简介这是一份由CSDN用户weixin_35816805分享的丘维声《高等代数》学习笔记第一辑适配正在系统学习线性代数与高等代数基础的大学生、考研备考者及自学爱好者。资源以pdf格式提供共1个文件大小约1.21MB内容聚焦线性方程组、行列式、线性空间三大核心章节笔记基于B站丘维声151讲视频整理而成包含知识点梳理、例题讲解与习题思路便于按章节对照学习。目前已有1173人学习下载认可度较好。相比通篇抄录教材这份笔记更强调逻辑框架与解题方法如矩阵消元法、n阶行列式定义、克莱姆法则、向量组的秩、基与维数等均有细致提炼同时配有习题思路点拨有助于快速构建高等代数的知识体系提升抽象思维与解题能力。1. 高等代数笔记怎么读先抓住那条主线高等代数学习笔记里最容易被低估的是一条主线n元线性方程组怎样一步步引出矩阵、行列式、线性空间最后落到线性映射。许多学习者学完第一章就在行列式里迷失方向觉得性质太多、展开太绕根源就是没意识到行列式只是研究所用到的一把工具而不是学习的目的本身。这份笔记的逻辑链路非常清晰——方程组靠消元法求解求解过程需要判别解的情况于是行列式登场解集本身携带结构于是线性空间成为新舞台。适合三类人阅读正在跟着课程视频逐讲推进的初学者、期末前需要重建知识框架的复习者以及做题时“定理都会、下笔就错”的实战型选手。先记住主干再往每个分支填细节复习效率会明显不一样。2. 线性方程组消元、判别与数域三件事一次理清2.1 矩阵消元法三种初等行变换为什么不动“解”解线性方程组的核心操作是加减消元而把它写成矩阵形式后所有操作都集中到增广矩阵的初等行变换上。三种初等行变换是把一行的倍数加到另一行、两行互换、一行乘以非零系数。这三点看起来简单却是第一章最容易被“自以为会了”的部分。为什么这三类操作不改变解集因为每一步都相当于对原方程组做了一次可逆的线性组合新方程组与原方程组可以互相推出解集自然完全一致。实际操作中有一个容易忽略的顺序问题增广矩阵化成阶梯形矩阵时必须按列推进先处理第一列再处理第二列直到最后一列。阶梯形矩阵的特征是左下角元素全为0主元尽量化为1。如果中途跳列操作很容易把已经化好的列重新弄乱。主元的定义要记牢——每个非零行的第一个非零元素就是主元主元所在列的未知量叫主变量其余未知量在无穷多解的情况下叫自由未知量。提示解方程组时只能使用初等行变换不能对列做变换。列变换相当于交换未知量的次序会破坏方程与未知量的对应关系。消元过程有个终极形态当阶梯形矩阵进一步化为简化阶梯形——主元全为1、同一列其余元素为0——最后一列直接就是唯一解。复习时建议把两种形态分开理解阶梯形负责判断解的情况简化阶梯形负责读出解很多参考书混为一谈做题时反而容易卡在“下一步该干嘛”。2.2 解的情况三分类无解、唯一解、无穷多解线性方程组在有理数域内有且只有三种结果无解、唯一解、无穷多解。判别方法可以浓缩成一张表情况判别标志结论无解阶梯形中出现 0 dd ≠ 0原方程组无解唯一解不出现 0 d且非零行数 r n有且只有一个解无穷多解不出现 0 d且非零行数 r n有 n − r 个自由未知量这里 n 是未知量的个数r 是阶梯形矩阵的非零行数。判别顺序很重要先检查有没有“0 d”这样的矛盾行再比较 r 与 n。很多人先比较 r 再找矛盾行结果把无解的题目误判成唯一解。为什么 r n 时一定有唯一解因为 n 个非零行对应 n 个主元第 r 个主元只能落在前 n 列而不能落在第 n 1 列于是可以从最后一个方程开始自下而上逐个解出所有未知量。为什么 r n 时有无穷多解剩余 n − r 个自由未知量可以取任意值每一个取值组合都会产生一组解。几何直觉能帮助记忆两个二元一次方程对应两条直线相交、平行、重叠三种位置关系恰好对应唯一解、无解、无穷多解。把这种直觉上升到一般情形就会发现方程组解的情况本质上由“主元位置”决定而不是由方程的个数决定。2.3 数域最容易当常识略过的定义数域这一节在笔记里单独列出却被很多人当成“显然成立”直接跳过。数域的定义是复数集的一个非空子集 K满足三件事——包含 0 和 1对加减乘封闭对除法封闭分母不为 0。有理数域 Q 是最小的数域实数域 R 和复数域 C 是常见例子。为什么教材要在这里专门讨论数域因为“解方程组”这件事必须在某个数域内进行解里出现不属于该数域的数就不能被接受。一个经典习题是证明 Q(i) {a bi | a, b ∈ Q} 是数域。证明思路分三步先说明 0 0 0i、1 1 0i 都在 Q(i) 里再验证 α ± β 和 αβ 仍属于 Q(i)最后处理除法 α/β核心是分母有理化——当 β c di ≠ 0 时c、d 不全为 0把分子分母同乘 c − di 即可。这类题训练的不是技巧而是“按定义逐条检查”的数学习惯。注意判断一个集合是不是数域最容易被漏掉的是除法封闭。只验证了加减乘等于只做了一半。行列式的引入其实也埋在这里。对二元方程组唯一解的条件恰好是 a₁₁a₂₂ − a₂₁a₁₂ ≠ 0这个表达式就是二阶行列式。也就是说行列式不是凭空冒出来的符号而是解方程组过程中自然分离出来的判据。3. 行列式算法记牢性质吃透展开别漏符号3.1 n元排列与逆序数行列式定义的前置n元排列指 1, 2, …, n 的全排列一共有 n! 个。任取排列中的两个数若较大数排在较小数前面称为一个逆序逆序总数叫逆序数记作 τ。逆序数是偶数时称偶排列是奇数时称奇排列。对换——交换排列中两个数字的位置——会改变排列的奇偶性这是理解行列式符号的关键。n阶行列式的定义可以这样读取不同行、不同列的 n 个元素相乘列标排列按自然顺序递归展开时每一项的符号由列标排列的逆序数决定即带上 (−1)^τ。定义本身不需要逐字死背但要理解为什么要引入逆序数——因为对换改变奇偶性使得“交换两行行列式反号”这一性质在定义层面就得到保证。行列式最终算出来的是一个数而矩阵是一个数表这两者从定义开始就是不同的对象后面做题很多人就是在这一点上开始混的。上三角行列式有一个直接结论它的值等于主对角线上 n 个元素的乘积。这个命题是行列式计算的第一个降维工具几乎所有数值型行列式题目的终点都是“把行列式化成上三角然后对角线相乘”。3.2 七条性质一张表串起来行列式的七条性质是整套计算逻辑的骨架建议先抄成一张表编号性质内容最直接的用途1行列互换转置值不变关于行的性质对列同样成立2一行的公因子可以提出来化简时先提因子3某一行是两组数之和可拆成两个行列式之和证明其他性质的工具4两行互换行列式反号交换行后必须改符号5两行相同行列式为 0判断含重复行的行列式6两行成比例行列式为 0判断含比例行的行列式7把一行的倍数加到另一行值不变绝大多数化简的主力操作性质 7 是化简的主力它由性质 3 和性质 5 推出。性质 5 又可由性质 4 得到两行相同互换后行列式等于它自身又等于它的相反数所以只能为 0。注意一个容易出错的对比在解方程组时“一行乘以非零系数”是合法行变换且不改变解集但在行列式中一行乘以非零系数会让行列式的值扩大相应倍数正确做法是把公因子提出去而不是“不变”。这是两个领域规则的分水岭。这七个性质合并成一种策略用性质 7 把行列式化成上三角再用“主对角线乘积”收尾。化上三角的过程里主元下方的元素全部用行倍加消掉能不交换行就尽量不交换因为交换一次就要变一次号。3.3 按行展开与代数余子式符号为什么反复错余子式是划去第 i 行、第 j 列后剩下的 n − 1 阶行列式代数余子式是在余子式前面乘上 (−1)^(ij)。按第 i 行展开的公式是行列式等于第 i 行各元素与对应代数余子式乘积之和。另一个经常被忽略的定理是第 i 行元素与第 j 行j ≠ i相应元素的代数余子式乘积之和等于 0。前一条用于计算后一条用于证明两者往往搭配出现。按行展开最大的错误来源是符号。很多人划掉行列后忘了 (−1)^(ij)尤其当 i j 是奇数时整个项的符号直接反了。建议做题时先在纸边标出每个位置的符号棋盘再写代数余子式表达式。范德蒙行列式是展开法的高频应用相邻两行相减第 k 1 行减去第 k 行可以逐列转化为相邻元素差的形式最终写成连乘积。可以用一段短代码验证三阶行列式的计算import numpy as np A np.array([ [1, 4, 2], [3, 5, 1], [2, 1, 6] ]) print(np.linalg.det(A))这段代码调用 numpy 的np.linalg.det函数求行列式输出 −49与按第一行展开的手算结果一致。做大量计算练习时先用程序跑一遍再手算能快速区分“思路错”和“算错”而不是在同一个地方反复对答案。3.4 克莱姆法则与按k行展开克莱姆法则的条件先说清楚数域上 n 个方程、n 个未知数的线性方程组系数行列式不等于 0则有唯一解每个未知量的值等于把系数矩阵的对应列替换为常数项后所得行列式除以系数行列式。注意它只适用于方阵且系数行列式必须非零长方形方程组不能套用。对推论应该更敏感n 个方程、n 个未知数的齐次线性方程组只有零解当且仅当系数行列式不为 0有非零解当且仅当系数行列式等于 0。这个结论直接通向第三章的“解空间维数”——系数行列式为 0 时齐次方程组才有基础解系可言。按 k 行展开的拉普拉斯定理是按一行展开的推广在 n 阶行列式中取定 k 行所有 k 阶子式与对应代数余子式乘积之和等于原行列式。它适合处理分块行列式常见于进阶题目和部分考试压轴题一般复习阶段掌握到“知道这个定理存在、会用在分块结构上”即可。习题里常出现的是含参行列式何时为 0 的问题例如推导出“a 1 或 b 0”这类条件本质上都是在用行列式为零做判别。4. 线性空间从向量到基、维数、解空间的一条龙4.1 线性空间八条法则与子空间判别线性空间的定义框架是非空集合 V 配合一个数域 K在 V 上定义了加法在 K 与 V 之间定义了数乘并且满足八条运算法则。这八条不必逐字背诵但要能判断“给一个集合和运算它是不是线性空间”。整理成两类更好记加法四条——交换律、结合律、零元存在、负元存在数乘四条——结合律、分配律数乘对向量加法、分配律数乘对数加法、单位元作用。做题时最常犯的错是只验证封闭性忽略结合律和分配律——尤其当集合里的“加法”不是普通向量加法时分配律很容易出问题。子空间判别定理非常轻便非空子集 W 是子空间的充要条件是对加法和数乘封闭。为什么不需要重新验证八条因为 W 里的向量本来就属于 V继承的是 V 的运算只要封闭结合律与分配律自动成立。这里最容易被忽略的是“非空”二字最稳妥的做法是先确认零向量在 W 里。还要记住一个反例两个子空间的并集通常不是子空间——因为加法不封闭例如两条坐标轴上的向量分别都属于并集但 (1, 0) (0, 1) 不在合并后的集合里。4.2 线性相关与无关用方程组而不是背定义向量组线性相关的定义是存在不全为零的系数使线性组合等于零向量线性无关则是只有当系数全为零时才能凑出零向量。理解这个概念的最佳方式是把它翻译成齐次线性方程组以这些向量为列构造矩阵 A线性相关等价于齐次方程组 Ax 0 有非零解当向量个数等于维数时又等价于 det(A) 0。这也是为什么行列式章节要放在线性空间前面——行列式的值直接充当线性相关性的判别工具。几个常用性质值得反复用向量组有部分组线性相关则整体线性相关线性无关的向量组任意部分组都线性无关含零向量的向量组必线性相关线性相关当且仅当至少有一个向量可以由其余向量线性表出。这里“至少有一个”很容易读成“每一个都可以”做题时要注意反向思考。另一个重要结论若一个向量能被一个线性无关的向量组表出表出方式唯一若线性相关则表出方式可能不唯一。4.3 极大线性无关组、秩、基与维数极大线性无关组指一个部分组本身线性无关且添入向量组中任意其余向量后立刻线性相关。向量组的秩就是极大线性无关组所含向量的个数只含零向量的向量组秩为 0。基的定义更进一步基是能表出空间中所有向量的线性无关组维数是基所含向量的个数。有限维线性空间的任意两个基所含向量个数相等这是“维数”概念站得住脚的根基。矩阵的秩与向量组秩要能互相翻译矩阵的行秩等于列秩统称矩阵的秩初等行变换不改变矩阵的行秩也不改变列向量之间的线性相关性。所以“求一个向量组的秩”的通用做法是把向量按列排成矩阵做初等行变换化成阶梯形非零行数就是秩主元所在列对应原矩阵的列向量构成极大线性无关组。满秩矩阵的秩等于阶数对 n 阶方阵来说等价于行列式不为 0。4.4 解空间结构齐次与非齐次的关系齐次线性方程组 Ax 0 的解集 W 不仅仅是解集它本身是 Kⁿ 的一个子空间叫解空间。当系数矩阵的秩为 r 时解空间的维数是 n − r解空间的一个基就是基础解系。这意味着基础解系里应该有 n − r 个线性无关的解向量并且任意一个解都能由它们线性表出。许多人在这一步卡住是因为没有把“基础解系”和“解空间的一组基”画上等号——它们是同一个东西的两个名字。非齐次方程组 Ax b 的结构是这一章的高潮方程组有解时解集等于一个特解加上导出组 Ax 0 的解空间。也就是说先求出非齐次方程组的一个特解 η再求出导出组的基础解系 ξ₁, …, ξₙ₋ᵣ通解就是 η 加上它们的任意线性组合。这个“特解 齐次通解”的结构与微分方程中的“特解 通解”逻辑一致理解了它很多记忆就变成推理。4.5 子空间运算、维数公式与直和两个子空间的交集仍然是子空间两个子空间的和 V₁ V₂ {α₁ α₂ | α₁ ∈ V₁, α₂ ∈ V₂} 也仍然是子空间。维数公式是这一节的核心结论dim(V₁ V₂) dim V₁ dim V₂ − dim(V₁ ∩ V₂)。它像集合的容斥原理做题时常常用来反求交空间的维数因为交空间的基直接构造往往困难但维数可以通过公式间接得到。直和是子空间和的一种特殊情形V 中每个向量都能唯一表示为 V₁ 中向量与 V₂ 中向量之和。判断直和有多个等价条件零向量的表法唯一维数满足 dim V₁ dim V₂ dim(V₁ V₂)V₁ 的一组基与 V₂ 的一组基合起来构成 V 的一组基。这些条件对有限维和无限维都成立只是无限维时“基合起来”的表述要换成无限集合的对应说法。最后一个重要结论是每个子空间都有补空间这为后面的投影分解埋下伏笔。同构映射是这一章的收尾保持加法与数乘的双射称为同构映射域上两个有限维线性空间同构的充要条件是维数相等。也就是说任意 n 维线性空间都“长得像”Kⁿ研究 n 维空间可以统一地研究 Kⁿ这是线性空间理论最漂亮的一笔。5. 易漏易错点把常见的坑提前踩一遍5.1 概念层面三个最容易“想着对但其实是错”的位置易漏点一数域必须对四则运算全封闭。定义里写着“对加减乘除封闭”很多人练习时只验证了加减乘除法因为要处理分母为 0 的情况经常被顺手省略。为什么漏因为乘法的验证和除法很像但除法还要额外说明除数不为 0 时结果仍在集合里。怎么补判断数域前先强制问自己三个问题0 和 1 在不在里面任意 a、b 的加减乘还在不在里面b ≠ 0 时 a/b 还在不在里面三个问题都答“是”才算数域。易漏点二行列式与矩阵是两个对象。行列式算出来是一个数矩阵是一张数表。为什么漏因为书写形式太像都是方括号排列的数组一开始接触时很容易把行列式的值当成矩阵本身。怎么补看到 |A| 就默念“这是一个数值”看到 A 就默念“这是一张表”。两者运算规则也不一样行列式可以两行互换并变号矩阵初等变换只是过程操作行列式的乘积与矩阵乘积更不是一回事。易漏点三线性相关中的“至少有一个”不等于“每一个”。教材里的结论是线性相关时至少有一个向量可以由其余向量表出很多人做题时默认成任何一个都可以表出。例如 α₁ (1, 0)、α₂ (2, 0)、α₃ (0, 1)这个向量组线性相关——因为 α₁ − (1/2)α₂ 0 找到了非零系数——但 α₃ 并不能由 α₁、α₂ 表出它不在前两个向量张成的直线上。怎么补每次判断时先问“存在一个”再问“是不是所有”用反例打断自己的惯性。5.2 计算层面符号、变换方向与适用条件易错点一初等行变换与列变换混用。解线性方程组时增广矩阵只能做行变换因为列变换相当于交换未知量顺序会改变方程与未知量的对应关系。为什么错因为求矩阵的秩时列变换是被允许的两种操作在同一章出现很容易顺手用混。怎么补在解方程题的草稿纸顶部写“只许行变换”做完再检查一遍有没有动过列。易错点二行列式两行互换忘记反号。性质 4 写着“两行互换行列式反号”但实际化简时很多人为了把某个元素调到主元位置而交换行却忘了在结果前添一个负号。为什么错因为初等行变换里“两行互换”是不改变结果的合法操作行列式里规则变了。怎么补列出行变换时每做一次换行就在旁边画一个负号标记最后统一清点符号。易错点三按行展开漏掉 (−1)^(ij)。余子式本身没有符号代数余子式才有。很多人写展开式时直接拿元素乘余子式忘了代数余子式前面的符号因子。怎么补展开第一行的项时按“正、负、正、负”的节奏依次写符号而不是每项都临时算一次 i j。易错点四克莱姆法则用在非方阵上。克莱姆法则要求 n 个方程、n 个未知数且系数行列式不为 0。方阵条件经常被忽略遇到 2 个方程 3 个未知数的情况也去套用结果算出一堆无意义的东西。怎么补使用前先数行数和列数不是方阵就直接判断“不能用法则”改用消元法处理。5.3 用验证代替感觉一个检查手段计算型知识点最怕“感觉算对了”。行列式数值题可以先用程序快速验证再回头用手算检查import numpy as np # 二阶行列式验证a*d - b*c print(1 * 4 - 2 * 3) # 输出 -2 # 三阶行列式验证使用 numpy 自带函数 A np.array([ [1, 4, 2], [3, 5, 1], [2, 1, 6] ]) print(np.linalg.det(A)) # 输出 -49与手算一致这个技巧特别适合范德蒙行列式的连乘积结果、按行展开的符号检查以及含参行列式代入具体值后的快速验算。注意程序只能验证数值对错不能替代证明过程证明题仍然要一步步来。不过有了这个工具计算题“翻车”的概率会明显下降。6. 期末复习清单按这张表自查哪里漏补哪里复习阶段不要从头到尾再把笔记读一遍效率太低。最好的方式是按模块自查哪里不确定就回看哪里。模块必须默写出来的结论典型能力自查信号线性方程组三种解情况的判别条件三种初等行变换把增广矩阵化成阶梯形并判断解的情况看到含参方程组能立刻确定讨论顺序行列式七条性质按行展开公式克莱姆法则适用条件化上三角求值展开时不漏符号三阶以上数值题一次算对线性空间八条法则线性相关定义维数公式直和判别条件判断集合是否为子空间求秩与维数基础解系、特解与导出组的关系能说清我复习高代时最常翻车的就是符号和适用条件。后来养成了一个习惯先在白纸上不看书画出“方程组 → 矩阵 → 行列式 → 线性空间 → 线性映射”这条主线旁边的分支写核心结论然后动笔做三件事——默写行列式七条性质、写出维数公式和直和的三个等价条件、列举解空间维数 n − r。做完这三件事再去碰题错误率明显下降。从那以后我每次复习都强制自己先走一遍“白纸默写主线”的流程再进入题目。这个方法不需要额外资料一张 A4 纸就够但对查漏补缺非常有效。希望帮到你。本文还有配套的精品资源点击获取