考研数学 · 线性代数解题主线
这张图讲什么
「考研数学 · 线性代数解题主线」是 SeekFlaw 编辑团队整理的思维导图,分 5 个一级分支:抽象行列式与矩阵运算怎么化简;秩与向量组的证明套路;方程组:翻译条件、写通解、讨论参数;特征值、相似与对角化的判断;二次型:标准形、惯性指数与正定,共 47 个节点、46 张记忆卡。
本图不重讲定义和基本算法,而是把考研线性代数的常见题型按解题思路串起来,数一、数二、数三通用:抽象行列式、高次幂、伴随矩阵和矩阵方程怎么化简;秩的夹逼、秩为一的矩阵、向量组无关性的证法;怎么把向量关系翻译成方程组的解、抽象方程组的通解、同解与含参数讨论;抽象矩阵的特征值、可对角化与相似的判断;二次型的标准形陷阱、惯性指数与正定。
5 个要点
- 抽象行列式与矩阵运算怎么化简
- 秩与向量组的证明套路:秩是线性代数的主线。
- 方程组:翻译条件、写通解、讨论参数——丢分点:把解的和当成解;含参数时拿含参式子当除数。
- 特征值、相似与对角化的判断:抽象矩阵求特征值靠翻译条件,再用迹和行列式补齐。
- 二次型:标准形、惯性指数与正定——标准形不唯一,规范形唯一;只有正交变换得到的系数才是特征值;化标准形所用的变换必须可逆。
适用:考研备考。用法:点开任一节点先自己答,再翻面核对。
发布于
一句话:这张图把「考研数学 · 线性代数解题主线」整理成 47 个节点、46 张记忆卡;点开节点翻面就能看答案。
按考研题型串起线性代数:抽象行列式与矩阵运算、秩与向量组、方程组的翻译与通解、特征值与相似对角化、二次型与正定,配自编例题。点开任一节点翻面看答案,登录后可存进自己的空间,按遗忘曲线复习。
SeekFlaw 求瑕是面向初中、高中、考研、考公考前速记的思维导图与记忆卡平台:把课件、讲义变成思维导图,节点翻面就是记忆卡,按遗忘曲线安排复习。
47 个节点 · 46 张记忆卡。作者:SeekFlaw 编辑团队;发布于 2026-11-18。
先看这 3 条
- 已知特征值,怎么求 $|A+kE|$ 这类行列式:行列式等于 全部特征值的乘积 。
- 只知道秩和几个特解,怎么写非齐次方程组的通解:通解等于一个特解加上导出组基础解系的线性组合。
- 二次型的标准形和规范形,哪个是唯一的:标准形 不唯一 (用不同的可逆线性变换,平方项的系数可以不同);规范形唯一(系数只取 $1,-1,0$,由正、负惯性指数决定)。
抽象行列式与矩阵运算怎么化简
- 已知特征值,怎么求 $|A+kE|$ 这类行列式:行列式等于 全部特征值的乘积 。若 $n$ 阶矩阵 $A$ 的特征值为 $\lambda_1,\cdots,\lambda_n$,则多项式 $f(A)$ 的特征值为 $f(\lambda_1),\cdots,f(\lambda_n)$,$…
- 列向量是线性组合的行列式怎么算:把矩阵写成 $(\alpha_1,\alpha_2,\alpha_3)C$ 的形式,$C$ 是 系数矩阵 ,再用 $|AC|=|A||C|$。 例 :$A=(\alpha_1,\alpha_2,\alpha_3)$,$|A|=2$,$B=…
- $|A+B|$ 没有公式,遇到了怎么办:用单位矩阵做恒等变形,把和 化成乘积 :常用 $E=AA^{-1}$,正交矩阵用 $E=AA^T$。 例 :${A,B}$ 为同阶可逆矩阵,$|A|=2$,$|B|=3$,$|A+B|=12$,求 $|A^{-1}+B^{-1}|$。因 …
- 求方阵的高次幂 $A^n$ 有哪些办法:四种,按矩阵的样子选。 秩为 1:$A=\alpha\beta^T$,则 $A^n=(\beta^T\alpha)^{n-1}A$,其中 $\beta^T\alpha$ 等于 $A$ 的迹; 能写成 $\lambda E+N$ 且 $N$…
- 伴随矩阵有哪些常用公式:常用的有下面几条,都由 $AA^*=A^*A=|A|E$ 推出($A$、$B$ 为 $n$ 阶矩阵,$n\ge2$)。 $A$ 可逆时 $A^*=|A|A^{-1}$,$(A^*)^{-1}=\frac{A}{|A|}$; $|A^*|=…
- 含 $A^*$ 或 $A^{-1}$ 的矩阵方程怎么化简:先化简、后计算:见到 $A^*$ 就用 $AA^*=|A|E$, 两边同乘 $A$ 把它消掉,见到 $A^{-1}$ 同样乘 $A$;整理成 $MX=N$ 的形式再求解。 例 :$A=\begin{pmatrix}2&1\\0&3\end…
- 怎么把一串初等变换写成矩阵等式:口诀是 左行右列 :对 $A$ 做一次初等行变换,等于左乘相应的初等矩阵;做一次初等列变换,等于右乘相应的初等矩阵。初等矩阵就是对 $E$ 做同一个变换得到的矩阵。 例 :把三阶矩阵 $A$ 的第一、二两行互换得 $B$,再把 $B$ 的…
- 方阵可逆有哪些等价说法:常用的有下面几条,对 $n$ 阶矩阵 $A$ 它们 互相等价 。 $|A|\ne0$;$r(A)=n$;$A$ 可以写成若干初等矩阵的乘积; 齐次方程组 $Ax=0$ 只有零解;$Ax=b$ 对任何 $b$ 都有唯一解; $A$ 的列向量…
- 分块三角矩阵、分块副对角矩阵的逆和行列式:设 $A$ 为 $m$ 阶、$B$ 为 $n$ 阶可逆矩阵。 分块上三角的逆:$\begin{pmatrix}A&C\\O&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&-A^{-1}CB^{-1}\…
秩与向量组的证明套路
- $A^2=A$ 时为什么 $r(A)+r(A-E)=n$:两头夹:由乘积为零得到「不超过 $n$」,由和为单位矩阵得到「不小于 $n$」。 步骤 :$A(A-E)=O$,所以 $r(A)+r(A-E)\le n$;又 $A+(E-A)=E$,所以 $r(A)+r(E-A)\ge r(E)=n$,…
- 秩为 1 的方阵有哪些性质:秩为 1 的 $n$ 阶矩阵($n\ge2$)可以写成 $A=\alpha\beta^T$($\alpha,\beta$ 为非零列向量),由此得到一串结论。 $A^2=(\beta^T\alpha)A$,其中 $\beta^T\alpha…
- 用定义证明向量组线性无关的套路:设线性组合等于零,然后用已知条件对这个等式 做运算 (左乘矩阵、取内积等),把系数一个一个逼成零。 例 :$A^2\alpha\ne0$,$A^3\alpha=0$,证 $\alpha,A\alpha,A^2\alpha$ 线性无关。设 …
- 新向量组由旧向量组线性表示,怎么判断是否线性无关:写成 $(\beta_1,\beta_2,\beta_3)=(\alpha_1,\alpha_2,\alpha_3)C$。若 $\alpha_1,\alpha_2,\alpha_3$ 线性无关,则新向量组的秩等于 $r(C)$:$|C|\…
- 矩阵等价和向量组等价有什么区别:矩阵等价 只看秩 :同型矩阵 ${A,B}$ 等价当且仅当 $r(A)=r(B)$。向量组等价看 互相表示 :两组能互相线性表示,当且仅当 $r(A)=r(B)=r(A,B)$。 例 :向量组 $\{(1,0)^T\}$ 与 $\{(0,…
- 由 $AB=O$ 能得到哪些结论:三条:$B$ 的每一列都是 $Ax=0$ 的解;$r(A)+r(B)\le n$($n$ 是 $A$ 的列数);若 $B\ne O$,则 $Ax=0$ 有非零解,$A$ 是方阵时 $|A|=0$。 易错 :推不出 $A=O$ 或 $B=O…
- 列满秩矩阵有哪些好用的结论:设 $A$ 是 $m\times n$ 矩阵且 $r(A)=n$(列满秩),则 $Ax=0$ 只有零解,于是有下面几条。 左消去律 成立:$AB=AC$ 推出 $B=C$;$AB=O$ 推出 $B=O$; 左乘 $A$ 不改变秩:$r(A…
方程组:翻译条件、写通解、讨论参数
- 只知道秩和几个特解,怎么写非齐次方程组的通解:通解等于一个特解加上导出组基础解系的线性组合。基础解系含 $n-r(A)$ 个向量,用特解 相减 来凑:两个解之差是导出组的解。 例 :四元方程组 $Ax=b$,$r(A)=3$,$\eta_1,\eta_2,\eta_3$ 是它的解,$…
- 几个解的线性组合什么时候还是解:设 $\eta_1,\cdots,\eta_s$ 是 $Ax=b$($b\ne0$)的解,则 $k_1\eta_1+\cdots+k_s\eta_s$:系数和等于 1 时仍是 $Ax=b$ 的解; 系数和等于 0 时是导出组 $Ax=0$…
- 怎么把列向量之间的关系翻译成方程组的解:记 $A=(\alpha_1,\cdots,\alpha_n)$,则 $Ax=x_1\alpha_1+\cdots+x_n\alpha_n$。所以列向量的一个线性关系式就是 $Ax=0$ 的 一个解 ;$b$ 用列向量表示时的系数就是 $…
- 两个齐次方程组同解的条件是什么:$Ax=0$ 与 $Bx=0$ 同解,当且仅当 $r(A)=r(B)=r\begin{pmatrix}A\\B\end{pmatrix}$,也就是 $A$ 与 $B$ 的 行向量组等价 。 步骤 :$Ax=0$ 的解都是 $Bx=0$ 的…
- 含参数的方程组讨论解的情况,走哪条路线:系数矩阵是方阵时先算 行列式 :$|A|\ne0$ 时有唯一解;再把使 $|A|=0$ 的参数值逐个代入,用行变换比较 $r(A)$ 与 $r(A,b)$。不是方阵就直接对增广矩阵做行变换。 例 :$\begin{pmatrix}a&1&…
- 已知基础解系,怎么反求齐次方程组:$Ax=0$ 的解与 $A$ 的每个 行向量正交 。所以把基础解系的向量当作系数,解一个新的齐次方程组,它的基础解系就可以作为 $A$ 的行向量。 例 :求一个以 $\xi_1=(1,0,1)^T$、$\xi_2=(0,1,1)^T$ 为…
- 方程组有解、向量表示、秩,三种说法怎么互译:它们是同一件事的三种语言。 $Ax=b$ 有解,等价于 $b$ 可由 $A$ 的列向量组线性表示,等价于 $r(A)=r(A,b)$; 解唯一,等价于表示法唯一,等价于 $r(A)=r(A,b)=n$($n$ 为未知数个数); 矩阵方程 …
- $A$ 不可逆时矩阵方程 $AX=B$ 怎么解:不能写 $X=A^{-1}B$。把 $X$ 和 $B$ 按列分块 ,化成几个系数矩阵相同的方程组 $Ax_j=b_j$,对 $(A,B)$ 一起做行变换,每一列各带自己的任意常数。 例 :$A=\begin{pmatrix}1&1\\1&…
特征值、相似与对角化的判断
- 没有具体元素的抽象矩阵,怎么求特征值:把条件 翻译成 $A\alpha=\lambda\alpha$ 或 $|A-\lambda E|=0$。 $|aE+bA|=0$($b\ne0$):$-\frac ab$ 是特征值; $A$ 不可逆:0 是特征值; 各行元素之和都等于 $…
- 由 $A^2=A$ 能确定 $A$ 的特征值吗:只能确定 取值范围 :特征值只能是 0 或 1;各有几个、是否都出现,要靠秩或迹等别的条件来定。 步骤 :若 $A\alpha=\lambda\alpha$($\alpha\ne0$),则 $(A^2-A)\alpha=(\lambda^…
- 含参数的矩阵什么时候可以相似对角化:先求特征值。特征值互不相同就一定可以;有重特征值时,对每个 $k$ 重特征值 $\lambda$ 要求 $n-r(A-\lambda E)=k$,由这个 秩的条件 定参数。 例 :$A=\begin{pmatrix}2&a&1\\0&2&…
- 怎么判断两个矩阵是否相似:先用必要条件 排除 :相似矩阵的特征值、迹、行列式、秩都相同,且对任意 $\lambda$ 有 $r(A-\lambda E)=r(B-\lambda E)$;有一条不同就不相似。要肯定相似,常用的充分条件是:两个矩阵都可对角化且特征值相…
- 已知两个矩阵相似,怎么求其中的参数:用相似矩阵的不变量列方程,最常用的两条是 迹相等、行列式相等 ;不够再用特征值相同或 $r(A-\lambda E)=r(B-\lambda E)$。 例 :$A=\begin{pmatrix}1&2\\2&x\end{pmatrix}$…
- $A$ 的特征向量还是哪些相关矩阵的特征向量:若 $A\alpha=\lambda\alpha$,则 $\alpha$ 也是 $kA$、$A^m$、多项式 $f(A)$ 的特征向量;$A$ 可逆时也是 $A^{-1}$、$A^*$ 的特征向量。对应的特征值依次为 $k\lambda$…
- 两个特征向量相加还是特征向量吗:属于 同一个特征值 的特征向量,它们的非零线性组合仍是属于这个特征值的特征向量。属于 不同特征值 的两个特征向量之和一定不是特征向量。 步骤 :设 $A\alpha_1=\lambda_1\alpha_1$,$A\alpha_2=\lam…
- 对角化时可逆矩阵 $P$ 的列怎么排,唯一吗:$P$ 的各列是线性无关的特征向量,排列顺序要和对角矩阵里 特征值的顺序一致 ;$P$ 不唯一。 例 :$A=\begin{pmatrix}1&2\\0&3\end{pmatrix}$。特征值 1 对应 $(1,0)^T$,特征值 3 对…
- 求 $A^n\beta$ 一定要先求出 $A^n$ 吗:不用。把 $\beta$ 用 $A$ 的特征向量 线性表示 :$\beta=c_1\alpha_1+c_2\alpha_2$,则 $A^n\beta=c_1\lambda_1^n\alpha_1+c_2\lambda_2^n\alpha_…
- $AB$ 与 $BA$ 的特征值有什么关系:同阶方阵 $A$、$B$:$AB$ 与 $BA$ 的 特征值完全相同 ,所以迹相等、行列式相等。$A$ 为 $m\times n$、$B$ 为 $n\times m$ 矩阵时,$AB$ 与 $BA$ 的非零特征值相同,且 $|E_m+AB…
二次型:标准形、惯性指数与正定
- 二次型的标准形和规范形,哪个是唯一的:标准形 不唯一 (用不同的可逆线性变换,平方项的系数可以不同);规范形唯一(系数只取 $1,-1,0$,由正、负惯性指数决定)。 区分 :用正交变换得到的标准形,系数是矩阵的 特征值 ;用配方法得到的系数一般不是特征值,但正系数、负系数的…
- 把二次型写成几个平方的和,就是标准形了吗:不一定。只有所用的线性变换 可逆 ,才算化成了标准形;几个一次式如果线性相关,平方的项数就多于二次型的秩。 例 :$f=(x_1-x_2)^2+(x_2-x_3)^2+(x_3-x_1)^2$。若令 $y_1=x_1-x_2$,$y_2=…
- 矩阵的等价、相似、合同三种关系怎么区分:看定义:等价是 $B=PAQ$(${P,Q}$ 可逆);相似是 $B=P^{-1}AP$;合同是 $B=C^TAC$($C$ 可逆)。相似、合同都 推出等价 ,反之不成立。 条件 :同型矩阵等价当且仅当秩相等;实对称矩阵合同当且仅当 正、…
- 不求特征值,怎么数正负惯性指数:两个办法: 配方 后数正、负平方项的个数;或用行列式(特征值之积)和迹(特征值之和)判断特征值的符号:二阶时行列式为负则一正一负,为正再看迹;三阶及以上还要配合秩或某个已知的特征值。 例 :$A=\begin{pmatrix}1&2\\2…
- 判别正定用哪种方法顺手:看矩阵怎么给: 具体数值 的用顺序主子式全大于零;抽象矩阵用定义(对任意 $x\ne0$ 有 $x^TAx\gt 0$)或者特征值全大于零。前提都是 $A$ 为实对称矩阵。 例 :实对称矩阵 $A$ 满足 $A^2-3A+2E=O$。特征…
- 已知二次型的秩或正定性,怎么求参数:写出二次型的矩阵 $A$,把条件翻译成 $A$ 的条件:秩为 $r$ 就是 $r(A)=r$;正定就是 顺序主子式全为正 ;给了规范形就是给了正、负惯性指数。 例 :$f=x_1^2+x_2^2+x_3^2+2ax_1x_2$,$A=\b…
- 合同变换保持什么、不保持什么:保持:对称性、秩、正负惯性指数、正定性,以及行列式的 符号 (因为 $|C^TAC|=|C|^2|A|$)。不保持:特征值、迹、行列式的值。 例 :$A=\begin{pmatrix}1&0\\0&1\end{pmatrix}$,$C=\…
本图由 SeekFlaw 编辑团队整理。发现错误,欢迎到学习论坛指出。