线性代数是高等数学的一个重要分支，它涉及向量、矩阵、行列式、特征值和特征向量等概念。掌握线性代数的基本公式对于学习高等数学至关重要。本文将详细介绍线性代数中的关键公式，帮助读者轻松入门高等数学。

一、向量

1. 向量加法

向量加法遵循平行四边形法则或三角形法则。对于两个向量 \(\vec{a}\) 和 \(\vec{b}\)，它们的和 \(\vec{a} + \vec{b}\) 可以通过以下公式计算：

\[ \vec{a} + \vec{b} = \begin{pmatrix} a_1 \\ a_2 \\ \vdots \\ a_n \end{pmatrix} + \begin{pmatrix} b_1 \\ b_2 \\ \vdots \\ b_n \end{pmatrix} = \begin{pmatrix} a_1 + b_1 \\ a_2 + b_2 \\ \vdots \\ a_n + b_n \end{pmatrix} \]

2. 向量减法

向量减法可以通过向量加法来实现。对于两个向量 \(\vec{a}\) 和 \(\vec{b}\)，它们的差 \(\vec{a} - \vec{b}\) 可以通过以下公式计算：

\[ \vec{a} - \vec{b} = \vec{a} + (-\vec{b}) = \begin{pmatrix} a_1 \\ a_2 \\ \vdots \\ a_n \end{pmatrix} + \begin{pmatrix} -b_1 \\ -b_2 \\ \vdots \\ -b_n \end{pmatrix} = \begin{pmatrix} a_1 - b_1 \\ a_2 - b_2 \\ \vdots \\ a_n - b_n \end{pmatrix} \]

3. 向量数乘

向量数乘是指一个实数与一个向量的乘积。对于实数 \(k\) 和向量 \(\vec{a}\)，它们的乘积 \(k\vec{a}\) 可以通过以下公式计算：

\[ k\vec{a} = k\begin{pmatrix} a_1 \\ a_2 \\ \vdots \\ a_n \end{pmatrix} = \begin{pmatrix} ka_1 \\ ka_2 \\ \vdots \\ ka_n \end{pmatrix} \]

二、矩阵

1. 矩阵加法

两个矩阵相加需要它们具有相同的维度。对于两个矩阵 \(A\) 和 \(B\)，它们的和 \(A + B\) 可以通过以下公式计算：

\[ A + B = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \end{pmatrix} + \begin{pmatrix} b_{11} & b_{12} & \cdots & b_{1n} \\ b_{21} & b_{22} & \cdots & b_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ b_{m1} & b_{m2} & \cdots & b_{mn} \end{pmatrix} = \begin{pmatrix} a_{11} + b_{11} & a_{12} + b_{12} & \cdots & a_{1n} + b_{1n} \\ a_{21} + b_{21} & a_{22} + b_{22} & \cdots & a_{2n} + b_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} + b_{m1} & a_{m2} + b_{m2} & \cdots & a_{mn} + b_{mn} \end{pmatrix} \]

2. 矩阵减法

矩阵减法与矩阵加法类似，需要两个矩阵具有相同的维度。对于两个矩阵 \(A\) 和 \(B\)，它们的差 \(A - B\) 可以通过以下公式计算：

\[ A - B = A + (-B) = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \end{pmatrix} + \begin{pmatrix} -b_{11} & -b_{12} & \cdots & -b_{1n} \\ -b_{21} & -b_{22} & \cdots & -b_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ -b_{m1} & -b_{m2} & \cdots & -b_{mn} \end{pmatrix} = \begin{pmatrix} a_{11} - b_{11} & a_{12} - b_{12} & \cdots & a_{1n} - b_{1n} \\ a_{21} - b_{21} & a_{22} - b_{22} & \cdots & a_{2n} - b_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} - b_{m1} & a_{m2} - b_{m2} & \cdots & a_{mn} - b_{mn} \end{pmatrix} \]

3. 矩阵数乘

矩阵数乘是指一个实数与一个矩阵的乘积。对于实数 \(k\) 和矩阵 \(A\)，它们的乘积 \(kA\) 可以通过以下公式计算：

\[ kA = k\begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \end{pmatrix} = \begin{pmatrix} ka_{11} & ka_{12} & \cdots & ka_{1n} \\ ka_{21} & ka_{22} & \cdots & ka_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ ka_{m1} & ka_{m2} & \cdots & ka_{mn} \end{pmatrix} \]

三、行列式

行列式是矩阵的一个重要概念，它表示矩阵的线性相关性。对于 \(n\) 阶矩阵 \(A\)，其行列式 \(\det(A)\) 可以通过以下公式计算：

\[ \det(A) = \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix} \]

行列式的计算方法有多种，包括拉普拉斯展开、高斯消元法等。

四、特征值和特征向量

特征值和特征向量是矩阵理论中的重要概念，它们描述了矩阵的几何性质。对于 \(n\) 阶矩阵 \(A\)，如果存在非零向量 \(\vec{v}\) 和实数 \(\lambda\)，使得 \(A\vec{v} = \lambda\vec{v}\)，则 \(\lambda\) 称为矩阵 \(A\) 的特征值，\(\vec{v}\) 称为矩阵 \(A\) 对应于特征值 \(\lambda\) 的特征向量。

特征值和特征向量的计算方法有多种，包括幂法、逆幂法等。

五、总结

线性代数中的公式是学习高等数学的基础。通过掌握这些公式，读者可以更好地理解高等数学中的概念和理论。本文详细介绍了线性代数中的关键公式，包括向量、矩阵、行列式、特征值和特征向量等，希望对读者的学习有所帮助。