线性代数基本定理-新版.pdf
线性代数基本性质定理
线性代数基本性质、定理、公式，解法，计算(),nTA r A nA A AxxAxAAxA A A E 可逆的列（行）向量线性无关的特征值全不为只有零解，0总有唯一解是正定矩阵R 12,si Ap p p p n B ABE ABE是初等阵存在阶矩阵使得或○注：全体n 维实向量构成的集合nR 叫做n 维向量空间.()A r A nAA A AxA 不可逆0的列（行）向量线性相关0是的特征值有非零解,其基础解系即为关于0的特征向量○注()()abr aEbA naE bA aE bA x有非零解=-具有向量组等价矩阵等价()反身性、对称性、传递性矩阵相似()矩阵合同()√关于12,,,n e e e ：①称为n的标准基，n中的自然基，单位坐标向量；②12,,,n e e e 线性无关；③12,,,1n e e e ；④tr =E n ；⑤任意一个n 维向量都可以用12,,,n e e e 线性表示.行列式的定义1212121112121222()1212()n nnn nj j j nj j nj j j j n n nna a a a a a D a a a a a a 1√行列式的计算：①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零.②若A B 与都是方阵（不必同阶）,则==()mnAO A A O A BO B O B BO A A A BBOBO1（拉普拉斯展开式）③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关于副对角线：(1)211212112111()n n nnnnn n n n n a Oa a a a a a a Oa O1（即：所有取自不同行不同列的n 个元素的乘积的代数和）⑤范德蒙德行列式：1222212111112n i jnj i nn n n nx x x x x x x x xxx111矩阵的定义由m n 个数排成的m 行n 列的表111212122212n n m m mna a a a a a Aa a a 称为m n 矩阵.记作：ijm nAa 或mnA 伴随矩阵1121112222*12n Tn ijnnnnA A A A A A AA A A A ，ij A 为A 中各个元素的代数余子式.√逆矩阵的求法:①1A AA○注：1a b d b cdcaadbc1主换位副变号②1()()A E E A 初等行变换③1231111213a a a a a a 3211111213a a a a a a √方阵的幂的性质：m nm nA AA()()m nmnA A √设,,m n n s A B A 的列向量为12,,,n,B 的列向量为12,,,s，则msABC 1112121222121212,,,,,,s s nsn n nsb b b b b bc c c b b b iiAc ，(,,)i s 1,2i为i Axc 的解121212,,,,,,,,,sss AA AAc c c 12,,,s c c c 可由12,,,n线性表示.即：C 的列向量能由A 的列向量线性表示，B 为系数矩阵. 同理：C 的行向量能由B 的行向量线性表示，TA 为系数矩阵. 即：1112111212222212n n n n mnn ma a a c a a a c a a a c 111122*********22211222n n m m mnma a a c a a a c a a a c √用对角矩阵○左乘一个矩阵,相当于用的对角线上的各元素依次乘此矩阵的○行向量；用对角矩阵○右乘一个矩阵,相当于用的对角线上的各元素依次乘此矩阵的○列向量. √两个同阶对角矩阵相乘只用把对角线上的对应元素相乘.√分块矩阵的转置矩阵：TT T TTA B A C C DBD分块矩阵的逆矩阵：111AAB B111AB BA1111A C A A CB OBOB1111A O AO CBB CAB分块对角阵相乘：11112222,A B ABA B 11112222A B ABA B ,1122nnn AAA分块对角阵的伴随矩阵：***ABABAB *(1)(1)mnmnAA BBB A√矩阵方程的解法(0A )：设法化成AXBXAB(I)或 (II)A B E X 初等行变换(I)的解法：构造()()TTTTA XB X X(II)的解法：将等式两边转置化为，用(I)的方法求出，再转置得√初等矩阵的性质：(,)E i j 1[()]E i k k [,()]E i j k 1(,)(,)TE i j E i j [()][()]TE i k E i k [,()][,()]TE i j k E j i k 1(,)(,)E i j E i j 11[()][()]kE i k E i 1[,()][,()]E i j k E i j k *(,)(,)E i j E i j *1[()][()]k E i k kE i *[,()][,()]E i j k E i j k ①矩阵的行初等变换不改变矩阵的秩,且不改变列向量间的线性关系；矩阵的列初等变换不改变矩阵的秩,且不改变行向量间的线性关系.即：矩阵的初等变换不改变矩阵的秩.√矩阵的初等变换和初等矩阵的关系：对A 施行一次初等○行变换得到的矩阵,等于用相应的初等矩阵○左乘A ；对A 施行一次初等○列变换得到的矩阵,等于用相应的初等矩阵○右乘A . ②零向量是任何向量的线性组合,零向量与任何同维实向量正交.③单个零向量线性相关；单个非零向量线性无关.④部分相关,整体必相关；整体无关,部分必无关. （向量个数变动）⑤原向量组无关,接长向量组无关；接长向量组相关,原向量组相关.（向量维数变动）⑥两个向量线性相关对应元素成比例；两两正交的非零向量组线性无关114p 教材. ⑦向量组12,,,n中任一向量i(1≤i ≤)n 都是此向量组的线性组合.⑧向量组12,,,n线性相关向量组中至少有一个向量可由其余n 1个向量线性表示.向量组12,,,n 线性无关向量组中每一个向量i都不能由其余n 1个向量线性表示.⑨m 维列向量组12,,,n 线性相关()r A n ；m 维列向量组12,,,n线性无关()r A n .⑩若12,,,n 线性无关，而12,,,,n线性相关,则可由12,,,n线性表示,且表示法唯一.?矩阵的行向量组的秩列向量组的秩矩阵的秩. 行阶梯形矩阵的秩等于它的非零行的个数.行阶梯形矩阵可画出一条阶梯线，线的下方全为0；每个台阶只有一行，台阶数即是非零行的行数，阶梯线的竖线后面的第一个元素非零.当非零行的第一个非零元为1，且这些非零元所在列的其他元素都是0时，称为行最简形矩阵矩阵的秩如果矩阵A 存在不为零的r 阶子式，且任意r 1阶子式均为零，则称矩阵A 的秩为r .记作()r A r向量组的秩向量组12,,,n 的极大无关组所含向量的个数，称为这个向量组的秩.记作12(,,,)nr 矩阵等价A 经过有限次初等变换化为B . 记作：AB向量组等价12,,,n和12,,,n可以相互线性表示. 记作：1212,,,,,,n n?矩阵A 与B 等价PAQB ，,P Q 可逆()(),,,r A r B A B A B 为同型矩阵作为向量组等价,即：秩相等的向量组不一定等价.矩阵A 与B 作为向量组等价1212(,,,)(,,,)nnr r 1212(,,,,,,)nnr 矩阵A 与B 等价. ?向量组12,,,s 可由向量组12,,,n线性表示AX B 有解12(,,,)=nr 1212(,,,,,,)nsr 12(,,,)sr ≤12(,,,)nr .?向量组12,,,s 可由向量组12,,,n线性表示,且s n ，则12,,,s线性相关.向量组12,,,s 线性无关,且可由12,,,n线性表示,则s ≤n .?向量组12,,,s 可由向量组12,,,n线性表示,且12(,,,)sr 12(,,,)nr ,则两向量组等价；?任一向量组和它的极大无关组等价.向量组的任意两个极大无关组等价. ?向量组的极大无关组不唯一，但极大无关组所含向量个数唯一确定.?若两个线性无关的向量组等价,则它们包含的向量个数相等.?设A 是mn 矩阵,若()r A m ，A 的行向量线性无关；若()r A n ，A 的列向量线性无关,即：12,,,n 线性无关.√矩阵的秩的性质：①()A Or A 若≥1()0A O r A 若0≤()m n r A ≤min(,)m n ②()()()TTr A r A r A A ③()()r kA r A k若0④()(),,()0mnn s r A r B nA B r AB B Ax若若0的列向量全部是的解⑤()r AB ≤min (),()r A r B ⑥()()()()A r AB r B B r AB r A 若可逆若可逆即：可逆矩阵不影响矩阵的秩.⑦若()()()m n Axr AB r B r A nAB O B O A ABACB C只有零解在矩阵乘法中有左消去律；若()()()n s r AB r B r B nB 在矩阵乘法中有右消去律.⑧()r r E O E O r A rA A OOOO若与唯一的等价，称为矩阵的等价标准型.⑨()r A B ≤()()r A r B max (),()r A r B ≤(,)r A B ≤()()r A r B ⑩()()A O O Arr A r B OBB O()()A C r r A rB OB○注：AxAx有无穷多解其导出组有非零解有唯一解其导出组只有零解线性方程组的矩阵式Ax 向量式1122nnx x x 1112111212222212,,n n m m mnnma a a xb a a a x b Axa a a xb 12,,2,,j jjmjjn11212(,,,)nnx x x 矩阵转置的性质：()T TA A()TT TAB B A()TTkA kATAA()TTTA B AB(矩阵可逆的性质：11()A A111()AB B A 111()kA k A 11A A 111()A B A B (伴随矩阵的性质：2()n A AA()AB B A1()n kA kA1n AA***()A B AB(()()1 ()10 ()1nr A nr A r A n r A n 若若若AB A BnkA k AkkAAA B A B线性方程组解的性质：1212121211221212(1),,(2),,(3),,,,,,,,(4),,(5),,(6k kkkAx Axk k Axk AxAxAx Ax Ax是的解也是它的解是的解对任意也是它的解齐次方程组是的解对任意个常数也是它的解是的解是其导出组的解是的解是的两个解是其导出组的解211212112212112212),(7),,,,100kk k kkkkAx AxAxAx Ax是的解则也是它的解是其导出组的解是的解则也是的解是的解√设A 为m n 矩阵,若()r A m()()r A r A Ax一定有解，当m n 时,一定不是唯一解方程个数未知数的个数向量维数向量个数,则该向量组线性相关.m 是()()r A r A和的上限.√判断12,,,s是Ax的基础解系的条件：① 12,,,s线性无关；② 12,,,s都是Ax的解；③ ()s n r A 每个解向量中自由未知量的个数.√一个齐次线性方程组的基础解系不唯一.√若是Ax 的一个解，1,,,s是Ax的一个解1,,,,s线性无关√Ax 与Bx同解（,A B 列向量个数相同）,则：① 它们的极大无关组相对应,从而秩相等；② 它们对应的部分组有一样的线性相关性；③ 它们有相同的内在线性关系.√两个齐次线性线性方程组Ax 与Bx同解()()A rr A r B B. √两个非齐次线性方程组Ax 与Bx都有解，并且同解()()A rr A r B B.√矩阵m n A 与l n B 的行向量组等价齐次方程组Ax 与Bx同解PA B （左乘可逆矩阵P ）；101p 教材矩阵m n A 与l n B 的列向量组等价AQ B （右乘可逆矩阵Q ）.√关于公共解的三中处理办法：①把(I)与(II)联立起来求解；②通过(I)与(II)各自的通解，找出公共解；当(I)与(II)都是齐次线性方程组时，设123,,是(I)的基础解系,45,是(II)的基础解系，则 (I)与(II)有公共解基础解系个数少的通解可由另一个方程组的基础解系线性表示.即：1231231425(,,)(,,)r r c c 当(I)与(II)都是非齐次线性方程组时，设11122c c 是(I)的通解，233c 是(II)的通解，两方程组有公共解2331c 可由12,线性表示. 即：12122331(,)(,)r r c ③设(I)的通解已知，把该通解代入(II)中，找出(I)的通解中的任意常数所应满足(II)的关系式而求出公共解。
线性代数基本定理
线性代数基本定理线性代数是数学中的一个重要分支，研究向量空间、线性变换、矩阵和线性方程组等概念和性质。
线性代数基本定理是线性代数中的核心定理，它揭示了矩阵的奇异值分解（SVD）和特征值分解（EVD）的重要性质。
本文将介绍线性代数基本定理及其应用。
一、奇异值分解奇异值分解是矩阵分析中最基本的分解之一，它将任意矩阵分解为三个矩阵的乘积：A=UΣV^T。
其中，U和V是正交矩阵，Σ是一个对角矩阵，对角线上的元素称为奇异值。
线性代数基本定理指出，对于任意的矩阵A，它的奇异值分解一定存在，并且是唯一的。
这意味着任何矩阵都可以通过奇异值分解进行表示，奇异值的大小和特征决定了矩阵的性质和重要特征。
奇异值分解在数据降维、图像处理、推荐系统等领域具有广泛的应用。
通过保留矩阵的主要奇异值，可以将高维数据映射到低维空间，从而减少数据的维度和冗余信息，提高计算效率和数据处理速度。
二、特征值分解特征值分解是线性代数中另一个重要的矩阵分解方法，它将一个矩阵分解为两个矩阵的乘积：A=QΛQ^(-1)。
其中，Q是正交矩阵，Λ是一个对角矩阵，对角线上的元素称为特征值。
线性代数基本定理指出，对于任意的方阵A，它的特征值分解一定存在，并且是唯一的。
特征值分解可以帮助我们理解线性变换对向量空间的作用，特征值和特征向量决定了矩阵变换的主要性质。
特征值分解在物理学、工程学、计算机科学等领域有广泛的应用。
通过求解特征值和特征向量，可以得到矩阵的主要特征和重要特性，如稳定性、动力学行为等。
特征值分解还可以用于对称矩阵的对角化和正定矩阵的判定。
三、线性代数基本定理的应用1. 数据降维奇异值分解可以将高维数据映射到低维空间，从而实现数据降维。
通过保留最重要的奇异值和对应的奇异向量，可以大大减少数据的维度，并且保留数据的主要分布和性质。
数据降维在机器学习、数据挖掘等领域具有重要意义，可以提高算法的效率和准确性。
2. 图像压缩奇异值分解可以对图像进行压缩和恢复。
线性代数公式定理
线代公式定理章一、行列式1、n 阶行列式（1）（定义)由自然数1，2，···，n 组成的一个有序数组称为一个n 阶排列，记为j 1j 2…j n .（2）（定义)在一个排列中，若一个较大的数排在一个较小的数的前面，则称这两个数构成一个逆序.一个排列中所有逆序的总数称为这个排列的逆序数.用τ(j 1j 2…j n )表示排列j 1,j 2,…,j n 的逆序数.逆序数是偶数的排列称为偶排列，逆序数是奇数的排列称为奇排列。
(3)（定义）把一个排列中某两个数的位置互换，而其余的数不动，就得到一个新的排列，这种变换称为排列的一个对换。
（4）（定理）一次对换改变排列奇偶性。
（5）（推论）任何一个n 阶排列都可以通过对换化成标准排列,并且所作对换的次数的奇偶性与该排列的奇偶性相同。
（6）三阶行列式的计算：I 沙路法 II 对角线法则（7）三角行列式的计算：下（上）三角形行列式的值等于主对角线 上元素的乘积，即nna a a Λ2211=nnn n a a a a a a ΛM M M ΛΛ212221110002、行列式的性质（1）(性质)行列式与它的转置行列式相等,即。
（2）(性质)如果行列式某一行(列)元素有公因数k, 则k可以提到行列式符号外边。
（3）（推论）如果行列式中某一行(列)元素全为零, 那么行列式等于零。
（4）(性质)如果行列式中两行（列）互换，那么行列式只改变一个符号。
（5）(推论)若行列式中有两行(列)相同, 则行列式的值为零。
（6）(推论)如果行列式中两行（列）的对应元素成比例，那么行列式值为 0。
（7）(性质)如果行列式某行(列)的各元素都可以写成两数之和, 则此行列式等于两个行列式的和。
（8）(性质)如果将行列式中某行（列）的各元素同乘一数k后，加到另一行（列）的各对应元素上，则行列式的值不变。
（9）（性质）若a ij=a ji(i,j=1,2,…,n) ,则称行列式 D为对称的；若a ij=-a ji(i,j=1,2,…,n) ,则称行列式D为反对称. 由定义易知,在反对称行列式中, a ii=0(i=1,2,…,n)。
线性代数公式定理大全2016
线性代数公式大全第一章 行列式1．逆序数 1.1 定义n 个互不相等的正整数任意一种排列为：12n i i i ⋅⋅⋅，规定由小到大为标准次序，当某两个元素的先后次序与标准次序不同时，就说有一个逆序数，该排列全部逆序数的总合用()12n i i i τ⋅⋅⋅表示，()12n i i i τ⋅⋅⋅等于它所有数字中后面小于前面数字的个数之和。
1.2 性质一个排列中任意两个元素对换，排列改变奇偶性，即 ()211ττ=-。
证明如下：设排列为111l m n a a ab b bc c ，作m 次相邻对换后，变成111l m n a a abb b c c ，再作1m +次相邻对换后，变成111l m n a a bb b ac c ，共经过21m +次相邻对换，而对不同大小的两元素每次相邻对换逆序数要么增加1 ，要么减少1 ，相当于()211ττ=-，也就是排列必改变改变奇偶性，21m +次相邻对换后()()2121111m τττ+=-=-，故原命题成立。
2．n 阶行列式的5大性质性质1：转置（行与列顺次互换）其值不变。
性质2：互换任意两行（列）其值变号。
性质3：任意某行（列）可提出公因子到行列式符号外。
性质4：任意行列式可按某行（列）分解为两个行列式之和。
性质5：把行列式某行（列）λ倍后再加到另一行（列），其值不变。
行列式的五大性质全部可通过其定义证明；而以后对行列式的运算主要是利用这五个性质。
对性质4的重要拓展： 设n 阶同型矩阵，()()(); ijij ij ijA aB b A B ab ==⇒+=+，而行列式只是就某一列分解，所以，A B +应当是2n个行列式之和，即A B A B+≠+。
韦达定理的一般形式为： 一、行列式定义1．定义 其中逆序数 ()121n j j j j τ=后面的1j 小的数的个数 2j +后面比2j 小的数的个数+1n j -+后面比1n j -小的数的个数.2．三角形行列式二、行列式性质和展开定理1．会熟练运用行列式性质，进行行列式计算. 2．展开定理 三、重要公式 设A 是n 阶方阵，则 1．T A A =2．11A A --= 3．1*n A A-=4．n kA k A =5．AB A B =，其中B 也是n 阶方阵6．设B 为m 阶方阵，则 7．范德蒙行列式 四．有关结论 1．对于,n n n n A B ⨯⨯(1)00A A ⇒==⇐ (2) A B A B⇒==⇐2.A 为n 阶可逆矩阵A E A E ⇔→⇔→行变列变（A 与E 等价）0AX ⇔=只有惟一零解AX b ⇔=有惟一解（克莱姆法则） A ⇔的行（列）向量组线性无关 A ⇔的n 个特征值0,1,2,,i i n λ≠=⇔A 可写成若干个初等矩阵的乘积 ⇔A A T 是正定矩阵⇔A 是n R 中某两组基之间的过渡矩阵3.A 为n 阶不可逆矩阵0=A 0AX ⇔=有非零解 ⇔n A r <)( ⇔0是A 的特征值 ⇔A A -=4.若A 为n 阶矩阵，)2,1(n i i =λ为A 的n 个特征值，则∏==ni i A 1λ5.若B A ~，则B A =行列式的基本计算方法：1. 应用行列式的性质化简行列式（例如化为三角形行列式就是一个常用方法）。
线性代数.pdf
⎜⎛ 1 ⎟⎞
⎜⎛ 1 ⎟⎞
得基础解系
ξ1
=
⎜ ⎜
− −
1 1
⎟ ⎟
,
⎜⎜ ⎝
1
⎟⎟ ⎠
单位化即得 p1
=
1 2
⎜ ⎜
− −
1 1
⎟⎟.
⎜⎜⎝ 1 ⎟⎟⎠
当λ2 = λ3 = λ4 = 1时,解方程(E − A) x = 0,
可得正交的基础解系
nn
x
2 n
+ 2a12 x1 x 2 + 2a13 x1 x3 + ⋯ + 2an−1,n xn−1 xn
取 a ji = aij , 则2 aij xi x j = aij xi x j + a ji x j xi ,于是
f = a11 x12 + a12 x1 x2 + ⋯ + a1n x1 xn
⎪⎪ x2 = p21 y1 + p22 y2 + ⋯ + p2n yn
⎨ ⎪
⋯⋯
⎪⎩ xn = pn1 y1 + pn2 y2 + ⋯ + pnn yn
⎡ x1 ⎤
⎡ y1 ⎤
( ) 记
x
=
⎢ ⎢ ⎢
x2 ⋮
⎥ ⎥ ⎥
y
=
⎢ ⎢ ⎢
y2 ⋮
⎥ ⎥ ⎥
P = pij n×n
⎢ ⎣
x
n
⎥ ⎦
⎢ ⎣
yn
⎜⎝ x3 ⎟⎠
⎜ ⎝
2
3
−2 5 15
0
−2
45
⎟⎞⎜⎛
线性代数公式定理大全 精简版
与正交 ( , ) 0 .
是单位向量 ( , ) 1.
√ 内积的性质： ① 正定性： ( , ) 0, 且( , ) 0
② 对称性： ( , ) ( , )
③ 双线性： ( , 1 2 ) ( , 1) ( , 2 ) (1 2, ) (1, ) (2, ) (c, ) (c, ) (, c )
4
线性代数公式定理大全（精简版）
19 若两个线性无关的向量组等价,则它们包含的向量个数相等.
20 若 A 是 m n 矩阵,则 r(A) min m, n ,若 r( A) m ， A 的行向量线性无关；
若 r(A) n ， A 的列向量线性无关,即：
1,2 ,, n 线性无关.
线性方程组的矩阵式 Ax
√ 上三角阵、下三角阵、对角阵的特征值就是主对角线上的 n 各元素. √ 若 A 0 ,则 0 为 A 的特征值,且 Ax 0 的基础解系即为属于 0 的线性无关的特征向量.
√ 行列式的计算：
A ① 若 A与B 都是方阵（不必同阶）,则 B
A A B B
A
(1)mn
A
B
AB
B
②上三角、下三角行列式等于主对角线上元素的乘积.
③关于副对角线：
a2n1
a1n
a2n1
a1n
n ( n1)
(1) 2
a1na2n an1
an1
an1
√ 逆矩阵的求法:
① A1 A A
一. 11 矩阵的行向量组的秩等于列向量组的秩.
阶梯形矩阵的秩等于它的非零行的个数. 12 矩阵的行初等变换不改变矩阵的秩,且不改变列向量间的线性关系.
矩阵的列初等变换不改变矩阵的秩,且不改变行向量间的线性关系.
线性代数与矩阵常用定理
线性代数与矩阵常用定理定理1.1 一个排列中的任意两个数对换后，排列的奇偶性改变定理1.2 行列式等于它的任意一行（列）的各元素与其代数余子式的乘积之和定理1.3 行列式任一行（列）的元素与另一行（列）对应元素的代数余子式乘积之和等于0定理1.4 如果线性方程组的系数行列式D不等于0，则方程组有解，且解唯一定理2.1 设A , B 是两个n介方阵，k是一个数，则(1) |kA|=k^n|A| (2)|AB|=|A||B|定理2.2 设A是数域F上的方阵（n介），则A可逆的充要条件|A|不为0定理2.3 矩阵初等变换后，其秩不变R(A | B)≤R(A)+R(B) R(A+B)≤R(A)+R(B)R(AB) ≤min(R(A);R(B))A为m*n矩阵，B为n*p矩阵，则R(AB)≥R(A)+R(B)-n定理5.1 非齐次线性方程组有解的充要条件是它的系数矩阵的秩和增广矩阵的秩相等定理5.2 齐次线性方程组的解的集合N(A)是向量空间，并且N(A)的维数是n-R(A)推论5.1 设A是m*n矩阵，X=(x1.x2.x3…..xn)T 则（1）AX=0有唯一解（只有零解）等价于R(A)等于未知数个数等价于A为列满秩（2）AX=0有无穷多解（有非零解）等价于R(A)小于未知数的个数n(3) AX=0的基础解析所含向量个数为n-R(A)定理5.3 设A是方程组的系数矩阵，（m*n）,B是增广矩阵，n是未知数个数则（1）方程组有唯一解等价于R(A)=R(B)=n（2）方程组有无穷多解等价于R(A)=R(B)<n（3）当R(A)不等于R(B)时，方程组无解定理6.0 矩阵的迹等于特征值之和，行列式等于特征值之积定理6.1 矩阵不同特征值所对应的特征向量之间线性无关定理6.2 若A与B相似，则它们的特征多项式相同，特征值相同定理6.3 A（n介方阵）可以对角化的充要条件是A有n个线性无关的特征向量推论6.2 如果n介方阵A的n个特征值互不相等，则A与对角矩阵相似实对称矩阵的特征值与特征向量（1）实对称矩阵的特征值都是实数（2）实对称矩阵的对应不同特征值的实特征向量必正交定理1.1 一个排列中的任意两个数对换后，排列的奇偶性改变定理1.2 行列式等于它的任意一行（列）的各元素与其代数余子式的乘积之和定理1.3 行列式任一行（列）的元素与另一行（列）对应元素的代数余子式乘积之和等于0定理1.4 如果线性方程组的系数行列式D不等于0，则方程组有解，且解唯一定理2.1 设A , B 是两个n介方阵，k是一个数，则(1) |kA|=k^n|A| (2)|AB|=|A||B|定理2.2 设A是数域F上的方阵（n介），则A可逆的充要条件|A|不为0定理2.3 矩阵初等变换后，其秩不变R(A | B)≤R(A)+R(B) R(A+B)≤R(A)+R(B)R(AB) ≤min(R(A);R(B))A为m*n矩阵，B为n*p矩阵，则R(AB)≥R(A)+R(B)-n定理5.1 非齐次线性方程组有解的充要条件是它的系数矩阵的秩和增广矩阵的秩相等定理5.2 齐次线性方程组的解的集合N(A)是向量空间，并且N(A)的维数是n-R(A)推论5.1 设A是m*n矩阵，X=(x1.x2.x3…..xn)T 则（1）AX=0有唯一解（只有零解）等价于R(A)等于未知数个数等价于A为列满秩（2）AX=0有无穷多解（有非零解）等价于R(A)小于未知数的个数n(3) AX=0的基础解析所含向量个数为n-R(A)定理5.3 设A是方程组的系数矩阵，（m*n）,B是增广矩阵，n是未知数个数则（1）方程组有唯一解等价于R(A)=R(B)=n（2）方程组有无穷多解等价于R(A)=R(B)<n（3）当R(A)不等于R(B)时，方程组无解定理6.0 矩阵的迹等于特征值之和，行列式等于特征值之积定理6.1 矩阵不同特征值所对应的特征向量之间线性无关定理6.2 若A与B相似，则它们的特征多项式相同，特征值相同定理6.3 A（n介方阵）可以对角化的充要条件是A有n个线性无关的特征向量推论6.2 如果n介方阵A的n个特征值互不相等，则A与对角矩阵相似实对称矩阵的特征值与特征向量（1）实对称矩阵的特征值都是实数（2）实对称矩阵的对应不同特征值的实特征向量必正交。
大一线性代数必考知识点pdf
大一线性代数必考知识点pdf 线性代数是大学理工科类专业中的一门重要课程，它具有广泛的应用领域和实际意义。
对于大一学生而言，线性代数作为入门课程，是为后续学习打下基础的重要一环。
本文将介绍大一线性代数必考的知识点，并提供一个PDF文档供学生们下载参考。
1. 数与向量运算1.1 实数与复数的性质与运算1.2 向量的定义与性质1.3 向量的线性组合与线性相关性1.4 向量的点乘与叉乘2. 矩阵与矩阵运算2.1 矩阵的定义与性质2.2 矩阵的运算法则（加法、数乘、乘法）2.3 矩阵的转置与逆矩阵2.4 矩阵的秩与行列式3. 线性方程组3.1 线性方程组的定义与解的存在性3.2 线性方程组解的唯一性与可解性3.3 高斯消元法与矩阵的初等变换3.4 齐次与非齐次线性方程组的解4. 特征值与特征向量4.1 特征值与特征向量的定义4.2 特征值与特征向量的性质4.3 对角化与相似矩阵4.4 对称矩阵的特征值与特征向量5. 线性映射与线性变换5.1 线性映射与线性变换的定义5.2 线性映射与线性变换的基本性质5.3 线性映射与矩阵的关系5.4 线性变换的核与像、线性变换的矩阵表示6. 正交基与正交投影6.1 正交基与正交子空间6.2 向量组的正交化与标准正交化6.3 Gram-Schmidt正交化过程6.4 正交投影的定义与性质以上是大一线性代数必考的知识点的简要概括，希望能对大一学生的学习起到一定的指导作用。
为了方便学生们的复习和查阅，我们特别制作了一个PDF文档，供大家下载使用。
该PDF文档包含了以上所有知识点的详细说明、公式推导以及典型例题的解析，是复习线性代数的必备资料。
大一线性代数必考知识点PDF下载地址：（避免在正文中出现网址链接，请将下载地址通过其他方式提供给读者，如附件、站内私信等方式）总结：线性代数作为大一学生的必修课程，对于后续学习和专业发展具有重要作用。
掌握好线性代数的基本知识点，对于培养学生的逻辑思维和数学分析能力十分重要。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
x
=
x 0
+
mt
y
=
y 0
+ nt
z = z0 + pt
一般式
用两个平面相交的方程组表示
方程的转化
参数式 =>点向式
t 的系数就是方向向量，加的常数就是定点。
点向式 =>一般式
目的是方便表示过这条直线的平面束。 变成两个方程。加括号变为方程组即可
三个等号， 两两联立，
参数式 =>一般式
参数式先变为点向式，再变为一般式
五、特征值与特征向量
定理
1. 如果 a i 是 A 在特征值 l 下的几个特征向量，那么 a i 的线
性组合也是 A 在特征值 l 下的一个特征向量 .线性组合组成特
征子空间所以在求特征向量时，一定要有系数
k（多解）
2. 三角矩阵（包括对角矩阵）特征值就是对角线上元素
3.
l
是矩阵
0
A 的 k 重特征值， 则 l 对应的线性无关的特征向 0
求逆 ：
如果 A1 ,A2 ,...,Am均可逆，
若
，则
反块对角阵也一样，把反对角线上的矩阵求逆。
求转置 ：
块转置，每一块里面的也要转置
6. 把普通线性组合式写成矩阵形式
二、行列式的计算
计算一般行列式时需注意： A． 代数余子式的正负 B． 初等变换用等号，行列式的值可能变化
1. 特殊形状行列式 上下三角行列式、反上下三角行列式
若 Am*nBn*t = O,则 R(A)+R(B)<=n （和基础解系有关）
R(A+B)<=R(A)+R(B) （也和定理 9 的不等式有关）
R( AT A )=R(A) (方程的同解 )
12. AX=O 的解向量的线性组合仍为 AX=O 的解向量
方法
一、判断向量组线性相关性：
1. 向量矩阵其次方程的解 2. 至少有一个向量能用其他向量线性表示，
关，否则线性无关
则向量组线性相
二、判断向量组等价：
A=KB，同时 B=K’A，K 为线性表示的系数矩阵，如果 阵且唯一（线性表示法唯一） ，看 K 是否可逆即可
K 为方
经典题：
1. 向量组 a 1 ,a 2 ,a 3 线性无关 ,问常数 l,m 满足什么条件时 ,
向量组 la 1 +a 2 ,a 2 + a 3 , ma 3 +a 1线性无关．
n3i > j 31
注意：
范德蒙德行列式第一行（列）从 1 开始到 n-1 次方，从上到
下或从左到右升幂
不同底数来说，右边减左边或下边减上边，这就是
i和j的
用处
4. 几种 n 阶行列式的巧算办法：见笔记本
5. 克拉默法则： 解决伴随矩阵问题的好方法。 还要了解行列 式按某行展开， 如果对被展开行的每列来说， 代数余子式
向量上投影
两直线共面，异面 —— 两个定点（ x0 , y0 ,z0）构成的一个向
量，两个方向向量。这三个向量混合积为
0，就共面反之异
面
点到直线的距离
M 为线上一点 M1 为线上另一点， M 0到直线的距离为：
,想那个平行四边形
四、 n 维向量空间
预备知识： AX=b 的矩阵表示和向量表示
x1a 1 + x2a 2 + ...+ xna n = b
面既过原点又与某个轴平行，那么它一定通过这个轴 截距式
x yz + + =1
abc
点法式和点向式化为截距式，算截距即可 三点式 一般不用
3. 直线的方程 点向式 m,n,p 哪个为 0，直线就与这个等式里面的哪个变量所对应的 轴垂直（在与那个轴平行的平面上） 。直线的方向余弦就是 方向向量的方向余弦。 参数式 用一个参数就可以确定 x,y,z 三个变量。 用在求直线与平面交 点中比较简单 ,其中 (m,n,p) 就是方向向量！ 还可以求过某一点 与另外一条已知直线垂直的直线
投影：
外积与混合积得几何意义，注意，外积的模才是平行四边形 面积，而混合积的绝对值为平行六面体体积 外积用来构建与两个向量都垂直的向量，即法向量
混合积的记法
，向量共面，混合积为 0，a b c，bc
a， c a b 这三种顺序结果都相同
2．平面的方程
点法式，一般式：
xyz 谁系数为 0，就与哪个轴平行， D=0 平面过原点 ,如果平
（ R2 ， R3 中共线）
R3 中，三个向量组线性相关，则它们共面
3 . 1, 2, … ,n 线性相关 AX=0 有非 0 解，当向量个数等
于向量维数时， det(A)=0
4. 向量个数大于向量维数，向量组一定线性相关。 未知量个数大于方程个数）
（相当于
5. 对于一个向量组，局部线性相关则整体相关，整体无关则 局部无关
或者如下表示
定理
1. 可由 1， 2， ， m线性表示
向量方程 x1 1 x2 2
xm m 有解 .
有一个解 —— 唯一一种表示方法，有无数解 —— 无数表示方 法
2. 向量组等价 —— 其中一个向量组的每一个向量都可以用 另外一个向量组表示 等价具有自反性，传递性，对称性
3. 线性相关与线性无关 1.包含 0 向量或相同向量的任意一个向量组线性相关 2 ．两个向量组线性相关的充要条件是分量对应成比例
直线与直线的位置关系
两直线夹角 —— 它们方向向量的夹角 两直线平行（包括重合） —— 方向向量平行。如果不重合， 则可在其中一条直线上任取两点，如果它们不都在或都不在 另一条直线上，呢么两直线不重合 两直线垂直 —— 方向向量垂直 两直线相交 —— 两直线共面，不平行 两直线间距离：先用两直线方向向量做叉乘构造公垂线的方 向向量，然后再把两直线上的定点做连线向刚刚构建的方向
2. 一般行列式的计算原则
A.按 0 多的行或者列展开，进行行列式的降阶 B.行列式中一行（列）出现加法的，可变成两个行列式 C.行列式如果某一行（列）有公因子的，可以提出来 其中， B 点最容易被忽略掉！ ！！ 例题：已知 abcd=1
a2
+
1 a2
a11 a
D=
b2
+
1 b2
c2
+
1 阵乘以上三角矩阵，结果为上三角矩阵 2.矩阵等价的判断
A@B ? R( A) = R(B)
任何矩阵等价于其标准型
3.左乘初等矩阵为行变换，右乘初等矩阵为列变换 如： m*n 的矩阵，左乘 m 阶为行变换，右乘 n 阶为列变换
4. 给矩阵多项式求矩阵的逆或证明某个矩阵可逆
如： A2 - A- 2I = O，证明 (A+2I) 可逆。
线性代数基本定理
一、矩阵的运算
1.不可逆矩阵的运算不满足消去律
AB=O,A 也可以不等于 O
?1 è? - 1
1 ?? 1 - 1 ?֏? - 1
-1 1
? ?÷=
? è?
0 0
0? 0 ?÷
2.矩阵不可交换
( A+ B)2 = A2 + AB+ BA+ B2
( AB)k = ABABABAB...AB
1
b
1
c
1
c
d
2
+
1 d2
d
1 d
1
11 a 1 a2 a
1
1
a2 a a 1
11
1
1
b 1 b2 b
b2 b b 1
= abcd
+
11
1
1
c 1 c2 c
c2 c c 1
11 d1
d2 d
1
1
d
1
d2
d
不用计算每一个行列式值为多少 ，观察发现此式正好得 0
3. 范德蒙德行列式
? =
( xi - x j )
量不超过 k，特征向量的个数为 A 的维数与特征矩阵的秩之
差，为 n-R(l 0 I-A)
4. 如果 a 是 A 在特征值 l 下的特征向量，那么 a 是 f(A) 在特 征值 f( l ) 下的特征向量
5. 某矩阵特征值的和为矩阵的迹，积为矩阵的行列式。 特征值求行列式是一个知识点）因此有了以下命题：
（给
A 可逆 A 的任何一个特征值不为 0
6. 相似矩阵具有相同的特征多项式， 相同的特征值， 相同的
6. 一组向量线性无关，多了一个变成线性相关，则多的哪一 个可以用其他向量线性表示，表示式唯一（解方程时，多 的那个向量系数肯定不是 0）
7. 向量组的任意两个最大无关组都等价（于原向量组）
8. 再求向量组的秩时初等变换线性相关性不变对应着方程 组的解不变
9. 设向量组
可由向量组
线性
表示，且
线性无关，则
（系数矩阵
K 为 s*r ，必须让方程的个数多一些） 10 ．若向量组 I 可由向量组 II 线性表示则 R(I)<=R(II) ，如果 两个向量组等价，则它们的秩相等
11. 方程 AX=b 有解，则 R( A) = R( A)
11. 几个关于秩的四个不等式 R(AB)<=min(R(A),R(B)) （和定理 9 的不等式有关）
3.常被忽略的矩阵运算规则
( A+ B)T = AT + BT
( l A)T = l AT
4.反称矩阵对角线元素全为 0
4.矩阵逆运算的简便运算
( diag( a1 ,a2
,...a, n
)) -
1
=
diag(
1 a1
1 , a2