线性代数知识点总结：行列式、矩阵、秩与线性方程组串讲-北京尧图网络

简介一份面向高校学生与考研复习者的线性代数知识点总结文档聚焦课堂要点梳理与考前查漏补缺适合需要快速建立知识框架、回顾公式定理的读者。压缩包共1个docx文件约572KB内容以章节笔记形式组织便于打印或平板批注。目前已有4605人学习说明其在基础课程复习场景中具有一定参考价值。文档从行列式入手覆盖二阶与三阶行列式、全排列与逆序数、n阶行列式定义及性质、按行列展开、余子式与代数余子式、克拉默法则并延伸到矩阵定义、矩阵加法、数乘与矩阵乘法等运算要点对易混条件与适用前提作了提示。整体更像一份按教材章节压缩的复习提纲可帮助读者把零散概念串成线在解题时快速定位定理与计算方法适合作为期末复习和考研基础阶段的辅助材料。1. 线性代数到底在算什么从一张数表和它的压缩值说起翻开任何一本线性代数教材最先撞进眼睛的往往不是方程而是括号里排得整整齐齐的一堆数字。第一次见的人多半会愣一下这既不像算术题也不像几何题研究一堆数排成的方阵有什么意义打个比方一个班的成绩单排成表格表格本身只是摆放方式你真正关心的是这个班整体水平如何谁明显偏科。线性代数干的就是类似的事把数按规则摆好再从里面压出一个能说明问题的结果或者判断一组关系到底有没有解、解有几个。它围绕行列式、矩阵、向量组和线性方程组展开核心问题始终是——一堆数之间的关系能不能用一套统一的规则算清楚。搞懂这套规则你在数据、图形和工程建模里遇到的很多玄学结论会突然变得有据可依。2. 行列式为什么一堆数排成方阵最后只算出一个数行列式最反直觉的地方在于它长得像一张表结果却是一个数。二阶行列式是两个乘积相减三阶行列式是六项相加减到了 n 阶定义里出现了不同行不同列的 n 个元素相乘再带符号求和这种吓人的说法。可它存在的理由很朴素——解方程组时分母上反复出现同一个组合数学家干脆给这个组合起个名字、配个记号算起来就不用每次重新推一遍。这一章把行列式从长什么样讲到怎么算重点是那条常常被用错的对角线法则。2.1 二阶与三阶行列式对角线法则只管到这里二阶行列式由四个数排成两行两列记作一个两侧带竖线的数表它的值等于主对角线两数之积减去副对角线两数之积。假设四个位置分别是 a11、a12、a21、a22那么结果就是a11*a22 - a12*a21。这个式子不是凭空规定的解二元一次方程组时消元之后分母上必然出现它分子上也会出现结构类似的组合于是人们把分母这个组合叫作系数行列式把分子上的组合叫作替换后的行列式。三阶行列式有九个数算法叫对角线法则三条从左上到右下的对角线各取三个数相乘三条从右上到左下的对角线也各取三个数相乘前三个乘积取正号后三个乘积取负号六项加起来就是结果。拿一张三行三列的数表先顺着主对角线方向画三条线再顺着副对角线方向画三条线正负一分组手算就能出答案。注意对角线法则只对二阶和三阶行列式成立。四阶及以上再用它结果一定是错的这是初学者最容易出错的地方之一。用一小段代码把这两个规则固定下来能帮你确认自己没记反符号def det2(a, b, c, d): # 二阶行列式主对角线乘积减副对角线乘积 return a * d - b * c def det3(m): # 三阶行列式三条主方向对角线取正三条副方向取负 return (m[0][0]*m[1][1]*m[2][2] m[0][1]*m[1][2]*m[2][0] m[0][2]*m[1][0]*m[2][1] - m[0][2]*m[1][1]*m[2][0] - m[0][0]*m[1][2]*m[2][1] - m[0][1]*m[1][0]*m[2][2]) print(det2(1, 2, 3, 4)) # 1*4 - 2*3结果为 -2 print(det3([[1, 2, 3], [4, 5, 6], [7, 8, 10]])) # 六项按符号相加det2的四个参数按第一行两个、第二行两个的顺序传入det3接收一个嵌套列表下标m[i][j]对应第 i 行第 j 列。代码里的正负号顺序与手算完全一致跑一遍再对照纸面符号记反的问题基本能当场发现。2.2 全排列与逆序数那个正负号到底从哪来三阶行列式里为什么偏偏是三项正、三项负答案藏在排列里。把 n 个不同的元素排成一列叫作这 n 个元素的一个全排列n 个元素一共有 n! 种排法。在某个排列中如果前面的数比后面的数大就称这两个数构成一个逆序一个排列里逆序的总个数叫这个排列的逆序数。逆序数是奇数的排列叫奇排列是偶数的叫偶排列。算逆序数有两种常用办法思路略有差别但结果一样。第一种是逐个数去看对每个位置上的数数一数它前面有多少个数比它大把这些个数加起来第二种是从前往后扫对每个数数它后面有多少个比它小再加总。前者按前面比我大的计数后者按后面比我小的计数本质上数的是同一批逆序对只是从不同方向看。手算时选哪种取决于哪种数起来顺手——数字大的排前面时用第一种数字小的排前面时用第二种。逆序数决定了行列式每一项的符号。n 阶行列式的定义里每一项都是取自不同行、不同列的 n 个元素相乘列下标构成一个排列这个排列的逆序数如果是偶数该项取正号是奇数就取负号。所以二阶行列式展开成两项一正一负三阶展开成六项三正三负四阶展开成二十四项十二正十二负。项数增长得极快这也是高阶行列式不能硬算、必须找性质简化的根本原因。还有一个常被忽略的结论在全部 n 阶排列中奇排列和偶排列的个数各占一半。原因不复杂把每个奇排列的前两个数对调一下它就变成偶排列而且不同的奇排列对调后得到的偶排列互不相同两边数量自然相等。这个结论在证明行列式性质时会反复用到。2.3 n 阶行列式定义看起来很吓人其实只说了一件事n 阶行列式的正式定义是所有取自不同行、不同列的 n 个元素乘积的代数和每一项的符号由列下标排列的逆序数决定。这句话拆开看只有三层意思。第一层每一项必须从每一行取一个数也必须从每一列取一个数不能有两行取自同一列第二层把取出来的 n 个数乘起来第三层根据列下标的排列奇偶性加上正号或负号最后把所有项加起来。定义里还有一个容易被跳过的细节行列式是一种特定的算式它是为了求解方程个数与未知量个数相同的一次方程组而定义出来的。这个出身决定了它的适用范围——行列式的很多性质都建立在方阵这个前提上行数和列数不相等时根本谈不上行列式。有三条从定义直接推出来的结论值得背下来。第一条上三角行列式和下三角行列式的值都等于主对角线上各元素的乘积因为只有取主对角线那一组元素时列下标才不构成逆序其余项全带零因子。第二条对角行列式的值同样等于对角线上各元素之积它是三角行列式的特例。第三条副对角行列式的值等于副对角线上各元素之积再乘上一个符号因子这个符号因子取决于阶数阶数越大符号跳得越厉害不能想当然地当成正数。提示一阶行列式就是一个数本身但它的记号两侧是竖线不要和绝对值混淆。绝对值里放负数结果为正一阶行列式里放负数结果就是那个负数。2.4 六条性质与化三角形法把大计算压成对角线直接按定义算四阶行列式要处理二十四项五阶要处理一百二十项手算基本不现实。真正让行列式变得可算的是下面六条性质。它们全部对行成立由于转置不改变行列式的值对列也同样成立这一点让操作空间翻了一倍。第一条行列式与它的转置行列式相等。把行换成同序数的列值不变。第二条互换行列式的两行或两列行列式变号由此还能推出一条如果两行完全相同行列式为零因为互换之后值不变又变号只能是零。第三条某一行或某一列的所有元素都乘以同一个数 k等于用 k 乘整个行列式反过来某一行元素的公因子可以提到行列式外面如果某一行全是零行列式为零。第四条两行或两列元素成比例行列式为零。第五条如果某一列行的元素都是两数之和行列式可以拆成两个行列式相加。第六条把某一行列的各元素乘以同一个数加到另一行列对应的元素上行列式的值不变。这六条里真正承担计算任务的是第六条。它的作用相当于消元用一行去消掉另一行的某个元素把下方的数变成零一步步把行列式化成上三角形最后用主对角线乘积直接出结果。这套流程有个固定的走法——先看第一列选一个非零元素当基准行用基准行把第一列下方全部清成零再看第二列在剩下的行里重复同样的动作一直到化成上三角。过程中如果某一行全是零直接判定行列式为零不用再算。注意使用第六条时值不变使用第二条换行时值变号。很多人算到一半发现结果差一个负号八成是中途换过行却忘了记账。养成换行就在旁边画个负号的习惯能省掉大量返工。2.5 按行按列展开余子式与代数余子式化三角形适合元素比较规整的行列式如果某一行或某一列里零特别多还有另一条路按行或按列展开。在 n 阶行列式中把元素 aij 所在的第 i 行和第 j 列划掉剩下的是一个 n-1 阶行列式叫作 aij 的余子式记作 Mij。在余子式前面乘上 (-1) 的 ij 次方得到代数余子式记作 Aij。展开定理说的是n 阶行列式等于任意一行各元素与它们对应的代数余子式乘积之和对任意一列也同样成立。这条定理的价值在于把 n 阶问题降成 n 个 n-1 阶问题如果挑中的那一行零很多实际要算的项会大幅减少。与之配套的还有一条推论常被称为异乘变零某一行元素与另一行对应元素的代数余子式相乘再求和结果恒为零。它和展开定理一起构成了行列式按行按列运算的完整规则。实际计算时通常先看哪一行或哪一列零最多用性质把某个元素消成零、制造出一行只有一个非零元再展开降阶重复这个过程。这套组合拳比硬套定义快得多也比盲目化三角形更省步骤。判断用哪条路看的不是定理本身而是数字的分布——零多的方向永远优先。3. 矩阵一张数表为什么不能当成一个数矩阵和行列式长得像性质却差得远。行列式算完是一个数矩阵是一张表它没有值只有形状和元素。这个区别听起来像文字游戏实际影响极大行列式能比较大小矩阵不能行列式相乘有交换律矩阵相乘没有行列式里某行乘 k 等于整体乘 k矩阵里只有那一行乘 k。把矩阵当成高级行列式来用是很多计算错误的源头。这一章从矩阵的定义讲到逆矩阵和分块重点放在那些看起来一样、实际完全不同的地方。3.1 矩阵与特殊矩阵方阵、单位阵、对角阵由 m 行 n 列的数排成的数表叫 m 行 n 列矩阵简称矩阵。元素是实数的叫实矩阵元素是复数的叫复矩阵。行数和列数都等于 n 的矩阵叫 n 阶方阵只有一行的叫行矩阵也叫行向量只有一列的叫列矩阵也叫列向量。两个矩阵行数相等、列数也相等叫同型矩阵同型且对应位置元素全部相等才叫相等矩阵记作 A 等于 B。几种特殊矩阵要混个脸熟。零矩阵是所有元素都是零的矩阵注意不同型的零矩阵不是同一个东西。对角阵是不在主对角线上的元素全为零的方阵。单位阵是主对角线元素全为 1、其余全为 0 的方阵通常记作 E它在矩阵乘法里的地位相当于数字 1。还有纯量阵就是主对角线元素全为同一个数 k 的对角阵它的作用相当于把图形放大 k 倍而且纯量阵与任何同阶方阵都可交换这是个相当特殊的性质。注意矩阵与行列式有本质区别。行列式是一个算式算出来是一个数矩阵仅仅是一张数表行数和列数可以不同也不能算出一个值。3.2 加法、数乘与乘法不同型就免谈矩阵加法有硬门槛两个矩阵必须同型才能逐元素相加。不同型的矩阵相加不是结果不对而是这个运算根本没有定义。加法满足交换律和结合律也存在零矩阵作为加法单位元存在负矩阵作为逆元这些和普通数的加法规则基本一致。数与矩阵相乘是数 k 乘到矩阵的每一个元素上。数乘满足几条规律k(AB) 等于 kA 加 kB(kl)A 等于 kA 加 lAk(lA) 等于 (kl)A。矩阵加法与数乘合起来叫矩阵的线性运算这是线性两个字最直接的体现。矩阵乘法是最容易出问题的地方。A 与 B 能相乘的条件是A 的列数等于 B 的行数。满足条件时乘积 C 的第 i 行第 j 列元素等于 A 的第 i 行与 B 的第 j 列对应元素相乘再求和。这里有三条必须记牢的注意点第一乘法条件卡在列等于行不是同型第二矩阵乘法一般不满足交换律AB 和 BA 通常不相等甚至可能一个有定义、另一个没定义第三两个非零矩阵相乘结果可能是零矩阵这在普通数字乘法里不可能发生。对于 n 阶方阵 A还可以定义它的 k 次幂就是 k 个 A 连乘并规定 A 的零次幂等于单位阵 E。方阵幂运算满足结合律但一般不满足交换律因为底数只有一个矩阵交换的问题退化成同一个矩阵的不同次幂可以交换这一点和两个不同矩阵相乘要区分开。3.3 逆矩阵与伴随矩阵除以一个矩阵是什么意思矩阵没有除法但有逆矩阵。对于 n 阶矩阵 A如果存在一个 n 阶矩阵 B使得 AB 和 BA 都等于单位阵 E就说 A 是可逆的B 是 A 的逆矩阵记作 A 的负一次方。逆矩阵有三个基本事实A 与 B 互为逆矩阵只有方阵才谈得上逆矩阵如果 A 可逆它的逆矩阵是唯一的。判断可逆有个干脆的充要条件矩阵 A 可逆当且仅当它的行列式不等于零。行列式为零的方阵叫奇异矩阵行列式不为零的叫非奇异矩阵。可逆、非奇异、行列式非零这三个说法在方阵范围内完全等价可以互换使用。这个等价关系是后面判断线性方程组解的情况的枢纽。逆矩阵怎么求最常用的是伴随矩阵法。把行列式各元素的代数余子式按原来的位置排成一个新矩阵再转置得到伴随矩阵 A 星。此时 A 乘 A 星等于 A 星乘 A都等于 A 的行列式乘单位阵。当行列式不为零时把两边同时除以行列式就得到 A 的逆矩阵等于 A 星除以 A 的行列式。这个公式重要到值得单独记一行。逆矩阵的运算性质和转置有点像但顺序要反过来AB 的逆等于 B 的逆乘 A 的逆不是 A 的逆乘 B 的逆。转置也一样(AB) 的转置等于 B 的转置乘 A 的转置。两条规则都是反序记的时候可以绑在一起记。3.4 分块矩阵与转置、对称阵把大块切成小块矩阵太大时可以用若干条横线和竖线把它切成小矩阵每个小矩阵叫子块以子块为元素的矩阵叫分块矩阵。分块的目的很实际简化运算、突出结构。比如一个矩阵右上角全是零分块之后就能一眼看出它可以拆成两个独立的小块处理。分块矩阵的运算规则和普通矩阵类似但有几个额外条件。加法要求两个矩阵同型而且分块方式必须一致然后对应子块相加。数乘是数乘到每个子块上。转置是把子块的位置转置同时每个子块自身也要转置这两步都不能漏。乘法要求 A 的列的分法与 B 的行的分法相同否则子块之间对不上乘积没有意义。分块对角阵是一种特别有用的结构只有主对角线上有非零子块其余子块全是零矩阵并且非零子块都是方阵。这种矩阵的行列式等于各子块行列式的乘积求逆也只需要把每个子块分别求逆再放回原位。处理高阶问题时如果能凑出分块对角结构计算量往往能降一个数量级。转置矩阵是把原矩阵的行换成同序数的列得到的新矩阵记作 A 的转置。转置的性质有四条A 的转置再转置等于 A(AB) 的转置等于 A 的转置加 B 的转置(kA) 的转置等于 k 乘 A 的转置(AB) 的转置等于 B 的转置乘 A 的转置。最后一条的反序最容易记错。对称阵是指满足 A 等于 A 的转置的方阵它的元素以主对角线为对称轴对应相等。反对称阵则满足 A 的转置等于负 A元素满足 aij 等于负 aji主对角线上的元素必须全为零。这两类矩阵在二次型和特征值问题里出现频率极高先在这里打个照面后面遇到时不会陌生。4. 初等变换、秩与线性方程组解有几个怎么一眼看出来学到这里很多人会有一种割裂感行列式算了一堆矩阵算了一堆可这些跟解方程到底什么关系答案是前面所有工具都在为这一章服务。初等变换是把矩阵化简的手段秩是化简之后剩下的有效信息量线性方程组有没有解、有几个解全看系数矩阵和增广矩阵的秩怎么比。这三件事其实是一条线上的三个环节拆开看各自成章连起来看就是一句话把矩阵化简数一数非零行比一比秩答案就出来了。4.1 初等变换与行阶梯形、行最简形初等行变换有三种交换两行用非零数 k 乘某一行把某一行的 k 倍加到另一行上。把这三条里的行换成列就是初等列变换。两者统称初等变换。初等变换的逆变换仍然是同类型的初等变换这个性质保证了化简过程可逆不会丢信息。矩阵经过有限次初等变换变成另一个矩阵就说这两个矩阵等价。等价关系满足三条基本性质自己和自己等价A 等价于 B则 B 等价于 AA 等价于 B、B 等价于 C则 A 等价于 C。等价矩阵的秩相同这一点在下一节会派上大用场。化简的目标形态有三种层次递进。行阶梯形矩阵的特征是可以画出一条阶梯线线下方全是零每个台阶只有一行台阶数等于非零行数每个台阶后面的第一个元素是非零元也就是该非零行的第一个非零元。行最简形矩阵在行阶梯形的基础上更进一步每个非零行的第一个非零元必须是 1而且这个 1 所在的列其余元素全是零。标准型则是在行最简形的基础上再做初等列变换化成左上角是单位阵、其余全是零的形态它是所有与 A 等价的矩阵里形状最简单的一个。初等矩阵是另一条理解路径由单位矩阵经过一次初等变换得到的方阵叫初等矩阵。对矩阵 A 做一次初等行变换等价于在 A 的左边乘上相应的初等矩阵做一次初等列变换等价于在 A 的右边乘上相应的初等矩阵。这条结论把操作翻译成了乘法让很多证明变得干净利落。方阵 A 可逆的充要条件是它能够写成有限个初等方阵的乘积这条也常用来做理论推导。初等变换最实用的两个应用一个是求逆矩阵一个是解矩阵方程。求逆时把 A 和单位阵 E 并排写成增广形式对 A 做行变换当左边化成 E 时右边就变成了 A 的逆。解 A 逆乘 B 时把 A 和 B 并排同样对 A 做行变换化成 E右边就是结果。整个过程的原理就是在等式两边同时做相同的行变换。4.2 矩阵的秩非零行数到底在数什么矩阵的秩有一个正式定义在矩阵 A 中如果存在一个不等于零的 r 阶子式 D而所有 r1 阶子式如果存在全等于零那么 D 叫最高阶非零子式r 就叫矩阵 A 的秩记作 R(A)。零矩阵的秩规定为零。这个定义听起来抽象翻译成大白话就是这个矩阵里真正独立的信息有 r 条再多就是冗余。秩有几条常用性质。对 m 行 n 列的矩阵秩不会超过 min(m, n)也就是行数和列数里较小的那个。矩阵转置之后秩不变所以行秩和列秩永远相等。秩大于等于 r等价于至少存在一个 r 阶子式不为零秩小于等于 r等价于所有 r1 阶子式全为零。这几条性质在判断具体问题时比定义好用得多。真正算秩靠的是初等变换矩阵经过有限次初等变换秩不变把矩阵化成行阶梯形之后非零行的行数就是它的秩。这条定理把数子式这种组合爆炸的工作变成了数非零行这种一眼就能完成的工作是整个线性代数里性价比最高的一条结论。满秩是另一个常用说法。对 n 阶方阵如果秩等于 n叫满秩矩阵此时行列式不为零矩阵可逆。对 m 行 n 列的矩阵如果秩等于行数叫行满秩如果秩等于列数叫列满秩。行满秩和列满秩不能同时成立除非是方阵。判断一个方阵满不满秩等价于判断它不可逆、行列式非零三条路通向同一个答案。4.3 线性方程组的解与基础解系线性方程组按常数项是否全为零分成齐次和非齐次两类。齐次方程组写成 Ax 等于零它永远有零解所以讨论的重点是有没有非零解。结论很干脆如果系数矩阵的秩等于未知数个数 n只有零解如果秩小于 n存在非零解。原因在于未知数有 n 个而有效约束只有 R(A) 条剩下的 n 减 R(A) 个未知数可以自由取值自由变量一旦有取值空间非零解就出现了。非齐次方程组写成 Ax 等于 b讨论的是解的存在性和个数。把系数矩阵 A 和常数项 b 拼在一起得到增广矩阵记作 (A, b)。三条判定秩(A) 不等于秩(A, b) 时无解两者相等且都等于 n 时有唯一解两者相等且都小于 n 时有无穷多解。这三条把所有情况一网打尽判断时只需要算两个秩比代入消元快得多。基础解系是描述无穷多解的工具。齐次方程组的通解可以写成若干个固定向量的线性组合这些固定向量构成基础解系基础解系里向量的个数等于 n 减 R(A)。非齐次方程组的通解则是一个特解加上对应齐次方程组的通解结构上是一个点加一个方向集合。求通解的标准流程是把增广矩阵化成行阶梯形判断有没有解再化成行最简形把非零行第一个非零元对应的未知数当作非自由变量其余当作自由变量移项之后写出通解。提示非齐次方程组有解时不要直接把特解当成全部答案。漏掉齐次部分的基础解系等于只交了一个点却说交了一条线。4.4 克拉默法则与向量组的线性相关性克拉默法则给了一个漂亮的显式解公式如果线性方程组的系数行列式 D 不等于零那么方程组有唯一解第 i 个未知数等于 Di 除以 D其中 Di 是把 D 的第 i 列换成常数项之后得到的行列式。这个公式在理论上非常有用它直接说明了系数行列式非零和唯一解之间的对应关系逆否命题同样成立方程组无解或有两个不同解系数行列式必然为零。但克拉默法则的适用范围很窄。它只适用于方程个数与未知量个数相等的情形而且要求系数行列式非零。计算量上每求一个未知数就要算一个 n 阶行列式n 个未知数就是 n1 个行列式n 稍微大一点就完全不具备可操作性。它的价值在于理论推导和低阶问题的快速求解不适合拿来当通用算法。齐次方程组还有一条配套结论如果系数行列式不为零齐次方程组只有零解如果齐次方程组有非零解系数行列式必然为零。这条和前面的秩判定是同一件事的两种说法行列式非零对应满秩满秩对应没有自由变量自然只有零解。向量组的线性相关性是同一套逻辑的另一种表述。若干个同维数的列向量组成的集合叫向量组。如果存在一组不全为零的系数使得这些向量的线性组合等于零向量就叫这个向量组线性相关如果只有当系数全为零时才成立就叫线性无关。判断方法还是回到矩阵把向量组按列排成矩阵算它的秩秩小于向量个数就相关等于向量个数就无关。线性方程组、矩阵的秩、向量组的线性相关性三个概念说的是同一件事只是换了三种问法。5. 易混辨析行列式与矩阵、秩与解、逆与转置差在哪这一章专门处理那些看起来像、用起来错的地方。线性代数的概念密度高很多名词只差一两个字性质却完全相反。考试里丢分、实际计算里出错绝大多数不是不会算而是一开始就把对象认错了。下面五组是出现频率最高的混淆点每一条都按容易混在哪、为什么会混、怎么区分三层说清楚。5.1 行列式与矩阵一个数还是一张表最容易混的地方是记号。行列式两侧是竖线矩阵两侧是方括号或圆括号手写时一潦草就分不清。更深一层的混淆在于两者都涉及行列元素都能做展开都有类似的运算法则看起来像是同一种东西的两种写法。会混的根源是教材把它们放在同一章附近讲而且行列式的很多性质比如换行变号在矩阵里也有对应的操作比如交换两行形式上高度相似。加上方阵既有行列式又有矩阵身份同一堆数字被赋予两种角色认知上很容易合并。区分的关键只有一句话行列式算出来是一个数矩阵本身是一张表。由此派生出几条硬性差异行列式只能对方阵定义矩阵行数列数可以不等行列式可以比较大小、可以参与普通数值运算矩阵不能两个行列式相乘可以直接乘结果两个矩阵相乘必须满足列等于行的条件。判断时先问一句这是要一个数值还是要一张表答案立刻分明。5.2 矩阵的数乘与行列式的数乘k 到底乘到哪数 k 乘矩阵是 k 乘到矩阵的每一个元素上。数 k 乘行列式是 k 乘到行列式的某一行或某一列上等价于整个行列式乘 k。这两种操作在文字描述里都叫数乘结果却差了一个量级。会混是因为两者都写作 kA符号完全一样只有上下文能区分 A 是矩阵还是行列式。手写笔记时如果没标清楚复习时几乎必然看错。区分靠一个公式对 n 阶方阵 A矩阵 kA 的行列式等于 k 的 n 次方乘 A 的行列式。也就是说k 乘矩阵会让行列式变成 k 的 n 次方倍而不是 k 倍。举个具体数字三阶方阵整体乘 2它的行列式变成原来的 8 倍不是 2 倍。这个点在算特征值、算体积变化时反复出现忘一次错一次。5.3 逆矩阵、转置矩阵与伴随矩阵三个上标别搞反逆矩阵记作 A 的负一次方转置矩阵记作 A 的 T伴随矩阵记作 A 星。三个符号都挂在右上角功能完全不同逆矩阵是乘回去等于单位阵的那个矩阵转置是行列互换伴随是由代数余子式拼出来再转置的矩阵。会混是因为三者都和位置变换沾边而且伴随矩阵的构造里用到了转置逆矩阵的公式里又用到了伴随链条一长就容易串。加上三者对某些特殊矩阵比如正交矩阵会重合更容易让人觉得它们是一回事。区分抓三条转置任何矩阵都有不要求方阵不要求可逆逆矩阵只对方阵定义而且必须行列式非零伴随矩阵只对方阵定义任何方阵都有不管可不可逆。运算顺序上转置和逆都满足反序规则(AB) 的逆等于 B 的逆乘 A 的逆(AB) 的转置等于 B 的转置乘 A 的转置而伴随没有这么简洁的乘法规则不要硬套。5.4 秩为零、行列式为零、不可逆三个零不是一回事秩为零的矩阵只有零矩阵这是一个极端的唯一情况。行列式为零的矩阵必须是方阵而且它的秩小于阶数但不一定为零。不可逆的矩阵也必须是方阵等价于行列式为零。三个说法都带零或不行实际范围差得很远。会混是因为在线性方程组的判定里这三个条件经常同时出现久而久之被当成同义词。尤其当题目只说方阵时三者的确等价一旦对象不是方阵等价关系立刻断裂。区分的办法是先看形状不是方阵就没有行列式、没有可逆性但可以有秩而且秩可以大于零。是方阵时行列式为零、不可逆、不满秩三者等价但都不等于秩为零秩为零是更强、更特殊的条件。判断时先确认是不是方阵再确认秩具体是几两层筛下来就不会混。5.5 有解、唯一解、无穷多解别把有解当成解完了有解只说明方程组至少有一个解唯一解说明恰好一个无穷多解说明解构成一个集合。三者在判定表里对应不同的秩关系但在口语里经常被笼统说成能解出来。会混是因为实际计算时很多人化到行阶梯形发现没有矛盾行就默认解完了忘了继续看自由变量的个数。自由变量为零个才是唯一解有一个及以上就是无穷多解这个分岔点在行最简形里看得最清楚在行阶梯形里容易被忽略。区分记一条判定链先比秩(A) 和秩(A, b)不相等直接无解相等之后再比秩(A) 和未知数个数 n等于 n 是唯一解小于 n 是无穷多解。齐次方程组要单独处理它永远有零解所以问的从来不是有没有解而是有没有非零解判定条件退化成秩(A) 和 n 的比较。6. 什么时候该用线性代数什么时候别硬套线性代数不是万能工具它有明确的适用边界。判断标准其实只有一条你面对的关系是不是线性的。未知数只以一次方出现、没有相互乘积、没有三角函数和对数满足这些条件整套工具就能直接上一旦出现平方项、交叉项、指数项先想办法线性化线化不了就别硬套。适合用的场景很集中。方程组求解是最典型的工程里的节点方程、配平问题、网络流量分配最后都归结成 Ax 等于 b判断有没有解、解是否唯一用秩一比就清楚。图形变换是另一大类旋转、缩放、错切在二维和三维里都能写成矩阵乘法连续变换就是矩阵连乘顺序不能换这正是矩阵乘法不满足交换律的现实对应。数据拟合和降维也离不开它把样本排成矩阵算秩、算特征值能看出哪些维度是冗余的。还有一个常被忽略的用途判断结构。拿到一个矩阵先算秩秩远小于行数和列数说明数据高度冗余后面可以考虑压缩或者换表示。不适合硬套的场景同样明确。第一类是强非线性问题直接套线性模型会得到系统性偏差拟合得再好也只是在局部成立。第二类是超大规模稀疏问题手算或者按定义算行列式完全不现实这时候该用迭代方法而不是抱着克拉默法则不放。第三类是符号推导为主的场景克拉默法则在 n 等于二、三时好用n 到五以上计算量增长得让人怀疑人生实际工程里几乎不会这么干。举个虚构的小例子收尾。某实验室做一个图像处理 Demo需要把一张图的像素坐标做旋转加缩放再判断变换后的图形是否退化成一个点或一条线。做法是把变换写成二阶矩阵算它的行列式行列式不为零图形保持二维行列式为零图形被压扁。这个判断只花一次计算却决定了后续要不要走降维分支。反过来如果他们拿一个非方阵去算行列式程序会直接报错——形状不对后面的判断根本无从谈起。注意动手之前先确认三件事——对象是不是方阵、要的是数值还是表格、矩阵乘法满不满足列等于行。这三问能拦下大部分低级错误。我刚学的时候曾经把一个三阶方阵整体乘了 2然后理所当然地认为行列式也变成 2 倍结果和标准答案差了三倍查了半小时才发现是 k 的 n 次方在作怪。从那以后我每次动笔前都强制走一遍先看形状再看要数值还是要结构最后才动公式。这个习惯看起来笨却让我少踩了很多本可以避免的坑。希望帮到你。这份线性代数知识点总结把行列式、矩阵、初等变换、秩、线性方程组和向量组串成了一条完整的线每一节都标了课本页码适合对照教材逐节过一遍也适合临考前快速回看那些容易混的边界。需要完整资料的话按页面提示获取即可。本文还有配套的精品资源点击获取

线性代数知识点总结：行列式、矩阵、秩与线性方程组串讲

相关推荐

Pallas与DeepHelix：两大AI引擎架构对比与应用场景解析

Python项目标准化脚手架：Cookiecutter实战指南

Python项目脚手架工具指南：从入门到实战

更多资讯

从原始人到数字极简：caveman生活哲学与饮食、运动、技术实践指南

Java环境配置自动化：跨平台JAVA_HOME/PATH与多版本切换实践

Android SQLite数据库开发实战与性能优化

Type-C正反插背后的CC引脚：检测原理、PD协商与设计避坑

Caveman思维：像原始人一样破解复杂系统的调试与架构难题

机器人操作技术综述：从传统控制到深度学习革命

今日更新

学生选课系统DFD图绘制指南：边界划分与分层校验实战

JIRA敏捷落地：Scrum角色权限、Sprint与燃尽图避坑指南

SEMI S8人机工程验收实战：从条款拆解到现场实测的完整指南

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？