线性代数考试复习提纲、知识点、例题_线性代数习题考试题

线性代数考试复习提纲、知识点、例题由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“线性代数习题考试题”。

线性代数考试复习提纲、知识点、例题

一、行列式的计算（重点考四阶行列式）

1、利用行列式的性质化成三角行列式

行列式的性质可概括为五条性质、四条推论，即七种变形手段（转置、交换、倍乘、提取、拆分、合并、倍加）；三个为0【两行（列）相同、成比例、一行（列）全为0】

2、行列式按行（列）展开定理降阶

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乘

n ,积之和，即Dai1Ai1ai2Ai2...ainAin

i1,2,...n ,Da1iA1Ai2...aniAni

i1,2,...iai222404135例

1、计算行列式

312320

51二、解矩阵方程

矩阵方程的标准形式：AXB

XAB

AXBC

111若系数矩阵可逆，则XA1B

XBA

XACB

切记不能写成XA1B1C或X求逆矩阵的方法：

C AB1、待定系数法ABE(或BAE)

2、伴随矩阵法A11A

A其中A叫做A的伴随矩阵，它是A的每一行的元素的代数余子式排在相同序数的列上的矩阵。A11AA12...A1nA21...A22...A2nAn1...An2 .........Ann初等行变换EA1

3、初等变换法AE例

2、解矩阵方程31561416X 527891001011111B20例

3、解矩阵方程 XAXB，其中 A

 10153

三、解齐次或非齐次线性方程组

设Aaijmn，n元齐次线性方程组AX0有非零解r(A)n

n元齐次线性方程组AX0只有零解r(A)n。

当mn时，n元齐次线性方程组AX0只有零解A0。

当mn时，n元齐次线性方程组AX0有非零解A0。

当mn时，齐次线性方程组一定有非零解。定义：设齐次线性方程组AX0的解1,...,t满足：（1）1,...,t线性无关，AX0的每一个解都可以由1,...,t线性表示。（2）

则1,...,t叫做AX0的基础解系。

定理

1、设Amn，齐次线性方程组AX0，若r(A)rn，则该方程组的基础解系一定存在，且每一个基础解系中所含解向量的个数都等于nr。

齐次线性方程组的通解xk11...knrnr

k1,...kn,rR 设Aaijmn，n元非齐次线性方程组AXB有解r(A)r(A)。

唯一解r(A)r(A)n。

无数解r(A)r(A)n。

无解r(A)r(A)。

非齐次线性方程组的通解xk11...knrnr，k1,...kn,rR

x1x22x3x40例

4、求齐次线性方程组2x1x2x3x40的通解

2x2xx2x01234x1x23x3x41例

5、求非齐次线性方程组3x1x23x34x44的通解。

x5x9x8x0234

1四、含参数的齐次或非齐次线性方程组的解的讨论

xyz0例

6、当为何值时，齐次线性方程组xyz0有非零解，并求解。

2xyz02x1x2x32例

7、已知线性方程组x12x2x3，问当为何值时，它有唯一

xx2x2312解，无解，无穷多解，并在有无穷多解时求解。

五、向量组的线性相关性

1,2,...,s线性相关1,2,...,s(s2)中至少存在一个向量能由其余

向量线性表示。

存在不全为0的数k1,k2,...,ks使得k11k22..kss0。

k11列行k21,2,...,s0有非零解

k1,k2,...,ks20有非零解

......kssk1k///20有非零解

1,2,...,s...ksr1,2,...,ss

r1/,2/,...,s/s

1,2,...,s线性无关1,2,...,s(s2)中任意一个向量都不能由其余向量线性表示。

若k11k22..kss0，则k1k2...ks0。

k11列行k

21,2,...,s0只有零解

k1,k2,...,ks20只有零解

......kssk1k///2,,...,0

r1,2,...,ss

12s...ks///

r1,2,...,ss

特殊的，n个n维向量1,2,...,n线性相关1,2,...,n0或

12...0。

n12...n个n维向量1,2,...,n线性无关1,2,...,n0或

0。

n例

8、已知向量组1t,2,1，22,t,0，31,1,1，讨论t使该向量组（1）线性相关

（2）线性无关

六、求向量组的秩，极大无关组，并将其余向量用极大无关组线性表示

设向量组A:1,2,...,s，若从A中选出r个向量构成向量组

A0:i1,i2,...,ir满足：

（1）A0线性无关

A中的每一个向量都能由A0线性表示，（2）

条件（2）换一句话说A的任意r1个向量（若有的话）都线性相关，或者说从A中向A0任意添加一个向量（若有的话），所得的向量组都线性相关。

则A0叫做A的极大线性无关向量组，简称极大无关组。向量组的极大无关组所含向量的个数叫做向量组的秩，记作r1,2,...,sr 求向量组的秩的方法：（1）扩充法

12（2）子式法

1,2,...,mnm ...mmn最高阶非0子式的阶数就是矩阵的秩，也就是这个向量组的秩，并且这个子式的行（列）对应的原向量组的向量就是这个向量组的一个极大无关组。

（3）初等变换法

同法二构成矩阵，对矩阵进行初等变换。例

9、设向量组

1(1,2,1,3),2(4,1,5,6),3(1,3,4,7),4(2,1,2,3)

求（1）向量组的秩；

（2）向量组的一个极大线性无关组，并把其余向量用这个极大线性无关组线性表示。

七、相似矩阵的性质与矩阵可相似对角化问题

P1APB

相似矩阵的性质:

1、相似矩阵有相同的特征多项式，从而有相同的特征值，行列式，迹。特征值相同是两个矩阵相似的必要而非充分条件。

2、相似矩阵有相同的秩。秩相等是方阵相似的必要而非充分条件。

3、相似矩阵有相同的可逆性，当它们可逆时，它们的逆矩阵也相似。

4、若A与B相似，则Ak与Bk相似，kN，则(A)与(B)相似。

Bk(P1AP)kP1APP1AP...P1APP1AkP

12相似 An与nAn有n个线性无关的特征向量p1,p2,...,pn，且以它们为列向量组的矩阵P使P1AP，1,2,...,n分别为与p1,p2,...,pn对应的An的特征值。

若An有n个互不相等的特征值1,2,...,n，则An一定与12相似。nAn与相似对应于An的每个特征值的线性无关的特征向量的个数等于该特征值的重数。

nr(EA)k

其中k为的重数

1245002x2B0y0例

10、设矩阵A与相似 004421（1）求x与y；

（2）求可逆矩阵P，使P1APB。

001例

11、设A11a，问a为何值时，矩阵A能相似对角化。

100 例

12、设三阶矩阵A的特征值为11，22，33，对应的特征向量依次为11,1,1，21,2,4，31,3,9，求矩阵A。

例

13、设三阶实对称矩阵A的特征向值1,1,1，与特征值1对应的特征向量为11,1,1，求A。

///

八、化二次型为标准型，并求所用线性变换的矩阵

22例

14、化二次型f(x1,x2,x3)x15x26x234x1x26x1x310x2x为标准3型，并求所用可逆线性变换的矩阵。

例

15、化二次型f(x1,x2,x3)2x1x22x1x36x2x3为标准形，并求所用可逆线性变换的矩阵。