1. 期末速通的底层逻辑为什么线性代数可以“速通”1.1 速通不是玄学是信息压缩线性代数这门课有个很奇特的性质它看起来公式满天飞行列式、矩阵、秩、特征值、二次型每一章都像一座独立的山头。但真正学进去的人会发现这些山头底下是连着的整门课其实就围绕一个核心概念在转——线性变换。矩阵是线性变换的表示行列式是变换的伸缩因子秩是变换后空间的维数特征值是变换在特定方向上的纯拉伸比例二次型则是对称变换的另一种写法。所谓“速通”本质上是把这个底层结构先拎出来然后用它去统摄所有零散的知识点。你不需要在考前一周从第一章第一节重新啃一遍而是要反过来先建立主干再往上面挂叶子。这个思路和背单词完全不同背单词是纯记忆线性代数是结构记忆一旦结构对了很多公式你甚至不用背现场推都能推出来。我见过太多同学复习线代的方式是翻开书从行列式的定义开始看看到逆序数就卡住了然后合上书觉得自己没救了。问题不在于他笨而在于他试图用“线性阅读”的方式去学一个“网状结构”的学科。正确的做法是跳读、串读、带着问题读。1.2 速通的时间分配策略假设你距离考试还有七天每天能投入四到五小时总共大约三十小时。这三十小时怎么分配直接决定了你是及格飘过还是拿高分。我的建议是第一天4小时只做一件事——把矩阵的初等行变换练到肌肉记忆。这是整门课的计算基石后面几乎所有大题都要用到。第二天4小时行列式 矩阵的秩。这两个概念是连在一起的秩的定义可以用行列式来理解最高阶非零子式的阶数一起学效率最高。第三天5小时向量组的线性相关性 线性方程组解的结构。这是线代第一次出现“抽象感”的地方需要慢一点。第四天5小时特征值与特征向量 矩阵对角化。这是考试的重灾区也是速通能否成功的关键。第五天4小时二次型 正定性。这一章本质上是对称矩阵对角化的应用如果第四天学扎实了这天会很轻松。第六天4小时刷三套真题只刷大题限时完成。第七天4小时查漏补缺把错题对应的知识点回去翻一遍重点看计算过程中的符号错误。这个分配的核心逻辑是计算能力前置抽象概念后置应用收尾。因为计算能力是可以在短时间内通过重复训练提升的而抽象理解需要一定的酝酿时间放在中间比较合适。1.3 哪些内容可以战略性放弃速通的一个关键决策是知道什么不学。线性代数里有一些内容考试分值低、理解成本高、短时间很难掌握对于目标只是及格或中等的同学可以果断放弃。比如行列式的复杂展开定理拉普拉斯展开、矩阵的广义逆、若尔当标准型的完整理论、线性空间与线性变换的公理化定义如果你们考试不考证明题的话。这些内容要么计算量极大但考频低要么需要较深的抽象思维但分值不成比例。但有几样东西绝对不能放弃初等行变换、矩阵乘法、行列式计算、秩的判定、线性方程组解的判定、特征值与特征向量的计算、矩阵对角化、二次型化标准形。这些是每年必考的核心也是后面内容的基石。注意放弃不等于完全不看。你至少要知道这些概念的定义和基本性质以防选择题里出现。放弃的是“深入计算”和“复杂证明”不是“完全无知”。2. 核心计算能力三天练成“手算不慌”2.1 初等行变换一切计算的起点初等行变换只有三种操作交换两行、某行乘以非零常数、某行加上另一行的倍数。听起来简单到不值一提但我可以负责任地说考试中至少三成的计算错误来源于行变换时的符号错误或抄写错误。为什么行变换这么容易错因为它是一个多步骤、低反馈的操作。你做了十步行变换中间错一步最后结果全错而且你很难定位是哪一步错的。这就像走迷宫走错一个路口后面全乱。我的建议是每做两到三步行变换就停下来检查一次。检查什么检查当前矩阵的第一列是否已经化成了只有一个非零元素。如果是说明你的消元方向是对的。另外养成一个习惯每次行变换后在草稿纸旁边标注你做了什么操作比如“r2 - 2r1”。这样如果最后结果不对你可以回溯。还有一个细节尽量让主元变成1。虽然理论上主元可以是任何非零数但主元是1的时候后续消元不需要做除法心算负担小很多。如果主元是分数先通过行变换把它变成整数再继续。2.2 行列式计算降阶与化三角行列式的计算方法很多但速通阶段只需要掌握两种化上三角和按行列展开。化上三角的思路是通过行变换把行列式变成上三角形式然后对角线元素相乘。这里有一个关键点行变换对行列式值的影响。交换两行行列式变号某行乘以k行列式乘以k某行加上另一行的倍数行列式不变。很多人算行列式时忘了变号结果差一个负号整道题白做。按行展开的思路是选一行或一列用代数余子式展开。选哪一行选零最多的那一行。如果某一行只有一个非零元素展开后只剩一个低阶行列式计算量骤减。实际考试中我建议优先用化上三角因为它的操作是机械的不容易出错。只有当某一行零特别多的时候才用展开。实操心得算行列式时先把所有行加起来看看能不能提出公因子。很多题目设计的时候行和是相等的这时候把其他行加到第一行第一行就全变成同一个数提出来之后计算量减半。这个技巧每年都能用上。2.3 矩阵乘法与逆矩阵别在低级操作上丢分矩阵乘法本身不难但有两个坑顺序不能交换和维度要匹配。AB和BA通常不相等这是线代和普通代数最大的区别之一。考试中如果题目问AB你算成了BA整道题零分。逆矩阵的计算速通阶段只需要掌握伴随矩阵法和初等行变换法。伴随矩阵法适合二阶和三阶矩阵公式是A的逆等于伴随矩阵除以行列式。初等行变换法适合高阶矩阵操作是把[A|E]通过行变换变成[E|A的逆]。二阶矩阵的逆有一个速算公式主对角线交换副对角线变号除以行列式。这个公式一定要背熟考试时能省不少时间。三阶以上的矩阵求逆老老实实用初等行变换。注意行变换过程中右边的单位矩阵也会跟着变不要只变左边。2.4 秩的判定抓住“非零子式”这个核心秩的定义是矩阵中最高阶非零子式的阶数。但实际计算时我们不用真的去算所有子式而是用初等行变换把矩阵化成阶梯形非零行的行数就是秩。这里有一个常见的误区有人把矩阵化成行最简形之后数非零行的行数这是对的。但有人化成阶梯形之后看到某一行全是零就以为秩减少了其实只要非零行还在秩就不变。秩的性质里有几个特别重要r(AB) ≤ min{r(A), r(B)}r(AB) ≤ r(A) r(B)如果A可逆r(AB) r(B)。这些性质在选择题里经常考但速通阶段不需要深究证明记住结论会用就行。注意秩为r的矩阵意味着它的行向量组和列向量组的极大线性无关组都包含r个向量。这个结论在解方程组和判断线性相关性时非常有用。3. 抽象概念突破向量与方程组3.1 线性相关性用秩来理解向量组的线性相关性定义是如果存在不全为零的系数使得这些向量的线性组合等于零向量则称它们线性相关否则线性无关。这个定义读起来绕口但用秩来理解就很简单把向量组拼成矩阵如果矩阵的秩等于向量的个数则线性无关如果秩小于向量的个数则线性相关。为什么因为秩代表的是“有效信息量”。如果秩等于向量个数说明每个向量都提供了独立的信息没有冗余如果秩小于向量个数说明有向量是多余的可以被其他向量表示出来。这个理解方式的好处是你不需要去解那个系数方程组只需要算秩。算秩是你已经练熟的操作所以线性相关性的判断就变成了一个计算问题而不是一个抽象问题。3.2 线性方程组解的结构三种情况一张表线性方程组解的情况本质上只有三种无解、有唯一解、有无穷多解。判断的依据是系数矩阵的秩和增广矩阵的秩的关系。条件解的情况r(A) r(Ab)r(A) r(Ab) nr(A) r(Ab) n其中n是未知数的个数。这个表格一定要背下来考试时先算两个秩然后查表。对于有无穷多解的情况还需要写出通解。通解的结构是特解 齐次方程组的通解。特解是令自由变量全为零得到的一个解齐次通解是基础解系的线性组合。基础解系的求法把自由变量依次取为(1,0,...,0)、(0,1,...,0)等代入方程组解出主变量得到的一组解就是基础解系。基础解系中向量的个数等于n - r(A)。实操心得解方程组时先把增广矩阵化成行最简形然后直接读出解。行最简形的特点是主元为1且主元所在列的其他元素为0。化成行最简形之后特解和基础解系几乎可以直接写出来不需要再代入计算。3.3 向量空间与基理解“坐标”的本质向量空间的概念在速通阶段不需要深究但“基”和“坐标”这两个概念要理解。一个向量空间的基就是一组线性无关的向量它们可以线性表示空间中的任何向量。坐标就是表示时的系数。这个概念和前面的线性相关性是连通的找基的过程就是找极大线性无关组的过程。而极大线性无关组的求法还是算秩。所以你看整门课的计算核心就是秩。行列式可以用来算秩行变换可以用来算秩线性相关性和方程组解的判定都归结为算秩。把秩练熟线代的计算部分就通了。4. 重灾区攻坚特征值与二次型4.1 特征值与特征向量从定义到计算特征值的定义是存在非零向量x使得Ax λx。其中λ是特征值x是对应的特征向量。计算步骤是先解特征方程|A - λE| 0得到特征值然后对每个特征值解方程组(A - λE)x 0得到特征向量。这里的关键是特征方程的计算。对于二阶和三阶矩阵特征方程是一个多项式方程需要因式分解。三阶矩阵的特征多项式通常是三次的因式分解需要试根。试根的时候优先试0、1、-1、2、-2这些整数。如果这些都不是根再考虑用其他方法。特征向量不能取零向量这是定义要求的。另外特征向量可以乘以任何非零常数仍然是特征向量。所以答案不唯一但通常我们会取最简形式比如整数化、首元素为正。4.2 矩阵对角化条件与步骤矩阵A可以对角化的充要条件是A有n个线性无关的特征向量。对于实对称矩阵这个条件自动满足因为实对称矩阵的不同特征值对应的特征向量正交且每个特征值的几何重数等于代数重数。对角化的步骤是求出所有特征值和对应的特征向量把特征向量拼成矩阵P则P的逆乘以A乘以P等于对角矩阵对角线上的元素就是特征值。这里有一个常见的坑特征向量的顺序要和特征值的顺序对应。如果你把λ1的特征向量放在P的第一列那么对角矩阵的第一个元素必须是λ1。顺序错了结果就错了。注意不是所有矩阵都能对角化。如果一个特征值的代数重数大于几何重数即特征向量的个数少于特征值的重数则不能对角化。考试中如果遇到这种题通常会问“能否对角化说明理由”你只需要比较重数即可。4.3 二次型化标准形配方法与正交变换二次型是线性代数里最“应用”的一章它的核心问题是如何把一个二次型化成标准形只含平方项的形式。方法有两种配方法和正交变换法。配方法适合小规模、系数简单的二次型。思路是先集中含x1的项配成完全平方然后对剩下的变量重复这个过程。配方法的优点是计算量小缺点是得到的变换矩阵不是正交矩阵。正交变换法适合大规模或需要保持几何性质的场合。步骤是写出二次型的矩阵A注意A是对称矩阵对角线元素是平方项系数非对角线元素是交叉项系数的一半求A的特征值和特征向量把特征向量正交化、单位化拼成正交矩阵Q则Q的转置乘以A乘以Q等于对角矩阵。正交变换法的计算量大但结果规范而且对角矩阵的对角线元素就是特征值可以直接读出正负惯性指数。实操心得考试中如果题目没有明确要求用哪种方法优先用配方法因为计算快。如果题目要求“正交变换”那就老老实实用正交变换法。另外二次型的矩阵一定要写对交叉项的系数要除以2这是最常见的错误。4.4 正定性用特征值或顺序主子式判断正定二次型的判断有两种方法特征值法和顺序主子式法。特征值法如果所有特征值都大于零则正定。这个方法需要算特征值计算量大。顺序主子式法如果所有顺序主子式都大于零则正定。顺序主子式是从左上角开始依次取1阶、2阶、...、n阶子式。这个方法只需要算行列式计算量相对小。实际考试中如果矩阵规模小二阶或三阶两种方法都可以。如果规模大优先用顺序主子式法。注意正定矩阵一定是对称矩阵。如果题目给的矩阵不是对称的先把它对称化(A A的转置)/2再判断。5. 考场实战时间分配与检查策略5.1 答题顺序与时间分配线代考试通常有两小时。我的建议是前40分钟做选择题和填空题。这些题分值小但数量多需要快速解决。遇到卡住的题先跳过不要恋战。中间60分钟做大题。大题通常有5到6道每道10到15分。先做计算题行列式、方程组、特征值再做证明题如果有的话。最后20分钟检查。重点检查符号错误、抄写错误、计算过程中的低级失误。这个分配的核心逻辑是先拿稳分再攻难题。选择题和填空题里有很多是直接套公式的这些分不能丢。大题里的计算题也是练过的应该能拿大部分分。证明题如果没思路放到最后能写多少写多少。5.2 检查策略逆向验算与量纲分析检查的时候不要重新算一遍那样时间不够。要用逆向验算把答案代回原题看看是否满足条件。比如你算出了特征值可以把特征值代回特征方程看看行列式是否为零。你算出了方程组的解可以把解代回原方程看看是否满足。你算出了逆矩阵可以把原矩阵和逆矩阵相乘看看是否等于单位矩阵。另一个技巧是量纲分析检查答案的维度是否合理。比如矩阵乘法AB如果A是3×4B是4×2那么结果应该是3×2。如果你算出来是4×3那肯定错了。实操心得考试时带两支笔一支黑色一支红色。黑色写过程红色标重点和检查。检查的时候用红色笔在草稿纸上重新算关键步骤这样不容易被之前的错误思路带偏。5.3 常见陷阱与避坑清单线代考试里有一些反复出现的陷阱我整理了一个清单行列式变号交换两行后忘了变号。矩阵乘法顺序AB和BA搞混。特征向量取零向量特征向量不能是零向量。基础解系个数基础解系中向量的个数是n - r(A)不是r(A)。二次型矩阵交叉项系数忘了除以2。正定判断忘了先检查对称性。秩的不等式r(AB) ≤ min{r(A), r(B)}不是等于。对角化条件不是所有矩阵都能对角化。这些陷阱每年都有人踩你在考场上遇到类似情况时先停三秒想想这个清单。6. 速通之后的长期价值6.1 线代思维对后续课程的影响线性代数不是一门考完就扔的课。后续的概率论、数值分析、机器学习、信号处理、计算机图形学全都建立在矩阵运算的基础上。你现在练的行变换、特征值分解、二次型以后都会以各种形式反复出现。比如机器学习里的主成分分析PCA本质上就是对协方差矩阵做特征值分解。你如果现在把特征值分解练熟了以后学PCA的时候会轻松很多。再比如数值分析里的迭代法核心就是矩阵的谱半径而谱半径就是特征值的最大模。所以速通不是终点而是一个起点。你用一周时间建立起来的计算能力和结构理解会在后续课程里持续产生回报。6.2 从“会算”到“会用”的进阶路径如果你速通之后还有时间我建议做一件事用代码实现一遍核心算法。不需要用复杂的库用Python的numpy就够了。实现一下矩阵乘法、行列式计算、高斯消元、特征值分解你会发现很多之前没想清楚的地方在写代码的过程中突然就通了。比如你自己写一遍高斯消元就会深刻理解为什么主元不能为零为什么需要行交换。你自己写一遍特征值分解就会理解为什么实对称矩阵一定可以对角化。这个进阶路径不需要很多时间但能让你的理解从“考试层面”提升到“应用层面”。最后再分享一个小技巧如果你在考场上突然忘了某个公式不要慌。试着用最简单的例子验证一下。比如忘了逆矩阵的公式就用一个二阶矩阵试试看看能不能推出来。线代的很多公式都是可以通过简单例子反推的这比死记硬背靠谱得多。6.3 关于“速通”的边界我必须诚实地告诉你速通能帮你通过考试但不能帮你成为线代高手。速通的本质是信息压缩和应试策略它牺牲的是深度理解和灵活应用。如果你后续要做研究、要读论文、要搞算法速通的那点底子是不够的。但话说回来对于大多数非数学专业的同学来说线代只是一门工具课。你不需要成为高手你只需要会用。速通能让你在最短时间内达到“会用”的水平这就够了。剩下的深度可以在后续的应用中慢慢补。我在实际教学中发现很多同学速通之后过了一个学期线代知识忘得差不多了。但那些在速通之后继续用代码实现过算法的同学记忆保持得明显更好。所以如果你想让速通的效果持久一点考完之后别完全扔掉找个小项目练练手哪怕只是用矩阵解一个线性方程组也比完全不碰强。
1. 期末速通的底层逻辑为什么线性代数可以“速通”1.1 速通不是玄学是信息压缩线性代数这门课有个很奇特的性质它看起来公式满天飞行列式、矩阵、秩、特征值、二次型每一章都像一座独立的山头。但真正学进去的人会发现这些山头底下是连着的整门课其实就围绕一个核心概念在转——线性变换。矩阵是线性变换的表示行列式是变换的伸缩因子秩是变换后空间的维数特征值是变换在特定方向上的纯拉伸比例二次型则是对称变换的另一种写法。所谓“速通”本质上是把这个底层结构先拎出来然后用它去统摄所有零散的知识点。你不需要在考前一周从第一章第一节重新啃一遍而是要反过来先建立主干再往上面挂叶子。这个思路和背单词完全不同背单词是纯记忆线性代数是结构记忆一旦结构对了很多公式你甚至不用背现场推都能推出来。我见过太多同学复习线代的方式是翻开书从行列式的定义开始看看到逆序数就卡住了然后合上书觉得自己没救了。问题不在于他笨而在于他试图用“线性阅读”的方式去学一个“网状结构”的学科。正确的做法是跳读、串读、带着问题读。1.2 速通的时间分配策略假设你距离考试还有七天每天能投入四到五小时总共大约三十小时。这三十小时怎么分配直接决定了你是及格飘过还是拿高分。我的建议是第一天4小时只做一件事——把矩阵的初等行变换练到肌肉记忆。这是整门课的计算基石后面几乎所有大题都要用到。第二天4小时行列式 矩阵的秩。这两个概念是连在一起的秩的定义可以用行列式来理解最高阶非零子式的阶数一起学效率最高。第三天5小时向量组的线性相关性 线性方程组解的结构。这是线代第一次出现“抽象感”的地方需要慢一点。第四天5小时特征值与特征向量 矩阵对角化。这是考试的重灾区也是速通能否成功的关键。第五天4小时二次型 正定性。这一章本质上是对称矩阵对角化的应用如果第四天学扎实了这天会很轻松。第六天4小时刷三套真题只刷大题限时完成。第七天4小时查漏补缺把错题对应的知识点回去翻一遍重点看计算过程中的符号错误。这个分配的核心逻辑是计算能力前置抽象概念后置应用收尾。因为计算能力是可以在短时间内通过重复训练提升的而抽象理解需要一定的酝酿时间放在中间比较合适。1.3 哪些内容可以战略性放弃速通的一个关键决策是知道什么不学。线性代数里有一些内容考试分值低、理解成本高、短时间很难掌握对于目标只是及格或中等的同学可以果断放弃。比如行列式的复杂展开定理拉普拉斯展开、矩阵的广义逆、若尔当标准型的完整理论、线性空间与线性变换的公理化定义如果你们考试不考证明题的话。这些内容要么计算量极大但考频低要么需要较深的抽象思维但分值不成比例。但有几样东西绝对不能放弃初等行变换、矩阵乘法、行列式计算、秩的判定、线性方程组解的判定、特征值与特征向量的计算、矩阵对角化、二次型化标准形。这些是每年必考的核心也是后面内容的基石。注意放弃不等于完全不看。你至少要知道这些概念的定义和基本性质以防选择题里出现。放弃的是“深入计算”和“复杂证明”不是“完全无知”。2. 核心计算能力三天练成“手算不慌”2.1 初等行变换一切计算的起点初等行变换只有三种操作交换两行、某行乘以非零常数、某行加上另一行的倍数。听起来简单到不值一提但我可以负责任地说考试中至少三成的计算错误来源于行变换时的符号错误或抄写错误。为什么行变换这么容易错因为它是一个多步骤、低反馈的操作。你做了十步行变换中间错一步最后结果全错而且你很难定位是哪一步错的。这就像走迷宫走错一个路口后面全乱。我的建议是每做两到三步行变换就停下来检查一次。检查什么检查当前矩阵的第一列是否已经化成了只有一个非零元素。如果是说明你的消元方向是对的。另外养成一个习惯每次行变换后在草稿纸旁边标注你做了什么操作比如“r2 - 2r1”。这样如果最后结果不对你可以回溯。还有一个细节尽量让主元变成1。虽然理论上主元可以是任何非零数但主元是1的时候后续消元不需要做除法心算负担小很多。如果主元是分数先通过行变换把它变成整数再继续。2.2 行列式计算降阶与化三角行列式的计算方法很多但速通阶段只需要掌握两种化上三角和按行列展开。化上三角的思路是通过行变换把行列式变成上三角形式然后对角线元素相乘。这里有一个关键点行变换对行列式值的影响。交换两行行列式变号某行乘以k行列式乘以k某行加上另一行的倍数行列式不变。很多人算行列式时忘了变号结果差一个负号整道题白做。按行展开的思路是选一行或一列用代数余子式展开。选哪一行选零最多的那一行。如果某一行只有一个非零元素展开后只剩一个低阶行列式计算量骤减。实际考试中我建议优先用化上三角因为它的操作是机械的不容易出错。只有当某一行零特别多的时候才用展开。实操心得算行列式时先把所有行加起来看看能不能提出公因子。很多题目设计的时候行和是相等的这时候把其他行加到第一行第一行就全变成同一个数提出来之后计算量减半。这个技巧每年都能用上。2.3 矩阵乘法与逆矩阵别在低级操作上丢分矩阵乘法本身不难但有两个坑顺序不能交换和维度要匹配。AB和BA通常不相等这是线代和普通代数最大的区别之一。考试中如果题目问AB你算成了BA整道题零分。逆矩阵的计算速通阶段只需要掌握伴随矩阵法和初等行变换法。伴随矩阵法适合二阶和三阶矩阵公式是A的逆等于伴随矩阵除以行列式。初等行变换法适合高阶矩阵操作是把[A|E]通过行变换变成[E|A的逆]。二阶矩阵的逆有一个速算公式主对角线交换副对角线变号除以行列式。这个公式一定要背熟考试时能省不少时间。三阶以上的矩阵求逆老老实实用初等行变换。注意行变换过程中右边的单位矩阵也会跟着变不要只变左边。2.4 秩的判定抓住“非零子式”这个核心秩的定义是矩阵中最高阶非零子式的阶数。但实际计算时我们不用真的去算所有子式而是用初等行变换把矩阵化成阶梯形非零行的行数就是秩。这里有一个常见的误区有人把矩阵化成行最简形之后数非零行的行数这是对的。但有人化成阶梯形之后看到某一行全是零就以为秩减少了其实只要非零行还在秩就不变。秩的性质里有几个特别重要r(AB) ≤ min{r(A), r(B)}r(AB) ≤ r(A) r(B)如果A可逆r(AB) r(B)。这些性质在选择题里经常考但速通阶段不需要深究证明记住结论会用就行。注意秩为r的矩阵意味着它的行向量组和列向量组的极大线性无关组都包含r个向量。这个结论在解方程组和判断线性相关性时非常有用。3. 抽象概念突破向量与方程组3.1 线性相关性用秩来理解向量组的线性相关性定义是如果存在不全为零的系数使得这些向量的线性组合等于零向量则称它们线性相关否则线性无关。这个定义读起来绕口但用秩来理解就很简单把向量组拼成矩阵如果矩阵的秩等于向量的个数则线性无关如果秩小于向量的个数则线性相关。为什么因为秩代表的是“有效信息量”。如果秩等于向量个数说明每个向量都提供了独立的信息没有冗余如果秩小于向量个数说明有向量是多余的可以被其他向量表示出来。这个理解方式的好处是你不需要去解那个系数方程组只需要算秩。算秩是你已经练熟的操作所以线性相关性的判断就变成了一个计算问题而不是一个抽象问题。3.2 线性方程组解的结构三种情况一张表线性方程组解的情况本质上只有三种无解、有唯一解、有无穷多解。判断的依据是系数矩阵的秩和增广矩阵的秩的关系。条件解的情况r(A) r(Ab)r(A) r(Ab) nr(A) r(Ab) n其中n是未知数的个数。这个表格一定要背下来考试时先算两个秩然后查表。对于有无穷多解的情况还需要写出通解。通解的结构是特解 齐次方程组的通解。特解是令自由变量全为零得到的一个解齐次通解是基础解系的线性组合。基础解系的求法把自由变量依次取为(1,0,...,0)、(0,1,...,0)等代入方程组解出主变量得到的一组解就是基础解系。基础解系中向量的个数等于n - r(A)。实操心得解方程组时先把增广矩阵化成行最简形然后直接读出解。行最简形的特点是主元为1且主元所在列的其他元素为0。化成行最简形之后特解和基础解系几乎可以直接写出来不需要再代入计算。3.3 向量空间与基理解“坐标”的本质向量空间的概念在速通阶段不需要深究但“基”和“坐标”这两个概念要理解。一个向量空间的基就是一组线性无关的向量它们可以线性表示空间中的任何向量。坐标就是表示时的系数。这个概念和前面的线性相关性是连通的找基的过程就是找极大线性无关组的过程。而极大线性无关组的求法还是算秩。所以你看整门课的计算核心就是秩。行列式可以用来算秩行变换可以用来算秩线性相关性和方程组解的判定都归结为算秩。把秩练熟线代的计算部分就通了。4. 重灾区攻坚特征值与二次型4.1 特征值与特征向量从定义到计算特征值的定义是存在非零向量x使得Ax λx。其中λ是特征值x是对应的特征向量。计算步骤是先解特征方程|A - λE| 0得到特征值然后对每个特征值解方程组(A - λE)x 0得到特征向量。这里的关键是特征方程的计算。对于二阶和三阶矩阵特征方程是一个多项式方程需要因式分解。三阶矩阵的特征多项式通常是三次的因式分解需要试根。试根的时候优先试0、1、-1、2、-2这些整数。如果这些都不是根再考虑用其他方法。特征向量不能取零向量这是定义要求的。另外特征向量可以乘以任何非零常数仍然是特征向量。所以答案不唯一但通常我们会取最简形式比如整数化、首元素为正。4.2 矩阵对角化条件与步骤矩阵A可以对角化的充要条件是A有n个线性无关的特征向量。对于实对称矩阵这个条件自动满足因为实对称矩阵的不同特征值对应的特征向量正交且每个特征值的几何重数等于代数重数。对角化的步骤是求出所有特征值和对应的特征向量把特征向量拼成矩阵P则P的逆乘以A乘以P等于对角矩阵对角线上的元素就是特征值。这里有一个常见的坑特征向量的顺序要和特征值的顺序对应。如果你把λ1的特征向量放在P的第一列那么对角矩阵的第一个元素必须是λ1。顺序错了结果就错了。注意不是所有矩阵都能对角化。如果一个特征值的代数重数大于几何重数即特征向量的个数少于特征值的重数则不能对角化。考试中如果遇到这种题通常会问“能否对角化说明理由”你只需要比较重数即可。4.3 二次型化标准形配方法与正交变换二次型是线性代数里最“应用”的一章它的核心问题是如何把一个二次型化成标准形只含平方项的形式。方法有两种配方法和正交变换法。配方法适合小规模、系数简单的二次型。思路是先集中含x1的项配成完全平方然后对剩下的变量重复这个过程。配方法的优点是计算量小缺点是得到的变换矩阵不是正交矩阵。正交变换法适合大规模或需要保持几何性质的场合。步骤是写出二次型的矩阵A注意A是对称矩阵对角线元素是平方项系数非对角线元素是交叉项系数的一半求A的特征值和特征向量把特征向量正交化、单位化拼成正交矩阵Q则Q的转置乘以A乘以Q等于对角矩阵。正交变换法的计算量大但结果规范而且对角矩阵的对角线元素就是特征值可以直接读出正负惯性指数。实操心得考试中如果题目没有明确要求用哪种方法优先用配方法因为计算快。如果题目要求“正交变换”那就老老实实用正交变换法。另外二次型的矩阵一定要写对交叉项的系数要除以2这是最常见的错误。4.4 正定性用特征值或顺序主子式判断正定二次型的判断有两种方法特征值法和顺序主子式法。特征值法如果所有特征值都大于零则正定。这个方法需要算特征值计算量大。顺序主子式法如果所有顺序主子式都大于零则正定。顺序主子式是从左上角开始依次取1阶、2阶、...、n阶子式。这个方法只需要算行列式计算量相对小。实际考试中如果矩阵规模小二阶或三阶两种方法都可以。如果规模大优先用顺序主子式法。注意正定矩阵一定是对称矩阵。如果题目给的矩阵不是对称的先把它对称化(A A的转置)/2再判断。5. 考场实战时间分配与检查策略5.1 答题顺序与时间分配线代考试通常有两小时。我的建议是前40分钟做选择题和填空题。这些题分值小但数量多需要快速解决。遇到卡住的题先跳过不要恋战。中间60分钟做大题。大题通常有5到6道每道10到15分。先做计算题行列式、方程组、特征值再做证明题如果有的话。最后20分钟检查。重点检查符号错误、抄写错误、计算过程中的低级失误。这个分配的核心逻辑是先拿稳分再攻难题。选择题和填空题里有很多是直接套公式的这些分不能丢。大题里的计算题也是练过的应该能拿大部分分。证明题如果没思路放到最后能写多少写多少。5.2 检查策略逆向验算与量纲分析检查的时候不要重新算一遍那样时间不够。要用逆向验算把答案代回原题看看是否满足条件。比如你算出了特征值可以把特征值代回特征方程看看行列式是否为零。你算出了方程组的解可以把解代回原方程看看是否满足。你算出了逆矩阵可以把原矩阵和逆矩阵相乘看看是否等于单位矩阵。另一个技巧是量纲分析检查答案的维度是否合理。比如矩阵乘法AB如果A是3×4B是4×2那么结果应该是3×2。如果你算出来是4×3那肯定错了。实操心得考试时带两支笔一支黑色一支红色。黑色写过程红色标重点和检查。检查的时候用红色笔在草稿纸上重新算关键步骤这样不容易被之前的错误思路带偏。5.3 常见陷阱与避坑清单线代考试里有一些反复出现的陷阱我整理了一个清单行列式变号交换两行后忘了变号。矩阵乘法顺序AB和BA搞混。特征向量取零向量特征向量不能是零向量。基础解系个数基础解系中向量的个数是n - r(A)不是r(A)。二次型矩阵交叉项系数忘了除以2。正定判断忘了先检查对称性。秩的不等式r(AB) ≤ min{r(A), r(B)}不是等于。对角化条件不是所有矩阵都能对角化。这些陷阱每年都有人踩你在考场上遇到类似情况时先停三秒想想这个清单。6. 速通之后的长期价值6.1 线代思维对后续课程的影响线性代数不是一门考完就扔的课。后续的概率论、数值分析、机器学习、信号处理、计算机图形学全都建立在矩阵运算的基础上。你现在练的行变换、特征值分解、二次型以后都会以各种形式反复出现。比如机器学习里的主成分分析PCA本质上就是对协方差矩阵做特征值分解。你如果现在把特征值分解练熟了以后学PCA的时候会轻松很多。再比如数值分析里的迭代法核心就是矩阵的谱半径而谱半径就是特征值的最大模。所以速通不是终点而是一个起点。你用一周时间建立起来的计算能力和结构理解会在后续课程里持续产生回报。6.2 从“会算”到“会用”的进阶路径如果你速通之后还有时间我建议做一件事用代码实现一遍核心算法。不需要用复杂的库用Python的numpy就够了。实现一下矩阵乘法、行列式计算、高斯消元、特征值分解你会发现很多之前没想清楚的地方在写代码的过程中突然就通了。比如你自己写一遍高斯消元就会深刻理解为什么主元不能为零为什么需要行交换。你自己写一遍特征值分解就会理解为什么实对称矩阵一定可以对角化。这个进阶路径不需要很多时间但能让你的理解从“考试层面”提升到“应用层面”。最后再分享一个小技巧如果你在考场上突然忘了某个公式不要慌。试着用最简单的例子验证一下。比如忘了逆矩阵的公式就用一个二阶矩阵试试看看能不能推出来。线代的很多公式都是可以通过简单例子反推的这比死记硬背靠谱得多。6.3 关于“速通”的边界我必须诚实地告诉你速通能帮你通过考试但不能帮你成为线代高手。速通的本质是信息压缩和应试策略它牺牲的是深度理解和灵活应用。如果你后续要做研究、要读论文、要搞算法速通的那点底子是不够的。但话说回来对于大多数非数学专业的同学来说线代只是一门工具课。你不需要成为高手你只需要会用。速通能让你在最短时间内达到“会用”的水平这就够了。剩下的深度可以在后续的应用中慢慢补。我在实际教学中发现很多同学速通之后过了一个学期线代知识忘得差不多了。但那些在速通之后继续用代码实现过算法的同学记忆保持得明显更好。所以如果你想让速通的效果持久一点考完之后别完全扔掉找个小项目练练手哪怕只是用矩阵解一个线性方程组也比完全不碰强。
