考研线性代数知识点归纳
数学专业考研复习资料线性代数重点知识点整理

数学专业考研复习资料线性代数重点知识点整理数学专业考研复习资料:线性代数重点知识点整理一、向量与矩阵1. 向量的定义和性质- 向量的表示与运算- 单位向量和零向量- 向量的线性相关性2. 矩阵的定义和性质- 矩阵的基本运算- 矩阵的转置和逆矩阵- 矩阵的秩和行列式二、线性方程组1. 线性方程组的概念- 线性方程组的解和解的存在唯一性- 齐次线性方程组和非齐次线性方程组2. 线性方程组的解法- 列主元消元法- 矩阵的初等变换和阶梯形矩阵 - 高斯消元法和高斯约当法三、线性空间和子空间1. 线性空间的定义和性质- 线性空间的子空间和直和- 基和维数的概念- 线性空间的同构与等价2. 子空间的性质与判定- 线性子空间的交与和- 维数公式和秩-零化定理- 子空间的降维与升维四、线性变换和特征值1. 线性变换的定义和性质- 线性变换的表示和运算- 线性变换的核与像- 线性变换的矩阵表示和判定2. 特征值和特征向量- 特征方程和特征值的求解 - 特征空间和特征子空间- 相似矩阵和对角化矩阵五、内积空间和正交变换1. 内积的定义和性质- 内积的基本性质和判定- 正交向量和正交子空间- 构造内积空间2. 正交变换和正交矩阵- 正交变换的性质和表示- 正交矩阵的特点和运算- 正交矩阵的对角化和特征值六、二次型和正定矩阵1. 二次型的定义和性质- 二次型的标准形和规范形 - 二次型的正定性和负定性- 二次型的规约和降维2. 正定矩阵的定义和性质- 正定矩阵的判定和运算- 正定矩阵的特征值和特征向量- 正定矩阵及其应用总结:线性代数是数学专业考研中的重要内容之一。
通过对向量与矩阵、线性方程组、线性空间和子空间、线性变换和特征值、内积空间和正交变换、二次型和正定矩阵等知识点的学习和掌握,能够为考研复习提供有力的理论基础和解题方法。
在复习过程中,需要注重概念的理解、性质的掌握以及应用题的练习,同时注意归纳总结和思维方法的培养。
线性代数知识点全归纳

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。
线性代数各章要点整理

第一章行列式主要知识点一、行列式的定义和性质1.余子式和代数余子式的定义2.行列式按一行或一列展开的公式1)2)3.行列式的性质1)2)用数k乘行列式的某一行(列)所得新行列式=原行列式的k倍. 推论3)互换行列式的任意两行(列)所得新行列式等于原行列式的相反数. 推论4)如果行列式中两行(列)对应元素成比例,则行列式值为0.5)行列式可以按任一行(列)拆开.6)行列式的某一行(列)的k倍加到另一行(列)上,所得新行列式与原行列式的值相等.二、行列式的计算1.二阶行列式和三角形行列式的计算.2.对一般数字行列式,利用行列式的性质将其降阶以化成二阶行列式或三角形(或对角形)行列式的计算.3.对行列式中有一行或一列中只有一个或两个非零元的情况,用这一行或一列展开.4.行列式中各行元素之和为一个常数的类型.5.范德蒙行列式的计算公式第二章矩阵主要知识点一、矩阵的概念1.要分清矩阵与行列式的区别2.几种特殊矩阵(0矩阵,单位阵,三角阵,对角阵,数量阵)二、矩阵的运算1.矩阵A , B的加、减、乘有意义的充分必要条件2.矩阵运算的性质比较矩阵运算(包括加、减、数乘、乘法等)的性质与数的运算性质的相同点和不同点(加法、乘法的交换律和结合律;乘法关于加法的分配律)重点是矩阵乘法没有交换律(由此产生了矩阵运算公式与数的运算的公式的不同点).3.转置对称阵和反对称阵1)转置的性质2)若A T=A (A T= - A),则称A为对称(反对称)阵4.逆矩阵1)方阵A可逆(也称非异,非奇异,满秩)的充分必要条件是.当A可逆时,.2)方阵A的伴随阵的定义。
重要公式;与A -1的关系(当方阵A可逆时,)3)重要结论:若n阶方阵A,B满足AB=E,则A,B都可逆,且A-1=B ,B-1=A.4)逆矩阵的性质:; ; .5)消去律:设方阵A可逆,且AB=AC(BA=CA),则必有B=C。
(若不知A可逆,仅知A≠0结论不一定成立。
考研数学线性代数重点整理

考研数学线性代数重点整理一、矢量空间矢量空间是线性代数的基础概念,它描述了一组对象(称为矢量)的性质及其之间的运算规则。
以下是矢量空间的一些重要性质和定义:1. 定义:矢量空间是满足以下8个条件的集合V,其中两个运算(加法和乘法)满足特定的性质。
2. 加法:对于任意的矢量u和v,它们的和u+v也是V中的一个矢量。
3. 加法交换律:对于任意的矢量u和v,有u+v = v+u。
4. 加法结合律:对于任意的矢量u、v和w,有(u+v)+w = u+(v+w)。
5. 加法单位元:存在一个称为零矢量的特殊矢量0,对于任意的矢量v,有v+0 = 0+v = v。
6. 加法逆元:对于任意的矢量v,存在一个称为负矢量的特殊矢量-u,使得v+(-u) = (-u)+v = 0。
7. 乘法定义:对于任意的矢量v和实数c,cv也是V中的一个矢量。
8. 乘法分配律:对于任意的矢量v和实数c和d,有c(dv) = (cd)v。
9. 乘法单位元:对于任意的矢量v,有1v = v。
二、矩阵与线性方程组矩阵是线性代数中另一个重要的概念,它可以用来表示线性方程组和线性变换。
以下是与矩阵和线性方程组相关的一些重要内容:1. 矩阵定义:将数按矩形排列成的矩形数表称为矩阵,其中行数和列数分别称为矩阵的行数和列数。
2. 矩阵运算:矩阵之间可以进行加法和乘法的运算,具体规则如下:- 矩阵加法:对应位置元素相加。
- 矩阵乘法:设A是一个m×n矩阵,B是一个n×p矩阵,那么它们的乘积AB是一个m×p矩阵,乘法规则为A的行乘以B的列。
3. 线性方程组:线性方程组是一组线性方程的集合,矩阵可以用来表示和求解线性方程组。
对于一个m×n矩阵A、一个n×1矩阵X和一个m×1矩阵B,线性方程组可以表示为AX=B。
4. 线性方程组的解:根据矩阵的性质,可以通过高斯消元法、矩阵求逆等方法求解线性方程组。
线性代数考研知识点总结

线性代数考研知识点总结线性代数是数学的一个重要分支,它研究向量空间及其上的线性变换。
在计算机科学、物理学、工程学等领域中,线性代数都有着广泛的应用。
在考研中,线性代数是一个必考的科目,以下是线性代数考研的一些重要知识点总结。
1. 向量空间:向量空间是线性代数的基础概念,它包括一组向量和一些满足特定条件的运算规则。
向量空间中的向量可以进行加法和数乘运算,满足交换律、结合律和分配律。
2. 向量的线性相关性和线性无关性:如果向量可以通过线性组合表示为另一组向量的形式,那么这组向量就是线性相关的;如果向量不满足线性相关的条件,那么它们就是线性无关的。
3. 矩阵:矩阵是线性代数中的另一个重要概念,它是一个由数字排列成的矩形阵列。
矩阵可以用于表示线性变换、解线性方程组等。
常见的矩阵类型有方阵、对称矩阵、对角矩阵、单位矩阵等。
4. 行列式:行列式是一个用于刻画矩阵性质的重要工具。
行列式可以用来计算线性变换的缩放因子,判断矩阵是否可逆,以及计算矩阵的逆等。
5. 矩阵的相似和对角化:两个矩阵A和B,如果存在一个非奇异矩阵P,使得PAP^(-1)=B,那么矩阵A和B就是相似的。
相似的矩阵有着相同的特征值和特征向量。
对角化是指将一个矩阵通过相似变换变成对角矩阵的过程。
6. 线性变换:线性变换是指一个向量空间到另一个向量空间的映射,它满足线性性质。
线性变换可以用矩阵表示,相应的矩阵称为线性变换的矩阵表示。
线性变换可以进行合成、求逆等操作。
7. 内积空间:内积空间是一个带有内积运算的向量空间。
内积运算满足对称性、线性性、正定性等性质。
内积空间可以用来定义向量的长度、夹角、正交性等概念。
8. 特征值和特征向量:对于一个线性变换,如果存在一个非零向量使得线性变换作用在该向量上等于该向量的某个常数倍,那么这个常数就是该线性变换的特征值,而对应的非零向量就是特征向量。
特征值和特征向量可以用来分析矩阵的性质,求解线性方程组等。
9. 奇异值分解:奇异值分解是矩阵分解的一种常用方法,它将一个矩阵分解为三个矩阵的乘积,其中一个矩阵是正交矩阵,另两个矩阵是对角矩阵。
考研数学之线性代数讲义(考点知识点+概念定理总结)

考研数学之线性代数讲义(考点知识点+概念定理总结)线性代数讲义目录第一讲基本概念矩阵的初等变换与线性矩阵方程的消去完全展开式化零降阶法其它性质克莱姆法则第三讲矩阵乘积矩阵的列向量和行向量矩阵分解矩阵方程逆矩阵伴随矩阵第4讲向量组线性表示向量组的线性相关性向量组的极大无关组和秩矩阵的秩第五讲方程组解的性质解的判别基本解系统和通解第6讲特征向量和特征值的相似性和对角化特征向量与特征值―概念,计算与应用相似对角化―判断与实现附录一内积正交矩阵施密特正交化实对称矩阵的对角化第七讲二次型二次型及其矩阵可逆线性变量取代了实对称矩阵惯性指数正定二次型与正定矩阵的合同标准化与规范化附录二向量空间及其子空间附录III两个线性方程组的解集之间的关系附录四06,07年考题一第一讲基本概念1.线性方程组的基本概念。
线性方程组的一般形式是:a11x1+a12x2++a1nxn=b1,a21x1+a22x2+?+a2nxn=b2,????am1x1+am2x2+?+amnxn=bm,其中未知数的个数n和方程式的个数m不必相等.线性方程组的解是一个n维向量(k1,k2,k,kn)(称为解向量),它满足当每个方程中的未知数席被Ki替换时,它变成一个方程。
线性方程组的解的情况有三种:无解,唯一解,无穷多解.在线性方程组的讨论中有两个主要问题:(1)判断解(2)求解,特别是当存在无穷多个连接时求通解b1=b2=?=bm=0的线性方程组称为齐次线性方程组.n维零向量总是齐次线性方程组的解,称为零解。
因此,齐次线性方程组只有两种解:唯一解(即只要零解)和无限解(即非零解)把一个非齐次线性方程组的每个方程的常数项都换成0,所得到的齐次线性方程组称为原方程组的导出齐次线性方程组,简称导出组.2.矩阵和向量(1)基本概念矩阵和向量都是描写事物形态的数量形式的发展.是M吗?一张表有M行和N列,以N个数字排列,两边用括号或方括号括起来,就变成了M?例如N型矩阵2-101111102254-29333-18是4吗?5矩阵对于上述线性方程组,它被称为矩阵a11a12?a1na11a12?a1nb1a=a21a22?a2n和(a|?)=a21a22?a2nb2??????? am1am2?amnam1am2?amnbm为其系数矩阵和增广矩阵.增广矩阵体现了方程组的全部信息,而齐次方程组只用系数矩阵就体现其全部信息.矩阵中的数字称为其元素,第I行和第J列中的数字称为(I,J)位元素所有元素为0的矩阵称为零矩阵,通常记录为0两个矩阵a和b相等(记作a=b),是指它的行数相等,列数也相等(即它们的类型相同),并且对应的元素都相等.N个数的有序数组称为N维向量,这些数称为其分量书写中可用矩阵的形式来表示向量,例如分量依次是a1,a2,?,an的向量可表示成二a1(a1,a2,?,an)或a2,┆an请注意,作为向量它们并没有区别,但是作为矩阵,它们不一样(左边是1?n矩阵,右边是n?1矩阵).习惯上把它们分别称为行向量和列向量.(请注意与下面规定的矩阵的行向量和列向量概念的区别.)一个M?n的矩阵的每一行是一个n维向量,称为其行向量;每一列都是一个m维向量,称为它的列向量。
考研数学线性代数必背知识点

反对称矩阵 A = A 。
0 0 0 0 1 0 3 0 (A ) * 0 03 0 01 0 0* * *对称矩阵 A = A 。
考研数学知识点-线性代数第一讲 基本知识二.矩阵和向量1.线性运算与转置① A + B = B + A② (A + B ) + C = A + (B + C )③ c (A + B ) = cA + cB (c + d )A = cA + dA④ c (dA ) = (cd )A⑤ cA = 0 ™ c = 0 或 A = 0 。
向量组的线性组合〈 1 ,〈 2 ,⊄ ,〈 s ,T 三.矩阵的初等变换,阶梯形矩阵 ♣初等行变换 初等变换分 ♦ ♥初等列变换 三类初等行变换 ①交换两行的上下位置 A B ②用非零常数 c 乘某一行。
③把一行的倍数加到另一行上(倍加变换) 阶梯形矩阵 转置 c 1〈 1 + c 2〈 2 + ⊄ + c s 〈 s 。
A 的转置 A T (或 A 2 )4 1 0 1 0 2 0 0 25 2 0 0 1 2 1 4 3 T T= A①如果有零行,则都在下面。
②各非零行的第一个非 0 元素的列号自上而下严格 (A ± B )T = A T ± B T单调上升。
或各行左边连续出现的 0 的个数自上而下严格单调 (cA )T = c (A T )。
上升,直到全为 0 。
台角:各非零行第一个非 0 元素所在位置。
简单阶梯形矩阵: 3. n 阶矩阵3.台角位置的元素都为 1 n 行、 n 列的矩阵。
对角线,其上元素的行标、列标相等 a 11 , a 22 ,⊄对角矩阵 0 * 00 0 *4.台角正上方的元素都为 0。
每个矩阵都可用初等行变换化为阶梯形矩阵和简单 阶梯形矩阵。
如果 A 是一个 n 阶矩阵 A 是阶梯形矩阵 ® A 是上三角矩阵,反之不一定, 数量矩阵 0 3 0 = 3E0 0 3单位矩阵 0 1 0 E 或I0 0 1如 0 0 1 0 1 0 是上三角,但非阶梯形 0 0 1 四.线性方程组的矩阵消元法 用同解变换化简方程再求解 上(下)三角矩阵 0 * *0 0 *T 1 三种同解变换: ①交换两个方程的上下位置。
考研数学一详细知识点总结

考研数学一详细知识点总结一、线性代数1. 行列式行列式是线性代数中的一个重要概念,它是一个具有特定数学性质的标量函数,它可以对矩阵进行某种代数计算,得到一个数。
通过行列式的性质和运算法则,我们可以求解线性方程组的解,判断矩阵的逆矩阵是否存在等。
行列式的基本定义、性质和运算法则是线性代数中的重要基础知识点。
2. 矩阵与向量空间矩阵是线性代数中的另一个重要概念,它是一个矩形数组,它是向量空间的一种表达形式。
矩阵的定义、运算法则、转置矩阵、伴随矩阵、特征值和特征向量等都是线性代数中的重要知识点。
3. 线性变换与矩阵的相似变换线性变换是线性代数中的一个重要概念,它是定义在向量空间上的一个运算,将一个向量空间中的一个向量映射到另一个向量空间中的一个向量。
线性变换与矩阵的相似变换在数学和工程中有着广泛的应用,对于理解线性代数的基本概念和运用都具有重要意义。
4. 线性方程组线性方程组是线性代数中的一个重要概念,它是由一系列线性方程构成的方程组。
通过行列式和矩阵的知识可以求解线性方程组的解,判断矩阵的逆矩阵是否存在等。
5. 向量的线性相关性向量的线性相关性是线性代数中的另一个重要概念,它是判断向量空间中向量之间的线性组合是否有零解的一个关键概念。
向量的线性相关性的性质、判断方法和应用是线性代数中的重要知识点之一。
6. 最小二乘法最小二乘法是线性代数中的另一个重要概念,它是一种用于数据拟合和参数估计的数学方法。
通过最小二乘法可以得到一个最优的拟合曲线或者参数估计,它在数学、统计学和工程领域中都有着广泛的应用。
二、概率统计1. 随机事件与概率随机事件是概率统计中的一个重要概念,它是指在一定条件下,结果是不确定的事件。
概率是描述随机事件发生可能性的一种数学方法,它是随机事件发生可能性的度量标准。
随机事件的基本性质和概率的基本性质是概率统计中的基础知识点。
2. 条件概率与独立性条件概率是指在已知一件事情发生的情况下,另一件事情发生的可能性。
- 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)。
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 ij M 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 =; 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==-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 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 ----=== ***111()()()T T TAB 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、12s A A A A =L ;Ⅱ、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:r m nE OF 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 -=; 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 ,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)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:①、0()min(,)m n r A m n ⨯≤≤;②、()()T r 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()nn n n m n m m n n n n m m n mn n n n n n m a b C a C a b C a b C a b C b C a b-----=+=++++++=∑L L ;注:Ⅰ、()n a b +展开后有1n +项;Ⅱ、0(1)(1)!1123!()!--+====-L L g g g L g m nn n n n n n m n C C C m m n mⅢ、组合的性质:111102---+-===+==∑nm n mm m m rnr r n n n n nnn n r C C C C C CrC 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()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-=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; 10. 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 n a x a x a x b 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 b a a a x b ⎛⎫⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪⎪ ⎪=⇔= ⎪⎪ ⎪⎪⎪ ⎪⎝⎭⎝⎭⎝⎭L L 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 x a a a x β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭LM (全部按列分块,其中12n b b b β⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭M ); ④、1122n n a x a x a x β+++=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,,,m αααL 构成n m ⨯矩阵12(,,,)m A =L ααα;m 个n 维行向量所组成的向量组B :12,,,T T TmβββL 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 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 αααL 线性相关,则121,,,,s s αααα+L 必线性相关;若12,,,s αααL 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 ≤(二版74P 定理7);向量组A 能由向量组B 线性表示,则()()r A r B ≤;(86P 定理3) 向量组A 能由向量组B 线性表示AX B ⇔=有解; ()(,)r A r A B ⇔=(85P 定理2)向量组A 能由向量组B 等价()()(,)r A r B r A B ⇔ ==(85P 定理2推论) 8. 方阵A 可逆⇔存在有限个初等矩阵12,,,l P P P L ,使12l A 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:~c A 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,且A 与B 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 ⨯L 可由向量组12:,,,n s s A a a a ⨯L 线性表示为:(110P 题19结论)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 n A ⨯,存在n m Q ⨯,m AQ E = ()r A m ⇔=、Q 的列向量线性无关;(87P ) 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 αααL 线性相关⇔存在一组不全为0的数12,,,s k k k L ,使得11220s s k k k ααα+++=L 成立;(定义)⇔1212(,,,)0s s x xx ααα⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭L M 有非零解,即0Ax =有非零解;⇔12(,,,)s r s ααα<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 r ξξξ-L 为0Ax =的一个基础解系,则*12,,,,n r ηξξξ-L 线性无关;(111P 题33结论)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=⎧==⎨≠⎩L ;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 a L11b a =;1222111[,][,]b a b a b b b =-g L 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 ⇔=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)。