基于真题大数据分析，全面覆盖矩阵运算、向量空间、特征值与特征向量、二次型、线性方程组等核心模块，提供逐题拆解与命题规律总结，助你精准突破线代高分瓶颈。
立即查看真题全景年全国硕士研究生招生考试数学类试卷中，线性代数（Linear Algebra）模块延续了“基础为主、兼顾综合”的命题基调，整体难度适中偏稳，但对知识体系的完整性与计算精度提出了更高要求。试卷结构稳定，题型分布科学：选择题6道（每题4分）、填空题4道（每题4分）、解答题5道（共68分），总计约78分（数学一/二/三略有差异），覆盖2023考研线代真题所有核心知识点。
考查矩阵秩的性质（如r(AB) ≤ min{r(A), r(B)}）、伴随矩阵秩的分类讨论（当r(A)=n, n-1, <n-1时r(A)的取值），常与行列式结合出选择题或填空题。
阶实对称矩阵特征值、特征向量求解为必考内容；部分题目要求写出相似对角化矩阵P及Λ，考查计算熟练度。
通过秩比较或行列式是否为零判断；含参数向量组的线性相关性讨论是高频难点，需熟练掌握定义法与矩阵法。
正交变换法化二次型为标准形步骤完整（求特征值→单位化→构造P）；正定性判定需掌握顺序主子式全大于零的充要条件。
含参数方程组解的讨论（尤其无解情形）、齐次方程组基础解系求法、非齐次方程组特解求解，解答题常考。
在2023考研线代真题中，矩阵运算与向量空间构成解题根基。矩阵运算不仅考察基本操作（加法、乘法、转置、伴随、逆），更强调性质的灵活运用，例如：2023考研线代真题中出现一道选择题要求判断“若AB=0，则r(A)+r(B)≤n是否恒成立”，此题考查对秩的不等式理解深度，正确答案为“不一定成立”，反例需构造非零矩阵满足AB=0但秩和超过n。
设A为3阶矩阵，A为A的伴随矩阵，若|A|=2，则|3A - 2A⁻¹| = ?
解析思路：利用A = |A|A⁻¹ = 2A⁻¹，代入得3A - 2A⁻¹ = 6A⁻¹ - 2A⁻¹ = 4A⁻¹；又|A⁻¹| = 1/|A| = 1/2，故原式 = |4A⁻¹| = 4³ × |A⁻¹| = 64 × 1/2 = 32。
向量空间部分聚焦向量组的线性相关性、极大无关组与秩。2023年填空题考查：已知向量组α₁=(1,2,3), α₂=(2,λ,6), α₃=(3,6,λ)线性相关，求λ的值。通过行列式|α₁,α₂,α₃|=0计算得λ=3或λ=4（需验证排除重根无效情形），体现计算严谨性。
特征值与特征向量是2023考研线代真题的“重量级选手”，常出现在选择题、填空题及解答题中。2023年真题中，一道解答题要求：设3阶实对称矩阵A满足A² - 3A + 2E = 0，且r(A) = 2，求A的特征值及相似对角矩阵。
深度解析：由A² - 3A + 2E = 0得特征方程λ² - 3λ + 2 = 0 ⇒ λ=1或λ=2；由r(A)=2知λ=0不是特征值（否则r(A)≤2但需验证），进一步分析：若λ=1对应特征子空间维数为k，则λ=2对应维数为3-k；由r(A)=2及A可对角化（实对称），得特征值为{1,1,2}或{1,2,2}。结合A²=3A-2E两边取迹：tr(A²)=3tr(A)-4，设特征值为λ₁,λ₂,λ₃，则λ₁²+λ₂²+λ₃²=3(λ₁+λ₂+λ₃)-4，解得唯一可行组合为{1,1,2}，故相似对角阵为diag(1,1,2)。
线性方程组是2023考研线代真题解答题的常客，尤其侧重含参数方程组的解的讨论。2023年数学一第20题：设线性方程组
x₁ + x₂ + x₃ = 1
x₁ + λx₂ + x₃ = λ
x₁ + x₂ + λx₃ = λ²
问λ为何值时，方程组无解、有唯一解、有无穷多解？并求通解。
标准解法：对增广矩阵[Am|b]作初等行变换：
[1 1 1 | 1]
[1 λ 1 | λ]
[1 1 λ | λ²]
→ R₂-R₁, R₃-R₁：
[1 1 1 | 1]
[0 λ-1 0 | λ-1]
[0 0 λ-1 | λ²-1]
关键：当λ=1时，第三行变为[0 0 0 | 0]，第二行[0 0 0 | 0]，第一行x₁+x₂+x₃=1，r(A)=r(A|b)=1<3 ⇒ 无穷多解；通解为x₁=1-x₂-x₃。
当λ≠1时，r(A)=r(A|b)=3 ⇒ 唯一解；由回代得x₃=(λ²-1)/(λ-1)=λ+1，x₂=1，x₁=-λ。
当λ=-1时，第三行[0 0 -2 | 0] ⇒ x₃=0，第二行[0 -2 0 | -2] ⇒ x₂=1，第一行x₁+1+0=1 ⇒ x₁=0，唯一解(0,1,0)ᵀ。
次型是2023考研线代真题的“压轴常客”，常以正交变换法化标准形、正定性判定等形式出现。2023年真题中一道解答题给出二次型f(x₁,x₂,x₃) = xᵀAx，其中A的特征值为1,2,3，且A的迹tr(A)=6，行列式|A|=6。要求：(1)写出f的标准形；(2)判断A是否正定。
深度解答：
因A为实对称矩阵，存在正交矩阵Q使QᵀAQ = diag(λ₁,λ₂,λ₃) = diag(1,2,3)，故标准形为y₁² + 2y₂² + 3y₃²；
正定二次型的充要条件是所有特征值>0 ⇒ λ₁=1>0, λ₂=2>0, λ₃=3>0 ⇒ f正定 ⇒ A正定。
另一高频考点是配方法化二次型。例如f = x₁² + 2x₁x₂ + 2x₁x₃ + x₂² + 2x₂x₃ + x₃²，配方得f = (x₁+x₂+x₃)² + x₂² + x₃²，标准形为z₁² + z₂² + z₃²，正惯性指数p=3，负惯性指数q=0。
年真题中常以“已知参数判断正定性”出现，需结合上述方法选择最优路径。
年数学二第22题：设3阶矩阵A满足A² - 2A - 3E = 0，且r(A + E) = 2，求A的特征值及|A|。
解题路径：
由A² - 2A - 3E = 0 ⇒ (A - 3E)(A + E) = 0；
由r(A + E) = 2，得dim(N(A + E)) = 3 - r(A + E) = 1 ⇒ λ = -1是A的特征值，且几何重数为1；
特征方程λ² - 2λ - 3 = 0 ⇒ λ = -1 或 λ = 3；
因A为3阶矩阵，特征值必为-1,3,3（若为-1,-1,3则r(A + E) = 1，矛盾）；
故|A| = (-1)×3×3 = -9。
关键洞察：矩阵多项式方程可转化为特征值方程；秩条件可反推特征子空间维数（几何重数），进而确定特征值重数。此题是2023考研线代真题中逻辑链条最长的题目，凸显命题“重思维、轻计算”的新趋势。
设A = [[2,1,1],[1,2,1],[1,1,2]]，求其特征值与特征向量。
规范步骤：
特征方程：|A - λE| = |2-λ 1 1 |
|1 2-λ 1 |
|1 1 2-λ|
= (2-λ)³ + 1 + 1 - (2-λ) - (2-λ) - (2-λ)
= -(λ-4)(λ-1)² = 0
⇒ 特征值：λ₁=4（单根），λ₂=1（二重根）；
λ₁=4时，(A-4E)x=0：
[-2 1 1 | 0]
[1 -2 1 | 0]
[1 1 -2 | 0] → r=2 ⇒ x₁=x₂=x₃
特征向量：k(1,1,1)ᵀ, k≠0；
λ₂=1时，(A-E)x=0：
[1 1 1 | 0]
[1 1 1 | 0]
[1 1 1 | 0] → x₁+x₂+x₃=0
取基础解系：α₁=(1,-1,0)ᵀ, α₂=(1,0,-1)ᵀ
特征向量：k₁(1,-1,0)ᵀ + k₂(1,0,-1)ᵀ, (k₁,k₂)≠(0,0)
易错点：二重特征值对应的特征向量需验证线性无关性；最终通解需合并为线性组合形式。
• 目标：吃透定义定理，掌握基本运算；
• 行动：
• 目标：攻克高频考点，提升综合能力；
• 行动：
• 目标：稳定输出，形成应试节奏；
• 行动：
当r(A)=n时，r(A)=n；r(A)=n-1时，r(A)=1；r(A)<n-1时，r(A)=0。2023年真题中误判r(A)=n-1导致失分。
实对称矩阵不同特征值的特征向量自动正交，但相同特征值需正交化！2023年解答题因未正交化被扣2分。
正交变换法得到的是标准形（系数为特征值），非规范形（系数为±1）。2023年填空题混淆二者导致计算冗余。
通解必须写成“基础解系的线性组合 + 特解”，仅写“通解为k₁α₁+k₂α₂”不完整，2023年解答题因此扣分。
含参数方程组需分三类讨论（λ使系数阵奇异/增广阵秩增大/无解），2023年考生常漏“λ使r(A)<r(A|b)”情形。
答：线代的难点在于“抽象概念多”（如向量空间、线性变换），高数难点在于“计算量大”（如多重积分）。2023年线代真题难度中等，但比2022年略升（+5%综合题比例），主要体现在：特征值与矩阵方程综合题逻辑链条更长；二次型正定性判定需结合不等式知识。建议：线代复习以“概念理解+规范计算”双轨并进，避免陷入“只练计算不问原理”的误区。
答：选择题第1题（矩阵运算性质）、填空题第1题（行列式计算）通常是送分题。确保不丢分的关键是：
年真题中，85%的考生在“伴随矩阵计算”题失误，主因是混淆A与A⁻¹的关系（未用A = |A|A⁻¹）。
答：两种方法适用场景不同：
年真题中，解答题明确要求“用初等变换法”，考生若用克莱姆法则将扣步骤分。
答：不必！三种方法可自由选择：
年真题中，一道二次型题A=[[2,a,a],[a,2,a],[a,a,2]]，用顺序主子式计算复杂（三阶行列式含a³），改用特征值法更优：由A = (2-a)E + aJ（J为全1阵），知特征值为2-a+3a=2+2a（单根）和2-a（二重根），正定条件为2+2a>0且2-a>0 ⇒ -1 答：特征值λ的几何重数 = dim(N(A - λE)) = n - r(A - λE)，即特征子空间的维数；代数重数 = λ在特征方程中的重数。 关键结论：几何重数 ≤ 代数重数；当且仅当对所有特征值几何重数=代数重数时，A可对角化。 年真题中一道题给出A²=A，问A是否可对角化：由A²-A=0得特征值λ=0或1；对λ=0，几何重数=r(A)=n-r(A)；对λ=1，几何重数=r(E-A)；由r(A) + r(E-A) ≥ r(A + E - A) = r(E) = n，且几何重数和 ≤ n，故几何重数=代数重数 ⇒ A可对角化。Q5：2023考研线代真题答案解析里提到“几何重数”，什么是几何重数？