2026年考研数学一线性代数核心考点与题型

2026年考研数学一线性代数核心考点与题型

线性代数作为考研数学的重要组成部分，其考察内容既涵盖基础理论，又注重实际应用能力的综合测试。2026年考研数学线性代数部分的命题趋势将更加注重知识的内在联系与思维逻辑的考察，要求考生在掌握基本概念的同时，具备较强的分析和解决问题能力。本文将从行列式、矩阵、向量空间以及线性方程组四个核心板块展开，深入解析各部分的重点内容与典型题型。

一、行列式

行列式是线性代数的基础工具，其计算方法和性质在后续的矩阵理论中具有重要作用。2026年考研数学对行列式的考察将更加注重综合应用，不仅要求考生熟练掌握基本计算方法，还要能够灵活运用行列式的性质解决实际问题。

1.行列式的定义与性质

行列式的定义可以通过排列组合的方式给出，即n阶行列式D是通过所有可能的n阶排列的代数和定义的。这种定义方式虽然简洁，但对于实际计算并不方便。因此，在考研中，考生需要重点掌握行列式的性质，这些性质包括：

（1）行列式的行与列互换，其值不变；

（2）某行（列）的公因子可以提到行列式符号外；

（3）某行（列）的元素全为零，则行列式为零；

（4）两行（列）相同或成比例，则行列式为零；

（5）某行（列）加上另一行（列）的倍数，行列式的值不变；

（6）按行（列）展开定理，即行列式等于任意一行（列）的各元素与其代数余子式乘积之和。

这些性质是行列式计算的基础，考生需要通过大量的练习来熟练掌握。

2.行列式的计算方法

行列式的计算方法主要包括两种：一种是利用行列式的性质进行化简，另一种是按行（列）展开。对于复杂的行列式，通常需要结合两种方法进行计算。

（1）利用行列式的性质进行化简

这种方法的核心思想是通过行列式的性质将复杂的行列式转化为简单的形式，如上三角行列式或下三角行列式，从而直接得到行列式的值。例如，对于以下行列式：

D=|a11a12a13|

|a21a22a23|

|a31a32a33|

可以通过以下步骤进行化简：

首先，将第一列的元素a31乘以第二列的元素a12减去第三列的元素a13，然后将结果加到第三列的对应位置上，即：

D=|a11a12a13|

|a21a22a23|

|a31a32a33-a31(a12-a13)|

接着，将第二行的第一列元素a21乘以第三行的第一列元素a31减去第三行的第二列元素a32，然后将结果加到第三行的第一列位置上，即：

D=|a11a12a13|

|a21a22a23|

|0a32-a31(a12-a13)a33-a31(a23-a13)|

最后，将第三行的第一列元素乘以第二列的元素减去第三列的元素，然后将结果加到第三行的第二列位置上，即：

D=|a11a12a13|

|a21a22a23|

|00a33-a31(a23-a13)-(a32-a31(a12-a13))a21|

此时，行列式已经化为上三角行列式，其值等于主对角线元素的乘积。

（2）按行（列）展开

这种方法的核心思想是选择一行（列）作为展开的基准，将行列式按照这一行（列）展开为多个子行列式的线性组合。例如，对于上述行列式，可以选择第一行作为展开的基准，即：

D=a11*|a22a23|

|a32a33|-a12*|a21a23|

|a31a33|+a13*|a21a32|

|a31a32|

然后，对每个子行列式进行计算，最后将结果相加即可得到行列式的值。

3.典型题型分析

在考研数学中，行列式的题型主要分为两类：一类是直接计算行列式的值，另一类是利用行列式解决实际问题。

（1）直接计算行列式的值

这类题型的难度相对较低，主要考察考生对行列式计算方法的掌握程度。例如，计算以下行列式的值：

D=|123|

|456|

|789|

可以通过按第一行展开的方式计算：

D=1*|56|

|89|-2*|46|

|79|+3*|45|

|78|

然后，对每个子行列式进行计算，最后将结果相加即可得到行列式的值。

（2）利用行列式解决实际问题

这类题型的难度相对较高，主要考察考生将实际问题转化为数学模型的能力。例如，考虑以下问题：

某工厂生产三种产品，每种产品的单价分别为10元、20元和30元，每天的生产量分别为100件、200件和300件。如果每天的生产成本分别为1000元、2000元和3000元，求该工厂每天的总利润。

可以通过建立如下的线性方程组来表示这个问题：

10x1+20x2+30x3=p1

100x1+200x2+300x3=c1

100x1+200x2+300x3=c2

其中，x1、x2和x3分别表示三种产品的销售量，p1表示每天的总销售收入，c1和c2分别表示每天的总生产成本和总利润。通过求解这个线性方程组，可以得到三种产品的销售量，进而计算出每天的总利润。

二、矩阵

矩阵是线性代数的核心概念之一，其运算性质和理论在后续的线性方程组、特征值和特征向量等部分中具有重要作用。2026年考研数学对矩阵的考察将更加注重综合应用，要求考生不仅掌握基本运算，还要能够灵活运用矩阵解决实际问题。

1.矩阵的定义与性质

矩阵是一个数域上的数排列成的矩形阵列，通常用大写字母表示。矩阵的行数和列数分别称为矩阵的行数和列数，行数和列数相等的矩阵称为方阵。矩阵的运算包括加法、减法、乘法和转置等。

（1）矩阵的加法与减法

矩阵的加法与减法是指对应位置元素相加或相减，其结果仍然是一个矩阵。矩阵加法满足交换律和结合律，即A+B=B+A，A+(B+C)=(A+B)+C。

（2）矩阵的乘法

矩阵的乘法是指左矩阵的每一行与右矩阵的每一列对应元素相乘后相加，其结果是一个新的矩阵。矩阵乘法不满足交换律，即AB≠BA，但满足结合律，即(AB)C=A(BC)，以及分配律，即A(B+C)=AB+AC。

（3）矩阵的转置

矩阵的转置是指将矩阵的行与列互换，其结果是一个新的矩阵。矩阵转置满足以下性质：转置的转置等于原矩阵，即(A^T)^T=A；矩阵和的转置等于转置的和，即(A+B)^T=A^T+B^T；矩阵积的转置等于转置的积，即(AB)^T=B^T*A^T。

（4）方阵的行列式

方阵的行列式是一个标量，其定义与行列式相同。方阵的行列式具有以下性质：方阵的行列式等于其转置的行列式，即|A|=|A^T|；方阵的行列式满足乘法性质，即|AB|=|A|*|B|。

2.逆矩阵

逆矩阵是矩阵运算中的一个重要概念，其定义如下：对于n阶方阵A，如果存在一个n阶方阵B，使得AB=BA=E，其中E是n阶单位矩阵，则称B是A的逆矩阵，记为A^(-1)。逆矩阵具有以下性质：

（1）逆矩阵的唯一性

如果方阵A有逆矩阵，则其逆矩阵是唯一的。

（2）逆矩阵的运算性质

(A^(-1))^(-1)=A；(AB)^(-1)=B^(-1)*A^(-1)；(A^T)^(-1)=(A^(-1))^T。

（3）逆矩阵的存在条件

方阵A有逆矩阵的充分必要条件是|A|≠0，即A是非奇异矩阵。

3.典型题型分析

在考研数学中，矩阵的题型主要分为三类：一类是矩阵的基本运算，另一类是逆矩阵的计算，还有一类是利用矩阵解决实际问题。

（1）矩阵的基本运算

这类题型的难度相对较低，主要考察考生对矩阵运算的掌握程度。例如，计算以下矩阵的乘积：

A=|12|

|34|

B=|56|

|78|

可以通过矩阵乘法的定义进行计算：

AB=|1*5+2*71*6+2*8|

|3*5+4*73*6+4*8|

然后，对每个元素进行计算，最后将结果相加即可得到矩阵的乘积。

（2）逆矩阵的计算

这类题型的难度相对较高，主要考察考生对逆矩阵计算方法的掌握程度。例如，计算以下矩阵的逆矩阵：

A=|12|

|34|

可以通过以下步骤进行计算：

首先，计算矩阵A的行列式，即：

|A|=1*4-2*3=-2

然后，计算矩阵A的伴随矩阵，即：

adj(A)=|4-2|

|-31|

接着，计算矩阵A的逆矩阵，即：

A^(-1)=1/|A|*adj(A)=-1/2*|4-2|

=|-31|

最后，将每个元素乘以-1/2即可得到矩阵A的逆矩阵。

（3）利用矩阵解决实际问题

这类题型的难度相对较高，主要考察考生将实际问题转化为数学模型的能力。例如，考虑以下问题：

某商店销售三种商品，每种商品的单价分别为10元、20元和30元，每天的销售量分别为100件、200件和300件。如果每天的成本分别为1000元、2000元和3000元，求该商店每天的总利润。

可以通过建立如下的矩阵方程来表示这个问题：

|x1x2x3||102030||p1|

||*||=||

|100200300||100020003000||c1|

其中，x1、x2和x3分别表示三种商品的销售量，p1表示每天的总销售收入，c1表示每天的总成本。通过求解这个矩阵方程，可以得到三种商品的销售量，进而计算出每天的总利润。

三、向量空间

向量空间是线性代数中的一个重要概念，其理论在线性方程组、特征值和特征向量等部分中具有重要作用。2026年考研数学对向量空间的考察将更加注重综合应用，要求考生不仅掌握基本概念，还要能够灵活运用向量空间解决实际问题。

1.向量空间的基本概念

向量空间是一个集合，其中定义了加法和数乘两种运算，并且满足以下八条性质：

（1）加法封闭性：如果向量u和v属于向量空间V，则u+v也属于V；

（2）加法交换律：u+v=v+u；

（3）加法结合律：(u+v)+w=u+(v+w)；

（4）加法单位元：存在一个零向量0，使得u+0=u；

（5）加法逆元：对于任意向量u，存在一个向量-v，使得u+(-v)=0；

（6）数乘封闭性：如果向量u属于向量空间V，且k为任意实数，则ku也属于V；

（7）数乘结合律：k(mu)=(km)u；

（8）数乘单位元：1u=u。

向量空间中的元素称为向量，加法和数乘运算分别称为向量加法和数乘。

2.基与维数

向量空间中的基是指一组线性无关的向量，其线性无关是指任意两个向量都不成比例。向量空间的维数是指其基中向量的个数。向量空间中的任意向量都可以表示为基的线性组合，且表示方式唯一。

3.子空间

子空间是向量空间的一个子集，其本身也是一个向量空间。子空间满足以下条件：

（1）包含零向量；

（2）对加法封闭；

（3）对数乘封闭。

子空间的理论在线性方程组、特征值和特征向量等部分中具有重要作用。

4.典型题型分析

在考研数学中，向量空间的题型主要分为三类：一类是向量空间的判定，另一类是基与维数的计算，还有一类是子空间的判定。

（1）向量空间的判定

这类题型的难度相对较低，主要考察考生对向量空间定义的掌握程度。例如，判断以下集合是否为向量空间：

R^2中的所有向量构成的集合，其中加法和数乘分别定义为向量加法和数乘。

可以通过验证八条性质来判断该集合是否为向量空间。由于R^2中的向量加法和数乘分别满足八条性质，因此该集合是一个向量空间。

（2）基与维数的计算

这类题型的难度相对较高，主要考察考生对基与维数计算方法的掌握程度。例如，计算以下向量空间的基与维数：

R^3中的所有向量构成的集合，其中加法和数乘分别定义为向量加法和数乘。

可以通过以下步骤进行计算：

首先，选择一组线性无关的向量作为基。例如，可以选择以下三个向量作为基：

e1=|100|

|010|

e2=|010|

|001|

然后，计算基中向量的个数，即维数。由于选择了三个线性无关的向量，因此维数为3。

（3）子空间的判定

这类题型的难度相对较高，主要考察考生对子空间定义的掌握程度。例如，判断以下集合是否为向量空间的子空间：

R^3中的所有向量构成的集合，其中加法和数乘分别定义为向量加法和数乘。

可以通过验证三个条件来判断该集合是否为向量空间的子空间。由于R^3中的向量加法和数乘分别满足三个条件，因此该集合是向量空间的子空间。

四、线性方程组

线性方程组是线性代数中的一个重要概念，其理论在向量空间、特征值和特征向量等部分中具有重要作用。2026年考研数学对线性方程组的考察将更加注重综合应用，要求考生不仅掌握基本解法，还要能够灵活运用线性方程组解决实际问题。

1.线性方程组的基本概念

线性方程组是指由多个线性方程组成的方程组，其一般形式为：

a11x1+a12x2+...+a1nxn=b1

a21x1+a22x2+...+a2nxn=b2

...

am1x1+am2x2+...+amnxn=bm

其中，a11、a12、...、amn是方程组的系数，x1、x2、...、xn是未知数，b1、b2、...、bm是常数项。线性方程组可能有唯一解、无解或无穷多解。

2.线性方程组的解法

线性方程组的解法主要包括高斯消元法、矩阵法和高斯-约当消元法等。

（1）高斯消元法

高斯消元法是一种通过消元操作将线性方程组化为上三角形式，然后通过回代求解未知数的方法。高斯消元法的步骤如下：

首先，将线性方程组化为增广矩阵形式；

然后，通过行变换将增广矩阵化为上三角形式；

最后，通过回代求解未知数。

（2）矩阵法

矩阵法是一种通过矩阵运算求解线性方程组的方法。线性方程组可以表示为矩阵方程Ax=b，其中A是系数矩阵，x是未知数向量，b是常数项向量。通过求解矩阵方程，可以得到未知数向量的值。

（3）高斯-约当消元法

高斯-约当消元法是一种通过行变换将系数矩阵化为单位矩阵，从而直接求解未知数的方法。高斯-约当消元法的步骤如下：

首先，将线性方程组化为增广矩阵形式；

然后，通过行变换将增广矩阵化为单位矩阵；

最后，直接读取未知数向量的值。

3.典型题型分析

在考研数学中，线性方程组的题型主要分为三类：一类是线性方程组的求解，另一类是线性方程组解的判定，还有一类是利用线性方程组解决实际问题。

（1）线性方程组的求解

这类题型的难度相对较低，主要考察考生对线性方程组解法的掌握程度。例如，求解以下线性方程组：

x1+2x2+3x3=1

2x1+3x2+4x3=2

3x1+4x2+5x3=3

可以通过高斯消元法进行求解：

首先，将线性方程组化为增广矩阵形式：

|123|1|

|234|2|

|345|3|

然后，通过行变换将增广矩阵化为上三角形式：

|123|1|

|0-1-2|0|

|000|0|

最后，通过回代求解未知数：

x3=0

x2=0

x1=1

因此，线性方程组的解为：

x1=1

x2=0

x3=0

（2）线性方程组解的判定

这类题型的难度相对较高，主要考察考生对线性方程组解的判定的掌握程度。例如，判断以下线性方程组是否有解：

x1+2x2+3x3=1

2x1+3x2+4x3=2

3x1+4x2+5x3=3

可以通过矩阵的秩来判断线性方程组是否有解。首先，将线性方程组化为增广矩阵形式：

|123|1|

|234|2|

|345|3|

然后，通过行变换将增广矩阵化为行简化阶梯形矩阵：

|123|1|

|0-1-2|0|

|000|0|

由于增广矩阵的秩与系数矩阵的秩相等，因此线性方程组有解。

（3）利用线性方程组解决实际问题

这类题型的难度相对较高，主要考察考生将实际问题转化为数学模型的能力。例如，考虑以下问题：

某工厂生产三种产品，每种产品的单价分别为10元、20元和30元，每天的生产量分别为100件、200件和300件。如果每天的生产成本分别为1000元、2000元和3000元，求该工厂每天的总利润。

可以通过建立如下的线性方程组来表示这个问题：

10x1+20x2+30x3=p1

100x1+200x2+300x3=c1

100x1+200x2+300x3=c2

其中，x1、x2和x3分别表示三种产品的销售量，p1表示每天的总销售收入，c1和c2分别表示每天的总生产成本和总利润。通过求解这个线性方程组，可以得到三种产品的销售量，进而计算出每天的总利润。

在线性代数中，矩阵的秩是一个重要的概念，它反映了矩阵的线性无关性。矩阵的秩是指矩阵中非零子式的最大阶数，也可以理解为矩阵行向量或列向量组的极大线性无关组所含向量的个数。矩阵的秩在线性方程组、向量空间等部分中具有重要作用，2026年考研数学对矩阵秩的考察将更加注重综合应用，要求考生不仅掌握基本计算方法，还要能够灵活运用矩阵秩解决实际问题。

一、矩阵秩的计算方法

矩阵秩的计算方法主要包括两种：一种是利用初等行变换将矩阵化为行阶梯形矩阵，然后根据非零行的个数确定矩阵的秩；另一种是利用子式法，即计算矩阵的所有子式，直到找到一个非零子式，其阶数即为矩阵的秩。

1.初等行变换法

初等行变换法是计算矩阵秩的常用方法，其步骤如下：

（1）首先，将矩阵通过初等行变换化为行阶梯形矩阵。初等行变换包括以下三种操作：

①交换两行；

②将某一行乘以一个非零常数；

③将某一行加上另一行的倍数。

（2）然后，根据行阶梯形矩阵中非零行的个数确定矩阵的秩。行阶梯形矩阵是指满足以下条件的矩阵：每一行的第一个非零元素（称为主元）位于上一行主元的右侧；如果某一行全为零，则它位于所有非零行的下方。

例如，考虑以下矩阵：

A=|123|

|456|

|789|

可以通过以下步骤将其化为行阶梯形矩阵：

首先，将第二行减去第一行的4倍，第三行减去第一行的7倍，即：

|123|

|0-3-6|

|0-6-12|

然后，将第三行除以-3，即：

|123|

|0-3-6|

|024|

最后，将第二行加上第三行的3倍，即：

|123|

|036|

|024|

此时，矩阵已经化为行阶梯形矩阵，非零行数为2，因此矩阵A的秩为2。

2.子式法

子式法是另一种计算矩阵秩的方法，其步骤如下：

（1）首先，计算矩阵的所有子式，从最高阶子式开始，即n阶子式，然后逐渐降低阶数，直到找到一个非零子式；

（2）然后，该非零子式的阶数即为矩阵的秩。

例如，考虑以下矩阵：

A=|123|

|456|

|789|

可以通过以下步骤计算矩阵A的秩：

首先，计算矩阵A的3阶子式，即：

|123|

|456|

|789|

由于所有3阶子式的值均为0，因此继续计算2阶子式：

|12|

|45|

|13|

|46|

|78|

可以发现，|12|和|45|的值分别为-3和-3，因此矩阵A的秩为2。

二、矩阵秩的性质

矩阵秩具有以下重要性质：

1.矩阵的秩等于其行向量组的秩，也等于其列向量组的秩。这是矩阵秩的基本性质，也是判断矩阵秩的重要依据。

2.如果矩阵A经过初等行变换化为矩阵B，则矩阵A和B的秩相等。这是因为初等行变换不改变矩阵的秩。

3.如果矩阵A的秩为r，则矩阵A中存在r个线性无关的行向量或列向量。这是矩阵秩的几何意义，也是判断矩阵秩的重要依据。

4.如果矩阵A的秩为r，则矩阵A中存在一个r阶非零子式，且所有r+1阶子式均为0。这是矩阵秩的代数意义，也是判断矩阵秩的重要依据。

5.如果矩阵A的秩为r，则矩阵A的行空间和列空间的维数均为r。这是矩阵秩的几何意义，也是判断矩阵秩的重要依据。

三、矩阵秩的应用

矩阵秩在线性代数中具有广泛的应用，主要包括以下几个方面：

1.线性方程组的解的判定

线性方程组Ax=b的解的判定与矩阵A的秩密切相关。具体来说，线性方程组有解的充分必要条件是矩阵A的秩等于增广矩阵(A|b)的秩。这是因为矩阵A的秩反映了其行向量组的线性无关性，而增广矩阵(A|b)的秩反映了其行向量组的线性相关性。

例如，考虑以下线性方程组：

x1+2x2+3x3=1

2x1+3x2+4x3=2

3x1+4x2+5x3=3

可以通过以下步骤判断其解的情况：

首先，将线性方程组化为增广矩阵形式：

|123|1|

|234|2|

|345|3|

然后，通过行变换将增广矩阵化为行阶梯形矩阵：

|123|1|

|0-1-2|0|

|000|0|

由于增广矩阵的秩与系数矩阵的秩相等，因此线性方程组有解。

2.向量空间的维数

向量空间的维数等于其基中向量的个数，而矩阵的秩反映了其行向量组或列向量组的线性无关性。因此，矩阵的秩可以用来确定向量空间的维数。

例如，考虑以下向量空间：

V={(x1,x2,x3)∈R^3|x1+2x2+3x3=0}

可以通过以下步骤确定向量空间V的维数：

首先，将线性方程组化为增广矩阵形式：

|123|0|

然后，通过行变换将增广矩阵化为行阶梯形矩阵：

|123|0|

|0-1-2|0|

|000|0|

由于系数矩阵的秩为2，因此向量空间V的维数为3-2=1。

3.矩阵的秩与线性变换

矩阵的秩与其对应的线性变换的核和像的维数密切相关。具体来说，线性变换T:V→W的核的维数等于其定义域V的维数减去像的维数，而矩阵的秩反映了其行向量组或列向量组的线性无关性。因此，矩阵的秩可以用来确定线性变换的核和像的维数。

例如，考虑以下线性变换：

T:R^3→R^2

T(x1,x2,x3)=(x1+2x2,3x1+4x3)

可以通过以下步骤确定线性变换T的核和像的维数：

首先，将线性变换T表示为矩阵形式：

A=|120|

|304|

然后，计算矩阵A的秩：

|120|

|304|

可以通过行变换将矩阵A化为行阶梯形矩阵：

|120|

|0-64|

由于非零行数为2，因此矩阵A的秩为2。

由于线性变换T的定义域为R^3，因此其核的维数为3-2=1。由于线性变换T的像为R^2，因此其像的维数为2。

四、典型题型分析

在考研数学中，矩阵秩的题型主要分为三类：一类是矩阵秩的计算，另一类是矩阵秩的应用，还有一类是矩阵秩与线性方程组、向量空间等知识的综合应用。

（1）矩阵秩的计算

这类题型的难度相对较低，主要考察考生对矩阵秩计算方法的掌握程度。例如，计算以下矩阵的秩：

A=|123|

|456|

|789|

可以通过初等行变换法进行计算：

首先，将第二行减去第一行的4倍，第三行减去第一行的7倍，即：

|123|

|0-3-6|

|0-6-12|

然后，将第三行除以-3，即：

|123|

|0-3-6|

|024|

最后，将第二行加上第三行的3倍，即：

|123|

|036|

|024|

此时，矩阵已经化为行阶梯形矩阵，非零行数为2，因此矩阵A的秩为2。

（2）矩阵秩的应用

这类题型的难度相对较高，主要考察考生对矩阵秩应用的理解和掌握程度。例如，判断以下线性方程组是否有解：

x1+2x2+3x3=1

2x1+3x2+4x3=2

3x1+4x2+5x3=3

可以通过矩阵的秩来判断线性方程组是否有解。首先，将线性方程组化为增广矩阵形式：

|123|1|

|234|2|

|345|3|

然后，通过行变换将增广矩阵化为行简化阶梯形矩阵：

|123|1|

|0-1-2|0|

|000|0|

由于增广矩阵的秩与系数矩阵的秩相等，因此线性方程组有解。

（3）矩阵秩与线性方程组、向量空间等知识的综合应用

这类题型的难度相对较高，主要考察考生综合运用矩阵秩、线性方程组、向量空间等知识解决实际问题的能力。例如，考虑以下问题：

某工厂生产三种产品，每种产品的单价分别为10元、20元和30元，每天的生产量分别为100件、200件和300件。如果每天的生产成本分别为1000元、2000元和3000元，求该工厂每天的总利润。

可以通过建立如下的线性方程组来表示这个问题：

10x1+20x2+30x3=p1

100x1+200x2+300x3=c1

100x1+200x2+300x3=c2

其中，x1、x2和x3分别表示三种产品的销售量，p1表示每天的总销售收入，c1和c2分别表示每天的总生产成本和总利润。通过求解这个线性方程组，可以得到三种产品的销售量，进而计算出每天的总利润。

特征值与特征向量是线性代数中的一个重要概念，它在线性变换、矩阵对角化等问题中具有重要作用。2026年考研数学对特征值与特征向量的考察将更加注重综合应用，要求考生不仅掌握基本概念，还要能够灵活运用特征值与特征向量解决实际问题。

一、特征值与特征向量的基本概念

特征值与特征向量是指矩阵在某个特定方向上的伸缩因子和对应的方向向量。具体来说，对于n阶方阵A，如果存在一个数λ和一个非零向量x，使得Ax=λx，则称λ是矩阵A的特征值，x是矩阵A对应于特征值λ的特征向量。

特征值与特征向量具有以下性质：

1.特征值是矩阵的特征多项式的根，特征多项式定义为det(A-λE)，其中E是n阶单位矩阵。

2.特征向量是非零向量，且对应于不同特征值的特征向量线性无关。

3.矩阵的特征值与特征向量可以用来描述矩阵的性质，如矩阵的可逆性、矩阵的对角化等。

二、特征值与特征向量的计算方法

特征值与特征向量的计算方法主要包括两种：一种是利用特征多项式求解特征值，然后通过矩阵运算求解特征向量；另一种是利用矩阵的相似变换求解特征值与特征向量。

1.利用特征多项式求解特征值与特征向量

首先，计算矩阵A的特征多项式det(A-λE)，然后求解特征多项式的根，即特征值。对于每个特征值λ，通过求解方程(A-λE)x=0，可以得到对应的特征向量x。

例如，考虑以下矩阵：

A=|12|

|34|

首先，计算矩阵A的特征多项式：

det(A-λE)=det|1-λ2|

|34-λ|

=(1-λ)(4-λ)-6

=λ^2-5λ-2

然后，求解特征多项式的根：

λ^2-5λ-2=0

解得：

λ1=(5+√33)/2

λ2=(5-√33)/2

对于特征值λ1，通过求解方程(A-λ1E)x=0，可以得到对应的特征向量x1。类似地，对于特征值λ2，通过求解方程(A-λ2E)x=0，可以得到对应的特征向量x2。

2.利用矩阵的相似变换求解特征值与特征向量

矩阵的相似变换是指存在一个可逆矩阵P，使得P^-1AP=B，其中B是一个对角矩阵。如果矩阵A可以相似对角化，则可以通过相似变换求解特征值与特征向量。

例如，考虑以下矩阵：

A=|12|

|34|

可以通过以下步骤将其相似对角化：

首先，计算矩阵A的特征值，即特征多项式的根。对于上述矩阵，特征值为λ1=(5+√33)/2，λ2=(5-√33)/2。

然后，对于每个特征值，通过求解方程(A-λE)x=0，可以得到对应的特征向量。例如，对于特征值λ1，通过求解方程(A-λ1E)x=0，可以得到特征向量x1。

最后，将特征向量作为列向量构成矩阵P，然后计算P^-1AP，即可得到对角矩阵B。对角矩阵B的主对角线元素即为矩阵A的特征值。

三、特征值与特征向量的应用

特征值与特征向量在线性代数中具有广泛的应用，主要包括以下几个方面：

1.矩阵的对角化

如果矩阵A可以相似对角化，则可以通过相似变换将A化为对角矩阵B。对角化矩阵B的主对角线元素即为矩阵A的特征值，而矩阵P的列向量即为矩阵A的特征向量。

例如，考虑以下矩阵：

A=|12|

|34|

可以通过相似变换将其对角化。首先，计算矩阵A的特征值，即特征多项式的根。对于上述矩阵，特征值为λ1=(5+√33)/2，λ2=(5-√33)/2。

然后，对于每个特征值，通过求解方程(A-λE)x=0，可以得到对应的特征向量。例如，对于特征值λ1，通过求解方程(A-λ1E)x=0，可以得到特征向量x1。

最后，将特征向量作为列向量构成矩阵P，然后计算P^-1AP，即可得到对角矩阵B。对角矩阵B的主对角线元素即为矩阵A的特征值。

2.线性变换的特征值与特征向量

线性变换T:V→W的核的维数等于其定义域V的维数减去像的维数，而矩阵的秩反映了其行向