要把所有那些负面的信息当做对自身行为的评价，而不是对自身价值的评判。

主要是考察对向量线性相关的理解。

例子：证明​1aa2a4​1bb2b4​1cc2c4​1dd2d4​​a−ba−ca−db−cb−dc−dabcd证明：​1aa2a4​1bb2b4​1cc2c4​1dd2d4​​​1000​1b−ab2−abb4−b2a2​1c−ac2−acc4−c2a2​1d。

例3： 求d (detA)

注意到，上式（1.1）中是一个二次型，其中第一项和第二项是一样的。

因此，对上述等式条件的利用，就只能使用上图中的方式来推导。但是上述两个矩阵都不是0矩阵。

究其原因，矩阵和转置矩阵的i行和j列的内积，满足对称矩阵的条件。矩阵乘以它的转置矩阵为对称矩阵。

根据导数定义和性质，极值处导数为0。首先求出矩阵的导数，置为0后求解。一般是列向量，需要放在后面，此时需要将矩阵导数放在前面，并转置。注意：上式中每一项都是一个标量，而不是向量。

yx = |yx| * x / |x| = / |x| *x / |x| ，即可得到下图中的矩阵。

对称矩阵必然可以可转化为对角矩阵的证明

从（1.2）和（1.4）可以得出，A和B有相同的特征值（规范型），结论得证。既可以是普通的对角矩阵，也可以是规范型（即对角元素的值的绝对值为1）。正惯性指数是矩阵正特征值个数，负惯性指数是矩阵负特征值个数。两个实对称矩阵合同的充要条件是它们的正负惯性指数相同。即合同矩阵的充分必要条件是特征值的正负号个数相同。本论证中的所有矩阵都是对称矩阵。根据定义，若矩阵A和矩阵B满足。，则（1.3）可化为。

我在这里曾将犯过一个错误，不明白乘以a1/|a1|的含义，直觉不自然的乘以a2/|a1|，结果得到错误的值，以此为戒。如果没有空间向量解析几何基础，理解起来稍微有些困难，因此稍微解说一下。

合同：就是两个矩阵有相同的正负惯性指数。在实数域上，只要两个矩阵的正负惯性指数相同，即可以认为两个矩阵存在合同。这是非常重要的判别的一句话！对称矩阵A（也可以不是对称矩阵）求对角阵或特征值。正的特征值的个数就是正惯性指数，负的特征值个数就是负惯性指数。下图中，AB 和BA的值可能是不同的（相同的条件是图中相互对应的4项相同，即对称矩阵）如下，UWQ三个矩阵的2种结合，证明矩阵乘法满足结合律。1 .矩阵的满足结合律，但不满足交换律。

直接看数学博士写的ppt图，肯定写的比我好：下面这这方式也可以：