考研数学二的线性代数部分通常包含2道大题，分值约为24-30分，占总分的20%左右，这两道大题主要分布在试卷的线性代数模块，考查内容覆盖矩阵运算、线性方程组、特征值与特征向量、二次型等核心知识点，以下从题型分布、考查重点、解题策略及典型例题等方面展开详细分析。
大题题型分布与考查重点
线性代数的大题通常分为两类：一是计算题或证明题，二是综合应用题，结合近年考研真题，两道大题的考查重点可归纳如下： 顺序考查模块核心知识点常见题型** | |--------------|----------------------|------------------------------------------------------------------------------|------------------------------------------------------------------------------| | 第一道大题 | 矩阵与方程组 | 矩阵运算、逆矩阵、秩、线性方程组解的判定与求解 | 含参数方程组求解、矩阵方程求解、秩的证明 | | 第二道大题 | 特征值与二次型 | 特征值与特征向量、矩阵的对角化、二次型的标准化、正定矩阵判定 | 特征值性质应用、相似矩阵证明、二次型化为标准形、正定矩阵的判定与证明 |
第一道大题：矩阵与线性方程组以计算为主，可能涉及证明，难度中等。
- 矩阵运算：要求计算矩阵的乘积、逆矩阵、伴随矩阵等，常结合矩阵的秩或行列式性质，给定矩阵方程 ( AX = B )，需通过逆矩阵法求解 ( X )。
- 线性方程组：含参数的齐次或非齐次线性方程组，需讨论参数取值对解的影响（唯一解、无穷多解、无解），并求基础解系或通解,通过系数矩阵的秩与增广矩阵的秩的关系判断解的情况。
第二道大题：特征值与二次型综合性较强，可能涉及多个知识点的交叉，难度较高。
- 特征值与特征向量：求矩阵的特征值和特征向量，或利用特征值性质（如迹、行列式）求解未知参数，已知矩阵的一个特征值,反求矩阵中的元素。
- 二次型：将二次型通过配方法或正交变换化为标准形，并判断二次型的正定性，利用正交变换将二次型 ( f(x_1,x_2,x_3) = x^TAX ) 化为标准形,并写出所用的正交矩阵。
解题策略与注意事项
-
矩阵与方程组：
- 熟练掌握矩阵的初等变换,求秩或解方程组时优先使用行变换。
- 含参数问题需分类讨论，避免遗漏特殊情况（如参数导致矩阵秩变化）。
- 注意方程组解的结构：齐次方程组的基础解系解向量个数为 ( n - r(A) ),非齐次方程组的通解为特解加对应齐次方程组的通解。
-
特征值与二次型：
- 求特征值时，先计算特征多项式 ( |\lambda E - A| ),注意因式分解技巧。
- 特征向量需满足 ( (\lambda E - A)X = 0 ),解线性方程组时避免计算错误。
- 正交变换化二次型时，需将特征向量正交化和单位化，确保正交矩阵 ( Q ) 满足 ( Q^{-1} = Q^T )。
-
时间分配：两道大题建议每题控制在15-20分钟内，遇到难题可先跳过,避免因小题耗时过多影响整体进度。
（图片来源网络，侵删）
典型例题解析
例题1（矩阵与方程组）
设 ( A ) 为 ( 3 \times 3 ) 矩阵，( A^ ) 为 ( A ) 的伴随矩阵，且 ( A ) 的秩为 1，已知 ( \eta = (1,2,3)^T ) 是 ( A^X = 0 ) 的解，求 ( AX = 0 ) 的通解。
解析：
- 由 ( r(A) = 1 )，得 ( r(A^) = 0 )（因 ( n=3 )，( r(A^) = n - r(A) = 0 ) 时 ( A^ = O )），故 ( A^X = 0 ) 的解为全体 ( \mathbb{R}^3 )。
- ( A^ = O ) 推出 ( |A| = 0 )，且 ( r(A) = 1 )，故 ( AX = 0 ) 的解空间维数为 ( 3 - 1 = 2 )，给出 ( \eta ) 是 ( A^X = 0 ) 的解，但未直接限制 ( AX = 0 ) 的解，需进一步分析：因 ( A^ = O )，无法直接利用 ( A^ ) 的性质，转而利用 ( r(A) = 1 ) 得 ( A ) 的行向量成比例，设 ( A = \begin{pmatrix} a & b & c \ ka & kb & kc \ la & lb & lc \end{pmatrix} )，通过 ( AX = 0 ) 可解得基础解系。
例题2（特征值与二次型）
设 ( A ) 为 ( 3 ) 阶实对称矩阵，( \lambda_1 = 1 ) 为 ( A ) 的二重特征值，( \lambda_2 = -2 ) 为单特征值，且 ( \alpha_1 = (1,1,1)^T ) 是 ( \lambda_1 ) 的特征向量，求 ( A ) 的特征向量及正交矩阵 ( Q )，使得 ( Q^TAQ ) 为对角矩阵。
解析：
- 实对称矩阵不同特征值对应的特征向量正交，设 ( \lambda_2 ) 的特征向量为 ( \alpha_2 = (x,y,z)^T )，则 ( \alpha_1 \cdot \alpha_2 = x + y + z = 0 )。
- 取 ( \alpha_2 = (1,-1,0)^T )（满足 ( x + y + z = 0 )），再取与 ( \alpha_1, \alpha_2 ) 正交的向量 ( \alpha_3 = (1,1,-2)^T )。
- 单位化得 ( Q = \begin{pmatrix} \frac{1}{\sqrt{3}} & \frac{1}{\sqrt{2}} & \frac{1}{\sqrt{6}} \ \frac{1}{\sqrt{3}} & -\frac{1}{\sqrt{2}} & \frac{1}{\sqrt{6}} \ \frac{1}{\sqrt{3}} & 0 & -\frac{2}{\sqrt{6}} \end{pmatrix} )，满足 ( Q^TAQ = \text{diag}(1,1,-2) )。
考研数二线性代数两道大题的考查重点明确，第一道侧重矩阵与方程组的计算，第二道侧重特征值与二次型的综合应用，复习时需强化基础运算能力，掌握分类讨论和综合应用技巧，同时注意解题的规范性和细节（如正交矩阵的单位化），通过真题训练和错题总结,可有效提升解题效率和准确性。
FAQs
-
问：线性代数大题是否一定会出现二次型？
答：不一定，虽然二次型是高频考点，但部分年份可能侧重矩阵或方程组证明题，2025年数二未考二次型大题，而是考查了矩阵的秩与相似对角化的证明，复习时需全面覆盖各模块,避免押题。 -
问：特征值大题中，如何快速判断矩阵是否可对角化？
答：矩阵可对角化的充要条件是 ( n ) 阶矩阵有 ( n ) 个线性无关的特征向量，具体步骤：① 求特征值及重数；② 对每个特征值 ( \lambda_i )，计算 ( r(\lambda_i E - A) )，若 ( n - r(\lambda_i E - A) ) 等于 ( \lambda_i ) 的重数，则可对角化，若 ( A ) 为实对称矩阵,则必可对角化。
