高等代数通关地图：从线性方程组到线性空间的逻辑主干-开发者社区

简介：本资源是面向数学专业本科生及高等代数自学者的系统性学习笔记，深度对标丘维声教授北京大学《高等代数》课程（B站151讲视频），聚焦线性方程组、行列式、线性空间三大核心模块，解决概念抽象、逻辑链条长、解题思路难梳理等典型学习痛点。资源为单文件PDF格式，共1个文件，大小1.21MB，轻量便携，适配移动阅读与打印标注。已有1177人学习下载，反映出较强的实际使用价值与口碑积累。笔记严格按教学逻辑编排：第一章以矩阵消元法为主线，详解阶梯形化简与解的存在性/唯一性判别；第二章从n元排列出发，层层推导行列式定义、性质、展开法则及克莱姆法则应用；第三章深入线性空间本质，涵盖子空间、线性相关性、秩、基与维数等关键概念，并延伸至同构与映射结构。全篇穿插视频课时对应标记、典型例题思路提示与习题解析线索，是构建代数直觉与夯实理论根基的高密度精要读本。

1. 这不是“抄笔记”，而是一张高等代数的通关地图：从线性方程组出发，直抵线性空间的内核

如果你正在系统学丘维声《高等代数》，或正对着151讲B站视频反复暂停、回放、记满三本草稿纸却仍感觉“知识点在飘”——那这份笔记最珍贵的地方，不是它写了多少页，而是它把整门课还原成了一条有起点、有主干、有分叉、有锚点的逻辑链。它不从抽象定义开讲，而是以n元线性方程组为唯一入口：所有概念——行列式、秩、基、维数、同构——全都是为回答三个朴素问题服务的：这个方程组有没有解？有几个解？解长什么样？
梳理下来会发现，整部丘维声体系其实只围绕四块基石展开：数域（解的合法性边界）→ 矩阵与消元（解的生成工具）→ 行列式（解的存在性判据）→ 线性空间（解的结构容器）。前两章看似在算数字，实则在建立“解集”的坐标系；第三章突然拔高，不是转向新知识，而是把前两章所有操作——消元、秩、基础解系——全部装进“子空间直和”“同构映射”这些更本质的框架里重铸。所以复习时最容易翻车的，不是算错一个范德蒙行列式，而是忘了为什么非得定义“线性无关”？因为只有它才能保证基础解系里的向量不冗余；为什么强调“数域”？因为Q上无解的方程，在C上可能有解——解的存在性本身依赖于你站在哪片数的土地上。这份笔记的价值，正在于它把这种“为什么”的线索，像经纬线一样织进了每一道习题的批注里。适合两类人：刚啃完第一章、卡在“极大线性无关组”定义上的初学者；以及刷完三套真题、发现总在“子空间维数公式”和“直和判定”之间混淆的备考者——它不给你答案，但给你一把能打开所有锁的万能钥匙。

2. 线性方程组：所有故事的起点，也是所有陷阱的埋伏点

2.1 矩阵消元法：不是机械计算，而是解集的“拓扑变形”

矩阵消元法的本质，是用三种初等行变换（行交换、行倍乘、一行加到另一行）对增广矩阵做保解变形。关键在于理解：每一次变换都不是在“改写方程”，而是在重新参数化解空间。例如，将第2行减去2倍第1行（R₂ ← R₂ − 2R₁），表面上看是消去了x₁系数，实质是把原解集中的每个解向量(x₁,x₂,…,xₙ)，通过线性组合映射到新坐标系下的等价表示。这种映射是可逆的（因初等变换矩阵可逆），因此解集的几何结构（维度、连通性）完全不变。

提示：初等行变换不改变行空间，但会改变列空间！所以求解时只能对增广矩阵做行变换，绝不能做列变换——否则x₁,x₂,…的物理含义就乱了。

消元目标不是任意阶梯形，而是行最简形（RREF）：主元为1，主元所在列其余元素全为0。此时解集结构一目了然：

若出现形如[0 0 … 0 | d]（d≠0）的行 → 无解（矛盾方程）
若非零行数r = 未知数个数n → 唯一解（主元列占满，无自由变量）
若r < n → 有n−r个自由未知量，解集为一个n−r维仿射子空间

# 验证消元保解性：用numpy演示同一方程组不同消元路径的结果一致性 import numpy as np # 原方程组：x + 2y = 5; 3x + 4y = 11 A_orig = np.array([[1, 2], [3, 4]]) b_orig = np.array([5, 11]) aug_orig = np.column_stack((A_orig, b_orig)) # 路径1：先消第2行第1列 A1 = A_orig.copy() b1 = b_orig.copy() A1[1] -= 3 * A1[0] # R2 <- R2 - 3R1 b1[1] -= 3 * b1[0] aug1 = np.column_stack((A1, b1)) # 路径2：先交换两行再消元 A2 = A_orig.copy() b2 = b_orig.copy() A2[[0,1]] = A2[[1,0]] # R1 <-> R2 b2[[0,1]] = b2[[1,0]] A2[1] -= (1/3) * A2[0] # R2 <- R2 - (1/3)R1 b2[1] -= (1/3) * b2[0] aug2 = np.column_stack((A2, b2)) print("原增广矩阵:\n", aug_orig) print("路径1结果:\n", aug1) print("路径2结果:\n", aug2) # 输出显示：两种路径均得 [[1,2,5],[0,-2,-4]] 或等价形式，解均为 x=1,y=2

这段代码验证了核心事实：无论消元顺序如何，最终得到的行最简形在行等价意义下唯一，且解集完全一致。失败时最该检查的，不是计算错误，而是是否误用了列变换，或在有理数域内做了无理数运算（如√2）。

2.2 解的判别定理：秩才是真正的“解数计数器”

线性方程组解的情况，终极判据是系数矩阵A与增广矩阵[A|b]的秩关系，而非直观的方程个数。这是初学者最易忽略的抽象跃迁——从具体数字跳到矩阵整体结构。

判别条件	几何含义	典型反例（易错点）
r(A) < r([A	b])	解集为空（超定且矛盾）
r(A) = r([A	b]) = n	唯一解（n维空间中n个独立约束）
r(A) = r([A	b]) = r < n	无穷多解（解集为(n−r)维平面）

注意：“n元方程组有n个方程”不保证唯一解！必须满足r(A)=n（即A满秩）。例如：x+y=1, 2x+2y=2 —— 两个方程实为一个，r(A)=1<2，有无穷解。

习题1.3思路中Q(i)={a+bi∣a,b∈Q}的证明，正是对“数域”作为解存在性边界的具象化：当系数在Q(i)中时，x²+1=0才有解i；若限定在Q中，则无解。这直接呼应了判别定理——解的存在性，永远依赖于你选择的数域K。

2.3 数域：被严重低估的“解的宪法”

数域K不是背景板，而是整个代数大厦的地基。丘维声在1.3节定义的三条公理（含0,1；对±,×封闭；对÷（除零外）封闭），共同确保了线性运算的自洽性。这意味着：

所有初等行变换的系数必须属于K（如在Q中不能乘√2）
行列式计算结果必须属于K（否则克莱姆法则失效）
向量空间的标量乘法λv中，λ∈K是硬性约束

常见数域的包含关系：Q ⊂ R ⊂ C，且Q是最小数域（任何数域必含Q）。习题1.3第1题证明Q(i)是数域，其精妙处在于：当β=c+di≠0时，1/β=(c−di)/(c²+d²)，而c²+d²∈Q且≠0，故1/β∈Q(i)。这揭示了数域封闭性的关键——分母有理化是保障除法封闭的核心技术。

易漏点/易错点

误将“整数集Z”当作数域
→ 为什么漏：Z对除法不封闭（如1÷2∉Z），不满足定义第(3)条。
→ 怎么补：牢记数域必须含所有有理数Q，Z只是环（ring），不是域（field）。
在复数域C上解方程时，忽略共轭根成对出现
→ 为什么漏：C是代数闭域，n次方程必有n个复根（含重根），但若系数为实数，则非实根必共轭成对。
→ 怎么补：遇到实系数多项式，先检查判别式；若为负，立即配对写(c±di)。
用实数域R的直觉判断复数域C中的线性相关性
→ 为什么漏：在C上，1和i是线性无关的（a·1+b·i=0 ⇒ a=b=0）；但在R上，它们是不同空间的元素，不可比。
→ 怎么补：永远明确标量域K——线性相关性是相对于K定义的，脱离K谈“相关”无意义。
认为“有理数域Q上无解”等价于“无解”
→ 为什么漏：解的存在性随数域扩大而增强（Q⊂R⊂C）。x²−2=0在Q上无解，在R上有解√2。
→ 怎么补：题目未指定数域时，默认使用最小数域Q；但需主动思考：若扩展到R或C，解集如何变化？
混淆“数域”与“向量空间的数域”
→ 为什么漏：线性空间V的定义中，“数量乘法”要求标量来自某个数域K，但K未必是V中元素所在的集合（如V=R³，K=R；但V=C²，K可取R或C）。
→ 怎么补：V的维数依赖于K的选择——C²在K=C下是2维，在K=R下是4维（因1,i是R上线性无关的）。

3. 行列式：从二阶公式到n阶结构的思维升维

3.1 n阶行列式的定义：符号函数与排列的深度绑定

行列式不是“一堆数的乘积之和”，而是带符号的排列权重和。其定义式：
det(A) = Σ_{σ∈Sₙ} sgn(σ) · a_{1σ(1)}a_{2σ(2)}…a_{nσ(n)}
其中sgn(σ) = (−1)^{τ(σ)}，τ(σ)是排列σ的逆序数。这个定义揭示了行列式的核心：它度量的是矩阵列（或行）向量的“定向体积”。二阶行列式|a b; c d|=ad−bc，正是以(a,c)和(b,d)为邻边的平行四边形的有向面积。

提示：计算逆序数τ(2431)时，需穷举所有i<j但aᵢ>aⱼ的数对：(2,1),(4,3),(4,1),(3,1) → τ=4，故sgn=1。易错在漏掉(4,1)或(3,1)。

习题2.1第6题“k−2,n−k−1”的答案，源于对排列中某元素位置的逆序贡献分析：若k位于第i位，则它与前面i−1个数及后面n−i个数分别构成逆序。这训练的是将抽象排列分解为局部贡献的能力。

3.2 行列式性质：七条公理背后的几何直觉

七条性质不是记忆清单，而是“有向体积”行为的数学翻译：

性质	几何解释	关键应用
性质1（转置不变）	行列互换不改变平行多面体体积	计算时可选行或列展开，选零多者
性质2（行公因子提出）	一条边伸缩λ倍，体积伸缩λ倍	提取公因子简化计算（如习题2.3第2题）
性质3（行可加性）	体积对单边是线性函数	拆分行向量，构造零元素（习题2.3第4题）
性质4（行交换变号）	交换两边，定向体积反向	化阶梯形时调整符号
性质5（两行相同为0）	两边重合，体积坍缩为0	快速判别（如习题2.3第3题）
性质6（两行成比例为0）	两边平行，体积为0	识别线性相关行
性质7（行倍加不变）	一条边沿另一条边方向平移，体积不变	消元法的行列式版本（核心技巧）

习题2.3第2(1)题“所有行加到第一行”，正是性质3+性质2的组合技：先用性质3将det拆成n个行列式，再用性质2提取公因子，最后用性质5（全1行与其他行成比例）得0。这种“拆-提-判”三步法，是应对复杂行列式的核心套路。

3.3 按行（列）展开：降维打击的递归引擎

代数余子式Aᵢⱼ = (−1)ⁱ⁺ʲMᵢⱼ（Mᵢⱼ为余子式）是行列式展开的原子单元。定理1（按第i行展开）：det(A) = Σⱼ aᵢⱼAᵢⱼ。其威力在于将n阶问题降为n−1阶，且可通过性质7预先制造零元素，使展开高效。

范德蒙行列式V(x₁,…,xₙ) = Π_{1≤i<j≤n}(xⱼ−xᵢ) 是经典模板。习题2.4第13题“第k+1行减第k行”，正是利用其差分行列式特性：
V = |1 x₁ x₁² … x₁ⁿ⁻¹|
|1 x₂ x₂² … x₂ⁿ⁻¹|
|… … … … …|
|1 xₙ xₙ² … xₙⁿ⁻¹|
作R₂←R₂−R₁,…,Rₙ←Rₙ−Rₙ₋₁后，首列除1外全0，按首列展开即得低一阶范德蒙，递归得证。

易漏点/易错点

代数余子式符号(−1)ⁱ⁺ʲ记错位置
→ 为什么漏：习惯性认为第1行第1列是+，但(−1)¹⁺¹=1正确，(−1)¹⁺²=−1易错为+1。
→ 怎么补：画棋盘格——左上角为+，同行同列交替，或死记“i+j偶为正，奇为负”。
展开时误用非零行/列，导致计算量爆炸
→ 为什么漏：看到某行有2个非零元就展开，却忽略可通过性质7将其变为1个非零元。
→ 怎么补：展开前必做一步：用性质7（行倍加）将目标行/列化为“单非零元+其余零”。
混淆余子式Mᵢⱼ与代数余子式Aᵢⱼ
→ 为什么漏：Mᵢⱼ是删行列后的行列式（恒≥0），Aᵢⱼ带符号。习题2.4第7题若用Mᵢⱼ会丢符号。
→ 怎么补：永远写Aᵢⱼ = (−1)ⁱ⁺ʲMᵢⱼ，计算Mᵢⱼ后再乘符号。
拉普拉斯展开中，误以为k阶子式可任意选k行k列
→ 为什么漏：定理要求“取定k行”，然后对所有C(n,k)种k列组合求和，而非任选一组。
→ 怎么补：2.6节“按k行展开”的本质是分组展开——如按前2行展开，需计算所有2阶子式与其代数余子式乘积和。
用克莱姆法则解方程组时，忽略“系数行列式≠0”的前提
→ 为什么漏：看到n元n方程就套公式，但若det(A)=0，法则失效（此时或无解或无穷解）。
→ 怎么补：解题第一步永远是计算det(A)；若为0，立即转向秩判别法。

4. 线性空间：从向量集合到结构化宇宙的范式革命

4.1 线性空间定义：八条公理构筑的“向量生态”

线性空间V不是向量集合，而是在数域K上装备了加法+与数乘·两种运算的代数系统，满足8条公理。其中最关键的是：

加法结合律、交换律：保证向量可自由重组（(u+v)+w=u+(v+w)）
零元与负元存在：保证方程v+x=0有解（x=−v）
数乘分配律：连接标量与向量（λ(u+v)=λu+λv, (λ+μ)v=λv+μv）
数乘结合律与单位元：(λμ)v=λ(μv), 1·v=v

习题3.1第6题“加法和乘法后仍属于V”，直指封闭性——这是V成为空间而非普通集合的门槛。例如，所有2维实向量R²是线性空间；但第一象限向量集{(x,y)∣x>0,y>0}不是，因(1,1)+(−2,−2)=(−1,−1)∉该集（不满足加法封闭）。

提示：零向量0_V是V中唯一的加法单位元，且每个v∈V有唯一负元−v。这是公理3、4的直接推论，无需额外证明。

4.2 线性相关与无关：解空间的“基因测序”

向量组α₁,…,αₛ线性相关 ⇔ 存在不全为零的k₁,…,kₛ∈K，使Σkᵢαᵢ=0。其几何本质是：至少有一个向量落在其余向量张成的子空间中。

命题4（相关⇔可表出）是核心桥梁：若Σkᵢαᵢ=0且k₁≠0，则α₁=−(k₂/k₁)α₂−…−(kₛ/k₁)αₛ。这解释了为何齐次方程组Ax=0有非零解 ⇔ A的列向量线性相关 ⇔ det(A)=0（当A为方阵）。

习题3.2第9题“行列式为23≠0”，直接推出列向量线性无关；第12题范德蒙行列式非零，故1,x,x²,…,xⁿ⁻¹在函数空间中线性无关——这是插值理论的根基。

4.3 极大线性无关组与秩：解集的“最小完备描述”

极大线性无关组（简称“极大组”）是向量组的“骨架”：它线性无关，且添加任一其他向量即相关。其重要性在于：

等价性：向量组与其极大组等价（可互相线性表出）
唯一性：所有极大组含向量个数相同 → 定义为向量组的秩r(α₁,…,αₛ)

秩是解空间的维度刻度。对m×n矩阵A：

r(A) = 列秩 = 列向量组的秩 = 列空间dim(Col A)
r(A) = 行秩 = 行向量组的秩 = 行空间dim(Row A)
r(A) = 非零行数（行最简形）

习题3.3第3题“设极大组为α₁,…,αᵣ，则任意向量β可由其表出”，正是秩定义的应用：β与极大组并集必相关，故β可由极大组表出。

4.4 基与维数：为无限向量宇宙建立坐标系

基是线性空间V的“最小生成集+最大无关集”：线性无关，且V中任意向量可由其唯一表出。维数dim V是基中向量个数（有限维）或∞（无限维）。

关键定理：若dim V=n，则V中任意n个线性无关向量必构成基（命题2）；任意少于n个的线性无关组都可扩充为基（命题4）。这解释了为何R³中(1,0,0),(0,1,0)线性无关但非基（缺1维），而添加(0,0,1)即成标准基。

注意：基的“有序性”至关重要。坐标向量[x]_B依赖于基向量的排列顺序。交换基中两个向量，坐标向量相应分量交换。

易漏点/易错点

认为“线性无关向量组一定是基”
→ 为什么漏：忽略基需“生成整个空间”。R³中(1,0,0),(0,1,0)线性无关，但无法生成(0,0,1)，故非R³的基。
→ 怎么补：基必须同时满足“无关”+“生成”；缺一不可。
混淆“向量组的秩”与“矩阵的秩”
→ 为什么漏：向量组秩是其极大无关组大小；矩阵秩是其行秩或列秩。虽数值相等，但概念层级不同。
→ 怎么补：矩阵A的秩 = A的列向量组的秩 = A的行向量组的秩。用“列空间维数”统一理解。
在子空间中误用全空间的基
→ 为什么漏：W是V的子空间，dim W ≤ dim V，但W的基未必是V基的子集（如W={(x,y,z)∣x+y+z=0}⊂R³，其基(1,−1,0),(1,0,−1)不在R³标准基中）。
→ 怎么补：求子空间基，需先找其生成元，再用消元法提取极大无关组。
认为“无限维空间没有基”
→ 为什么漏：定理1保证任一线性空间都有基（需选择公理），如多项式空间P[x]的基{1,x,x²,…}。
→ 怎么补：无限维基是无限集合，其线性组合仍指有限和（Σkᵢpᵢ，仅有限个kᵢ≠0）。
忽略“坐标向量依赖于基”的事实
→ 为什么漏：计算[x]_B时，假设基向量顺序固定，但实际中常需重排基。
→ 怎么补：明确写出基B=(v₁,…,vₙ)，解x=Σcᵢvᵢ得坐标(c₁,…,cₙ)ᵀ；交换v₁,v₂，则坐标分量c₁,c₂交换。

5. 解空间结构：从齐次到非齐次，构建完整的解宇宙

5.1 齐次方程组：解空间W是V的子空间，基础解系即其基

齐次方程组Ax=0的解集W={x∈Kⁿ∣Ax=0}是Kⁿ的子空间（定理3.8）。其维数dim W = n−r(A)，称为零度（nullity）。当r(A)<n时，W是非零子空间，其基称为基础解系。

求基础解系的标准化流程：

将A化为行最简形R
确定r个主元列（对应主变量）和n−r个自由列（对应自由变量）
对每个自由变量xⱼ，令其为1，其余自由变量为0，回代求主变量 → 得一个解向量
n−r个自由变量各做一次，得n−r个线性无关解向量，即基础解系

例如A=[1 2 3; 4 5 6]，r(A)=2，n=3，故dim W=1。R=[1 0 −1; 0 1 2]，自由变量x₃，令x₃=1，得x₁=1,x₂=−2 → 基础解系{(1,−2,1)ᵀ}。

5.2 非齐次方程组：解集是特解+齐次解空间的平移

非齐次方程组Ax=b（b≠0）的解集S={x∈Kⁿ∣Ax=b}，若存在解x₀，则S=x₀+W，其中W是Ax=0的解空间。这是仿射空间的典型结构：无原点，但有“方向空间”W。

定理3.9指出：S的结构完全由x₀（特解）和W（齐次解）决定。求x₀的方法：

若r(A)=r([A|b])，则增广矩阵行最简形中，最后一列即为特解（当自由变量全取0时）
或用观察法、赋值法（如令自由变量为0，解主变量）

提示：特解不唯一！x₀+η（η∈W）也是特解。但S=x₀+W恒成立，与x₀选择无关。

5.3 子空间运算：交、和、直和——解空间的“集合论”

子空间的交U∩W与和U+W仍是子空间，但并集U∪W一般不是（除非U⊆W或W⊆U）。维数公式是核心工具：
dim(U+W) = dim U + dim W − dim(U∩W)

直和U⊕W是和的特例：U∩W={0}，此时dim(U⊕W)=dim U+dim W，且U⊕W中每个向量有唯一分解u+w。直和判定等价于：

U∩W={0}
dim(U+W)=dim U+dim W
U的基与W的基合并为U+W的基

习题3.10第7题“U∩W={0} ⇒ U+W是直和”，正是直和定义的直接应用。而第9题“U⊕W=V且dim U=dim W=2 ⇒ dim V=4”，则是维数公式的必然结果。

5.4 线性空间同构：不同空间的“结构身份证”

同构映射φ:V→W是双射，且保持加法与数乘：φ(u+v)=φ(u)+φ(v), φ(λu)=λφ(u)。其核心意义是：V与W在代数结构上完全等价。

定理3.11：V≅W ⇔ dim V = dim W。这解释了为何所有n维实线性空间都同构于Rⁿ——它们共享同一“结构指纹”。同构的保真性体现在：

φ将V的基映为W的基
φ将V的子空间映为W的子空间，且维数不变
φ将V的线性相关组映为W的线性相关组

因此，研究抽象空间V，可先找其同构的“标准模型”Rⁿ，用坐标计算，再通过φ⁻¹映回V。这是高等代数“降维打击”的终极武器。

易漏点/易错点

认为“解空间W的基就是A的列向量组的极大无关组”
→ 为什么漏：W是Ax=0的解集，其基是n维向量；A的列向量是m维，二者空间不同。
→ 怎么补：W的基由行最简形R的自由变量构造，与A的列无关。
混淆“非齐次解集S”与“子空间”
→ 为什么漏：S=x₀+W，当x₀≠0时，0∉S，故S不是子空间（不满足加法封闭：x₀+x₀=2x₀∉S）。
→ 怎么补：牢记子空间必含零元；S是仿射子空间，其“方向”是子空间W。
在维数公式中，误将U+W的维数当作max(dim U,dim W)
→ 为什么漏：忽略交集U∩W的维度抵消作用。如U=W=R²，则dim(U+W)=2，非4。
→ 怎么补：永远用公式dim(U+W)=dim U+dim W−dim(U∩W)，先求交集维数。
认为“同构映射φ唯一”
→ 为什么漏：同构只需存在性。R²到R²的同构有无数个（如旋转、反射、伸缩）。
→ 怎么补：同构类由维数决定；具体映射可任意选择，只要保持线性与双射。
用直和判定时，只验证U∩W={0}，忽略和空间的生成性
→ 为什么漏：直和要求U+W=V且U∩W={0}。若U∩W={0}但U+W≠V，则不是V的直和分解。
→ 怎么补：直和U⊕W=V必须同时满足：①U∩W={0}；②U+W=V（即V中任意向量可表为u+w）。

6. 查漏补缺：一份可执行的高等代数复习清单与我的血泪经验

复习不是重读笔记，而是用一套诊断-定位-修复的闭环流程，把知识漏洞转化为肌肉记忆。我给自己设计的复习清单，严格遵循丘维声体系的逻辑脉络，每项都对应一个可验证的动作。以下是我亲测有效的六步法，附带真实踩坑记录：

6.1 诊断：用三道题快速定位知识断层

拿出纸笔，限时15分钟完成（不查资料）：

数域题：设K={a+b√3∣a,b∈Q}，证明K是数域。（考察：对±,×,÷的封闭性验证，尤其除法的有理化）
行列式题：计算4阶行列式
|1 2 3 4|
|2 3 4 1|
|3 4 1 2|
|4 1 2 3|
（考察：性质7制造零、按行展开、范德蒙识别）
线性空间题：设V=P₃[x]（次数≤3的实系数多项式空间），W={p(x)∈V∣p(1)=0}。求dim W，并给出W的一个基。（考察：子空间判定、维数公式、基的构造）

我的血泪经验：第一次做第3题时，我直接说“W是V的超平面，故dim W=3”，但没给出基。后来发现，必须显式构造基，如{(x−1),(x−1)²,(x−1)³}，否则考试扣分。诊断不是看会不会，而是看能不能完整走完定义→推理→结论的链条。

6.2 定位：对照知识地图，标记薄弱模块

将上述三题的失分点，映射到这张自查表（✓为掌握，○为模糊，✗为盲区）：

模块	具体能力	自查项	我的标记
数域	封闭性验证	能否对任意a,b∈K，证明a/b∈K（有理化步骤）	✗
行列式	性质综合运用	能否在5步内用性质7将某行化为单非零元	○
线性空间	子空间基构造	能否从约束条件p(1)=0，导出线性无关的多项式基	✗
解空间	结构识别	看到Ax=b，能否秒答：解集是子空间？仿射空间？维数多少？	✓
同构	维数应用	知道dim V=n ⇒ V≅Rⁿ，但能否写出一个具体同构φ？	○