线性代数知识点总结

线性代数知识点总结初中首先，我们来了解一下向量的概念。

向量是有大小和方向的量，通常用一条有箭头的线段来表示。

在直角坐标系中，一个向量可以用一个有序实数对$(x,y)$来表示，也可以表示为$i\vec{x}+j\vec{y}$(其中$i$和$j$分别为$x$轴和$y$轴上的单位向量，$\vec{x}$和$\vec{y}$分别为向量在$x$轴和$y$轴上的投影)。

其次，我们可以来了解向量的加法和数乘。

向量的加法满足交换律和结合律，即$\vec{a}+\vec{b}=\vec{b}+\vec{a}$，$(\vec{a}+\vec{b})+\vec{c}=\vec{a}+(\vec{b}+\vec{c})$。

而向量的数乘即是一个向量与一个实数相乘，结果是一个新的向量，它的大小是原来向量大小的绝对值倍，方向和原来向量方向一致时与原来向量同向，反之则反向。

然后，我们可以学习向量的线性组合。

对于向量组$\vec{a}_1,\vec{a}_2,...,\vec{a}_n$和实数$k_1,k_2,...,k_n$，$\vec{b}=k_1\vec{a}_1+k_2\vec{a}_2+...+k_n\vec{a}_n$称作向量组的线性组合，其中$k_1,k_2,...,k_n$称为线性组合的系数。

接着，我们可以了解向量的数量积。

向量的数量积又叫点积，是两个向量的数量积定义为$\vec{a}\cdot\vec{b}=|\vec{a}||\vec{b}|\cos\theta$，其中$|\vec{a}|$和$|\vec{b}|$分别是向量$\vec{a}$和$\vec{b}$的模，$\theta$是$\vec{a}$和$\vec{b}$之间的夹角。

最后，我们可以学习向量的夹角。

对于两个非零向量$\vec{a}$和$\vec{b}$，它们的夹角$\theta=\arccos\frac{\vec{a}\cdot\vec{b}}{|\vec{a}||\vec{b}|}$。

线性代数知识点总结与反思线性代数是一门研究向量空间、线性变换和矩阵的数学学科。

它是数学分析与抽象代数的交叉学科，对于理解现代数学以及在科学与工程领域的应用具有重要意义。

线性代数在计算机图形学、统计学、机器学习和工程学等领域都有着重要的应用。

在本文中，我们将对线性代数的基本概念、基本定理以及常见应用进行总结和反思。

1. 向量空间与线性变换向量空间是线性代数的核心概念之一。

向量空间是指一个集合V，其中定义了向量的加法和数量乘法，并满足一系列属性，包括封闭性、结合律、分配律、存在零向量和逆元素等。

向量空间可以是有限维的，也可以是无限维的。

线性变换是指一个向量空间到另一个向量空间的映射，要求在两个空间之间保持加法和数量乘法运算的线性性质。

线性变换在几何变换、信号处理、数据压缩等领域有着广泛的应用。

2. 矩阵与行列式矩阵是线性代数中另一个重要的概念。

矩阵可以看作是一个二维数组，其中的元素可以是实数或复数。

矩阵可以表示为行矩阵或列矩阵，也可以表示为一个矩阵乘法。

矩阵的行列式是一个用于刻画矩阵性质的工具，它可以判断矩阵是否可逆，求解线性方程组的解，计算面积和体积等。

行列式还可以用于刻画线性空间的体积和方向。

3. 特征值与特征向量特征值和特征向量是矩阵理论中的重要概念。

对于一个n阶矩阵A，如果存在一个非零向量v和一个标量λ，使得Av=λv，那么v称为A的特征向量，λ称为A的特征值。

特征值和特征向量在对称矩阵、对角化矩阵以及矩阵的谱分解等方面有着重要的应用。

4. 线性方程组与矩阵消元线性方程组是线性代数中的一个基本问题。

解线性方程组可以使用矩阵消元、高斯消元法等方法。

通过矩阵的行变换和列变换，可以将一个线性方程组转化为简化的行阶梯形或者行最简形式，从而求解线性方程组的解。

矩阵消元法在计算机图形学、机器学习、最小二乘法等领域有着广泛的应用。

5. 点评与反思线性代数是一门重要的数学学科，在科学与工程领域有着广泛的应用。

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》知识点归纳整理诚毅学生编01、余子式与代数余子式 .................................................................. 2-02、主对角线............................................................................ 2-03、转置行列式.......................................................................... 2-04、行列式的性质........................................................................ 3-05、计算行列式.......................................................................... 3-06、矩阵中未写出的元素 .................................................................. 4-07、几类特殊的方阵...................................................................... 4-08、矩阵的运算规则...................................................................... 4-09、矩阵多项式.......................................................................... 6-10、对称矩阵............................................................................ 6-11、矩阵的分块.......................................................................... 6-12、矩阵的初等变换...................................................................... 6-13、矩阵等价............................................................................ 6-14、初等矩阵............................................................................ 7-15、行阶梯形矩阵与行最简形矩阵......................................................... 7-16、逆矩阵 ............................................................................. 7-17、充分性与必要性的证明题 .............................................................. 8-18、伴随矩阵............................................................................ 8-19、矩阵的标准形：........................................................................ 9-20、矩阵的秩：........................................................................... 9-21、矩阵的秩的一些定理、推论............................................................. 9-22、线性方程组概念..................................................................... 10-23、齐次线性方程组与非齐次线性方程组(不含向量) .......................................... 10-24、行向量、列向量、零向量、负向量的概念................................................ 11-25、线性方程组的向量形式 ............................................................... 11-26、线性相关与线性无关的概念......................................................... 12-27、向量个数大于向量维数的向量组必然线性相关 ........................................... 12-28、线性相关、线性无关；齐次线性方程组的解；矩阵的秩这三者的关系及其例题................. 12-29、线性表示与线性组合的概念......................................................... 12-30、线性表示；非齐次线性方程组的解；矩阵的秩这三者的关系其例题........................... 12-31、线性相关(无关)与线性表示的3个定理................................................ 12-32、最大线性无关组与向量组的秩.......................................................... 12-33、线性方程组解的结构…………………………………………………………………………………………12-01、余子式与代数余子式(1)设三阶行列式, 则①元素an,ai,au的余子式分别为：对Mi的解释：划掉第1行、第1列，剩下的就是一个二阶行列式,这个行列式即元素au的余子式Mi。

大二线性代数知识点总结线性代数是数学中的一个重要分支，是大二学生必修的一门课程。

它涉及了许多基本概念和理论，对于理解和解决各种实际问题具有重要意义。

本文将对大二线性代数的主要知识点进行总结。

1. 向量和矩阵向量是线性代数中最基本的概念之一，可以用于表示空间中的点、矢量和函数等。

向量可以进行加法和数乘等运算，同时具有长度和方向。

矩阵是由若干行和若干列组成的矩形阵列，通常用方括号表示。

矩阵可以进行加法、数乘和矩阵乘法等运算。

矩阵可以表示线性变换和线性方程组等。

2. 行列式行列式是一个数值，它是矩阵中元素的一种特殊组合。

行列式的计算可以用于求解线性方程组、判断矩阵的可逆性和计算变换的缩放因子等。

3. 线性方程组线性方程组是由一组线性方程组成的方程组。

线性方程组的解可以通过高斯消元法、矩阵运算和行列式的方法进行求解。

线性方程组的求解在实际问题中具有广泛的应用，比如求解电路问题、求解物理问题等。

4. 特征值和特征向量矩阵的特征值和特征向量是线性代数中重要的概念。

特征值表示线性变换过程中的缩放因子，特征向量表示在该缩放过程中保持不变的方向。

求解特征值和特征向量可以用于分析矩阵的性质和解决实际问题。

5. 向量空间和线性变换向量空间是由一组向量和定义在其上的运算构成的数学结构。

线性变换是向量空间之间的一种映射关系，它保持向量运算和标量乘法等性质。

向量空间和线性变换是研究线性代数的重要内容，对于分析和解决实际问题具有重要意义。

6. 正交性和内积空间正交性是指向量之间的垂直关系，内积空间是具有内积运算的向量空间。

正交性和内积空间在物理学、工程学和信号处理等领域有广泛的应用，比如信号的傅里叶变换、正交编码等。

以上是大二线性代数的主要知识点总结。

线性代数的应用非常广泛，几乎涉及到所有科学和工程领域。

为了更好地理解和应用线性代数，我们需要通过练习和实践来加深对这些知识点的理解。

希望通过本文的总结，能够对大二线性代数的学习有所帮助。

线性代数知识点全归纳2 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、ijA 和ija 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 ijij ij ijMA 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 =；35. 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：AO A C A BCB O B==、(1)m n CA OA A BBO B 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)nnk n kk k E A S λλλ-=-=+-∑，其中kS 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）4⇔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nR 的一组基； ⇔A是nR 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 AA A A A A ----=== ***111()()()T T T AB 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、12sA AA A =L ；5Ⅱ、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 CA B -----⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭；（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6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 ，iλ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：7①、0()min(,)m nr Am n ⨯≤≤；②、()()Tr 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 ab C ab Ca bC b C a b -----=+=++++++=∑L L ；注：Ⅰ、()na b +展开后有1n +项；8Ⅱ、0(1)(1)!1123!()!--+====-L L g g g L g m n nn n n n n m n CC C m m n mⅢ、组合的性质：11112---+-===+==∑nmn mm m m r nr r nnn nnnn n r CCCC 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 AA X X λλλ- == ⇒ =；③、*1AA A -=、1*n AA-=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；910. 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 ba a a xb ⎛⎫⎛⎫⎛⎫⎪⎪ ⎪ ⎪⎪ ⎪=⇔= ⎪⎪ ⎪⎪⎪ ⎪⎝⎭⎝⎭⎝⎭LL 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 xaa a x β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭LM （全部按列分块，其中12n b b b β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭M ）；④、1122nna x a x a xβ+++=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,,,mαααL 构成n m ⨯矩阵1012(,,,)m A =L ααα；m个n 维行向量所组成的向量组B ：12,,,T T T mβββL 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 nA ⨯与l nB ⨯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. ()()Tr 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：11若12,,,sαααL 线性相关，则121,,,,ss αααα+L 必线性相关；若12,,,sαααL 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,,,lP P P L ，使12lA 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：~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 nA ⨯与l nB ⨯：12①、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 ss n m nAB 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，TA 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 rrBb b b ⨯L 可由向量组12:,,,n ssAa 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 nA ⨯，存在n mQ ⨯，mAQ E = ()r A m ⇔=、Q 的列向量13线性无关；②、对矩阵m nA ⨯，存在n mP ⨯，nPA E =()r A n⇔=、P 的行向量线性无关；14.12,,,sαααL 线性相关⇔存在一组不全为0的数12,,,sk k k L ，使得1122s 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 sααα<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 rξξξ-L 为0Ax =的一个基础解系，则*12,,,,n rηξξξ-L 线性无关；5、相似矩阵和二次型1. 正交矩阵TA A E ⇔=或1TAA -=（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,)T i j i j a a i j n i j=⎧==⎨≠⎩L ；②、若A 为正交矩阵，则1TAA -=也为正交阵，且1A =±；③、若A 、B 正交阵，则AB 也是正交阵；14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(,,,)ra a a L11b a =；1222111[,][,]b a b a b b b =-gL L L121121112211[,][,][,][,][,][,]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 ⇔=TC AC B，其中可逆；⇔T x Ax与Tx Bx 有相同的正、负惯性指数；③、A 与B 相似 1-⇔=PAP B；5. 相似一定合同、合同未必相似； 若C 为正交矩阵，则TC 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Tx Ax 为正定：15A ⇔的正惯性指数为n ；A ⇔与E 合同，即存在可逆矩阵C ，使TC 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。

《线性代数知识点总结(免费)_》摘要：（是非奇异矩阵），②、矩阵列等价：（右乘，可逆），、的行向量线性无关1、行列式 1. 行列式共有个元素，展开后有项，可分解为行列式； 2. 代数余子式的性质：①、和的大小无关；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； 3. 代数余子式和余子式的关系： 4. 设行列式：将上、下翻转或左右翻转，所得行列式为，则；将顺时针或逆时针旋转，所得行列式为，则；将主对角线翻转后（转置），所得行列式为，则；将主副角线翻转后，所得行列式为，则； 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；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；⑤、拉普拉斯展开式：、⑥、范德蒙行列式：大指标减小指标的连乘积；⑦、特征值； 6. 对于阶行列式，恒有：，其中为阶主子式； 7. 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； 2、矩阵 1. 是阶可逆矩阵：（是非奇异矩阵）；（是满秩矩阵）的行（列）向量组线性无关；齐次方程组有非零解；，总有唯一解；与等价；可表示成若干个初等矩阵的乘积；的特征值全不为0；是正定矩阵；的行（列）向量组是的一组基；是中某两组基的过渡矩阵； 2. 对于阶矩阵：无条件恒成立； 3. 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、可逆：若，则：Ⅰ、；Ⅱ、；②、；（主对角分块）③、；（副对角分块）④、；（拉普拉斯）⑤、；（拉普拉斯） 3、矩阵的初等变换与线性方程组 1. 一个矩阵，总可经过初等变换化为标准形，其标准形是唯一确定的：；等价类：所有与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、，若； 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，则可逆，且；②、对矩阵做初等行变化，当变为时，就变成，即：；③、求解线形方程组：对于个未知数个方程，如果，则可逆，且； 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、，左乘矩阵，乘的各行元素；右乘，乘的各列元素；③、对调两行或两列，符号，且，例如：；④、倍乘某行或某列，符号，且，例如：；⑤、倍加某行或某列，符号,且，如：；5. 矩阵秩的基本性质：①、；②、；③、若，则；④、若、可逆，则；（可逆矩阵不影响矩阵的秩）⑤、；（※）⑥、；（※）⑦、；（※）⑧、如果是矩阵，是矩阵，且，则：（※）Ⅰ、的列向量全部是齐次方程组解（转置运算后的结论）；Ⅱ、⑨、若、均为阶方阵，则； 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、型如的矩阵：利用二项展开式；二项展开式：；注：Ⅰ、展开后有项；Ⅱ、Ⅲ、组合的性质：；③、利用特征值和相似对角化：7. 伴随矩阵：①、伴随矩阵的秩：；②、伴随矩阵的特征值：；③、、 8. 关于矩阵秩的描述：①、，中有阶子式不为0，阶子式全部为0；（两句话）②、，中有阶子式全部为0；③、，中有阶子式不为0； 9. 线性方程组：，其中为矩阵，则：①、与方程的个数相同，即方程组有个方程；②、与方程组得未知数个数相同，方程组为元方程； 10. 线性方程组的求解：①、对增广矩阵进行初等行变换（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. 由个未知数个方程的方程组构成元线性方程：①、；②、（向量方程，为矩阵，个方程，个未知数）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） 4、向量组的线性相关性 1. 个维列向量所组成的向量组：构成矩阵；个维行向量所组成的向量组：构成矩阵；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、无关有、无非零解；（齐次线性方程组）②、向量的线性表出是否有解；（线性方程组）③、向量组的相互线性表示是否有解；（矩阵方程） 3. 矩阵与行向量组等价的充分必要条件是：齐次方程组和同解；(例14) 4. ；(例15) 5. 维向量线性相关的几何意义：①、线性相关；②、线性相关坐标成比例或共线（平行）；③、线性相关共面； 6. 线性相关与无关的两套定理：若线性相关，则必线性相关；若线性无关，则必线性无关；（向量的个数加加减减，二者为对偶）若维向量组的每个向量上添上个分量，构成维向量组：若线性无关，则也线性无关；反之若线性相关，则也线性相关；（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（个数为）能由向量组（个数为）线性表示，且线性无关，则(二版定理7)；向量组能由向量组线性表示，则；（定理3）向量组能由向量组线性表示有解；（定理2）向量组能由向量组等价（定理2推论） 8. 方阵可逆存在有限个初等矩阵，使；①、矩阵行等价：（左乘，可逆）与同解②、矩阵列等价：（右乘，可逆）；③、矩阵等价：（、可逆）； 9. 对于矩阵与：①、若与行等价，则与的行秩相等；②、若与行等价，则与同解，且与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、矩阵的行秩等于列秩； 10. 若，则：①、的列向量组能由的列向量组线性表示，为系数矩阵；②、的行向量组能由的行向量组线性表示，为系数矩阵；（转置） 11. 齐次方程组的解一定是的解，考试中可以直接作为定理使用，而无需证明；①、只有零解只有零解；②、有非零解一定存在非零解； 12. 设向量组可由向量组线性表示为：（题19结论）（）其中为，且线性无关，则组线性无关；（与的列向量组具有相同线性相关性）（必要性：；充分性：反证法）注：当时，为方阵，可当作定理使用；13. ①、对矩阵，存在，、的列向量线性无关；（）②、对矩阵，存在，、的行向量线性无关； 14. 线性相关存在一组不全为0的数，使得成立；（定义）有非零解，即有非零解；，系数矩阵的秩小于未知数的个数； 15. 设的矩阵的秩为，则元齐次线性方程组的解集的秩为：； 16. 若为的一个解，为的一个基础解系，则线性无关；（题33结论） 5、相似矩阵和二次型 1. 正交矩阵或（定义），性质：①、的列向量都是单位向量，且两两正交，即；②、若为正交矩阵，则也为正交阵，且；③、若、正交阵，则也是正交阵；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：； ; 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、与等价经过初等变换得到；，、可逆；，、同型；②、与合同，其中可逆；与有相同的正、负惯性指数；③、与相似； 5. 相似一定合同、合同未必相似；若为正交矩阵，则，（合同、相似的约束条件不同，相似的更严格）； 6. 为对称阵，则为二次型矩阵； 7. 元二次型为正定：的正惯性指数为；与合同，即存在可逆矩阵，使；的所有特征值均为正数；的各阶顺序主子式均大于0；；(必要条件)。

行列式1.行列式的性质性质1行列式与它的转置行列式相等TD D =.性质2互换行列式的两行（列），行列式变号.推论1如果行列式有两行（列）的对应元素完全相同，则此行列式的值为零.性质3行列式的某一行（列）中所有的元素都乘以同一数k ，等于用数k 乘此行列式.如111213111213212223212223313233313233a a a a a a ka ka ka k a a a a a a a a a =推论2如果行列式中有两行（列）元素成比例，则此行列式的值为零．性质4若行列式的某一行（列）的元素都是两数之和，则这个行列式等于两个行列式之和.如111213111213111213212122222323212223212223313233313233313233a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a ''''''+++=+性质5把行列式的某一行（列）的各元素乘以同一数然后加到另一行(列)对应的元素上去，行列式的值不变.如111213111213212223212223313233311132123313a a a a a a a a a a a a a a a a ka a ka a ka =+++例1已知，那么（）A.-24B.-12C.-6D.12答案B解析2.余子式与代数余子式在n 阶行列式中，把元素ij a 所在的第i 行和第j 列划去后，留下来的n-1阶行列式叫做元素ij a 的余子式，记作ij M ，i jij ij A (1)M +=-叫做元素ij a 的代数余子式．3.行列式按行（列）展开法则定理1行列式的值等于它的任一行（列）的各元素与其对应的代数余子式乘积之和，即1122i i i i in in D a A a A a A =+++ 或 1122j j j j nj njD a A a A a A =+++ ()1,2,,;1,2i n j n ==定理2行列式任一行（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，即12120,j j i i jn i n a A a A a A +++= 或,11220.j j j j nj nj a A a A a A i j +++=≠ ()1,2,,;1,2i n j n == 例.设3阶矩阵()ij A a =的行列式12A =,ij A 为ij a 的代数余子式.那么313132323333a A a A a A ++=___12____;213122322333a A a A a A ++=___0___.4.行列式的计算（1）二阶行列式1112112212212122a a a a a a a a =-（3）对角行列式1212n nλλλλλλ=，n(m 1)21212nn(1)λλλλλλ-=- （4）三角行列式1111121n 2122222n1122nnn1n2nnnna a a a a a a a a a a a a a a ==（5）消元法：利用行列式的性质，将行列式化成三角行列式，从而求出行列式的值.（6）降阶法：利用行列式的性质，化某行（列）(一般选择有0元素的行或列)只有一个非零元素，再按该行（列）展开，通过降低行列式的阶数求出行列式的值.（7）加边法：行列式每行（列）所有元素的和相等，将各行（列）元素加到第一列（行），再提出公因式，进而求出行列式的值.例：思路：将有0的第三行化为只有一个非0元素33=1，按该行展开,D=3333,不用忘记B 。

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 ij ij 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)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 ----===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 OB ---⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭；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 -=；1. 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 --⎛⎫⎛⎫ ⎪ ⎪=≠ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭； 2. 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 ≥+-；3. 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()n nnn m n mmn n n nm m n mnnnnnn m a b C a C a b C ab C a 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---+-===+==∑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： 4. 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-=5. 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；6. 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； 7. 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；8. 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 r r 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; 第二、三章一维、二维随机变量1离散问模型,分布列表清,边缘用加乘,条件概率定联合,独立试矩阵 2连续必分段,草图仔细看,积分是关键,密度微分算 3离散先列表,连续后求导；分布要分段,积分画图算 第五、六章数理统计、参数估计正态方和卡方出,卡方相除变F,若想得到t分布,一正n卡再相除; 样本总体相互换,矩法估计很方便；似然函数分开算,对数求导得零蛋；区间估计有点难,样本函数选在前；分位维数惹人嫌,导出置信U方甜; 第七章假设检验检验均值用U-T,分位对称别大意；方差检验有卡方,左窄右宽不稀奇；不论卡方或U-T,维数减一要牢记；代入比较临界值,拒绝必在否定域。

线性代数知识点总结第一章 行列式一要点1、二阶、三阶行列式2、全排列和逆序数;奇偶排列可以不介绍对换及有关定理;n 阶行列式的定义3、行列式的性质4、n 阶行列式ij a D =;元素ij a 的余子式和代数余子式;行列式按行列展开定理5、克莱姆法则二基本要求1、理解n 阶行列式的定义2、掌握n 阶行列式的性质3、会用定义判定行列式中项的符号4、理解和掌握行列式按行列展开的计算方法;即+11j i A a +22j i A a ⎩⎨⎧≠==+j i j i D A a jn in 0 +j i A a 1122i j a A +⎩⎨⎧≠==+j i j i D A a nj ni0 5、会用行列式的性质简化行列式的计算;并掌握几个基本方法：归化为上三角或下三角行列式;各行列元素之和等于同一个常数的行列式;利用展开式计算6、掌握应用克莱姆法则的条件及结论会用克莱姆法则解低阶的线性方程组7、了解n 个方程n 个未知量的齐次线性方程组有非零解的充要条件第二章 矩阵一要点1、矩阵的概念n m ⨯矩阵n m ij a A ⨯=)(是一个矩阵表..当n m =时;称A 为n 阶矩阵;此时由A 的元素按原来排列的形式构成的n 阶行列式;称为矩阵A 的行列式;记为A .注：矩阵和行列式是两个完全不同的两个概念..2、几种特殊的矩阵：对角阵；数量阵；单位阵；三角形矩阵；对称矩阵3、矩阵的运算；矩阵的加减法；数与矩阵的乘法；矩阵的转置；矩阵的乘法1矩阵的乘法不满足交换律和消去律;两个非零矩阵相乘可能是零矩阵..如果两矩阵A 与B 相乘;有BA AB =;则称矩阵A 与B 可换..注：矩阵乘积不一定符合交换2方阵的幂：对于n 阶矩阵A 及自然数k ;个k k A A A A ⋅⋅= 规定I A =0;其中I 为单位阵 .3 设多项式函数k k k k a a a a ++++=--λλλλϕ1110)( ;A 为方阵;矩阵A 的多项式I a A a A a A a A k k k k ++++=--1110)( ϕ;其中I 为单位阵..4n 阶矩阵A 和B ;则B A AB =.5n 阶矩阵A ;则A A nλλ=4、分块矩阵及其运算5、逆矩阵：可逆矩阵若矩阵A 可逆;则其逆矩阵是唯一的；矩阵A 的伴随矩阵记为*A ; E A A A AA ==**矩阵可逆的充要条件；逆矩阵的性质..6、矩阵的初等变换：初等变换与初等矩阵；初等变换和初等矩阵的关系；矩阵在等价意义下的标准形；矩阵A 可逆的又一充分必要条件：A 可以表示成一些初等矩阵的乘积；用初等变换求逆矩阵..7、矩阵的秩：矩阵的k 阶子式；矩阵秩的概念；用初等变换求矩阵的秩8、矩阵的等价二要求1、理解矩阵的概念；矩阵的元素；矩阵的相等；矩阵的记号等2、了解几种特殊的矩阵及其性质3、掌握矩阵的乘法；数与矩阵的乘法；矩阵的加减法；矩阵的转置等运算及性质4、理解和掌握逆矩阵的概念；矩阵可逆的充分条件；伴随矩阵和逆矩阵的关系；当A 可逆时;会用伴随矩阵求逆矩阵5、了解分块矩阵及其运算的方法1在对矩阵的分法符合分块矩阵运算规则的条件下;其分块矩阵的运算在形式上与不分块矩阵的运算是一致的..2特殊分法的分块矩阵的乘法;例如n m A ⨯;l n B ⨯;将矩阵B 分块为) (21l b b b B =;其中j b l j 2, ,1=是矩阵B 的第j 列;则=AB ) (21l b b b A ) (21l Ab Ab Ab =又如将n 阶矩阵P 分块为) (21n p p p P =;其中j p n j 2, ,1=是矩阵P 的第j 列.⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n P λλλ 0 0 00 0 00 0 0 21 ) (21n p p p = ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n λλλ 0 0 00 0 00 0 0 21) (2211n n p p p λλλ = 3设对角分块矩阵⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=SS A A A A 2211 ;),2,1(s P A PP =均为方阵; A 可逆的充要条件是PP A 均可逆;s P ,2,1=;且⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=----11221111 ss A A A A6、理解和掌握矩阵的初等变换和初等矩阵及其有关理论；掌握矩阵的初等变换；化矩阵为行最简形；会用初等变换求矩阵的秩、求逆矩阵7、理解矩阵的秩的概念以及初等变换不改变矩阵的秩等有关理论8、若矩阵A 经过有限次初等变换得到矩阵B ;则称矩阵A 和矩阵B 等价;记为B A ≅. n m ⨯矩阵A 和B 等价当且仅当)()(B r A r =;在等价意义下的标准型：若r A r =)(;则r D A ≅;⎥⎦⎤⎢⎣⎡=000 r r I D ;r I 为r 阶单位矩阵.. 因此n 阶矩阵A 可逆的充要条件为n I A ≅..第三章 线性方程组一要点1、n 维向量；向量的线性运算及其有关运算律记所有n 维向量的集合为n R ;n R 中定义了n 维向量的线性运算;则称nR 为 n 维向量空间..2、向量间的线性关系1线性组合与线性表示；线性表示的判定2线性相关与线性无关；向量组的线性相关与无关的判定3、向量组的等价;向量组的秩；向量组的极大无关组及其求法；向量组的秩及其求法 1设有两个向量组,1α,2αs α )(A,1β,2βt β )(B向量组)(A 和)(B 可以相互表示;称向量组)(A 和)(B 等价..向量组的等价具有传递性..2一个向量组的极大无关组不是惟一的;但其所含向量的个数相同;那么这个相同的个数定义为向量组的秩..4、矩阵的秩与向量组的秩的关系5、线性方程组的求解1线性方程组的消元解法2线性方程组解的存在性和唯一性的判定3线性方程组解的结构4齐次线性方程的基础解系与全部解的求法5非齐次方程组解的求法二要求1、理解n 维向量的概念；掌握向量的线性运算及有关的运算律2、掌握向量的线性组合、线性表示、线性相关、线性无关等概念3、掌握线性表示、线性相关、线性无关的有关定理4、理解并掌握向量组的等价极大无关组、向量组的秩等概念；及极大无关组、向量组秩的求法5、掌握线性方程组的矩阵形式、向量形式的表示方法6、会用消元法解线性方程组7、理解并掌握齐次方程组有非零解的充分条件及其判别方法8、理解并掌握齐次方程组的基础解系、全部解的概念及其求法9、理解非齐次方程组与其导出组解的关系；掌握非齐次方程组的求解方法第四章 矩阵的特征值与特征向量一要点1、矩阵的特征值与特征向量的定义；特征方程、特征值与特征向量的求法与性质2、相似矩阵的定义、性质；矩阵可对角化的条件3、实对称矩阵的特征值和特征向量向量内积的定义及其性质；正交向量组；施密特正交化方法；正交矩阵；实对称矩阵的特征值与特征向量的性质；实对称矩阵的对角化二要求1、理解矩阵的特征值、特征向量的概念及有关性质2、掌握特征值与特征向量的求法3、理解并掌握相似矩阵的概念与性质4、掌握判断矩阵与对角矩阵相似的条件及对角化的方法5、会将实对称矩阵正交相似变换化为对角矩阵..第五章二次型一要点1、二次型与对称矩阵：二次型的定义；二次型与对称矩阵的对应关系2、二次型与对称矩阵的标准形配方法；初等变换法；正交变换法；合同矩阵；二次型及对称矩阵的标准形与规范形 3、二次型与对称矩阵的有定性二次型与对称矩阵的正定、负定、半正定、半负定二要求1、理解并掌握二次型的定义及其矩阵的表示方法..2、会用三种非退化线性替换：即配方法、初等变换法、正交变换法化二次型为标准形及规范型3、掌握二次型的正定、负定、半正定、半负定的定义;会判定二次型的正定性..。

线性代数知识点总结线性代数知识点总结第一章 行列式第一节：二阶与三阶行列式把表达式11221221aa a a -称为11122122a a a a 所确定的二阶行列式，并记作11122112aa aa ，即1112112212212122.a a D a a a a a a ==-结果为一个数。

（课本P1）同理，把表达式112233122331132132112332122133132231,a a a a a a a a a a a a a a a a a a ++---称为由数表111213212223313233a a a a a a a a a 所确定的三阶行列式，记作111213212223313233a a a aa a a a a 。

即111213212223313233a a a aa a a a a =112233122331132132112332122133132231,aa a a a a a a a a a a a a a a a a ++---二三阶行列式的计算：对角线法则（课本P2，P3）注意：对角线法则只适用于二阶及三阶行列式的计算。

利用行列式计算二元方程组和三元方程组：对二元方程组11112212112222ax a x b ax a x b +=⎧⎨+=⎩设11122122a a D a a =≠1121222b a D b a =1112212.a b D a b =则1122221111122122b a b a D xa a Da a ==，1112122211122122.a b a b D x a a Da a ==（课本P2）对三元方程组111122133121122223323113223333a x a x a xb a x a x a x b a x a x a x b ++=⎧⎪++=⎨⎪++=⎩，设1112132122233132330a a a D aa a a a a =≠，1121312222333233b a a D b a a b a a =，1111322122331333a b a Da b a a b a =，1112132122231323a ab Da ab a a b =，则11D x D=，22D xD=，33D xD=。

大一线性代数总结知识点线性代数是大一学生学习的一门重要的数学课程，它是现代数学的基础，也是许多学科领域的基础。

在学习线性代数的过程中，我们需要掌握一些重要的知识点。

下面是我对大一线性代数的知识点进行的总结。

1. 向量与矩阵1.1 向量的定义与表示在线性代数中，我们首先学习向量的定义与表示。

向量可以看作是一个有序的数列或者几何上的箭头。

在二维空间中，一个向量通常用坐标表示，如(1, 2)；在三维空间中，一个向量用三个坐标表示，如(1, 2, 3)。

向量还可以用加法、减法和数乘等运算进行操作。

1.2 矩阵的定义与表示矩阵是线性代数中的另一个重要概念，它是由数排列成的矩形阵列。

矩阵有行和列组成，如下所示：\[\begin{bmatrix}1 &2 &3 \\4 &5 &6 \\7 & 8 & 9 \\\end{bmatrix}\]我们可以用矩阵表示线性方程组，进行线性方程组的求解等操作。

2. 向量空间与子空间2.1 向量空间的定义在线性代数中，向量空间是由一组向量和定义在这组向量上的向量加法和标量乘法组成的集合。

向量空间需要满足一些特定的性质，如封闭性、加法结合律、加法交换律、加法单位元、加法逆元等。

2.2 子空间的定义与判定子空间是向量空间的一个子集，并且子空间也要满足向量空间的性质。

我们可以通过判断子空间是否满足封闭性、加法单位元、加法逆元等性质来确定一个集合是否是子空间。

3. 线性相关性与线性无关性3.1 线性相关性的定义与判断在线性代数中，我们需要研究向量之间的线性相关性。

如果存在不全为零的系数使得向量的线性组合等于零向量，则称这组向量线性相关；否则，称这组向量线性无关。

3.2 线性无关性的性质与应用线性无关性是许多线性代数中的重要概念。

线性无关的向量组可以用来表示向量空间中的基，从而可以简化向量空间的研究和计算。

线性无关的向量组还可以用来求解线性方程组，求解特殊的方程组等。

线性代数概率论知识点总结1. 向量与空间- 向量的定义、性质和运算（加法、数乘、内积、外积）。

- 向量空间（也称为线性空间）的概念，包括定义、性质和例子。

- 子空间、线性组合、线性无关和基的概念。

- 维度、跨度和维数的概念。

2. 矩阵- 矩阵的定义、性质和运算（加法、数乘、乘法）。

- 单位矩阵、对角矩阵、对称矩阵和正交矩阵。

- 矩阵的逆和行列式的概念。

- 矩阵的秩和克拉默法则。

3. 线性变换- 线性变换的定义和性质。

- 线性变换与矩阵之间的关系。

- 特征值和特征向量的概念及其物理意义。

4. 行列式- 行列式的定义、性质和计算方法。

- 行列式的几何意义和在解线性方程组中的应用。

5. 线性方程组- 线性方程组的表示和解的一般概念。

- 高斯消元法和高斯-若尔当消元法。

- 线性方程组的解的结构，包括唯一解、无解和无穷多解的情况。

6. 特征值问题和二次型- 二次型的定义和标准型。

- 用特征值和特征向量解决实际问题。

概率论1. 概率基础- 概率的定义和性质。

- 条件概率、独立事件和贝叶斯定理。

- 全概率公式和期望值的概念。

2. 随机变量- 随机变量的定义和分类（离散和连续）。

- 概率分布函数和概率密度函数。

- 累积分布函数和它的应用。

3. 重要的概率分布- 离散分布，如二项分布、泊松分布。

- 连续分布，如正态分布、均匀分布、指数分布。

- 分布的参数（如均值、方差、偏度和峰度）。

4. 多维随机变量- 联合分布和边缘分布。

- 协方差和相关系数。

- 多元正态分布。

5. 大数定律和中心极限定理- 大数定律的概念和应用。

- 中心极限定理的意义和重要性。

6. 统计推断- 点估计和区间估计。

- 假设检验的基本概念。

- 最大似然估计法。

线性代数和概率论的这些知识点构成了它们各自的理论基础，并且在实际应用中相互交织。

例如，在统计分析中，线性代数的工具被用来处理多维数据集，而概率论提供了理解数据背后随机性的数学框架。

掌握这些基础知识，可以帮助我们更好地理解和解决实际问题。

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= ( a11 a12 ... a1n )( a21 a22 ... a2n )( ... ... ... ... )( am1 am2 ... 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 = ( 1 0 ... 0 )( 0 1 ... 0 )( ... ... ... )( 0 0 ... 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)。

线性代数⼀、⾏列式1. ⼆阶与三阶⾏列式对⼆元线性⽅程组有⼆阶段⾏列式若记则对个数组成的⾏列的数表有三阶⾏列式2.全排列和对换排列全排列：把个不同的元素排成⼀列，叫做这个元素的全排列排列。

逆序：对于个不同的元素先规定⼀个元素之间的标准次序在这个元素的任⼀排列中当某⼀对元素的先后顺序与标准次序不同时就说它构成⼀个逆序。

逆序数：⼀个排列中所有逆序的总数。

奇排列：逆序数为技术的排列偶排列：逆序数为偶数的排列排列的逆序数：对换：将排列中的任意两个元素对调，其余的元素不动的过程。

相邻对换：将相邻两个元素进⾏的对换。

定理：⼀个排列中的任意两个元素对换，排列改变奇偶性。

推论奇排列对换成标准排列的对换次数为奇数，偶数列对换成标准数列的对换次数为偶数。

3.n阶⾏列式对个数组成的⾏列的数表有阶⾏列式，记作4.⾏列式的性质⾏列⾏列式称为的转置⾏列式性质：⾏列式与它的转置⾏列式相等性质：对换⾏列式的两⾏列，⾏列式变号推论：如果⾏列式有两⾏列完全相同，则此⾏列式等于零性质：⾏列式的某⼀⾏列中所有的元素都乘同⼀数，等于⽤数乘此⾏列式性质：⾏列式中如果有两⾏（列）元素成⽐例，则此⾏列式等于零性质：若⾏列式的某⼀⾏的元素都是两数之和，则⾏列式可拆分为两个⾏列式相加性质：把⾏列式的某⼀⾏的个元素乘同义数然后加到另⼀⾏列对应的元素上去，⾏列式不变。

5.⾏列式按⾏(列)展开在阶⾏列式中把元所在的第⾏和第列划去后在阶⾏列式中把元所在的第⾏和第列划去后留下来的阶⾏列式叫做元的余⼦式记作记叫做元的代数余⼦式引理⼀个阶⾏列式如果其中第⾏所有元素除元外都为零那么这⾏列式等于与它的代数余⼦式的乘积即定理按⾏列展开法则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即或例如四阶⾏列式中元的余⼦式和代数余⼦式分别为⼆、矩阵2.1 线性⽅程组、矩阵、矩阵的运算当常数项不全为零时有元⾮齐次线性⽅程组含有个末知数个⽅程的元⾮齐次线性⽅程组：其中是第个⽅程的第个末知数的系数是第个⽅程的常数项当全为零时有元齐次线性⽅程组：元齐次线性⽅程组⼀定有零解不⼀定有⾮零解即⼀组不全为零的解2.1.1 矩阵1、矩阵介绍对由个数排成的⾏列的数表称为⾏列矩阵矩阵：数位于矩阵的第⾏第列称为矩阵的元2、矩阵的种类矩阵的种类：其中称为系数矩阵称为末知数矩阵称为常数项矩阵称为增⼴矩阵⾏矩阵⾏向量：列矩阵列向量：实矩阵元素是实数的矩阵复矩阵元素是复数的矩阵除特别说明外都指实矩阵阶矩阵阶⽅阵：⾏数与列数都等于的矩阵同型矩阵⾏数、列数都相等的两个矩阵相等矩阵如果与是同型矩阵并且它们的对应元素相等即那么就称矩阵与矩阵相等记作零矩阵元素都是零的矩阵注意不同型的零矩阵是不同的对⾓矩阵对⾓阵：从左上⾓到右下⾓的直线叫做对⾓线以外的元素都是的阶⽅阵：特别当有阶单位矩阵单位阵：单位阵的元为：当当2.1.2 矩阵的运算1、矩阵的加法矩阵的加法：设有两个矩阵和那么矩阵与的和记作规定为只有当两个矩阵是同型矩阵时才能进⾏加法运算矩阵加法满⾜下列运算规律设都是矩阵设矩阵记称为矩阵的负矩阵由此规定矩阵的减法为2、矩阵数乘数与矩阵的乘积记作或规定为：数乘矩阵满⾜下列运算规律设、为矩阵、为数3、矩阵相乘矩阵相乘：对矩阵矩阵有矩阵记为其中按此定义⼀个⾏矩阵与⼀个列矩阵的乘积是⼀个阶⽅阵也就是⼀个数由此表明乘积矩阵的元就是的第⾏与的第列的乘积如：4、转置矩阵矩阵称为的转置矩阵：例如转置矩阵的运算规律：对称矩阵对称阵：元素以对⾓线为对称轴对应相等的阶矩阵如果阶⽅阵满⾜：即则为对称矩阵⽅阵的⾏列式：⽅阵的⾏列式或：由阶⽅阵的元素所构成的⾏列式各元素的位置不变伴随矩阵：⾏列式的各个元素的代数余⼦式所构成的矩阵称为矩阵的伴随矩阵有：注：2.2 逆矩阵、克拉默法则、矩阵分块法2.2.1 逆矩阵1、逆矩阵的定义、性质和求法：逆矩阵的定义、性质和求法：逆矩阵的定义、性质和求法：对于阶矩阵如果有⼀个阶矩阵使则矩阵是可逆的的逆矩阵逆阵在矩阵的乘法中的作⽤与数类似如果矩阵是可逆的那么的逆矩阵是惟⼀的这是因为若、都是的逆矩阵则有所以的逆矩阵是惟⼀的定理若矩阵可逆，则定理若则矩阵可逆且其中为矩阵的伴随矩阵推论：若或，则故逆矩阵满⾜下述运算规律若可逆则亦可逆且若可逆数则可逆且若、为同阶矩阵且均可逆则亦可逆且2、逆矩阵的初步应⽤：逆矩阵的初步应⽤：设求矩阵使其满⾜解：若存在则⽤左乘上式右乘上式有即若⽽故知、都可逆且于是2.2.2 克拉默法则克拉默法则：含有个末知数的个线性⽅程的⽅程组：①它的解可以⽤阶⾏列式表⽰即有克拉默法则：如果线性⽅程组①的系数矩阵的⾏列式不等于零即：那么⽅程组①有惟⼀解其中是把系数矩阵中第列的元素⽤⽅程组右端的常数项代替后所得到的阶矩阵即2.2.3 分块矩阵1、分块矩阵分块矩阵：以⼦块为元素的形式上的矩阵将矩阵⽤若⼲条纵线和横线分成许多个⼩矩阵每⼀个⼩矩阵称为的⼦块例如将矩阵分成⼦块的分法很多下⾯举出三种分块形式，，分法可记为其中即为的⼦块⽽形式上成为以这些⼦块为元的分块矩阵2、分块矩阵的运算分块矩阵的运算与普通矩阵的运算相类似：分块矩阵的运算与普通矩阵的运算相类似：设矩阵与的⾏数相同、列数相同采⽤相同的分块法有：其中与的⾏数相同、列数相同那么：设为数那么：设为矩阵为矩阵分块成：其中的列数分别等于的⾏数那么：其中设则设为阶⽅阵若的分块矩阵只有在对⾓线上有⾮零⼦块其余⼦块都为零矩阵且在对⾓线上的⼦块都是⽅阵即其中都是⽅阵那么称为分块对⾓矩阵分块对⾓矩阵的⾏列式满⾜：由此性质可知若则并有：补充：。

大一线性代数章节知识点总结线性代数是一门重要的数学课程，也是大多数理工科学生在大一上学期所学习的一门基础课程。

通过线性代数的学习，我们可以理解向量、矩阵等数学概念，并运用它们解决实际问题。

在大一线性代数课程中，我们学习到了许多重要的知识点，下面我将对其中几个重点进行总结。

1. 向量与矩阵向量是线性代数中的基本概念，它可以表示为一个有序的数列，通常用箭头来表示。

我们学习了向量的加法、数乘、内积和外积等运算。

而矩阵则是由多个向量组成的矩形阵列，可以简洁地表示一组线性方程。

在线性代数中，向量与矩阵有着重要的作用，我们可以通过矩阵运算来解决多元线性方程组、线性变换等问题。

2. 矩阵的行列式和逆矩阵行列式是矩阵的一个重要概念，它可以判断矩阵是否可逆以及求解矩阵的逆矩阵。

行列式的计算过程有点繁琐，但我们可以通过化简、按行列或按列展开等方法来简化计算过程。

逆矩阵是矩阵的一种特殊矩阵，可以通过行列式的计算来求解。

逆矩阵在线性代数中具有重要的作用，能够用来解决矩阵方程、线性变换等问题。

3. 向量空间和线性变换向量空间是指由一组向量所组成的集合，它具有一些特定的性质，如封闭性、加法逆元等。

我们学习了向量空间的定义和性质，并通过实例了解了向量空间的应用。

线性变换是一种特殊的函数，它将向量空间中的一个向量映射到另一个向量空间中。

我们学习了线性变换的定义和性质，并通过线性变换矩阵来表示线性变换。

4. 特征值和特征向量特征值和特征向量是矩阵在线性代数中的一个重要概念。

特征值表示了线性变换后不改变方向的向量，特征向量则表示了线性变换后改变了方向但未被拉伸或压缩的向量。

我们学习了特征值和特征向量的定义和计算方法，并通过实例来加深对其的理解。

总结起来，线性代数是一门抽象而重要的数学课程，通过学习线性代数我们可以更好地理解和解决实际问题。

以上所述的知识点只是线性代数中的一部分，但却是我们在大一上学期所学习到的重要内容。

希望这篇知识点总结能够帮助到正在学习线性代数的同学们，更好地掌握和应用线性代数知识。

迹tr(A )：迹（A ）=nna 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 与有相同的特征值1-A 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，则矩阵A 与B B AP P =-1相似，记作A~B性质1、自身性：A~A,P=I2、对称性：若A~B 则B~AB AP P =-11-=PBP A ABP P =---111)(3、传递性：若A~B 、B~C 则A~C-B AP P =-111C BP P =-212--CP P A P P =-)()(211214、若AB ，则A 与B 同（不）可逆5、若A~B ，则 两边同取逆，11~--B A B AP P =-1111---=BP 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 初等变换不改变矩阵的秩)()(B r A r =例子：则B AP P =-11100100-=P PB A A=OO AP P =-1 A=I I AP P =-1A=I AP P λ=-1Iλ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^中的顺序一致i i x λ与 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 （P281）~^A 定理：n 阶方阵的充要条件是对于每一个重特征根，都有~^A i K i λii K n A I r -=-)(λ 注：三角形矩阵、数量矩阵的特征值为主对角线。

I λ约当形矩阵约当块：形如的n 阶矩阵称为n 阶约当块；⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=λλλλ111J约当形矩阵：由若干个约当块组成的对角分块矩阵（是约当块）⎪⎪⎪⎭⎫⎝⎛=n J J J J 21i J 称为约当形矩阵。

大学线性代数知识点总结线性代数是大学数学课程中的重要一环，它是研究向量空间及其上的线性变换和线性方程组的数学理论。

掌握线性代数的基本概念和定理，对于深入理解数学和应用领域都具有重要意义。

在本文中，将对大学线性代数的一些重要知识点进行总结。

一、向量与向量空间向量是线性代数的基本概念，它具有大小和方向。

在线性代数中，向量通常用列向量表示。

对于两个向量，可以进行加法和数乘运算。

向量空间是由一组向量及其运算所构成的集合，它具有封闭性、结合律、分配律等性质。

二、矩阵及其运算矩阵是线性代数中另一个重要的概念，它由若干行和列所组成的矩形数表。

矩阵可以进行加法、数乘和乘法运算。

矩阵乘法是线性代数中的核心内容，它不满足交换律。

矩阵的转置、逆矩阵和行列式等运算也是线性代数中常用的操作。

三、线性方程组及其求解线性方程组是线性代数的重要应用之一，它是由一组线性方程所组成的方程组。

线性方程组的解可以通过消元法、矩阵法或向量法来求解。

消元法是一种基本的求解思路，通过一系列行变换将线性方程组转化为等价方程组，进而求解未知数的值。

矩阵法则通过增广矩阵和高斯消元法来求解线性方程组。

向量法则利用矩阵乘法和逆矩阵的性质求解线性方程组。

四、向量空间的基与维数向量空间的基是向量空间的一个重要性质，它是一组线性无关的向量，可以通过线性组合得到向量空间中的任意向量。

向量空间的维数指的是基向量的个数，维数也是向量空间的一个重要特征。

五、特征值与特征向量特征值和特征向量是矩阵的重要性质。

对于一个n阶方阵A，如果存在一个非零向量x，使得Ax=kx，则称k为矩阵A的特征值，x为对应的特征向量。

特征值和特征向量在物理、工程等领域有着广泛的应用，它们可以描述系统的特性和变化规律。

六、线性变换与矩阵的相似性线性变换是线性代数中一个重要的概念，它是由向量空间到它自身的一种映射。

与线性变换相关的概念还有矩阵的相似性。

如果两个矩阵具有相同的特征值，则它们被称为相似矩阵，相似矩阵在各种应用中具有重要意义。