线性代数复习

1.行列式

1.1 行列式的概念、性质、计算

逆序数： 所有的逆序的总数

---

行列式定义： 不同行不同列元素乘积代数和（最终结果是一个数）

---

行列式的一些性质
（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。

行列式的计算方法：

1.2 重要行列式

上（下）三角（主对角线）行列式的值 等于主对角线元素的乘积

副对角线行列式的值 等于副对角线元素的乘积X (-1)的二分之一n乘n-1次方

1.3 按行（列）展开

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

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

1.4 行列式公式

1.5 克莱姆法则

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

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

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

矩阵是一个数表，可以将很多很复杂的数据放到一张表里

2.1 矩阵的运算（加减乘除）

结果仍然是一个矩阵
矩阵乘法要求前列后行一致 （中间相等取两头）

矩阵乘法不满足交换律；

AB=O不能推出 A=O或 B=O

矩阵的加减

对应位置相加减，得到的结果放回对应位置

矩阵乘法（中间相等取两头）
两个矩阵要可以相乘，必须是A矩阵的列数B矩阵的行数相等，才可以进行乘法，矩阵乘法的原则是，A矩阵的第i行中的元素分别与B矩阵中的第j列中的元素相乘再求和，得到的结果就是新矩阵的第i行第j列的值

矩阵除法
一般不说矩阵的除法。都是讲的矩阵求逆。

2.2 转置矩阵（Aij位置换到Aji)

2.3 矩阵的逆(行列式不为0，与别的同阶矩阵相乘结果是单位阵）

定义：
对一个 n 阶方阵 A ，如果存在另一个 n 阶方阵 B，它们满足：AB = BA = E（其中 E 为单位矩阵），那么两矩阵互为逆矩阵。换句话说，A 的逆矩阵为 B ，B 的逆矩阵为 A。

注：A可逆的充要条件是 |A| ≠0

2.4 矩阵的初等变换

两行（列）互换
一行（列）乘非零常数 c
一行（列）乘 k 加到另一行（列）

2.5 初等矩阵

单位矩阵 E经过一次初等变换得到的矩阵

初等行（列）变换相当于左（右）乘相应的初等矩阵

初等矩阵均为可逆矩阵

2.6 矩阵的秩

定义： 非零子式的最高阶数

秩的求法：

（1）A 为抽象矩阵：由定义或性质求解；
（2）A为数字矩阵： A→初等行变换 →阶梯型（每行第一个非零元素下面的元素均为 0），则 r（A）=非零行的行数

2.7 伴随矩阵

2.8 分块矩阵

分块矩阵求逆

3.向量

3.1向量的概念 运算

向量的概念

在数学中，向量（也称为欧几里得向量、几何向量、矢量），指具有大小（magnitude）和方向的量。它可以形象化地表示为带箭头的线段。
箭头所指：代表向量的方向；
线段长度：代表向量的大小。
与向量对应的只有大小，没有方向的量叫做数量（物理学中称标量）。
向量的记法：印刷体记作粗体的字母（如a、b、u、v），书写时在字母顶上加一小箭头“→”。如果给定向量的起点（A）和终点（B），可将向量记作AB上面一个箭头。
实际上向量有多种记法，可以用元组表示一个向量，如 (x1, x2) 或 < x1, x2>。
在线性代数中，n元向量可以用n×1矩阵表示：（向量中的每个元素xn，都称作向量的一个分量）

向量的模

向量的模即向量的长度，如果A是n维向量，则A的模标记为：

向量的加减运算

向量的加法运算同矩阵的加法，我们需要理解的是矩阵加法在二维直角坐标系中系上的几何意义

3.2线性组合 和 线性表示（线性表出）

线性组合 线性表出的概念

若对于n+1维向量组 α1，α2，α3，…，αn，β；
存在一组数k1,k2,…,kn，使得
β=α1+α2+α3+···+αn 成立；
则可以说：
向量β是向量组α1，α2，…，αn的一个线性组合
向量β可由向量组α1，α2，…，αn的线性表出

线性表示的充要条件：非零列向量 β可由α1，α2，, ， αs线性表示
非齐次线性方程组（ α1，α2，, ， αs）（x1，x2，, ， xs）T=β有解
r（α1，α2，, ， αs）=r（α1，α2，, ， αs，β）

验证某个向量是否为一个向量组的线性组合，或者说验证某个向量能否由一个向量组线性表出的关键，即从定义出发
尝试找出n个实数，使得 β=α1+α2+α3+···+αn 成立

线性表示的充分条件： 若α1，α2，, ， αs线性无关， α1，α2，, ， αs，β线性相关，则 β可由α1，α2，, ， αs线性表示

3.3线性相关和线性无关

线性相关
对于n维向量组 α1，α2，α3，…，αn，若存在一组不全为0的实数 k1,k2,…,kn，使得k1α1+k2α2+k3α3+···+knαn = 0 成立，则n维向量组α1,α2,···,αn是线性相关的。

线性无关
对于n维向量组 α1，α2，α3，…，αn，若不存在一组不全为0的实数k1,k2,…,kn，使得k1α1+k2α2+k3α3+···+knαn = 0 成立，则n维向量组α1,α2,···,αn是线性无关的。

4.线性方程组

5.特征值和特征向量

函数通常作用在数字上，比如函数f作用在x上，结果得到了f(x)。在线性代数中，我们将x扩展到多维，对于Ax来说，矩阵A的作用就像一个函数，输入一个向量x，通过A的作用，得到向量Ax。对多数向量x而言，经过Ax的转换后将得到不同方向的向量，但总有一些特殊的向量，它的方向和Ax方向相同，即Ax平行于x，这些特殊的向量就是特征向量。

6.二次型