【线性代数公式】线性代数是数学中一个重要的分支，广泛应用于物理、工程、计算机科学等领域。它主要研究向量空间和线性变换的性质，涉及矩阵、行列式、特征值、向量等基本概念。以下是对线性代数中一些常见公式的总结与归纳。
一、基本概念与公式
| 概念 | 公式 | 说明 | ||
| 向量加法 | $\vec{a} + \vec{b} = (a_1 + b_1, a_2 + b_2, \dots, a_n + b_n)$ | 向量的分量相加 | ||
| 向量数乘 | $k\vec{a} = (ka_1, ka_2, \dots, ka_n)$ | 向量与标量相乘 | ||
| 点积（内积） | $\vec{a} \cdot \vec{b} = a_1b_1 + a_2b_2 + \dots + a_nb_n$ | 两个向量的乘积，结果为标量 | ||
| 向量模长 | $ | \vec{a} | = \sqrt{a_1^2 + a_2^2 + \dots + a_n^2}$ | 向量的长度 |
| 矩阵加法 | $A + B = [a_{ij} + b_{ij}]$ | 对应元素相加 | ||
| 矩阵数乘 | $kA = [ka_{ij}]$ | 每个元素乘以标量 | ||
| 矩阵乘法 | $C = AB$，其中 $c_{ij} = \sum_{k=1}^{n} a_{ik}b_{kj}$ | 行乘列求和 |
二、行列式相关公式
| 公式 | 说明 | |
| 2×2矩阵行列式 | $\det(A) = ad - bc$，其中 $A = \begin{bmatrix} a & b \\ c & d \end{bmatrix}$ | 计算2阶矩阵的行列式 |
| 3×3矩阵行列式 | $\det(A) = a(ei - fh) - b(di - fg) + c(dh - eg)$，其中 $A = \begin{bmatrix} a & b & c \\ d & e & f \\ g & h & i \end{bmatrix}$ | 用展开法计算3阶行列式 |
| 行列式性质 | $\det(A^T) = \det(A)$ $\det(AB) = \det(A)\det(B)$ $\det(kA) = k^n \det(A)$（n为矩阵阶数） | 行列式的运算规则 |
三、逆矩阵与伴随矩阵
| 公式 | 说明 | |
| 逆矩阵 | $AA^{-1} = I$ | 若存在，则称A可逆 |
| 伴随矩阵 | $A^ = \text{adj}(A)$，满足 $A \cdot A^ = \det(A) \cdot I$ | 用于求逆矩阵 |
| 逆矩阵公式 | $A^{-1} = \frac{1}{\det(A)} \cdot A^$ | 当$\det(A) \neq 0$时成立 |
四、特征值与特征向量
| 公式 | 说明 | |
| 特征方程 | $\det(A - \lambda I) = 0$ | 求特征值的方程 |
| 特征向量 | $A\vec{v} = \lambda \vec{v}$ | 满足此式的非零向量称为特征向量 |
| 特征多项式 | $p(\lambda) = \det(A - \lambda I)$ | 用于计算特征值 |
五、矩阵的秩与行列式关系
| 关系 | 说明 |
| 秩与行列式 | 若矩阵A的秩为n（n为行数），则其行列式不为零，即A可逆 |
| 秩的定义 | 矩阵的行（或列）向量组的最大线性无关组的向量个数 |
六、其他常用公式
| 公式 | 说明 | |
| 转置矩阵 | $(A^T)^T = A$ | 矩阵转置的性质 |
| 矩阵的迹 | $\text{tr}(A) = \sum_{i=1}^{n} a_{ii}$ | 矩阵主对角线元素之和 |
| 正交矩阵 | $A^T A = I$ | 满足此条件的矩阵称为正交矩阵 |
通过以上公式的整理，我们可以更清晰地理解线性代数的核心内容，并在实际应用中灵活运用这些公式。掌握这些基础公式，是进一步学习线性代数、矩阵理论及应用数学的重要前提。