企业官网建设流程全解析

简介：《线性代数知识点总结》面向高校理工科学生、考研基础复习者及需要快速回顾线性代数框架的自学者，围绕行列式与矩阵两大核心模块梳理概念、定理与常用计算方法。压缩包内共1个docx文档，约572KB，按章节组织内容，便于在电脑或移动端查阅、标注和二次整理。文档从二阶与三阶行列式入手，依次覆盖全排列与逆序数、n阶行列式定义、对换、行列式六条性质、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、特殊矩阵及矩阵加法、数乘、乘法等运算，对易混点与适用条件作了提示，并标注相应课本页码。已有4605人学习，适合用作课堂笔记补充、期末复习提纲或考研第一轮知识清单，帮助读者把零散公式串联成可检索的章节体系。

1. 线性代数的一张地图：四条主线与两类固定动作

线性代数的骨架其实很窄：先用行列式给方阵配一个数，再把数表本身当成研究对象得到矩阵，接着用初等变换把矩阵化简、量出它的秩，最后用向量组把方程组的解讲清楚。四条主线像接力，前一环的定义就是后一环的入口，断在哪一环，后面都会卡住。贯穿全篇的其实只有两类动作：把行列式化成上三角形，把矩阵化成行最简形。复习时只背定义、不练这两个动作，考场上第一步就会停住。这份梳理面向正在系统学和准备考试的人，按知识地图、模块要点、易漏点、核对清单的顺序铺开，可以当复习提纲用。

2. 行列式：从二阶三阶到 n 阶的符号体系

行列式是整门课唯一一个「算出来是一个数」的对象，它的全部难点集中在一件事上：每一项前面的正负号从哪来。把符号问题吃透，后面矩阵、秩、方程组都只是它的延伸。

2.1 二、三阶行列式与对角线法则的适用边界

二阶行列式由四个数按固定位置排成两行两列，值等于主对角线之积减去副对角线之积，写出来是 a11a22 − a12a21。它本质上是一个算式，结果是一个数，而不是一张表。三阶行列式把六项按「三条主方向取正、三条副方向取负」的规律展开，这就是对角线法则。

对角线法则好用，但边界极硬：只适用于二阶和三阶。四阶开始，项数从 6 涨到 24，靠画线已经数不清符号，必须换方法。这条限制是后面一切「化三角形」技巧的动机。

行列式最早的用途是解方程。二元方程组在系数行列式 D ≠ 0 时，解可以直接写成两个行列式的商：

• D 由未知量系数按原顺序排成；
• D1 是把 D 的第一列换成常数项；
• D2 是把 D 的第二列换成常数项；
• 最终 x1 = D1 / D，x2 = D2 / D。

举一组具体数字：方程组 2x1 + x2 = 3 与 x1 − 3x2 = −2，系数行列式 D = 2×(−3) − 1×1 = −7，D1 = 3×(−3) − 1×(−2) = −7，D2 = 2×(−2) − 3×1 = −7，于是 x1 = 1，x2 = 1。三元方程组完全同理，只是要把三个行列式都算出来。这套规律可以一直推广到 n 元，前提仍然是系数行列式不为零，推广后的形式就是克拉默法则。

2.2 全排列与逆序数：n 阶行列式符号的真正来源

n 阶行列式的定义并不神秘，它只是把三阶那六项的规律一般化。要一般化，先得有两件工具：全排列和逆序数。

把 n 个不同元素排成一列，叫一个全排列，全部排列的总数是 n!。在一个排列里，如果前面的数大于后面的数，就说这两个数构成一个逆序；一个排列中逆序的总数叫逆序数，记作 t。t 为奇数的叫奇排列，为偶数的叫偶排列。

数逆序数有两种等价做法，考场上选顺手的那个：

拿排列 3 1 4 2 举例：3 后面比它小的有 1 和 2，计 2；1 后面没有更小的，计 0；4 后面有 2，计 1；2 后面没有，计 0。合计 t = 3，是奇排列。用「看前面」的方法复核：3 前面 0 个，1 前面比它大的有 3，计 1；4 前面 0 个；2 前面比它大的有 3 和 4，计 2；同样得 3。

有了逆序数，n 阶行列式就可以写成：所有取自不同行、不同列的 n 个元素乘积的代数和，每一项的符号由列标排列的逆序数 t 决定，取 (−1)^t。围绕这个定义有五条必须记牢的说明：

1. 行列式是根据「方程个数等于未知量个数」这类方程组的求解需要定义的，是一种特定算式；
2. n 阶行列式展开后共有 n! 项的代数和；
3. 每一项都是位于不同行、不同列的 n 个元素的乘积，这一条是判断「某一项是否属于展开式」的唯一标准；
4. 符号只看排列的逆序数，行标按自然序排好时就是列标排列的逆序数；
5. 一阶行列式 |a11| 就等于 a11，不要和绝对值记号混为一谈。

由定义可以直接推出两个省力的结论：上三角、下三角行列式的值都等于主对角线上各元素之乘积；主对角行列式同样等于主对角元之积，而副对角行列式等于副对角元之积再乘以 (−1)^(n(n−1)/2)。这个指数是副对角线情形专用的，四阶时是 (−1)^6 = 1，五阶时是 (−1)^10 = 1，三阶时是 (−1)^3 = −1，手动推导两次比死记更可靠。

接下来是对换。把排列中任意两个元素对调、其余不动，叫一次对换；相邻两个对调叫相邻对换。核心结论只有一条：任意一次对换都会改变排列的奇偶性。由此得到推论：奇排列调成标准排列需要奇数次对换，偶排列需要偶数次。再往前走一步，还能证明在全部 n! 个排列中，奇排列与偶排列各占一半，这个「各占一半」在后面拆项、配对证明里经常被引用。

2.3 六条性质与化三角形这条主干道

行列式的计算量几乎全部消耗在「把某一行或某一列变成只剩一个非零元」上，而支撑这个动作的就是下面六条性质。它们对行成立，对列同样成立，因为转置不改变行列式的值。

性质 2 有个立刻能用的推论：两行完全相同，行列式为零。性质 3 也有两个推论：某行公因子可以提到行列式外面；某行全为零则行列式为零。

计算行列式只有两条路：一是按定义硬展开，只适合项数极少的低阶；二是用性质 6 把行列式化成上三角形，再把主对角线元素乘起来。后者是主干道，操作顺序可以固定下来：先看第一列，若 a11 为 0 就用性质 2 换一行非零的上来并记一次变号；再用第一行的倍数把第一列下方全部消成 0；然后对第二列、第三列重复同样的动作，直到形成上三角。

以一个三阶行列式为例：

D = | 1 2 3 | | 4 5 6 | | 7 8 10 | r2 - 4r1 → 第二行变为 (0, -3, -6) r3 - 7r1 → 第三行变为 (0, -6, -11) r3 - 2r2 → 第三行变为 (0, 0, 1) 上三角的主对角线为 1, -3, 1，乘积 = -3

整个过程中只用到了性质 6，行列式的值不变，所以 D = −3。用按行展开复核：1×(5×10 − 6×8) − 2×(4×10 − 6×7) + 3×(4×8 − 5×7) = 2 + 4 − 9 = −3，两边一致。这种「算完换一种方法验一次」的习惯，在四阶、五阶题上能救回大量因一次符号失误而丢的分。

2.4 按行按列展开、范德蒙德与克拉默法则

化三角形适合「元素没有明显规律」的行列式，而当某一行或某一列出现大量零时，按行（列）展开更划算。

在 n 阶行列式中，划去元素 aij 所在的第 i 行和第 j 列，剩下的 n−1 阶行列式叫 aij 的余子式，记作 Mij；再乘上 (−1)^(i+j)，得到代数余子式 Aij = (−1)^(i+j) Mij。引理说：如果某一行除 aij 外全为零，那么行列式就等于 aij 与它的代数余子式之积。展开定理把这个结论推到一般情形：n 阶行列式等于任意一行（列）各元素与其对应代数余子式乘积之和。

展开定理还有一个反向的推论，也是极易忘掉的一条：某一行（列）的元素与另一行（列）对应元素的代数余子式乘积之和等于零。这条「异乘变零」在构造证明题时几乎必用，看到题目要求「证某个和式为零」，第一反应就该是它。

范德蒙德行列式是展开定理的经典产物，它的形状是每行按同一个底数的 0 次、1 次、2 次……幂排列，值等于所有「后一底数减前一底数」的连乘积。识别它的关键不是背公式，而是看列与列之间是否构成等比关系，一旦确认形状，直接写连乘结果即可。

克拉默法则把行列式和方程组连了起来：若线性方程组的系数行列式 D ≠ 0，则方程组有唯一解，且 xj = Dj / D，其中 Dj 是把 D 的第 j 列换成常数项后得到的行列式。它的逆否命题同样好用：如果方程组无解或有两个不同的解，那么系数行列式必定为零。

齐次方程组的情形更简洁：系数行列式 D ≠ 0 时只有零解；反过来，如果齐次方程组有非零解，则 D 必为零。这两条一正一反，是判断「参数取何值时方程组有非零解」的标准套路。

注意：克拉默法则只适用于方程个数与未知量个数相等的情形，而且必须 D ≠ 0。方程个数不等于未知量个数时，只能回到矩阵的秩那条路上去判断。

3. 矩阵：运算规则、逆矩阵与分块降维

矩阵这一章的坑不在定义，而在「把矩阵当行列式用」。两者长得像、符号像，规则却处处相反，复习时最好从一开始就把区别摆在桌面上。

3.1 矩阵是数表，行列式是一个数

由 m×n 个数排成的 m 行 n 列数表叫 m 行 n 列矩阵，记作 A 或 (aij)m×n。元素是实数的叫实矩阵，是复数的叫复矩阵。下面这些特殊矩阵要能一眼认出来并说出性质：

• 方阵：行数与列数都等于 n，记作 An；
• 行矩阵、列矩阵：只有一行或一列，也叫行向量、列向量；
• 同型矩阵：行数相等且列数相等；
• 相等矩阵：同型且对应元素全相等，记作 A = B；
• 零矩阵：元素全为零，不同型的零矩阵不相等；
• 对角阵：不在主对角线上的元素全为零；
• 单位阵：主对角线元素全为 1、其余为 0，记作 E。

矩阵与行列式的本质区别可以压成一张表，考场上任何一步拿不准，回头对一眼即可：

3.2 矩阵乘法的三个硬约束

矩阵加法要求两个矩阵同型，对应位置相加即可，满足交换律、结合律，也有零元与负元。数乘是每个元素都乘同一个数，与加法合称矩阵的线性运算。

矩阵乘法是三处高频出错的地方：

第一，能乘的条件是左矩阵的列数等于右矩阵的行数。A 是 m×s 矩阵、B 是 s×n 矩阵，乘积才是 m×n 矩阵，其中 cij 等于 A 的第 i 行与 B 的第 j 列对应元素乘积之和。

第二，乘法不满足交换律，一般情况下 AB ≠ BA。更反直觉的是，两个非零矩阵相乘可能得到零矩阵，于是消去律也不成立：由 AB = AC 且 A ≠ 0 推不出 B = C。只有当 AB = BA 时才称 A 与 B 可交换。

第三，幂运算有边界。A 是 n 阶方阵时 Ak 表示 k 个 A 相乘，规定 A⁰ = E，并且 A^k · A^l = A^(k+l)、(A^k)^l = A^(kl)，但 (AB)^k 一般不等于 A^k B^k，因为中间交换不了。

乘法满足结合律与分配律，这些规律保证了后续化简可以按常规代数习惯进行。另有一类特殊矩阵值得单独记住：数量矩阵 kE（主对角线全为 k、其余为零）与任何同阶方阵都可交换，它作用在图形上相当于把图形放大 k 倍。这条性质在因式分解、构造可交换例子时非常好用。

转置是把矩阵的行换成同序数的列，记作 Aᵀ。它的运算性质有反序特征：(Aᵀ)ᵀ = A，(A + B)ᵀ = Aᵀ + Bᵀ，(kA)ᵀ = kAᵀ，而 (AB)ᵀ = BᵀAᵀ。

方阵的行列式是由 n 阶方阵元素按原位置构成的行列式，记作 |A| 或 det A。它有两条性质特别容易和数乘混淆：|Aᵀ| = |A|，|kA| = kⁿ|A|，以及 |AB| = |A||B|。注意 |kA| 里的指数是 n，因为 k 乘遍了每一行，n 行就贡献了 k 的 n 次方；而在行列式内部提公因子时，一次只能提一行，提出来是一个 k。这两个 k 完全不是一回事，是整章最容易混的一处。

对称矩阵满足 A = Aᵀ，元素以主对角线为轴对应相等；若 A = −Aᵀ，则称反对称矩阵，其元素满足 aij = −aji，主对角线元素必为零。

3.3 逆矩阵、伴随矩阵与奇异判定

对 n 阶矩阵 A，如果存在 n 阶矩阵 B 使 AB = BA = E，就称 A 可逆，B 是 A 的逆矩阵，记作 A⁻¹。三点必须记死：A 与 B 互为逆阵；只有方阵才谈逆阵；可逆矩阵的逆矩阵唯一。

判定与计算合并成一条定理：A 可逆的充分必要条件是 |A| ≠ 0，并且当 A 可逆时 A⁻¹ = A*/|A|，其中 A* 是伴随矩阵。由此引出两个称呼：|A| = 0 时称奇异矩阵，|A| ≠ 0 时称非奇异矩阵。推论是：若 A 可逆，则 |A⁻¹| = 1/|A|。

伴随矩阵的定义是：把 |A| 的各个元素的代数余子式 Aij 按原位置排成一个新矩阵，再转置（也就是把 Aij 放在第 i 行第 j 列的位置上）。它最容易忘的是性质，而这几个性质恰是做大题的关键：

• AA* = A*A = |A|E；
• |A*| = |A|^(n−1)；
• (A*)⁻¹ = A/|A|，即 A⁻¹ = A*/|A| 的另一写法；
• (A*)* = |A|^(n−2) A；
• (kA)* = k^(n−1) A*；
• (AB)* = BA，顺序同样要反。

求逆矩阵有三条路：用定义解方程、用伴随矩阵套公式、用初等行变换。前两条适合二阶、三阶的小矩阵，第三条是通法。逆矩阵的运算性质同样带反序：(AB)⁻¹ = B⁻¹A⁻¹，(Aᵀ)⁻¹ = (A⁻¹)ᵀ，(kA)⁻¹ = (1/k)A⁻¹。

方阵的多项式是另一个常考小点：设 f(x) 是 x 的多项式、A 是 n 阶矩阵，把 x 换成 A、常数项换成常数与 E 的乘积，就得到矩阵 A 的多项式 f(A)。矩阵 A 的任意两个多项式 f(A) 与 g(A) 一定可交换，并且可以像普通多项式一样相乘、因式分解。

手算完逆矩阵想验一下，最省事的是几行代码：

import numpy as np A = np.array([[1, 2, 3], [2, 2, 1], [3, 4, 3]], dtype=float) det = np.linalg.det(A) # 行列式，为 0 则奇异，逆不存在 print(round(det, 6)) # 2.0 if abs(det) > 1e-12: # 浮点比较不要直接写 det != 0 inv = np.linalg.inv(A) # 逆矩阵 print(inv) print(np.allclose(A @ inv, np.eye(3))) # 验证 A·A⁻¹ = E

这段代码的作用是核对，不是替代手算。np.linalg.det 给出的是浮点结果，阶数稍高就会带误差，所以判零要用 abs(det) > 1e-12 这种阈值写法；np.allclose 比直接写 == 更稳妥，因为矩阵乘法结果会有极小的数值偏差；np.eye(3) 生成三阶单位阵，作为验证的标准答案。

3.4 分块矩阵与准对角阵的降维

分块的目的是简化运算。用若干条纵线和横线把矩阵切成若干小矩阵，每个小矩阵叫子块，以子块为元素的形式上的矩阵叫分块矩阵。切法可以任意，但要服从运算规则。

分块矩阵的加法要求 A 与 B 同型且分块方法完全相同，对应子块相加；数乘是每个子块都乘同一个数；转置是把子块整体转置、同时子块之间的位置也要换，不能只转置子块内部；乘法要求 AB 本身有意义，并且 A 的列的划分方式与 B 的行的划分方式一致，然后像普通矩阵一样「行乘列」，只是元素换成了子块。

分块对角阵（准对角矩阵）是性价比最高的一类：只有主对角线上有非零子块，其余子块都是零矩阵，且每个非零子块都是方阵。它的四条结论值得背下来：

线性方程组也可以分块表示：Ax = b，其中 A 是系数矩阵，x 是未知数向量，b 是常数向量，把 b 拼在 A 的右边得到的 (A, b) 称为增广矩阵。把增广矩阵分块写开，正是后面用初等变换解方程组的形式基础。

4. 初等变换与秩：把方程组解的判定拆成一条链

到这里，前面两章攒下的工具开始合流：初等变换负责化简，秩负责度量，方程组解的判定则是两者的合成结果。这条链的顺序不能乱：先看变换、再看形态、再算秩、最后判解。

4.1 三种初等变换与初等矩阵的左右之别

矩阵的初等行变换有三种：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。把「行」换成「列」，就是三种初等列变换，记号由 r 换成 c。行变换与列变换合称初等变换。它们有一个共同的好性质：逆变换仍是同类型的初等变换。

若矩阵 A 经过有限次初等变换变成 B，就称 A 与 B 等价，记作 A ~ B。等价关系满足反身性、对称性、传递性，这三条保证了「等价类」这个概念站得住。

初等矩阵是由单位矩阵经过一次初等变换得到的方阵。它最重要的性质是把「变换」翻译成「乘法」：对 m×n 矩阵 A 施行一次初等行变换，相当于在 A 的左边乘上相应的 m 阶初等矩阵；施行一次初等列变换，相当于在 A 的右边乘上相应的 n 阶初等矩阵。左右之分绝不能弄反。

由这条性质可以立刻得到：方阵 A 可逆的充分必要条件是存在有限个初等方阵使 A 等于它们的乘积。这也是初等变换能用来求逆矩阵的理论依据。

初等变换的三个典型应用必须练熟：

• 求逆矩阵：对 (A | E) 只做行变换，化成 (E | A⁻¹)；
• 求 A⁻¹B：对 (A | B) 只做行变换，化成 (E | A⁻¹B)，比先求逆再相乘省一半计算量；
• 求秩：把矩阵化成行阶梯形，数非零行的行数。

4.2 行阶梯形、行最简形与标准型

化简之前要先知道目标长什么样，这三种形态是整章的路标：

标准型是与 A 等价的所有矩阵中形状最简单的那个，右上角的 r 就是矩阵的秩。这里有一条必须刻进肌肉记忆的分工：解线性方程组时只允许用行变换，因为列变换会改变未知量的对应关系，等于偷偷换了变量；求秩、求标准型、求等价类代表时，行变换和列变换都可以用。这条分工是后面很多错题的根源。

4.3 矩阵的秩：定义、性质与求法

秩是矩阵最重要的一个数，它衡量的是「有效信息的行数」。

严格定义是：在矩阵 A 中，如果存在一个不等于 0 的 r 阶子式 D，而所有 r+1 阶子式（如果存在）全等于 0，那么 D 叫最高阶非零子式，r 叫矩阵 A 的秩，记作 R(A)。零矩阵的秩规定为 0。这个定义不好算，但它在证明题里不可替代，因为「秩为 r」和「存在 r 阶非零子式」是同一句话。

常用性质整理如下：

求秩的实操只有一句话：用初等变换把矩阵化成行阶梯形，非零行的行数就是秩。背后的定理是初等变换不改变秩，即 A ~ B 则 R(A) = R(B)。若矩阵是 m×n 的，且 R(A) = m，称 A 为行满秩矩阵；若 R(A) = n，称 A 为列满秩矩阵；方阵的秩等于阶数时称满秩矩阵，此时行列式不为零、矩阵可逆，这三个条件是同一件事的三种说法。

4.4 线性方程组解的判定链

方程组有解称为相容，无解称为不相容。判定的全部依据是系数矩阵的秩与增广矩阵的秩的关系。

对 n 元齐次线性方程组 Ax = 0：R(A) = n 时只有零解；R(A) < n 时有非零解，且基础解系含有 n − R(A) 个向量，通解是这组基础解系的线性组合。

对 n 元非齐次线性方程组 Ax = b，判定要两步走：

通解的结构是固定的：非齐次方程组的通解等于它的一个特解加上对应齐次方程组的通解。写答案时，不带参数的那部分就是特解，带参数的部分就是齐次通解，两部分缺一不可。

具体求解步骤可以固化成流程：齐次方程组把系数矩阵 A 化成行阶梯形，判断是否有非零解，若有则继续化成行最简形，写出基础解系与通解；非齐次方程组把增广矩阵 B = (A, b) 化成行阶梯形，先判断是否有解，若有解再化成行最简形，取非零行首个非零元对应的未知量为非自由变量，其余为自由变量，写出通解。

矩阵方程 AX = B 有解的充分必要条件是 R(A) = R(A, B)。这一条把「解方程组」和「矩阵方程」两件事合并成了一个判据，考试里出现频率很高。

4.5 向量组的三重表述：向量、矩阵、方程组怎么互译

n 个数组成的有序数组称为 n 维向量，第 i 个数叫第 i 个分量。三点说明要记牢：列向量就是列矩阵，行向量就是行矩阵；行向量与列向量都按矩阵运算法则运算；行向量与列向量总被看作不同的向量，题目没说明时一律当列向量，行向量可看作列向量的转置。零向量记作 0，维数不同就是不同的零向量。

向量的线性运算满足八条规律，涵盖加法交换律、结合律、零元、负元，以及数乘的单位元、结合律、两条分配律。满足这八条性质的加法与数乘，统称线性运算。

向量组是若干个同维数向量组成的集合。一个 m×n 矩阵 A 天然携带 n 个 m 维列向量，也携带 m 个 n 维行向量组，这就是向量与矩阵之间的翻译通道。同一个对象有三种写法：

向量写法：x1·a1 + x2·a2 + ... + xn·an = b 矩阵写法：A x = b 方程写法：按分量展开的 n 元线性方程组 其中 A = (a1, a2, ..., an) 是系数矩阵， x = (x1, x2, ..., xn)ᵀ 是未知数向量， b 是常数向量，把 b 拼在 A 右边就是增广矩阵 (A, b)。

三种写法说的是同一件事：方程组有解，等价于常数向量 b 能由系数矩阵的列向量组线性表示；齐次方程组有非零解，等价于列向量组线性相关。复习时把这三句话当成一个整体记，比分别背三个定义牢靠得多。

5. 易错与易漏：五处最容易在考场上翻车的地方

这一节按「错在哪、为什么会错、怎么补」来组织。下面五条都是从大量题目里反复冒出来的，几乎每一届都有人在这里丢分。

第一处：把对角线法则用到四阶以上。

易漏点：拿到四阶行列式，下意识画线展开，硬凑六项或八项，符号完全对不上。

为什么漏：二阶三阶练得太多，画线动作变成了肌肉记忆；教材在这一段的例题也几乎都是低阶，形成了错误的适用范围感。

怎么补：在草稿纸边上写一句「n 阶共 n! 项，四阶 24 项」。写不出 24 项，就说明只能换方法。四阶开始只走两条路：化上三角形，或者按含零最多的行（列）展开。这个「项数」意识一旦建立，错误会立刻减少。

第二处：把 |kA| = kⁿ|A| 和行列式提公因子混为一谈。

易漏点：题目里出现 |2A|，直接写成 2|A|；反过来在行列式里提公因子时，又写成 kⁿ 倍。

为什么漏：两个动作长得像，都涉及「乘 k」，但作用对象完全不同——一个作用在整个矩阵的每一个元素，一个只作用在某一行（列）。

怎么补：判断标准只有一条：k 乘的是矩阵还是某一行。k 乘整个 n 阶矩阵，n 行都乘了 k，所以提出来是 kⁿ；k 只在行列式的某一行里，提出来就是一个 k。复习时把这两个式子并排写在同一张纸上，比分开背有效。

第三处：积的转置与积的逆忘了反序。

易漏点：(AB)ᵀ 写成 AᵀBᵀ，(AB)⁻¹ 写成 A⁻¹B⁻¹，(AB)* 写成 AB。

为什么漏：普通数的乘法可以交换，习惯性地把顺序当成无关紧要。

怎么补：见到「积的转置」「积的逆」「积的伴随」，动笔之前先在心里把顺序倒过来念一遍：B 在前、A 在后。养成这个顺序反射，比记三条公式更稳。

第四处：解方程组时用了列变换。

易漏点：把增广矩阵化成行阶梯形时，为了快，顺手做了一次列交换或列倍加，最后算出来的答案对不上。

为什么漏：化简矩阵时行变换和列变换都能用，肌肉记忆没有区分场景。

怎么补：给每个场景配一个固定的动作口令。解方程组、求逆矩阵、求 A⁻¹B，口令是「只用行变换」；求秩、求标准型、判断等价，口令是「行列都行」。写解答时如果做了一次列变换，必须在旁边注明变量替换关系，否则这一步就是错的。

第五处：基础解系的向量个数取错，或通解漏掉特解。

易漏点：把基础解系所含向量个数写成 m − R(A)（m 是方程个数），或者干脆写成 R(A)；非齐次方程组只写齐次通解，忘了加特解。

为什么漏：n 是未知量个数，也就是系数矩阵的列数，而题面里最先看到的是方程个数 m，两个数字容易互换；通解结构那一步写得太快，特解被漏掉。

怎么补：动笔写基础解系之前，先在草稿上写一行三个数：「未知量个数 n = ?，R(A) = ?，自由变量个数 = n − R(A)」。这一行写完，个数就不会错。非齐次题写答案时，先把「特解 + 齐次通解」的结构摆出来，再往里填内容，结构在，内容就不会缺。

6. 复习清单：一张核对表加二十分钟自测

复习到后期，最怕的不是不会，而是「以为会了」。把下面这张表当成核对清单，每一行都要能当场做出来，而不是看着眼熟。

再给一套二十分钟的自测流程，考前一周每天走一遍：

第一步，五分钟，从课本上随机挑一个四阶行列式，只允许用「化上三角形」这一条路，做完在旁边记下用了哪几条性质、变号几次。如果中途卡住，说明性质 6 的消元顺序还没形成条件反射。

第二步，五分钟，随手写一个三阶方阵，先算 |A|，再用伴随矩阵求 A⁻¹，最后用 (A | E) 化行变换复核。三处结果必须一致。这一步能同时暴露 |kA| 的指数问题和伴随矩阵的转置位置问题。

第三步，五分钟，写一个含参数的齐次方程组，问「参数取何值时方程组有非零解」。要求先按行列式判断，再按秩判断，两条路给出同一个答案。两条路对不上，问题多半出在秩的化简上。

第四步，五分钟，写一个非齐次方程组，判有解无解、求解、写出通解结构，并

本文还有配套的精品资源，点击获取