行列式的研究论文

行列式的研究论文

线性代数（Linear Algebra）是数学的一个分支，它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题；因而，线性代数被广泛地应用于抽象代数和泛函分析中；通过解析几何，线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型，使得线性代数被广泛地应用于自然科学和社会科学中。线性代数的主要内容是研究代数学中线性关系的经典理论。由于线性关系是变量之间比较简单的一种关系，而线性问题广泛存在于科学技术的各个领域，并且一些非线性问题在一定条件下 , 可以转化或近似转化为线性问题，因此线性代数所介绍的思想方法已成为从事科学研究和工程应用工作的必不可少的工具。尤其在计算机高速发展和日益普及的今天，线性代数作为高等学校工科本科各专业的一门重要的基础理论课，其地位和作用更显得重要。 线性代数主要研究了三种对象：矩阵、方程组和向量.这三种对象的理论是密切相关的，大部分问题在这三种理论中都有等价说法.因此，熟练地从一种理论的叙述转移到另一种去，是学习线性代数时应养成的一种重要习惯和素质.如果说与实际计算结合最多的是矩阵的观点，那么向量的观点则着眼于从整体性和结构性考虑问题，因而可以更深刻、更透彻地揭示线性代数中各种问题的内在联系和本质属性.由此可见，只要掌握矩阵、方程组和向量的内在联系，遇到问题就能左右逢源，举一反三，化难为易. 一、注重对基本概念的理解与把握，正确熟练运用基本方法及基本运算。线性代数的概念很多，重要的有： 代数余子式，伴随矩阵，逆矩阵，初等变换与初等矩阵，正交变换与正交矩阵，秩（矩阵、向量组、二次型），等价（矩阵、向量组），线性组合与线性表出，线性相关与线性无关，极大线性无关组，基础解系与通解，解的结构与解空间，特征值与特征向量，相似与相似对角化，二次型的标准形与规范形，正定，合同变换与合同矩阵。 我们不仅要准确把握住概念的内涵，也要注意相关概念之间的区别与联系。 线性代数中运算法则多，应整理清楚不要混淆，基本运算与基本方法要过关，重要的有： 行列式（数字型、字母型）的计算，求逆矩阵，求矩阵的秩，求方阵的幂，求向量组的秩与极大线性无关组，线性相关的判定或求参数，求基础解系，求非齐次线性方程组的通解，求特征值与特征向量（定义法，特征多项式基础解系法），判断与求相似对角矩阵，用正交变换化实对称矩阵为对角矩阵（亦即用正交变换化二次型为标准形）。 二、注重知识点的衔接与转换，知识要成网，努力提高综合分析能力。 线性代数从内容上看纵横交错，前后联系紧密，环环相扣，相互渗透，因此解题方法灵活多变，学习时应当常问自己做得对不对？再问做得好不好？只有不断地归纳总结，努力搞清内在联系，使所学知识融会贯通，接口与切入点多了，熟悉了，思路自然就开阔了。 例如：设A是m×n矩阵，B是n×s矩阵，且AB＝0，那么用分块矩阵可知B的列向量都是齐次方程组Ax＝0的解，再根据基础解系的理论以及矩阵的秩与向量组秩的关系，可以有 r（B）≤n－r（A）即r（A）＋r（B）≤n 进而可求矩阵A或B中的一些参数上述例题说明，线性代数各知识点之间有着千丝万缕的联系，代数题的综合性与灵活性就较大，同学们整理时要注重串联、衔接与转换。 三、注重逻辑性与叙述表述 线性代数对于抽象性与逻辑性有较高的要求，通过证明题可以了解考生对数学主要原理、定理的理解与掌握程度，考查考生的抽象思维能力、逻辑推理能力。大家复习整理时，应当搞清公式、定理成立的条件，不能张冠李戴，同时还应注意语言的叙述表达应准确、简明。

范德蒙行列式的国内外正处于研究中。行列式是一个重要的数学工具，它不仅有着悠久的历史，更具有广泛的应用.范德蒙行列式是数学家范德蒙在1772年提出的，作为一种特殊的行列式--范德蒙行列式不仅结构独特、形式优美，而且具有十分广泛的应用.正确的掌握使用范德蒙行列式解题可以达到事半功倍的效果，利用范德蒙行列式解题的本质在于化复杂为简单，化繁琐为简便然而要正确、适当的构造和应用范德蒙行列式去有效解决问题绝非易事.因此，本毕业论文从计算行列式、求解n阶k循环行列式、解决多项式的求根问题、解答向量的线性相关性问题、解答整除问题和解答微积分问题六个方面较为系统的探讨了范德蒙行列式的应用，并对方法和技巧作了一点总结，希望帮助初学者更好的理解和掌握范德蒙行列式及其广泛的应用。

线性代数教学中线性相关性的一种解释和理解［摘要］线性相关性的内容是线性代数课程中的重点和难点，特别是被表示向量组的线性相关性与被表示向量组中向量的个数以及表示向量组中向量的个数之间的关系的有关结论，对学生来说是很难理解的，在教学中，我们把线性相关解释为“多余”，线性无关解释为“没有多余”，在教学上可收到较好的效果。［关键词］线性相关线性无关多余没有多余线性相关性在线性代数课程中是一个重要内容，对学生来说是非常困难的内容，许多学生学完线性代数后还没有弄懂，有的学生学到这一内容时觉得很难学，就丧失信心。认为整个线性代数都很难学，甚至放弃学习。线性相关性是线性代数课程中教学的难点，它与后面线性方程组的解的理论有密切的联系，对于这一难点的处理是非常重要的。根据不同层次的学生采用不同的教学要求。使得学生正确的理解线性相关性的定义,定理。大多数经济类的本科线性代数课程的教材在叙述向量组的极大无关组和向量组的秩的理论时,由于这一章节的理论性比较强，一般都是从定理到定理,从证明到证明,例子较少。在教学中,在讲完线性相关的定义和有关定理后，在介绍向量的极大无关组之前，用”多余”来解释线性相关性,可使后面的问题简单化,直观化。我们以龚德恩等主编的《经济数学基础》的第二分册线性代数的教材为例进行说明。首先来看线性组合的概念。对于向量组α1,α2,…,αs和向量β,如果存在s个数k1,k2,…,ks使得β=k1α1+k2α2+…+ksαs则称向量β是向量组α1,α2,…,αs的线性组合。换句话说向量β相对于向量组α1,α2,…,αs是“多余”的向量。关于线性相关概念,对于向量组α1,α2,…,αs,如果存在不全为零的数k1,k2,…,ks使得k1α1+k2α2+…+ksαs=0称向量组α1,α2,…,αs线性相关。因k1,k2,…,ks不全为零,不妨假设α1≠0则α1=-k2k1α2-…-ksk1αs。因此向量组α1,α2,…,αs线性相关,看成是向量组α1,α2,…,αs中至少有一个“多余”的向量。关于线性无关概念,对于向量组α1,α2,…,αs,如果仅当k1,k2,…,ks都等于零时,才能使得k1α1+k2α2+…+ksαs=0成立。称向量组α1,α2,…,αs线性无关。由于α1,α2,…,αs线性无关等价于其中任何一个向量不能由其余向量线性表示，因此向量组α1,α2,…,αs线性无关看成是α1,α2,…,αs中“没有多余”的向量。一些结论也可作相应的理解和解释。如:“如果一个向量组中的部分组线性相关,则整个向量组也线性相关”，解释为如果一个向量组中的部分组有多余的向量,则整个向量组也有多余的向量。“如果一个向量组线性无关,则它的任意一个部分组也线性无关”，解释为如果一个向量组中没有多余的向量,则该向量组去掉一些向量后也没有多余的向量。下面两个定理是学生们在学习向量组的线性相关性的过程中感到最难理解和掌握的。定理1设向量组（Ⅰ）α1,α2,…,αs可由向量组（Ⅱ）β1,β2,…,βt线性表示，且s＞t，则α1,α2,…,αs线性相关。在课堂教学中我们是作如下解释的，向量组（Ⅰ）α1,α2,…,αs称为“被表示向量组”，向量组（Ⅱ）β1,β2,…,βt称为“表示向量组”。条件s＞t，看成是有”多余”的向量。即“被表示向量组（Ⅰ）α1,α2,…,αs相对于表示向量组（Ⅱ）β1,β2,…,βt有多余的向量，则α1,α2,…,αs线性相关,这样解释便于学生理解和记忆。推论1如果一个向量组α1,α2,…,αs线性无关，并且可由向量组β1,β2,…,βt线性表示。则s≤t。推论1可解释为：如果“被表示向量组α1,α2,…,αs线性无关，则被表示的向量组α1,α2,…,αs相对于表示向量组β1,β2,…,βt没有多余的向量，即s≤t。推论2两个等价的线性无关向量组所含的向量的个数相同。两个向量组都线性无关，且彼此可相互线性表示，两个向量组彼此相对于另一个向量组都没有多余的向量，得两个向量组所含的向量的个数相同。下面再举一些例子进行说明。例1设向量组α1,α2,…,αs线性无关,且可由向量组β1,β2,…,βt线性表示,则必有()。

行列式论文的研究现状

论文国内外研究现状写法如下：

首先，我们要知道国内外研究现状是什么，其实通俗来说，就是国内和国外对于一个研究对象目前的研究现状，可以是国家层面上相关部门对于研究对象的研究，也可以是权威学者，对于研究对象的研究。

所以很明确，国内外研究现状有两种写法，要不就是从相关部门对于研究对象的研究，或者就是从学者对于相关研究现状的研究来写。

正常来说，国内外研究现状都需要大家去阅读大量的文献，然后总结学者的主要观点，这里给大家一个小技巧，可以直接从一篇文章的摘要看出来，一个学者的研究观点主要集中在哪些，这样的话，即便你不完整的阅读文章，也能知道文章的主要观点。

还有一种方法，可以直接从硕士论文里面去摘抄，大家可以找一些和自己题目一样，或者是关键词一样的硕士论文，我们在里面摘抄国内外研究现状，并且将这个话改成自己的意思，这也是一种写作方法。

但是注意标注引用的时候，一定要找到最根本的文章，而不是你参考的这篇硕士论文。找文献去哪里，中文的话我们可以从百度学术或者是知网里面直接观看，主要就是看一篇文章的摘要，因为主要观点都在摘要里。

英文的话，之前有提过从谷歌学术去搜索关键词，就能找到很多的国外文献，这里要注意，查找国外文献的关键词，一定要翻译成英文，如果是中文的话，是没办法识别的，然后只需要把相关的英文文献翻译成中文，再去进行总结就可以了。

行列式的内容相当多，可以参考以下等资料：行列式在数学中，是一个函数，其定义域为det的矩阵A，取值为一个标量，写作det(A)或 | A | 。行列式可以看做是有向面积或体积的概念在一般的欧几里得空间中的推广。或者说，在 n 维欧几里得空间中，行列式描述的是一个线性变换对“体积”所造成的影响。无论是在线性代数、多项式理论，还是在微积分学中（比如说换元积分法中），行列式作为基本的数学工具，都有着重要的应用。

课题研究现状也叫“国内外相关研究现状综述”，即简述或综述别人在本研究领域或相关课题研究中做了什么，做得如何，有哪些问题解决了，哪些尚未解决，以便为自己开展课题研究提供一个背景和起点。也有利于自己课题找到突破口和创新处。如果说格式的话,基本上就是先分门别类地梳理一下相关研究及其成果，注意最好是条理化、分门别类，这本身就是一项研究。分类是最基础性的研究工作。然后对这些研究和成果进行评论，共同点、不同点、优点、缺点，然后做一个总结。大概就是如此。

简介在线性代数,行列式是一个函数,其定义域为的矩阵A,值域为一个标量,写作det(A).在本质上,行列式描述的是在n维空间中,一个线性变换所形成的“平行多面体”的“体积”.行列式无论是在微积分学中（比如说换元积分法中）,还是在线性代数中都有重要应用.行列式概念的最初引进是在解线性方程组的过程中.行列式被用来确定线性方程组解的个数,以及形式.随后,行列式在许多领域都逐渐显现出重要的意义和作用.于是有了线性自同态和向量组的行列式的定义.行列式的特性可以被概括为一个n次交替线性形式,这反映了行列式作为一个描述“体积”的函数的本质.若干数字组成的一个类似于矩阵的方阵,与矩阵不同的是,矩阵的表示是用中括号,而行列式则用线段.行列式的值是按下述方式可能求得的所有不同的积的代数和,既是一个实数：求每一个积时依次从每一行取一个元因子,而这每一个元因子又需取自不同的列,作为乘数,积的符号是正是负决定于要使各个乘数的列的指标顺序恢复到自然顺序所需的换位次数是偶数还是奇数.也可以这样解释：行列式是矩阵的所有不同行且不同列的元素之积的代数和,和式中每一项的符号由积的各元素的行指标与列指标的逆序数之和决定：若逆序数之和为偶数,则该项为正；若逆序数之和为奇数,则该项为负.[编辑本段]垂直线记法矩阵A的行列式有时也记作|A|.绝对值和矩阵范数也使用这个记法,有可能和行列式的记法混淆.不过矩阵范数通常以双垂直线来表示（如：）,且可以使用下标.此外,矩阵的绝对值是没有定义的.因此,行列式经常使用垂直线记法（例如：克莱姆法则和子式）.例如,一个矩阵：行列式det(A)也写作|A|或明确的写作：即矩阵的方括号以细长的垂直线取代.[编辑本段]定义一个矩阵A的行列式有一个乍看之下很奇怪的定义：其中sgn(σ)是排列σ的符号差.对于比较小的矩阵,比如说二阶和三阶的矩阵,行列式表达如下,有些像是主对角线（左上至右下）元素的乘积减去副对角线（右上至左下）元素的乘积（见图中红线和蓝线）.2阶：3阶：.但对于阶数较大的矩阵,行列式有n!项,并不是这样的形式.二维向量组的行列式行列式是向量形成的平行四边形的面积设P是一个二维的有向欧几里得空间,即一个所谓的欧几里得平面.两个向量X和X’的行列式是：经计算可知,行列式表示的是向量X和X’形成的平行四边形的有向面积.并有如下性质：行列式为零当且仅当两个向量共线（线性相关）,这时平行四边形退化成一条直线.如果以逆时针方向为正向的话,有向面积的意义是：平行四边形面积为正当且仅当向量X和X’逆时针排列（如图）.行列式是一个双线性映射.也就是说,,并且.

范德蒙德行列式的研究论文

范德蒙行列式怎么算？

行列式是个数，可以是任意数；一个行向量和一个列向量的乘积（如果维数合适的话）也是一个数，可以是任意数。两个数相等当然是可以的啊。 如果是矩阵，我觉得应该可以，不过我没证明过。矩阵的分解是一个挺复杂的东西，我到现在还没看到过有人把矩阵分解成两个向量的乘积，一般都是分解成两个矩阵的乘积，两个有特殊形式的矩阵，方便数值计算的。

书上有,。。。。。。。。。。。。。

你提的问题不明确，你是不会证明范德蒙行列式还是不知道范德蒙行列式有什么规律？

行列式的计算方法研究论文

引言: 问题的提出在实践中存在许多解n元一次方程组的问题，如① ② 运用行列式可以解决如②的n元一次方程组的问题。2 排列定义1 由……n组成的一个有序数组称为一个 级排列。n级排列的总数为（n的阶乘个）。定义2 在一个排列中，如果一队数的前后位置与大小顺序相反，即前面的大于后面的数，那么它们就称为一个逆序。一个排列中逆序的总数就称为这个排列的逆序数。定义3 逆序数为偶数的排列称为偶排列，逆序数为奇数的排列称为奇排列。 行列式定义（设为n阶）：n阶行列式是取自不同行不同列的n个元素的乘积的代数和，它由 项组成，其中带正号与带负号的项各占一半， 表示排列 的逆序数。 阶行列式具有的性质性质1 行列式与它的转置行列式相等.（ ） 事实上，若记 则 说明：行列式中行与列具有同等的地位, 因此行列式的性质凡是对行成立的结论, 对列也同样成立.性质2 互换行列式的两行( )或两列( )，行列式变号. 例如 推论 若行列式 有两行（列）完全相同，则 . 证明: 互换相同的两行, 则有 , 所以 . 性质3 行列式某一行（列）的所有元素都乘以数 ，等于数 乘以此行列式，即推论：(1) 中某一行(列)所有元素的公因子可提到行列式符号的外面；(2) 中某一行(列)所有元素为零，则 ；性质4: 行列式中如果有两行(列)元素对应成比例, 则此行列式等于零．性质5: 若行列式某一行(列)的所有元素都是两个数的和，则此行列式等于两个行列式的和.这两个行列式的这一行(列)的元素分别为对应的两个加数之一，其余各行(列)的元素与原行列式相同 .即.证: 由行列式定义性质6 行列式 的某一行（列）的各元素都乘以同一数 加到另一行（列）的相应元素上，行列式的值不变 ，即计算行列式常用方法: 利用性质2,3,6, 特别是性质6把行列式化为上(下)三角形行列式, 从而, 较容易的计算行列式的值． 行列式的计算数字型行列式的计算 1. 三角化法例1 .解： 这个行列式的特点是每行（列）元素的和均相等，根据行列式的性质，把第2，3，…， 列都加到第1列上，行列式不变，得. 例2 .解： 这是一个阶数不高的数值行列式，通常将它化为上（下）三角行列式来计算．2. 2．递推法 例3 计算行列式 之值。解 把各列均加至第1列，并按第1列展开，得到递推公式继续使用这个递推公式，有 而初始值 ，所以 例4 计算 .解：., ,,3．数学归纳法当 与 是同型的行列式时，可考虑用数学归纳法求之。 一般是利用不完全归纳法寻找出行列式的猜想值，再用数学归纳法给出猜想的证明。因此，数学归纳法一般是用来证明行列式等式。 例5 计算行列式 .解：结合行列式的性质与次行列式本身的规律，可以采用数学归纳法对此行列式进行求解当 时， 假设 时，有 则当 时，把 按第一列展开，得由此，对任意的正整数 ，有4．公式法例6 计算行列式 之值。解 由于 ,故用行列式乘法公式，得因 中， 系数是+1，所以 。行列式的概念与性质的例题 例7 已知 是6阶行列式中的一项，试确定 的值及此项所带的符号。解 根据行列式的定义，它是不同行不同列元素乘积的代数和。因此，行指标 应取自1至6的排列，故 ，同理可知 。直接计算行的逆序数与列的逆序数，有 。亦知此项应带负号。抽象行列式的计算 例8 若4阶矩阵A与B相似，矩阵A的特征值为 则行列式 （ ）。解 由A～B，知B的特征值是 。那么 的特征值是2，3，4，5.于是 的特征值是1，2，3，4。有公式得， 。含参数行列式的计算 例9 已知 ，求 。解 将第3行的-1倍加至第1行，有所以 。关于 的证明 解题思路：①设证法 ；②反证法：如 从A可逆找矛盾；③构造齐次方程组 ，设法证明它有非零解；④设法证矩阵的秩 ；⑤证明0是矩阵A的一个特征值。特殊行列式的解法 1 范德蒙行列式定义：行列式 称为n级的范德蒙行列式。例10 计算行列式 之值。解 把1改写成 ，第一行成为两数之和， 可拆成两个行列式之和，即分别记这两个行列式为 和 ，则由范德蒙行列式得，故 拉普拉斯定理设在行列式D中任意取定了 个行，由这 行元素所组成的一切 级子式与它们的代数余子式的乘积的和等于行列式 。(其中：① 级子式：在一个 级行列式 中任意选定 行 列 。位于这些行和列的交点上的 个元素按照原来的次序组成一个 级行列式 ，称为行列式 的一个 级子式。②余子式：在 中划去这 行 列后余下的元素按照原来的次序组成的 级行列式 称为 级子式 的余子式。③代数余子式：设 的 级子式 在 中所在的行、列指标分别是 则 的余子式 前面加上符号 后称为 的代数余子式)。例11 求行列式 。解：在行列式 中取定第一、二行，得到六个子式：它们对应的代数余子式为根据拉普拉斯定理3 结束语老师渊博的学识、敏锐的思维、民主而严谨的作风，使我受益匪浅，终生难忘，严谨的治学态度和对工作的兢兢业业、一丝不苟的精神将永远激励和鞭策我认真学习、努力工作。感谢我的老师对我的关心、指导和教诲！ 感谢我的学友和朋友对我的关心和帮助

行列式求解方法:

1、化上三角，然后主对角元素相乘

2、按某一行或列展开，降阶计算行列式

3、按定义展开n!项（可以去掉其中的含0元素的项）

特殊技巧：

行列式是个数，可以是任意数；一个行向量和一个列向量的乘积（如果维数合适的话）也是一个数，可以是任意数。两个数相等当然是可以的啊。 如果是矩阵，我觉得应该可以，不过我没证明过。矩阵的分解是一个挺复杂的东西，我到现在还没看到过有人把矩阵分解成两个向量的乘积，一般都是分解成两个矩阵的乘积，两个有特殊形式的矩阵，方便数值计算的。

一个n维行向量乘以一个n维列向量是一个数，或者可以看成一个1*1的矩阵。一个n维列向量乘以一个n维行向量得到一个n*n的矩阵，这个矩阵的秩是1（若行向量和列向量都不为零向量）。因为假设a为一个n维列向量，b=[b1,b2,...,bn] 为一个n维行向量，则a*b=a*[b1,b2,...,bn]=[a*b1,a*b2,...,a*bn]，可以看出各列之间是线性相关的（都是a乘以一个数），所以若a和b都不为0向量时，a*b是一个秩为1的n*n的矩阵。所以当然不是所有的行列式都可以表示成一个行向量和一个列向量的乘积的形式。但是，任意非零矩阵都可以表示成若干个秩1矩阵的和，而秩1矩阵都可以表示为一个列向量乘以一个行向量，所以可以表示为sum_{i=0}^m a_i*b_i 的形式，其中a_i为列向量，b_i为行向量。

行列式计算方法的一些研究论文

行列式求解方法:

1、化上三角，然后主对角元素相乘

2、按某一行或列展开，降阶计算行列式

3、按定义展开n!项（可以去掉其中的含0元素的项）

特殊技巧：

4. 行列式的性质：

①行列式A中某行(或列)用同一数k乘,其结果等于kA。

②行列式A等于其转置行列式AT(AT的第i行为A的第i列)。

③若n阶行列式|αij|中某行(或列);行列式则|αij|是两个行列式的和，这两个行列式的第i行(或列),一个是b1,b2,…,bn；另一个是с1，с2,…,сn；其余各行（或列）上的元与|αij|的完全一样。

④行列式A中两行（或列）互换,其结果等于-A。 ⑤把行列式A的某行（或列）中各元同乘一数后加到另一行（或列）中各对应元上，结果仍然是A。

5. 注意区分行列式与矩阵

矩阵定义：由 m × n 个数aij排成的m行n列的数表称为m行n列的矩阵，简称m × n矩阵。

矩阵样式：

主要书写区别便是行列式使用竖线，矩阵使用括号（通常使用中括号）。同时行列式一个数，而矩阵是数的集合。

课程论文选题参考1.《高等代数》课程学习感悟2.《高等代数》中的。。。。思想3.《高等代数》中的。。。。方法4.高等代数与解析几何的关联性5.高等代数有关理论的等价命题6.高等代数有关理论的几何描述7.高等代数有关理论的应用实例8.高等代数知识在有关课程学习中的应用9.数学软件在高等代数学习中的应用10.应用高等代数知识的数学建模案例11.高等代数理论在金融中的应用12.反例在高等代数中的应用13.行列式理论的应用性研究14.一些特殊行列式的应用15.行列式计算方法综述16.范德蒙行列式的一些应用17.线性方程组的应用；18.线性方程组的推广——从向量到矩阵19.关于向量组的极大无关组20.向量组线性相关与线性无关的判别方法21.线性方程组求解方法综述 22.求解线性方程组的直接法与迭代法23.向量的应用24.矩阵多项式的性质及应用25.矩阵可逆的若干判别方法26.矩阵秩的不等式的讨论(应用)27.关于矩阵的伴随矩阵28.矩阵运算在经济中的应用29.关于分块矩阵30.分块矩阵的初等变换及应用31.矩阵初等变换及应用32.矩阵变换的几何特征33.二次型正定性及应用34.二次型的化简及应用35.化二次型为标准型的方法36.矩阵对角化的应用37.矩阵标准形的思想及应用38.矩阵在各种变换下的不变量及其应用39.线性变换的应用40.特征值与特征向量的应用41.关于线性变换的若干问题42.关于欧氏空间的若干问题43.矩阵等价、合同、相似的关联性及应用44.线性变换的命题与矩阵命题的相互转换问题45.线性空间与欧氏空间46.初等行变换在向量空间Pn中的应用47.哈密顿-凯莱定理及其应用48.施密特正交化方法的几何意义及其应用49.不变子空间与若当标准型之间的关系50.多项式不可约的判别方法及应用51.二次型的矩阵性质与应用52.分块矩阵及其应用53.欧氏空间中的正交变换及其几何应用54.对称矩阵的性质与应用55.求两个子空间的交与和的维数和一个基的方法56.关于n维欧氏空间子空间的正交补57.求若当标准形的几种方法58.相似矩阵的若干应用59.矩阵相似的若干判定方法60.正交矩阵的若干性质61.实对称矩阵正定性的若干等价条件62.欧氏空间中正交问题的探讨63.矩阵特征根及其在解题中的应用64.矩阵的特征值与特征向量的应用65.行列式在代数与几何中的简单应用66.欧氏空间内积不等式的应用67.求标准正交基的若干方法研究68.高等代数理论在经济学中的应用69.矩阵中的最小二乘法70.常见线性空间与欧式空间的基与标准正交基的求法

行列式的内容相当多，可以参考以下等资料：行列式在数学中，是一个函数，其定义域为det的矩阵A，取值为一个标量，写作det(A)或 | A | 。行列式可以看做是有向面积或体积的概念在一般的欧几里得空间中的推广。或者说，在 n 维欧几里得空间中，行列式描述的是一个线性变换对“体积”所造成的影响。无论是在线性代数、多项式理论，还是在微积分学中（比如说换元积分法中），行列式作为基本的数学工具，都有着重要的应用。