线性代数的概念很多，重要的有：

代数余子式，伴随矩阵，逆矩阵，初等变换与初等矩阵，正交变换与正交矩阵，秩（矩阵、向量组、二次型），等价（矩阵、向量组），线性组合与线性表出，线性相关与线性无关，极大线性无关组，基础解系与通解，解的结构与解空间，特征值与特征向量，相似与相似对角化，二次型的标准形与规范形，正定，合同变换与合同矩阵。

往年常有考生没有准确把握住概念的内涵，也没有注意相关概念之间的区别与联系，导致做题时出现错误。例如，矩阵A＝（α1，α2，……，αm）与B＝（β1，β2……，βm）等价，意味着经过初等变换可由A得到B，要做到这一点，关键是看秩r（A）与r（B）是否相等，而向量组α1，α2，……αm与β1，β2，……βm等价，说明这两个向量组可以互相线性表出，因而它们有相同的秩，但是向量组有相同的秩时，并不能保证它们必能互相线性表现，也就得不出向量组等价的信息，因此，由向量组α1，α2，……αm与β1，β2，……βm等价，可知矩阵A＝（α1，α2，……αm）与B＝（β1，β2，……βm）等价，但矩阵A与B等价并不能保证这两个向量组等价。

又如，实对称矩阵A与B合同，即存在可逆矩阵C使CTAC＝B，要实现这一点，关键是二次型xTAx与xTBx的正、负惯性指数是否相同，而A与B相似是指有可逆矩阵P使P－1AP＝B成立，进而知A与B有相同的特征值，如果特征值相同可知正、负惯性指数相同，但正负惯性指数相同时，并不能保证特征值相同，因此，实对称矩阵A～BAB，即相似是合同的充分条件。

线性代数中运算法则多，应整理清楚不要混淆，基本运算与基本方法要过关，重要的有：

行列式（数字型、字母型）的计算，求逆矩阵，求矩阵的秩，求方阵的幂，求向量组的秩与极大线性无关组，线性相关的判定或求参数，求基础解系，求非齐次线性方程组的通解，求特征值与特征向量（定义法，特征多项式基础解系法），判断与求相似对角矩阵，用正交变换化实对称矩阵为对角矩阵（亦即用正交变换化二次型为标准形）。