考研数学线性代数速成教程

概述

线性代数是考研数学的重要组成部分，约占总分的22%（数一、数二）至34%（数三）。本教程系统梳理线性代数六大核心考点，帮助考生在短时间内建立完整的知识框架，掌握高频题型的解题方法。内容涵盖行列式、矩阵运算、向量组的线性相关性、线性方程组、特征值与特征向量、二次型六大模块，每个知识点配有经典例题和解题技巧。

---

知识点一：行列式的计算

核心概念

行列式是线性代数的基础工具，其本质是一个数值。n阶行列式的定义为：

\(D = \sum (-1)^{t} a_{1p_1} a_{2p_2} \cdots a_{np_n}\)

其中 \(t\) 为排列 \(p_1 p_2 \cdots p_n\) 的逆序数。

常用计算方法

1. 按行（列）展开定理：行列式等于某一行（列）元素与其对应代数余子式乘积之和。
2. 行列式性质化简：利用倍加变换、对换、提公因子等性质化为上三角行列式。
3. 特殊行列式公式：
   • 范德蒙行列式
   • 拉普拉斯展开（分块行列式）

经典例题

例题：计算行列式

\(D = \begin{vmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{vmatrix}\)

解：利用行列式性质，将第1行的-4倍加到第2行，-7倍加到第3行：

\(D = \begin{vmatrix} 1 & 2 & 3 \\ 0 & -3 & -6 \\ 0 & -6 & -12 \end{vmatrix}\)

再将第2行的-2倍加到第3行：

\(D = \begin{vmatrix} 1 & 2 & 3 \\ 0 & -3 & -6 \\ 0 & 0 & 0 \end{vmatrix} = 0\)

解题技巧

• 遇到元素呈等差排列的行列式，优先使用倍加变换消元
• 含参数行列式常通过展开或性质降阶求解
• 记住几个特殊行列式的结果（上三角、范德蒙等）可大幅提速

---

知识点二：矩阵运算与逆矩阵

核心概念

矩阵是线性代数的核心对象。重点掌握：

• 矩阵乘法：不满足交换律，即 \(AB \neq BA\)（一般情况）
• 逆矩阵：若 \(AB = BA = E\)，则 \(B = A^{-1}\)
• 矩阵的秩：矩阵中非零子式的最高阶数

逆矩阵的求法

1. 伴随矩阵法：\(A^{-1} = \frac{1}{|A|} A^*\)（要求 \(|A| \neq 0\)）
2. 初等变换法：\((A | E) \xrightarrow{初等行变换} (E | A^{-1})\)

经典例题

例题：设 \(A = \begin{pmatrix} 1 & 2 \\ 3 & 5 \end{pmatrix}\)，求 \(A^{-1}\)。

解：\(|A| = 1 \times 5 - 2 \times 3 = -1\)

\(A^* = \begin{pmatrix} 5 & -2 \\ -3 & 1 \end{pmatrix}\)

\(A^{-1} = \frac{1}{-1} \begin{pmatrix} 5 & -2 \\ -3 & 1 \end{pmatrix} = \begin{pmatrix} -5 & 2 \\ 3 & -1 \end{pmatrix}\)

解题技巧

• 矩阵乘法要注意顺序，\((AB)^T = B^T A^T\)，\((AB)^{-1} = B^{-1} A^{-1}\)
• 求逆矩阵时，初等变换法比伴随矩阵法更高效（尤其对高阶矩阵）
• 判断矩阵可逆的充要条件：\(|A| \neq 0\)

---

知识点三：向量组的线性相关性

核心概念

• 线性相关：存在不全为零的数 \(k_1, k_2, \cdots, k_s\) 使 \(k_1\alpha_1 + k_2\alpha_2 + \cdots + k_s\alpha_s = 0\)
• 线性无关：只有当 \(k_1 = k_2 = \cdots = k_s = 0\) 时上式才成立
• 极大线性无关组：向量组中线性无关且能线性表示其余向量的最小子集

判定方法

1. 定义法：直接验证线性组合等于零的系数是否必全为零
2. 秩判别法：向量组线性相关 \(\Leftrightarrow\) 秩 < 向量个数
3. 行列式法：n个n维向量构成方阵，线性相关 \(\Leftrightarrow\) 行列式为零

经典例题

例题：判断向量组 \(\alpha_1 = (1, 1, 1)^T\)，\(\alpha_2 = (1, 2, 3)^T\)，\(\alpha_3 = (1, 3, 5)^T\) 的线性相关性。

解：构造矩阵并计算秩：

\(A = \begin{pmatrix} 1 & 1 & 1 \\ 1 & 2 & 3 \\ 1 & 3 & 5 \end{pmatrix}\)

\(|A| = 1(10-9) - 1(5-3) + 1(3-2) = 1 - 2 + 1 = 0\)

因为 \(|A| = 0\)，三个3维向量线性相关。

解题技巧

• 向量个数 > 向量维数时必线性相关
• 向量组的秩等于其极大线性无关组中向量的个数
• 线性无关向量组的部分组仍线性无关

---

知识点四：线性方程组

核心概念

齐次方程组 \(Ax = 0\) 与非齐次方程组 \(Ax = b\) 的解的结构是考研重点。

解的存在性定理：

• \(Ax = 0\) 必有解（至少有零解）
• \(Ax = b\) 有解 \(\Leftrightarrow\) \(r(A) = r(A|b)\)

解的个数：

• \(r(A) = n\)（未知数个数）：唯一解
• \(r(A) < n\)：无穷多解，基础解系含 \(n - r(A)\) 个向量

经典例题

例题：求齐次方程组的基础解系：

\(\begin{cases} x_1 + x_2 - 3x_3 - x_4 = 0 \\ x_1 - x_2 + 2x_3 - x_4 = 0 \\ 3x_1 + x_2 - 7x_3 - 3x_4 = 0 \end{cases}\)

解：对系数矩阵作初等行变换：

\(A = \begin{pmatrix} 1 & 1 & -3 & -1 \\ 1 & -1 & 2 & -1 \\ 3 & 1 & -7 & -3 \end{pmatrix} \rightarrow \begin{pmatrix} 1 & 1 & -3 & -1 \\ 0 & -2 & 5 & 0 \\ 0 & 0 & 0 & 0 \end{pmatrix}\)

\(r(A) = 2\)，\(n - r(A) = 2\)，基础解系含2个向量。

取 \(x_3 = 2, x_4 = 0\) 得 \(\xi_1 = (1, 5, 2, 0)^T\)

取 \(x_3 = 0, x_4 = 1\) 得 \(\xi_2 = (0, 0, 0, 1)^T\)

通解为 \(x = c_1\xi_1 + c_2\xi_2\)（\(c_1, c_2\) 为任意常数）

解题技巧

• 求解方程组的核心步骤是将增广矩阵化为行最简形
• 非齐次方程组的通解 = 特解 + 齐次方程组的通解
• 两个解之差是齐次方程组的解

---

知识点五：特征值与特征向量

核心概念

对于n阶方阵A，若存在数 \(\lambda\) 和非零向量 \(\xi\) 使得 \(A\xi = \lambda\xi\)，则 \(\lambda\) 为A的特征值，\(\xi\) 为对应的特征向量。

求解步骤：

1. 求特征方程 \(|A - \lambda E| = 0\) 的根，得特征值
2. 对每个 \(\lambda\)，求 \((A - \lambda E)x = 0\) 的基础解系，得特征向量

重要性质

• \(\sum \lambda_i = \sum a_{ii}\)（迹）
• \(\prod \lambda_i = |A|\)
• 不同特征值对应的特征向量线性无关
• 实对称矩阵的特征值均为实数，不同特征值的特征向量正交

经典例题

例题：求矩阵 \(A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix}\) 的特征值和特征向量。

解：

\(|A - \lambda E| = \begin{vmatrix} 2-\lambda & 1 \\ 1 & 2-\lambda \end{vmatrix} = (2-\lambda)^2 - 1 = 0\)

\((2-\lambda)^2 = 1\)，解得 \(\lambda_1 = 1\)，\(\lambda_2 = 3\)

当 \(\lambda_1 = 1\) 时：\((A - E)x = 0\)，即 \(x_1 + x_2 = 0\)，特征向量 \(\xi_1 = (1, -1)^T\)

当 \(\lambda_2 = 3\) 时：\((A - 3E)x = 0\)，即 \(-x_1 + x_2 = 0\)，特征向量 \(\xi_2 = (1, 1)^T\)

解题技巧

• 特征值的计算是后续（对角化、二次型）的基础，务必熟练
• 实对称矩阵必可正交对角化，这是考研高频考点
• 利用特征值可快速计算 \(A^n\)、\(|A|\) 等

---

知识点六：二次型

核心概念

二次型 \(f(x_1, x_2, \cdots, x_n) = x^T Ax\) 的标准化是线性代数的综合应用。

正交变换法化标准形的步骤：

1. 写出二次型的矩阵A
2. 求A的特征值 \(\lambda_1, \lambda_2, \cdots, \lambda_n\)
3. 求对应的特征向量并正交化、单位化
4. 构造正交矩阵P，作变换 \(x = Py\)，得标准形 \(f = \lambda_1 y_1^2 + \lambda_2 y_2^2 + \cdots + \lambda_n y_n^2\)

正定性判定

二次型正定的充要条件（满足任一即可）：

• 特征值全大于零
• 各阶顺序主子式全大于零
• 正惯性指数等于n

经典例题

例题：判断二次型 \(f = 2x_1^2 + 2x_2^2 + 2x_3^2 + 2x_1x_2 + 2x_1x_3 + 2x_2x_3\) 的正定性。

解：写出矩阵：

\(A = \begin{pmatrix} 2 & 1 & 1 \\ 1 & 2 & 1 \\ 1 & 1 & 2 \end{pmatrix}\)

计算顺序主子式：

• \(\Delta_1 = 2 > 0\)
• \(\Delta_2 = \begin{vmatrix} 2 & 1 \\ 1 & 2 \end{vmatrix} = 3 > 0\)
• \(\Delta_3 = |A| = 2(4-1) - 1(2-1) + 1(1-2) = 6 - 1 - 1 = 4 > 0\)

所有顺序主子式均大于零，故二次型正定。

解题技巧

• 二次型的矩阵必须是对称矩阵
• 正定性判断首选顺序主子式法（计算量最小）
• 正交变换不改变二次型的几何性质（曲面类型不变）

---

练习题

练习1

计算行列式 \(D = \begin{vmatrix} 1 & 1 & 1 & 1 \\ 1 & 2 & 3 & 4 \\ 1 & 3 & 6 & 10 \\ 1 & 4 & 10 & 20 \end{vmatrix}\)

答案：\(D = 1\)

解析：这是范德蒙型行列式的变体。利用倍加变换逐行消元，化为上三角行列式，对角线元素乘积即为结果。

练习2

设 \(A\) 为3阶方阵，\(|A| = 2\)，求 \(|2A^* - 3A^{-1}|\)。

答案：\(\frac{125}{2}\)

解析：\(A^* = |A|A^{-1} = 2A^{-1}\)，所以 \(2A^* - 3A^{-1} = 4A^{-1} - 3A^{-1} = A^{-1}\)，\(|A^{-1}| = \frac{1}{|A|} = \frac{1}{2}\)。注意需用到 \(|kA| = k^3|A|\)（3阶）。

练习3

已知向量组 \(\alpha_1 = (1, 2, 3)^T\)，\(\alpha_2 = (2, 1, 1)^T\)，\(\alpha_3 = (3, 3, 4)^T\)，\(\alpha_4 = (5, 6, 8)^T\)，求该向量组的秩和一个极大线性无关组。

答案：秩为2，\(\{\alpha_1, \alpha_2\}\) 是一个极大线性无关组。

解析：将向量按列排成矩阵，作初等行变换化为行阶梯形，非零行数即为秩。

练习4

设 \(A = \begin{pmatrix} 1 & -1 & 1 \\ 1 & 3 & -1 \\ 1 & 1 & 1 \end{pmatrix}\)，求A的特征值。

答案：\(\lambda_1 = 1\)，\(\lambda_2 = 2\)，\(\lambda_3 = 2\)

解析：展开 \(|A - \lambda E| = 0\)，因式分解求根。注意 \(\lambda = 2\) 是重根，需验证其代数重数和几何重数的关系。

练习5

用正交变换将二次型 \(f = x_1^2 + 4x_1x_2 + x_2^2\) 化为标准形。

答案：\(f = 3y_1^2 - y_2^2\)

解析：矩阵 \(A = \begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix}\)，特征值 \(\lambda_1 = 3, \lambda_2 = -1\)，求对应单位特征向量构成正交矩阵P。

---

总结

线性代数在考研数学中具有"知识点少、关联性强、计算量大"的特点。复习时应注意：

1. 建立知识网络：行列式→矩阵→向量→方程组→特征值→二次型，六大模块环环相扣
2. 重视计算能力：行列式计算、矩阵求逆、特征值求解必须做到又快又准
3. 理解本质概念：秩是贯穿线性代数的核心概念，理解秩的几何意义有助于解题
4. 掌握高频题型：矩阵对角化、二次型标准化、方程组求解是每年必考内容
5. 注意易错点：矩阵乘法不满足交换律、特征向量不唯一、正交变换要求P为正交矩阵

建议复习顺序：行列式 → 矩阵 → 向量 → 方程组 → 特征值 → 二次型，每完成一个模块就做对应的真题巩固。祝考研顺利！