线性代数的基本概念
- 向量：有方向的量，二维为(a, b)，三维为(a, b, c)。
- 矩阵：由数排列成的矩形阵列。
- 行列式：用于计算面积或体积，二维为ad - bc。
向量运算
- 加减法：对应分量相加减。
- 标量乘法：乘以标量后分量相乘。
点积与叉积
- 点积：对应分量相乘后相加，计算公式为ac + bd。
- 叉积：三维向量结果为垂直于原两向量的向量，行列式计算为i(a2b3 - a3b2) - j(a1b3 - a3b1) + k*(a1b2 - a2b1)。
矩阵的逆
- 定义：可逆矩阵的行列式不为零，满足MA = AM = I。
- 计算方法：伴随矩阵除以行列式，或用行变换求解方程组。
行列式的性质
- 行列式的符号变化、零行列式、行或列相同、行列式与行列式因子的关系、行列式与向量垂直、行列式与面积/体积的关系、行列式与标量乘法的关系、行列式与矩阵可逆性的关系、行列式与向量线性相关性的关系。
齐次与非齐次方程组
- 齐次方程组只有零解,行列式不为零；非齐次方程组可能有非零解，行列式为零时可能有非零解。
线性变换
- 线性变换满足加法和数乘,变换矩阵表示。
- 行列式代表体积变化,基变换矩阵行列式影响体积变化。
基变换与基向量
- 基变换矩阵用于转换旧基到新基,行列式影响体积变化，行列式为零时基线性相关。
向量空间
- 基是线性无关向量,维数是基的个数。
- 子空间是向量空间的子集,满足加法和数乘封闭。
线性相关性和秩
- 线性相关性指向量可表示为其他向量的线性组合。
- 秩是极大线性无关组的大小,零度为n - 秩。
特征值与特征向量
- 特征值和特征向量满足Av = λv。
- 特征值和特征向量应用广泛,特征空间维数等于特征值重数。
正交矩阵
- 正交矩阵行列式绝对值为1,逆矩阵为转置矩阵，体积变化不变或翻转方向。
特征值与特征向量的应用
- 特征值和特征向量在物理、统计学和工程中应用。
线性代数中的应用
- 计算图形变换、控制理论、工程学等领域的模型。
在线学习资源
- 课程网站如Coursera、edX、Khan Academy。
- 在线课程平台如MIT OpenCourseWare。
- 线上工具如在线矩阵计算器。
通过在线学习,学习者可以灵活学习，利用监督指导，获得实时反馈，提升理解与应用能力。
