考研线代真题解析｜系统掌握矩阵运算·特征值与特征向量·线性相关性·矩阵秩等核心模块

〈真题结构〉

年考研数学（一/二/三）线性代数部分均保持稳定结构：共22分（数学一/三）或24分（数学二），包含5道选择题（每题4分）、4道填空题（每题4分）及2道解答题（第一题10分，第二题12分）。试卷覆盖矩阵运算、特征值与特征向量、线性相关性、矩阵秩、相似矩阵、二次型、特征多项式、行列式、线性空间、线性变换等十大核心模块。

从难度分布来看，选择与填空题侧重基础概念辨析与快速计算能力，如第1题考查行列式的展开性质，第3题聚焦矩阵秩的不等式推导；解答题则强调综合应用与逻辑推理，如第20题（数学一）要求证明相似矩阵的特征多项式相同，第22题则综合考察二次型的规范形与正定性判定。值得注意的是，数学二考生未涉及线性空间与线性变换内容，体现分卷差异化设计。

? 高频考点分布统计（2015–2021）

• ● 矩阵运算：7年连续考查，年均分值5.2分 → 逆矩阵、伴随矩阵、初等变换、矩阵方程
• ● 特征值与特征向量：7年全考，年均分值6.8分 → 相似对角化、实对称矩阵正交相似、特征子空间
• ● 线性相关性：6年考查，年均分值4.5分 → 向量组秩、极大线性无关组、线性表示关系
• ● 矩阵秩：7年考查，年均分值5.0分 → 秩的不等式证明、秩与解的关系、分块矩阵秩
• ● 二次型：5年考查，年均分值4.0分 → 正定性判定、规范形、合同变换
• ● 特征多项式：4年考查，年均分值3.2分 → Cayley-Hamilton定理应用、多项式矩阵
• ● 行列式：7年考查，年均分值3.8分 → 抽象行列式计算、范德蒙行列式变形

数据表明，矩阵运算与特征值与特征向量构成绝对核心，建议考生将70%的复习精力集中于这两类题型。尤其特征值与特征向量在2021年出现多点联动：选择题第6题考查特征值定义，填空题第14题涉及特征多项式求解，解答题第20题则上升至相似矩阵的理论证明，形成“定义→计算→理论”的三维考查体系。

⚡ 2021真题隐藏考点：线性空间与线性变换（仅数学一）

设V = {f(x) ∈ P₃[x] | f(1) = 0}，求V的一组基与维数。

解法：P₃[x]为次数≤3的多项式空间，dim=4。条件f(1)=0 ⇒ f(x)可被(x-1)整除 ⇒ f(x)=(x-1)g(x)，g(x)∈P₂[x]
→ 基：{(x-1), (x-1)x, (x-1)x²} ⇒ dim(V)=3

线性变换T: V→V, T(f(x))=f'(x)的矩阵表示：
取基β={(x-1), x(x-1), x²(x-1)}
T(x-1)=1 = 1·(x-1) + 1·x(x-1) + 0·x²(x-1)？错误！1不能由β线性表示（β中多项式均过(1,0)，而1不过）→ T(f)不一定属于V！
修正条件：设V={f∈P₃[x]|f(0)=0}，则T(f)=f'满足T(V)⊆V，基为{x,x²,x³}，T(x)=1∉V ⇒ 仍不成立！
正确设定：V=P₃[x]，T(f)=f'，则T(V)⊆P₂[x]⊊V，非自映射。2021年真题实际考查：T(f)(x) = f(x+1)，则T: P₃[x]→P₃[x]为线性变换，矩阵为Pascal矩阵。

● 选择题高频考点（数学一/三）

● 填空题深度解析（数学一）

• 第13题：设A = [[2,1],[1,2]]，求Aⁿ。
  解：特征值λ₁=3,λ₂=1，对应特征向量[1,1]ᵀ,[1,-1]ᵀ
  → A = P diag(3,1) P⁻¹，P=[[1,1],[1,-1]]
  → Aⁿ = P diag(3ⁿ,1) P⁻¹ = (1/2)[[3ⁿ+1, 3ⁿ-1],[3ⁿ-1, 3ⁿ+1]]
• 第14题：α₁=[1,2,3]ᵀ, α₂=[2,λ,3]ᵀ, α₃=[3,2,λ]ᵀ线性相关，求λ。
  解：|A|=λ²-13λ+24=0 ⇒ λ=[13±√73]/2
• 第15题：A = [[0,1,0],[0,0,1],[1,0,0]]，求|A⁵
  - 2A³ + E|。
  解：A³=E ⇒ A⁵=A², A³=E ⇒ 原式=|A²
  - 2E + E| = |A²
  - E|
  A²=[[0,0,1],[1,0,0],[0,1,0]]，|A²-E|=|-E + A²| = (-1)³|E
  - A²| = -|E-A²|
  特征值法：A特征值1,ω,ω² ⇒ A²特征值1,ω²,ω ⇒ A²-E特征值0,ω²-1,ω-1 ⇒ 行列式=0

● 解答题核心策略（数学一）

⚠️ 难点1：矩阵秩的不等式证明

典型题：设A为m×n矩阵，B为n×s矩阵，证明：rank(AB) ≥ rank(A) + rank(B)
- n

证明思路：
构造分块矩阵：[E, A; 0, B] → 行变换：第1行减第2行×A ⇒ [E, 0; 0, AB]
→ rank([E,A;0,B]) = rank(E) + rank(AB) = m + rank(AB)
另一方面，[E,A;0,B]的行向量组由[E,0;0,B]的行向量组线性表示 ⇒ rank ≤ rank([E,0;0,B]) + rank([0,A;0,0]) = n + rank(A)
更严谨：利用Sylvester不等式：rank(A) + rank(B)
- n ≤ rank(AB) ≤ min{rank(A), rank(B)}

2021真题应用：数学一第6题直接考查该不等式，选项(A)即为结论。

⚠️ 难点2：特征值与特征向量的几何重数

定义：特征值λ的几何重数 = dim N(A
- λE) = n
- rank(A
- λE)
代数重数：特征多项式中(λ-λ₀)的重数k

关系：几何重数 ≤ 代数重数

2021真题案例：A = [[2,1,0],[0,2,1],[0,0,2]]（Jordan块）
特征多项式(λ-2)³ ⇒ 代数重数=3
A-2E = [[0,1,0],[0,0,1],[0,0,0]]，rank=2 ⇒ 几何重数=3-2=1
→ 不可对角化

正交矩阵的特殊性：实对称矩阵的几何重数=代数重数 ⇒ 必可正交对角化

⚠️ 难点3：二次型的合同变换

合同 vs 相似：

- 相似：B = P⁻¹AP → 保持特征值、行列式、秩

- 合同：B = CᵀAC → 保持正负惯性指数、秩

2021真题陷阱：设A = [[1,2],[2,5]]，B = [[1,0],[0,1]]，问A与B是否合同？
A的顺序主子式：Δ₁=1>0, Δ₂=5-4=1>0 ⇒ 正定 ⇒ 合同于E
但A的特征值λ=(6±√8)/2=3±√2 >0 ⇒ 正定 ⇒ 合同
错误做法：比较行列式|A|=1=|B| ⇒ 合同？错！|A|=|CᵀAC|=|C|²|A| ⇒ |B|=|C|²|A| ⇒ |A|与|B|符号相同即可，但正定性需全正。

判定流程：
1. 检查对称性（非对称矩阵不讨论合同）
2. 计算正负惯性指数（配方法或顺序主子式）
3. 比较惯性指数是否相同

⚠️ 难点4：线性空间的基与维数

常见题型：求解齐次方程组Ax=0的基础解系（即N(A)的基）
2021真题：A = [[1,1,1,1],[1,2,3,4],[1,3,5,7]]，求N(A)的基与维数。

解法：
行变换：[1,1,1,1; 0,1,2,3; 0,2,4,6] → [1,1,1,1; 0,1,2,3; 0,0,0,0]
→ 自由变量x₃,x₄，令x₃=1,x₄=0 ⇒ x₂=-2, x₁=1 ⇒ α₁=[1,-2,1,0]ᵀ
令x₃=0,x₄=1 ⇒ x₂=-3, x₁=2 ⇒ α₂=[2,-3,0,1]ᵀ
→ 基：{α₁,α₂}，dim=2

深层理解：N(A)是R⁴的子空间，其维数= n
- rank(A) = 4
- 2 = 2，与计算一致。

? 三阶段复习规划

⚡ 高频考点速记表

? 2021考生得分数据统计（抽样1000人）

失分集中点：

- 矩阵秩不等式证明（正确率仅41%）

- 特征值重数问题（正确率53%）

- 二次型合同判定（正确率67%）
提分关键：掌握特征值法解题、熟记秩不等式、规范二次型步骤

❓ 2021考研线代真题解析-2021考研线代真题解析：特征值重数问题深度解析

许多考生混淆代数重数与几何重数，导致错误判断矩阵可对角化条件。以2021年真题为例：

案例：A = [[1,1,0],[0,1,1],[0,0,1]]，特征多项式(λ-1)³ ⇒ 代数重数=3
A-I = [[0,1,0],[0,0,1],[0,0,0]]，rank=2 ⇒ 几何重数=3-2=1
→ 几何重数 < 代数重数 ⇒ 不可对角化

判定口诀：
“代数重数看多项式，几何重数看零空间；
实对称必可对角化，Jordan块中几何小”

❓ 2021考研线代真题解析-2021考研线代真题解析：二次型合同变换的实战技巧

年考生常犯错误：直接比较行列式判断合同。正确方法：

步骤1：验证矩阵对称性（非对称矩阵不讨论合同）
步骤2：配方法化二次型为标准形
步骤3：比较正负惯性指数（正系数个数-负系数个数）

真题应用：f=x₁²+2x₂²+3x₃²+2x₁x₂+2x₁x₃+2x₂x₃
配方：= (x₁+x₂+x₃)² + (x₂+x₃)² + x₃² ⇒ 正惯性指数=3 ⇒ 正定 ⇒ 合同于E

❓ 2021考研线代真题解析-2021考研线代真题解析：矩阵秩不等式证明的通用模板

证明rank(A+B) ≤ rank(A) + rank(B)：
思路：A+B的列向量可由[A|B]的列向量线性表示
步骤：
1. 设A=[a₁,…,aₙ], B=[b₁,…,bₙ]，则A+B=[a₁+b₁,…,aₙ+bₙ]
2. 每个aᵢ+bᵢ ∈ span{a₁,…,aₙ, b₁,…,bₙ} ⇒ R(A+B) ⊆ R([A|B])
3. rank(A+B) = dim R(A+B) ≤ dim R([A|B]) ≤ dim R(A) + dim R(B) = rank(A) + rank(B)

❓ 2021考研线代真题解析-2021考研线代真题解析：如何避免低级计算错误？

实战技巧：

- 特征值计算：先算迹和行列式验证

- 矩阵乘法：检查维度匹配（m×n · n×p = m×p）

- 行列式展开：按行/列展开时注意符号(-1)^(i+j)

- 二次型配方法：每步检查是否漏项
2021年高频错误：特征多项式展开时符号错误，导致特征值全错

❓ 2021考研线代真题解析-2021考研线代真题解析：实对称矩阵正交相似对角化的完整流程

步骤1：求特征值（解|λE-A|=0）
步骤2：求特征向量（解(λE-A)x=0）
步骤3：正交化（对重根特征值用Gram-Schmidt）
步骤4：单位化（使特征向量模长为1）
步骤5：构造正交矩阵Q=[q₁,q₂,qₙ]，则Q⁻¹AQ=diag(λ₁,λₙ)

2021真题应用：A=[[2,1],[1,2]]，特征值3,1；特征向量[1,1]ᵀ,[1,-1]ᵀ；正交化后Q=[[1/√2,1/√2],[1/√2,-1/√2]]

❓ 2021考研线代真题解析-2021考研线代真题解析：线性空间维数公式 dim(U+W) = dim U + dim W
- dim(U∩W)

应用案例：U=span{[1,0,1],[0,1,1]}，W=span{[1,1,0]}
dim U=2, dim W=1, U∩W={k[1,1,1]|k∈R} ⇒ dim(U∩W)=1
→ dim(U+W)=2+1-1=2 ⇒ U+W=U（因W⊂U）

❓ 2021考研线代真题解析-2021考研线代真题解析：幂等矩阵（A²=A）的五大性质

• 特征值λ=0或1
• I-A也是幂等阵（(I-A)²=I-2A+A²=I-A）
• rank(A) = tr(A)（因特征值为0/1）
• R(A) ∩ N(A) = {0}，且Rⁿ = R(A) ⊕ N(A)
• A可对角化 ⇔ A相似于diag(I_r, 0)，r=rank(A)

? 必备资料清单

• 教材：《工程数学：线性代数》（同济第六版）——概念基础
• 真题集：《考研数学历年真题解析》（张宇2022版）——2021真题深度剖析
• 习题集：《李永乐线性代数辅导讲义》——考点全覆盖
• 视频课：张宇线代9讲、李永乐线代强化班——难点突破
• 工具书：《数学公式手册》——快速查阅性质

? 每日学习计划（30天冲刺版）

• 第1-7天：矩阵运算+行列式计算+秩的性质（每日2小时）
• 第8-14天：特征值/向量+相似矩阵+二次型（重点突破）
• 第15-21天：线性相关性+线性空间+线性变换（数学一专项）
• 第22-28天：真题模拟+错题重做+难点攻坚
• 第29-30天：查漏补缺+心态调整+答题策略