线性代数中的常见套路包括：

线性方程组解的判断 ：

题目可能给出一个含有代数系数的线性方程组，要求判断方程组有唯一解、无穷多解还是无解。解决方法是先将系数矩阵转换为三角矩阵，然后应用常规解法。注意在转换为三角矩阵时，避免除以可能为零的系数，因为这可能导致漏掉某些解的情况。

二次型与矩阵特征值 ：

题目可能涉及二次型、矩阵的秩、特征值和特征向量。需要使用施密特正交化、求逆矩阵、矩阵乘法等方法。注意特征值的性质，例如对称矩阵的秩等于其非零特征值的个数。

特征值的构成 ：

如果矩阵满足某些条件（如A^2 + 3A = 0），可以推断出矩阵的特征值。

对称矩阵性质 ：

对称矩阵的秩等于其非零特征值的个数。AX=0的基础解系对应于特征值0的特征向量。实对称阵的不同特征值对应的特征向量是正交的。如果两个同型实对称阵有相同数量的正特征值和负特征值，则它们合同。

行列式与特征值 ：

行列式为零的矩阵必有零特征值。

非齐次方程组解的情况 ：

如果线性非齐次方程组AX=b无解，则A的行列式为零。如果线性非齐次方程组AX=b有无穷多解，则矩阵A的秩小于未知数的个数。

矩阵的秩 ：

矩阵的秩是其行空间或列空间的维度，也等于其非零特征值的个数。

合同变换 ：

实对称阵可以通过合同变换化为对角矩阵，对角线上的元素即为矩阵的特征值。

特征向量的性质 ：

属于不同特征值的特征向量是正交的。如果矩阵A有n个线性无关的特征向量，则A可以相似对角化。

线性代数的抽象性质 ：

线性代数注重理论推导和抽象性质，而不是具体的数值计算。例如，矩阵、向量、线性变换、特征值等概念相互关联，构成了一个完整的结构体系。

这些套路和性质是线性代数学习中的重点和难点，掌握这些可以帮助更好地理解和解决线性代数问题。