1. 行列式

1.1 二阶行列式

外链图片已失效，请作者重新上传

1.2 三阶行列式

外链图片已失效，请作者重新上传

1.3 排列的逆序数

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

1.4 n阶行列式

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

2. 行列式的性质

外链图片已失效，请作者重新上传

性质1  行列式与它的转置行列式相等。
性质2  互换行列式的两行（列），行列式变号。
性质3  行列式的某一行（列）中所有的元素都乘以同一个倍数K，等于用数K乘以此行列式。
性质4  行列式中如果有两行（列）元素成比例，则此行列式为零。

外链图片已失效，请作者重新上传
行列式中行与列具有同等的地位, 凡是对行成立的性质对列也同样成立.

计算行列式常用方法：(1)利用定义;(2)利用性质把行列式化为上三角形行列式，从而算得行列式的值．

3. 求解方程组

3.1 克拉默法则

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

定理4   如果线性方程组的系数行列式不等于零，则该线性方程组一定有解,而且解是唯一的 .

定理4′ 如果线性方程组无解或有两个不同的解，则它的系数行列式必为零.

4. 矩阵

外链图片已失效，请作者重新上传

4.1 特殊矩阵

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

4.2 矩阵与线性变换

外链图片已失效，请作者重新上传

4.3 矩阵的运算

4.3.1 矩阵的加法

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

4.3.2 数与矩阵相乘

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

4.3.3 矩阵与矩阵相乘

外链图片已失效，请作者重新上传  

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

4.3.4 矩阵的转置

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

4.3.5 方阵的行列式

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

5. 范数外链图片已失效，请作者重新上传 

     范数，是具有“长度”概念的函数。

5.1 向量范数        

其中2-范数就是通常意义下的距离。

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

5.2 矩阵范数

        外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

外链图片已失效，请作者重新上传

     矩阵范数反映了线性映射把一个向量映射为另一个向量，向量的“长度”缩放的比例。

     范数理论是矩阵分析的基础，度量向量之间的距离、求极限等都会用到范数，范数还在机器学习、模式识别领域有着广泛的应用。

     理论上讲范数的概念属于赋范线性空间,最重要的作用是诱导出距离,进而还可以研究收敛性.

     一个集合（向量），通过一种映射关系（矩阵），得到另外一个集合（另外一个向量），则：

     1) 向量的范数：就是表示这个原有集合的大小。
     2) 矩阵的范数：就是表示这个变化过程的大小的一个度量。

     计算机领域：用的比较多的就是迭代过程中收敛性质的判断，一般迭代前后步骤的差值的范数表示其大小，常用的是二范数，差值越小表示越逼近实际值，可以认为达到要求的精度，收敛。

6. 向量的内积

外链图片已失效，请作者重新上传