first commit

This commit is contained in:
2026-10-04 11:44:56 +08:00
commit e7cbe2cdae
265 changed files with 52919 additions and 0 deletions
@@ -0,0 +1,702 @@
# 📌 第二章 矩阵及其运算 考研核心通关笔记
> 线性代数的"主角"——方程组/向量组/特征值/二次型全部建立在矩阵运算之上
---
## ① 本章核心知识框架 (Core Concept Map)
### 2.1 矩阵的定义与基本概念
#### 一、矩阵
由 $m \times n$ 个数排成的 $m$ 行 $n$ 列矩形数表称为 $m \times n$ 矩阵,记为 $A = (a_{ij})_{m \times n}$。
- $a_{ij}$:第 $i$ 行第 $j$ 列的元素
- $m=n$ 时为 $n$ 阶**方阵**,记为 $A_n$
*极简例子:* $A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \\ 5 & 6 \end{pmatrix}$ 是 $3 \times 2$ 矩阵,$a_{32} = 6$。
#### 二、特殊矩阵速查
| 名称 | 定义 | 极简例子 |
|------|------|---------|
| **零矩阵** $O$ | 所有元素为 0 | $\begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix}$ |
| **行矩阵** | $m=1$(一行) | $(1\ 2\ 3)$ |
| **列矩阵** | $n=1$(一列) | $\begin{pmatrix} 1 \\ 2 \\ 3 \end{pmatrix}$ |
| **同阶矩阵** | 行数列数都相同 | $A_{3\times2}, B_{3\times2}$ 同阶 |
| **单位阵** $E$ | 主对角元为 1,其余为 0 | $\begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}$ |
| **对角阵** $\Lambda$ | $i \neq j$ 时 $a_{ij}=0$ | $\begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix}$ |
| **数量阵** $kE$ | 单位阵的 $k$ 倍 | $3E = \begin{pmatrix} 3 & 0 \\ 0 & 3 \end{pmatrix}$ |
| **上(下)三角阵** | 主对角线下方(上方)全 0 | $\begin{pmatrix} 1 & 2 \\ 0 & 3 \end{pmatrix}$ |
> 🔑 **考试陷阱**:$E$ 与数字 1 不同——$E$ 是矩阵,1 是数;$E$ 一定可逆($E^{-1}=E$),数字 1 的"逆"是自身。
---
### 2.2 矩阵的线性运算
#### 一、矩阵加法(必须同阶)
$$
A + B = (a_{ij} + b_{ij})_{m \times n}
$$
*极简例子:* $\begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} + \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix} = \begin{pmatrix} 6 & 8 \\ 10 & 12 \end{pmatrix}$
**运算律**(交换律、结合律、零元 $O$、负元 $-A$):与数的加法一致。
#### 二、数乘矩阵
$$
kA = (ka_{ij})_{m \times n}
$$
*极简例子:* $2 \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} = \begin{pmatrix} 2 & 4 \\ 6 & 8 \end{pmatrix}$
**运算律**:结合律 $(kl)A = k(lA)$;分配律 $k(A+B) = kA + kB$, $(k+l)A = kA + lA$。
#### 三、矩阵的转置
$$
A = (a_{ij})_{m \times n}, \quad A^T = (a_{ji})_{n \times m}
$$
*极简例子:* $\begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{pmatrix}^T = \begin{pmatrix} 1 & 4 \\ 2 & 5 \\ 3 & 6 \end{pmatrix}$
**运算律(必背)**:
| 公式 | 说明 |
|------|------|
| $(A^T)^T = A$ | 双重转置还原 |
| $(A+B)^T = A^T + B^T$ | 转置与加法可交换 |
| $(kA)^T = kA^T$ | 转置与数乘可交换 |
| $(AB)^T = B^T A^T$ | **转置与乘法交换,但顺序颠倒!** |
| $(A^k)^T = (A^T)^k$ | $k$ 次幂与转置可交换 |
> 🔑 **核心提示**:转置对加法、数乘"直来直去",但**对乘法要反序**——这是后续公式推导的灵魂。
#### 四、对称矩阵与反对称矩阵
- **对称矩阵**:$A^T = A$(如 $\begin{pmatrix} 1 & 2 \\ 2 & 3 \end{pmatrix}$)
- **反对称矩阵**:$A^T = -A$(主对角元必为 0,如 $\begin{pmatrix} 0 & 1 \\ -1 & 0 \end{pmatrix}$)
> ⚠️ 任意方阵 $A$ 都可唯一分解为 $A = \dfrac{A+A^T}{2} + \dfrac{A-A^T}{2}$(对称部分 + 反对称部分)。
---
### 2.3 矩阵乘法(最核心)
#### 一、定义
$A = (a_{ik})_{m \times s}$,$B = (b_{kj})_{s \times n}$,则乘积 $C = AB = (c_{ij})_{m \times n}$,其中
$$
c_{ij} = \sum_{k=1}^s a_{ik} b_{kj}
$$
即 $AB$ 的 $(i,j)$ 元 = $A$ 第 $i$ 行 × $B$ 第 $j$ 列。
*极简例子:* $\begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix} = \begin{pmatrix} 1\cdot5+2\cdot7 & 1\cdot6+2\cdot8 \\ 3\cdot5+4\cdot7 & 3\cdot6+4\cdot8 \end{pmatrix} = \begin{pmatrix} 19 & 22 \\ 43 & 50 \end{pmatrix}$
#### 二、可乘条件(重要)
$A$ 的**列数** = $B$ 的**行数**时 $AB$ 才有意义;乘积 $AB$ 的行数 = $A$ 的行数,列数 = $B$ 的列数。
$$
A_{m \times s} \cdot B_{s \times n} = C_{m \times n}
$$
#### 三、运算律
| 运算律 | 公式 | 备注 |
|--------|------|------|
| **结合律** | $(AB)C = A(BC)$ | ✓ |
| **左分配律** | $A(B+C) = AB + AC$ | ✓ |
| **右分配律** | $(A+B)C = AC + BC$ | ✓ |
| **数乘结合** | $k(AB) = (kA)B = A(kB)$ | ✓ |
| **单位元** | $EA = A,\ AE = A$ | ✓ |
| **交换律** | $AB = BA$ | ❌ **绝大多数情况不成立!** |
| **消去律** | $AB = AC \Rightarrow B = C$ | ❌ **需要 $A$ 可逆才行** |
> 🔑 **矩阵乘法不交换是整个线性代数的核心矛盾**——所有"反直觉"的反例几乎都从这里来。
#### 四、矩阵乘法不交换的经典反例
$$
AB = \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix} \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}, \quad
BA = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix} = \begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix}
$$
$AB \neq BA$,而且 $AB \neq O$ 但 $BA = O$($O$ 是零矩阵)。
---
### 2.4 方阵的幂与多项式
#### 一、方阵幂
$$
A^k = \underbrace{A \cdot A \cdots A}_{k \text{ 个}}
$$
$A^0 = E$,$A^1 = A$。
*极简例子:* $\begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}^2 = \begin{pmatrix} 1 & 2 \\ 0 & 1 \end{pmatrix}$(Jordan 块的幂公式)。
#### 二、方阵幂的运算律
| 公式 | 成立条件 |
|------|---------|
| $A^k A^l = A^{k+l}$ | ✓ 总是成立 |
| $(A^k)^l = A^{kl}$ | ✓ 总是成立 |
| $(AB)^k = A^k B^k$ | ❌ **仅当 $AB=BA$ 时成立** |
| $A^m = A^n \Rightarrow A^{m-n} = E$ | ❌ 需要 $A$ 可逆或额外条件 |
#### 三、矩阵多项式
$$
f(A) = a_m A^m + a_{m-1} A^{m-1} + \cdots + a_1 A + a_0 E
$$
**注意**:常数项必须乘 $E$!不是 $a_0$ 而是 $a_0 E$(因为常数要"升格"为矩阵才能与矩阵相加)。
*极简例子:* $f(x) = x^2 - 2x + 3$,则 $f(A) = A^2 - 2A + 3E$。
---
### 2.5 方阵的行列式
#### 一、基本公式
$$
\det(kA) = k^n \det A \quad (A \text{ 为 } n \text{ 阶})
$$
$$
\det(AB) = \det A \cdot \det B
$$
$$
\det(A^T) = \det A
$$
*极简例子:* $\det(2A) = 2^n \det A$(每行各乘 2,共 $n$ 行 → $2^n$ 倍)。
> ⚠️ **考试陷阱**:$\det(A+B) \neq \det A + \det B$!行列式**没有分配律**。
#### 二、推论(抽象行列式公式库)
| 公式 | 推导 |
|------|------|
| $\det(A^{-1}) = 1/\det A$ | $A \cdot A^{-1} = E \Rightarrow \det A \cdot \det A^{-1} = 1$ |
| $\det(A^k) = (\det A)^k$ | $\det(AB)=\det A \det B$ 反复用 |
| $\det(A^T) = \det A$ | 转置不变 |
| $\det(A^*) = (\det A)^{n-1}$ | 见 §2.7 |
---
### 2.6 逆矩阵
#### 一、定义
设 $A$ 为 $n$ 阶方阵,若存在 $n$ 阶方阵 $B$ 使 $AB = BA = E$,则称 $A$ **可逆**,$B$ 是 $A$ 的**逆矩阵**,记 $B = A^{-1}$。
*极简例子:* $\begin{pmatrix} 1 & 2 \\ 1 & 3 \end{pmatrix}^{-1} = \begin{pmatrix} 3 & -2 \\ -1 & 1 \end{pmatrix}$(可验证乘积 = $E$)。
#### 二、可逆的充要条件(逻辑链)
$$
A \text{ 可逆} \iff \det A \neq 0 \iff r(A) = n \iff Ax=0 \text{ 只有零解}
$$
> 🔑 这是贯穿后续所有章节的"主线判断"——任何等价说法都可以用作判断可逆的工具。
#### 三、求逆方法(两大体系)
**方法 1:伴随矩阵法**
$$
A^{-1} = \frac{1}{\det A} A^*
$$
其中 $A^* = (A_{ji})_{n \times n}$(**代数余子式转置排列**)。
**方法 2:初等行变换法(更常用)**
$$
(A \mid E) \xrightarrow{\text{行变换}} (E \mid A^{-1})
$$
#### 四、逆矩阵的运算律(必须熟记)
| 公式 | 备注 |
|------|------|
| $(A^{-1})^{-1} = A$ | 自反性 |
| $(kA)^{-1} = \dfrac{1}{k}A^{-1}$($k \neq 0$) | 数乘的逆 |
| $(AB)^{-1} = B^{-1} A^{-1}$ | **乘法交换时逆也交换** |
| $(A^T)^{-1} = (A^{-1})^T$ | 转置与求逆可交换 |
| $(A^k)^{-1} = (A^{-1})^k$ | 幂的逆 |
> 🔑 **口诀**:**"穿脱原则"**——乘积求逆要**反序**穿脱:$(AB)^{-1} = B^{-1} A^{-1}$。
#### 五、可逆矩阵的判定
设 $A, B$ 是同阶方阵:
| 条件 | 结论 |
|------|------|
| $AB = E$(或 $BA = E$) | $A, B$ 互逆 |
| $A^2 = E$ | $A^{-1} = A$(对合) |
| $A^k = O$($k \ge 1$) | $A$ 不可逆(幂零矩阵 $\det = 0$) |
---
### 2.7 伴随矩阵(核心考点)
#### 一、定义
设 $A = (a_{ij})_{n \times n}$,$A_{ij}$ 为 $a_{ij}$ 的代数余子式,则
$$
A^* = \begin{pmatrix} A_{11} & A_{21} & \cdots & A_{n1} \\ A_{12} & A_{22} & \cdots & A_{n2} \\ \vdots & \vdots & & \vdots \\ A_{1n} & A_{2n} & \cdots & A_{nn} \end{pmatrix}
$$
> ⚠️ **致命陷阱**:$A^*$ 中 $A_{ij}$ 排在**第 $j$ 行第 $i$ 列**(即代数余子式**先转置再放回**),不要写成 $A_{ij}$ 在原位置!
*极简例子:* $A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}$,$A^* = \begin{pmatrix} 4 & -2 \\ -3 & 1 \end{pmatrix}$(注意 $A_{21} = -2$ 放在第 1 行第 2 列)。
#### 二、九大核心公式 ⭐⭐⭐
$$
\boxed{
\begin{aligned}
& (1)\ A A^* = A^* A = (\det A) E \\
& (2)\ A^{-1} = \dfrac{A^*}{\det A} \quad (\det A \neq 0) \\
& (3)\ (A^*)^{-1} = \dfrac{1}{\det A} A \quad (\det A \neq 0) \\
& (4)\ \det A^* = (\det A)^{n-1} \\
& (5)\ (A^*)^T = (A^T)^* \\
& (6)\ (kA)^* = k^{n-1} A^* \\
& (7)\ (AB)^* = B^* A^* \\
& (8)\ (A^*)^* = (\det A)^{n-2} A \quad (n \ge 2) \\
& (9)\ r(A^*) = \begin{cases} n, & r(A) = n \\ 1, & r(A) = n-1 \\ 0, & r(A) < n-1 \end{cases}
\end{aligned}
}
$$
> 🔑 **公式 (1) 是所有伴随公式的母公式**——其他都是它的推论。务必先背 (1)。
#### 三、伴随公式的推导链
- 公式 (1):按行展开定理的直接应用
- 公式 (2):公式 (1) 两边除以 $\det A$
- 公式 (3):公式 (1) 两边除以 $(\det A)^2$
- 公式 (4):公式 (1) 两边取行列式 $\Rightarrow (\det A) \det(A^*) = (\det A)^n$
*极简例子:* 设 $A$ 为 3 阶,$\det A = 2$,则 $\det(A^*) = 2^{3-1} = 4$。
---
### 2.8 克拉默法则
#### 一、内容
设 $A = (a_{ij})$ 是 $n$ 阶方阵,$\det A \neq 0$,则线性方程组 $A\mathbf{x} = \mathbf{b}$ 有**唯一解**:
$$
x_j = \frac{D_j}{\det A}, \quad j = 1, 2, \ldots, n
$$
其中 $D_j$ 是把 $A$ 的第 $j$ 列替换为 $\mathbf{b}$ 后所得行列式。
*极简例子:* $\begin{cases} 2x_1 + x_2 = 3 \\ x_1 + 3x_2 = 4 \end{cases}$,$\det A = 5$,$D_1 = \begin{vmatrix} 3 & 1 \\ 4 & 3 \end{vmatrix} = 5$,$D_2 = \begin{vmatrix} 2 & 3 \\ 1 & 4 \end{vmatrix} = 5$,故 $x_1 = 1, x_2 = 1$。
#### 二、推论(齐次方程组)
$A\mathbf{x} = \mathbf{0}$ 有非零解 $\iff$ $\det A = 0$。
> 🔑 这是 Ch03 齐次方程组解结构的前置知识。
#### 三、使用限制
- 只能用于**方阵**(即方程个数 = 未知数个数)
- 只能用于**右端常数项 $\mathbf{b} \neq \mathbf{0}$** 的非齐次情形
- **$n$ 很大时计算量爆炸**——$n=4$ 时已经要算 5 个 4 阶行列式,所以克拉默法则**只在小 $n$ 或证明题中使用**
---
### 2.9 矩阵分块法
#### 一、分块思想
把大矩阵按"块"切分成若干小矩阵,每个块本身是一个矩阵。
*极简例子:* $A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{pmatrix}$ 可分为 $A = \begin{pmatrix} A_1 & A_2 \end{pmatrix}$,其中 $A_1 = \begin{pmatrix} 1 \\ 4 \end{pmatrix}$,$A_2 = \begin{pmatrix} 2 & 3 \\ 5 & 6 \end{pmatrix}$。
#### 二、分块原则
- 行分块与列分块必须**对齐**:相邻两块共享行/列边界
- 列数与行数都必须能"整除"分块尺寸
#### 三、分块对角阵
$$
A = \begin{pmatrix} A_1 & & \\ & \ddots & \\ & & A_k \end{pmatrix}, \quad \det A = \prod_{i=1}^k \det A_i
$$
$$
A^{-1} = \begin{pmatrix} A_1^{-1} & & \\ & \ddots & \\ & & A_k^{-1} \end{pmatrix}
$$
**(每个子块独立求逆)**
*极简例子:* $\begin{pmatrix} 2 & 0 & 0 \\ 0 & 1 & 2 \\ 0 & 0 & 1 \end{pmatrix}^{-1} = \begin{pmatrix} 1/2 & 0 & 0 \\ 0 & 1 & -2 \\ 0 & 0 & 1 \end{pmatrix}$。
#### 四、分块乘法的关键公式
$$
\begin{pmatrix} A & B \\ C & D \end{pmatrix} \begin{pmatrix} X & Y \\ Z & W \end{pmatrix} = \begin{pmatrix} AX+BZ & AY+BW \\ CX+DZ & CY+DW \end{pmatrix}
$$
其中**乘法与一般矩阵乘法完全一致**,只是把每个块当作一个"元素"做运算(前提:块尺寸匹配)。
#### 五、分块求逆公式(副对角情形)
$$
\begin{pmatrix} A & O \\ O & B \end{pmatrix}^{-1} = \begin{pmatrix} A^{-1} & O \\ O & B^{-1} \end{pmatrix}
$$
$$
\begin{pmatrix} O & A \\ B & O \end{pmatrix}^{-1} = \begin{pmatrix} O & B^{-1} \\ A^{-1} & O \end{pmatrix}
$$
> 🔑 **副对角分块求逆**:原矩阵的右上 $A$ 求逆后放到新矩阵的**右下**,原矩阵的左下 $B$ 求逆后放到新矩阵的**左上**——形成"翻转"。
---
## ② 必考题型分类索引
> 每个题型独立成文,包含完整的 mermaid 解题流程图、通法步骤、常见陷阱和经典母题。
| # | 题型 | 核心判据 | 详细笔记 |
|---|------|---------|---------|
| 1 | 矩阵运算与线性变换 | 加、数乘、乘法、转置运算 | [[题型1_矩阵运算与线性变换]] |
| 2 | 方阵幂与行列式性质 | $A^k$ 计算,$\det(AB) = \det A \det B$ | [[题型2_方阵幂与行列式性质]] |
| 3 | 逆矩阵求解 | 伴随矩阵法 / 初等行变换法 | [[题型3_逆矩阵求解]] |
| 4 | 伴随矩阵与抽象矩阵 | $A^*$ 性质、$AA^* = (\det A)E$ | [[题型4_伴随矩阵与抽象矩阵]] |
| 5 | 分块矩阵运算 | 分块对角、逆的分块、乘法的分块 | [[题型5_分块矩阵运算]] |
| 6 | 克拉默法则与解的判定 | $\det A \neq 0$ 与方程组解的关系 | [[题型6_克拉默法则与解的判定]] |
---
## ③ 高频考点与多维变换
### Top 5 高频考点
| 排名 | 考点 | 近15年考频 | 典型分值 |
|------|------|-----------|---------|
| 1 | 伴随矩阵九大公式 + $AA^* = (\det A)E$ | 14次 | 4-10分 |
| 2 | 抽象矩阵行列式($\det(A^*)$, $\det(A^{-1})$, $\det(A^k)$) | 12次 | 4分 |
| 3 | 矩阵乘法不交换、反例、化简 $(AB)^k = A^k B^k$ | 10次 | 4-8分 |
| 4 | 逆矩阵求解(伴随法 + 初等变换法) | 8次 | 4-6分 |
| 5 | 克拉默法则判定可逆与解的关系 | 6次 | 4分 |
### 【示例:一题多角度】
**核心概念**:同一个抽象矩阵,三种考法层次
> **同一抽象条件**:$A$ 是 $n$ 阶矩阵,$\det A = a \neq 0$,求 $\det(2A^* A^T A^{-1})$。
**角度一:选择题(概念辨析)**
下列哪个等式一定成立?
- (A) $(AB)^T = A^T B^T$ ✓/✗?
- (B) $(AB)^{-1} = A^{-1} B^{-1}$ ✓/✗?
- (C) $\det(2A) = 2 \det A$ ✓/✗?
**答案**:(A) 错误——应反序为 $B^T A^T$;(B) 错误——应反序为 $B^{-1} A^{-1}$;(C) 错误——应为 $2^n \det A$。
**角度二:填空题(公式应用)**
设 $n=3$,$\det A = 2$,则 $\det(A^*) = ?$
**解法**:$\det(A^*) = (\det A)^{n-1} = 2^2 = 4$。
**角度三:解答题(综合证明)**
设 $A$ 为 $n$ 阶矩阵,$|A| \neq 0$,证明 $A^*$ 可逆并求 $(A^*)^{-1}$。
**解法**:
$$
A A^* = (\det A) E \Rightarrow A \cdot \frac{A^*}{\det A} = E \Rightarrow \left( \frac{A^*}{\det A} \right)^{-1} = A
$$
故 $A^*$ 可逆,且 $(A^*)^{-1} = \dfrac{A}{\det A}$。
**启示**:同一个抽象条件,选择题考概念辨析、填空考公式应用、解答考证明推理——三种深度都要掌握。本题揭示**"九大公式"是整个 Ch02 的核武库**,反复套用。
---
## ④ 方法论与解题通法 (Methodology)
### 方法〇:矩阵运算的"四维决策树"
```
矩阵运算
├── 加法 / 数乘:直接逐元素
│ └── 必须同阶 / 结果逐元素
├── 乘法:
│ ├── 普通乘法:行 × 列逐元素累加
│ ├── 简化情形:含零矩阵 / 单位阵 / 对角阵
│ └── 不可交换律:反例是常考点
├── 转置:
│ ├── 简单转置:直接行列互换
│ └── 复合转置:(AB)^T = B^T A^T(反序!)
└── 幂 / 多项式:
├── 数值矩阵:找规律 / 归纳 / 对角化(Ch05)
└── 抽象矩阵:用矩阵运算律化简(结合律优先)
```
### 方法一:矩阵乘法不交换的"四大反例套路"
**考试常见的"证伪题"模式**:
| 反例 | 计算 |
|------|------|
| $AB \neq BA$ | $A = \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix}$, $B = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}$ |
| $AB = O \not\Rightarrow A=O$ 或 $B=O$ | 同上:$AB = O, BA = O, AB \neq BA$ |
| $AB = AC \not\Rightarrow B = C$(消去律失效) | $A = \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix}$, $B \neq C$ 但 $AB = AC = O$ |
| $A^2 = O \not\Rightarrow A = O$ | $A = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}$:$A^2 = O$ 但 $A \neq O$ |
> 🔑 **判断依据**:题目中出现"是否成立"的判断,先用这些**标准反例**套——能套上就说明命题错。
### 方法二:逆矩阵的两套求解体系
| 体系 | 适用场景 | 操作步骤 |
|------|---------|---------|
| **伴随矩阵法** | 2 阶矩阵 / 抽象证明 / 公式推导 | $A^{-1} = A^*/\det A$,要算 $\det A$ 和 $A^*$ |
| **初等行变换法** | 3 阶及以上 / 具体数值矩阵 | $(A \mid E) \to (E \mid A^{-1})$,全程只用行变换 |
**口诀**:**"小二用伴随,大三用行变换"**。
### 方法三:抽象矩阵行列式的"分步拆解"
**核心策略**:把复杂表达式逐步拆为基本形式的乘积。
| 已知 | 求 | 公式 |
|------|---|------|
| $n$ 阶 $A$, $\det A$ | $\det A^*$ | $(\det A)^{n-1}$ |
| $\det A$ | $\det A^{-1}$ | $1/\det A$ |
| $\det A$ | $\det A^T$ | $\det A$ |
| $\det A$, $k$ | $\det(kA)$ | $k^n \det A$ |
| $\det A, \det B$ | $\det(AB)$ | $\det A \cdot \det B$ |
| $A$ 特征值 $\lambda_i$ | $\det A$ | $\prod \lambda_i$ |
*步骤:*
1. 把 $\det(M)$ 写成 $\det(M_1 M_2 \cdots M_k)$
2. 用 $\det(M_1 M_2) = \det M_1 \det M_2$ 逐个拆
3. 每个 $\det M_i$ 套用上表
### 方法四:伴随矩阵公式的"母公式"策略
> 母公式:$A A^* = A^* A = (\det A) E$
**所有其他公式都是母公式的直接推论**:
- $(A^*)^{-1} = A/\det A$:母公式两边除以 $(\det A)^2$
- $\det A^* = (\det A)^{n-1}$:母公式两边取行列式
- $A^{-1} = A^*/\det A$:母公式两边除以 $\det A$
> 🔑 **背公式的最高效方式**:只背母公式 (1),其余推导。
### 方法五:跨章节通法速查表
| 通用技法 | 本章出现场景 | 后续章节升级 | 判断依据 |
|---------|------------|------------|---------|
| **抽象公式库** | $\det(A^*)$, $\det(A^{-1})$, $\det(A^k)$ | Ch03 矩阵方程、Ch05 特征值 | 矩阵是字母表达式 |
| **行变换** | $(A \mid E) \to (E \mid A^{-1})$ | Ch03 方程组求解 | 求具体逆矩阵 |
| **分块简化** | 分块对角、副对角求逆 | Ch04 向量组、Ch06 二次型 | 矩阵含大量零块 |
| **判断不交换** | 矩阵乘法不交换的反例 | Ch05 $AB$ 与 $BA$ 的特征值关系 | 选择题证伪 |
| **特殊矩阵判定** | 正交 $\to \det=\pm 1$,幂等 $\to \det \in \{0,1\}$ | Ch05 特征值、Ch06 二次型 | 矩阵有特殊结构 |
---
## ⑤ 易错点红黑榜 (The Pitfall List)
### ❌ 错误 1:矩阵乘法与数字乘法混淆(交换律)
- **错误表现**:$(AB)^T = A^T B^T$
- **正确理解**:$(AB)^T = B^T A^T$——**反序**穿脱;同理 $(AB)^{-1} = B^{-1} A^{-1}$。
**【对比示例】**:
```
❌ (AB)^T = A^T B^T (错:顺序未反)
✅ (AB)^T = B^T A^T (对:反序穿脱)
❌ (AB)^{-1} = A^{-1} B^{-1} (错)
✅ (AB)^{-1} = B^{-1} A^{-1} (对)
```
### ❌ 错误 2:$\det(kA)$ 的指数搞错
- **错误表现**:$\det(2A) = 2 \det A$
- **正确理解**:$\det(kA) = k^n \det A$($A$ 是 $n$ 阶方阵),指数是**阶数**而非其他。
**【对比示例】**:
```
❌ |2A| = 2|A| (错!)
✅ |2A| = 2^n · |A| (对:每行各乘 2,共 n 行)
❌ |3A| = 3|A| (错!)
✅ |3A| = 3^n · |A| (对:n 阶 → 指数 n)
```
### ❌ 错误 3:$(A^*)^{-1}$ 与 $A^{-1}$ 混淆
- **错误表现**:$(A^*)^{-1} = A^*/\det A$
- **正确理解**:$(A^*)^{-1} = A/\det A$——**用 $A$ 不用 $A^*$**;$A^{-1} = A^*/\det A$——**用 $A^*$ 不用 $A$**。
**【对比示例】**:
```
❌ (A*)^(-1) = A*/|A| (错!)
✅ (A*)^(-1) = A/|A| (对:伴随的逆 = 矩阵本身除以行列式)
```
### ❌ 错误 4:$A^*$ 中元素位置写反
- **错误表现**:$A_{ij}$ 直接放在 $(i,j)$ 位置
- **正确理解**:$A_{ij}$ 必须放在 $(j,i)$ 位置(**先转置再放回**)。$A^* = (A_{ji})_{n \times n}$。
**【对比示例】**:
```
设 A = [[1,2],[3,4]],A21 = (-1)^(2+1)·|2| = -2
❌ A* = [[A11, A12], [A21, A22]] = [[4, -2], [-3, 1]]?
错!这里 A21 = -2 应在 (1,2) 位
✅ A* = [[A11, A21], [A12, A22]] = [[4, -2], [-3, 1]]
对:A21 = -2 在 (1,2) 位
```
### ❌ 错误 5:$(AB)^k = A^k B^k$ 误用
- **错误表现**:对任意矩阵直接套用 $(AB)^k = A^k B^k$
- **正确理解**:**仅当 $AB=BA$ 时才成立**!一般情况下 $(AB)^k \neq A^k B^k$。
**【对比示例】**:
```
若 AB = BA:
✅ (AB)^k = A^k B^k (对:可交换时)
若 AB ≠ BA:
❌ (AB)^2 = A^2 B^2 (错!展开为 ABAB ≠ AABB)
```
### ❌ 错误 6:克拉默法则的适用条件
- **错误表现**:把克拉默法则用于非方阵或 $n$ 很大的情形
- **正确理解**:克拉默法则**仅用于方阵**,且 $n$ 大时计算量爆炸(实际考试**仅用于 $n=2,3$** 或**证明题**)。
**【对比示例】**:
```
✅ n=2,3 方程组用克拉默法则 (计算量可控)
❌ n=5 方程组用克拉默法则 (要算 6 个 5 阶行列式!)
```
### ❌ 错误 7:分块求逆时副对角位置搞错
- **错误表现**:$\begin{pmatrix} O & A \\ B & O \end{pmatrix}^{-1} = \begin{pmatrix} O & B^{-1} \\ A^{-1} & O \end{pmatrix}$ 的位置记错
- **正确理解**:副对角分块求逆后,$A$ 和 $B$ **位置互换**(右上换到右下,左下换到左上),同时各自求逆。
**【对比示例】**:
```
原矩阵 [[O, A], [B, O]]:
✅ 逆 = [[O, B^(-1)], [A^(-1), O]] (对:A、B 位置互换 + 求逆)
❌ 逆 = [[O, A^(-1)], [B^(-1), O]] (错:位置未互换)
```
---
## ⑥ 考研导向复习策略 (Exam Strategy)
### 优先级与建议题量
| 子专题 | 优先级 | 建议刷题量 | 说明 |
|--------|--------|-----------|------|
| 伴随矩阵九大公式 | **高** | 30+ 道 | 每年必考,公式必须背熟 |
| 抽象矩阵行列式 | **高** | 25+ 道 | 套公式库,速度要快 |
| 矩阵乘法不交换 | **高** | 20+ 道 | 选择题高频 |
| 逆矩阵求解 | **高** | 20+ 道 | 大题和填空题常考 |
| 方阵的幂 | **中** | 15 道 | 含对角化后求幂(Ch05) |
| 克拉默法则 | **中** | 10 道 | $n=2,3$ 或证明题 |
| 矩阵分块法 | **中** | 12 道 | 大题简化结构 |
| 矩阵多项式 | **中** | 10 道 | Hamilton-Cayley 定理铺垫 |
### 跨章节连接
```
┌─────────────────────────────────┐
│ 本章 (Ch02) 矩阵及其运算 │
│ · 矩阵四则运算 / 转置 │
│ · 逆矩阵 / 伴随矩阵九大公式 │
│ · 克拉默法则 / 分块矩阵 │
└───────────────┬─────────────────┘
│
┌───────────────┬───────────────┼───────────────┬───────────────┐
↓ ↓ ↓ ↓ ↓
Ch01 行列式 Ch03 方程组 Ch04 向量组 Ch05 特征值 Ch06 二次型
det A ≠ 0 矩阵方程 AX=B 矩阵表示线性变换 A^k 通过对角化 合同矩阵
↔ A 可逆 行变换求解 列向量组线性相关 P^(-1)AP=Λ 分块对角化
A*=|A|^(n-1)/A AX=0 非零解 r(A)=矩阵的秩 f(A)=∏(A-λᵢE) 二次型矩阵
```
#### 🔥 跨章节综合题命题模式(高频!必须掌握)
**模式 1:伴随矩阵 + 抽象行列式**
> 例题:设 $A$ 为 $n$ 阶矩阵,$\det A = 3$,求 $\det((2A)^* A^T A^{-1})$。
>
> **解**:
> $\det((2A)^*) = 2^{n-1} \det(A^*) = 2^{n-1} \cdot 3^{n-1} = 6^{n-1}$
> $\det(A^T) = 3$
> $\det(A^{-1}) = 1/3$
> 故 $\det = 6^{n-1} \cdot 3 \cdot 1/3 = 6^{n-1}$。
>
> **考点**:$(kA)^* = k^{n-1} A^*$(公式 6) + $\det(A^*) = (\det A)^{n-1}$(公式 4)的复合应用。
**模式 2:矩阵乘法不交换 → Ch05 特征值**
> 例题:设 $A$ 为 $n$ 阶矩阵,$A$ 与所有 $n$ 阶矩阵乘法可交换,证明 $A = cE$。
>
> **思路**:取特殊的矩阵 $E_{ij}$(仅 $(i,j)$ 位为 1)代入 $AE_{ij} = E_{ij}A$,可推出 $A$ 的非对角元为 0、对角元相等。
>
> **考点**:本章矩阵乘法不交换的具体应用,Ch05 "可交换矩阵谱分解"的前置知识。
**模式 3:克拉默法则 → Ch03 方程组**
> 例题:设 $A$ 为 $n$ 阶矩阵,$\det A = 0$,方程组 $A\mathbf{x} = \mathbf{b}$ 是否一定有解?
>
> **答**:不一定。克拉默法则只解决了 $\det A \neq 0$ 的情形;$\det A = 0$ 时需要用 Ch03 的**秩**判定($r(A) = r(A|\mathbf{b})$)。
>
> **考点**:本章克拉默法则的边界,Ch03 方程组解的判定的前置铺垫。
### 【终极母题推荐】
> **题目**:设 $A$ 为 $n$ 阶矩阵,$A \neq O$,但 $A^2 = A$(幂等矩阵)。证明:$\det A = 1$。
**此题融合**:
- 矩阵乘法结合律
- 伴随矩阵公式 $A A^* = (\det A) E$
- 取行列式得到 $\det(A^2) = (\det A)^2 = \det A \Rightarrow \det A \in \{0, 1\}$
- 再由 $A \neq O$ 排除 $\det A = 0$
**为什么这是"终极母题"**:
✅ 伴随矩阵公式 + 取行列式的综合应用
✅ "幂等/对合/正交"等特殊矩阵的思维定式建立
✅ 为 Ch05 特征值($A^2=A \Rightarrow \lambda^2=\lambda \Rightarrow \lambda \in \{0,1\}$)做完整铺垫
**🔗 这道题的 Ch05 升级版(提前预告)**:
> 条件不变,结论改为"求 $A$ 的全部特征值,并讨论 $A$ 是否可对角化"。
>
> → 这就是**特征值与对角化**。你会发现:Ch02 的矩阵运算只是 Ch05 矩阵理论的"工具人",主舞台在 Ch05。
**这道题做完且理解透彻 → 本章"通关"。**
---
> **下一步**:完成后可进入 [[Ch03_线性方程组/Ch03_Linear_Systems|Ch03 线性方程组]],逆矩阵与克拉默法则将作为求解工具贯穿始终。
@@ -0,0 +1,101 @@
# 题型一:矩阵运算与线性变换
## 识别特征
- 出现加法、数乘、乘法、转置的混合运算
- 出现矩阵等式需要验证或推导
- 出现"是否可交换 / 是否满足结合律"的判断
## 解题流程
```mermaid
flowchart TD
A[识别:矩阵运算] --> B{运算类型?}
B -->|加减数乘| C[逐元素运算,必须同阶]
B -->|乘法| D{A列数=B行数?}
D -->|否| E[不可乘,无意义]
D -->|是| F[行×列逐元素累加]
B -->|转置| G[行列互换,复合运算反序]
C --> H[得结果]
F --> H
G --> H
H --> I{验证/化简}
I --> J[注意运算律是否成立]
```
## 通法步骤
### 1. 加法 / 数乘
$$
A + B = (a_{ij} + b_{ij}), \quad kA = (ka_{ij})
$$
**前提**:$A, B$ 必须同型。
### 2. 矩阵乘法(核心)
$$
(AB)_{ij} = \sum_{k=1}^s a_{ik} b_{kj}
$$
**可乘条件**:$A_{m \times s} \cdot B_{s \times n} = C_{m \times n}$($A$ 列数 = $B$ 行数)。
### 3. 转置的复合运算
| 公式 | 反序 |
|------|------|
| $(A+B)^T = A^T + B^T$ | 不反序 |
| $(AB)^T = B^T A^T$ | **反序** |
| $(kA)^T = kA^T$ | 不反序 |
| $(A^T)^T = A$ | 不反序 |
### 4. 简化技巧
- **零矩阵**:$A \cdot O = O$,但 $A \neq O$ 时仍可能 $AB = O$
- **单位阵**:$EA = A$
- **对角阵乘法**:$\Lambda_1 \Lambda_2 = \Lambda_2 \Lambda_1$(同阶对角阵**可交换**)
## 常见陷阱
- **乘法不交换**:$AB \neq BA$ 是常态,不能默认 $AB = BA$
- **消去律失效**:$AB = AC \not\Rightarrow B = C$(除非 $A$ 可逆)
- **$(AB)^T$ 顺序**:必须反序为 $B^T A^T$,不能直接 $A^T B^T$
- **$(A+B)^2 \neq A^2 + 2AB + B^2$**:因为 $AB \neq BA$!展开为 $A^2 + AB + BA + B^2$
## 经典母题
> **题目**:设 $A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}$,$B = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}$,求 $(A+B)^2 - A^2 - B^2$。
**解法**:
$$
A + B = \begin{pmatrix} 1 & 3 \\ 4 & 4 \end{pmatrix}, \quad
(A+B)^2 = \begin{pmatrix} 1 & 3 \\ 4 & 4 \end{pmatrix} \begin{pmatrix} 1 & 3 \\ 4 & 4 \end{pmatrix} = \begin{pmatrix} 13 & 15 \\ 20 & 28 \end{pmatrix}
$$
$$
A^2 = \begin{pmatrix} 7 & 10 \\ 15 & 22 \end{pmatrix}, \quad
B^2 = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} = E
$$
$$
(A+B)^2 - A^2 - B^2 = \begin{pmatrix} 13-7-1 & 15-10-0 \\ 20-15-0 & 28-22-1 \end{pmatrix} = \begin{pmatrix} 5 & 5 \\ 5 & 5 \end{pmatrix}
$$
**验证**:
$$
(A+B)^2 - A^2 - B^2 = AB + BA = \begin{pmatrix} 2 & 1 \\ 3 & 4 \end{pmatrix} + \begin{pmatrix} 3 & 4 \\ 1 & 2 \end{pmatrix} = \begin{pmatrix} 5 & 5 \\ 5 & 5 \end{pmatrix} ✓
$$
**复盘**:$(A+B)^2 \neq A^2 + 2AB + B^2$ 是因为矩阵乘法不交换。**核心结论**:$(A+B)^2 = A^2 + AB + BA + B^2$。
---
> **变式**:设 $A, B$ 均为 $n$ 阶矩阵,证明 $(AB-BA)^T = B^T A^T - A^T B^T$。
**证明**:
$$
(AB - BA)^T = (AB)^T - (BA)^T = B^T A^T - A^T B^T
$$
每步都用 $(AB)^T = B^T A^T$ 的反序公式。
@@ -0,0 +1,112 @@
# 题型二:方阵幂与行列式性质
## 识别特征
- 求 $A^k$($k$ 较大或抽象)
- 涉及 $\det(AB)$, $\det(A^{-1})$, $\det(A^*)$, $\det(kA)$
- 抽象矩阵表达式的行列式计算
## 解题流程
```mermaid
flowchart TD
A[识别:方阵幂/抽象行列式] --> B{题目类型?}
B -->|求A^k具体值| C[找规律/归纳法/对角化]
B -->|求det抽象表达式| D[拆分: det M1M2 = det M1 · det M2]
D --> E[逐项套公式库]
E --> F[代入已知det A]
C --> G[得结果]
F --> G
```
## 通法步骤
### 一、方阵幂的计算(数值矩阵)
**方法 1:找规律法**
观察 $A^2, A^3, A^4, \ldots$,寻找规律(如 Jordan 块的幂公式)。
**方法 2:归纳法**
猜测 $A^k$ 的通项,用数学归纳法证明。
**方法 3:对角化(Ch05 重武器)**
$A = P \Lambda P^{-1} \Rightarrow A^k = P \Lambda^k P^{-1}$
### 二、抽象矩阵行列式公式库
| 已知 | 求 | 公式 |
|------|---|------|
| $n$ 阶 $A$, $\det A$ | $\det A^*$ | $(\det A)^{n-1}$ |
| $\det A$ | $\det A^{-1}$ | $1/\det A$ |
| $\det A$ | $\det A^T$ | $\det A$ |
| $\det A$, $k$ | $\det(kA)$ | $k^n \det A$ |
| $\det A, \det B$ | $\det(AB)$ | $\det A \cdot \det B$ |
| $A$ 的特征值 $\lambda_i$ | $\det A$ | $\prod \lambda_i$ |
| $A \sim B$ | $\det A$ | $\det B$ |
### 三、方阵幂的运算律
| 公式 | 成立条件 |
|------|---------|
| $A^k A^l = A^{k+l}$ | ✓ |
| $(A^k)^l = A^{kl}$ | ✓ |
| $(A+B)^2 = A^2 + 2AB + B^2$ | ❌(需 $AB=BA$)|
| $(AB)^k = A^k B^k$ | ❌(需 $AB=BA$)|
## 常见陷阱
- $\det(kA) = k^n \det A$ 中 $n$ 是**阶数**,不是任何其他指数
- $(AB)^k \neq A^k B^k$:除非 $AB=BA$
- $A^2 = A \Rightarrow \det A \in \{0, 1\}$(幂等矩阵)
- $A^2 = E \Rightarrow \det A = \pm 1$(对合矩阵)
- $A^T = A^{-1} \Rightarrow \det A = \pm 1$(正交矩阵)
## 经典母题
> **题目**:设 $A = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}$,求 $A^n$。
**解法(归纳法)**:
$$
A^2 = \begin{pmatrix} 1 & 2 \\ 0 & 1 \end{pmatrix}, \quad
A^3 = \begin{pmatrix} 1 & 3 \\ 0 & 1 \end{pmatrix}
$$
猜测 $A^n = \begin{pmatrix} 1 & n \\ 0 & 1 \end{pmatrix}$。
**归纳证明**:设 $A^k = \begin{pmatrix} 1 & k \\ 0 & 1 \end{pmatrix}$,则
$$
A^{k+1} = A^k A = \begin{pmatrix} 1 & k \\ 0 & 1 \end{pmatrix} \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix} = \begin{pmatrix} 1 & k+1 \\ 0 & 1 \end{pmatrix} ✓
$$
故 $A^n = \begin{pmatrix} 1 & n \\ 0 & 1 \end{pmatrix}$。
**复盘**:Jordan 块 $J = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}$ 的幂有线性规律 $J^n = I + nN$(其中 $N = J - I$ 满足 $N^2 = 0$)。
---
> **题目(抽象)**:设 $A$ 为 3 阶矩阵,$\det A = 2$,求 $\det(2A^* A^T A^{-1})$。
**解法**:
$$
\begin{aligned}
\det(2A^* A^T A^{-1}) &= \det(2A^*) \cdot \det(A^T) \cdot \det(A^{-1}) \\
&= 2^3 \det(A^*) \cdot \det A \cdot \frac{1}{\det A} \\
&= 8 \cdot (\det A)^{3-1} \cdot 2 \cdot \frac{1}{2} \\
&= 8 \cdot 4 = 32
\end{aligned}
$$
**复盘**:
- $\det(A^T) \cdot \det(A^{-1}) = \det A \cdot 1/\det A = 1$,故结果只取决于 $\det(2A^*)$
- 关键公式:$\det(kA) = k^n \det A$,$\det(A^*) = (\det A)^{n-1}$
---
> **变式**:设 $A$ 为 $n$ 阶矩阵,满足 $A^3 = O$,证明 $\det(A+E) = 1$。
**证明**:$A$ 的特征值 $\lambda$ 满足 $\lambda^3 = 0 \Rightarrow \lambda = 0$,故 $A$ 的所有特征值均为 0,因此 $\det(A+E) = \prod_{i=1}^n (\lambda_i + 1) = 1^n = 1$。
**关键**:抽象矩阵的行列式问题常常转化为**特征值问题**(Ch05 完整展开,本章预热)。
@@ -0,0 +1,125 @@
# 题型三:逆矩阵求解
## 识别特征
- 已知具体矩阵 $A$,求 $A^{-1}$
- 已知 $A$ 满足矩阵方程,求 $A^{-1}$
- 验证 $A$ 是否可逆($\det A \neq 0$)
## 解题流程
```mermaid
flowchart TD
A[识别:求逆矩阵] --> B{矩阵规模?}
B -->|2阶| C[伴随矩阵法:A^(-1) = A*/det A]
B -->|3阶及以上| D[初等行变换法: A|E → E|A^(-1)]
B -->|抽象矩阵| E[利用关系式推导]
C --> F[验证det A≠0]
D --> F
E --> G[套公式: 母公式AA*=|A|E]
F --> H[得结果]
G --> H
```
## 通法步骤
### 方法 1:伴随矩阵法(2 阶首选)
$$
A^{-1} = \frac{1}{\det A} A^*, \quad A^* = \begin{pmatrix} A_{11} & A_{21} \\ A_{12} & A_{22} \end{pmatrix}
$$
*步骤:*
1. 计算 $\det A$(二阶直接 $ad-bc$)
2. 计算 $A^*$(**注意 $A_{ij}$ 放在 $(j,i)$ 位置**)
3. 套公式 $A^{-1} = A^*/\det A$
### 方法 2:初等行变换法(3 阶及以上)
$$
(A \mid E) \xrightarrow{\text{仅用行变换}} (E \mid A^{-1})
$$
*步骤:*
1. 构造增广矩阵 $(A \mid E)$
2. 通过初等行变换把 $A$ 化为 $E$
3. 同一系列行变换把 $E$ 化为 $A^{-1}$
> ⚠️ **只能用行变换**,列变换会破坏结果!
### 方法 3:抽象矩阵的逆
利用已知关系推导:
- 若 $AB = E$,则 $A^{-1} = B$
- 若 $A^2 + A - E = O$,则 $A(A+E) = E$,故 $A^{-1} = A + E$
### 方法 4:分块矩阵求逆(见题型 5)
## 常见陷阱
- **伴随矩阵转置**:$A_{ij}$ 必须放在 $(j,i)$ 位,不能放原位
- **行变换 vs 列变换**:求逆必须**只用行变换**,否则结果错
- **消去时乘以 0**:主元为 0 时要先换行,不能直接除
- **不能两边同乘一个不可逆矩阵**:两边同乘 $B$ 要求 $B$ 可逆
- $\det A = 0$ 时 $A^{-1}$ 不存在
## 经典母题
> **题目**:求 $A = \begin{pmatrix} 2 & 1 \\ 1 & 1 \end{pmatrix}$ 的逆矩阵。
**解法(伴随矩阵法)**:
$\det A = 2 \cdot 1 - 1 \cdot 1 = 1$
$A_{11} = 1, A_{12} = -1, A_{21} = -1, A_{22} = 2$
$A^* = \begin{pmatrix} A_{11} & A_{21} \\ A_{12} & A_{22} \end{pmatrix} = \begin{pmatrix} 1 & -1 \\ -1 & 2 \end{pmatrix}$
$$
A^{-1} = \frac{1}{\det A} A^* = \begin{pmatrix} 1 & -1 \\ -1 & 2 \end{pmatrix}
$$
**验证**:$A A^{-1} = \begin{pmatrix} 2 & 1 \\ 1 & 1 \end{pmatrix} \begin{pmatrix} 1 & -1 \\ -1 & 2 \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} = E$ ✓
**复盘**:$\det A = 1$ 时 $A^{-1} = A^*$,可以省去除法步骤。
---
> **题目(初等行变换法)**:求 $A = \begin{pmatrix} 0 & 1 & 2 \\ 1 & 1 & 0 \\ 2 & 0 & 1 \end{pmatrix}$ 的逆矩阵。
**解法**:
$$
\left( \begin{array}{ccc|ccc} 0 & 1 & 2 & 1 & 0 & 0 \\ 1 & 1 & 0 & 0 & 1 & 0 \\ 2 & 0 & 1 & 0 & 0 & 1 \end{array} \right)
$$
$r_1 \leftrightarrow r_2$:
$$
\left( \begin{array}{ccc|ccc} 1 & 1 & 0 & 0 & 1 & 0 \\ 0 & 1 & 2 & 1 & 0 & 0 \\ 2 & 0 & 1 & 0 & 0 & 1 \end{array} \right)
$$
$r_3 - 2r_1$:
$$
\left( \begin{array}{ccc|ccc} 1 & 1 & 0 & 0 & 1 & 0 \\ 0 & 1 & 2 & 1 & 0 & 0 \\ 0 & -2 & 1 & 0 & -2 & 1 \end{array} \right)
$$
$r_3 + 2r_2, r_1 - r_2$:
$$
\left( \begin{array}{ccc|ccc} 1 & 0 & -2 & -1 & 1 & 0 \\ 0 & 1 & 2 & 1 & 0 & 0 \\ 0 & 0 & 5 & 2 & -2 & 1 \end{array} \right)
$$
$r_3 \to r_3/5, r_2 - 2r_3, r_1 + 2r_3$(略)...
最终:
$$
A^{-1} = \frac{1}{5} \begin{pmatrix} 1 & -1 & -2 \\ -1 & -4 & 2 \\ -2 & 2 & -1 \end{pmatrix}
$$
**复盘**:3 阶以上用初等行变换法效率高。注意**全程只用行变换**。
---
> **变式**:设 $A^2 + A - 3E = O$,证明 $A$ 可逆并求 $A^{-1}$。
**证明**:$A^2 + A - 3E = O \Rightarrow A(A+E) = 3E \Rightarrow A \cdot \frac{A+E}{3} = E$
故 $A$ 可逆,且 $A^{-1} = \dfrac{A+E}{3}$。
@@ -0,0 +1,130 @@
# 题型四:伴随矩阵与抽象矩阵
## 识别特征
- 出现 $A^*$(伴随矩阵)
- 已知 $A$ 的行列式,求 $A^*$ 或 $(A^*)^{-1}$ 的行列式
- 利用 $AA^* = (\det A)E$ 推导公式
## 解题流程
```mermaid
flowchart TD
A[识别:伴随矩阵] --> B{已知条件?}
B -->|det A| C[套公式: det A* = det A^(n-1)]
B -->|关系式AA*=|A|E| D[两边变形得A^(-1)=A*/|A|]
B -->|矩阵方程含A*| E[转化为A求解]
C --> F[得结果]
D --> F
E --> F
```
## 核心公式库(九大公式,必背)
| # | 公式 | 备注 |
|---|------|------|
| 1 | $AA^* = A^*A = (\det A)E$ | **母公式** |
| 2 | $A^{-1} = \dfrac{A^*}{\det A}$ | 公式 1 除以 $\det A$ |
| 3 | $(A^*)^{-1} = \dfrac{A}{\det A}$ | 公式 1 除以 $(\det A)^2$ |
| 4 | $\det A^* = (\det A)^{n-1}$ | 公式 1 取行列式 |
| 5 | $(A^*)^T = (A^T)^*$ | 对称性 |
| 6 | $(kA)^* = k^{n-1} A^*$ | 数乘 |
| 7 | $(AB)^* = B^* A^*$ | **反序** |
| 8 | $(A^*)^* = (\det A)^{n-2} A$ | 二次伴随 |
| 9 | $r(A^*) = \begin{cases} n, & r(A)=n \\ 1, & r(A)=n-1 \\ 0, & r(A)<n-1 \end{cases}$ | 秩的关系 |
## 通法步骤
### 一、求 $\det A^*$
直接套公式 4:$\det A^* = (\det A)^{n-1}$($n$ 为阶数)。
### 二、求 $(A^*)^{-1}$
套公式 3:$(A^*)^{-1} = \dfrac{A}{\det A}$(注意是 $A$ 不是 $A^*$)。
### 三、求 $(kA)^*$
套公式 6:$(kA)^* = k^{n-1} A^*$(指数是 $n-1$ 不是 $n$)。
### 四、求 $(AB)^*$
套公式 7:$(AB)^* = B^* A^*$(**反序**穿脱,与 $(AB)^T, (AB)^{-1}$ 一致)。
### 五、求 $(A^*)^*$
套公式 8:$(A^*)^* = (\det A)^{n-2} A$(注意 $n \ge 2$,$n=2$ 时 $(\det A)^0 = 1$,故 $(A^*)^* = A$)。
## 常见陷阱
- $\det A^*$ 的指数是 $n-1$,不是 $n$
- $(kA)^*$ 的系数是 $k^{n-1}$,不是 $k^n$
- $(AB)^*$ 反序为 $B^* A^*$,不是 $A^* B^*$
- $(A^*)^{-1} = A/\det A$,**用 $A$ 不是 $A^*$**
- $A^*$ 中元素位置是 $(j, i)$,**转置后放回**
## 经典母题
> **题目**:设 $A$ 为 4 阶矩阵,$\det A = 2$,求 $\det((2A)^* - 3A^*)$。
**解法**:
先化简:
$$
(2A)^* = 2^{4-1} A^* = 8 A^*
$$
所以:
$$
(2A)^* - 3A^* = 8A^* - 3A^* = 5A^*
$$
故:
$$
\det((2A)^* - 3A^*) = \det(5A^*) = 5^4 \det(A^*) = 625 \cdot (\det A)^{4-1} = 625 \cdot 8 = 5000
$$
**复盘**:
- 公式 6:$(kA)^* = k^{n-1} A^*$,$n=4$ 所以系数为 $2^3 = 8$
- 公式 4:$\det A^* = (\det A)^{n-1}$
- 公式:$\det(kA^*) = k^n \det(A^*)$,$n=4$ 所以乘 $5^4 = 625$
---
> **题目**:设 $A$ 为 $n$ 阶可逆矩阵,$B$ 为 $n$ 阶矩阵,$\det(B) = 3$,求 $\det((AB)^* A^T (A^*)^{-1} B^{-1})$。
**解法**:
$$
\begin{aligned}
&\det((AB)^* A^T (A^*)^{-1} B^{-1}) \\
&= \det((AB)^*) \cdot \det(A^T) \cdot \det((A^*)^{-1}) \cdot \det(B^{-1}) \\
&= \det(B^*) \det(A^*) \cdot \det A \cdot \frac{1}{\det A^*} \cdot \frac{1}{\det B} \\
&= \det(B^*) \cdot \det A \cdot \frac{1}{\det B} \\
&= (\det B)^{n-1} \cdot \det A \cdot \frac{1}{\det B} \\
&= 3^{n-1} \cdot \det A \cdot \frac{1}{3} \\
&= 3^{n-2} \det A
\end{aligned}
$$
**复盘**:
- 公式 7:$(AB)^* = B^* A^* \Rightarrow \det((AB)^*) = \det(B^*) \det(A^*)$
- 公式 3:$\det((A^*)^{-1}) = 1/\det(A^*)$,与公式 4 相消
- $\det A^T = \det A$
---
> **变式**:设 $A$ 为 $n$ 阶矩阵,证明 $\det((A^*)^*) = (\det A)^{(n-1)^2}$。
**证明**:$\det((A^*)^*) = \det((\det A)^{n-2} A) = (\det A)^{n-2 \cdot n} \cdot \det A$
等等,重新计算:
$$
(A^*)^* = (\det A)^{n-2} A
$$
两边取行列式:
$$
\det((A^*)^*) = \det((\det A)^{n-2} A) = (\det A)^{n(n-2)} \det A = (\det A)^{n(n-2)+1}
$$
> 实际考试中常用 $n=3$ 的特例:$\det((A^*)^*) = (\det A)^{3 \cdot 1 + 1} = (\det A)^4 = ((\det A)^2)^2 = (\det A^*)^2$。
@@ -0,0 +1,134 @@
# 题型五:分块矩阵运算
## 识别特征
- 矩阵规模较大但含大量零块
- 矩阵可拆为"对角"或"副对角"形式
- 求大型矩阵的逆或行列式
## 解题流程
```mermaid
flowchart TD
A[识别:分块矩阵] --> B{分块结构?}
B -->|对角分块| C[各块独立: det=Πdet Aᵢ, 逆=各块独立求逆]
B -->|副对角分块| D[翻转+各块独立求逆]
B -->|一般分块| E[按块做矩阵乘法]
C --> F[得结果]
D --> F
E --> F
```
## 通法步骤
### 一、分块对角阵
$$
A = \begin{pmatrix} A_1 & & \\ & \ddots & \\ & & A_k \end{pmatrix}
$$
**性质**:
- $\det A = \prod_{i=1}^k \det A_i$
- $A^{-1} = \begin{pmatrix} A_1^{-1} & & \\ & \ddots & \\ & & A_k^{-1} \end{pmatrix}$(每个块独立求逆)
- $A^n = \begin{pmatrix} A_1^n & & \\ & \ddots & \\ & & A_k^n \end{pmatrix}$(每个块独立求幂)
*极简例子:* $A = \begin{pmatrix} 2 & 0 & 0 \\ 0 & 1 & 2 \\ 0 & 0 & 1 \end{pmatrix}$ 可分为 $A = \begin{pmatrix} 2 & O \\ O & B \end{pmatrix}$,$B = \begin{pmatrix} 1 & 2 \\ 0 & 1 \end{pmatrix}$。
### 二、分块副对角阵
$$
A = \begin{pmatrix} O & B \\ C & O \end{pmatrix}
$$
**求逆公式**:
$$
A^{-1} = \begin{pmatrix} O & C^{-1} \\ B^{-1} & O \end{pmatrix}
$$
**口诀**:原矩阵的右上 $B$ 求逆后放到**右下**,原矩阵的左下 $C$ 求逆后放到**左上**——形成"翻转"。
*极简例子:* $\begin{pmatrix} O & A_1 \\ A_2 & O \end{pmatrix}^{-1} = \begin{pmatrix} O & A_2^{-1} \\ A_1^{-1} & O \end{pmatrix}$。
### 三、分块乘法(一般公式)
$$
\begin{pmatrix} A & B \\ C & D \end{pmatrix} \begin{pmatrix} X & Y \\ Z & W \end{pmatrix} = \begin{pmatrix} AX+BZ & AY+BW \\ CX+DZ & CY+DW \end{pmatrix}
$$
**前提**:块尺寸匹配($A$ 的列数 = $X$ 的行数,以此类推)。
### 四、分块行列式
$$
\det \begin{pmatrix} A & O \\ C & D \end{pmatrix} = \det A \cdot \det D
$$
$$
\det \begin{pmatrix} A & B \\ O & D \end{pmatrix} = \det A \cdot \det D
$$
> 关键:**只有 $O$ 在对角块两侧时才可分块计算行列式**;其他情况不能直接分块。
## 常见陷阱
- **副对角分块求逆位置搞错**:必须**翻转**(左上 ↔ 右下互换)
- **块尺寸不匹配**:分块乘法前必须确认尺寸
- **不能简单地把非分块对角矩阵当成对角分块**:如 $\begin{pmatrix} 1 & 2 \\ 0 & 3 \end{pmatrix}$ 虽然是上三角,但不是分块对角(除非 $2$ 也视为一个块)
- $\begin{pmatrix} A & B \\ C & D \end{pmatrix}^{-1}$ **没有通用公式**(不像分块对角/副对角有简洁形式)
## 经典母题
> **题目**:设 $A = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & 2 & 0 & 0 \\ 0 & 0 & 1 & 2 \\ 0 & 0 & 0 & 1 \end{pmatrix}$,求 $\det A$ 和 $A^{-1}$。
**解法**:
按分块对角拆分:$A = \begin{pmatrix} B & O \\ O & C \end{pmatrix}$,其中 $B = \begin{pmatrix} 1 & 0 \\ 0 & 2 \end{pmatrix}$,$C = \begin{pmatrix} 1 & 2 \\ 0 & 1 \end{pmatrix}$。
$\det A = \det B \cdot \det C = 2 \cdot 1 = 2$
$$
B^{-1} = \begin{pmatrix} 1 & 0 \\ 0 & 1/2 \end{pmatrix}, \quad
C^{-1} = \begin{pmatrix} 1 & -2 \\ 0 & 1 \end{pmatrix}
$$
$$
A^{-1} = \begin{pmatrix} B^{-1} & O \\ O & C^{-1} \end{pmatrix} = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & 1/2 & 0 & 0 \\ 0 & 0 & 1 & -2 \\ 0 & 0 & 0 & 1 \end{pmatrix}
$$
**复盘**:分块对角阵求逆 = 块独立求逆;这是大矩阵求逆的高效方法。
---
> **题目**:设 $A = \begin{pmatrix} O & E_2 \\ E_3 & O \end{pmatrix}$,求 $A^{-1}$。
**解法(副对角分块)**:
$A$ 是 $5 \times 5$ 分块矩阵,左上 $O_{2 \times 2}$,右上 $E_{2 \times 3}$,左下 $E_{3 \times 2}$,右下 $O_{3 \times 3}$。
按副对角分块求逆公式:
$$
A^{-1} = \begin{pmatrix} O & E_3^{-1} \\ E_2^{-1} & O \end{pmatrix} = \begin{pmatrix} O & E_3 \\ E_2 & O \end{pmatrix}
$$
**复盘**:因为单位阵的逆就是自身,所以结果与原矩阵"对称"。注意尺寸:原矩阵 $5 \times 5$,分块后左上 $2 \times 2$,右下 $3 \times 3$。
---
> **变式**:设 $A = \begin{pmatrix} 1 & 2 & 0 & 0 \\ 3 & 4 & 0 & 0 \\ 0 & 0 & 5 & 0 \\ 0 & 0 & 0 & 6 \end{pmatrix}$,求 $\det A$ 和 $A^{-1}$。
**解法**:
按分块对角拆分:$A = \begin{pmatrix} B & O \\ O & D \end{pmatrix}$,$B = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}$,$D = \begin{pmatrix} 5 & 0 \\ 0 & 6 \end{pmatrix}$。
$\det A = \det B \cdot \det D = (4-6) \cdot 30 = -60$
$$
B^{-1} = \frac{1}{-2} \begin{pmatrix} 4 & -2 \\ -3 & 1 \end{pmatrix} = \begin{pmatrix} -2 & 1 \\ 3/2 & -1/2 \end{pmatrix}, \quad
D^{-1} = \begin{pmatrix} 1/5 & 0 \\ 0 & 1/6 \end{pmatrix}
$$
$$
A^{-1} = \begin{pmatrix} -2 & 1 & 0 & 0 \\ 3/2 & -1/2 & 0 & 0 \\ 0 & 0 & 1/5 & 0 \\ 0 & 0 & 0 & 1/6 \end{pmatrix}
$$
**复盘**:分块对角阵的核心优势——把大矩阵问题拆成几个小矩阵独立求解。
@@ -0,0 +1,123 @@
# 题型六:克拉默法则与解的判定
## 识别特征
- 方程个数 = 未知数个数(方阵情形)
- 已知 $A$ 的行列式,求方程组 $A\mathbf{x} = \mathbf{b}$ 的解
- 判断齐次方程组 $A\mathbf{x} = \mathbf{0}$ 是否有非零解
## 解题流程
```mermaid
flowchart TD
A[识别:克拉默法则] --> B{det A?}
B -->|≠0| C[唯一解: xj = Dj/|A|]
B -->|=0| D[克拉默失效,用Ch03方法]
C --> E[代入验证]
D --> F[可能无解或无穷解]
E --> G[得结果]
F --> G
```
## 通法步骤
### 一、克拉默法则(非齐次方程组)
设 $A\mathbf{x} = \mathbf{b}$,$\det A \neq 0$,则唯一解为:
$$
x_j = \frac{D_j}{\det A}, \quad j = 1, 2, \ldots, n
$$
其中 $D_j$ 是把 $A$ 的第 $j$ 列替换为 $\mathbf{b}$ 后所得行列式。
### 二、齐次方程组判定
$A\mathbf{x} = \mathbf{0}$ 有非零解 $\iff \det A = 0$。
### 三、$n$ 阶矩阵的可逆性判定(逻辑链)
$$
\det A \neq 0 \iff A \text{ 可逆} \iff r(A) = n \iff Ax=0 \text{ 只有零解} \iff Ax=b \text{ 唯一解}
$$
### 四、应用场景
| 场景 | 是否适用 |
|------|---------|
| 2 阶、3 阶方程组求唯一解 | ✓ 适合 |
| $n \ge 4$ 方程组求唯一解 | ⚠️ 适用但计算量大 |
| 含字母参数的方程组 | ✓ 适合 |
| 证明题(用克拉默法则推导性质) | ✓ 经典方法 |
| 矩阵方程 $AX = B$ | ❌ 用逆矩阵 $X = A^{-1} B$ |
## 常见陷阱
- **只能用于方阵**:方程个数 = 未知数个数
- **$\det A = 0$ 时不能用**:此时无解或无穷解
- **计算量问题**:$n$ 大时不如用消元法
- **不能用于矩阵方程**:$AX = B$ 应用 $X = A^{-1} B$ 求解
- $D_j$ 的构造:把 $A$ 的第 $j$ **列**(不是行)替换为 $\mathbf{b}$
## 经典母题
> **题目**:用克拉默法则求解方程组
> $$
> \begin{cases} 2x_1 + x_2 - x_3 = 1 \\ x_1 - x_2 + x_3 = 2 \\ 3x_1 + 2x_2 + x_3 = 0 \end{cases}
> $$
**解法**:
系数行列式:
$$
\det A = \begin{vmatrix} 2 & 1 & -1 \\ 1 & -1 & 1 \\ 3 & 2 & 1 \end{vmatrix} = 2 \cdot (-1-2) - 1 \cdot (1-3) + (-1) \cdot (2+3) = -6 + 2 - 5 = -9
$$
$\det A \neq 0$,方程组有唯一解。
$D_1$(替换第 1 列):
$$
D_1 = \begin{vmatrix} 1 & 1 & -1 \\ 2 & -1 & 1 \\ 0 & 2 & 1 \end{vmatrix} = 1 \cdot (-1-2) - 1 \cdot (2-0) + (-1) \cdot (4-0) = -3 - 2 - 4 = -9
$$
$D_2$(替换第 2 列):
$$
D_2 = \begin{vmatrix} 2 & 1 & -1 \\ 1 & 2 & 1 \\ 3 & 0 & 1 \end{vmatrix} = 2 \cdot (2-0) - 1 \cdot (1-3) + (-1) \cdot (0-6) = 4 + 2 + 6 = 12
$$
$D_3$(替换第 3 列):
$$
D_3 = \begin{vmatrix} 2 & 1 & 1 \\ 1 & -1 & 2 \\ 3 & 2 & 0 \end{vmatrix} = 2 \cdot (0-4) - 1 \cdot (0-6) + 1 \cdot (2+3) = -8 + 6 + 5 = 3
$$
解:
$$
x_1 = \frac{D_1}{\det A} = \frac{-9}{-9} = 1, \quad
x_2 = \frac{D_2}{\det A} = \frac{12}{-9} = -\frac{4}{3}, \quad
x_3 = \frac{D_3}{\det A} = \frac{3}{-9} = -\frac{1}{3}
$$
**复盘**:克拉默法则需要算 $1 + n$ 个 $n$ 阶行列式;$n=3$ 时算 4 个三阶行列式,计算量已经不小。$n \ge 4$ 时建议用消元法。
---
> **题目**:$\lambda$ 取何值时,齐次方程组 $\begin{cases} (\lambda-1)x_1 + 2x_2 = 0 \\ 2x_1 + (\lambda-1)x_2 = 0 \end{cases}$ 有非零解?
**解法**:
齐次方程组有非零解 $\iff \det A = 0$:
$$
\det A = \begin{vmatrix} \lambda-1 & 2 \\ 2 & \lambda-1 \end{vmatrix} = (\lambda-1)^2 - 4 = 0
$$
解得 $\lambda - 1 = \pm 2$,即 $\lambda = 3$ 或 $\lambda = -1$。
**复盘**:齐次方程组的非零解条件是 $\det A = 0$,这是克拉默法则的逆命题应用。
---
> **变式(证明题)**:设 $A$ 为 $n$ 阶矩阵,证明:若 $A\mathbf{x} = \mathbf{0}$ 只有零解,则 $A$ 可逆。
**证明**:用反证法。设 $A$ 不可逆,则 $\det A = 0$。由克拉默法则的推论,$A\mathbf{x} = \mathbf{0}$ 有非零解,与假设矛盾。故 $A$ 可逆。
**复盘**:这是 Ch03 方程组理论的基础命题。本章学完应掌握:**"行列式 = 0 ⇔ 齐次方程组有非零解"** 的等价链。