2016考研数学：线性代数备考要尽早.docVIP

2016考研数学：线性代数备考要尽早 　2016年考研寒假复习已经开始了，对于准备早考研的考生来说寒假正好是预热准备的环节，所以对于数学的基础概念理论知识更需要在起步的时候打好基础，凯程考研数学老师为大家总结考研复习初期复习一些方法和概念总结，希望能够帮助16考研人做好基础备考。 　　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，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。 　　例如：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) 　　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) 　　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，凯程考研提醒同学们整理时要注重串联、衔接与转换。 　　线性代数的概念很多，重要的有： 　　代数余子式，伴随矩阵，逆矩阵，初等变换与初等矩阵，正交变换与正交矩阵，秩(矩阵、向量组、二次型)，等价(矩阵、向量组)，线性组合与线性表出，线性相关与线性无关，极大线性无关组，基础解系与通解，解的结构与解空间，特征值与特征向量，相似与相似对角化，二次型的标准形与规范形，正定，合同变换与合同矩阵。 　　往年常有考生没有准确把握住概念的内涵，也没有注意相关概念之间的区别与联系，导致做题时出现错误。 　　例如，矩阵A=(α1，α2，…，αm)与B=(β1，β2…，βm)等价，意味着经过初等变换可由A得到B，要做到这一点，关键是看秩r(A)与r(B)是否相等，而向量组α1，α2，…αm与β1，β2，…βm等价，说明这两个向量组可以互相线性表出，因而它们有相同的秩，但是向量组有相同的秩时，并不能保证它们必能互相线性表现，也就得不出向量组等价的信息，因此，由向量组α1，α2，…αm与β1，β2，…βm等价，可知矩阵A=(α1，α2，…αm)与B=(β1，β2，…βm)等价，但矩阵A与B等价并不能保证这两个向量组等价。 　　又如，实对称矩阵A与B合同，即存在可逆矩阵C使CTAC=B，要实现这一点，关键是二次型xTAx与xTBx的正、负惯性指数是否相同，而A与B相似是指有可逆矩阵P使P-1AP=B成立，进而知A与B有相同的特征值，如果特征值相同可知正、负惯性指数相同，但正负惯性指数相同时，并不能保证特征值相同，因此，实对称矩阵A～BAB，即相似是合同的充分条件。 　　线性代数中运算法则多，应整理清楚不要混淆，基本运算与基本方法要过关，重要的有： 　　行列式(数字型、字母型)的计算，求逆矩阵，求矩阵的秩，求方阵的幂，求向量组的秩与极大线性无关组，线性相关的判定或求参数，求基础解系，求非齐次线性方程组的通解，求特征值与特征向量(定义法，特征多项式基础解系法)，判断与求相似对角矩阵，用正交变换化实对称矩阵为对角矩阵(亦即用正交变换化二次型为标准形)。 　提倡一个早字，是提醒考生考研数学备考要早计划、早安排、早动手。因为数学是一门思维严谨、逻辑性强、相对比较抽象的学科。和一些记忆性较多的学科不同，数学需要理解的概念多，方法又灵活多变，而理解概念，特别是理解比较抽象的概念是一个渐近的过程，它需要思考、消化，需要琢磨、需要从不同的角度、不同的侧面的深入研究，总之它需要时间，任何搞突击，搞速成的思想不可取，这对大多数考生而言，不可能取得成