大学院笔试模拟练习：线性代数与数据结构混合考点精讲

没有任何前置说明，直接从二级标题开始。 ## 1. 从一次模拟考试说起：为什么我把线性代数和数据结构放在一起练

每年考试季，总有同学跑来问我：“线代和数据结构哪科更该花时间？”我的回答通常很直接：两科都得练，而且最好放在同一轮模拟里。这不是和稀泥，是因为这两门课在考察方式上恰好互补——线性代数考你对抽象规则的敏感度，数据结构考你对逻辑流程的掌控力，把二者塞进同一场练习，等于同时训练两种截然不同的思维肌肉，效率比单独刷高不少。

这次“大学院笔试模拟练习（10）”就是按这个思路设计的。整场练习覆盖了典型的线性代数题型和数据结构题型，难度贴近常见大学院入试的笔试风格，但又不是直接搬真题，而是把高频考点重新组合成一套混合卷。适合正在备考大学院、需要检验自己复习进度的同学，也适合那些“知识点都懂、一做题就卡壳”的人——这种症状多半是缺练，不是缺理解。

为什么要特意搞“模拟”而不是继续翻教材？因为考试是限时环境下的输出能力测试，和平时看书的输入状态完全不同。你在书上觉得“显然”的推导，到了考场上可能手一抖就漏掉符号；你在笔记里标了“重点”的算法，真让你十分钟手写出来，可能会有各种细节断裂。模拟练习的价值就是把这些问题提前暴露出来，让你在真正考试前有机会修正。

这篇文章不是标准答案的罗列，而是把练习（10）涉及的核心题型、解题思路和踩坑点完整拆开讲一遍。我会把每道题的考察意图说清楚，遇到容易出错的地方会额外强调，还会补上一些平时不会写在教材里的实操经验，比如怎么分配时间、怎么检查计算结果、怎么在写代码题时避免低级失误。无论你是刚开始准备，还是已经刷到第二轮、第三轮，这篇笔记都可以当作一个不错的自查清单。

2. 线性代数部分：从行列式到特征值的高频考法

2.1 行列式计算：不要一上来就展开，先观察结构

第（10）卷的线性代数第一问通常是行列式，难度中等偏基础。这一题的意义不在“难住你”，而是用来淘汰那些只会机械展开、不懂观察结构的人。

举个例子，某个行列式长这样：

| 1 a a a | | a 1 a a | | a a 1 a | | a a a 1 |

如果老老实实按第一行展开，四阶算起来不算太痛苦，但算到最后大概率符号出错。正确做法是先看结构——这是标准的“对角线元素相同、其余元素相同”矩阵。处理思路是先将第2、3、4列都加到第1列，得到：

| 1+3a a a a | | 1+3a 1 a a | | 1+3a a 1 a | | 1+3a a a 1 |

提取公因子1+3a，第1列变成全1，然后用第1行乘以-a加到其余各行，把后三行第1列消成0，最终得到下三角形式，行列式结果为(1+3a)(1-a)^3。

这个过程里有两个常被忽略的点：

• 提取公因子后别忘了要乘回最终结果里，很多人都摘出去了最后忘记乘。
• 第2行到第4行的处理顺序要固定，先消第2行，再用新第2行做参考去消第3行，思路才不会乱。

我练这个题目时习惯先在草稿纸上用一句话标出“加列→提因子→消元→下三角”，再把具体数字填进去。这样可以省掉大部分复查时间。

类似的结构还常见于“行和相等的矩阵”，处理手法基本都是先加列提取公因子，再继续消元。这类题考察的本质是“你是否能识别矩阵的结构特征”，因为很多题目不给提示，行列式直接摆在那儿，不观察就硬算往往会绕远。

2.2 矩阵的幂与对角化：验证条件比计算本身更重要

矩阵幂是大学院笔试里的常客，练习（10）中出现的是形如求A^n的问题。这类题有一个几乎固定的解题路径：计算特征值和特征向量→判断是否可对角化→写成A = P D P^{-1}→得到A^n = P D^n P^{-1}。

这里最关键的环节不是最后的乘法运算，而是判断矩阵是否可对角化。拿一个具体例子来说：

A = | 2 0 | | 0 2 |

这是单位矩阵的2倍，特征值是二重根λ = 2，但几何重数也是2（特征子空间是整个二维平面），所以它可对角化。但如果是：

B = | 2 1 | | 0 2 |

特征值同样是二重根λ = 2，可几何重数只有1（只有一个线性无关特征向量），因此B不可对角化。很多人只看了特征值就急着说“可对角化”，结果后面全盘皆错。

判断可对角化的标准其实一句话：每个特征值的几何重数等于代数重数。几何重数就是A - λI的零空间的维数，算起来相当于“解(A - λI)x = 0得到的基础解系个数”。代数重数是特征多项式中该根的重数。

如果遇到不可对角化的矩阵，那就要改用最小多项式或Jordan标准型的方法。但在一般大学院笔试里，能对角化的矩阵占多数，所以我的建议是：先算特征多项式，再看重根的特征向量个数，一路判断下来，不要跳步。

计算P和P^{-1}也是个容易出错的点。很多同学求逆矩阵喜欢用伴随矩阵法，可是三阶以上的伴随矩阵法计算量不比初等行变换小，反而更容易出错。我在模拟练习里强烈推荐用初等行变换[P | I] → [I | P^{-1}]，虽然步骤多，但每一步都有清晰的操作规则，出错的概率低很多。如果对初等行变换不熟练，可以先用二阶矩阵练上十个，手熟了再往高阶走。

2.3 特征值问题的常见变形：对称矩阵与正交对角化

练习（10）里还夹了一道对称矩阵特征值的题，混合在别的题型中间，很多人一看到“实对称矩阵”就开始条件反射要正交对角化，但实际得分率并不高。原因在于题目不一定要求构造正交矩阵，有时候只要求判断特征值的范围，或者利用相似对角化求k次幂，所以读题时一定要看清具体要求。

实对称矩阵有个非常好的性质——特征值都是实数，且不同特征值对应的特征向量彼此正交。利用这一点，可以免去部分正交化步骤。比如已知某个对称矩阵的两个特征值λ1=1、λ2=4，并且已经求出λ=1的特征向量，那么求λ=4的特征向量时，可以直接令它与已知特征向量正交，进而解出未知的特征向量。这招比硬算A - 4I的基础解系有时更快。

不过要注意：实对称矩阵的“不同特征值特征向量正交”是定理保证的，但“同一特征值的多个特征向量”不一定正交，需要自己做Gram-Schmidt正交化。不要混淆这个前提。

在写解答步骤时，我习惯把特征值、特征向量、正交化后的向量、单位化后的向量分四行列出，方便复查。如果中间某一步的结果看起来“丑”（比如根号、分数很不规则），通常不是算错了，而是可能用的参考坐标系不对，检查一下是不是在正交化时漏掉了归一化因子。

2.4 线性方程组与秩：小问题里的大陷阱

线性代数部分不只考行列式和特征值，方程组与秩也是高频综合考点。练习（10）里以“判断含参数方程组是否有唯一解”的形式出现。这类题的核心思路是把增广矩阵化为行最简形，然后根据秩的情况分类讨论。

遇到过不少同学在参数讨论时漏情况。比如矩阵里有一个含k的表达式作分母，解的时候直接“因为分母不能为零，所以排除某个k”，这个操作本身没错，但之后往往忘了讨论分母为零的情形是否真的无解或无穷多解。正确做法是：把参数取特殊值之前先不消去含参的项，化简到阶梯形之后再按参数分类，每一步都要问自己：“这一步我对参数做了什么假设？”

举个极简例子，方程组：

x + y = 2 2x + ky = 4

第二个方程减去2倍第一个方程得到(k-2)y = 0。如果直接说“当 k=2 时无解”，那就漏了“当 k≠2 时有唯一解 y=0, x=2”的情况；而实际上当 k=2 时，第二个方程变成0=0，无穷多解，不是无解。这种低级错误在考场上高发，就是因为下意识把“参数在分母”错误移植到了“参数在系数”。

模拟练习能暴露这类问题的原因在于限时状态下你会走最顺手的路，很难停下来细想参数假设。所以每次做完参数讨论的题，我都会在解得最后补一句“当某参数等于某值时，原方程组变成什么样”，再写对应的秩。只要补了这一句，答案的完整性立刻上一个档次。

3. 数据结构部分：算法设计题的读题与手写实现

3.1 链表操作题：先画图再动手，不要边想边写

数据结构笔试和线代题很大的不同在于，它是“用文字和伪代码表达过程”。练习（10）里有一道链表逆置的题，要求写函数实现单链表原地逆置，并且不能申请额外节点空间。这题本身不难，但每年都有人写错，原因几乎都指向同一个——上来就写代码，不在草稿纸上画节点关系。

单链表逆置的核心是三个指针：prev、curr、next。操作路径可以总结成四步：

1. 保存当前节点的下一个节点next = curr->next；
2. 把当前节点的指针转向prev：curr->next = prev；
3. 移动prev到curr：prev = curr；
4. 移动curr到next：curr = next。

循环直到curr == NULL，最后把头指针指向prev。

我见过最多的错误是在第4步忘了用第1步保存的next，导致链表后半段丢失。这属于手滑，不是思路问题，但考试里手滑同样丢分。解决方法是画“初始状态 → 一次循环后 → 最终状态”三张图，写代码前花30秒钟把图画完，后面基本不会错。

还有一类链表题是“判断是否有环”，练习（10）没直接考，但它和逆置一样都是高频基础题。快慢指针法（Floyd判圈）说起来简单，但手写边界条件却经常出错。核心是快指针每次走两步，慢指针每次走一步，若二者相遇则说明有环；另一个常考题是找环的入口，需要数学推导，这个推导过程我建议自己推一遍，不要死记结论，因为笔试可能让你证明“为什么按某个方式移动能找到入口”。

3.2 栈与队列：括号匹配这类题的边界条件比你想的多

栈和队列在笔试中的出题形式通常比较抽象。练习（10）出现的是括号匹配判断问题：给定一个只含( ) [ ] { }的字符串，判断括号是否合法闭合。这道题如果是在代码编辑器里跑，几秒钟就能验证，但在纸上手写伪代码，很多人会漏掉“栈为空时遇到右括号”这种情况。

正确的设计思路是遍历每个字符：

• 如果是左括号，入栈；
• 如果是右括号，先检查栈是否为空。为空则直接返回不匹配；不为空则弹出栈顶，字符与当前右括号配对检查；
• 遍历结束后，栈若不为空，则说明有多余的左括号，也不匹配。

边界条件就三个：遍历中的空栈问题、配对不符问题、结尾非空问题。我习惯在写代码前用( [ ) ]、((()))、)(这三个例子分别走一遍逻辑，确认三种失败形式都能被抓住。

手写这道题时，伪代码的栈操作尽量写成push、pop、top、empty这样清晰的自解释接口，不要省略判断条件。阅卷老师看的就是你有没有考虑边界情况，把边界检查步骤显式写出来，比缩略写法更占便宜。

3.3 树：递归遍历的书写规范与层序遍历的手动队列

数据结构部分的树相关题是重头戏。练习（10）里有一道要求“写出二叉树前序遍历的非递归实现”的题。非递归前序遍历通常借助栈：先访问根节点，再把右孩子入栈，再处理左子树。伪代码大概是：

push(root) while stack not empty: node = pop() visit(node) if node->right != NULL: push(node->right) if node->left != NULL: push(node->left)

这个写法里，入栈顺序是“先右后左”，因为栈是LIFO，先入右孩子才能保证左孩子先被访问。很多人写反成“先左后右”，遍历顺序就变成了根-右-左。

非递归中序和后序更麻烦，手写时容易出错。中序非递归的思路是：一路向左走，把沿途节点全部入栈，直到左子树为空，再弹栈访问，然后转向右子树。后序非递归通常用两个栈或标记法，技巧性更强。我的建议是：考前把前序、中序、后序遍历的非递归实现各手写一遍，做成模板记忆。笔试现场现推虽然也能推出来，但会消耗大量时间，不值得。

层序遍历出现频率也不低，经典工具是队列。每次出队一个节点就访问它，同时将其左右孩子入队。注意题目若要求“按层输出”，每层结束时需要额外记录层节点数，或者在当前队列大小范围内循环，以防把下一层节点混进同一层。这个细节是很多人的丢分点，模拟练习中我特意会在批改时标记出来。

3.4 排序与查找：手写快速排序时，枢轴选择和交换逻辑

排序算法在大学院笔试里不是让写最优代码，而是考察你是否理解算法的过程和稳定性。练习（10）里曾让手动模拟快速排序前两趟的过程，并写出基于“首元素为枢轴”的划分结果。这类题不算难，但手动模拟过程中非常容易抄错原数组。

快速排序的核心是划分操作（partition），常用的一种实现是“霍尔划分”：选一个枢轴值，从右往左找小于枢轴的数，从左往右找大于枢轴的数，然后交换。手写时必须注意指针移动的先后顺序，比如先移动右指针还是左指针会影响最终枢轴位置，也会影响算法的稳定性（快排本身不稳定，但不同写法会让不稳定表现不一样）。

考试时模拟快排，我建议按下面步骤操作：

1. 先把数组索引标在草稿纸上；
2. 每轮划分都用双指针标出当前low与high的位置；
3. 每交换一次后在旁边记录本轮数组；
4. 最终确定枢轴位置后，标记下一轮的子区间范围。

这样即使后面算错，也能比较方便地找出是第几步交换出了问题。之前遇到一个同学模拟快排时因漏写一个交换步骤，导致后续所有划分全都错位，检查半天才发现，白丢了十几分，非常可惜。

排序题还有一个常考知识点是“某排序算法是否稳定”。我习惯用这个概念强化记忆：稳定指“相同关键字的记录在排序前后相对次序不变”。选择排序、快排、堆排不稳定；冒泡、插入、归并、基数稳定。考试如果问“快速排序是否稳定”，答案是否定的，但最好能举个反例，比如[3, 2, 2]以第一个3为枢轴划分时，两个2的相对位置可能反转。写反例比干说结论更能得分。

4. 混合模拟的实战价值：一场练习同时检查两类思维漏洞

4.1 为什么要交叉出题而不是分开刷

很多人复习时习惯“上午两小时全做线代，下午两小时全做数据结构”，这种刷法有它的优点——注意力集中在单一知识域，短期内容易上手；但缺点也很明显：真实考试不一定给你这种“舒适区拆分”。

大学院笔试往往在教室里连着考，中间可能只有短暂休息，甚至两科在同一张卷上交替出现。脑袋在行列式和二叉树之间来回切换时，会产生额外的认知负担。练习（10）故意把线代和数据结构题穿插排列，就是为了模拟这种切换感。我第一次这么练时，切到第三题时明显感觉到思维有点“卡”，那正是平时分科刷题练不出来的体验。多来几次交叉模拟，考试的切换负担就会小很多。

交叉出题还方便对照检查自己的强弱项。比如同样一个小时内，线代部分算得顺但数据结构大题久攻不下，就能因此定位到“逻辑建模能力偏弱”，而不是笼统的“学得不好”。这种定位对后续复习方向非常有价值。

4.2 限时训练的价值：时间分配是笔试里的隐藏科目

大学院笔试的时间通常按“题量×难度”设定，不会给太多富裕。练习（10）的完成时间我建议按“线代50分钟 + 数据结构60分钟 + 检查10分钟”来安排，整体控制在两小时以内。具体到单题，先算作弊级建议：每道线代计算题最多花8分钟，超过就先跳；每道数据结构写码题最多花12分钟，超过也要先收尾。这个时间比不是标准，但很适合用来发现自己是否在某一题上钻牛角尖。

限时做题和平时练习最大的区别在于“时间压力下的选择”——你必须在“再想一会儿”和“先做下一题”之间做决策。经常有人在同一道题上耗掉20分钟，后面简单题没时间写，非常吃亏。我的经验是，草稿纸上做标记：题目旁边写“5min”，如果5分钟到了还理不出头绪，就标个圈，先做别的，最后再回头。事实证明，冷静下来之后再看的成功率比死磕高得多。

4.3 错题复盘的关键：不是看答案，而是还原思路断点

模拟练习做完后的复盘，比练习本身更重要。但复盘千万不要只看“这题正确答案是什么”，而要看“我当时思路在哪一步断了”。

我自己习惯用“断点记录法”：解题过程中，在草稿纸的某一角写下每道题卡壳的地方，比如“行列式加列法没想到”“链表逆置时没保存 next”“递归遍历时搞错了入栈顺序”等。做完后翻开这些断点，逐条对应到知识点，能明显看出错误集中在哪个环节。

比如做练习（10）有一道线性方程组参数讨论的题，我最初答案少讨论了一个参数情况。回看草稿，发现我在消元时用了一个“两边同时除以含参多项式”的操作，等于默认了该多项式不为零，等于在题干之外额外加了一个假设。这就是典型的“思路断点”——不是不懂秩的判断，而是消元时偷懒导致的假设丢失。找到断点后，我把所有“除以含参表达式”的操作都强制改写为“提取公因式但不约分”，后续再遇到参数题就没犯过类似错误。

错题复盘切忌把所有错因归结于“粗心”。一旦归结为粗心，就不会深入思考底层思维方式的问题，下次换个题目照样错。宁可把粗心拆成“看漏条件”“抄错数字”“忘记分类”“边界没检查”等具体类型，然后针对每种类型想一个对策，复盘的效益才会最大化。

5. 实操心得：从几十场模拟练习里总结的提分细节

5.1 从排版开始练：卷面影响的不只是印象分

笔试答题纸上的空间有限，很多同学喜欢把步骤写得很紧凑，一行接一行，结果后面发现某一步需要补充或者改正时，根本没地方下笔。我练过一段时间之后发现，最好的排版方式是“一题一区域，每行一个等式”，计算类题目用横线把推导过程整齐列出来，每一步之间空两行，方便检查和更正。

尤其是线性代数的矩阵变换，每一行都应写出“做了什么操作”，比如在行首标注“第2行减去第1行的2倍”。这一步不只能帮批改者看思路，更重要的是帮你自己在复查时快速定位。考试时如果时间紧张，不需要写完整注释，但可以用简单的箭头和短线标明，效果类似。

数据结构的手写代码也要注意格式。我见过有人从纸的左上角开始写，写到右边线再折回，最后整个函数如同乱麻，阅卷人很难看清层次。建议先用尺子或目测留出左侧1厘米的空白，然后严格缩格，函数体内的语句统一缩进两格，嵌套时再增加缩进。这样即使代码有小错，整体结构清晰，也比较容易拿到过程分。

5.2 检查环节的固定动作：用特殊值检验计算结果

考试最后10分钟检查时，不要漫无目的地重做一遍。我给自己规定了一套固定动作，非常有效：

• 线代部分：对求出的特征值，找一个对应特征向量带回去算A v，看是否等于λv；对矩阵幂，取n=1代回验证；对行列式，把某个比较整齐的数值（如0或1）代入原行列式，看结果是否一致。
• 数据结构部分：给伪代码代入一个小型测试数据，比如链表[1,2,3]、树只有三个节点，走一遍循环，检查每一步是否符合预期。

这些特殊值验证虽然不能保证100%准确，但能拦住绝大多数由于抄写、符号、索引越界引发的问题。练习（10）的模拟里，很多人特征值算对了但在矩阵A v验证环节发现向量符号写反，这类错误一抓一个准。

5.3 临考状态调整：两科之间的思维切换需要刻意练习

很多人忽略的一个事实是：不同科目之间切换时的“换挡”损耗是真实存在的。线性代数重计算、重符号处理，数据结构重逻辑、重伪代码表达，两种模式在脑区的切换需要时间。如果你每周末只做一套混合模拟，考前突然面对两科交替的真题，可能会觉得“脑子转不过来”。

因此我建议在考前两周内，每周至少做两次混合模拟，并且让自己的做题顺序和真实考试保持一致。比如真实考试的线代在前，那你模拟时也就先做线代；如果数据结构在前，那就先做数据结构。不要每次都从自己擅长的科目开始，因为到了考场上你没法选择顺序。这样的刻意练习虽然看起来只是“换了个顺序”，但确实能有效减少临场的思维切换焦虑。

另一个小技巧是：每完成一个科目的题目，在答题纸上做一个明显的分隔标记，比如画一条横线，写“以下为数据结构部分”。这不仅方便阅卷人，也能给自己心理上的闭合信号——“线代部分结束了，接下来换挡到数据结构模式”，减少上一科题目给自己带来的后续纠结。

5.4 常见低级错误速查表：考前过一遍能避掉一半坑

我把模拟练习中常见的低级错误整理成了一份速查表，每次开考前几分钟扫一眼，效果很好。这里分享出来：

这份表不一定覆盖所有学校的所有题型，但应对大多数“大而基础”的大学院笔试已经足够。我每次做新模拟卷时，都会把新遇到的问题往表里加，越补越全，到最后基本不会再犯重复的低级错误。

6. 个人体会：模拟练习（10）做完之后，我更看重什么

这道混合模拟练习第10套做完，我自己最大的收获不是多会了几道题，而是认清了一个事实：刷题也好，复习也罢，最终要训练的是“在有限时间内稳定输出已有知识”的能力。懂和会写之间，隔着一整个模拟练习的距离。

所以如果你现在还在为大学院笔试焦虑，与其再翻一遍笔记，不如腾出两个小时，正经做一套混合模拟，尽可能还原考场状态。做完之后认真复盘自己的思路断点，找出那些导致失分的“隐藏假设”和“边角边界”，再针对性地修正。按这个节奏练上几套，你对时间和正确率的控制能力会比盲目刷题提升得更明显。

最后分享一个我一直在用的细节习惯：每次模拟练习结束后，在卷子首页空白处写三行字——第一行写这次练习的目标，第二行写实际完成情况，第三行写下次最需要改进的一个点。别小看这三行字，它对后续复习方向的调整帮助比我预期的还要大。下一次做模拟时，把上一轮的三行字拿出来对比，你会明显看到自己的变化。这就是我眼中模拟练习最大的价值所在。