自考线性代数怎么学好快

线性代数在数学、物理学和技术学科中有各种重要应用，因而它在各种代数分支中占居首要地位。下面我收集了一些关于线性代数学习方法，希望对你有帮助

1向量很重要

线代是一门比较费脑子的课，无论是行列式，矩阵，还是方程组其实都是研究的向量，可以说线代的核心就是向量以及向量关系，只要把向量这一章学好了，线代是没有问题的。同时线代的每一章其实就是一种研究角度，做题时往往要从多个角度思考问题。

2上课不要睡觉哦

如果前一天晚上睡得太晚，第二天早上的线代课就会变成“催眠课”。所以，第二天有线代课的同学们晚上要睡得早一点，“卧谈会”开得短一点。

3预习

如果你觉得上课跟不上老师的思路那么，请预习。这个预习也有学问的呢，预习时要“把更多的麻烦留给自己”，即遇到公式、定理把证明部分盖住，自己试着想一下思路。当然，可以根据个人的实际情况适当调整，但要尽量多地自己思考。

4上课时间要抓紧

一定要重视上课听讲，不能使线代的学习退化为自学。上课时干别的会受到老师讲课的影响，那为什么不利用好这一小时四十分钟呢?老师上课时的一句话就可能使你豁然开朗，所以上课时一定要“虚心”，即使老师讲的自己会也要听一下老师的思路。

一、行列式部分，强化概念性质，熟练行列式的求法

在这里我们需要明确下面几条：行列式对应的是一个数值，是一个实数，明确这一点可以帮助我们检查一些疏漏的低级错误;行列式的计算方法中常用的是定义法，比较重要的是加边法，数学归纳法，降阶法，利用行列式的性质对行列式进行恒等变形，化简之后再按行或列展开。另外范德蒙行列式也是需要掌握的;行列式的考查方式分为低阶的数字型矩阵和高阶抽象行列式的计算、含参数的行列式的计算等。

二、矩阵部分，重视矩阵运算，掌握矩阵秩的应用

通过历年真题分类统计与考点分布，矩阵部分的重点考点集中在逆矩阵、伴随矩阵及矩阵方程，其内容包括伴随矩阵的定义、性质、行列式、逆矩阵、秩，在课堂辅导的时候会重点强调.此外，伴随矩阵的矩阵方程以及矩阵与行列式的结合也是需要同学们熟练掌握的细节。涉及秩的应用，包含矩阵的秩与向量组的秩之间的关系，矩阵等价与向量组等价，对矩阵的秩与方程组的解之间关系的分析，备考需要在理解概念的基础上，系统地进行归纳总结，并做习题加以巩固。

三、向量部分，理解相关无关概念，灵活进行判定

向量组的线性相关问题是向量部分的重中之重，也是考研线性代数每年必出的考点。如何掌握这部分内容呢?首先在于对定义概念的理解，然后就是分析判定的重点，即：看是否存在一组全为零的或者有非零解的实数对。基础线性相关问题也会涉及类似的题型：判定向量组的线性相关性、向量组线性相关性的证明、判定一个向量能否由一向量组线性表出、向量组的秩和极大无关组的求法、有关秩的证明、有关矩阵与向量组等价的命题、与向量空间有关的命题。

四、线性方程组部分，判断解的个数，明确通解的求解思路

线性方程组解的情况，主要涵盖了齐次线性方程组有非零解、非齐次线性方程组解的判定及解的结构、齐次线性方程组基础解系的求解与证明以及带参数的线性方程组的解的情况。通解的求法有两种，若为齐次线性方程组，首先求解方程组的矩阵对应的行列式的值，在特征值为零和不为零的情况下分别进行讨论，为零说明有解，带入增广矩阵化简整理;不为零则有唯一解直接求出即可。若为非齐次方程组，则按照对增广矩阵的讨论进行求解。

五、矩阵的特征值与特征向量部分，理解概念方法，掌握矩阵对角化的求解

矩阵的特征值、特征向量部分可划分为三给我板块：特征值和特征向量的概念及计算、方阵的相似对角化、实对称矩阵的正交相似对角化。相关题型有：数值矩阵的特征值和特征向量的求法、抽象矩阵特征值和特征向量的求法、判定矩阵的相似对角化、有关实对称矩阵的问题。

六、二次型部分，熟悉正定矩阵的判别，了解规范性和惯性定理

弘蕴jiaoyu: 首先书上的知识点是一定要全部知道，然后就是做题了，数学方面的东西光靠看书是效果是不大的，必须要做题。不过也不必要做太多，一方面是时间不允许，另一方面，只要你做过的题型都懂了，应对自考是完全足够了的，自考考试都不会很难的，考的基础会比较多，所以你一定要从基础做起，如果觉得自己基础不好，还是建议你先看看书上的知识点和例题。 希望我的回答对您有帮助，祝你好事顺利。

在复习时，从内容上来说，尽量选择与课文关系密切的内容来复习。这样，不仅完成课文的的复习任务，而且可以有助于自己形成迁移的能力。另外，每次复习的内容不要太多，量要适当，要注意语文、数学等学科之间的交错进行，尽量不要针对一门学科集中较长时间进行复习，否则容易引起疲劳，复习效果也不太理想

学好线性代数的方法如下：

一、注意以下几点。

1、由易而难，线性代数常常涉及大型数组，故先将容易的问题搞明白，再解决有难度的问题，例如行列式定义，首先将3阶行列式定义理解好，自然可以推广到n阶行列式情形；

2、由低而高，运用技巧，省时不少，无论是行列式还是矩阵，在低阶状态，找出适合的计算方法，则可自如推广运用到高阶情形；

3、由简而繁，一些运算法则，先试用于简单情形，进而应用于复杂问题，例如，克莱姆法则，线性方程组解存在性判别，对角化问题等等；

4、由浅而深，线性代数中一些新概念如秩，特征值特征向量，应当先理解好它们的定义，在理解基础之上，才能深刻理解它们与其他概念的联系、它们的作用，一步步达到运用自如境地。

二、做到理解概念、牢记公式、注意关联、掌握方法。

特别要注意对象之间，定义运算之间的比较和关联，例如方阵和行列式的联系，矩阵多项式与一般多项式的比较、数组运算与数字运算的差异（如矩阵乘法、求逆）。

三、初等变换在线性代数中具有重要地位，初等变换方法几乎贯穿全程，计算行列式、求矩阵的秩和矩阵的逆、解方程组，讨论线性相关性等等，都要用到它，运用该方法要注意培养运算能力，认真细心是非常必要的。

四、听讲、看书、记忆、练习加上多思是学好线性代数的基本保证。

推记概念，动笔算，整框架

线性代数有以下几个特点：1是知识点零碎，多又杂。2是逻辑性强，3是框架体系强

所以想要学好线性代数，就要从以下几点入手：

（1）、三个工具（行列式，矩阵，向量）

（2）、两种运算（行列式计算，矩阵初等变换化简）

（3）、一条主线（线性方程组求解）

把这“三二一”琢磨透了，你的线代肯定不会差！