简介线性代数核心知识点的系统总结面向大学低年级学生、考研复习者以及需要快速回顾线性代数基础的学习者。内容以行列式与矩阵为主线完整覆盖二阶与三阶行列式的对角线法则、用行列式求解二元与三元方程组、全排列与逆序数、n阶行列式定义、行列式六条性质、按行列展开及代数余子式、克拉默法则同时延伸到矩阵的定义、加法、数乘、乘法运算和特殊矩阵类型并特别注明课本页码、易错点与适用条件有助于按章节高效复习、建立清晰知识框架。资源为1个docx文档整包约572KB排版紧凑适合手机、平板阅读也可打印成纸质版使用。目前已有4605人学习下载内容来自作者对教材的细致提炼包含大量推论与说明既是期末备考的实用提纲也是考研数学第一轮复习的辅助资料。1. 线性代数知识点总结一份期末复习和考研基础都能用的系统笔记线性代数这门课说难不难说简单也容易翻车。很多人在考场上卡住不是因为题多难而是因为概念太密集——行列式、矩阵、秩、向量组、基础解系每个模块的定理和条件环环相扣记混一个前提条件后面一整道大题就全错了。这份线性代数知识点总结本质上是把教材里分散在行列式、矩阵、初等变换、向量组四章的核心结论做了系统梳理每个定理都标了适用条件和易错点。它不是习题集而是一份能帮你快速定位「这个知识点在哪儿、前提是什么、怎么用」的复习地图。适合期末考前突击、考研数学第一轮打基础以及需要快速回顾线性代数框架的从业者。2. 行列式从对角线法则到克拉默法则四个必会的计算工具行列式是线性代数的第一个门槛。很多人在这一章就开始迷糊原因在于行列式的定义和性质太多而且每个性质之间还有交叉关系。如果只背结论不做推导做题时很容易用错条件。这一章把行列式的计算路径按教材顺序理一遍重点落在「什么方法在什么场景下用」。2.1 二阶与三阶行列式对角线法则的适用范围二阶行列式的定义是数表所确定的一个数记作形式后计算结果为ad - bc。三阶行列式同样由数表确定计算时用对角线法则。所谓对角线法则就是主对角线方向三条线的乘积之和减去副对角线方向三条线的乘积之和。注意对角线法则只适用于二阶和三阶行列式四阶及以上没有这种直观的交叉线画法。这是复习时最容易踩的第一个坑——有同学把对角线法则直接类推到四阶结果算出来的东西既不是行列式的值也没有任何数学意义。用行列式解二元方程组时设系数行列式为 D则x1 D1 / Dx2 D2 / D其中 D1 和 D2 分别是用常数项替换 D 的第一列和第二列后得到的行列式。三元方程组情况类似设出 D1、D2、D3 后同样按商的形式给出解。这个规律可以推广到 n 元线性方程组但前提永远是系数行列式不为零。计算三阶行列式时我的习惯是先画箭头再代数字而不是直接心算展开式。六个箭头的方向写清楚能避免在加减号上出错。很多人在这一步翻车不是因为不会而是因为画线画到一半就急着写结果。2.2 全排列与逆序数n 阶行列式定义的基础n 阶行列式的正式定义依赖两个前置概念全排列和逆序数。全排列指的是把 n 个不同元素排成一列的所有可能方式总数记作 Pn。逆序数则是一个排列中前面数字大于后面数字的「逆序对」总数。判断排列奇偶性的标准是逆序数的奇偶逆序数为奇数叫奇排列偶数叫偶排列。计算逆序数有两种方法一种是从左往右数每个元素前面比它大的数有多少个然后求和另一种是从右往左数每个元素后面比它小的数同样求和。两种方法结果一致选择顺手的那种即可。我推荐从左往右的方法因为初学时更直观。比如排列 3 1 2从左往右3 前面没有元素记为 01 前面比它大的有 3 记为 12 前面比它大的有 3 记为 1总数是 2所以是偶排列。这个计算过程一定要熟练到不用想因为后面判断行列式每一项的符号都要用到。2.3 n 阶行列式的展开式与符号规则n 阶行列式等于所有取自不同行、不同列的 n 个元素乘积的代数和每一项的符号由列标排列的逆序数决定。具体来说行标按自然顺序排列列标排列的逆序数为 t则该项符号为(-1)^t。这个概念在刚接触时容易和矩阵混淆。行列式是一个算式计算结果是一个数矩阵是一个数表本身没有值。一阶行列式也不要和绝对值记号混淆|a|在行列式语境里就是一个数 a和绝对值的含义无关。从定义可以推出两个实用结论上三角行列式和下三角行列式的值都等于主对角线上元素的乘积副对角行列式的值等于(-1)^(n(n-1)/2)乘以副对角线上元素的乘积。这两个推论在做填空题时非常省时间考试时不需要展开直接写结果。2.4 行列式的六条性质化上三角形的操作依据行列式按行列展开之前先要学会用性质化简。教材给出的六条性质是性质一行列式与它的转置行列式相等。行和列地位对等对行成立的性质对列同样成立。性质二互换行列式的两行或两列行列式变号。推论是如果两行列完全相同行列式为零。性质三某一行列所有元素乘以同一数 k等于用 k 乘此行列式。推论是可以提取公因子某一行全为零则行列式为零。性质四两行列元素成比例行列式为零。性质五某一列行的元素都是两数之和行列式可以拆成两个行列式之和。性质六把某一行列的各元素乘以同一数加到另一行列对应元素上行列式值不变。做题时的核心策略是利用性质六把行列式化成上三角形然后直接乘对角线。整个过程只允许做「倍加」和「换行」两种操作。换行时记得变号倍加不变号提取公因子要在最后乘回去。2.5 按行列展开与克拉默法则余子式 Mij 是把元素 aij 所在的第 i 行和第 j 列划去后留下的 n-1 阶行列式。代数余子式 Aij 等于(-1)^(ij) * Mij。行列式按第 i 行展开的公式是D ai1 * Ai1 ai2 * Ai2 ... ain * Ain其中 Aij 是代数余子式。同理可以按列展开。注意任意一行列的元素与另一行列对应代数余子式的乘积之和为零这个结论在证明和化简中常被用到。克拉默法则解决的是方程组求解问题如果线性方程组的系数行列式 D 不等于零则方程组有唯一解且xi Di / D其中 Di 是用常数项替换 D 的第 i 列后得到的行列式。克拉默法则只适用于方程个数等于未知量个数的情形。如果 D ≠ 0齐次方程组只有零解如果齐次方程组有非零解则系数行列式必然为零。这个逆否命题在判定题里经常出现注意它的使用方向。2.6 避坑行列式计算的四个典型错误现象一用对角线法则计算四阶行列式结果和标准答案相差甚远。原因是对角线法则只适用于二、三阶行列式四阶需要按行展开或化上三角。解决遇到四阶及以上行列式一律用性质六化上三角形或用按行展开降阶。现象二交换两行后忘记变号导致最后结果符号错误。原因是换行变号这个性质在做题时容易被忽略尤其是连续多次换行时。解决每次换行后在草稿纸上记录符号变化次数偶数次换行符号不变奇数次换行符号取反。现象三提取公因子时只提了一行其他行没变最后答案和结果对不上。原因是性质三针对的是某一行列的公因子而不是整个行列式的公因子。每行提取一个 kn 阶行列式就要乘 k 的 n 次方。现象四克拉默法则用在不满足方程个数等于未知量个数的方程组上。原因是对适用条件记忆不牢。解决做题前先数方程个数和未知量个数不相等就改用初等变换法。3. 矩阵运算与逆矩阵别把数表当行列式也别忽略乘法的前提矩阵是线性代数的第二座山。行列式是一个数矩阵是一个数表这个本质区别决定了它们在运算规则上的巨大差异。矩阵加法、数乘、乘法、转置、逆矩阵每一步都有特定的前提条件踩坑最多的地方集中在矩阵乘法的交换律和逆矩阵的存在条件上。3.1 矩阵定义与特殊矩阵先搞清楚在操作什么对象由 m 行 n 列共 m × n 个数排成的数表称为 m 行 n 列矩阵记作 A。元素是实数的叫实矩阵是复数的叫复矩阵。行数与列数相等的矩阵称为方阵只有一行或一列的矩阵分别叫行矩阵和列矩阵也称行向量和列向量。特殊矩阵中有几个需要在做题时一眼认出的类型零矩阵元素全为零但不同型的零矩阵不相等对角阵是主对角线外元素全为零单位阵 E 是主对角线元素全为 1、其他元素全为 0 的方阵。单位阵在矩阵乘法中扮演数字 1 的角色任何方阵乘以同阶单位阵等于它自身。3.2 矩阵加法与数乘同型是前提两个矩阵相加的前提是同型矩阵即行数和列数都相等。加法定义为对应元素相加。数乘矩阵则是用数 k 乘以矩阵的每一个元素。矩阵加法的运算规律和数字加法类似交换律、结合律、存在零矩阵使得 A 0 A。数乘分配律也没问题。真正需要警惕的是后面出现的矩阵乘法它破坏了太多直觉。3.3 矩阵乘法的条件与性质列数等于行数且不满足交换律矩阵 A 与矩阵 B 能相乘的条件是 A 的列数等于 B 的行数。如果 A 是 m × n 矩阵B 是 n × p 矩阵乘积 AB 是 m × p 矩阵其中第 i 行第 j 列的元素是 A 的第 i 行与 B 的第 j 列对应元素乘积之和。矩阵乘法的运算规律包括结合律和分配律但注意不满足交换律即一般情况下AB ≠ BA。更反直觉的是两个非零矩阵的乘积可能是零矩阵。比如 A 是 2×2 矩阵[[1, -1], [2, -2]]B 是[[1, 1], [1, 1]]AB 的结果是零矩阵但 A 和 B 都不是零矩阵。对 n 阶方阵 A 和 B如果AB BA则称 A 与 B 可交换。纯量阵 kE 与任何同阶方阵都可交换这一点在证明题中经常用到。3.4 转置与方阵行列式记住运算法则的差异转置矩阵是把矩阵的行换成同序数的列得到的新矩阵记作 AT。转置的运算性质有四个(A B)T AT BT(kA)T kAT(AB)T BTAT注意乘法顺序反转(AT)T A方阵的行列式由方阵的元素按行列式法则计算记作 det(A) 或 |A|。运算性质中有一个常见错误|kA| k^n |A|而不是k|A|。|AB| |A||B|则和乘法交换律无关因为两边都是数字数字乘法是满足交换律的。3.5 逆矩阵的定义与求法伴随矩阵法对于 n 阶矩阵 A如果存在同阶矩阵 B 使得AB BA E则说 A 可逆B 是 A 的逆矩阵。可逆矩阵的逆矩阵唯一且 A 和 B 互为逆阵。判断矩阵是否可逆的关键定理A 可逆的充分必要条件是|A| ≠ 0。当|A| 0时称 A 为奇异矩阵|A| ≠ 0时称 A 为非奇异矩阵。可逆时逆矩阵由伴随矩阵给出A^(-1) (1 / |A|) * A*其中 A* 是 A 的伴随矩阵。伴随矩阵的构造方式值得单独说先把原矩阵每个元素替换为对应的代数余子式然后转置。这个「先余子式再转置」的顺序是很多人的盲区直接按原位置放余子式就会得出错误结果。用伴随矩阵法求逆矩阵的步骤是第一步计算|A|如果为零直接判断不可逆第二步计算每个元素的代数余子式构成伴随矩阵第三步将伴随矩阵除以行列式值。整个过程计算量大适合三阶及以下矩阵。四阶以上建议用初等变换法也就是后面章节要讲的(A | E)行变换方法。3.6 矩阵分块法大矩阵的模块化运算思路矩阵分块是用横线和纵线把大矩阵切成若干子块以子块为元素进行运算。分块的目的在于简化高阶矩阵的运算。分块矩阵的加法要求两块矩阵同型且分块方式相同乘法要求 A 的列分法与 B 的行分法相同。分块对角阵是常见特例主对角线上的子块都是方阵其余子块全为零。分块对角阵的行列式等于各子块行列式的乘积逆矩阵等于各子块逆矩阵构成的分块对角阵。线性方程组可以用分块矩阵统一表达Ax b其中 A 是系数矩阵x 是未知数向量b 是常数向量。增广矩阵可以分块表示为(A | b)这个形式在后面判定解的存在性时非常重要。3.7 避坑矩阵运算的五个常见错误现象一默认AB BA在推导过程中随意交换矩阵顺序。原因是从数字乘法带过来的惯性思维。解决每次交换矩阵顺序前花两秒验证一下两个矩阵是否满足可交换条件或者直接避免交换。现象二通过 AB 0 推出 A 0 或 B 0。原因是忽视了矩阵乘法的特殊性。解决记住两个非零矩阵的乘积可能是零矩阵不能用数字乘法的消去律。现象三计算|kA|时直接写 k|A|。原因是没有考虑行列式每一行的因子都要提取。解决n 阶方阵乘以 k行列式要乘 k 的 n 次方。现象四求逆矩阵时忘了先算|A|直接构造伴随矩阵算到一半才发现矩阵不可逆。原因是流程不完整。解决先把|A| 0的判定作为求逆的固定第一步写进草稿流程。现象五伴随矩阵忘了转置。原因是把代数余子式按原位置摆放了。解决构造完余子式矩阵后强制执行一次转置操作再代入公式。4. 初等变换与秩判定线性方程组解的三种情况初等变换是连接矩阵和线性方程组的桥梁。通过初等变换可以把矩阵化为行阶梯形或行最简形从而读出矩阵的秩进一步判断方程组的解结构。这一章最核心的能力是两个一是熟练进行行变换化阶梯形二是用秩的关系判断解的情况。4.1 矩阵的初等变换与行阶梯形矩阵矩阵的初等行变换有三种操作交换两行、某行乘以非零数 k、某行加上另一行的 k 倍。初等列变换把「行」换成「列」。两者统称初等变换。初等变换的逆变换仍是同类型的初等变换。判断一个矩阵是否为行阶梯形矩阵的标准有三条可画出一条阶梯线线的下方全为零每个台阶只有一行每段竖线后面的第一个元素是非零元。行最简形矩阵在此基础上额外要求非零行的第一个非零元为 1且该非零元所在列的其他元素全为零。行最简形再施以列变换可以得到标准型但平时解方程组用到行最简形就足够了。两个矩阵等价的含义是可以通过有限次初等变换互相转化。等价关系有反身性、对称性和传递性。4.2 初等矩阵与初等变换的关系初等矩阵是由单位矩阵经过一次初等变换得到的方阵。核心性质是对 A 施行一次初等行变换相当于在 A 的左边乘以相应的初等矩阵对 A 施行一次初等列变换相当于在 A 的右边乘以相应的初等矩阵。这个性质在理论上很重要但在具体求秩和解方程组时通常直接对矩阵做变换不用显式写出初等矩阵。不过有一点要记住方阵 A 可逆的充分必要条件是存在有限个初等方阵使得 A 可以表示为它们的乘积。初等变换求逆矩阵的方法是构造分块矩阵(A | E)对左边施行初等行变换把 A 化为 E 时右边同步化为了A^(-1)。整个过程中只允许行变换不允许列变换。求A^(-1)B时构造(A | B)同样只做行变换A 化为 E 后右边就是A^(-1)B。4.3 矩阵的秩定义与求法矩阵的秩定义为矩阵中最高阶非零子式的阶数。换句话说A 中有一个不等于 0 的 r 阶子式且所有 r1 阶子式全等于 0则 R(A) r。零矩阵的秩为 0。关于秩的不等式需要熟练到反射级别R(A) ≤ min{m, n}其中 A 是 m × n 矩阵R(A) R(AT)R(A) ≥ r当且仅当至少有一个 r 阶子式不为零R(A) ≤ r当且仅当所有 r1 阶子式都为零满秩的概念只对方阵讨论n 阶方阵的秩等于 n 称为满秩矩阵此时|A| ≠ 0矩阵可逆。实际求秩最可靠的方法是化成行阶梯形数非零行的行数。初等变换不改变矩阵的秩这是方法可行的理论依据。数值计算时注意只做行变换因为列变换虽然不影响秩但会打乱列对应的变量顺序在解方程组时容易把变量对应关系搞混。4.4 线性方程组解的三条判定定理设 n 元齐次线性方程组Ax 0若R(A) n则方程组只有零解若R(A) n则方程组有非零解设 n 元非齐次线性方程组Ax b增广矩阵记作B (A | b)无解的充分必要条件是R(A) R(B)有唯一解的充分必要条件是R(A) R(B) n有无穷多解的充分必要条件是R(A) R(B) n这三条判定定理是整个线性方程组的核心考试时无论是证明题还是计算题都要反复用到。初次接触建议配合几何直觉理解三元方程组中三个平面交于一点时唯一解交于一条线时无穷多解没有公共交点时无解。4.5 基础解系与通解结构齐次线性方程组的基础解系是解空间的一组基。若R(A) r则基础解系含有n - r个向量。通解可以表示为这些向量的线性组合。非齐次方程组的通解结构是「特解 齐次通解」不带参数的部分是非齐次方程组的一个解带参数的向量部分构成对应齐次方程组的基础解系。求解过程统一为把系数矩阵或增广矩阵化为行阶梯形判断解的情况若有解则继续化为行最简形写出约束变量与自由变量的关系令自由变量取适当的数值构造基础解系或特解。我一般会把自由变量依次取为单位向量形式比如三自由变量时取(1,0,0)、(0,1,0)、(0,0,1)这样基础解系的每个向量都足够干净不容易抄错。4.6 避坑初等变换与秩的五个典型错误现象一求逆矩阵时混用了行变换和列变换。原因是初等变换统称为初等变换以为都可以用。解决用分块矩阵(A | E)求逆时只允许初等行变换列变换会破坏右边的单位阵对应关系。现象二化行阶梯形时把某一行乘以 0。原因是初等变换的倍乘要求非零常数。解决写变换步骤前先确认系数非零乘以零会使信息丢失。现象三行阶梯形已经出来但数错了非零行行数。原因是忘记把全零行排除在外。解决数秩之前先自上而下扫一遍把全零行划掉再数。现象四判断非齐次方程组解的情况时只看了R(A)没看R(A,b)。原因是增广矩阵的概念没有入脑。解决每次判断前强制写出R(A)和R(A,b)两个值然后和 n 比较。现象五基础解系向量个数算错。原因是对n - R(A)中的 n 理解有误。解决n 指未知量的个数也就是系数矩阵的列数不是行数。遇到行数和列数不等的方程组尤其要小心。5. 向量组与线性相关性从抽象定义到基础解系的完整链路向量组这一章把矩阵和方程组的语言统一起来。一个 m × n 矩阵可以看作 n 个 m 维列向量组成的向量组也可以看作 m 个 n 维行向量组成的向量组。线性方程组的解集合同样可以用一个向量组来描述。理解了向量组的线性相关性和线性无关性基础解系的概念就顺理成章了。5.1 n 维向量与向量组的基本概念n 维向量是 n 个数组成的有序数组记为α (a1, a2, ..., an)T。向量按矩阵的运算法则参与运算向量加法、数乘、负向量、零向量。零向量的维数不同则不同比如二维零向量和三维零向量是不同的向量。向量组是若干个同维数列向量或同维数行向量组成的集合。矩阵的每一列是一个列向量每一行是一个行向量所以矩阵可以看作向量组的紧凑表示。向量方程与线性方程组的关联正是通过这种表示建立起来的。向量的线性运算满足八条运算律包括加法交换律、加法结合律、存在零向量、存在负向量、数乘分配律等。这八条是「线性空间」的公理化基础在后续进一步学习抽象代数时会再次遇到。5.2 线性相关与线性无关判定条件与记忆方法一组向量α1, α2, ..., αss ≥ 2线性相关是指存在不全为零的数 k1, k2, ..., ks 使得k1α1 k2α2 ... ksαs 0。如果只有当所有 k 全为零时等式才成立则线性无关。以下判定条件在计算中很常用向量组线性相关的充要条件是其中至少有一个向量能由其余向量线性表示两个向量线性相关的充要条件是对应分量成比例向量组中含有零向量则该向量组线性相关n 维向量组中向量个数大于 n 时一定线性相关整体线性无关则任意部分组也线性无关整体线性相关不能推出部分组也相关判断一组具体向量是否线性相关最常见的方法是把向量作为列向量拼成矩阵化行阶梯形求秩。若秩等于向量个数 s则线性无关若秩小于 s则线性相关。5.3 向量组的秩与极大无关组向量组的极大线性无关组是指向量组中取出的一个部分组自身线性无关且任意再添入原向量组中一个向量就变为线性相关。极大无关组所含向量的个数称为向量组的秩。向量组构成的矩阵的秩等于向量组的秩。这个性质把向量组的问题转化为矩阵的秩问题是计算向量组秩的通行做法把向量按列排成矩阵化行阶梯形求秩即可。极大无关组的选取不唯一但各组所含向量个数一致。5.4 基础解系与向量组理论的衔接回到齐次线性方程组Ax 0。设系数矩阵 A 的秩为 r则解空间中基础解系含n - r个向量且这些向量线性无关每个解都能由它们线性表示。这里的n - r正好等于自由未知量的个数也和向量组理论中的秩概念对应。对方程组求解时把系数矩阵化为行最简形找到主元列对应的约束变量和自由变量。自由变量依次取单位向量形式回代求得基础解系。这个过程操作性强每一步都有明确的计算目标。非齐次方程组多一步先用行最简形求得一个特解再按齐次方法求基础解系最后写成「特解 线性组合」的形式。5.5 避坑向量组相关的三个常见误判现象一把「向量组中至少有一个向量能由其余向量线性表示」误读为「任意向量都能由其余向量表示」。原因是对「至少有一个」的数学逻辑不敏感。解决做一个反例记忆α1 (1, 0)α2 (0, 1)α3 (1, 1)α3 能用 α1 和 α2 表示但 α1 不能由 α2 和 α3 表示向量组仍然线性相关。现象二判断线性相关性时只用向量个数和维数比较。原因是记住了「个数大于维数必相关」这个结论忽略了它能取反方向。解决个数小于等于维数时不能直接判断必须实际计算秩。现象三基础解系写成特解和齐次通解的混合形式。原因是对非齐次通解结构理解不透。解决每次写答案前检查一遍结构是否严格为「特解 齐次线性组合」两个部分混在一起就要拆开重写。6. 验证方法半小时自测这份笔记的掌握程度笔记看完不算完能不能在合上电脑的情况下完成下面五组自测才算真正吸收。我按实际考试中出现频率排序给出每组自测的具体操作方式和通过标准。第一组自测三阶行列式计算。随机写一个三阶行列式用对角线法则和按第一行展开两种方法各算一遍结果一致才算过。时间控制在三分钟内做两遍全部正确即可进入下一组。第二组自测逆矩阵求解。取一个三阶方阵先用伴随矩阵法求逆再用初等行变换法求逆两种方法结果一致才算过。重点检查伴随矩阵是否转置以及最后是否除以行列式值。整个过程不超过十分钟。第三组自测向量组线性相关性判断。给出三个三维向量拼成矩阵求秩说出该向量组是否线性相关并写出一个极大无关组。如果向量个数恰好为三个且秩也是三还需要额外构造一个四维向量组验证「个数大于维数必相关」的结论。第四组自测线性方程组解结构分析。给出一个含参数的四元非齐次方程组判断参数取何值时无解、唯一解、无穷多解。这组题覆盖了秩的比较、行阶梯形化法和通解写法是最综合的一关。第五组自测闭卷默写核心定理条件。在纸上写出克拉默法则的适用条件、矩阵可逆的充要条件、齐次方程组有非零解的充要条件、非齐次方程组三种解情况的判别条件。允许用自己的语言表述但定理的前提条件一个都不能漏。我在考前复习时吃过一次亏当时只是熟练掌握了计算流程忽略了定理条件的默写结果考试时遇到一道概念辨析题四个选项都在描述解的存在性条件因为没有精确记住「R(A) R(B) n 唯一解」中的等号和 n 的位置白白丢了一道大题的分。从那以后我每次复习无论时间多紧都会强制自己先闭卷写一遍各章核心定理的适用条件再开始刷计算题。这份线性代数知识点总结的价值也正在于此——它不帮你省去推导的功夫但能确保你在需要时准确回忆起每一条定理的前提和使用边界。希望帮到你。本文还有配套的精品资源点击获取
