关于考研线性代数的书写规范和重点内容，综合权威资料整理如下：

一、向量与矩阵的书写规范

向量表示

列向量：$alpha = begin{bmatrix} a_1 a_2 vdots a_n end{bmatrix}$（小括号加转置符号$T$）

行向量：$beta = （b_1, b_2, dots, b_n）$

零向量：$0$（或$mathbf{0}$），强调向量时可用带箭头符号$vec{0}$

矩阵表示

一般用大括号：$A = begin{bmatrix} a{11} & a{12} & cdots & a{1n} a{21} & a{22} & cdots & a{2n} vdots & vdots & ddots & vdots a{m1} & a{m2} & cdots & a_{mn} end{bmatrix}$

行列式：$|A|$或$det（A）$

二、线性方程组与矩阵运算

高斯消元法

通过行变换将增广矩阵化为行阶梯形，再进一步化为行最简形，从而求解方程组。

克拉默法则

适用于系数矩阵可逆的线性方程组，通过行列式比值得到解。

三、核心概念与定理

行列式

计算规则：二阶行列式$begin{vmatrix} a & b c & d end{vmatrix} = ad - bc$

应用：判断向量线性相关性、计算逆矩阵等。

矩阵的秩与逆矩阵

秩：矩阵行（列）向量组的极大线性无关组所含向量个数

逆矩阵：满足$AB = I$的矩阵，可通过伴随矩阵法或初等变换求得。

特征值与特征向量

定义：满足$Aboldsymbol{x} = lambdaboldsymbol{x}$的向量$boldsymbol{x}$，$lambda$为特征值

应用：对角化矩阵、稳定性分析等。

四、复习建议

掌握公式与定理 ：线性代数公式需结合定义理解，避免死记硬背。

多做真题 ：通过考研真题（如向量、矩阵、行列式等题型）巩固知识点。

强化概念理解 ：线性相关/无关、矩阵等价、相似等定义是解题基础。

五、典型题型示例

向量组线性相关判断 ：设$boldsymbol{alpha}_1, boldsymbol{alpha}_2$，若存在不全为零的$k_1, k_2$使$k_1boldsymbol{alpha}_1 + k_2boldsymbol{alpha}_2 = mathbf{0}$，则线性相关。

矩阵求逆 ：伴随矩阵法公式为$A^{-1} = frac{1}{|A|}text{adj}（A）$，其中$text{adj}（A）$为伴随矩阵。

通过规范书写和系统复习，结合真题训练，可提升解题效率与准确性。