考研数学二线性代数核心公式速查手册（附解题场景应用）
1. 行列式核心公式与解题技巧
行列式是线性代数的基础工具，掌握核心公式能快速解决考研中80%的相关题目。先记住这个口诀："转置不变，数乘提n次，分块乘对角"。我当年备考时，发现很多同学死记硬背公式，结果做题时总卡壳。其实理解背后的几何意义更重要——行列式本质上是n维空间的"有向体积"。
典型真题应用场景：2021年数学二真题出现过这样的分块行列式计算：
| A O | | O B |直接套用分块行列式公式，结果就是|A|·|B|。但要注意，如果矩阵不是对角分块，比如：
| A C | | O B |结果仍然是|A|·|B|，这个结论在模拟题中经常作为陷阱出现。
实测最实用的三个技巧：
- 三角化法：通过初等变换将行列式化为上三角，对角线乘积就是结果
- 递推法：适用于三对角行列式（常见于差分方程题型）
- 拆项法：当行列式含有线性项时特别有效
注意：范德蒙行列式出现频率极高，其展开式 ∏(xj-xi) 要烂熟于心。去年辅导的一个考生就因为记错下标顺序导致5分大题全丢。
2. 矩阵运算速查指南
矩阵运算的转置、求逆、伴随矩阵之间的关系是高频考点。记住这个关系链：(A⁻¹)ᵀ = (Aᵀ)⁻¹，这个公式在解矩阵方程时能节省大量时间。我整理了一个特征值变化表，帮助快速应对各种变形：
| 矩阵形式 | 特征值变化 | 特征向量变化 |
|---|---|---|
| A+kE | λ+k | 不变 |
| A⁻¹ | 1/λ | 不变 |
| A* | A |
真题案例：2020年考题给出A的特征值是2，要求(A*+3E)的特征值。分三步解：
- 先求|A|=2³=8（题目暗示是3阶矩阵）
- A*的特征值=8/2=4
- A*+3E的特征值=4+3=7
正交矩阵考点有个易错点：很多同学以为正交矩阵的行列式一定是1，其实可能是±1。2019年真题就考过这个细节，当时考场上有近30%考生踩坑。
3. 向量组的正交化实战
施密特正交化过程看似复杂，其实有固定套路。我总结为"减投影三步法"：
- β₁=α₁
- β₂=α₂ - (α₂·β₁)/(β₁·β₁)·β₁
- β₃=α₃ - (α₃·β₂)/(β₂·β₂)·β₂ - (α₃·β₁)/(β₁·β₁)·β₁
解题捷径：当题目要求标准正交基时，可以先用施密特方法正交化，再单位化。但在时间紧张时，对于选择题可以直接验证选项是否满足：
- 两两内积为0
- 每个向量模长为1
去年有个学生发明了"投影速算法"，对于三阶以内的向量组，可以用这个公式快速验证正交性： (α,β) = α₁β₁ + α₂β₂ + α₃β₃ = 0
4. 特征值与相似对角化
特征值的性质可以归纳为"两和两积"：
- 特征值之和=迹（对角线元素之和）
- 特征值之积=行列式
相似对角化的判定我总结为"三看原则"：
- 看是否有n个线性无关特征向量
- 看k重特征值是否有k个线性无关特征向量
- 看是否为实对称矩阵（必可对角化）
真题陷阱警示：2018年考过一道经典陷阱题，给出矩阵A∼B，问A²∼B²？很多考生忽略了A、B可逆的条件。实际上，相似关系在矩阵幂运算中保持，但要注意0特征值的情况。
实对称矩阵的特殊性质一定要掌握：
- 不同特征值对应的特征向量正交
- 可以用正交矩阵对角化
- 特征值都是实数
我在批改模拟卷时发现，考生最常犯的错误是混淆相似与合同。记住这个口诀："相似必等价，合同必等价，但相似不一定合同，除非是实对称矩阵"。
5. 二次型化标准型的通法
配方法是解决二次型问题的万能钥匙，具体分两种情况处理：
情形一：含平方项
- 选取系数最大的平方项（计算更简便）
- 配方时把交叉项全部纳入
- 对剩余项递归处理
情形二：不含平方项
- 找到非零交叉项a₁₂x₁x₂
- 作变换：y₁=x₁+x₂, y₂=x₁-x₂
- 转化为情形一处理
惯性指数速判法：
- 正惯性指数=正特征值个数
- 负惯性指数=负特征值个数
- 零惯性指数=零特征值个数
有个学生发明的"特征值估算法"很实用：通过观察矩阵对角线元素的范围，可以预估特征值的大致分布，这在选择题验证时特别高效。
6. 线性方程组解的结构
解空间的维数=未知量个数-系数矩阵秩。记住这个关系图：
r(A)=n ⇔ 唯一解 r(A)<n ⇔ 无穷多解 r(A)≠r(A|b) ⇔ 无解真题应用：2022年考题给出方程组有解且不唯一，要求确定参数。解题关键是：
- 首先保证r(A)=r(A|b)
- 再使r(A)<n
- 最后排除参数使r(A)=n的情况
我在考前总会强调：齐次方程组的基础解系实际上就是特征向量的求法，这个观点在解相似对角化问题时能提供新思路。
7. 矩阵秩的24条军规
矩阵秩的性质可以浓缩为这些黄金法则：
- r(A+B) ≤ r(A)+r(B)
- r(AB) ≤ min(r(A),r(B))
- 分块矩阵秩≥对角块秩和
- 若AB=O，则r(A)+r(B)≤n
特殊矩阵处理技巧：
- 秩1矩阵一定能表示为αβᵀ
- 伴随矩阵的秩只有三种可能：n,1,0
- 分块对角矩阵的秩等于各块秩之和
有个实用的"秩不等式链"记忆法： r(A)+r(B)-n ≤ r(AB) ≤ min(r(A),r(B)) ≤ r(A⊕B) = r(A)+r(B)
8. 考研必杀技：错题本整理法
最后分享我的错题整理秘诀，这个方法帮助多名考生提高20+分：
- 按知识点分类（行列式/矩阵/向量组/方程组/特征值/二次型）
- 标注错误原因（计算错误/概念混淆/方法不当）
- 用红笔写出正确解法
- 每周重做一次错题
特别要整理那些"看似会做但总出错"的题型，比如：
- 行列式展开时符号处理
- 矩阵求逆与转置的运算顺序
- 特征多项式展开时的系数
考前最后一周，我的建议是：每天用30分钟快速过一遍这些核心公式，配合3道典型题保持手感。记住，线性代数的题目往往有多种解法，考试时要选择最稳妥的方案，不要追求技巧性过强的解法。