1线性代数部分-huawei.docVIP

线性代数部分 线代这门课的特点 线性代数与高数和概率相比，特点之一是知识点比较细碎。如矩阵部分涉及到了各种类型的性质和关系，记忆量大而且容易混淆的地方较多；但线代更重要的特点在于知识点间的联系性很强。这种联系不仅仅是指在后面几章中用到前两章行列式和矩阵的相关知识，更重要的是在于不同章节中各种性质、定理、判定法则之间有着相互推导和前后印证的关系。 历年考研真题中线代部分的题目都很灵活，在一道大题甚至小题中就可以考察到多个知识点，而且过渡自然、结构巧妙；有相当一部分题目可以找出多种解法。出现这种情况当然与出题专家水平高有关，但内在原因还是在于线性代数这门课“知识点间联系性强”的特点。 所以我们在复习线代的策略中，有必要考虑一下怎样才能做到“融会贯通”。“融会”可以理解为设法找到不同知识点之间的内在相通之处；“贯通”可以理解为掌握前后知识点之间的顺承关系。这样做的目的就在于——当看到题目的条件和结论、推测出其中涉及到的知识点时立刻就能想到与之有关联的其他知识点队列，从而大大提高解题效率、增加得分胜算。 这样的复习策略虽然也能够用于高数和概率，但在线代复习中的作用体现的最为明显。以第三章《向量》、第四章《线性方程组》为例，“线性相关”、“线性表示”的概念与线性方程组的某些性质定理之间存在着相互推导和相互印证的关系；出题专家在编制题目时常常利用这些联系将两部分的内容结合起来出题，比如在历年真题中出现频率很高的性质“齐次方程组是否有零解对应于A的列向量组是否线性相关；非齐次方程组Ax=b是否有解对应于向量b是否可由A的列向量线性表示”。 再如一个貌似考察向量组线性无关的题目，做起来以后才发现实际考的是矩阵秩或行列式的内容，题眼就在于性质“方阵A可逆(|A|=0(A的列向量组线性无关(r(A)=n”，依靠这一性质建立起了线性无关和矩阵秩两个知识点间的联系。 以上简单分析了一下线代这门课本身的特点，在下面的小结中列出了对每章中一些具体知识点内在联系的分析和实战过程中发现的一些常用的和好用的性质，作为对具体知识点的讨论。 正是因为具有这样的特点，线代与高数、概率相比，从难易程度上讲正是一门“学得不好就显得特别的难，一旦学好以后就会变得特别容易”的科目，所以实际上把时间花在线代复习上很划算；即使你现在认为自己的线代水平还不好，那么也不应该有放弃线代的打算，因为，在一门“已经学得差不多”的课上继续投入时间的效果肯定要比投入等量时间在一门“学得不好但有更大提分空间”的课上的效果好，也就是说，试图把一门满分是100分、现在水平是80分的课提高到85分，一般要比把一门满分100现在只能拿40分的课提高10分、20分还要难得多。 线代第一章《行列式》、第二章《矩阵》 第一章《行列式》、第二章《矩阵》是线性代数中的基础章节，有必要熟练掌握。第一章行列式的核心内容是求行列式，包括具体行列式的计算和抽象行列式的计算，其中具体行列式的计算又有低阶和n阶两种类型；主要方法是应用行列式按行\列展开定理和化为上下三角行列式求解，还可能用到的方法包括：行列式的定义（n阶行列式的值为取自不同行、不同列的n个元素的乘积的代数和）、性质（其中为矩阵A的特征值）、行列式的性质（如“数乘行列式等于用此数乘一行列式中的某一行或某一列”）。对于抽象行列式的求值，考点不在求行列式，而在于、、等的相关性质，在下面对第二章的讨论中会有小结。 第二章矩阵中的知识点很细碎，但好在每个小知识点包括的内容都不多，没有什么深度。由历年考研真题可见，矩阵部分出题很灵活，频繁出现的知识点包括矩阵运算的运算规律、，，的性质、矩阵可逆的判定条件、矩阵秩的性质、某些结构特殊的矩阵和矩阵初等变换技巧等。 所以复习本章的难度主要在于如何保证复习的全面细致，一些做题时用到的性质和方法结合具体的题目就题论题才有最佳的效果，故在后面的评题中会有更充分的讨论；下面的表格分类列出了逆矩阵、伴随矩阵、矩阵转置的性质以供区别记忆： 行列式性质 特征值性质（为矩阵的特征值） 运算性质 秩的性质 转置矩阵 逆矩阵 有特征值 伴随矩阵 有特征值 、、三者之间有一个即好记又好用的性质 数乘矩阵、矩阵之积及矩阵之和 有特征值，有特征值 则有： 若是可逆矩阵则有；同样，若可逆则有 线代第三章《向量》、第四章《线性方程组》 线代第三章《向量》、第四章《线性方程组》是整个线性代数部分的核心内容，相比之下，前两章行列式和矩阵可视作是为了讨论向量和线性方程组部分的问题而做铺垫的基础性章节，后两章特征值、特征向量、二次型的内容则相对独立， 可以看作是对第三、四章核心内容的扩展。 向量与线性方程组两章的内容联系很密切，很多知识点相互之间都有或明或暗的相关性。复习这两章最有效的方法就是彻底理