线性代数笔记-行列式与向量

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

一、行列式用于求方程的解（克莱姆法则）

1用系数行列式的值作为分母，结果每替代一列就是一个函数解
2,—所以行列式为0就是没有解、

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、求行列式（本质是一个数，行列式是一种运算方式，或者说是特殊的矩阵）

1.三阶行列式

1，三阶可以直接用对角线法则直接求
2，降阶法，代数余子式（注意点，代数余子式是不考虑它自身这行的，也就可以出现两行相等结果为0的题型）

2.高阶行列式

1降阶法，代数余子式展开
首先，我们可以化简—目的，一行或者列的0和1越多，展开就越容易展开
2，上三角矩阵
第一步，找1
为什么，我们可以用有1的函数去化简比较方便
3，观察一行一列相加的和是否为同一个值
目的，有相同值的一行或者一列我们可以一起提车共公因子然后展开降阶
4，一些特殊的行列式直接有结果
比如右上角左下角为0的矩阵

3.利用行列式的形式去求某一个x的n次方的系数问题

1，原则，每一列都必须要取到一个值比如1234,1324，1423
这个原则是做这道题的基本
2，利用上面的原理，把系数拼起来就是答案
3，主意有x的高阶在行列式里，有空能相乘出现低阶x的情况，比如（x+1）的2次方中是有x的1次方的

4.区分行列式值的系数和代数余子式的系数

行列式每个对角线的系数是由行和列逆序数之和决定的（前面的数，后面每有一个大于他的数那就加1）
代数余子式系数是由展开的第一项的i+j的奇偶来决定的

一些行列式性质

1交换两两行列，需要加负号------由代数余子式的性质可以推出来
2有量行列相等，结果为0--------也是由代数余子式可知，-D=D，那么D就是0
第一条性质的应用—
1把反过来的三角变成正三角

3，一行或者一列可以提一个k

易错题------------------|kA|是提出n个k才是答案
4行列式的按行按列可加性
由累加的性质推导而来
作用，拆成两个容易求的行列式，或者递归拆除
常有做法，399 203 101 化成400 200 100，主要是为了留下一行和其它行相等的情况----等于0了
比如上面留下-1 3 1

四，几个等式之间的转换

A*A^-1=I=AxA（的伴随）/|A|
|A|=|At|的n-1次方=|A的伴随|

题目类型

1，求伴随-------求模
2，求逆矩阵-----求单位矩阵

五，向量（本质：特殊的行列矩阵）

线性相关无关的几种理解

物理层面----向量空间的基底（线性无关的向量数量），它能表示的向量（线性相关的向量）

行列式层面—由向量所组成的矩阵的秩就是线性无关的向量的个数，这个向量组也是极大无关组

题型：1判断某向量能否由其他几个向量线性表出

这里的某个向量实际就是方程的右边，其他几个向量就是方程组的系数

解题思路，1线性方程组是否有解（方程组方向）
2或者说是看系数矩阵是否满秩（矩阵方向）
3，定义法—注意是至少有一个（至少）

做法：
1R（A）=R（A,B）加了新的向量后，秩不变就说明线性相关（这里其实也可以看成系数矩阵和增广矩阵）
不满秩就无关
2二维坐标，如果有三个向量，那就一定相关（这里就是从维数来看的了）
注 0向量可以表示任何向量，所有有0必相关

题型：一些拉拉杂杂的理论题，为下：

题型：1线性相关的充要条件----至少有1表示（注意是充要和至少）

题型：2若线性相关，则判断未知参数----先看维数，再看秩

题型：3线性无关的充分条件-----只有系数为0时才得0（可以全加上否）

题型：4部分向量组关系—部分能表示，则整体能表示—整体能表示， 部分不一定—原向量组不能表示新向量不代表新向量加入后无关（因为可以用新向量加旧表示旧，有一个成立即可）

题型：5向量组等价问题—就是指两向量组能否互相线性表出—矩阵等价和向量组等价的区别—秩相等都是它们的必要条件，但是它们之间是没有关系的，矩阵等价是相对于一个初等变换前后的矩阵而言，而向量组等价是相对于两个向量组而言（你可以把向量组里面看成只有一个向量来理解）

题型：6给出abcd线性无关，问一些等式（实际上就是系数矩阵）的秩的问题----记住矩阵（向量）相成，秩取小的那个，为啥，乘上全是0的一行不就少一行了吗

后续再补充了