简介：《高等代数》是数学专业的核心课程，这份由优秀学习者整理的丘维声课堂笔记，系统呈现矩阵消元法、阶梯形矩阵、行列式按行展开、克莱姆法则、线性空间与线性相关等关键知识点，并对数域概念做了细致阐释，适合正在复习备考的大学生、考研生以及希望巩固代数基础的数学爱好者。资源以PDF格式封装，共1个文件，压缩包仅1.21MB，内容与丘维声教授的151讲视频逐章配套，既提炼了课堂上的定理推导与例题，也补充了不少习题思路和常见误区分析，方便读者按章节索引、随时查阅。目前已有1173人学习下载，笔记在讲解线性方程组解的存在性和唯一性时，用矩阵初等行变换和行列式工具搭建了清晰的分析路径，帮助学习者理解抽象代数结构背后的直观逻辑。通过阅读这份笔记，读者可以更快建立高等代数的整体框架，掌握从具体计算到理论证明的思维方法，为后续学习线性映射乃至更深入的代数课程打下扎实基础。

1. 一张地图：从解方程组到线性空间

高等代数这门课有个很反直觉的开局：前面两章在解方程、算行列式，画风是"计算"，第三章突然开始讲线性空间，画风变成"定义—定理—证明"。很多人在这里掉队，是因为没看懂这三章其实是一条线：线性方程组是问题来源，行列式是判断工具，线性空间是最终舞台。这份笔记对应的正是这条主线的151讲全程：从矩阵消元法出发，到行列式的性质与展开，再到线性相关的判定、基与维数、解集结构。它不是把知识点摊平，而是每章都有"定义—例题—习题思路"的完整闭环。适合谁用？正在学这门课、期末前想快速拎清脉络的人；或者已经学过一遍、但概念和计算对不上号的人。这张地图先放在这，后面逐块展开。

2. 线性方程组解法：矩阵消元与解的判别

2.1 矩阵消元法：初等行变换与阶梯矩阵

笔记第一章的开头是加减消元法：不同方程乘以系数后再相加减，消去某个未知量。写成矩阵形式后，这一步就对应增广矩阵的初等行变换。矩阵消元法的核心认识是：消元过程的每一步都在改变方程的"样子"，但不能改变方程组的"解集"。这是整个第一章的底层逻辑。

三种初等行变换要背到条件反射：

消元的最终目标是阶梯形矩阵：左下角元素全为0。观察阶梯矩阵的主元位置就能数出非零行个数r，这个r是后面判断解的情况的关键。笔记里特意强调"在有理数集内解线性方程组"，意思是消元过程中出现的所有系数和常数都必须是那个数域内的数，不能冒出无理数来。

最容易忽略的是消元顺序：先处理第一列，再处理第二列，直到最后一列。实际操作时不要急着把所有主元都化成1，先保证"下面全是0"的形态，否则会多做很多无效运算。笔记中的例子给出了两种典型的末行：形如"0 x3 = -2"对应无解，形如"0 x2 = 0"对应自由未知量——这两个形态要一看到就能反应过来。

2.2 解的情况判别：r与n的关系

消到阶梯形之后，方程的命运只有三种：

几何上不难理解：平面上的两条直线要么相交、要么重叠、要么平行，不存在"第四种关系"。推广到n元时，方程组解的命运同样只有这三种。判断流程是先看有没有"0 = d"，没有再看r和n的大小关系。笔记把证明过程写得很完整：增广矩阵有 n+1 列，第 r 个主元不能落在第 n+1 列（否则就是矛盾行），又因为主元只能在对角线右上方，所以 t ≥ r；当 r=n 时每个未知量都占一个主元列，最后一列就是唯一解；当 r<n 时，剩下的 n-r 列对应自由未知量。

这里值得多说一句：为什么非零行数r比未知量数n小时就意味着无穷多解？因为有效方程只有r个，却要管住n个未知量，约束不够，自然有 n-r 个自由未知量可以任取。这个"约束不足"的图像比单纯背结论更管用，遇到复杂题目时也能快速判断结果是否合理。

2.3 数域：门槛与常见反例

数域是高等代数里第一个真正的"抽象"概念：复数集的一个非空子集K，如果同时满足含0、1，对加减乘封闭，且对除法封闭（除数不为0），就称为一个数域。有理数域Q是最小的数域，复数域C是最大的数域，实数域R夹在中间。严格说，所谓"最小"是指任何数域都必须包含全部有理数——因为含0、1之后，反复做加减乘除就一定能生成整个Q。

常见反例是整数集Z：它满足加减乘封闭，但不满足除法封闭，所以不是数域。另一个容易漏掉的点是验证一个集合是不是数域时必须检查四条：0、1属于K，加减乘封闭，除法封闭。很多人只验证"算出来还在里面"，却忘记单独确认0和1，这在证明题里会扣分。

笔记里给了 Q(i) = { a + bi | a, b ∈ Q } 的完整证明思路：先写0 = 0 + 0i、1 = 1 + 0i都在集合里；再对 α = a + bi、β = c + di 分别算 α±β、αβ、α/β，说明结果仍然落在 Q(i) 内。除法的处理是本题的关键：β≠0时 c、d不全为0，分母 c²+d² 非零，有理化之后系数仍然在Q里。这套"验证数域四件套"的写法在后面证明其他数域时可以直接复用。

数域的意义会在后面反复出现：线性空间的数域、行列式所在数域、方程组解的结构，全都建立在"运算不跑出这个集合"的基础上。所以现在多花点时间把数域验证练熟，后面就不吃亏。

3. 行列式：从n元排列到克莱姆法则与拉普拉斯展开

3.1 n元排列：逆序数、对换与奇偶性

行列式定义让人第一眼头疼，符号规则尤其像"黑匣子"。但笔记把它的源头拆得很清楚：n元排列就是1,2,...,n的全排列，一共n!个。在一个排列 a1a2...an 中，任取一对数 ai, aj，如果 ai > aj，就构成一个逆序；逆序总数称为逆序数 τ(a1,...,an)。逆序数是偶数的排列叫偶排列，是奇数的叫奇排列。对换是排列中两个数字互换位置，每做一次对换，排列的奇偶性就反转一次——这是"对换改变排列奇偶性"的定理。

为什么行列式非要绕到排列上？因为n阶行列式的每一项，本质上是"从每行每列各取一个元素相乘"，而这个元素的位置对应一个排列，符号就由这个排列的逆序数决定：(-1)^τ。所以 n元排列这节是行列式定义的"前置知识"，不是独立的章节。复习的时候把逆序数、奇偶排列、对换这三个概念串成一句话——"对换改变奇偶性，行列式每一项符号由逆序数决定"，这一节就打通了。

3.2 n阶行列式的定义：上三角形与程序验证

n阶行列式是 n! 项的和：每项是在矩阵中每行每列各取一个元素相乘，再乘以符号 (-1)^τ。这个定义看着复杂，但真正常用的结论是上三角行列式：主对角线以下全为0时，行列式等于主对角线元素的乘积。证明思路很简单：要想每行每列都取到非零元素，第一个位置只能取第一行第一列，第二个只能取第二行第二列，以此类推，只有一条路径可选，所以符号为正、结果就是对角线乘积。

这个"上三角等于对角线乘积"是后续所有行列式计算的终点。笔记里的习题2.2建议用程序验证一部分数值题，当作计算正确性的最后一道防线：

import numpy as np A = np.array([[1, 4, 2], [3, 5, 1], [2, 1, 6]]) print(np.linalg.det(A))

这段代码适用场景很明确：验证手算结果。np.linalg.det 返回的是浮点数，比如这里会得到一个约等于 -49 的值，习题答案正是 -49，浮点误差属于正常现象。但有两类情况别指望它：一是含字母参数的行列式（比如要判断 a、b 取什么值时行列式为0），numpy算不了符号运算；二是阶数较高或者想练习化简技巧时，直接丢给numpy反而把计算过程当黑匣子，练不到手。手算为主、程序兜底，这是使用工具的正确姿势。

3.3 行列式的七个性质：计算策略

性质是行列式计算的核心弹药。笔记列了七条，按使用和记忆的角度可以重排成下表：

很多教材把性质排成"转置、提公因子、拆和、换行变号、相同为0、成比例为0、倍加不变"，笔记的顺序也是这个。但做题时的调用顺序刚好反过来：先用性质7把某一列或某一行消出尽量多的0，再用性质2提取公因子简化数字，最后用性质4或按行展开降阶。

习题里有个反复出现的手法值得总结：把所有行加到第一行（或所有列加到第一列），让第一行每个元素都相同，然后提取公因子、把第一行化成全1，再用"每行减第一行"把大部分位置清零。笔记中习题2.3的（1）（2）都是这个套路。看到"各行元素结构相似"的行列式，第一反应就应该是这个手法。

范德蒙行列式是另一个必须一眼认出的结构：第k列是某列元素各自的k-1次幂这种形态，结果等于 ∏(x_j - x_i)，对 1 ≤ i < j ≤ n 求乘积。识别出来直接用公式，别傻算。

3.4 按行展开、克莱姆法则与拉普拉斯定理

按行（列）展开的目的是降阶。n阶行列式中划去第 i 行第 j 列后剩下的 (n-1) 阶行列式叫余子式，再乘上符号 (-1)^(i+j) 就是代数余子式 A_ij。展开定理说 D = a_i1 A_i1 + a_i2 A_i2 + ... + a_in A_in。选哪一行展开？永远选0最多的那一行（列），0多意味着展开项少。

配套的两个定理也要一起记：第 i 行元素与第 j 行（j≠i）相应代数余子式的乘积之和等于0。这两个定理在证明克莱姆法则时是核心依据，单独记忆有点抽象，但至少要知道这个结论："自己的行配自己的代数余子式是行列式值，别人的行配自己的代数余子式是0"。

克莱姆法则的适用条件很严格：必须是 n 个方程、n 个未知量，且系数行列式不等于0。此时方程组有唯一解，且第 j 个未知量等于"把系数行列式的第 j 列换成常数项得到的行列式"除以原行列式。笔记里还给了齐次版本：n个方程n个未知量的齐次线性方程组只有零解的充要条件是系数行列式不等于0，有非零解的充要条件是等于0。这两个判断在期末题里几乎必考。

拉普拉斯定理是"按多行展开"的推广：在n阶行列式中取定某k行，所有k阶子式与它们对应代数余子式的乘积之和等于行列式值。它的直接价值是分块计算：如果一个行列式能分成左上、右下两个三角块，其余两块全为0，结果就等于两个块行列式的乘积。复习时把拉普拉斯定理当作"分块行列式的理论依据"，而不是一个需要背公式的大块头。

4. 易漏点与易错点：五大高频翻车现场

4.1 解集不变 vs 行列式值不变

易漏点：初等行变换在第一章里"不改变解集"，在第二章里对行列式值却不都是"不变"——行互换变号、行倍乘使值倍乘，只有倍加才保持值不变。为什么漏？因为两章讲的是同一个矩阵操作，大脑很容易把"解集不变"直接迁移到"值不变"。怎么补：每次用初等行变换化简行列式时，在步骤旁边标注这次变换是哪一类，如果是互换或倍乘，就记录符号和倍数，最后统一修正。养成"标注变换类型"的习惯后，这类错误基本绝迹。

4.2 代数余子式的符号棋盘

易漏点：按行展开时忘记给余子式配符号 (-1)^(i+j)。为什么漏？代数余子式听起来像"余子式附带符号"，但展开式里用的是代数余子式，不是余子式；符号正负按行列的奇偶性分布，是个棋盘格样式：第1行是 + - + -...，第2行是 - + - +...。怎么补：先写出一张3×3的符号格，标出 (1,1) 为 +，然后按相邻格交替符号填满，再对照这个棋盘取符号。练上两三道题后，符号问题就变成肌肉记忆。

4.3 "行列式≠0"不是万能的线性无关判据

易漏点：用行列式是否为0判断向量组线性相关/无关时，忘记前提是"向量组恰好构成方阵"，也就是向量个数等于维数。为什么漏？教材里大量习题都安排在"n个n维向量"的方阵场景下，范德蒙行列式那类题又专门用行列式判断无关，做得多了容易形成条件反射。怎么补：拿到一组向量，先数个数和维数；个数等于维数时可用行列式，个数不等于维数时只能求秩或按定义设 k1α1 + ... + ksαs = 0 解齐次方程组。在笔记的3.3节里，线性相关与"齐次线性方程组有非零解"本来就是同一件事的两面。

4.4 自由未知量与基础解系个数

易漏点：求基础解系时，自由未知量随便选，但解出的向量个数必须是 n-r；常见错误是自由未知量选了 n-r 个，却只回代出一个特解就收工。为什么漏？齐次方程组解空间维数的来源是"自由未知量的个数"，每一步自由未知量依次取成基本向量组 (1,0,...)、(0,1,...) 再回代，才能得到 n-r 个线性无关的解。怎么补：把流程固定成四步：化阶梯形，数出 r，确定 n-r 个自由未知量，逐组赋值回代。每一步都不必求快，最后数一数解的个数是不是 n-r，再验证两两线性无关。

4.5 并集不是子空间，直和看维数

易漏点：两个子空间的并集 V1∪V2 不一定封闭于加法，通常不是子空间；而"和"V1+V2 才是子空间。为什么漏？集合的"并"听着像"合起来"，直觉上觉得两个子空间合起来还应该是个子空间，但取 α∈V1、β∈V2 时，α+β 不一定属于V1也不一定属于V2，加法封闭就破了。怎么补：记一个反例就够，两条过原点的不同直线，各取一个非零点相加，得到的向量既不在第一条线上也不在第二条线上。判断直和的标准入口是维数公式 dim(V1+V2) = dimV1 + dimV2 - dim(V1∩V2)，当交集维数为0且维数相加等于大空间维数时，就是直和。

5. 线性空间：从相关性到解集结构的串线

5.1 从几何向量到公理化：八条律与两条唯一性

线性空间的定义是全书第一次"抽象跳跃"：把 n 维向量空间升级为"数域K上的集合V，定义了加法与数量乘法，且满足8条运算律"。8条律按类型分四组：加法交换律与结合律；加法有零元与负元；数乘对加法分配、对数乘加法分配；数乘结合律与 1α=α。复习时别死记顺序，只要知道"每条律都在保证我们平时做运算时敢怎么变形"即可。

笔记紧接着给了两个唯一性定理：零元唯一、负元唯一；还有 kα=0 推出 k=0 或 α=0。这些性质是后面做代数变形的基础，证明题的第一步往往就是"设另一个零元或负元"，然后用公理推出矛盾。

5.2 子空间判定与线性表出

子空间的判定只有两句话：V 的非空子集 W，对加法和数乘封闭，则 W 是子空间。所谓封闭就是"W 中任意两个元素相加还在 W 中，任意元素乘以数域中任意数还在 W 中"。

向量组的表出视角也要尽早建立：β 可以由向量组 α1,...,αs 线性表出，意思是存在一组数使 β = k1α1 + ... + ksαs。这在方程组语境下就是"该线性方程组有解"。把子空间、表出、方程组有解三个视角互相翻译，是第三章最重要的技能——很多证明题卡住，就是因为只停留在集合语言里，没有切换成方程组的语言。

5.3 线性相关与无关：三条判定路径

向量组 α1,...,αs 线性相关，指存在不全为0的数使 ∑kiαi=0。判定路径有三条：定义法（设组合等于0，解齐次方程组）、行列式法（s=n 时算 det≠0 则无关）、秩法（秩=s 则无关）。选择顺序是：先看个数与维数，相等就用行列式；不等就带回定义或求秩。

笔记还补充了几条常用性质：向量组中有零向量则必相关；部分组相关则整体相关；整体无关则每个部分组都无关；线性相关等价于至少有一个向量可由其余向量线性表出。这些性质的证明不算难，但结论本身要熟到能直接用，它们是后面证明极大线性无关组相关命题的燃料。

5.4 极大线性无关组、矩阵的秩与基

极大线性无关组是"向量组中能撑起全部张成空间的那些向量"：它自身线性无关，再加入原组里任何一个其余向量就线性相关。秩定义为极大无关组的向量个数。向量组和它的极大无关组等价，等价向量组的秩相等。把这套语言搬到矩阵上就是：矩阵的行秩等于列秩等于矩阵的秩，而矩阵的秩又等于最高阶非零子式的阶数；初等行变换不改变行秩，也不改变列向量之间的线性相关性。这个"不变性"是把矩阵化成阶梯形然后数非零行求秩的理论依据。

基是线性空间的"坐标系"：有限子集 S 线性无关，且每个向量都能由 S 线性表出，S 就是一个基；基的向量个数是维数。几个常用命题要串起来记：n维空间中任意 n 个线性无关的向量都是基；线性无关向量组一定能扩充成整个空间的基；n维空间与 K^n 同构。维数和秩的关系是解空间的全部答案，"齐次方程组的解空间维数 = n - r"这个公式马上要在解集结构里登场。

5.5 齐次与非齐次方程组的解集结构

齐次方程组 Ax=0 的解集 W 天然是子空间：若 α、β 都是解，则 α+β 和 kα 都是解，并且 W 的维数等于 n - r(A)，其中 r 是系数矩阵的秩。基础解系就是解空间的一组基：线性无关且能表出所有解。求基础解系的步骤和4.4节一致——先消元，再给自由未知量赋值，回代出 n-r 个解。

非齐次方程组 Ax=b 的解集不是子空间，因为0一般不是解，但结构仍然很整齐：如果有一个特解 γ0，那么全部解等于 γ0 + W，也就是特解加上导出组 Ax=0 的通解。复习时抓住"非齐次通解由两部分拼成"这个图像，各种求通解的题都逃不出这个框架：先求导出组基础解系，再找一个特解，最后线性组合。

5.6 子空间运算、直和、同构与可逆映射

子空间的交仍是子空间，和 V1+V2 = {v1+v2 | v1∈V1, v2∈V2} 也是子空间。维数公式 dim(V1+V2)=dimV1+dimV2-dim(V1∩V2) 是计算各种维度问题的万能钥匙。直和是"每个向量都能唯一分解为 v1+v2"的和，等价条件有三条：零向量表法唯一、交集为 {0}、维数相加等于大空间维数。做题时用维数判断直和最快，笔记还提到每个子空间都有补空间，复习时记住"补空间不唯一"就够了。

同构是这一章的收尾抽象：两个线性空间之间存在一个保持加法、保持数乘的双射，就称它们同构。核心定理是"域上两个有限维线性空间同构的充分必要条件是维数相等"，于是所有n维空间在结构上都和 K^n 一模一样。笔记最后还补充了映射的乘法与可逆映射：一个映射可逆当且仅当它是双射，即同时满足单射和满射。这个结论到线性映射部分会反复用。至于集合的划分与等价关系，现阶段知道"等价关系决定一个划分，每个等价类互不相交且覆盖全集"就够，往后学商空间时会再遇到。

6. 复习清单：把笔记变成一张A4纸

6.1 三个"必须会"

第一个必须会：会算。行列式的数值题、矩阵消元、基础解系，属于纯计算，算得慢一定丢分。第二个必须会：会判。看到一组向量先问"个数和维数是否相等"，看到方程组先问"系数矩阵和增广矩阵的秩是否相等"，判断先行，计算随后。第三个必须会：会证。数域的验证、子空间的封闭性证明、向量相关性的证明，都是套路题，背住步骤框架就能拿分。

6.2 一张自查表

6.3 错题归因三标签

每次做错题，先贴标签再改错：计算型——数字算错，要练的是运算习惯；逻辑型——步骤跳了或顺序反了，要回看对应定理的推导；记忆型——概念条件没记全，比如忘了"行列式判据需要方阵"。三标签分类之后，复习效率会高很多，因为每个错误精确对应一个补法，而不是笼统地"再看一遍书"。

从那以后，我每次复习高等代数，都强制自己先在一张A4纸上写出知识地图：方程组→行列式→线性空间→解集结构，每个分支只留三个关键词。写不出来就翻笔记，翻完再合上重写，直到能完整画出来才开始做题。这套习惯陪我走完了整个复习周期，希望也能帮到你备考和查漏补缺。

本文还有配套的精品资源，点击获取