线性代数高效学习指南（矩阵篇）：从行列式到矩阵的完整攻略
说实话，线性代数是大学数学里最”结构化”的一门课。
它的概念、定理都很抽象，但一旦理解了，就会发现其实很有规律。
今天学长分享矩阵运算与秩的学习方法，帮你建立线性代数的框架。
行列式：矩阵的基础
行列式的定义
二阶行列式：
|a₁₁ a₁₂|
|a₂₁ a₂₂| = a₁₁a₂₂ - a₁₂a₂₁
三阶行列式（沙路法）：
|a₁₁ a₁₂ a₁₃|
|a₂₁ a₂₂ a₂₃| = a₁₁a₂₂a₃₃ + a₁₂a₂₃a₃₁ + a₁₃a₂₁a₃₂
|a₃₁ a₃₂ a₃₃| - a₁₃a₂₂a₃₁ - a₁₂a₂₁a₃₃ - a₁₁a₂₃a₃₂
行列式的性质
基本性质：
| 性质 | 说明 |
|---|---|
| 转置相等 | D = D^T |
| 互换行 | 变号 |
| 两行相等 | D = 0 |
| 行元素公因子 | 可提出 |
| 两行成比例 | D = 0 |
| 某行为零 | D = 0 |
| 行加性 | 可拆成两个行列式之和 |
重要推论：
- 某行全为0 → D=0
- 两行相同 → D=0
- 两行成比例 → D=0
学长说
行列式的性质是简化计算的基础。 看到行列式，先想能不能用性质化简。
行列式的计算
按行（列）展开
按第i行展开：
D = aᵢ₁Aᵢ₁ + aᵢ₂Aᵢ₂ + ... + aᵢₙAᵢₙ
其中Aᵢⱼ是aᵢⱼ的代数余子式（余子式Mᵢⱼ乘以(-1)^(i+j)）
常用技巧
技巧1：化三角形
用性质把行列式化成上（下）三角形，主对角线元素乘积即为行列式值。
技巧2：加边法
行列式加一行（列），在满足条件下不影响值。
技巧3：范德蒙行列式
|1 1 1 ... 1 |
|a₁ a₂ a₃ ... aₙ |
|a₁² a₂² a₃² ... aₙ² |
|... ... ... ... ... |
|a₁^(n-1) a₂^(n-1) a₃^(n-1) ... aₙ^(n-1)|
= ∏(aⱼ - aᵢ), i<j
技巧4：递推法
用展开式建立递推关系。
学长说
行列式计算没有万能方法。 观察结构，选择最合适的方法。 多做题就会有感觉。
矩阵：线性代数的核心
矩阵的定义
矩阵： m×n个数排成的数表
特殊矩阵：
| 类型 | 定义 | 记号 |
|---|---|---|
| 方阵 | m=n | n阶方阵 |
| 行矩阵 | 1×n | - |
| 列矩阵 | m×1 | - |
| 零矩阵 | 全部元素为0 | O |
| 对角矩阵 | 除主对角线外均为0 | diag(λ₁,λ₂,…,λₙ) |
| 单位矩阵 | 对角线为1，其余为0 | E或I |
| 数量矩阵 | 对角线为k，其余为0 | kE |
| 三角形矩阵 | 上（下）三角 | - |
矩阵的运算
加法与数乘
加法： 同型矩阵对应元素相加
数乘： 数乘每个元素
运算规律：
- A+B = B+A
- (A+B)+C = A+(B+C)
- A+O = A
- A+(-A) = O
- 1·A = A
- k(lA) = (kl)A
- (k+l)A = kA + lA
- k(A+B) = kA + kB
矩阵乘法
条件： A是m×s，B是s×n，则AB是m×n
计算： Cij = A的第i行与B的第j列对应元素乘积之和
Cij = Σ aᵢₖ · bₖⱼ (k=1 to s)
运算规律（注意不是全部满足）：
- (AB)C = A(BC)
- A(B+C) = AB + AC
- (B+C)A = BA + CA
- k(AB) = (kA)B = A(kB)
- AE = EA = A
注意：
AB ≠ BA（不一定成立）
AB = O ⇏ A=O或B=O
AB = AC ⇏ B=C（除非A可逆）
学长说
矩阵乘法不满足交换律，这是最容易出错的地方。 做矩阵乘法时，一定要按”行×列”的顺序来。
矩阵的转置
定义： 将矩阵的行换成列
记号： A
性质：
- (A^T)^T = A
- (A+B)^T = A^T + B
- (kA)^T = kA
- (AB)^T = B^T A
对称矩阵： A^T = A 反对称矩阵： A^T = -A
方阵的幂
定义： A^k = A·A·…·A（k个A相乘）
常用技巧：
- 找规律（有时需要化简表达式）
- 数学归纳法
- 秩1矩阵的性质
学长说
方阵的幂计算是难点。 关键找规律，找到规律就简单了。
逆矩阵
逆矩阵的定义
定义： 若存在矩阵B，使得AB = BA = E，则称A可逆，B是A的逆矩阵，记作A⁻¹
重要性质：
- 可逆矩阵必为方阵
- 若AB=E，则BA=E（A必可逆）
- A的逆矩阵唯一
伴随矩阵法求逆
公式：
A⁻¹ = A* / |A|
其中 A* 是A的伴随矩阵（A*的(i,j)元是A的(j,i)元的代数余子式）
学长说
伴随矩阵法适合小阶矩阵（2阶、3阶）。 高阶矩阵一般用初等变换法求逆。
初等变换法求逆
原理：
[A|E] → [E|A⁻¹]
行初等变换（行变换法）：
[A|E] → 初等行变换 → [E|A⁻¹]
步骤：
- 写增广矩阵[A|E]
- 对A进行行变换，同时对E进行同样的变换
- 当A变成E时，E就变成了A⁻¹
学长说
初等变换法是求逆矩阵的通用方法。 必须熟练掌握！
逆矩阵的性质
| 性质 | 说明 |
|---|---|
| (A⁻¹)⁻¹ = A | 逆的逆是原矩阵 |
| (kA)⁻¹ = (1/k)A⁻¹ | 数乘的逆 |
| (AB)⁻¹ = B⁻¹A⁻¹ | 乘积的逆 |
| (A⁻¹)^T = (A^T)⁻¹ | 转置的逆 |
矩阵的秩
秩的定义
k阶子式： 在矩阵A中任取k行k列，位于交叉处的k²个元素构成的行列式
矩阵的秩： A的非零子式的最高阶数，记作r(A)
等价定义：
- r(A)=r ↔ A中至少有一个r阶子式不为0，所有r+1阶子式均为0
- r(A)=r ↔ A的等价标准形为 diag(Eᵣ, O, O) （对角块）
秩的性质
| 性质 | 说明 |
|---|---|
| 0 ≤ r(A) ≤ min(m,n) | m×n矩阵 |
| r(A) = r(A^T) | 转置不改变秩 |
| r(kA) = r(A) | 非零数乘不改变秩 |
| r(AB) ≤ min(r(A), r(B)) | 乘积的秩 |
| r(A+B) ≤ r(A) + r(B) | 和的秩 |
| r(A) + r(B) - n ≤ r(AB) | 乘积的秩（下界） |
秩的计算
方法1：定义法
计算非零子式的最高阶数
方法2：初等变换法
用初等行变换化行阶梯形，非零行数即为秩
方法3：同时行列变换
既可用行变换也可用列变换
学长说
秩的计算是线性代数的基础技能。 化行阶梯形是最常用、最简单的方法。
秩的应用
1. 判断向量组线性相关性
向量组α₁,α₂,...,αₛ构成矩阵A = [α₁,α₂,...,αₛ]
r(A) = s → 线性无关
r(A) < s → 线性相关
2. 判断方程组解的情况
Ax = b 有解 ⟺ r(A) = r(A|b)
有唯一解 ⟺ r(A) = r(A|b) = n
无穷多解 ⟺ r(A) = r(A|b) < n
3. 求最大无关组
初等列变换化行最简形
分块矩阵
分块原则
按行列分块： 根据需要划分
常用分块：
| 分块方式 | 适用情况 |
|---|---|
| 按列分块 | 讨论线性表示 |
| 按行分块 | 讨论线性方程组 |
| 对角分块 | 简化运算 |
分块运算
加法： 同维分块，对应块相加
数乘： 数乘每个块
乘法： 块之间符合矩阵乘法规则
转置： 块转置，元素也转置
分块对角矩阵：
A = diag(A₁, A₂, ..., Aₛ)
则 |A| = |A₁|·|A₂|·...·|Aₛ|
A⁻¹ = diag(A₁⁻¹, A₂⁻¹, ..., Aₛ⁻¹)
初等矩阵
初等矩阵的定义
三种初等矩阵：
| 类型 | 行变换 | 矩阵形式 |
|---|---|---|
| E(i,j) | 交换i,j两行 | 对调第i,j行 |
| E(i(k)) | 第i行乘k | 第i行乘k |
| E(i,j(k)) | 第i行加第j行的k倍 | 第i行加第j行的k倍 |
初等矩阵的性质
性质1： 初等矩阵左乘A，相当于对A做相应的行变换
性质2： 初等矩阵右乘A，相当于对A做相应的列变换
性质3： 初等矩阵都是可逆的
性质4： 可逆矩阵可以表示为有限个初等矩阵的乘积
学长说
初等矩阵是联系初等变换和矩阵乘法的桥梁。 记住：左乘做行变换，右乘做列变换。
学长私房话
说实话，矩阵是线性代数的核心。
行列式是工具，矩阵是主角。
学长的学习方法：
- 理解概念
- 矩阵和行列式的区别要清楚
- 秩的几何意义要理解
- 熟练计算
- 矩阵乘法要多练
- 求逆矩阵要熟练
- 掌握性质
- 秩的性质要会用
- 分块矩阵运算要掌握
学长踩过的坑
我大一学线代，矩阵乘法总是算错。 后来我发现，问题出在不按规则来。 严格按照”行×列”的规则，一步步算，就不会错。 按规则来，就不会出错！
线代学习的关键是理解结构，掌握规则，多做练习！
加油！