考研数学二/三：线性代数核心公式与解题技巧全攻略
线性代数作为考研数学的重要组成部分，其理论体系严谨、公式繁多，常常让考生感到无从下手。本文将从应试角度出发，系统梳理线性代数中的核心公式与解题技巧，帮助考生在冲刺阶段高效复习。我们将重点聚焦行列式、矩阵、向量和线性方程组四大模块，通过典型例题解析和速查公式表，让你在考场上快速定位解题思路。
1. 行列式：从基础性质到特殊类型速解
行列式是线性代数的基础工具，其计算贯穿整个学科。掌握行列式的核心性质和特殊类型行列式的速算方法，能大幅提升解题效率。
1.1 行列式基础性质速查
行列式具有以下核心性质，这些性质在化简和计算中经常使用：
- 转置不变性：|Aᵀ| = |A|
- 数乘性质：|kA| = kⁿ|A|（n阶矩阵）
- 乘积性质：|AB| = |A||B|
- 逆矩阵行列式：若A可逆，则|A⁻¹| = 1/|A|
- 伴随矩阵行列式：|A*| = |A|ⁿ⁻¹
注意：行列式不满足加法性质，即|A+B| ≠ |A| + |B|，这是考生常犯的错误。
1.2 特殊行列式的快速计算法
考研中常出现以下几类特殊行列式，掌握其快速计算方法可节省大量时间：
对角型行列式：
\begin{vmatrix} a_1 & & \\ & \ddots & \\ & & a_n \end{vmatrix} = \prod_{i=1}^n a_i"ab"型行列式（所有对角元相同，非对角元相同）：
\begin{vmatrix} a & b & \cdots & b \\ b & a & \cdots & b \\ \vdots & \vdots & \ddots & \vdots \\ b & b & \cdots & a \end{vmatrix} = [a+(n-1)b](a-b)^{n-1}"三条杠"型行列式（三对角行列式）： 这类行列式通常需要建立递推关系求解。设Dₙ为n阶三对角行列式，则有递推公式：
D_n = aD_{n-1} - bcD_{n-2}
1.3 分块行列式计算技巧
对于分块矩阵的行列式，拉普拉斯展开定理非常实用：
- 对于形如$\begin{pmatrix} A & 0 \ 0 & B \end{pmatrix}$的分块矩阵，有|M| = |A||B|
- 对于形如$\begin{pmatrix} 0 & A \ B & 0 \end{pmatrix}$的分块矩阵，有|M| = (-1)ᵐⁿ|A||B|（A为m阶，B为n阶）
2. 矩阵：运算性质与特殊矩阵应用
矩阵是线性代数的核心概念，其运算性质和特殊矩阵的特征是考研重点。
2.1 矩阵基本运算性质对比
下表总结了矩阵各种运算的重要性质：
| 运算类型 | 转置性质 | 逆矩阵性质 | 伴随矩阵性质 |
|---|---|---|---|
| 普通矩阵 | (Aᵀ)ᵀ=A | (A⁻¹)⁻¹=A | (A*)*= |
| 数乘矩阵 | (kA)ᵀ=kAᵀ | (kA)⁻¹=k⁻¹A⁻¹ | (kA)=kⁿ⁻¹A |
| 矩阵加法 | (A+B)ᵀ=Aᵀ+Bᵀ | 无通用公式 | 无通用公式 |
| 矩阵乘法 | (AB)ᵀ=BᵀAᵀ | (AB)⁻¹=B⁻¹A⁻¹ | (AB)=BA* |
2.2 特殊矩阵的特征与应用
正交矩阵：
- 定义：AᵀA=AAᵀ=E
- 性质：
- |A|=±1
- A⁻¹=Aᵀ
- 行列向量都是单位向量且两两正交
- 特征值为±1
秩1矩阵：
- 表示：A=αβᵀ（α、β为非零列向量）
- 性质：
- |A|=0
- tr(A)=αᵀβ
- Aⁿ=[tr(A)]ⁿ⁻¹A
- 特征值为tr(A)和0（n-1重）
对角矩阵：
- 幂运算：diag(λ₁,...,λₙ)ᵏ=diag(λ₁ᵏ,...,λₙᵏ)
- 逆矩阵：若λᵢ≠0，则diag(λ₁,...,λₙ)⁻¹=diag(1/λ₁,...,1/λₙ)
2.3 矩阵秩的不等式总结
矩阵秩的相关不等式在证明题中经常出现，主要包含以下几类：
基本不等式：
- r(A) ≤ min{m,n}（对于m×n矩阵）
- r(A+B) ≤ r(A)+r(B)
乘积矩阵的秩：
- r(AB) ≤ min{r(A),r(B)}
- 若AB=O，则r(A)+r(B) ≤ n（A为m×n，B为n×s）
分块矩阵的秩：
- r$\begin{pmatrix} A & 0 \ 0 & B \end{pmatrix}$ = r(A)+r(B)
- r$\begin{pmatrix} A & C \ 0 & B \end{pmatrix}$ ≥ r(A)+r(B)
3. 向量：内积运算与线性相关性判定
向量组的线性相关性和秩的关系是考试重点，也是理解线性方程组的基础。
3.1 向量内积与正交性
向量的内积运算具有以下性质：
- 对称性：(α,β)=(β,α)
- 线性性：(kα+lβ,γ)=k(α,γ)+l(β,γ)
- 正定性：(α,α)≥0，等号成立当且仅当α=0
施密特正交化过程是将线性无关向量组转化为正交向量组的重要方法：
- 取β₁=α₁
- β₂=α₂ - $\frac{(α₂,β₁)}{(β₁,β₁)}$β₁
- 以此类推，βₖ=αₖ - Σ$\frac{(αₖ,βᵢ)}{(βᵢ,βᵢ)}$βᵢ（i=1到k-1）
3.2 线性相关性的判定方法
判断向量组α₁,...,αₙ的线性相关性有以下几种方法：
- 定义法：看方程k₁α₁+⋯+kₙαₙ=0是否有非零解
- 矩阵秩法：将向量组构成矩阵A，若r(A)<n则线性相关
- 行列式法（仅适用于n个n维向量）：若|A|=0则线性相关
- 特殊情形：
- 包含零向量的向量组必线性相关
- 向量个数>维数时必线性相关
4. 线性方程组：解的结构与判定条件
线性方程组的解的理论是考研大题的重要考点，需要熟练掌握各种情况的判定条件。
4.1 齐次线性方程组的解
对于齐次方程组Ax=0：
- 只有零解⇔ r(A)=n（A为m×n矩阵）
- 有非零解⇔ r(A)<n
当有非零解时，解空间的维数为n-r(A)，基础解系包含n-r(A)个线性无关的解向量。
4.2 非齐次线性方程组的解
对于非齐次方程组Ax=b：
| 情况 | 判定条件 | 解的性质 |
|---|---|---|
| 无解 | r(A)<r(A | b) |
| 唯一解 | r(A)=r(A | b)=n |
| 无穷多解 | r(A)=r(A | b)<n |
4.3 方程组的实用解题技巧
- 参数选取法：当方程组有无穷多解时，自由变量通常取0或1简化计算
- 矩阵分块法：对于分块矩阵表示的方程组，可利用分块矩阵求逆简化运算
- 秩的不等式法：在证明解的存在性时，秩的不等式常常是关键工具
在最后的冲刺阶段，建议考生将上述公式和技巧整理成速查表，通过大量真题练习来熟悉各种题型的解题思路。实际解题时，先识别题目考查的知识点，再快速定位相关公式和方法，能显著提高解题效率和准确率。
