考研数学线性代数知识点框架【吐血推荐】
考研数学线性代数知识点框架
线性代数知识点框架（一）
线性代数的学习切入点：线性方程组。换言之，可以把线性代数看作是在研究线性方程组这一对象的过程中建立起来的学科。
线性方程组的特点：方程是未知数的一次齐次式，方程组的数目s和未知数的个数n可以相同，也可以不同。
关于线性方程组的解，有三个问题值得讨论：（1）、方程组是否有解，即解的存在性问题；（2）、方程组如何求解，有多少个解；（3）、方程组有不止一个解时，这些不同的解之间有无内在联系，即解的结构问题。
高斯消元法，最基础和最直接的求解线性方程组的方法，其中涉及到三种对方程的同解变换：（1）、把某个方程的k倍加到另外一个方程上去；（2）、交换某两个方程的位置；（3）、用某个常数k乘以某个方程。我们把这三种变换统称为线性方程组的初等变换。
任意的线性方程组都可以通过初等变换化为阶梯形方程组。
由具体例子可看出，化为阶梯形方程组后，就可以依次解出每个未知数的值，从而求得方程组的解。
对方程组的解起决定性作用的是未知数的系数及其相对位置，所以可以把方程组的所有系数及常数项按原来的位置提取出来，形成一张表，通过研究这张表，就可以判断解的情况。我们把这样一张由若干个数按某种方式构成的表称为矩阵。
可以用矩阵的形式来表示一个线性方程组，这至少在书写和表达上都更加简洁。
系数矩阵和增广矩阵。
高斯消元法中对线性方程组的初等变换，就对应的是矩阵的初等行变换。阶梯形方程组，对应的是阶梯形矩阵。换言之，任意的线性方程组，都可以通过对其增广矩阵做初等行变换化为阶梯形矩阵，求得解。
阶梯形矩阵的特点：左下方的元素全为零，每一行的第一个不为零的元素称为该行的主元。
对不同的线性方程组的具体求解结果进行归纳总结（有唯一解、无解、有无穷多解），再经过严格证明，可得到关于线性方程组解的判别定理：首先是通过初等变换将方程组化为阶梯形，若得到的阶梯形方程组中出现0=d这一项，则方程组无解，若未出现0=d一项，则方程组有解；在方程组有解的情况下，若阶梯形的非零行数目r等于未知量数目n，方程组有唯一解，若r 在利用初等变换得到阶梯型后，还可进一步得到最简形，使用最简形，最简形的特点是主元上方的元素也全为零，这对于求解未知量的值更加方便，但代价是之前需要经过更多的初等变换。在求解过程中，选择阶梯形还是最简形，取决于个人习惯。 常数项全为零的线性方程称为齐次方程组，齐次方程组必有零解。 齐次方程组的方程组个数若小于未知量个数，则方程组一定有非零解。 利用高斯消元法和解的判别定理，以及能够回答前述的基本问题（1）解的存在性问题和（2）如何求解的问题，这是以线性方程组为出发点建立起来的最基本理论。 对于n个方程n个未知数的特殊情形，我们发现可以利用系数的某种组合来表示其解，这种按特定规则表示的系数组合称为一个线性方程组（或矩阵）的 行列式。行列式的特点：有n!项，每项的符号由角标排列的逆序数决定，是一个数。 通过对行列式进行研究，得到了行列式具有的一些性质（如交换某两行其值反号、有两行对应成比例其值为零、可按行展开等等），这些性质都有助于我们更方便的计算行列式。 用系数行列式可以判断n个方程的n元线性方程组的解的情况，这就是克莱姆法则。 总而言之，可把行列式看作是为了研究方程数目与未知量数目相等的特殊情形时引出的一部分内容。 线性代数知识点框架（二） 在利用高斯消元法求解线性方程组的过程中，涉及到一种重要的运算，即把某一行的倍数加到另一行上，也就是说，为了研究从线性方程组的系数和常数项判断它有没有解，有多少解的问题，需要定义这样的运算，这提示我们可以把问题转为直接研究这种对n元有序数组的数量乘法和加法运算。 数域上的n元有序数组称为n维向量。设向量a=（a1,a2,…，an），称ai 是a的第i个分量。 元有序数组写成一行，称为行向量，同时它也可以写为一列，称为列向量。要注意的是，行向量和列向量没有本质区别，只是元素的写法不同。 矩阵与向量通过行向量组和列向量组相联系。 对给定的向量组，可以定义它的一个线性组合。线性表出定义的是一个向量和另外一组向量之间的相互关系。 利用矩阵的列向量组，我们可以把一个线性方程组有没有解的问题转化为一 个向量能否由另外一组向量线性表出的问题。同时要注意这个结论的双向作用。 从简单例子（如几何空间中的三个向量）可以看到，如果一个向量a1能由另外两个向量a2、a3线性表出，则这三个向量共面，反之则不共面。为了研究向量个数更多时的类似情况，我们把上述两种对向量组的描述进行推广，便可得到线性相关和线性无关的定义。 通过一些简单例子体会线性相关和线性无关（零向量一定线性无关、单个非零向量线性无关、单位向量组线性无关等等）。 从多个角度（线性组合角度、线性表出角度、齐次线性方程组角度）体会线性相关和线性无关的本质。 部分组线性相关，整个向量组线性相关。向量组线性无关，延伸组线性无关。 回到线性方程组的解的问题，即一个向量b在什么情况下能由另一个向量组a1,a2,…，an线性表出？如果这个向量组本身是线性无关的，可通过分析立即得到答案：b, a1, a2, …，an线性相关。如果这个向量组本身是线性相关的，则需进一步探讨。 任意一个向量组，都可以通过依次减少这个向量组中向量的个数找到它的一个部分组，这个部分组的特点是：本身线性无关，从向量组的其余向量中任取一个进去，得到的新的向量组都线性相关，我们把这种部分组称作一个向量组的极大线性无关组。 如果一个向量组A中的每个向量都能被另一个向量组B线性表出，则称A 能被B线性表出。如果A和B能互相线性表出，称A和B等价。 一个向量组可能又不止一个极大线性无关组，但可以确定的是，向量组和它的极大线性无关组等价，同时由等价的传递性可知，任意两个极大线性无关组等 价。 注意到一个重要事实：一个线性无关的向量组不能被个数比它更少的向量组线性表出。这是不难理解的，例如不共面的三个向量（对应线性无关）的确不可能由平面内的两个向量组成的向量组线性表出。 一个向量组的任意两个极大线性无关组所含的向量个数相等，我们将这个数目r称为向量组的秩。 向量线性无关的充分必要条件是它的秩等于它所含向量的数目。等价的向量组有相同的秩。 有了秩的概念以后，我们可以把线性相关的向量组用它的极大线性无关组来替换掉，从而得到线性方程组的有解的充分必要条件：若系数矩阵的列向量组的秩和增广矩阵的列向量组的秩相等，则有解，若不等，则无解。 向量组的秩是一个自然数，由这个自然数就可以判断向量组是线性相关还是线性无关，由此可见，秩是一个非常深刻而重要的概念，故有必要进一步研究向量组的秩的计算方法。 线性代数知识点框架（三） 为了求向量组的秩，我们来考虑矩阵。矩阵的列向量组的秩称为矩阵的列秩，行向量组的秩称为行秩。 对阶梯形矩阵进行考察，发现阶梯形矩阵的行秩等于列秩，并且都等于阶梯形的非零行的数目，并且主元所在的列构成列向量组的一个极大线性无关组。 矩阵的初等行变换不会改变矩阵的行秩，也不会改变矩阵的列秩。 任取一个矩阵A，通过初等行变换将其化成阶梯形J，则有：A的行秩=J 的行秩=J的列秩=A的列秩，即对任意一个矩阵来说，其行秩和列秩相等，我们 统称为矩阵的秩。 通过初等行变换化矩阵为阶梯形，即是一种求矩阵列向量组的极大线性无关组的方法。 考虑到A的行秩和A的转置的列秩的等同性，则初等列变换也不会改变矩阵的秩。总而言之，初等变换不会改变矩阵的秩。因此如果只需要求矩阵A的秩，而不需要求A的列向量组的极大无关组时，可以对A既作初等行变换，又作初等列变换，这会给计算带来方便。 矩阵的秩，同时又可定义为不为零的子式的最高阶数。 满秩矩阵的行列式不等于零。非满秩矩阵的行列式必为零。 既然矩阵的秩和矩阵的列秩相同，则可以把线性方程组有解的充分必要条件更加简单的表达如下：系数矩阵的秩等于增广矩阵的秩。另外，有唯一解和有无穷多解的条件也可从秩的角度给出回答：系数矩阵的秩r等于未知量数目n，有唯一解，r 齐次线性方程组的解的结构问题，可以用基础解系来表示。当齐次线性方程组有非零解时，基础解系所含向量个数等于n-r，用基础解系表示的方程组的解的集合称为通解。 通过对具体实例进行分析，可以看到求基础解系的方法还是在于用初等行变换化阶梯形。 非齐次线性方程组的解的结构，是由对应的齐次通解加上一个特解。 线性代数知识点框架（四） 在之前研究线性方程组的解的过程当中，注意到矩阵及其秩有着重要的地位和应用，故还有必要对矩阵及其运算进行专门探讨。 矩阵的加法和数乘，与向量的运算类同。 矩阵的另外一个重要应用：线性变换（最典型例子是旋转变换）。即可以把一个矩阵看作是一种线性变换在数学上的表述。 矩阵的乘法，反映的是线性变换的叠加。如矩阵A对应的是旋转一个角度a，矩阵B对应的是旋转一个角度b，则矩阵AB对应的是旋转一个角度a+b。 矩阵乘法的特点：若C=AB，则C的第i行、第j列的元素是A的第i行与B的第j列的元素对应乘积之和；A的列数要和B的行数相同；C的行数是A的行数，列数是B的列数。需要主义的是矩阵乘法不满足交换律，满足结合律。 利用矩阵乘积的写法，线性方程组可更简单的表示为：Ax=b。 对于C=AB，还可作如下分析：将左边的矩阵A写成列向量组的形式，即意味着C的列向量组能由A的列向量组表示，从而推知C的列秩小于等于A的列秩；将右边的矩阵B写成行向量组的形式，即意味着C的行向量组能由B的行向量组表示，从而推知C的行秩小于等于B的行秩，再考虑到矩阵的行秩等于列秩等于矩阵的秩，最终可得到结论，C的秩小于等于A的秩，也小于等于B 的秩，即矩阵乘积的秩总不超过任一个因子的秩。 关于矩阵乘积的另外一个重要结论：矩阵乘积的行列式等于各因子的行列式的乘积。 一些特殊的矩阵：单位阵、对角阵、初等矩阵。尤其要注意，初等矩阵是单位阵经过一次初等变换得到的矩阵。 每一个初等矩阵对应一个初等变换，因为左乘的形式为PA（P为初等矩阵），将A写成行向量组的形式，PA意味着对A做了一次初等行变换；同理，AP意味着对A做了一次初等列变换，故左乘对应行变换，右乘对应列变换。 若AB=E，则称A为可逆矩阵，B是A的逆阵，同样，这时的B也是可逆矩阵，注意可逆矩阵一定是方阵。 第一种求逆阵的方法：伴随阵。这种方法的理论依据是行列式的按行（列）展开。 矩阵可逆，行列式不为零，行（列）向量组线性无关，满秩，要注意这些结论之间的充分必要性。 单位阵和初等矩阵都是可逆的。 若矩阵可逆，则一定可以通过初等变换化为单位阵，这是不难理解的，因为初等矩阵满秩，故最后化成的阶梯型（最简形）中非零行数目等于行数，主元数目等于列数，这即是单位阵。进一步，既然可逆矩阵可以通过初等变换化为单位阵，而初等变换对应的是初等矩阵，即意味着：可逆矩阵可以通过左（右）乘一系列初等矩阵化为单位阵，换言之可逆矩阵可看作是一系列初等矩阵的乘积，因为单位阵在乘积中可略去。 可逆矩阵作为因子不会改变被乘（无论左乘右乘）的矩阵的秩。 由于可逆矩阵可以看作是一系列初等矩阵的乘积，可以想象，同样的这一系列初等矩阵作用在单位阵上，结果是将这个单位阵变为原来矩阵的逆阵，由此引出求逆阵的第二种方法：初等变换。需要注意的是这个过程中不能混用行列变换，且同样是左乘对应行变换，右乘对应列变换。 矩阵分块，即可把矩阵中的某些行和列的元素看作一个整体，对这些被看作是整体的对象构成的新的矩阵，运算法则仍然适用。将矩阵看成一些列行向量组或列向量组的形式，实际也就是一种最常见的对矩阵进行分块的方式。 线性代数知识点框架（五） 由矩阵乘法的特点可知，计算一个矩阵A的n次方，相对于数乘运算来说要繁琐得多。我们注意到，如果存在可逆矩阵P和对角矩阵∧，使得A=P*∧*P 逆，那么有： （P*∧*P逆）^n=（P*∧*P逆）（P*∧*P逆）…（P*∧*P逆）=P*∧^n*P 逆由于对角矩阵的乘方容易计算，从而问题得到大幅简化。 对矩阵A、B来说，如果存在着可逆矩阵P，使得A=P *B*P逆，我们称A 与B是相似的。特别地，如果A与对角矩阵∧相似，则称A可对角化。由此可见，如果矩阵A可对角化，那么A^n的计算将变得简单许多。故可把相似的说法理解为一个在寻找矩阵乘方简便运算的过程中提出来的概念。 相似的矩阵有许多共同的性质，如有相同的秩和相同的行列式值，相似的矩阵或者都可逆，或者都不可逆，等等。 设矩阵A相似于对角矩阵∧，那么： ∧*P逆＜＝＞AP=P∧，其中P为可逆矩阵＜＝＞A*（a1, a2, …，an）=（a1, a2, …，an）*∧，其中a1, a2, …，an分别为可逆矩阵P的列向量，λ1, λ2, …，λn分别为对角矩阵∧的主对角线上元素＜＝＞A*a1=λ1*a1，A*a2=λ2*a2，…，A*an=λ也就是说，矩阵A能对角化的关键，在于找到n个常数λ1, λ2, …，λn和n个线性无关的向量a1, a2, …，an（因为这些向量构成的矩阵可逆，这也决定了零向量不是特征向量），使得A*ai=λi*ai（i=1，2，3，…，n）。 我们把满足条件A*ai=λi*ai的λi称为矩阵A的特征值，ai称为矩阵A对应特征值λi的特征向量。换句话说，一个矩阵能够相似于对角矩阵的充分必要条件是：存在n个线性无关的特征向量。 接下来的问题是如何求矩阵的特征值和特征向量？一个方案是从定义A*ai=λi*ai出发，直接寻找满足这样要求的λi 和ai，但这一般是不容易做到的，故还有必要去建立一种更为普遍的方法。 设A*ai=λ＜＝＞（A-λi*E）＜＝＞对λi来说，ai是齐次线性方程组（A-λi*E）*X=0的一个非零解（因为ai构成的向量组线性无关）＜＝＞方程组的系数行列式det（A-λi*E）由此可见，每一个特征值λi都是多项式det（A-λ*E）在指定数域（一般是实数域）上的根，我们称这个多项式为矩阵A的特征多项式，不难验证，它是一个λ的n次多项式。依据特征方程det（A-λ*E）=0，即可求出矩阵A的全部特征值。 对矩阵A的每个特征值λi，求齐次线性方程组（A-λi*E）*X=0的解，得到的全部非零解（一般可用基础解系表示）就是A的属于特征值λi的全部特征向量。由此可得到两点启示：对同一个特征值来说，特征向量不唯一；对同一特征值来说，特征向量的线性组合仍为特征向量。 相似的矩阵有相同的特征多项式和特征值，但有相同特征多项式的两个矩阵不一定相似。相似的矩阵有相同的秩，故一个可对角化矩阵的非零特征值的数目即为其秩。 在求出矩阵的全部特征值和全部特征向量以后，剩下的问题就是判断这些所有的特征向量中有没有n个是线性无关的？如果有，意味着矩阵可对角化，如果没有，则矩阵不可对角化。 对一个矩阵A来说，考虑到其n个特征值可能相同也可能不同，故最一般的情况应该是把A的这n个特征值分为m组，分别为λ1, λ2, …，λm，每组的个数分别为j1，j2，…，jm（注意有j1+j2+…+jm=n），对每个λi（i=1，2，…， m），齐次线性方程组（A-λi*E）*X=0的基础解系解向量的个数分别为r1，r2，…，rm，这些基础解系各自当然都是A的线性无关的特征向量，自然会进一步联想，把这m组共r1+r2+…+rm个向量合在一起情况如何，是否仍线性无关？ 经过考察发现，矩阵A的属于不同的特征值的特征向量一定线性无关。故上述r1+r2+…+rm个来自不同特征值的特征向量构成的向量组确实是线性无关的。于是不难有如下结论，若r1+r2+…+rm=n，则A有n个线性无关的特征向量，从而A可对角化，若r1+r2+…+rm 若矩阵A具有n个不同的特征值，则A可对角化。 由此可见，要判断一个矩阵是否可对角化，通常需要求出其全部特征值（相当于解代数方程的问题），再求出每个特征值所对应的特征向量（相当于解齐次线性方程组的问题）并考察其相互之间的线性无关性。亦即我们应当建立起这样的认识：相似变换，尤其是相似对角变换，并不是对任何一个矩阵来说都可以进行的，这其中关键在于能否找到一个可逆矩阵P来为两者提供联系，换言之就是应当满足某些对应的条件。当然，可以想象，也许对于具有某些特点的矩阵来说，它们本身就满足这种既定条件，从而必可以对角化。 实对称矩阵就是这样一种特殊的矩阵，它一定存在着n个线性无关的特征向量，即一定可对角化。实对称矩阵属于不同特征值得特征向量是正交的，而之前已经提到过，对同一特征值来说，其特征向量的线性组合仍是其特征向量，故可利用施密特正交化方法（本质是线性组合）来构造出一组属于同一特征值的正交特征向量，这些正交化单位化后的特征向量就决定了实对称矩阵一定可以正交对角化。要注意到正交矩阵当然是可逆的，正交的向量组当然是线性无关的，这 是实对称矩阵对于一般矩阵来说在相似变换性质上更为优越的地方。 线性代数知识点框架（六）在实际生活中，我们常常会遇到许多与n个变量x1，x2，…，xn构成的二次齐次多项式f（x1，x2，…，xn）相关的问题（如二次曲面问题、多元函数的极值问题等），我们将这种多项式称为一个n元二次型。 可以看到，与线性方程组类似，对二次型的性质起决定作用的是自变量的系数及其相对位置，这提示我们可以把这些系数排成的一个n阶矩阵A，用矩阵的工具来研究二次型，具体做法是： 令X=（x1，x2，…，xn）'，则二次型f（x1，x2，…，xn）可以写成：（x1，x2，…，xn）其中A称为二次型f（x1，x2，…，xn）的矩阵，它的特点是：主对角线上的元素是完全平方项的系数，（i，j）位置上的元素是交叉项系数的一半，这决定了二次型矩阵的对称性和唯一性。 我们知道，矩阵的一个应用是线性变换，即关系式X=CY表示的是从变量x1，x2，…，xn到变量y1，y2，…，yn的一个线性变换，一般来说，我们还要求这种变换是可逆的（即C可逆）。从坐标变换的角度来看，向量R在X坐标系下的分量x1，x2，…，xn与Y坐标系下的分量y1，y2，…，yn通过转换矩阵C相联系，这表明：同一个向量实体在不同坐标系下可以有不同的表现形式，但本质上并无区别。 利用线性变换X=C*Y，变量X的一个二次型f（x1，x2，…，xn）=X'AX 可以变成（CY）'A（CY）=Y'C'ACY= Y'（C'AC）设C'AC=B，则有Y'BY= f （y1，y2，…，yn），这是变量Y的一个二次型，不难验证，B正是二次型f（y1，y2，…，yn）的矩阵。 从坐标变换的角度来看，与向量类似，同一个二次型f在不同的坐标系下可以有不同的表现形式，两者通过关系式C'AC=B相联系，但本质上并无区别。 对矩阵A、B来说，如果存在着可逆矩阵C，使得C'AC=B，我们称A与B 是合同的，不难推断，合同的矩阵有相同的秩，且对应着同一个二次型。特别地，如果矩阵A与对角矩阵∧合同，那这个对角矩阵∧对应的就是一个只含完全平方项的二次型，称为标准型。将二次型化为标准型来进行研究，因为不含交叉项，问题变得简单许多。 注意到二次型的矩阵总是对称矩阵，故对于实数域上的二次型X'AX来说，其矩阵A必可正交对角化，故必定存在一个正交矩阵Q，使得Q逆*A*Q=∧，同时考虑到Q'=Q逆，因此Q'AQ=∧，即A合同于对角矩阵。也就是说，对实数域上的任意一个二次型，都能够通过合适的坐标变换化为标准型。从坐标变换的角度来看，我们总可以找到一个合适的坐标系，在该坐标系中，二次型f以相对较为简单的，仅含完全平方项的形式表现出来，而这些完全平方项的系数（也就是矩阵A的特征值），就决定了该二次型具有的全部性质。 同一个实二次型X'AX，其标准型不唯一，但标准型中完全平方项的个数r 是唯一的，同时r也就是二次型矩阵A的秩。 这里应该着重体会的是，正是利用实对称矩阵在相似变换上强有力的性质（必可正交对角化），我们才得以将二次型化标准型的问题转化为矩阵求特征值特征向量的问题，而后者是之前就已经探讨清楚了的。 在得到实二次型的标准型后，还可对标准型中所有平方项的系数进行归一化，即得到规范型，一个二次型的规范性是唯一的。规范型只含平方项，且平方项的系数只有1，0，-1，实二次型的规范性由正惯性指数的个数p和负惯性指数的 个数q决定，其中p+q=r为二次型矩阵的秩。规范型在形式上更为简单，一般常通过研究二次型的规范型来对其作出一些定性的判断。 正定二次型是无论自变量如何取值都能保证结果恒正的二次型，即对于任意非零的X，都有X'AX>0。判断一个二次型的正定性，一种选择是直接从定义出发，另一种方案可考虑利用规范型（因为无论正定负定都是一个定性而非定量的结论），而实际上正定二次型的许多性质也确实能通过其规范型相联系，这是值得注意的。 线性代数知识点总结 第一章 行列式 1. n 阶行列式()() 12 1212 11121212221212 1= = -∑ n n n n t p p p n p p np p p p n n nn a a a a a a D a a a a a a 2.特殊行列式 () () 1112 11222211221122010 n t n n nn nn nn a a a a a D a a a a a a a = =-= 1 2 12 n n λλλλλλ=， () ()1 12 2 121n n n n λλλλλλ-=- 3.行列式的性质 定义 记 11121212221 2 n n n n nn a a a a a a D a a a =，11211 1222212n n T n n nn a a a a a a D a a a = ，行列式T D 称为行列式D 的转置行列式。 性质1 行列式与它的转置行列式相等。 性质2 互换行列式的两行() ?i j r r 或列() ?i j c c ，行列式变号。 推论 如果行列式有两行（列）完全相同（成比例），则此行列式为零。 性质3 行列式某一行（列）中所有的元素都乘以同一数()?j k r k ，等于用数k 乘此行列式； 推论1 D 的某一行（列）中所有元素的公因子可以提到D 的外面; 推论2 D 中某一行（列）所有元素为零，则=0D 。 性质4 若行列式的某一列（行）的元素都是两数之和，则 1112111212222212 () ()()i i n i i n n n ni ni nn a a a a a a a a a a D a a a a a '+'+='+11121111121121222221222212 12 i n i n i n i n n n ni nn n n ni nn 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6 把行列式的某一列（行）的各元素乘以同一数然后加到另一列(行)对应的元素上去， 什么是线性代数 线性代数是高等代数的一大分支。我们知道一次方程叫做线性方程，讨论线性方程及线性运算的代数就叫做线性代数。在线性代数中最重要的内容就是行列式和矩阵。它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题；因而，线性代数被广泛地应用于抽象代数和泛函分析中；通过解析几何，线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型，使得线性代数被广泛地应用于自然科学和社会科学中。 向量的概念, 从数学的观点来看不过是有序三元数组的一个集合, 然而它以力或速度作为直接的物理意义, 并且数学上用它能立刻写出物理上所说的事情。向量用于梯度, 散度, 旋度就更有说服力。同样, 行列式和矩阵如导数一样（虽然dy/dx 在数学上不过是一个符号, 表示包括△y/△x的极限的长式子, 但导数本身是一个强有力的概念, 能使我们直接而创造性地想象物理上发生的事情）。因此，虽然表面上看，行列式和矩阵不过是一种语言或速记，但它的大多数生动的概念能对新的思想领域提供钥匙。然而已经证明这两个概念是数学物理上高度有用的工具。 线性代数基本上出现于十七世纪。直到十八世纪末，线性代数的领域还只限于平面与空间。十九世纪上半叶才完成了到n维向量空间的过渡矩阵论始于凯莱，在十九世纪下半叶，因若当的工作而达到了它的顶点．1888年，皮亚诺以公理的方式定义了有限维或无限维向量空间。托普利茨将线性代数的主要定理推广到任意体上的最一般的向量空间中．线性映射的概念在大多数情况下能够摆脱矩阵计算而引导到固有的推理，即是说不依赖于基的选择。不用交换体而用未必交换之体或环作为算子之定义域，这就引向模的概念，这一概念很显著地推广了向量空间的理论和重新整理了十九世纪所研究过的情况。 由于它的简便，所以就代数在数学和物理的各种不同分支的应用来说，线性代数具有特殊的地位．此外它特别适用于电子计算机的计算，所以它在数值分析与运筹学中占有重要地位。 线性代数是讨论矩阵理论、与矩阵结合的有限维向量空间及其线性变换理论的一门学科。 主要理论成熟于十九世纪，而第一块基石（二、三元线性方程组的解法）则早在两千年前出现（见于我国古代数学名著《九章算术》）。 ①线性代数在数学、力学、物理学和技术学科中有各种重要应用，因而它在各种代数分支中占居首要地位； ②在计算机广泛应用的今天，计算机图形学、计算机辅助设计、密码学、虚拟现实等技术无不以线性代数为其理论和算法基础的一部分；。 考研线性代数知识点全面汇总 ————————————————————————————————作者：————————————————————————————————日期： 2 《线性代数》复习提纲 第一章、行列式 1．行列式的定义：用2n 个元素ij a 组成的记号称为n 阶行列式。 （1）它表示所有可能的取自不同行不同列的n 个元素乘积的代数和； （2）展开式共有n!项，其中符号正负各半； 2．行列式的计算 一阶|α|=α行列式，二、三阶行列式有对角线法则； N 阶（n ≥3）行列式的计算：降阶法 定理：n 阶行列式的值等于它的任意一行（列）的各元素与其对应的代数余子式乘积的和。 方法：选取比较简单的一行（列），保保留一个非零元素，其余元素化为0，利用定理展开降阶。 特殊情况：上、下三角形行列式、对角形行列式的值等于主对角线上元素的乘积； ?行列式值为0的几种情况： Ⅰ 行列式某行（列）元素全为0； Ⅱ 行列式某行（列）的对应元素相同； Ⅲ 行列式某行（列）的元素对应成比例； Ⅳ 奇数阶的反对称行列式。 3.概念：全排列、排列的逆序数、奇排列、偶排列、余子式ij M 、代数余子式ij j i ij M A +-=)1( 定理：一个排列中任意两个元素对换，改变排列的奇偶性。 奇排列变为标准排列的对换次数为基数，偶排列为偶数。 n 阶行列式也可定义：n q q q n a a a ?=∑21t 2 1 1-D ）（，t 为n q q q ?21的逆序数 4.行列式性质： 1、行列式与其转置行列式相等。 2、互换行列式两行或两列，行列式变号。若有两行(列)相等或成比例，则为行列式0。 3、行列式某行（列）乘数k,等于k 乘此行列式。行列式某行（列）的公因子可提到外面。 4、行列式某行（列）的元素都是两数之和，则此行列式等于两个行列式之和。 5、行列式某行（列）乘一个数加到另一行（列）上，行列式不变。 6、行列式等于他的任一行（列）的各元素与其对应代数余子式的乘积之和。（按行、列展开法则） 7、行列式某一行（列）与另一行（列）的对应元素的代数余子式乘积之和为0. 5.克拉默法则： 《线性代数》复习 学习目标： 1. 对全学期课程作一个框架式总结； 2. .概述主要的基本概念、理论要点和算法要求； 学习要求：“融会贯通” “融会”—---设法找到不同知识点之间的内在相通之处； “贯通”—----掌握前后知识点之间的顺承关系。 ? §1 整体框架：五个模块――“三大工具、两大问题”。 “三大工具”：行列式（运算工具）、矩阵（运算工具）、向量空间（思维工具）； “两大问题”：多元一次问题 模块结构图及主要内容关系框图大致如下： ? §2.两个阶段： 第一阶段：行列式（Ch.1）→ 矩阵（一）（运算、初等变换、秩）（Ch.2& Ch.3）→ 向量空间（－） （线性相关性、秩）（Ch.）→ 线性方程组（Ch .3&Ch.4）；解决一次问题； 第二阶段：向量空间（二）（空间结构（基，维）、基本度量、正交阵）（Ch.4&Ch.5）→ 矩阵（二 （特征值、矩 阵变换、对角化）（Ch.5）→ 二次型（Ch.5）；解决二次问题。 ? §3 一条主线：矩阵 就期末考试而言，应抓住矩阵作为主线，把握主要的概念、理论和算法；空间为体，矩阵为用, 一、 矩阵的基本算法： 1. 代数运算：六种代数运算（加法、数乘、乘法、求逆、转置、行列式）必须熟练掌握（可运算的条件、运算法则、运算律、一些须注意之 点）； 2. 分块：一些常用分块法、分块形式下的运算； 3. 初等变换：一定要学会化行阶梯形、最简形；会用来解方程组； 4. 特征值和特征向量，也应熟练掌握其完整的算法 二、矩阵的秩：先用“回溯法”把主要概念串起来： 矩阵的秩← 向量组的秩← 最大无关组← 线性相关与线性无关← 线性组合与线性表示 ←向量及其线性运算， 这是一条逻辑主线，然后在各部分挂上主要的定理和方法，整个第四章的内容就基本囊括了， 且能使众多概念、定理、算法井然有序； 三、矩阵变换：第二阶段，在初等变换的基础上再前进一步： 1. 相似变换与对角化：主要性质、可对角化的条件、实施过程（算法）、应用（矩阵的高次幂）； 2. 合同变换：要求相对低一些，知道概念和性质即可，算法不要求； 3. 正交变换： （1）先用回溯法理顺概念： 正交变换←正交阵←正交（规范）基← 正交（规范）组←正交、规范← 夹角、范数←内积； （2）再回顾正交阵的主要性质，特别是A?1 = AΤ，便可与相似变换、合同变换挂钩； （3）应用：实对称阵的对角化（→二次型的标准化）。 注意：比较不同变换的条件、性质、变换过程（算法）、应用范畴、相互关系，在比较中把握。 §4 等价描述与联系：（阶段一：矩阵、行列式、向量与方程组） 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；后两章特征值、特征向量、二次型的内容则相对独立，可以看作是对核心内容的扩展。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。 （1）几个等价描述 1.方程组的定义：由n个未知数m个方程的方程组构成n元线性方程： ①、 11112211 21122222 1122 n n n n m m nm n n a x a x a x b a x a x a x b a x a x a x b +++= ? ?+++= ? ? ? ?+++= ? 的两种定义形式，矩阵形式②和向量形式③： ②、 1112111 2122222 12 ?????? ??? ? ??? ? =?= ??? ? ??? ? ?????? n n m m mn n n a a a x b a a a x b Ax b a a a x b （A为m n ?矩阵，m个方程，n个未知数） ③、 b a x a x a x n n = +???+ + 2 2 1 1，其中 ? ? ? ? ? ? ? ? ? ? ? ? ??? = ni i i i a a a a2 1 n i??? =2,1即列向量形式 2.秩的定义 ①矩阵秩的定义：矩阵中最高阶非零子式 ．．．．．．．的阶数=阶梯型非零行的行数=阶梯型主元列的列数 ②向量组秩定义：向量组的最大线性无关组 ．．．．．．．中所含的向量个数=阶梯型主元列的列数=矩阵的秩 考研英语作文万能模板考研英语作文万能模板函数 极限数列的极限特殊——函数的极限一般 极限的本质是通过已知某一个量自变量的变化趋势去研究和探索另外一个量因变量的变化趋势 由极限可以推得的一些性质局部有界性、局部保号性……应当注意到由极限所得到的性质通常都是只在局部范围内成立 在提出极限概念的时候并未涉及到函数在该点的具体情况所以函数在某点的极限与函数在该点的取值并无必然联系连续函数在某点的极限等于函数在该点的取值 连续的本质自变量无限接近因变量无限接近导数的概念 本质是函数增量与自变量增量的比值在自变量增量趋近于零时的极限更简单的说法是变化率 微分的概念函数增量的线性主要部分这个说法有两层意思一、微分是一个线性近似二、这个线性近似带来的误差是足够小的实际上任何函数的增量我们都可以线性关系去近似它但是当误差不够小时近似的程度就不够好这时就不能说该函数可微分了不定积分导数的逆运算什么样的函数有不定积分 定积分由具体例子引出本质是先分割、再综合其中分割的作用是把不规则的整体划作规则的许多个小的部分然后再综合最后求极限当极限存在时近似成为精确 什么样的函数有定积分 求不定积分定积分的若干典型方法换元、分部分部积分中考虑放到积分号后面的部分不同类型的函数有不同的优先级别按反对幂三指的顺序来记忆 定积分的几何应用和物理应用高等数学里最重要的数学思想方法微元法 微分和导数的应用判断函数的单调性和凹凸性 微分中值定理可从几何意义去加深理解 泰勒定理本质是用多项式来逼近连续函数。要学好这部分内容需要考虑两个问题一、这些多项式的系数如何求二、即使求出了这些多项式的系数如何去评估这个多项式逼近连续函数的精确程度即还需要求出误差余项当余项随着项数的增多趋向于零时这种近似的精确度就是足够好的考研英语作文万能模板考研英语作文万能模板多元函数的微积分将上册的一元函数微积分的概念拓展到多元函数 最典型的是二元函数 极限二元函数与一元函数要注意的区别二元函数中两点无限接近的方式有无限多种一元函数只能沿直线接近所以二元函数存在的要求更高即自变量无论以任何方式接近于一定点函数值都要有确定的变化趋势 连续二元函数和一元函数一样同样是考虑在某点的极限和在某点的函数值是否相等导数上册中已经说过导数反映的是函数在某点处的变化率变化情况在二元函数中一点处函数的变化情况与从该点出发所选择的方向有关有可能沿不同方向会有不同的变化率这样引出方向导数的概念 沿坐标轴方向的导数若存?诔浦际?通过研究发现方向导数与偏导数存在一定关系可用偏导数和所选定的方向来表示即二元函数的两个偏导数已经足够表示清楚该函数在一点沿任意方向的变化情况高阶偏导数若连续则求导次序可交换 微分微分是函数增量的线性主要部分这一本质对一元函数或多元函数来说都一样。只不过若是二元函数所选取的线性近似部分应该是两个方向自变量增量的线性组合然后再考虑误差是否是自变量增量的高阶无穷小若是则微分存在 仅仅有偏导数存在不能推出用线性关系近似表示函数增量后带来的误差足够小即偏导数存在不一定有微分存在若偏导数存在且连续则微分一定存在 极限、连续、偏导数和可微的关系在多元函数情形里比一元函数更为复杂 极值若函数在一点取极值且在该点导数偏导数存在则此导数偏导数必为零 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。 2、转置的性质（5条） （1）（A+B）T=A T+B T （2）（kA）T=kA T （3）（AB）T=B T A T （4）|A|T=|A| （5）（A T）T=A （二）矩阵的逆 3、逆的定义： AB=E或BA=E成立，称A可逆，B是A的逆矩阵，记为B=A-1 注：A可逆的充要条件是|A|≠0 4、逆的性质：（5条） （1）（kA）-1=1/k·A-1 (k≠0) （2）（AB）-1=B-1·A-1 （3）|A-1|=|A|-1 （4）（A T）-1=（A-1）T （5）（A-1）-1=A 个进行突破比整体看待要容易很多。首先是行列式和矩阵，这里说的是第三第五和第六章，为什么要对这三个部分进行整体的复习呢，因为他们的内容关联性比较大，逐个突破，以两章为一个单位。我们在复习的初期应该把每个章节中出现的知识点和定理都整理出来记在笔记本上，找到他们彼此的关系，将知识点整体框架化。同学们在整理时可以以树形图的方式，最后根据每一个知识点各个击破。第5章不用细看，第六章第七章主要是记忆，在记忆的基础上尽可能的理解。浙大版的书上每章的课后题相当经典，请同学们反复推敲，做过之后，再进行一遍总结，针对题型对应知识点进行复习和归 类。 这两门课程的做题技巧完全体现在知识点的连贯性和总结基础上，零散的看书完全达不到这些目的，只有看书也不能帮助你在这两门课程上拿到好的成绩。一定要在笔记整理方面下功夫，笔记的整理主要为了方便记忆，也是对知识点整理后的形象 记忆法。最后根据这个大纲来一个各个击破，讲每个部分的内容所出现的题型，一口气做20道，在总结相应的思路，同时打开自己总结的笔记，来一个反馈。最好将自己的总结笔记分成两类，一类是知识点笔记，一类是题型思路归纳，这样一来反馈学习效果更明显，思路更清晰。 另外要学会发现和找到自身的短板和薄弱项，要知道自己哪里不会。那个题做错了也是要注意的问题，错了不能只知道正确答案就行，要知道哪里错了为什么错了。正确答题的思路是什么，只有这样才能真正的了解到错误的意义，做题才没有白做。这样给自己接下来的学习指明方向，明白下一步应该复习哪里，针对哪里进行练习。 考研复习冲刺阶段，同学们要注意安排有效的复习计划，并按计划安排执行，这样才能在时间紧的情况下完成繁重的复习任务，预祝大家考试顺利。 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 ^a i j ，元素a j 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 a 1i A Ij ' a 2i A 2 j ' a ni A nj ^ 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 m n 矩阵A =（a j ）mn 是一个矩阵表。当 m =n 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 a i 1A j 1 ■ a i2A j 2 ? a in A jn = 〔 D ' 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AB = BA ,则称矩阵A与B可换。注：矩阵乘积不一定符合交换 (2)方阵的幕：对于n阶矩阵A及自然数k， A k=A A A , 1 k个 规定A° = I ,其中I为单位阵. (3) 设多项式函数(J^a^ k?a1?k^l Z-心律??a k，A为方阵，矩阵A的 多项式(A) = a0A k?a1A k' …-?-a k jA ■ a k I ,其中I 为单位阵。 (4)n阶矩阵A和B ,贝U AB=IAB . (5)n 阶矩阵A ,则∣∕Λ =λn A 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 , AA* = A*A = AE 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A m n, B nl,将矩 从近几年的真题来看，数学线性代数出题没有过多的变化，2014年的考研[微博]学子们，如何做到在千军万马中胜出，需要我们提前准备，更要做到心中有数，下面跨考教育[微博]数学教研室张老师就考研中线性代数部分的复习重点 在考前再给大家梳理一遍。 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，其中具体行列式的计算又有低阶和高阶两种类型；主要方法是应用行列式的性质及按行列展开定理化为上下三角行列式求解。对于抽象行列式的求值，考点不在求行列式，而在于相关性质，矩阵部分出题很灵活，频繁出现的知识点包括矩阵运算的运算规律、运算性质、矩阵可逆的判定及求逆、矩阵的秩的性质、初 等矩阵的性质等。 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；后两章特征值、特征向量、二次型的内容则相对独立，可以看作是对核心内容的扩展。 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。 解线性方程组可以看作是出发点和目标。线性方程组(一般式) 还具有两种形式：(1)矩阵形式，(2)向量形式。 1)齐次线性方程组与线性相关、无关的联系 齐次线性方程组可以直接看出一定有解，因为当变量都为零时等式一定成立；印证了向量部分的一条性质“零向量可由任何向量线性表示”。 齐次线性方程组一定有解又可以分为两种情况：①有唯一零解；②有非零解。当齐次线性方程组有唯一零解时，是指等式中的变量只能全为零才能使等式成 立，而当齐次线性方程组有非零解时，存在不全为零的变量使上式成立；但向量部分中判断向量组是否线性相关无关的定义也正是由这个等式出发的。故向量与线性方程组在此又产生了联系：齐次线性方程组是否有非零解对应于系数矩阵的列向量组是否线性相关。可以设想线性相关无关的概念就是为了更好地讨论线 性方程组问题而提出的。 2008年线性代数必考的知识点 1、行列式 1. n 行列式共有2n 个元素，展开后有!n 项； 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. 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 A B C B O B ==、 (1)m n C A O A A B B O B C ==- ⑥、范德蒙行列式：大指标减小指标的连乘积； ⑦、特征值； 5. 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 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： 2017考研数学线性代数知识点及例题 线性代数是考研数学比较重要的部分，需要各位同学用心去对待，以下为大家梳理线性代数知识框架，希望能对各位同学复习备考有帮助！ 线性代数的学习切入点：线性方程组。换言之，可以把线性代数看作是在研究线性方程组这一对象的过程中建立起来的学科。 考研数学重点题型备考之线性代数，供考生参考： 考研数学中线性代数的概念很多,往年常有考生没有准确把握住概念的内涵，也没有 注意相关概念之间的区别与联系，导致做题时出现错误。线性代数中运算法则多，应整理清 楚不要混淆，基本运算与基本方法要过关.使知识形成网，努力提高综合分析能力。 考研数学备考要早计划、早安排、早动手.因为数学是一门思维严谨、逻辑性强、相对 比较抽象的学科.和一些记忆性较多的学科不同，数学需要理解的概念多，方法又灵活多变， 而理解概念，特别是理解比较抽象的概念是一个渐近的过程，它需要思考、消化，需要琢磨、 需要从不同的角度、不同的侧面的深入研究，总之它需要时间，任何搞突击，搞速成的思想 不可取，这对大多数考生而言，不可能取得成功;另一方面，早计划、早安排、早动手是采 取笨鸟先飞之策，这是考研的激烈竞争现实所要求的，早一天准备，多一分成绩，多一份把 握，现在不少大一、大二的在校生已经在准备2～3年后的考研，这似乎是早了点，但作为 一个目标、作为一个追求，无可非议.作为2001年的考生，从现在开始备考，恐怕已经不算 太早了. 此外，就是要认真研究考试大纲，要根据考试大纲规定的考试内容、考试要求、考试样 题有计划地、认真地、全面地、系统地复习备考，加强备考的针对性. 由于全国基础数学教材(高等数学，线性代数，概率论和数理统计)并不统一，各学校、 各专业对这些课程要求的层次也各不相同，因此教育部并没有指定统一的教材或参考书作为 命题的依据，而是以教育部制定的《全国硕士研究生入学统一考试数学考试大纲》(下称《大 纲》)作为考试的法规性文件，命题以《大纲》为依据，考生备考复习当然也应以《大纲》 为依据. 为了让广大考生对考什么有一定的了解(不是盲目的备考)，教育部考试中心命制的试 题，每年都具有稳定性、连续性的特点.《大纲》提供的样题及历届试题也在于让考生了解 考什么.历届试题中，从来没有出过偏题、怪题，也没有出过超过大纲范围的超纲题.当然， 考研数学线代知识框架 [摘要]不仅专业课需要知识框架，数学也是如此。一个优秀而全面的知识框架有助于厘清整体的解题思路。下面分享的是凯程考研老师精心整理的线代知识点框架。 线性代数的学习切入点：线性方程组。换言之，可以把线性代数看作是在研究线性方程组这一对象的过程中建立起来的学科。 线性方程组的特点：方程是未知数的一次齐次式，方程组的数目s和未知数的个数n可以相同，也可以不同。 关于线性方程组的解，有三个问题值得讨论：(1)、方程组是否有解，即解的存在性问题;(2)、方程组如何求解，有多少个解;(3)、方程组有不止一个解时，这些不同的解之间有无内在联系，即解的结构问题。 高斯消元法，最基础和最直接的求解线性方程组的方法，其中涉及到三种对方程的同解变换：(1)、把某个方程的k倍加到另外一个方程上去;(2)、交换某两个方程的位置;(3)、用某个常数k乘以某个方程。我们把这三种变换统称为线性方程组的初等变换。 任意的线性方程组都可以通过初等变换化为阶梯形方程组。 由具体例子可看出，化为阶梯形方程组后，就可以依次解出每个未知数的值，从而求得方程组的解。 对方程组的解起决定性作用的是未知数的系数及其相对位置，所以可以把方程组的所有系数及常数项按原来的位置提取出来，形成一张表，通过研究这张表，就可以判断解的情况。我们把这样一张由若干个数按某种方式构成的表称为矩阵。 可以用矩阵的形式来表示一个线性方程组，这至少在书写和表达上都更加简洁。 系数矩阵和增广矩阵。 高斯消元法中对线性方程组的初等变换，就对应的是矩阵的初等行变换。阶梯形方程组，对应的是阶梯形矩阵。换言之，任意的线性方程组，都可以通过对其增广矩阵做初等行变换化为阶梯形矩阵，求得解。 阶梯形矩阵的特点：左下方的元素全为零，每一行的第一个不为零的元素称为该行的主元。 对不同的线性方程组的具体求解结果进行归纳总结(有唯一解、无解、有无穷多解)，再经过严格证明，可得到关于线性方程组解的判别定理：首先是通过初等变换将方程组化为阶梯形，若得到的阶梯形方程组中出现0=d这一项，则方程组无解，若未出现0=d一项，则方程组有解;在方程组有解的情况下，若阶梯形的非零行数目r等于未知量数目n，方程组有唯一解，若r 在利用初等变换得到阶梯型后，还可进一步得到最简形，使用最简形，最简形的特点是主元上方的元素也全为零，这对于求解未知量的值更加方便，但代价是之前需要经过更多的初等变换。在求解过程中，选择阶梯形还是最简形，取决于个人习惯。 常数项全为零的线性方程称为齐次方程组，齐次方程组必有零解。 齐次方程组的方程组个数若小于未知量个数，则方程组一定有非零解。 利用高斯消元法和解的判别定理，以及能够回答前述的基本问题(1)解的存在性问题和(2)如何求解的问题，这是以线性方程组为出发点建立起来的最基本理论。 对于n个方程n个未知数的特殊情形，我们发现可以利用系数的某种组合来表示其解，这种按特定规则表示的系数组合称为一个线性方程组(或矩阵)的行列式。行列式的特点：有n!项，每项的符号由角标排列的逆序数决定，是一个数。 通过对行列式进行研究，得到了行列式具有的一些性质(如交换某两行其值反号、有两 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 1. 行列式的计算： ① (定义法)1212121112121222() 1212()n n n n n j j j n j j nj j j j n n nn a a a a a a D a a a a a a τ= = -∑ L L L L L M M M L 1 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. 1122,, 0,.i j i j in jn A i j a A a A a A i j ?=?++=?≠?? L ③ (化为三角型行列式)上三角、下三角、主对角行列式等于主对角线上元素的乘积. 11221122***0**0*00 nn nn b b A b b b b = =L M O L ④ 若A B 与都是方阵（不必同阶）,则 ==()mn A O A A O A B O B O B B O A A A B B O B O *= =* *=-1 ⑤ 关于副对角线： (1)2 1121 21 1211 1 () n n n n n n n n n n n a O a a a a a a a O a O ---* ==-K N N 1 ⑥ 范德蒙德行列式：()1 22 22 12111112 n i j n j i n n n n n x x x x x x x x x x x ≤<≤---=-∏L L L M M M L 111 ⑦ a b -型公式：1 [(1)]()n a b b b b a b b a n b a b b b a b b b b a -=+--L L L M M M O M L 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n 阶行列式n D 找出n D 与1n D -或1n D -,2n D -之间的一种关系——称为递推公式，其中 n D ,1n D -,2n D -等结构相同，再由递推公式求出n D 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n 阶行列式A ，恒有：1(1)n n k n k k k E A S λλλ-=-=+-∑，其中k S 为k 阶主子式； 3. 证明0A =的方法： 2020考研数学复习：线代知识点 考研数学中的线性代数试题，从难易程度上其实要远低于高数，却依然困扰了很多考生。究其原因，我们就不得不从线性代数的学 科特点及命题方向着手分析。线性代数从内容上看纵横交错，前后 联系紧密，环环相扣，相互渗透，因此解题方法灵活多变。而且线 性代数的命题重点，除了对基础知识的注重外，还偏向于知识点的 衔接与转换。考生在复习的时候要结合这两个方向进行有针对性的 复习。 举例来说，设A是m×n矩阵，B是n×s矩阵，且AB=0，那么用分块矩阵可知B的列向量都是齐次方程组Ax=0的解，再根据基础解 系的理论以及矩阵的秩与向量组秩的关系，可以有r(B)≤n-r(A)即 r(A)+r(B)≤n，进而可求矩阵A或B中的一些参数。 再如，若A是n阶矩阵可以相似对角化，那么，用分块矩阵处理 P-1AP=∧可知A有n个线性无关的特征向量，P就是由A的线性无 关的特征向量所构成，再由特征向量与基础解系间的联系可知此时 若λi是ni重特征值，则齐次方程组(λiE-A)x=0的基础解系由ni 个解向量组成，进而可知秩r(λiE-A)=n-ni，那么，如果A不能相 似对角化，则A的特征值必有重根且有特征值λi使秩r(λiE-A) 又比如，对于n阶行列式我们知道：若|A|=0，则Ax=0必有非零解，而Ax=b没有惟一解(可能有无穷多解，也可能无解)，而当 |A|≠0时，可用克莱姆法则求Ax=b的惟一解;可用|A|证明矩阵A 是否可逆，并在可逆时通过伴随矩阵来求A-1;对于n个n维向量 α1，α2，……αn可以利用行列式|A|=|α1α2……αn|是否为零 来判断向量组的线性相关性;矩阵A的秩r(A)是用A中非零子式的 最高阶数来定义的，若r(A) 凡此种种，正是因为线性代数各知识点之间有着千丝万缕的联系，代数题的综合性与灵活性就较大，同学们整理时要注重串联、衔接 与转换。复习时应当常问自己做得对不对?再问做得好不好?只有不 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 1.行列式的计算： ① (定义法)1212121112121222() 1212()n n n n n j j j n j j nj j j j n n nn a a a a a a D a a a a a a τ= = -∑ L L L L L M M M L 1 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、主对角行列式等于主对角线上元素的乘积. ④ 若A B 与都是方阵（不必同阶）,则 ==()mn A O A A O A B O B O B B O A A A B B O B O *==* *=-1 ⑤ 关于副对角线： (1)2 1121 21 1211 1 () n n n n n n n n n n n a O a a a a a a a O a O ---* ==-K N N 1 ⑥ 范德蒙德行列式：()1 22 22 12111112 n i j n j i n n n n n x x x x x x x x x x x ≤<≤---=-∏L L L M M M L 111 ⑦ a b -型公式：1 [(1)]()n a b b b b a b b a n b a b b b a b b b b a -=+--L L L M M M O M L 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n 阶行列式n D 找出n D 与1n D -或1n D -,2n D -之间的一种关系——称为递推公式，其中 n D ,1n D -,2n D -等结构相同，再由递推公式求出n D 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n 阶行列式A ，恒有：1 (1)n n k n k k k E A S λλ λ-=-=+-∑，其中k S 为k 阶主子式； 3. 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. 4. 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 ++=-=- 第二部分 矩阵 1.矩阵的运算性质 2.矩阵求逆 3.矩阵的秩的性质 4.矩阵方程的求解 1. 矩阵的定义 由m n ?个数排成的m 行n 列的表1112121 22212n n m m mn a a a a a a A a a a ?? ? ? = ? ??? L L M M M L 称为m n ?矩阵. 考研线性代数核心知识点和易错点总结 ————————————————————————————————作者：————————————————————————————————日期： ２018考研线性代数核心知识点和易错 点总结 通过7－9月这三个月时间的复习，大家应该做到把所学的知识系统化综合化,尤其是考研数学中的线性代数。在考研数学中线性代数只占分值的２２%，所占比例虽然不高,但是对每位考研学子来说同样重要。线性代数部分的内容相对容易,从历年真题分析可知考试的时候出题的套路也比较固定。但是线性代数的知识点比较琐碎,记忆量大而且容易混淆的地方较多;另外这门学科的知识点之间的联系性也比较强，这种联系不仅指各个章节之间的相互联系,更重要的是不同章节中的各种性质、定理、判定法则之间也有着相互推导和前后印证的关系。因此，在复习线性代数的时候，要求考生做到“融会贯通”,即不仅要找到不同知识点之间的内在联系，还要掌握不同知识点之间的顺承关系。为了使广大考生在暑期强化阶段更好地复习线性代数这门学科,下面为大家总结了本门课程的核心考点和易错考点，希望对大家的复习能有所帮助! 一、核心考点 1、行列式 本章的核心考点是行列式的计算,包括数值型行列式的计算和抽象型行列式的计算,其中数值型行列式的计算又分为低阶行列式和高阶行列式两种类型。对于低阶的数值型行列式来说，主要的处理方法是:找1,化０,展开，即首先找行列式中最简单的元素,利用行列式的性质将最简单元素所在的行或者列的其他元素均化为0,然后再利用行列式的展开定理对目标行列式进行降阶，最后利用已知公式求得目标行列式的值。对于高阶的数值型行列式来说，它的处理方法有两种：一是三角化;二是展开。所谓的三角化就是利用行列式的性质将目标行列式化成上三角行列式或者下三角行列式，三角化的主要思想就是化零,即利用行列式中各元素之间的关系通过行列式的性质化出较多的零，它是解决“爪型”行列式和“对角线型”行列式的主要方法。而所谓的展开就是利用行列式的展开定理对目标行列式进行降阶,一般解决的是递推形式的行列式,而它的关键点则是找出与的结构。对于数值型行列式来说,考试直接考查的题目相对较少,它总是伴随着线性方程组或者特征值与特征向量等的相关知识出题的。对行列式的考查多以抽象型行列式的形式出现,这一部分的考题综合性很强,与后续章节的联系比较紧密,除了要用到行列式常见的性质以外，更需要结合矩阵的运算,综合特征值特征向量等相关考点,对考生能力要求较高，需要考生有扎实的基础，对线性代数整个学科进行过细致而全面的复习。抽象行列式的计算常见的方法有三种：一是利用行列式的性质;二是使用矩阵运算;三是结合特征值与特征向量。 ２、矩阵 矩阵是线性代数的核心内容，它是后续章节知识的基础，矩阵的概念、运算及其相关理论贯穿着整个线性代数这门学科。这部分的考点较多,重点是矩阵的运算,尤其是逆矩阵、矩阵的初等变换和矩阵的秩是重中之重的核心考点。考试题目中经常涉及到伴随矩阵的定义、性质、行列式、可逆阵的逆矩阵、矩阵的秩及包含伴随矩阵的矩阵方程等。另外，这几年还经常出现与初等变换与初等矩阵相关的命题。本章常见题型有:计算方阵的幂、与伴随矩阵相关的命题、与初等变换相关的命题、有关逆矩阵的计算与证明、解矩阵方程等。 3、向量 本章的核心考点是向量组的线性相关性的判断,它也是线性代数的重点,同时也是考研的重点。2014年的考生一定要吃透向量组线性相关性的概念,熟练掌握有关性质及判定法并能灵活应用，在做此处题目的时候要学会与线性表出、向量组的秩及线性方程组等相关知识联线性代数知识点总结
线性代数简介
考研线性代数知识点全面汇总
线代复习 概念篇
考研数学知识点总结(不看后悔)
线性代数知识点总结汇总
20XX考研数学：线代和概率冲刺辅导.doc
线性代数知识点总结
考研数学线性代数知识点梳理
线性代数必考知识点
2017考研数学线性代数知识点及例题
考研数学线代知识框架
线性代数知识点归纳
2020考研数学复习：线代知识点
线性代数知识点归纳
考研线性代数核心知识点和易错点总结