以下是小编整理的考研数学线性代数命题注重知识点的衔接与转换（共含3篇），仅供参考，希望能够帮助到大家。同时，但愿您也能像本文投稿人“Sylvia”一样，积极向本站投稿分享好文章。
考研数学线性代数命题注重知识点的衔接与转换
考研数学线性代数从内容上看纵横交错，前后联系紧密，环环相扣，相互渗透，因此解题方法灵活多变，根据数学辅导专家多年来对考研数学命题的分析发现，线性代数的命题重点，除了对基础知识的注重外，还偏向于知识点的衔接与转换。
举例来说，设A是m×n矩阵，B是n×s矩阵，且AB＝0，那么用分块矩阵可知B的列向量都是齐次方程组Ax＝0的解，再根据基础解系的理论以及矩阵的秩与向量组秩的关系，可以有r(B)≤n－r(A)即r(A)＋r(B)≤n，进而可求矩阵A或B中的一些参数。
再如，若A是n阶矩阵可以相似对角化，那么，用分块矩阵处理P－1AP＝∧可知A有n个线性无关的特征向量，P就是由A的线性无关的特征向量所构成，再由特征向量与基础解系间的`联系可知此时若λi是ni重特征值，则齐次方程组(λiE－A)x＝0的基础解系由ni个解向量组成，进而可知秩r(λiE－A)＝n－ni，那么，如果A不能相似对角化，则A的特征值必有重根且有特征值λi使秩r(λiE－A)＜n－ni，若A是实对称矩阵，则因A必能相似对角化而知对每个特征值λi必有r(λiE－A)＝n－ni，此时还可以利用正交性通过正交矩阵来实现相似对角化。
又比如，对于n阶行列式我们知道：若|A|＝0，则Ax＝0必有非零解，而Ax＝b没有惟一解(可能有无穷多解，也可能无解)，而当|A|≠0时，可用克莱姆法则求Ax＝b的惟一解；可用|A|证明矩阵A是否可逆，并在可逆时通过伴随矩阵来求A－1；对于n个n维向量α1，α2，……αn可以利用行列式|A|＝|α1α2……αn|是否为零来判断向量组的线性相关性；矩阵A的秩r(A)是用A中非零子式的最高阶数来定义的，若r(A)＜r，则A中r阶子式全为0；求矩阵A的特征值，可以通过计算行列式|λE－A|，若λ＝λ0是A的特征值，则行列式|λ0E－A|＝0；判断二次型xTAx的正定性，可以用顺序主子式全大于零。
凡此种种，正是因为线性代数各知识点之间有着千丝万缕的联系，代数题的综合性与灵活性就较大，同学们整理时要注重串联、衔接与转换。复习时应当常问自己做得对不对？再问做得好不好？只有不断地归纳总结，努力搞清内在联系，使所学知识融会贯通，接口与切入点多了，熟悉了，思路自然就开阔了。
考研数学 线性代数必备知识点
研究生备考的硝烟还未散尽时，另一场战役已经打响。在考研数学的三门课里，线性代数这门课的特点又是什么呢?线性代数这门课对考生的抽象能力的要求特别的高，大纲要求主要考查的有抽象行列式的计算，抽象矩阵求逆，抽象矩阵求秩，抽象行列式求特征值与特征向量，这四种抽象题型是考研线性代数每年常出题型，占有很大比重，要求同学们有较高的综合能力。
线性代数的前后知识的连续性强完全是由它自身的知识体系和逻辑推理方式来决定的，很多同学也都说线性代数的公式概念结论特别的多，前后联系特别的紧密，在做一个题时，如果有一个公式或者结论不知道，后面的过程就无法做下去，其实这也符合考研大纲的要求的考生运用所学的知识分析问题和解决问题的能力。如果和高等数学做个比较，我们把高等数学看作是一个连续性的推理过程，线性代数就是一个跳跃性的推理过程，在做题时表现的会很明显。同学们在做高等数学的题时，从第一步到第二步到第三步在数学式子上一个一个等下去很清晰，但是同学们在做线性代数的题目时从第一步到第二步到第三步经常在数学式子上看不出来，比如行列式的计算，从第几行(或列)加到哪行(列)很多时候很难一下子看出来。针对上述特点，给出线性代数的各章节重要知识点具体复习建议，希望同学们的复习能够有的放矢。
一、行列式与矩阵
行列式、矩阵是线性代数中的基础章节，从命题人的角度来看，可以像润滑油一般结合其它章节出题，因此必须熟练掌握。
行列式的核心内容是求行列式――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高阶两种类型，主要方法是应用行列式的性质及按行(列)展开定理化为上下三角行列式求解;而对于抽象行列式而言，考点不在如何求行列式，而在于结合后面章节内容的相对综合的题。
矩阵部分出题很灵活，频繁出现的知识点包括矩阵各种运算律、矩阵的基本性质、矩阵可逆的判定及求逆、矩阵的秩、初等矩阵等。
二、向量与线性方程组
向量与线性方程组是整个线性代数部分的核心内容。相比之下，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，而其后两章特征值和特征向量、二次型的`内容则相对独立，可以看作是对核心内容的扩展。
向量与线性方程组的内容联系很密切，很多知识点相互之间都有或明或暗的相关性。复习这两部分内容最有效的方法就是彻底理顺诸多知识点之间的内在联系，因为这样做首先能够保证做到真正意义上的理解，同时也是熟练掌握和灵活运用的前提。
这部分的重要考点一是线性方程组所具有的两种形式――矩阵形式和向量形式;二是线性方程组与向量以及其它章节的各种内在联系。
(1)齐次线性方程组与向量线性相关、无关的联系
齐次线性方程组可以直接看出一定有解，因为当变量都为零时等式一定成立――印证了向量部分的一条性质“零向量可由任何向量线性表示”。
齐次线性方程组一定有解又可以分为两种情况：①有唯一零解;②有非零解。当齐次线性方程组有唯一零解时，是指等式中的变量只能全为零才能使等式成立，而当齐次线性方程组有非零解时，存在不全为零的变量使上式成立;但向量部分中判断向量组是否线性相关、无关的定义也正是由这个等式出发的。故向量与线性方程组在此又产生了联系――齐次线性方程组是否有非零解对应于系数矩阵的列向量组是否线性相关。可以设想线性相关、无关的概念就是为了更好地讨论线性方程组问题而提出的。
(2)齐次线性方程组的解与秩和极大无关组的联系
同样可以认为秩是为了更好地讨论线性相关和线性无关而引入的。秩的定义是“极大线性无关组中的向量个数”。经过 “秩→线性相关、无关→线性方程组解的判定”的逻辑链条，就可以判定列向量组线性相关时，齐次线性方程组有非零解，且齐次线性方程组的解向量可以通过r个线性无关的解向量(基础解系)线性表示。
(3)非齐次线性方程组与线性表出的联系
非齐次线性方程组是否有解对应于向量是否可由列向量
三、特征值与特征向量
相对于前两章来说，本章不是线性代数这门课的理论重点，但却是一个考试重点。其原因是解决相关题目要用到线代中的大量内容――既有行列式、矩阵又有线性方程组和线性相关性，“牵一发而动全身”。
本章知识要点如下：
1. 特征值和特征向量的定义及计算方法就是记牢一系列公式和性质。
2. 相似矩阵及其性质，需要区分矩阵的相似、等价与合同：
3. 矩阵可相似对角化的条件，包括两个充要条件和两个充分条件。充要条件一是n阶矩阵有n个线性无关的特征值;二是任意r重特征根对应有r个线性无关的特征向量。
4. 实对称矩阵及其相似对角化，n阶实对称矩阵必可正交相似于以其特征值为对角元素的对角阵。
四、二次型
这部分所讲的内容从根本上讲是特征值和特征向量的一个延伸，因为化二次型为标准型的核心知识为“对于实对称矩阵，必存在正交矩阵，使其可以相似对角化”，其过程就是上一章实对称矩阵相似对角化的应用。
本章核心要点如下：
1. 用正交变换化二次型为标准型。
2. 正定二次型的判断与证明。
2013考研数学线性代数难点知识点分析
在考研数学中，线性代数部分所占分值为22%，虽然所占比例不及高数分值高，但同样重要。线性代数部分内容相对容易，考试的时候出题的套路比较固定。但线代的考题对考生对基本概念的理解要求很高，很多考生往往是读完了题却不知道题目的实际含义是什么。这就要求同学们在复习时多注意一下基本概念。
依据2013考研数学新大纲以及历年真题来看，线性代数的重难点如下：
一、行列式
行列式的性质、行列式按行（列）展开定理是重点，但不是难点。在行列式的计算题目中，尤其是抽象行列式的计算，常用到矩阵的相关知识，应提高对知识的综合运用能力。
二、矩阵
逆矩阵、矩阵的初等变换、矩阵的秩是重点。逆矩阵的.计算，以及矩阵是否可逆的判定属于常考内容。矩阵的初等变换常以选择题形式出现。
三、向量
向量组的线性相关与线性无关是一个重点，要求掌握向量组线性相关、线性无关的性质及判别法，常以选择题、解答题形式出现。正交矩阵也可以作为一个重点掌握。考查最多的是施密特正交化法。
四、线性方程组
方程组解的讨论、待定参数的解的讨论问题是重点考查内容。掌握用初等行变换求解线性方程组的方法。
五、矩阵的特征值和特征向量
矩阵的特征值、特征向量的计算以及矩阵的对角化是重点。对于抽象矩阵，要会用定义求解；对于具体矩阵，一般通过特征方程 求特征值，再利用 求特征向量。相似对角化要掌握对角化的条件，注意一般矩阵与实对称矩阵在对角化方面的联系与区别。
六、二次型
这部分需要掌握两点：一是用正交变换和配方法化二次型为标准形，重点是正交变换法。需要注意的是对于有多重特征值时，解方程组所得的对应的特征向量可能不一定正交，这时要正交规范化。二是二次型的正定性，掌握判定正定性的方法。
