简介本资源是面向数学专业本科生及高等代数自学者的系统性学习笔记深度对标丘维声教授北京大学《高等代数》课程B站151讲视频聚焦线性方程组、行列式、线性空间三大核心模块解决概念抽象、逻辑链条长、证明与计算脱节等典型学习痛点。压缩包为单文件PDF格式共1个1.21MB高清笔记文档内容结构严谨第一章详述矩阵消元法、阶梯形判别与解集结构第二章从n元排列出发完整推演行列式定义、性质、展开及克莱姆法则第三章系统构建线性空间理论体系涵盖子空间、线性相关性、秩、基与维数、同构等关键概念并穿插数域Q/R/C基础及其在线性方程组判别中的应用。已有1178人学习下载笔记兼具授课逻辑还原与自学友好性——每节含习题思路提示、定义精释、典型例证与视频课时对应标注是构建代数直觉、夯实理论根基、衔接后续线性映射与矩阵论的优质入门脚手架。1. 高等代数不是“算行列式”的手艺活一张贯穿丘维声体系的知识地图很多人学完《高等代数》只记得背公式、算行列式、解方程组——结果一到抽象证明就卡壳一见“线性空间同构”就发懵。但丘维声这门课真正的骨架从来不是计算技巧而是一套从具体问题出发、层层抽象、不断回归解释力的思维闭环。这份笔记之所以被称作“大佬整理”正因为它把151讲视频里埋得最深的那条主线拎了出来线性方程组是起点矩阵是工具行列式是判据线性空间是舞台线性映射才是主角。整张知识地图可浓缩为六个锚点✅起点n元线性方程组有解唯一解无穷解→ 引出增广矩阵与初等行变换✅判据用行列式二阶→n阶→按行展开→拉普拉斯定理回答“何时有唯一解”克莱姆法则只是副产品✅结构当解不唯一时解集本身构成一个子空间齐次解空间W 特解平移自然导出线性相关/无关、极大无关组、秩、基与维数✅舞台升级把Rⁿ推广为任意数域K上的线性空间V所有向量运算规则被公理化8条运算法则零元、负元、封闭性成为检验底线✅关系建模子空间的交、和、直和、维数公式不是孤立概念——它们是刻画“多个解空间如何叠加/分离”的语言✅终极视角同构告诉你所有3维线性空间在代数结构上都等价于K³可逆映射告诉你解方程的本质是寻找一个保持结构的“重命名规则”。这张图不是教科书目录的复述而是把151讲视频里反复出现的三类高频翻车现场串了起来 为什么“秩r n ⇒ 有无穷多解”因为自由未知量个数 n − r每个自由变量对应解空间的一维 为什么“两个子空间的并集一般不是子空间”因为加法不封闭——(1,0)∈U、(0,1)∈W但(1,1)∉U∪W 为什么“线性无关向量组扩充成基”一定可行因为有限维空间中任何线性无关组长度≤维数补足差额即可。它适合两类人正在啃丘维声教材的本科生帮你绕过“定义堆砌”的迷雾或刷完线性代数网课却仍觉“没打通任督二脉”的自学者给你一套可迁移的抽象框架。别急着算——先看清这个系统长什么样。2. 线性方程组与数域从消元术到结构判别的底层逻辑2.1 矩阵消元法不只是“把数字变0”而是构造解空间的几何投影矩阵消元法常被简化为“高斯消元三步走”但丘维声强调每一步初等行变换都在保持原方程组解集完全不变的前提下对解空间做正交投影。我们来看一个易被忽略的关键细节# 假设原始方程组 Ax bA为3×4矩阵 import numpy as np A np.array([[1, 2, 3, 4], [2, 4, 6, 8], [1, 1, 1, 1]]) b np.array([1, 2, 0]) # 执行初等行变换R2 ← R2 - 2*R1 A_new A.copy() A_new[1] A_new[1] - 2 * A_new[0] print(变换后A:, A_new) # 输出: [[1 2 3 4] # [0 0 0 0] ← 这一行全零意味着原方程组存在冗余约束 # [1 1 1 1]]提示全零行本身不直接说明无解关键看它对应的增广项。若[0 0 0 0 | d]中d ≠ 0则矛盾0d若d0则该方程恒成立对应一个自由变量。自由变量的个数 未知数个数n − 非零行数r这正是解空间维数 dim(W) n − r 的来源。消元的目标不是得到“最简数字”而是让主元pivot位置清晰暴露解的结构主元列 → 对应主变量basic variable其值由阶梯形方程唯一确定非主元列 → 对应自由变量free variable可任取K中值构成解空间的参数基底。例如对增广矩阵$$ \left[\begin{array}{ccc|c} 1 2 0 3 \ 0 0 1 4 \ 0 0 0 0 \end{array}\right] $$主元在第1、3列 → x₁, x₃为主变量x₂为自由变量。令x₂ t则解为$$ \begin{cases} x_1 3 - 2t \ x_2 t \ x_3 4 \end{cases} \quad \Rightarrow \quad \mathbf{x} \begin{bmatrix}3\0\4\end{bmatrix} t\begin{bmatrix}-2\1\0\end{bmatrix} $$这正是非齐次解 特解 齐次通解的标准形式t的系数向量[-2,1,0]ᵀ就是齐次解空间的一组基。2.2 解的存在性与唯一性用秩的语言重写判别准则教材中“系数矩阵秩 增广矩阵秩 ⇒ 有解”这一结论常被死记。但笔记将其还原为子空间包含关系设方程组为Ax b其中A ∈ K^{m×n},b ∈ K^m。Ax的所有可能取值构成A的列空间Col(A) ⊆ K^m方程组有解 ⇔b ∈ Col(A)而rank(A) dim(Col(A))rank([A|b]) dim(Col([A|b]))若b ∉ Col(A)则Col([A|b])比Col(A)多出一维 →rank([A|b]) rank(A) 1若b ∈ Col(A)则Col([A|b]) Col(A)→ 秩相等。因此“秩相等”本质是验证b是否落在A张成的空间内。这个视角直接打通了第三章子空间理论。判别场景矩阵条件几何解释解集结构无解rank(A) rank([Ab])b不在A的列空间中唯一解rank(A) rank([Ab]) nA列满秩Col(A)K^m且dim(Nul(A))0无穷多解rank(A) rank([Ab]) r nA列秩不足Nul(A)维数为n−r 0注意当m n方程数少于未知数时rank(A) ≤ m n故必有r n即只要相容就必有无穷多解。这是超定/欠定系统的根本差异。2.3 数域为什么不能直接在“所有实数”上运算——代数封闭性的硬约束数域K的定义含0,1对±,×,÷封闭看似数学洁癖实则是保证所有代数操作不“越界”的安全围栏。丘维声特别强调线性代数的所有结论都依赖于数域的四则封闭性。以“求逆矩阵”为例若A ∈ K^{n×n}且det(A) ≠ 0则A⁻¹ (1/det(A)) · adj(A)。这里adj(A)的元素是代数余子式仅含,-,×运算但1/det(A)要求det(A)在K中必须有乘法逆元 —— 这正是数域定义中a/b ∈ K (b≠0)的体现。常见数域对比数域记号最小性关键性质丘维声课程中典型应用有理数域ℚ最小数域任何两个有理数的四则运算结果仍为有理数习题1.3中Q(i)的构造基础确保消元过程中分数不溢出实数域ℝ包含ℚ完备加入极限运算但代数运算封闭性与ℚ一致几何向量空间ℝⁿ的默认数域欧氏空间度量基础复数域ℂ代数闭域任何非常数多项式在ℂ上有根代数基本定理特征值理论的根基酉空间、Hermite变换的自然舞台易漏点很多初学者误以为“在ℝ上能解的方程在ℂ上也能解”是显然的但丘维声指出数域选择决定了你能否定义某些运算。例如在ℚ上矩阵[[0,1],[−1,0]]的特征多项式λ²10无解因i ∉ ℚ故该矩阵在ℚ上线性空间中没有特征值更谈不上对角化。这直接导致“相似标准形”理论在不同数域上形态迥异。3. 行列式从二阶公式到拉普拉斯展开的完整能力图谱3.1 n阶行列式的三种等价定义计算、性质、公理化视角行列式常被初学者视为“一个大公式”但丘维声笔记揭示其本质是唯一的、多重线性的、反对称的、标准化的函数。理解这三点才能摆脱“死记展开式”的困境。定义一排列求和式$$ \det(A) \sum_{\sigma \in S_n} \operatorname{sgn}(\sigma) , a_{1\sigma(1)} a_{2\sigma(2)} \cdots a_{n\sigma(n)} $$这是最原始的定义凸显反对称性交换两行每个排列σ的符号改变总和变号。定义二递归展开式$$ \det(A) \sum_{j1}^n (-1)^{ij} a_{ij} \det(M_{ij}) \quad \text{(按第i行展开)} $$其中M_{ij}是划去第i行第j列的(n−1)阶子矩阵。此定义体现多重线性对每一行列都是线性函数。定义三公理化det: K^{n×n} → K是满足以下三条的唯一函数多重线性对每一行是线性函数固定其他行反对称性交换两行值变号标准化det(I_n) 1。为什么这三条能唯一确定det因为任何矩阵A可通过初等行变换化为上三角阵UA E_k⋯E_1 U。由性质2、3可推得det(E_i) ±1或c取决于变换类型而det(U)是对角元乘积。故det(A)完全由这些性质决定。3.2 行列式性质的深层逻辑为什么“行变换不改变值”性质7一行的倍数加到另一行行列式不变常被当作口诀记忆但笔记用线性组合的几何意义解释设A的第i行是r_i第j行是r_j。将c·r_i加到r_j得新矩阵A其第j行为r_j c r_i。由多重线性$$ \det(A) \det(\dots, r_j c r_i, \dots) \det(\dots, r_j, \dots) c \cdot \det(\dots, r_i, \dots) $$但第二项中第i行和第j行均为r_i→ 两行相同 → 由反对称性det 0。故det(A) det(A) 0 det(A)。这个推导揭示性质7的本质是“线性相关行贡献为零”。它也是高斯消元合法性的核心——消元过程中的行加法不改变行列式值从而不改变det(A) ≠ 0这一可逆性判据。3.3 克莱姆法则的定位不是解方程的算法而是存在性定理的推论克莱姆法则常被误用为解大型方程组的方法实际计算复杂度O(n·n!)远高于高斯消元的O(n³)。丘维声明确指出它的价值在于建立“系数矩阵可逆 ⇔ det(A) ≠ 0 ⇔ 方程组有唯一解”这一黄金三角。对Ax b若det(A) ≠ 0则A可逆 →x A⁻¹b是唯一解由伴随矩阵公式A⁻¹ (1/det(A)) adj(A)得x_i det(A_i(b)) / det(A)其中A_i(b)是将A的第i列换为b此即克莱姆法则。血泪经验考试中若题目要求“用克莱姆法则求解”务必先验证det(A) ≠ 0若det(A) 0法则失效需改用消元法判断是无解还是无穷解。3.4 拉普拉斯展开k阶子式与代数余子式的协同作战2.6节的拉普拉斯定理常被跳过但它解决了“大矩阵分块计算”的核心需求。定理表述为在n阶行列式中任取k行1≤kn则所有由这k行与某k列构成的k阶子式M与其代数余子式C即(-1)^{∑行号∑列号} × det(余子式)的乘积之和等于原行列式。实战价值当矩阵含大量零时选含零最多的k行展开可极大减少计算量。例如$$ A \begin{bmatrix} 1 0 0 2 \ 0 3 4 0 \ 0 5 6 0 \ 7 0 0 8 \end{bmatrix} $$取第1、4行含三个零可能的列组合为(1,4)子式M \begin{vmatrix}12\\78\end{vmatrix} -6余子式为[[3,4],[5,6]]代数余子式C (-1)^{1414} det (1)·(-2) -2故贡献(-6)×(-2)12其他列组合因含零子式为0。最终det(A) 12。易错点代数余子式的符号(-1)^{∑行号∑列号}易算错。笔记建议把所选k行k列看作一个“子坐标系”其符号由这些行列索引在原矩阵中的总和奇偶性决定而非简单(-1)^{ij}。4. 线性空间从ℝⁿ到抽象V的范式跃迁与结构解析4.1 线性空间八条公理为什么缺一不可——反例教学法定义要求集合V对加法和数乘满足8条公理。笔记用反例说明每条的必要性公理内容反例不满足该公理后果加法结合律(uv)w u(vw)Vℝ², 定义(a,b)(c,d)(ac1,bd)加法结果依赖括号顺序无法定义“多个向量和”零元存在∃0∈V, ∀v∈V: v0vVℝ⁺正实数集定义加法为普通乘法a⊕bab数乘为k⊙aaᵏ无“单位元”a⊕ea ⇒ e1但1∈ℝ⁺此例其实满足真正反例Vℤ, 加法为普通加法但数乘k·a定义为k²a→ 不满足分配律负元存在∀v∈V, ∃−v∈V: v(−v)0Vℕ自然数集加法为普通加法1无负元减法不封闭无法解x10数乘结合律k(l·v) (kl)·vVℝ²,k·(a,b)(ka,0)2·(3·(1,1)) 2·(3,0) (6,0)但(2·3)·(1,1)6·(1,1)(6,0)此例满足真正反例需构造如k·v k²v→2·(3·v)2·(9v)36v ≠ 6·v梳理下来会发现八条公理共同保障了向量空间是一个“可进行线性组合运算的稳定系统”。缺少任何一条线性相关、基、维数等后续概念都会崩塌。例如若无负元则“线性相关”定义∑kᵢvᵢ0中的0无意义。4.2 线性相关与无关从“共面”直觉到秩的量化在ℝ³中三个向量共面 ⇔ 线性相关。笔记将此直觉升华为秩的判定工具向量组α₁,…,αₘ ∈ V线性相关 ⇔ 存在不全为零的k₁,…,kₘ ∈ K使∑kᵢαᵢ 0等价于齐次方程组x₁α₁ ⋯ xₘαₘ 0有非零解将αᵢ作为列向量构成矩阵A ∈ K^{n×m}则A 0有非零解 ⇔rank(A) m。因此向量组的秩r就是其极大线性无关组所含向量个数也等于由它们构成的矩阵的秩。向量组性质矩阵A的秩r几何/代数含义线性无关r mA列满秩A0只有零解线性相关r mA列秩亏损存在非平凡线性关系极大无关组r个向量A的r个主元列张成与原向量组相同的空间易忽略的是线性相关性与向量个数m和空间维数n的关系。若m n则r ≤ n m故任何n1个ℝⁿ中的向量必线性相关。这是抽屉原理在线性空间的体现。4.3 基与维数为什么“基不唯一但维数唯一”基是线性空间的“坐标系”。笔记强调基的选择自由但维数是空间的内在属性如同拓扑空间的连通分支数。ℝⁿ的标准基e₁(1,0,…,0),…,eₙ(0,…,0,1)是最直观的但v₁(1,1,0), v₂(1,0,1), v₃(0,1,1)也是ℝ³的基因det([v₁ v₂ v₃]) 2 ≠ 0任一基的向量个数必为n此即dim(ℝⁿ) n。定理支撑若V有有限维基则任意两个基等势含向量数相同。证明用“替换法”设B₁{u₁,…,uₙ},B₂{v₁,…,vₘ}均为基。将v₁用B₁表出必有某uᵢ系数非零用v₁替换uᵢ得新基B₁再用v₂替换B₁中某向量……最终m ≤ n同理n ≤ m故mn。玄学时刻在无限维空间如所有多项式构成的P(K)基的概念依然存在Hamel基但无法通过有限步骤构造且其基数必为无限。丘维声指出有限维是线性代数可计算性的前提。4.4 子空间的和与直和解空间叠加的精确语言线性方程组的解集、矩阵的行空间/列空间、特征子空间……都天然构成子空间。笔记用维数公式统一刻画它们的叠加子空间维数公式若U,W ⊆ V是子空间则$$ \dim(U W) \dim(U) \dim(W) - \dim(U ∩ W) $$U W {uw | u∈U, w∈W}是包含U和W的最小的子空间U ∩ W是同时属于两者的向量集合其维数衡量了U与W的“重叠程度”。直和U ⊕ W是一种特殊叠加U W中每个向量表示为uw的方式唯一。等价条件U ∩ W {0}无重叠dim(U ⊕ W) dim(U) dim(W)维数相加U的基与W的基合起来是U ⊕ W的基。经典案例ℝ³中U span{(1,0,0)}x轴W span{(0,1,0),(0,0,1)}yz平面则U ⊕ W ℝ³且U ∩ W {0}。但若W span{(1,1,0),(0,0,1)}则U ∩ W {0}仍成立U ⊕ W ℝ³可见直和分解不唯一。5. 易漏点与易错点丘维声体系中最常“掉坑”的7个认知断层5.1 “线性相关”不等于“成比例”——高维空间的直觉陷阱易漏点看到α(1,2,3), β(2,4,6)就说“线性相关”正确但看到α(1,0,0), β(0,1,0), γ(1,1,0)就认为“两两不成比例所以无关”大错特错为什么漏混淆了“两向量相关 ⇔ 成比例”与“多向量相关 ⇔ 存在线性关系”的条件。在ℝ³中三个向量共面即相关与两两是否成比例无关。怎么补牢记定义——是否存在不全为零的k₁,k₂,k₃使k₁αk₂βk₃γ0。此处1·α 1·β (-1)·γ 0故相关。检验方法将向量作列构成矩阵看秩是否小于向量个数。5.2 “子空间的并集”不是子空间——加法封闭性的致命漏洞易漏点认为U ∪ WU,W为子空间仍是子空间尤其当U ⊆ W时此时U ∪ W W成立便推广到一般情况。为什么漏忽视子空间定义的核心是“加法与数乘封闭”而并集只继承“属于”关系不继承运算。怎么补反例秒杀——取Uspan{(1,0)}, Wspan{(0,1)} ⊆ ℝ²则(1,0)∈U∪W,(0,1)∈U∪W但(1,0)(0,1)(1,1)∉U∪W因不在x轴也不在y轴。永远记住子空间的并集只有当一方包含另一方时才是子空间。5.3 “秩”不是矩阵的固有属性而是关于“行空间”与“列空间”的维数易漏点看到A [[1,2],[2,4]]就说“秩为1”正确但看到A [[1,0,0],[0,1,0],[0,0,0]]3×3就说“秩为2”却忘记问“2是行秩还是列秩”。为什么漏未内化“行秩列秩”是需要证明的定理由初等变换保秩得出而非定义。怎么补严格使用定义——rank(A) dim(row space) dim(column space)。对上述3×3矩阵行向量为(1,0,0),(0,1,0),(0,0,0)前两个线性无关故行秩2列向量为(1,0,0)ᵀ,(0,1,0)ᵀ,(0,0,0)ᵀ同样秩2。计算时化为行阶梯形非零行数即秩这是最可靠方法。5.4 “同构”不等于“相等”——结构等价与元素相同的本质区别易漏点认为P₂次数≤2的多项式空间与ℝ³“一样”因为都能用(a,b,c)表示abxcx²从而在解题中随意互换元素。为什么漏混淆了“同构”存在保持运算的双射与“相等”集合完全相同。P₂的元素是函数ℝ³的元素是三元组它们是不同集合。怎么补同构是关系不是身份。φ: P₂ → ℝ³, φ(abxcx²)(a,b,c)是同构但abxcx² ≠ (a,b,c)。在证明中必须显式写出同构映射φ并验证其保运算性不能直接写“因为同构所以……”。5.5 “可逆映射”必须是双射——单射或满射单独成立不够易漏点看到线性映射T: ℝ³ → ℝ², T(x,y,z)(x,y)就认为“可逆”因它是线性的且似乎“能倒推”。为什么漏忘记可逆映射定义要求T∘S id_{ℝ²}且S∘T id_{ℝ³}而dim(domain) ≠ dim(codomain)时不可能存在双射由秩-零化度定理dim(ker T) 1 0故非单射。怎么补有限维空间间线性映射可逆 ⇔ 是双射 ⇔ 矩阵可逆 ⇔ det ≠ 0方阵。对非方阵直接排除可逆可能。检查ker(T)是否为{0}单射且Im(T)是否为全空间满射。5.6 “数域”不是“数的集合”而是“运算封闭的代数系统”易漏点认为ℤ整数集是数域因它含0,1且对,-,×封闭。为什么漏忽略除法封闭性——1/2 ∉ ℤ。数域必须对四则运算封闭。怎么补牢记数域定义三要素含0,1对,-,×封闭对÷除零外封闭。ℚ是最小数域ℝ,ℂ是其扩域。在丘维声体系中所有定理的前提都是“K是一个数域”若擅自换成ℤ则行列式、逆矩阵等概念失效。5.7 “线性空间的同构”不依赖于基的选择——坐标变换的不变性易漏点认为ℝ²在标准基e₁,e₂下的向量(1,2)与在基f₁(1,1), f₂(1,−1)下的坐标(3/2,−1/2)是“不同向量”。为什么漏将坐标表示与向量本身混淆。向量是客观存在坐标是它在特定基下的“身份证号码”。怎么补同构映射φ: V → Kⁿ依赖于基的选择但V本身的维数、子空间维数、线性相关性等不依赖于基。坐标变换矩阵P满足x_{new} P⁻¹ x_{old}这是同构框架下的标准操作。练习给定基变换熟练写出过渡矩阵P并验证P⁻¹AP是线性变换在新基下的矩阵。6. 查漏补缺一份可执行的丘维声高等代数复习清单与自测策略学完151讲视频和这份笔记如何确认自己真的“掌握”了不是看懂了而是能在陌生问题中调用正确的概念工具。我给自己设计了一套三阶查漏法坚持三个月彻底告别“一看就会一做就废”。6.1 概念闪电战5分钟/概念直击定义内核不要抄写定义而是用一句话一个反例检验理解深度。每天选3个概念限时完成概念我的定义≤15字反例不满足该概念的典型对象丘维声教材页码线性相关存在不全零系数使线性组合为零ℝ²中(1,0),(0,1)无关非相关P.72子空间对加法和数乘封闭的非空子集ℝ²中第一象限点集加法不封闭P.85直和和中每个向量表法唯一Uspan{(1,0)}, Wspan{(1,0)}交非零P.112为什么有效定义是骨架反例是血肉。能举出反例说明你抓住了定义的必要条件。我曾卡在“数域”上直到想出ℤ不是数域缺除法封闭才真正明白“域”为何要定义除法。6.2 定理溯源表把151讲的证明逻辑织成网丘维声的证明不是炫技而是展示概念如何相互支撑。我整理了核心定理的依赖链| 定理 | 直接依赖的前置定理/定义 | 关本文还有配套的精品资源点击获取
