线性代数是数学的重要分支，主要研究向量空间、线性变换及其应用。以下是其核心内容概览：

一、基本概念

向量与向量空间

向量是具有大小和方向的量，可表示空间中的位移或方向性数据。

向量空间是向量的集合，支持加法和数乘运算，例如$mathbb{R}^n$表示n维向量空间。

线性关系与线性变换

线性关系满足加法与数乘不变性，例如$y = kx$是线性关系，$y = x^2$是仿射关系。

线性变换是对向量进行线性组合的操作，如矩阵乘法。

二、核心内容

矩阵运算

行列式：n阶行列式展开式包含n!项，具有正负交替特性。

矩阵乘法：满足结合律和分配律，例如$AB$的第$i$行第$j$列元素是$A$的第$i$行与$B$的第$j$列对应元素乘积之和。

逆矩阵：通过伴随矩阵和行列式计算，满足$A^{-1} = frac{1}{det（A）}text{adj}（A）$。

线性方程组

行阶梯形矩阵与行最简形矩阵：通过初等行变换将矩阵化为简化形式，便于求解。

克莱姆法则：适用于低阶线性方程组，通过行列式计算解。

向量组的线性相关性

线性相关：存在不全为零的系数使向量线性组合为零向量。

线性无关：仅当系数全为零时满足线性组合为零向量。

三、重要定理与性质

矩阵的秩 ：矩阵中线性无关行（列）的最大数目，满足$r（A + B） leq r（A） + r（B）$。

特征值与特征向量 ：满足$Av = lambda v$的向量$v$称为特征向量，$lambda$为特征值。

酉空间与内积空间 ：复向量空间中满足内积正交性的子空间。

四、应用领域

计算机科学 ：用于图形处理、机器学习（如主成分分析）。

物理学 ：量子力学中的波函数、相对论中的时空变换。

经济学 ：投入产出分析、风险评估。

线性代数通过矩阵、向量及线性变换，构建了描述线性系统的通用语言，是现代数学与工程学的重要基础。