、向量向量是线性代数中的重要概念，包括行向量和列向量。

向量组的线性相关性是重点，判断向量组线性相关或线性无关的方法有定义法、秩法等。

向量组的极大线性无关组和向量组的秩也是常考内容。

四、线性方程组线性方程组是线性代数中的核心问题之一。

齐次线性方程组和非齐次线性方程组的解法不同。

对于齐次线性方程组，当系数矩阵的秩等于未知数的个数时，方程组有唯一零解；当系数矩阵的秩小于未知数的个数时，方程组有非零解。

对于非齐次线性方程组，如果系数矩阵的秩等于增广矩阵的秩，则方程组有解；否则无解。

当有解时，如果秩等于未知数的个数，有唯一解；否则有无穷多解。

五、特征值与特征向量矩阵的特征值和特征向量是线性代数中的重要概念。

设 A 是 n 阶矩阵，如果存在数λ和非零向量 x，使得 Ax ＝λx，则称λ是 A 的特征值，x 是 A 的对应于特征值λ的特征向量。

求特征值和特征向量的方法是通过求解特征方程|λE A| ＝ 0 得到特征值，然后代入（λE A)x ＝ 0 求解特征向量。

六、相似矩阵相似矩阵具有相同的特征值。