线性代数入门教程——矩阵与向量空间

概述

线性代数是大学数学的基础课程之一，也是理工科、经济学、计算机科学等专业的必修课。它以矩阵和向量为基本工具，研究线性方程组、线性变换、向量空间等核心问题。线性代数的知识在数据科学、机器学习、计算机图形学、量子力学等领域有着广泛的应用。

本教程将系统讲解线性代数的核心知识，包括行列式、矩阵运算、向量空间、线性方程组、特征值与特征向量、二次型等，配合典型例题和练习，帮助初学者建立扎实的理论基础。

---

知识点一：行列式

1.1 行列式的定义

二阶行列式：

\(\begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix} = a_{11}a_{22} - a_{12}a_{21}\)

三阶行列式（对角线法则）：

\(\begin{vmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{vmatrix} = a_{11}a_{22}a_{33} + a_{12}a_{23}a_{31} + a_{13}a_{21}a_{32} - a_{13}a_{22}a_{31} - a_{12}a_{21}a_{33} - a_{11}a_{23}a_{32}\)

n阶行列式：通过按行（列）展开定义，利用余子式和代数余子式递归计算。

1.2 行列式的性质

1. 转置不变：行列式与它的转置行列式相等
2. 行（列）互换变号：交换行列式的两行（列），行列式变号
3. 行（列）的公因子可以提出：某行（列）乘以常数k，行列式变为原来的k倍
4. 行（列）的线性组合：某行（列）加上另一行（列）的倍数，行列式不变
5. 某行（列）全为零，则行列式为零

1.3 行列式的计算方法

方法一：按行（列）展开

选择某一行（列），将每个元素与其对应的代数余子式相乘后求和。

方法二：化为上三角行列式

利用初等行变换将行列式化为上三角形式，行列式的值等于对角线元素的乘积。

例题：计算三阶行列式

\(D = \begin{vmatrix} 1 & 2 & 3 \\ 2 & 3 & 1 \\ 3 & 1 & 2 \end{vmatrix}\)

解：利用对角线法则：

D = 1×3×2 + 2×1×3 + 3×2×1 - 3×3×3 - 2×2×2 - 1×1×1

D = 6 + 6 + 6 - 27 - 8 - 1 = -18

---

知识点二：矩阵运算

2.1 矩阵的基本概念

矩阵：由 m×n 个数排成的 m 行 n 列的数表称为 m×n 矩阵。

特殊矩阵：

• 零矩阵：所有元素都为0的矩阵
• 单位矩阵：主对角线元素为1，其余为0的方阵，记为E或I
• 对角矩阵：非主对角线元素全为0的方阵
• 对称矩阵：满足 A = A^T 的方阵
• 上（下）三角矩阵：主对角线以下（上）元素全为0的方阵

2.2 矩阵的运算

加法：同型矩阵对应元素相加。

数乘：常数与矩阵的每个元素相乘。

矩阵乘法：若 A 是 m×s 矩阵，B 是 s×n 矩阵，则 C = AB 是 m×n 矩阵，其中：

\(c_{ij} = \sum_{k=1}^{s} a_{ik}b_{kj}\)

矩阵乘法的注意事项：

• 矩阵乘法不满足交换律：AB ≠ BA（一般情况下）
• 矩阵乘法满足结合律：(AB)C = A(BC)
• 矩阵乘法满足分配律：A(B+C) = AB + AC

转置：将矩阵的行和列互换，记为 A^T。

逆矩阵：若 AB = BA = E，则 B 是 A 的逆矩阵，记为 A⁻¹。

逆矩阵的求法：

• 二阶矩阵的逆：对于二阶矩阵 A = [a b; c d]，若 ad - bc ≠ 0，则 A⁻¹ = (1/(ad-bc)) × [d -b; -c a]
• 伴随矩阵法：A⁻¹ = (1/|A|) × A*，其中 A* 是 A 的伴随矩阵
• 初等变换法：对增广矩阵 [A|E] 做初等行变换，将 A 变为 E 时，E 变为 A⁻¹

2.3 矩阵的秩

秩的定义：矩阵中不等于零的子式的最高阶数称为矩阵的秩，记为 r(A)。

求秩方法：通过初等行变换将矩阵化为行阶梯形，非零行的个数即为矩阵的秩。

重要结论：

• r(A) ≤ min(m, n)
• r(A) = r(A^T)
• 若 A 可逆，则 r(A) = n（n为方阵的阶数）

---

知识点三：向量空间

3.1 向量的基本概念

n维向量：n个有顺序的数构成的数组 (a₁, a₂, ..., aₙ)。

线性组合：向量 β 能由向量组 α₁, α₂, ..., αₙ 线性表示，即存在一组数 k₁, k₂, ..., kₙ 使得：

\(\beta = k_1\alpha_1 + k_2\alpha_2 + ... + k_n\alpha_n\)

3.2 线性相关与线性无关

线性相关：存在不全为零的数 k₁, k₂, ..., kₙ 使得 k₁α₁ + k₂α₂ + ... + kₙαₙ = 0。

线性无关：只有当 k₁ = k₂ = ... = kₙ = 0 时，才有 k₁α₁ + k₂α₂ + ... + kₙαₙ = 0。

判断方法：

• 将向量组构成矩阵，若矩阵的秩等于向量个数，则线性无关；若秩小于向量个数，则线性相关
• n个n维向量构成的行列式不为零，则线性无关

3.3 向量空间与基、维数

向量空间：对加法和数乘封闭的非空向量集合。

基：向量空间中一个线性无关的生成组。

维数：基中所含向量的个数，记为 dim(V)。

坐标：向量在某组基下的线性组合系数。

3.4 正交与正交基

正交：两个向量的内积为零，则称它们正交。

标准正交基：基中每个向量都是单位向量，且两两正交。

施密特正交化方法：将一组线性无关的向量转化为正交向量组。

---

知识点四：线性方程组

4.1 齐次线性方程组

形式：AX = 0

解的情况：

• 只有零解：r(A) = n（未知数个数）
• 有非零解：r(A) < n

基础解系：若 r(A) = r < n，则存在 n - r 个线性无关的解向量，构成基础解系。

通解：基础解系的线性组合。

4.2 非齐次线性方程组

形式：AX = b

解的情况：

• 无解：r(A) ≠ r(A|b)（增广矩阵的秩不等于系数矩阵的秩）
• 唯一解：r(A) = r(A|b) = n
• 无穷多解：r(A) = r(A|b) < n

解的结构：非齐次方程组的通解 = 齐次方程组的通解 + 非齐次方程组的一个特解

求解方法：对增广矩阵 [A|b] 做初等行变换，化为行阶梯形或行最简形。

例题：求解线性方程组

\(\begin{cases} x_1 + 2x_2 + x_3 = 1 \\ 2x_1 + 3x_2 + x_3 = 3 \\ x_1 + x_2 - x_3 = 0 \end{cases}\)

解：对增广矩阵做初等行变换：

\([A|b] = \begin{bmatrix} 1 & 2 & 1 & | & 1 \\ 2 & 3 & 1 & | & 3 \\ 1 & 1 & -1 & | & 0 \end{bmatrix} \rightarrow \begin{bmatrix} 1 & 2 & 1 & | & 1 \\ 0 & -1 & -1 & | & 1 \\ 0 & -1 & -2 & | & -1 \end{bmatrix} \rightarrow \begin{bmatrix} 1 & 2 & 1 & | & 1 \\ 0 & 1 & 1 & | & -1 \\ 0 & 0 & -1 & | & -2 \end{bmatrix}\)

r(A) = r(A|b) = 3 = n，有唯一解。

从第三行：-x₃ = -2，得 x₃ = 2

从第二行：x₂ + x₃ = -1，得 x₂ = -3

从第一行：x₁ + 2x₂ + x₃ = 1，得 x₁ = 5

解为：x₁ = 5, x₂ = -3, x₃ = 2

---

知识点五：特征值与特征向量

5.1 基本概念

特征值与特征向量的定义：设 A 是 n 阶方阵，若存在数 λ 和非零向量 x，使得 Ax = λx，则 λ 是 A 的特征值，x 是 A 的属于特征值 λ 的特征向量。

特征方程：|A - λE| = 0

求解步骤：

1. 计算特征方程 |A - λE| = 0，求出特征值 λ₁, λ₂, ..., λₙ
2. 对每个特征值 λᵢ，求解 (A - λᵢE)x = 0，得到特征向量

5.2 特征值的性质

1. 特征值之和等于矩阵的迹（主对角线元素之和）：λ₁ + λ₂ + ... + λₙ = tr(A)
2. 特征值之积等于矩阵的行列式：λ₁ × λ₂ × ... × λₙ = |A|
3. 不同特征值对应的特征向量线性无关

5.3 矩阵的对角化

可对角化的条件：n 阶方阵 A 有 n 个线性无关的特征向量。

对角化方法：

1. 求出 A 的所有特征值和特征向量
2. 构造可逆矩阵 P = [x₁, x₂, ..., xₙ]（特征向量构成）
3. 则 P⁻¹AP = Λ（对角矩阵，对角线元素为特征值）

例题：求矩阵 A = [2 1; 1 2] 的特征值和特征向量。

解：

特征方程：|A - λE| = (2-λ)² - 1 = λ² - 4λ + 3 = (λ-1)(λ-3) = 0

特征值：λ₁ = 1, λ₂ = 3

当 λ₁ = 1 时，(A - E)x = 0：[1 1; 1 1]x = 0，得 x₁ = k(1, -1)^T

当 λ₂ = 3 时，(A - 3E)x = 0：[-1 1; 1 -1]x = 0，得 x₂ = k(1, 1)^T

---

知识点六：二次型

6.1 二次型的定义

二次型：n个变量的二次齐次多项式。

\(f(x_1, x_2, ..., x_n) = \sum_{i=1}^{n}\sum_{j=1}^{n} a_{ij}x_ix_j = x^TAx\)

其中 A 是实对称矩阵。

6.2 二次型的标准形

目标：通过可逆线性变换 x = Py，将二次型化为标准形（只含平方项）。

方法：

• 配方法：通过配方逐步消去交叉项
• 正交变换法：利用矩阵的对角化，通过正交变换将二次型化为标准形

6.3 正定二次型

定义：若对任意非零向量 x，都有 f = x^TAx > 0，则称 f 为正定二次型，A 为正定矩阵。

判断方法：

• 特征值法：所有特征值都大于零
• 顺序主子式法：所有顺序主子式都大于零

---

练习题

练习一：行列式计算

计算行列式：

\(D = \begin{vmatrix} 1 & 1 & 1 \\ a & b & c \\ a^2 & b^2 & c^2 \end{vmatrix}\)

答案：

这是一个范德蒙德行列式，D = (b-a)(c-a)(c-b)。

展开验证：D = 1×(b×c² - c×b²) - 1×(a×c² - c×a²) + 1×(a×b² - b×a²)

= bc² - b²c - ac² + a²c + ab² - a²b

= bc(c-b) - ac(c-a) + ab(b-a)

= (b-a)(c-a)(c-b)

---

练习二：矩阵运算

已知 A = [1 2; 3 4]，B = [2 0; 1 3]，求 AB 和 BA。

答案：

AB = [1×2+2×1, 1×0+2×3; 3×2+4×1, 3×0+4×3] = [4, 6; 10, 12]

BA = [2×1+0×3, 2×2+0×4; 1×1+3×3, 1×2+3×4] = [2, 4; 10, 14]

可以看到 AB ≠ BA，验证了矩阵乘法不满足交换律。

---

练习三：求逆矩阵

求矩阵 A = [1 2; 3 5] 的逆矩阵。

答案：

|A| = 1×5 - 2×3 = -1 ≠ 0，A 可逆。

A⁻¹ = (1/|A|) × [5 -2; -3 1] = [-1] × [5 -2; -3 1] = [-5, 2; 3, -1]

验证：AA⁻¹ = [1 2; 3 5] × [-5 2; 3 -1] = [-5+6, 2-2; -15+15, 6-5] = [1 0; 0 1] = E ✓

---

练习四：线性方程组求解

判断线性方程组的解的情况：

\(\begin{cases} x_1 + x_2 + x_3 = 1 \\ x_1 + 2x_2 + 3x_3 = 2 \\ 2x_1 + 3x_2 + 4x_3 = 3 \end{cases}\)

答案：

增广矩阵：

\([A|b] = \begin{bmatrix} 1 & 1 & 1 & | & 1 \\ 1 & 2 & 3 & | & 2 \\ 2 & 3 & 4 & | & 3 \end{bmatrix} \rightarrow \begin{bmatrix} 1 & 1 & 1 & | & 1 \\ 0 & 1 & 2 & | & 1 \\ 0 & 1 & 2 & | & 1 \end{bmatrix} \rightarrow \begin{bmatrix} 1 & 1 & 1 & | & 1 \\ 0 & 1 & 2 & | & 1 \\ 0 & 0 & 0 & | & 0 \end{bmatrix}\)

r(A) = r(A|b) = 2 < 3（未知数个数），有无穷多解。

令 x₃ = t（自由变量），从第二行：x₂ = 1 - 2t

从第一行：x₁ = 1 - x₂ - x₃ = 1 - (1-2t) - t = t

通解：x₁ = t, x₂ = 1-2t, x₃ = t（t为任意常数）

---

练习五：特征值与对角化

判断矩阵 A = [4 -2; 1 1] 是否可对角化，若可对角化，求出 P 和 Λ。

答案：

特征方程：|A - λE| = (4-λ)(1-λ)+2 = λ² - 5λ + 6 = (λ-2)(λ-3) = 0

特征值：λ₁ = 2, λ₂ = 3

当 λ₁ = 2 时，(A-2E)x = 0：[2 -2; 1 -1]x = 0，得 x₁ = k(1, 1)^T

当 λ₂ = 3 时，(A-3E)x = 0：[1 -2; 1 -2]x = 0，得 x₂ = k(2, 1)^T

两个特征值不同，对应特征向量线性无关，A 可对角化。

P = [1 2; 1 1]，Λ = [2 0; 0 3]

---

总结

线性代数是现代数学和应用科学的重要基础。本教程涵盖了线性代数的核心知识点：

1. 行列式是矩阵理论的基础工具，用于判断矩阵可逆性和求解方程组
2. 矩阵运算是线性代数的基本操作，要熟练掌握加法、乘法、转置、求逆等运算
3. 向量空间为线性方程组和线性变换提供了几何直觉
4. 线性方程组是线性代数的核心应用之一，要掌握解的判定和求解方法
5. 特征值与特征向量在矩阵对角化、二次型标准化等方面有重要应用
6. 二次型在优化理论、统计学等领域有广泛应用

学习线性代数需要注重理解概念的几何意义和实际应用，同时要通过大量练习提高计算能力。建议同学们在学习中注重概念之间的联系，构建完整的知识体系。