大学线性代数知识点总结

大学线性代数知识点总结一、行列式行列式是研究线性代数的重要工具，最初源于求解线性方程组。理解行列式的概念、性质及计算方法，是深入学习后续内容的基础。1.1行列式的定义n阶行列式是一个由n×n个数（元素）排列成的方阵，通过特定的运算规则（逆序数）所得到的一个数值。对于二阶和三阶行列式，可以用对角线法则直观计算，但高阶行列式则需要更一般的定义。其核心思想是将行列式表示为所有取自不同行不同列的n个元素乘积的代数和，每一项的符号由这n个元素的列标排列的逆序数决定。1.2行列式的性质行列式的性质是简化行列式计算的关键，主要包括：*行列式与它的转置行列式相等。*互换行列式的两行（列），行列式的值变号。*行列式中某一行（列）的所有元素都乘以同一数k，等于用数k乘此行列式。*行列式中如果有两行（列）元素成比例，则此行列式的值为零。*若行列式的某一行（列）的元素都是两数之和，则此行列式可拆为两个行列式之和。*将行列式的某一行（列）的各元素乘以同一数后加到另一行（列）对应的元素上去，行列式的值不变。1.3行列式的计算行列式的计算方法多样，需根据行列式的特点灵活选用：*对角线法则：仅适用于二阶和三阶行列式。*按行（列）展开法则：利用代数余子式将高阶行列式降阶，转化为低阶行列式计算。这是计算行列式的基本方法。*利用行列式的性质：通过初等行（列）变换将行列式化为上三角（或下三角）行列式，其值为对角线元素之积。这是计算高阶行列式的常用有效方法。*特殊行列式：如范德蒙德行列式、对角行列式、上（下）三角行列式等，有其特定的计算公式。二、矩阵矩阵是线性代数的核心概念之一，是描述线性变换、求解线性方程组等问题的基本工具。2.1矩阵的定义与基本运算矩阵是由m×n个数排成的m行n列的数表。矩阵的基本运算包括：*矩阵加法：同型矩阵对应元素相加。*数与矩阵相乘：数与矩阵的每个元素相乘。*矩阵乘法：设A为m×s矩阵，B为s×n矩阵，则AB为m×n矩阵，其元素为A的行向量与B的列向量的内积。矩阵乘法不满足交换律，但满足结合律和分配律。*矩阵的转置：将矩阵的行与列互换得到的新矩阵。转置运算有若干重要性质，如(AB)^T=B^TA^T。2.2逆矩阵逆矩阵是矩阵乘法的逆运算。对于n阶方阵A，若存在n阶方阵B，使得AB=BA=E（E为n阶单位矩阵），则称A可逆，B为A的逆矩阵，记作A^{-1}。*逆矩阵的性质：可逆矩阵的逆矩阵唯一；(A^{-1})^{-1}=A；(kA)^{-1}=k^{-1}A^{-1}(k≠0)；(AB)^{-1}=B^{-1}A^{-1}；(A^T)^{-1}=(A^{-1})^T。*逆矩阵存在的条件：n阶方阵A可逆的充分必要条件是A的行列式|A|≠0（即A为非奇异矩阵或满秩矩阵）。*逆矩阵的求法：*伴随矩阵法：A^{-1}=(1/|A|)A^*，其中A^*为A的伴随矩阵。*初等变换法：通过对增广矩阵(A|E)进行初等行变换，当A变为E时，E即变为A^{-1}。2.3矩阵的秩矩阵的秩是矩阵的一个重要数字特征，反映了矩阵的本质属性。*定义：矩阵A的秩r(A)是指A中非零子式的最高阶数。若A为零矩阵，则r(A)=0。*性质：r(A)=r(A^T)；若k≠0，则r(kA)=r(A)；r(A+B)≤r(A)+r(B)；r(AB)≤min{r(A),r(B)}；若A可逆，则r(AB)=r(B)，r(BA)=r(B)。*秩的求法：通过初等行（列）变换将矩阵化为行阶梯形矩阵，行阶梯形矩阵中非零行的行数即为该矩阵的秩。2.4特殊矩阵*单位矩阵E：主对角线上元素全为1，其余元素全为0的方阵。*对角矩阵：除主对角线外其余元素全为0的方阵。*三角矩阵：分为上三角矩阵和下三角矩阵，其主对角线下方（或上方）元素全为0。*对称矩阵：满足A^T=A的矩阵。*正交矩阵：满足A^TA=E（即A^{-1}=A^T）的方阵。三、向量与线性相关性向量是线性代数的基本研究对象，线性相关性是向量组的核心概念。3.1向量的定义与运算n维向量是由n个数组成的有序数组，可视为1×n或n×1的矩阵，其运算遵循矩阵运算的规则。3.2线性组合与线性表示对于向量组α₁,α₂,...,αₘ和向量β，若存在一组数k₁,k₂,...,kₘ，使得β=k₁α₁+k₂α₂+...+kₘαₘ，则称β是向量组α₁,α₂,...,αₘ的线性组合，或称β可由该向量组线性表示。3.3线性相关与线性无关对于向量组α₁,α₂,...,αₘ，若存在不全为零的数k₁,k₂,...,kₘ，使得k₁α₁+k₂α₂+...+kₘαₘ=0，则称该向量组线性相关；否则，称其线性无关。*判定方法：*向量组α₁,α₂,...,αₘ线性相关⇨该向量组的秩小于m⇨齐次线性方程组x₁α₁+x₂α₂+...+xₘαₘ=0有非零解。*单个零向量线性相关；单个非零向量线性无关。*含有零向量的向量组必线性相关。*若向量组线性无关，则其任何部分组也线性无关；若向量组的某个部分组线性相关，则该向量组线性相关。3.4极大线性无关组与向量组的秩向量组的极大线性无关组是该向量组中线性无关且能线性表示其余所有向量的部分组。极大线性无关组所含向量的个数称为该向量组的秩。*向量组的秩与该向量组所构成矩阵的秩相等。*若向量组B能由向量组A线性表示，则r(B)≤r(A)。四、线性方程组线性方程组是线性代数的主要研究对象之一，其理论和方法在许多领域都有广泛应用。4.1线性方程组的解的判定对于非齐次线性方程组Ax=b（A为m×n矩阵）：*无解⇨r(A)<r(A|b)。*有唯一解⇨r(A)=r(A|b)=n。*有无穷多解⇨r(A)=r(A|b)<n。对于齐次线性方程组Ax=0：*仅有零解⇨r(A)=n。*有非零解⇨r(A)<n。特别地，当m<n时，齐次线性方程组必有非零解。4.2线性方程组的解的结构齐次线性方程组Ax=0：*解的性质：若ξ₁,ξ₂是Ax=0的解，则ξ₁+ξ₂,kξ₁（k为任意常数）也是Ax=0的解。*基础解系：Ax=0的解空间的一组基称为该方程组的基础解系。若r(A)=r<n，则基础解系含有n-r个线性无关的解向量。*通解：Ax=0的通解为x=k₁ξ₁+k₂ξ₂+...+k_{n-r}ξ_{n-r}，其中ξ₁,...,ξ_{n-r}是基础解系，k₁,...,k_{n-r}为任意常数。非齐次线性方程组Ax=b：*解的性质：若η是Ax=b的解，ξ是对应齐次方程组Ax=0的解，则η+ξ也是Ax=b的解；若η₁,η₂是Ax=b的解，则η₁-η₂是Ax=0的解。*通解：Ax=b的通解为x=η^*+k₁ξ₁+k₂ξ₂+...+k_{n-r}ξ_{n-r}，其中η^*是Ax=b的一个特解，ξ₁,...,ξ_{n-r}是对应齐次方程组的基础解系，k₁,...,k_{n-r}为任意常数。4.3线性方程组的解法*克拉默法则：适用于方程个数等于未知数个数且系数行列式不为零的线性方程组，解可表示为行列式的比值。但对于高阶方程组，计算量较大，实际应用中较少使用。*初等行变换法：将增广矩阵(A|b)通过初等行变换化为行阶梯形矩阵，根据秩判断解的情况；若有解，进一步化为行最简形矩阵，从而直接写出方程组的通解。这是求解线性方程组最常用的方法。五、特征值与特征向量特征值与特征向量是矩阵理论中的重要概念，在矩阵对角化、微分方程、振动理论等方面有重要应用。5.1特征值与特征向量的定义与性质设A是n阶方阵，若存在数λ和非零n维列向量ξ，使得Aξ=λξ，则称λ是A的特征值，ξ是A的对应于特征值λ的特征向量。*特征多项式与特征方程：det(A-λE)称为A的特征多项式，det(A-λE)=0称为A的特征方程。特征方程的根即为A的特征值。*性质：*若ξ是A的对应于λ的特征向量，则kξ(k≠0)也是对应于λ的特征向量。*矩阵A的所有特征值之和等于A的迹tr(A)（主对角线元素之和），所有特征值之积等于A的行列式|A|。*若λ是A的特征值，ξ是对应的特征向量，则φ(λ)是φ(A)的特征值，ξ是对应的特征向量（其中φ为多项式）。*A与A^T有相同的特征多项式，从而有相同的特征值。*对应于不同特征值的特征向量线性无关。5.2相似矩阵与矩阵的对角化设A,B为n阶方阵，若存在可逆矩阵P，使得P^{-1}AP=B，则称A与B相似，记作A~B。*相似矩阵的性质：相似矩阵有相同的特征多项式、特征值、迹、行列式及秩。*矩阵可对角化的条件：n阶方阵A可对角化（即A与对角矩阵相似）的充分必要条件是A有n个线性无关的特征向量。*推论：若A的n个特征值互不相同，则A可对角化。*实对称矩阵的对角化：实对称矩阵的特征值都是实数，不同特征值对应的特征向量正交。实对称矩阵一定可以对角化，且存在正交矩阵Q，使得Q^{-1}AQ=Q^TAQ=Λ（Λ为对角矩阵，其对角元素为A的特征值）。六、二次型二次型是线性代数的重要内容，在几何、优化等领域有广泛应用。6.1二次型的定义与矩阵表示n元二次型是指含有n个变量的二次齐次多项式。它可以表示为f(x₁,x₂,...,xₙ)=x^TAx，其中A是对称矩阵，称为二次型f的矩阵，A的秩称为二次型f的秩。6.2二次型的标准形与规范形*标准形：只含有平方项的二次型，即f=d₁y₁²+d₂y₂²+...+dₙyₙ²。其矩阵为对角矩阵。*规范形：系数只取1,-1,0的标准形。*化二次型为标准形的方法：*配方法：通过代数配方法将二次型化为标准形。*正交变换法：对于实二次型，总可以找到正交变换x=Qy，将其化为标准形f=λ₁y₁²+λ₂y₂²+...+λₙyₙ²，其中λ₁,...,λₙ是二次型矩阵A的特征值。这种方法具有保持几何形状不变的优点。6.3正定二次型实二次型f(x)=x^TAx称为正定二次型，如果对于任意非零x，都有f(x)>0。正定二次型的矩阵A称为正定矩阵。*判定定理：实二次型f=x^TAx正定⇨A的各阶顺序主子式都大于零⇨A的特征值都大于零⇨A与单位矩阵合同⇨存在可逆矩阵C，使得A=C^TC。结语