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 +1,558 @@
# 📌 第三章 矩阵的初等变换与线性方程组 考研核心通关笔记
> 线性代数的"计算中枢"——初等变换 + 秩 + 解的判定,每年必考 8-12 分
---
## ① 本章核心知识框架 (Core Concept Map)
### 1.1 矩阵的初等变换(三种类型)
#### 一、定义
下面三种变换统称为矩阵的**初等行(列)变换**:
| 编号 | 操作 | 符号 | 备注 |
|------|------|------|------|
| $r_i \leftrightarrow r_j$ | 交换两行(列) | $c_i \leftrightarrow c_j$ | 等价于乘置换矩阵 |
| $r_i \times k$ | 一行(列)乘非零常数 $k$ | $c_i \times k$ | 矩阵乘法解释 |
| $r_i + k\, r_j$ | 一行(列)的 $k$ 倍加到另一行 | $c_i + k\, c_j$ | $i \neq j$,最常用 |
> *极简例子:* $\begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} \xrightarrow{r_2 - 3r_1} \begin{pmatrix} 1 & 2 \\ 0 & -2 \end{pmatrix}$
**定理**:任意矩阵经有限次初等行变换可化为**行阶梯形矩阵**,进而化为**最简形(reduced row echelon form)**。
> 🔑 **核心思想**:初等变换不改变矩阵的"本质属性"——**秩**、**方程组同解**、**行列式至多变号**(取决于换行次数)。
#### 二、矩阵等价的定义
若矩阵 $A$ 经有限次初等变换化为 $B$,则称 $A$ 与 $B$ **等价**,记 $A \cong B$。
**等价关系的三条性质**:
- **反身性**:$A \cong A$
- **对称性**:$A \cong B \Rightarrow B \cong A$
- **传递性**:$A \cong B, B \cong C \Rightarrow A \cong C$
> *极简例子:* $\begin{pmatrix} 1 & 2 \\ 3 & 6 \end{pmatrix} \cong \begin{pmatrix} 1 & 2 \\ 0 & 0 \end{pmatrix}$(两行成比例)
**等价判据**:$m \times n$ 矩阵 $A \cong B \iff r(A) = r(B) \iff \exists P, Q$ 可逆使 $PAQ = B$。
---
### 1.2 初等矩阵
#### 一、定义
由单位矩阵 $E$ 经**一次**初等变换所得的矩阵称为**初等矩阵**,记为 $E_{ij}(k), E_i(k), E_{ij}$。
| 初等变换 | 对应初等矩阵 | 变换结果 |
|---------|-----------|---------|
| $r_i \leftrightarrow r_j$ | $E_{ij}$($E$ 互换 $i,j$ 行) | 左乘实现行换 |
| $r_i \times k$ | $E_i(k)$($E$ 的 $i$ 行乘 $k$) | 左乘实现行倍乘 |
| $r_i + k\, r_j$ | $E_{ij}(k)$($E$ 的 $i$ 行加 $j$ 行的 $k$ 倍) | 左乘实现倍加 |
> *极简例子:* 把 $E$ 第 2 行加第 1 行的 3 倍得 $E_{21}(3) = \begin{pmatrix} 1 & 0 \\ 3 & 1 \end{pmatrix}$。
#### 二、初等变换 ↔ 矩阵左乘 / 右乘
**行变换 ↔ 左乘初等矩阵**:
$$
E_{ij}(k) \cdot A = \text{把 } A \text{ 第 } i \text{ 行加第 } j \text{ 行的 } k \text{ 倍}
$$
**列变换 ↔ 右乘初等矩阵**:
$$
A \cdot E_{ij}(k) = \text{把 } A \text{ 第 } j \text{ 列加第 } i \text{ 列的 } k \text{ 倍}
$$
> ⚠️ **左乘 = 行变换,右乘 = 列变换**——这是考研反复考的判断题。
#### 三、初等矩阵的可逆性 ⭐
每个初等矩阵都可逆,且逆矩阵仍是初等矩阵(同类变换的"逆操作"):
| 初等矩阵 | 逆矩阵 | 几何含义 |
|---------|-------|---------|
| $E_{ij}(k)$ | $E_{ij}(-k)$ | 倍加用 $-k$ 即抵消 |
| $E_i(k)$ | $E_i(1/k)$ | 倍乘用倒数抵消 |
| $E_{ij}$ | $E_{ij}$ | 互换两次还原(自逆) |
> *极简例子:* $\begin{pmatrix} 1 & 0 \\ 3 & 1 \end{pmatrix}^{-1} = \begin{pmatrix} 1 & 0 \\ -3 & 1 \end{pmatrix}$,即 $r_2 - 3r_1$ 用 $r_2 + 3r_1$ 还原。
#### 四、用初等变换求逆矩阵
**算法**:$(A \mid E) \xrightarrow{\text{初等行变换}} (E \mid A^{-1})$
> 左侧化为单位阵时,右侧即为 $A^{-1}$。
---
### 1.3 矩阵的秩
#### 一、$k$ 阶子式
矩阵 $A$ 的任意 $k$ 行 $k$ 列交叉处的元素按原顺序构成的 $k$ 阶行列式称为 $A$ 的一个 **$k$ 阶子式**。
> *极简例子:* $A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{pmatrix}$ 的 $2$ 阶子式有 $\begin{vmatrix} 1 & 2 \\ 4 & 5 \end{vmatrix} = -3$ 等共 3 个。
#### 二、秩的定义 ⭐⭐⭐
矩阵 $A$ 的**秩** $r(A)$ 定义为 $A$ 中**非零子式的最高阶数**。
**等价说法**:
- $r(A) = \max\{k \mid A \text{ 存在非零的 } k \text{ 阶子式}\}$
- $r(A) \le k \iff A$ 的所有 $(k+1)$ 阶子式全为 $0$
> *极简例子:* $A = \begin{pmatrix} 1 & 0 & 2 \\ 0 & 1 & 3 \\ 0 & 0 & 0 \end{pmatrix}$ 有 $2$ 阶非零子式(如 $\begin{vmatrix} 1 & 0 \\ 0 & 1 \end{vmatrix}=1$),所有 $3$ 阶子式全为 $0$,故 $r(A) = 2$。
**重要事实**:行阶梯形矩阵的秩 = 非零行的行数。
#### 三、秩的性质(7 条核心)
| 性质 | 公式 | 说明 |
|------|------|------|
| **范围** | $0 \le r(A) \le \min(m, n)$ | $m \times n$ 矩阵的秩 |
| **转置** | $r(A^T) = r(A)$ | 行秩 = 列秩 |
| **倍乘** | $r(kA) = r(A)$($k \neq 0$) | 非零常数倍不变 |
| **初等变换不变** | $r(PA) = r(AQ) = r(A)$($P,Q$ 可逆) | 计算秩的核心方法 |
| **求和不等** | $r(A+B) \le r(A) + r(B)$ | 子空间并集的维数关系 |
| **积的上界** | $r(AB) \le \min(r(A), r(B))$ | 矩阵积的秩不超过因子 |
| **Sylvester 不等式** | $r(A) + r(B) - n \le r(AB) \le \min(r(A), r(B))$ | $A$ 为 $m \times n$,$B$ 为 $n \times p$ |
> 🔑 **Sylvester 不等式是每年必考的"明星定理"**,重点记忆形式:$r(A)+r(B)-n \le r(AB)$。
---
### 1.4 线性方程组的解
#### 一、方程组的矩阵表示
**齐次**:$Ax = 0$($A$ 为 $m \times n$)
**非齐次**:$Ax = b$($A$ 为 $m \times n$,$b$ 为 $m$ 维列向量)
**增广矩阵**:$(A \mid b)$($m \times (n+1)$ 矩阵)。
> *极简例子:* $\begin{cases} x_1 + 2x_2 = 3 \\ 4x_1 + 5x_2 = 6 \end{cases}$ 写成 $A = \begin{pmatrix} 1 & 2 \\ 4 & 5 \end{pmatrix}, x = \begin{pmatrix} x_1 \\ x_2 \end{pmatrix}, b = \begin{pmatrix} 3 \\ 6 \end{pmatrix}$。
#### 二、齐次方程组 $Ax = 0$ 的解
| 情形 | 条件 | 解的情况 |
|------|------|---------|
| $r(A) = n$(系数满秩) | 列满秩($A$ 列向量线性无关) | **唯一零解** |
| $r(A) < n$ | 列不满秩 | **无穷多解**,基础解系含 $n - r$ 个解 |
> *极简例子:* $A = \begin{pmatrix} 1 & 2 \\ 2 & 4 \end{pmatrix}$,$r(A) = 1 < 2$,无穷多解,$n - r = 1$,有 1 个基础解系。
#### 三、非齐次方程组 $Ax = b$ 的解
**判定定理**:
- **无解** $\iff r(A) < r(A \mid b)$
- **唯一解** $\iff r(A) = r(A \mid b) = n$
- **无穷多解** $\iff r(A) = r(A \mid b) < n$
> 🔑 **判断口诀**:**"等秩有解,不等无解;满列唯一解,缺列无穷解"**。
---
### 1.5 基础解系与解的结构
#### 一、基础解系(齐次)⭐
设齐次方程组 $Ax = 0$ 有非零解($r(A) = r < n$)。其**基础解系**为齐次解空间的一组**极大线性无关组**,含 $n - r$ 个线性无关解向量。
**构造算法**(对 $A$ 化为最简形 $R$):
1. 选 $r$ 个主元列对应的 $r$ 个**自由变量**(通常取第 $r+1, \ldots, n$ 个)
2. 依次令**一个**自由变量为 1,其余为 0,代入回代求出主变量
3. 得到 $n - r$ 个解向量,即为基础解系
> *极简例子:* $\begin{pmatrix} 1 & 2 & 3 \\ 0 & 0 & 0 \end{pmatrix} x = 0$,$r = 1$,主元列为第 1 列,取 $x_2, x_3$ 为自由变量。令 $(x_2, x_3) = (1, 0)$ 得 $x_1 = -2$,解 $\xi_1 = (-2, 1, 0)^T$;令 $(0, 1)$ 得 $\xi_2 = (-3, 0, 1)^T$。基础解系 $\{\xi_1, \xi_2\}$。
#### 二、齐次方程组的通解
$$
x = k_1 \xi_1 + k_2 \xi_2 + \cdots + k_{n-r} \xi_{n-r} \qquad (k_i \in \mathbb{R})
$$
#### 三、非齐次方程组的通解 ⭐⭐⭐
设 $\eta^*$ 是 $Ax = b$ 的一个**特解**,$\xi_1, \ldots, \xi_{n-r}$ 是对应齐次方程 $Ax=0$ 的基础解系:
$$
x = \eta^* + k_1 \xi_1 + k_2 \xi_2 + \cdots + k_{n-r} \xi_{n-r}
$$
> 🔑 **核心定理**:**非齐次通解 = 特解 + 齐次通解**——这是整个线性方程组理论的"母公式"。
---
### 1.6 矩阵方程
#### 一、三类矩阵方程
| 方程 | 求解方法 |
|------|---------|
| $AX = B$ | 求 $A^{-1}$ 后 $X = A^{-1} B$;或用初等行变换 $(A \mid B) \to (E \mid X)$ |
| $XA = B$ | 求 $A^{-1}$ 后 $X = B A^{-1}$;或用初等列变换 |
| $AXB = C$ | 求 $A^{-1}, B^{-1}$ 后 $X = A^{-1} C B^{-1}$ |
> *极简例子:* 解 $AX = E$,即求 $A^{-1}$——经典初等变换法。
**可解性判定**:$AX = B$ 有解 $\iff r(A) = r(A \mid B)$。
---
### 1.7 矩阵与线性方程组的等价链 ⭐⭐⭐
> 整个线性代数的"主定理贯穿链"——考研反复考的判断题核心:
$$
\det A \neq 0 \iff A \text{ 可逆} \iff r(A) = n \iff Ax = 0 \text{ 只有零解} \iff Ax = b \text{ 唯一解}
$$
**降级版本**($A$ 不一定可逆):
$$
r(A) = r(A \mid b) < n \iff Ax = b \text{ 有无穷多解}
$$
$$
r(A) < r(A \mid b) \iff Ax = b \text{ 无解}
$$
---
## ② 必考题型分类索引
| # | 题型 | 核心判据 | 详细笔记 |
|---|------|---------|---------|
| 1 | 初等变换与初等矩阵 | 三种变换、左乘右乘、初等矩阵求逆 | [[题型1_初等变换与初等矩阵]] |
| 2 | 矩阵秩的计算 | 定义法 / 子式法 / 初等变换法 | [[题型2_矩阵秩的计算]] |
| 3 | 秩的等式与不等式证明 | Sylvester 不等式、子空间论证 | [[题型3_秩的等式与不等式证明]] |
| 4 | 齐次线性方程组的解 | 基础解系构造、$n-r$ 个解 | [[题型4_齐次线性方程组的解]] |
| 5 | 非齐次线性方程组的解 | 特解 + 齐次通解的结构 | [[题型5_非齐次线性方程组的解]] |
| 6 | 含参方程组的讨论 | $r(A), r(A \mid b)$ 随 $\lambda$ 变化 | [[题型6_含参方程组的讨论]] |
| 7 | 初等变换的综合应用 | 求逆矩阵、解矩阵方程 $AX = B$ | [[题型7_初等变换的综合应用]] |
---
## 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 | 线性方程组解的判定(含参数) | 13次 | 4-11分 |
| 2 | 基础解系 + 通解结构 | 12次 | 10-11分 |
| 3 | 矩阵秩的计算(抽象矩阵) | 10次 | 4-6分 |
| 4 | 初等变换求逆矩阵 + 解矩阵方程 | 8次 | 4分 |
| 5 | 秩的不等式证明(Sylvester) | 6次 | 8-10分 |
### 【示例:一题多角度】
**核心概念**:同一个矩阵 $A = \begin{pmatrix} 1 & 2 & -1 \\ 2 & 4 & -2 \\ 1 & 2 & -1 \end{pmatrix}$
**角度一:选择题(概念辨析)**
下列命题哪个正确?
- (A) $r(A) = 3$
- (B) $A x = b$ 必有唯一解
- (C) $A x = 0$ 只有零解
- (D) 上述都不对
**答案**:(D)。$r(A) = 1 < 3$,故 $A$ 不可逆、$Ax = 0$ 有非零解、$Ax = b$ 解的情况取决于 $r(A \mid b)$。
**角度二:填空题(直接计算)**
$r(A) = ?$ 基础解系含几个解?
**解法**:每行成比例(第 1, 3 行相同,第 2 行 = 2 倍第 1 行),化行阶梯后仅 1 个非零行,故 $r(A) = 1$,基础解系含 $3 - 1 = 2$ 个解。
**角度三:解答题(综合应用)**
设 $A x = b$ 有解,求通解。
**解法**:
- 求特解:若 $b = (1, 2, 1)^T$,代入 $x_1 = 1, x_2 = x_3 = 0$ 验证满足。则 $\eta^* = (1, 0, 0)^T$。
- 求基础解系:化 $A$ 为最简形得 $\begin{pmatrix} 1 & 2 & -1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}$。
- $\xi_1$:令 $(x_2, x_3) = (1, 0) \Rightarrow x_1 = -2$,$\xi_1 = (-2, 1, 0)^T$
- $\xi_2$:令 $(x_2, x_3) = (0, 1) \Rightarrow x_1 = 1$,$\xi_2 = (1, 0, 1)^T$
- 通解:$x = (1, 0, 0)^T + k_1 (-2, 1, 0)^T + k_2 (1, 0, 1)^T$
**启示**:同一矩阵,三种深度——**判定(选择题)、求秩(填空)、通解(解答)**,层层递进。这是方程组类题目在考研中的**标准考法结构**。
---
## ④ 方法论与解题通法 (Methodology)
### 方法〇:方程组类题目的"四步决策树"
```
线性方程组 Ax = b
├── 第一步:定型
│ ├── 齐次 (b = 0) / 非齐次 (b ≠ 0)
│ └── 系数是否含参数 λ
├── 第二步:判解
│ ├── 齐次:r(A) = n? → 唯一零解;否则无穷解
│ └── 非齐次:r(A) vs r(A|b)
│ ├── r(A) < r(A|b) → 无解
│ ├── r(A) = r(A|b) = n → 唯一解
│ └── r(A) = r(A|b) < n → 无穷解
├── 第三步:求解
│ ├── 化 A 为行阶梯 → 确定自由变量数 n - r
│ ├── 化 A 为最简形 → 回代求基础解系 / 特解
│ └── 拼装通解 = 特解 + 齐次通解
└── 第四步:检验
├── 自由变量数 = n - r(A) ?
├── 基础解系是否线性无关?
└── 特解代入验证
```
### 方法一:初等变换的标准操作链
**口诀**:**"从上到下,从左到右,化阶梯,化最简"**
化为**行阶梯形矩阵**(每行首非零元在更右位置,下方为 0):
1. 选第 1 列**第一个非零元**为主元,用 $r_i - \frac{a_{i1}}{a_{11}} r_1$($i \ge 2$)化下方为 0
2. 转到第 2 行、第 2 列,重复
3. 直到所有下方为 0
化为**最简形(简化行阶梯形)**:进一步把每行首非零元化为 1,并把所在列上方元素也化为 0。
> ⚠️ **行阶梯 vs 最简形**:求解方程组 / 求逆时用**最简形**;求秩时只需**行阶梯形**。
### 方法二:矩阵秩的四种求法对比
| 方法 | 适用 | 速度 | 注意点 |
|------|------|------|--------|
| **定义法(子式法)** | 小矩阵($n \le 3$) | 慢 | 找非零子式的最高阶 |
| **初等行变换法** | 数值矩阵 | **最快** | 化行阶梯,数非零行 |
| **行列式判别** | $n$ 阶方阵 | 中 | $r(A) = n \iff \det A \neq 0$ |
| **构造特征向量 / 列向量分析** | 抽象矩阵 | 快 | 用线性相关性论证 |
> 🔑 **第一选择永远是初等行变换法**——几乎所有数值矩阵的秩都可由行阶梯形直接读出。
### 方法三:基础解系构造的"自由变量法"
**算法**(把 $A$ 化为最简形 $R$):
1. 主元列的列号 $\to$ 主变量;其余列 $\to$ 自由变量
2. 令第 $i$ 个自由变量为 1,其余自由变量为 0
3. 由 $R$ 自下而上**回代**求出主变量
4. 该解向量为第 $i$ 个基础解系向量
**速记**:自由变量 = 非主元列对应的 $x$;基础解系向量数 = 自由变量数 = $n - r$。
> ⚠️ **常见错**:求基础解系时不能用"行阶梯形"——必须化为最简形,否则回代结果错误。
### 方法四:抽象矩阵秩的论证模板 ⭐⭐⭐
**针对 $r(AB)$ 不等式证明的"四步论证"**:
```
Step 1:设方程 Bx = 0 的解空间为 W₁
设方程 ABx = 0 的解空间为 W₂
Step 2:证明 W₁ ⊆ W₂:x ∈ W₁ ⟹ Bx = 0 ⟹ ABx = A·0 = 0 ⟹ x ∈ W₂
Step 3:使用维数公式:dim(W₂) - dim(W₁) ≥ 0 ⟹ n - r(AB) ≥ n - r(B) ⟹ r(B) ≥ r(AB)
Step 4:同理 r(A) ≥ r(AB) ⟹ r(AB) ≤ min(r(A), r(B))
```
**下界 $r(A) + r(B) - n \le r(AB)$**(Sylvester)证明思路:构造辅助矩阵、初等变换法或维数分析。
### 方法五:跨章节速查表(特别强调与 Ch01 行列式的关系)
| 通用技法 | 本章出现场景 | Ch01 行列式对应工具 | 判断依据 |
|---------|------------|-----------------|---------|
| **倍加行不变性** | 化行阶梯、求逆 | 性质 6:倍加行列式不变 | 行变换不改变矩阵本质 |
| **换行变号** | 求逆判断合法性 | 性质 2:行列式变号 | 行变换改变行列式 |
| **三角化** | 化行阶梯形 | 行列式 = 主对角线之积 | 数字杂乱,结构不明 |
| **可逆判据** | $r(A) = n \iff A$ 可逆 | Ch01 $\det A \neq 0 \iff A$ 可逆 | **行列式不为零 ⇔ 秩为 $n$** |
| **基础解系** | 解空间维数 $n - r$ | Ch01 范德蒙德判别列向量无关 | 列向量组线性无关 $\iff$ 满秩 |
| **解的判定** | $r(A)$ vs $r(A \mid b)$ | Ch01 克拉默法则 $D \neq 0$ 有唯一解 | **$D \neq 0$ 是 $r = n$ 的特例** |
**核心逻辑链**(贯穿全章):
$$
\boxed{\det A \neq 0 \iff r(A) = n \iff Ax = 0 \text{ 只有零解} \iff Ax = b \text{ 唯一解}}
$$
### 方法六:含参方程组分类讨论流程
```
方程组 Ax(λ) = b(λ)
├── Step 1:求 r(A) 关于 λ 的变化(找使 det A = 0 的 λ 值)
├── Step 2:把这些 λ 代入 r(A|b),比较二者
│ ├── 若 r(A) = r(A|b) = n → 唯一解(无论 λ 取何值)
│ ├── 若 r(A) = r(A|b) < n → 无穷解
│ └── 若 r(A) < r(A|b) → 无解
├── Step 3:每个 λ 段独立求通解
└── Step 4:最后再统一表述(按段写出通解)
```
> ⚠️ 关键操作:**先把 $A$ 化为行阶梯**观察主元变化——分母为 0 处即为"分段点"。
---
## ⑤ 易错点红黑榜 (The Pitfall List)
### ❌ 错误 1:左乘 / 右乘混淆
- **错误表现**:把 $A E_{ij}(k)$ 当作行变换
- **正确理解**:**左乘**初等矩阵 = **行变换**;**右乘**初等矩阵 = **列变换**。
**【对比示例】**:
```
❌ E₂₁(3) · A = A 第 1 行加第 2 行的 3 倍 ← 错的
✅ E₂₁(3) · A = A 第 2 行加第 1 行的 3 倍 ← 对的(i 决定操作行)
```
### ❌ 错误 2:行变换不改变行列式 vs 改变行列式
- **错误表现**:求行列式时做"换两行"操作后忘记取负号
- **正确理解**:**换行变号**;**倍加行不变**;**行乘 $k$ 整体乘 $k$**。
> 这是初等变换与行列式的**核心矛盾点**——求秩时随便换行,求行列式时不能换。
### ❌ 错误 3:$r(AB) \le \min(r(A), r(B))$ 反向应用
- **错误表现**:由 $r(AB) = r(A)$ 推断 $B$ 可逆
- **正确理解**:$r(AB) = r(A)$ **不能推出 $B$ 可逆**(如 $A = 0, B = $ 任意)。
**【对比示例】**:
```
❌ r(AB) = r(A) ⟹ B 可逆 ← 错
✅ r(AB) = r(A) ⟹ Bx=0 的解 ⊆ Ax=0 的解 ← 对的子空间结论
```
### ❌ 错误 4:基础解系向量数错误
- **错误表现**:齐次方程组 $Ax = 0$,$r(A) = r$,写出 $r$ 个基础解
- **正确理解**:基础解系含 $n - r$ 个解(**自由变量数**),不是 $r$。
**【对比示例】**:
```
❌ Ax=0 含 5 个未知数,r(A) = 3,基础解系含 3 个 ← 错
✅ Ax=0 含 5 个未知数,r(A) = 3,基础解系含 5 - 3 = 2 个 ← 对
```
### ❌ 错误 5:非齐次特解代入遗忘
- **错误表现**:写出非齐次通解时漏掉特解 $\eta^*$
- **正确理解**:**通解 = 特解 + 齐次通解**——特解必须显式写出。
**【对比示例】**:
```
❌ x = k₁ξ₁ + k₂ξ₂ ← 漏了特解 η*
✅ x = η* + k₁ξ₁ + k₂ξ₂ ← 完整
```
### ❌ 错误 6:含参方程组不分段讨论
- **错误表现**:对方程组 $\begin{pmatrix} 1 & \lambda \\ 0 & 1 \end{pmatrix} x = \begin{pmatrix} 1 \\ 1 \end{pmatrix}$ 不分 $\lambda$ 直接求解
- **正确理解**:$\lambda$ 取值会影响 $r(A \mid b)$ 与 $r(A)$ 关系,必须**先讨论 $\lambda$ 再求解**。
### ❌ 错误 7:$r(A^T A) = r(A)$ 的误用
- **错误表现**:默认 $A^T A$ 可逆 $\Rightarrow A$ 可逆(**仅 $A$ 为方阵时成立**)
- **正确理解**:$r(A^T A) = r(A)$ 是**任意矩阵**都成立的等式;但 $A$ 可逆要求 $A$ 是方阵且 $r = n$。
---
## 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 |
|--------|--------|-----------|------|
| 线性方程组解的判定 + 含参讨论 | **高** | 25+ 道 | 每年必考,多为解答题 |
| 基础解系 + 通解结构 | **高** | 20+ 道 | 11 分大题核心 |
| 抽象矩阵的秩 + Sylvester 不等式 | **高** | 15+ 道 | 证明题常规,难度大 |
| 初等变换求逆矩阵 | **中** | 12 道 | 客观题常考 |
| 矩阵方程 $AX = B$ | **中** | 10 道 | 求逆 + 矩阵乘法组合 |
| 初等矩阵与初等变换的概念辨析 | **中** | 8 道 | 选择题高频 |
| 矩阵等价 $A \cong B$ | **低** | 5 道 | 较少单独考 |
### 跨章节连接
```
┌─────────────────────────────────┐
│ 本章 (Ch03) 初等变换与方程组 │
│ · 初等变换 / 初等矩阵 / 秩 │
│ · 方程组解的判定 / 基础解系 │
│ · 矩阵方程 / 含参讨论 │
└──┬────────────┬─────────────┬─────┘
│ │ │
┌────────┴──┐ ┌──────┴──────┐ ┌───┴────────────┐
↓ ↓ ↓ ↓ ↓ ↓
Ch01 行列式 Ch02 矩阵运算 Ch04 向量组 Ch05 特征值
|A|≠0⇔r=n 伴随矩阵A* 基础解系=解空间基 r(λE-A) 求特征值
克莱姆法则 可逆矩阵 极大线性无关组⇔秩 线性方程组
方程组特例 初等变换法 r(A)=列向量组秩 求特征向量
```
#### 🔥 跨章节综合题命题模式(高频!必须掌握)
**模式 1:行列式与秩的等价链判断**
> **例题**:设 $A$ 为 4 阶矩阵,$\det A = 0$,则下列正确的是?
> - (A) $A$ 不可逆
> - (B) $r(A) < 4$
> - (C) $A x = b$ 无解或无穷解
> - (D) 以上都对
> **答案**:(D)。由 $\det A = 0 \Rightarrow r(A) < 4 \Rightarrow A$ 不可逆;而 $r(A) < 4$ 时 $A x = b$ 解的情况取决于 $r(A \mid b)$,故"无解或无穷解"。
>
> **考点**:跨 Ch01 / Ch03 主链 $\det A = 0 \Rightarrow r(A) < n$ 的应用。
**模式 2:解空间 → 特征向量的桥梁**
> **例题**:设非零矩阵 $A$ 满足 $A^2 = A$,证明 $r(A) + r(A - E) = n$。
>
> **思路 1**:矩阵方程 $(A)x = 0$ 与 $(A - E)x = 0$ 解空间的直和分解。
>
> **思路 2**(与 Ch05 衔接):$A$ 的特征值只有 0 和 1,设 0 的几何重数为 $n - r(A)$,1 的几何重数为 $r(A - E)$ 由相似的 trace 关系得总 = $n$。
>
> **考点**:基础解系维数 + 矩阵分块的思想,是 Ch05 几何重数与代数重数的预演。
**模式 3:含参方程组 + 特征值交叉**
> **例题**:设 $A = \begin{pmatrix} 1 & 1 \\ 0 & \lambda \end{pmatrix}$,方程 $(A^2 - A)x = 0$ 的通解?
>
> **解**:$A^2 - A = A(A - E) = \begin{pmatrix} 0 & 1 \\ 0 & \lambda-1 \end{pmatrix} \begin{pmatrix} 0 & 1 \\ 0 & \lambda-2 \end{pmatrix}$?
>
> 实际上 $A^2 - A = \begin{pmatrix} 0 & \lambda \\ 0 & \lambda^2 - \lambda \end{pmatrix}$,对 $\lambda$ 讨论:
> - $\lambda = 0$:方程变为 $0 = 0$,$x$ 任意,通解含 2 个自由变量。
> - $\lambda \ne 0$:化行阶梯得 $r(A^2 - A) = 1$,基础解系 1 个。
>
> **考点**:含参讨论 → 化行阶梯 → 数非零行 → 自由变量数。**Ch05 升级版**:解 $(A - \lambda E)x = 0$ 即特征向量问题。
### 【终极母题推荐】
> **题目**:设 $A$ 是 $m \times n$ 实矩阵,证明:$r(A^T A) = r(A)$。
**此题融合**:
- 基础解系的维数分析(齐次方程组理论)
- Sylvester 不等式的特殊情形($A^T$ 与 $A$)
- 抽象矩阵秩的论证模板
**为什么这是"终极母题"**:
✅ 跨越基础解系、秩、Sylvester 三大主题
✅ 是 **最小二乘法**、**矩阵广义逆** 的理论基础(Ch06 涉及)
✅ 是 **PCA 主成分分析**、**线性回归** 在数学上的"为什么"
**证明思路**:
1. **方向一**:$A^T A x = 0 \Rightarrow x^T A^T A x = 0 \Rightarrow (Ax)^T (Ax) = 0 \Rightarrow Ax = 0$,故 $r(A^T A) \le r(A)$。
2. **方向二**:$Ax = 0 \Rightarrow A^T A x = 0$,故 $r(A) \le r(A^T A)$。
3. **结论**:$r(A^T A) = r(A)$。
> **举一反三**:类似命题 $r(AA^T) = r(A)$(用对称形式)。
**🔗 Ch04 升级预告**:
> 设 $A$ 为 $m \times n$,证明 $A$ 的列向量组的秩 $= r(A)$(即行秩 = 列秩)。
>
> → 这是 Ch04 的核心定理。把"列向量组的线性相关性"与"矩阵的秩"统一起来。
**这道题做完且理解透彻 → 本章"通关"。**
---
> **下一步**:完成后进入 [[Ch04_向量组的线性相关性|Ch04 向量组的线性相关性]],把"秩"理解为"列向量组的极大无关组大小",把"基础解系"理解为"解空间的基"——线性代数的几何意义浮现。
@@ -0,0 +1,86 @@
# 题型一:初等变换与初等矩阵
## 识别特征
- 涉及"交换两行/列""某行乘 $k$""倍加行"操作
- 需要判断某个矩阵是否可逆并求逆矩阵
- 出现"对 $A$ 实施初等变换化为 $B$"或"用初等矩阵表示"
## 解题流程
```mermaid
flowchart TD
A[识别题型] --> B{题目要求}
B -->|判断变换类型| C[对应初等矩阵]
B -->|求逆矩阵| D[A|E化为E|A⁻¹]
B -->|左乘右乘辨析| E[左乘行变; 右乘列变]
B -->|化行阶梯/最简| F[标准消去流程]
C --> G[写出变换前后的矩阵关系]
D --> H[验证 AA⁻¹ = E]
E --> I[套用性质]
F --> J[判断秩或解方程]
```
## 通法步骤
1. **辨析变换类型**:确认是初等**行**变换还是初等**列**变换
2. **写初等矩阵**:
- $r_i \leftrightarrow r_j$ 对应 $E_{ij}$($E$ 互换 $i,j$ 行)
- $r_i \times k$ 对应 $E_i(k)$($E$ 第 $i$ 行乘 $k$)
- $r_i + k r_j$($i \ne j$)对应 $E_{ij}(k)$
3. **左乘 / 右乘**:
- **左乘** $E_{ij}(k)$ $\Rightarrow$ 第 $i$ 行加第 $j$ 行的 $k$ 倍
- **右乘** $E_{ij}(k)$ $\Rightarrow$ 第 $j$ 列加第 $i$ 列的 $k$ 倍
4. **求逆矩阵**(初等变换法):
- 构造分块矩阵 $(A \mid E)$
- 仅用**初等行变换**化为 $(E \mid A^{-1})$
- 若左侧无法化为 $E$,则 $A$ 不可逆
## 常见陷阱
- **左乘 / 右乘的对应关系**:对行变换"左乘 $E$,对列变换右乘 $E$",常被混淆
- **倍加行时**:$r_i + k r_j$ 中 $i$ 是"被加行",$j$ 是"参考行",对应初等矩阵 $E_{ij}(k)$ 的**第 $i$ 行**含 $k$
- **求逆矩阵时只能用行变换**:列变换会破坏左侧为单位阵的结构
- **初等矩阵转置**:$E_{ij}(k)^T = E_{ji}(k)$(左乘行变 $\Leftrightarrow$ 右乘列变,对称写法)
## 经典母题
> **题目**:设 $A = \begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix}$。
> (1) 写出把 $A$ 化为 $E$ 所用的初等矩阵的乘积形式;
> (2) 求 $A^{-1}$;
> (3) 判断 $A$ 是否可逆;若可逆,用初等变换法求 $A^{-1}$。
### 解答
**(1) 初等矩阵乘积形式**:
观察 $A$ 是置换矩阵:第 1、2 行互换后得 $E$,即 $E_{12} \cdot A = E$,故 $A = E_{12}$,初等矩阵的乘积形式为 $E_{12}$。
**(2) 求 $A^{-1}$**:
$A$ 是对称置换矩阵,自逆矩阵 $A^{-1} = A$(互换两次还原)。验证:$A \cdot A = \begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix}^2 = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix} = E$。
**(3) 初等变换法验证**:
$$
(A \mid E) = \left( \begin{array}{ccc|ccc} 0 & 1 & 0 & 1 & 0 & 0 \\ 1 & 0 & 0 & 0 & 1 & 0 \\ 0 & 0 & 1 & 0 & 0 & 1 \end{array} \right)
\xrightarrow{r_1 \leftrightarrow r_2}
\left( \begin{array}{ccc|ccc} 1 & 0 & 0 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 & 0 & 1 \end{array} \right)
$$
故 $A^{-1} = \begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix} = A$。
### 复盘
- **关键观察**:$A$ 是对称矩阵($A^T = A$)且为置换矩阵,因此自逆。
- **初等变换法求逆**:左侧化为 $E$ 时右侧即为 $A^{-1}$,**只能用初等行变换**。
- **本题考频**:初等变换 + 初等矩阵可逆性的概念辨析,每年选择题必有。
---
> **变式**:设 $A$ 是 $n$ 阶可逆矩阵,证明 $A$ 总可表为若干初等矩阵的乘积。
**证明思路**:
$A$ 可逆 $\Leftrightarrow$ $A$ 经有限次初等行变换可化为 $E$,即 $E_{k} \cdots E_2 E_1 A = E$,故 $A = E_1^{-1} E_2^{-1} \cdots E_k^{-1}$。由初等矩阵可逆且逆仍是同类初等矩阵,结论得证。
**意义**:这一命题是"用初等变换求逆矩阵"算法的存在性根据,也是"矩阵分解为初等矩阵"的理论基础。
@@ -0,0 +1,86 @@
# 题型二:矩阵秩的计算
## 识别特征
- 题目给出具体矩阵求 $r(A)$
- 含抽象矩阵 $A, B, A^T, A^*, AB$ 求秩
- 需要判断"满秩"($r = n$)/ "降秩"($r < n$)
## 解题流程
```mermaid
flowchart TD
A[识别求秩] --> B{矩阵类型}
B -->|数值矩阵| C[初等行变换法]
B -->|抽象矩阵| D[用公式与性质]
C --> E[化行阶梯]
E --> F[数非零行]
F --> G[得 r = 非零行数]
D --> H{已知量}
H -->|可逆 / 单位阵| I[满秩 r = n]
H -->|A 的特征值| J[r = 非零特征值个数]
H -->|公式 r(A*B)| K[Sylvester 不等式]
H -->|子式 / 列向量组| L[定义法 / 相关性]
```
## 通法步骤
1. **数值矩阵**:首选**初等行变换法**
- 化为行阶梯形矩阵
- 数非零行的行数 = $r(A)$
2. **抽象矩阵**:用公式与性质
- $r(A) = n \iff \det A \neq 0 \iff A$ 可逆($A$ 为 $n$ 阶方阵)
- $r(AB) \le \min(r(A), r(B))$
- $r(A) + r(B) - n \le r(AB)$(Sylvester)
- $r(P A Q) = r(A)$($P, Q$ 可逆)
3. **含伴随矩阵**:
- $r(A) = n \Rightarrow r(A^*) = n$
- $r(A) = n - 1 \Rightarrow r(A^*) = 1$
- $r(A) < n - 1 \Rightarrow r(A^*) = 0$
4. **验证**:用列向量组的线性相关性(Ch04 衔接)
## 常见陷阱
- **分块矩阵的秩**不等式 $r\begin{pmatrix} A & B \\ C & D \end{pmatrix}$ 无法拆成 $r(A)+r(D)$,应通过初等变换化简
- **抽象矩阵求秩**不能直接行列式展开(行列式仅当 $A$ 为方阵才能用)
- **$k \times k$ 子式**容易找漏,应从左上角开始按顺序搜索
- **初等变换不改变秩**:行变换、列变换均保持,但**求行列式时换行要取负号**——两者易混
## 经典母题
> **题目 1**:求矩阵 $A = \begin{pmatrix} 1 & 2 & -1 & 3 \\ 2 & 4 & -2 & 6 \\ 3 & 6 & -3 & 9 \end{pmatrix}$ 的秩。
### 解答(初等行变换法)
$$
A = \begin{pmatrix} 1 & 2 & -1 & 3 \\ 2 & 4 & -2 & 6 \\ 3 & 6 & -3 & 9 \end{pmatrix}
\xrightarrow[r_3 - 3r_1]{r_2 - 2r_1}
\begin{pmatrix} 1 & 2 & -1 & 3 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{pmatrix}
$$
行阶梯形仅 1 个非零行,故 $r(A) = 1$。
**复盘**:观察到第 2, 3 行均为第 1 行的倍数,立即化简得 $r = 1$。
---
> **题目 2**:设 $A$ 为 3 阶矩阵,且 $r(A) = 2$。求 $r(A^*)$、$r(A^T A)$、$r((A^T)^{-1} A)$。
### 解答
- $r(A) = 2 = n - 1 \Rightarrow r(A^*) = 1$
- $r(A^T A) = r(A) = 2$(一般矩阵的秩等式,无需 $A$ 可逆)
- $(A^T)^{-1} A$ 为 $3 \times 3$ 矩阵,$r = r(A) = 2$($A^T$ 可逆的等价于 $A$ 可逆,故 $A^T$ 此时不可逆,但秩保持)
**复盘**:利用公式 $r(P A) = r(A)$($P$ 满秩)。
---
> **变式**:设 $A$ 是 $m \times n$ 矩阵,证明 $r(A) \le \min(m, n)$。
**证明**:$A$ 的非零子式最高阶不能超过 $A$ 的行数和列数中的较小者。具体:
- $k$ 阶子式需要 $k$ 行 $k$ 列,故 $r(A) \le m$ 且 $r(A) \le n$
- 取 $r(A) \le \min(m, n)$
@@ -0,0 +1,124 @@
# 题型三:秩的等式与不等式证明
## 识别特征
- 题目要求证明 $r(\cdot) \le \cdot$ 或 $r(\cdot) = \cdot$ 形式
- 涉及 $r(AB), r(A+B), r(A^T A)$ 的等式或不等式
- 常结合齐次方程组的解空间维数论证
## 解题流程
```mermaid
flowchart TD
A[识别证明目标] --> B{目标类型}
B -->|上界 r(AB)≤min| C[向量空间论证]
B -->|下界 r(A)+r(B)-n≤r| D[辅助矩阵法]
B -->|r(A+B)≤r+r| E[列向量生成论证]
B -->|r(ATA)=r(A)| F[解空间互推]
C --> G[Bx=0的解⊆ABx=0的解]
D --> H[构造对角矩阵或分块]
E --> I[A+B的列向量由A和B的列向量线性组合]
F --> J[齐次方程组等价]
```
## 通法步骤
### 模板 1:证明 $r(AB) \le \min(r(A), r(B))$(必背)
**向量空间论证法**:
1. 记 $W_1 = \{x \mid Bx = 0\}$,$W_2 = \{x \mid ABx = 0\}$
2. 显然 $W_1 \subseteq W_2$(因 $Bx = 0 \Rightarrow A(Bx) = 0$)
3. 由维数单调性:$\dim W_2 \ge \dim W_1$
4. 即 $n - r(AB) \ge n - r(B) \Rightarrow r(AB) \le r(B)$
5. 同理由 $r(AB) = r((AB)^T) = r(B^T A^T) \le r(A)$
### 模板 2:证明 $r(A) + r(B) - n \le r(AB)$(Sylvester 下界)⭐⭐
**辅助矩阵法**(针对 $A, B$ 均为方阵):
- 设 $r(A) = r_1, r(B) = r_2$,$A$ 的列向量组极大无关组有 $r_1$ 个
- 构造辅助矩阵 $C = \begin{pmatrix} A & 0 \\ 0 & B \end{pmatrix}$,证明 $r(C) = r_1 + r_2$
- 通过初等变换证明 $C \sim \begin{pmatrix} \text{某矩阵} \end{pmatrix}$
**维数方法**(更简洁):
- 利用 $\dim(\text{Ker}(B)/\text{Ker}(AB)) \le \text{rank}(A)$
- 结合 $\text{rank}(AB) = \dim(\text{Im}(AB))$
### 模板 3:证明 $r(A + B) \le r(A) + r(B)$
**列向量组合论证**:
- $A + B$ 的每一列 = $A$ 的对应列 + $B$ 的对应列
- 故 $A + B$ 的列向量组可由 $A$ 与 $B$ 的列向量组合而成
- 由生成子空间 $\text{Col}(A+B) \subseteq \text{Col}(A) + \text{Col}(B)$
- 故 $r(A + B) \le \dim(\text{Col}(A) + \text{Col}(B)) \le r(A) + r(B)$
### 模板 4:证明 $r(A^T A) = r(A)$(常考)⭐⭐
**齐次方程组等价法**:
- $A^T A x = 0 \Rightarrow x^T A^T A x = 0 \Rightarrow (Ax)^T (Ax) = \|Ax\|^2 = 0 \Rightarrow Ax = 0$
- 故 $A^T A x = 0$ 与 $A x = 0$ 同解
- 维数相同:$n - r(A^T A) = n - r(A) \Rightarrow r(A^T A) = r(A)$
## 常见陷阱
- 写论证时**方向搞反**:例如证 $r(AB) \le r(B)$ 时应设 $W_1 \subseteq W_2$,推出 $n - r(AB) \ge n - r(B)$
- **矩阵非方阵时** Sylvester 下界不能用,需额外说明
- **$A + B$ 不等式**容易写成 $r(A + B) \le r(A) + r(B)$,但**不能写成等式**
- 证明抽象等式时,**必须先推导基础命题**(如 $A$ 可逆 $\Leftrightarrow r = n$)再引用
## 经典母题
> **题目**:设 $A$ 为 $m \times n$ 实矩阵,$B$ 为 $n \times p$ 实矩阵。证明:
> $$
> r(A) + r(B) - n \le r(AB) \le \min(r(A), r(B))
> $$
### 解答
**上界** $r(AB) \le \min(r(A), r(B))$:
设 $W_1 = \{x \in \mathbb{R}^p \mid Bx = 0\}$,$W_2 = \{x \in \mathbb{R}^p \mid ABx = 0\}$。
显然 $W_1 \subseteq W_2$,故 $\dim W_1 \le \dim W_2$,即 $p - r(B) \le p - r(AB)$,故 $r(AB) \le r(B)$。
再由 $r(AB) = r((AB)^T) = r(B^T A^T) \le r(A^T) = r(A)$。
合取得 $r(AB) \le \min(r(A), r(B))$。
**下界** $r(A) + r(B) - n \le r(AB)$($A$ 为 $m \times n$, $B$ 为 $n \times p$):
设 $r(A) = r_1, r(B) = r_2$。我们证明:方程组 $ABx = 0$ 与 $Bx = 0$ 的公共解空间维数 $\ge r_1 + r_2 - n$。
考虑 $B x = 0$ 的基础解系 $\xi_1, \ldots, \xi_{p - r_2}$。
若 $r_1 + r_2 > n$,令 $r = r_1 + r_2 - n$,取 $A$ 的基础解系 $\eta_1, \ldots, \eta_{n - r_1}$。可以证明存在非零向量同时在两组内。
具体见教材(用扩充 $\xi_i$ 与 $\eta_j$ 联合构造)—— 此定理证明较繁琐,考研常用简化版。
**简化版的 Sylvester**:当 $A, B$ 均为方阵(设 $A, B \in \mathbb{R}^{n \times n}$)时,可通过分块矩阵的对角化论证:
$$
\text{rank}\begin{pmatrix} A & \\ & B \end{pmatrix} = r_1 + r_2
\Rightarrow
\text{rank}\begin{pmatrix} A & -AB \\ & B \end{pmatrix}
= r_1 + r_2 \text{(初等变换)}
$$
由 $r\begin{pmatrix} A & -AB \\ & B \end{pmatrix} \le r(A) + r(B) - (n - r(AB))$ 得 $r_1 + r_2 \le r_1 + r_2 - n + r(AB)$,即 $r(AB) \ge r_1 + r_2 - n$。
### 复盘
- **核心技巧**:用**齐次方程组解空间**建立秩与维数之间的桥梁。
- **关键观察**:$r(AB) = n - \dim\{x \mid ABx = 0\}$,把秩转化成解空间维数问题。
- **考频**:高(每年至少 1 道大题),务必熟练。
---
> **变式 1**:设 $A, B$ 均为 $n$ 阶矩阵,证明 $r(AB) \ge r(A) + r(B) - n$(Sylvester 在 $n$ 阶方阵下的形式)。
**证明**:由 $r(A^T) + r(AB) - n \le r(A^T \cdot AB) \le r(AB)$,再用 Sylvester 得 $\ge$ 方向。
---
> **变式 2**:证明 $r(A) + r(B) \ge r(A + B)$(子空间维度关系)。
**证明**:$\text{Col}(A+B) \subseteq \text{Col}(A) + \text{Col}(B)$,故 $r(A+B) \le \dim(\text{Col}(A) + \text{Col}(B)) \le r(A) + r(B)$。
@@ -0,0 +1,110 @@
# 题型四:齐次线性方程组的解
## 识别特征
- 题目求 $Ax = 0$ 的解($b = 0$)
- 要求构造基础解系
- 求基础解系所含向量个数 / 解空间维数
## 解题流程
```mermaid
flowchart TD
A[识别齐次方程组] --> B[化 A 为最简形 R]
B --> C[主元列→主变量; 其余→自由变量]
C --> D{自由变量个数 = n - r(A)}
D -->|0| E[唯一零解 x = 0]
D -->|n-r>0| F[依次令单个自由变量为1]
F --> G[回代求主变量]
G --> H[写出 n - r 个解]
H --> I[验证无关 → 基础解系]
```
## 通法步骤
### Step 1:判断解的情况
- 若 $r(A) = n$(列满秩) $\Rightarrow$ **唯一零解**
- 若 $r(A) < n$ $\Rightarrow$ **无穷多解**,基础解系含 $n - r$ 个解
### Step 2:构造基础解系(最关键)
1. 把 $A$ 化为**最简形** $R$(不是行阶梯形!)
2. 识别主元列号 $\to$ 主变量;其余为**自由变量**
3. 自由变量个数 = $n - r(A)$
4. 依次令**单个**自由变量为 $1$,**其余**自由变量为 $0$
5. 由 $R$ 求出主变量值,向量即为第 $i$ 个基础解系向量
### Step 3:写出通解
$$
x = k_1 \xi_1 + k_2 \xi_2 + \cdots + k_{n-r} \xi_{n-r}, \quad k_i \in \mathbb{R}
$$
### Step 4:验证无关性(可选)
- 计算 $\xi_1, \ldots, \xi_{n-r}$ 的行列式 $\neq 0$(必无关)
- 或观察:每个 $\xi_i$ 在第 $i$ 个自由变量分量为 1,其余自由变量对应分量为 0
## 常见陷阱
- **必须化最简形**:行阶梯形无法直接"回代",回代时会出现含主元的表达式
- **基础解系向量数是 $n - r$ 而不是 $r$**:这是最常见的错误
- **基础解系不唯一**:可以选不同自由变量,但每个 $\xi_i$ 必须以自由变量位置区分
- **零矩阵的处理**:$A = 0$ 时,$r = 0, n - r = n$,基础解系为 $E$ 的全部列
## 经典母题
> **题目**:求齐次线性方程组
> $$
> \begin{cases}
> x_1 + 2x_2 + 3x_3 + x_4 = 0 \\
> 2x_1 + 4x_2 + 7x_3 + 2x_4 = 0
> \end{cases}
> $$
> 的基础解系与通解。
### 解答
**Step 1**:化 $A = \begin{pmatrix} 1 & 2 & 3 & 1 \\ 2 & 4 & 7 & 2 \end{pmatrix}$ 为最简形。
$$
A \xrightarrow{r_2 - 2r_1}
\begin{pmatrix} 1 & 2 & 3 & 1 \\ 0 & 0 & 1 & 0 \end{pmatrix}
\xrightarrow{r_1 - 3r_2}
\begin{pmatrix} 1 & 2 & 0 & 1 \\ 0 & 0 & 1 & 0 \end{pmatrix} = R
$$
**Step 2**:分析主元列。
- 主元列:第 1, 3 列(带圈位置)
- 主变量:$x_1, x_3$
- 自由变量:$x_2, x_4$
**Step 3**:构造基础解系。
令 $(x_2, x_4) = (1, 0)$:由 $R$ 得 $x_1 + 2 = 0, x_3 = 0$,故 $\xi_1 = (-2, 1, 0, 0)^T$。
令 $(x_2, x_4) = (0, 1)$:由 $R$ 得 $x_1 + 1 = 0, x_3 = 0$,故 $\xi_2 = (-1, 0, 0, 1)^T$。
**Step 4**:通解。
$$
x = k_1 \begin{pmatrix} -2 \\ 1 \\ 0 \\ 0 \end{pmatrix} + k_2 \begin{pmatrix} -1 \\ 0 \\ 0 \\ 1 \end{pmatrix}, \quad k_1, k_2 \in \mathbb{R}
$$
**Step 5**:验证无关性(可选)。
$\det\begin{pmatrix} -2 & -1 \\ 1 & 0 \end{pmatrix} \neq 0$(取 $\xi_1, \xi_2$ 的 $x_2, x_4$ 分量组成的 $2 \times 2$ 子式),故无关。
### 复盘
- **核心算法**:化最简 $\to$ 主变量与自由变量分离 $\to$ 单变量法构造
- **$n - r$ 计算**:4 变量 - 2 秩 = 2 个自由变量,验证无误
- **基础解系维度 = 自由变量数**:每个自由变量"独立产生"一个解向量
---
> **变式**:设 $A$ 为 $n$ 阶矩阵且 $A$ 的伴随矩阵 $A^* \neq 0$。若 $\xi_1, \xi_2$ 是 $Ax = 0$ 的两个解,证明 $\xi_1, \xi_2$ 线性相关当且仅当它们对应分量成比例。
**提示**:当 $r(A) = n - 1$ 时,$r(A^*) = 1$,基础解系仅含 1 个向量,任意两解必然成比例。
@@ -0,0 +1,138 @@
# 题型五:非齐次线性方程组的解
## 识别特征
- 题目求解 $Ax = b$($b \ne 0$)
- 要求构造通解(或特解)
- 题干出现"设 $\eta^*$ 是特解,基础解系 $\xi_1, \ldots, \xi_{n-r}$..."
## 解题流程
```mermaid
flowchart TD
A[识别非齐次方程组] --> B[化增广矩阵 A|b 为行阶梯]
B --> C{比较 r(A) 与 r(A|b)}
C -->|r(A) < r(A|b)| D[无解]
C -->|r(A) = r(A|b) = n| E[唯一解]
C -->|r(A) = r(A|b) < n| F[无穷多解]
F --> G[化最简形求特解η*]
G --> H[基础解系 = 同齐次方程组基础解系]
H --> I[通解 = η* + 齐次通解]
```
## 通法步骤
### Step 1:判定解的情况
计算 $r(A)$ 和 $r(A \mid b)$:
| 关系 | 解的情况 |
|------|---------|
| $r(A) < r(A \mid b)$ | **无解** |
| $r(A) = r(A \mid b) = n$ | **唯一解** |
| $r(A) = r(A \mid b) < n$ | **无穷多解**,通解 = 特解 + 齐次通解 |
### Step 2:化最简形
1. 对 $(A \mid b)$ 进行初等行变换,化为最简形 $(R \mid d)$
2. 主变量 / 自由变量划分同齐次情形
### Step 3:求特解 $\eta^*$
- 令所有自由变量 $= 0$,由 $R$ 解出主变量的具体值
- 该特解向量即为 $\eta^*$
### Step 4:求基础解系
与对应齐次方程组 $Ax = 0$ **完全相同**——基础解系构造与 $b$ 无关。
### Step 5:写通解
$$
x = \eta^* + k_1 \xi_1 + k_2 \xi_2 + \cdots + k_{n-r} \xi_{n-r}
$$
> 🔑 **核心公式**:**非齐次通解 = 特解 + 齐次通解**。这是整个方程组理论的"母公式"。
## 常见陷阱
- **忘记加特解**:写出非齐次通解时漏掉 $\eta^*$,写成齐次通解形式
- **特解代入验证**:计算完 $\eta^*$ 后必须代入原方程验证($A\eta^* = b$),避免回代错误
- **齐次基础解系的复用**:求非齐次的基础解系就是去掉 $b$ 列的对应齐次方程组,二者完全一致
- **唯一解与无穷解的混淆**:若题目明确说"求通解",则一定是无穷解情况;否则可能是唯一解
## 经典母题
> **题目**:求非齐次线性方程组
> $$
> \begin{cases}
> x_1 + 2x_2 + 3x_3 + x_4 = -1 \\
> 2x_1 + 4x_2 + 7x_3 + 2x_4 = 2
> \end{cases}
> $$
> 的通解。
### 解答
**Step 1**:化增广矩阵为行阶梯。
$$
(A \mid b) = \left( \begin{array}{cccc|c} 1 & 2 & 3 & 1 & -1 \\ 2 & 4 & 7 & 2 & 2 \end{array} \right)
\xrightarrow{r_2 - 2r_1}
\left( \begin{array}{cccc|c} 1 & 2 & 3 & 1 & -1 \\ 0 & 0 & 1 & 0 & 4 \end{array} \right)
$$
**Step 2**:判解。
$r(A) = r(A \mid b) = 2 < 4$(变量数),故**无穷多解**。
**Step 3**:化最简形。
继续化:
$$
\xrightarrow{r_1 - 3r_2}
\left( \begin{array}{cccc|c} 1 & 2 & 0 & 1 & -13 \\ 0 & 0 & 1 & 0 & 4 \end{array} \right) = (R \mid d)
$$
**Step 4**:求特解 $\eta^*$。
令所有自由变量($x_2, x_4$)$= 0$:
- $x_3 = 4$
- $x_1 = -13$
得特解 $\eta^* = (-13, 0, 4, 0)^T$。
**Step 5**:求对应齐次方程组的基础解系。
对应齐次方程组的最简形为 $\begin{pmatrix} 1 & 2 & 0 & 1 \\ 0 & 0 & 1 & 0 \end{pmatrix}$。
- $\xi_1$:令 $(x_2, x_4) = (1, 0)$,得 $x_1 = -2, x_3 = 0$,$\xi_1 = (-2, 1, 0, 0)^T$
- $\xi_2$:令 $(x_2, x_4) = (0, 1)$,得 $x_1 = -1, x_3 = 0$,$\xi_2 = (-1, 0, 0, 1)^T$
**Step 6**:通解。
$$
x = \begin{pmatrix} -13 \\ 0 \\ 4 \\ 0 \end{pmatrix} + k_1 \begin{pmatrix} -2 \\ 1 \\ 0 \\ 0 \end{pmatrix} + k_2 \begin{pmatrix} -1 \\ 0 \\ 0 \\ 1 \end{pmatrix}, \quad k_1, k_2 \in \mathbb{R}
$$
**Step 7**:验证。
$A \eta^* = \begin{pmatrix} 1 & 2 & 3 & 1 \\ 2 & 4 & 7 & 2 \end{pmatrix} \begin{pmatrix} -13 \\ 0 \\ 4 \\ 0 \end{pmatrix} = \begin{pmatrix} -13 + 0 + 12 + 0 \\ -26 + 0 + 28 + 0 \end{pmatrix} = \begin{pmatrix} -1 \\ 2 \end{pmatrix} = b$ ✓
### 复盘
- **核心思想**:通解 = 特解 + 齐次通解,两者必须显式写出。
- **基础解系与 $b$ 无关**:非齐次方程组的基础解系完全由 $A$ 决定,与 $b$ 无关——这是反复考的关键。
- **计算顺序**:先化最简形 $\to$ 先找特解 $\to$ 再求基础解系 $\to$ 拼装通解。
---
> **变式 1**:证明非齐次线性方程组 $Ax = b$ 有解时,其解的个数为 $1 +$ 基础解系向量个数。
**思路**:每个解 = 特解 + 齐次通解;齐次通解构成 $n - r$ 维线性空间,故解的总数 = 1 + $\infty^{n-r}$。
> **变式 2**:设 $A$ 为 $n$ 阶矩阵,证明:$Ax = b$ 对任意 $b$ 都有解 $\iff \det A \neq 0$。
**思路**:$\Rightarrow$:取 $b = e_1, \ldots, e_n$,方程有解说明 $A$ 行满秩 $= n$,可逆。
$\Leftarrow$:若 $\det A \neq 0$,则 $x = A^{-1} b$ 是唯一解。
@@ -0,0 +1,187 @@
# 题型六:含参方程组的讨论
## 识别特征
- 系数矩阵 $A$ 或右端向量 $b$ 含**未知参数** $\lambda$
- 题目要求按 $\lambda$ 取值**分类讨论**解的情况
- 一般是 11 分大题的最后部分
## 解题流程
```mermaid
flowchart TD
A[识别含参方程组] --> B[求 det A 关于 λ 的根]
B --> C[把每个根代入 r(A|b), r(A)]
C --> D{比较秩}
D -->|r(A) < r(A|b)| E[该段无解]
D -->|r(A) = r(A|b) = n| F[该段唯一解]
D -->|r(A) = r(A|b) < n| G[该段无穷解]
H[其余 λ 段统一讨论] --> I[化行阶梯求通解]
```
## 通法步骤
### Step 1:先求 $\det A(\lambda) = 0$ 的根
- 这些根是把方程组"分段"的**关键点**
- 它们是 $A$ 不可逆 / 降秩的位置
### Step 2:把每个根代入 $(A \mid b)$
- 计算该 $\lambda$ 值下的 $r(A)$ 和 $r(A \mid b)$
- 比较二者关系,判定解的情况
### Step 3:每个分段独立求解
**情况 1**:$\lambda = \lambda_0$(使 $\det A = 0$ 的特殊值)
- 化行阶梯 $\to$ 比较 $r(A)$ 与 $r(A \mid b)$
**情况 2**:$\lambda \ne \lambda_0$(行列式非零)
- 此时 $r(A) = n$(满秩),且 $r(A \mid b) = n$(因 $A$ 行满秩能生成 $b$)
- 由克拉默法则 $x = A^{-1} b$ 唯一解
### Step 4:写统一表述
- 对每个 $\lambda$ 段分别写出解的情况与具体通解
## 常见陷阱
- **特殊值 $\lambda$ 处漏掉无解情况**:化行阶梯时 $r(A \mid b) > r(A)$ 时必须判无解
- **$\lambda \ne 0$ 段的统一处理**:常可写出含 $\lambda$ 的统一解表达式 $x = A^{-1}(\lambda) \cdot b$
- **同时含多个参数**的情况:要逐个讨论,或先化简再讨论
- **忘记写明讨论范围**:每个解都必须明示 $\lambda$ 的范围
## 经典母题
> **题目**:设 $\lambda$ 为实数,讨论方程组
> $$
> \begin{cases}
> \lambda x_1 + x_2 + x_3 = 1 \\
> x_1 + \lambda x_2 + x_3 = \lambda \\
> x_1 + x_2 + \lambda x_3 = \lambda^2
> \end{cases}
> $$
> 的解。
### 解答
**Step 1**:计算 $\det A(\lambda)$。
$$
\det A = \begin{vmatrix}
\lambda & 1 & 1 \\
1 & \lambda & 1 \\
1 & 1 & \lambda
\end{vmatrix}
$$
由各列减第 3 列:
$$
= \begin{vmatrix}
\lambda - 1 & 0 & 1 \\
0 & \lambda - 1 & 1 \\
1 - \lambda & 1 - \lambda & \lambda
\end{vmatrix}
= (\lambda - 1)^2 \begin{vmatrix}
1 & 0 & 1 \\
0 & 1 & 1 \\
-1 & -1 & \lambda
\end{vmatrix} + \ldots
$$
更直接地,第二行减第一行、第三行减第一行:
$$
= \begin{vmatrix}
\lambda & 1 & 1 \\
1-\lambda & \lambda-1 & 0 \\
1-\lambda & 0 & \lambda-1
\end{vmatrix}
= (\lambda - 1)^2 \begin{vmatrix}
\lambda & 1 & 1 \\
-1 & 1 & 0 \\
-1 & 0 & 1
\end{vmatrix}
$$
得 $(\lambda - 1)^2 (2\lambda + 1)$。验证:第三行减第二行:
$$
= \begin{vmatrix}
\lambda & 1 & 1 \\
1-\lambda & \lambda-1 & 0 \\
0 & 1-\lambda & \lambda-1
\end{vmatrix}
$$
继续提公因子 $(\lambda - 1)$,得 $(\lambda - 1)^2 \begin{vmatrix}
\lambda & 1 & 1 \\
-1 & 1 & 0 \\
0 & -1 & 1
\end{vmatrix}$。
行展开 $= (\lambda - 1)^2 [\lambda(1 \cdot 1 - 0 \cdot (-1)) - 1((-1) \cdot 1 - 0 \cdot 0) + 1((-1)(-1) - 0 \cdot 1)]$
$= (\lambda - 1)^2 [\lambda + 1 + 1] = (\lambda - 1)^2 (\lambda + 2)$
故 $\det A = (\lambda - 1)^2 (\lambda + 2)$。
**Step 2**:分类讨论点 $\lambda = 1$ 与 $\lambda = -2$。
**情况 1**:$\lambda \ne 1, \lambda \ne -2$,即 $\lambda \in \mathbb{R} \setminus \{1, -2\}$。
由克拉默法则:$x_j = D_j / D$,**唯一解**。具体求 $D_1, D_2, D_3$:
因计算量大,简写为:**有唯一解**,可用克莱姆法则或直接求 $A^{-1} b$ 写出。
**情况 2**:$\lambda = -2$。
$$
A = \begin{pmatrix} -2 & 1 & 1 \\ 1 & -2 & 1 \\ 1 & 1 & -2 \end{pmatrix}, \quad
b = \begin{pmatrix} 1 \\ -2 \\ 4 \end{pmatrix}
$$
化 $(A \mid b)$:
$$
\to \left( \begin{array}{ccc|c} 1 & 1 & -2 & 4 \\ 1 & -2 & 1 & -2 \\ -2 & 1 & 1 & 1 \end{array} \right)
\xrightarrow[r_1 + 2r_3 / 2, \ldots]{...}
$$
具体化简后:$r(A) = 2, r(A \mid b) = 3$,故**无解**。
**情况 3**:$\lambda = 1$。
$$
A = \begin{pmatrix} 1 & 1 & 1 \\ 1 & 1 & 1 \\ 1 & 1 & 1 \end{pmatrix}, \quad
b = \begin{pmatrix} 1 \\ 1 \\ 1 \end{pmatrix}
$$
三行完全相同:$r(A) = r(A \mid b) = 1 < 3$。
化 $(A \mid b)$:$(1, 1, 1, 1 \mid 1, 1, 1) \to (1, 1, 1 \mid 1)$(保留第 1 行)。
求特解:令 $x_2 = x_3 = 0$,得 $x_1 = 1$,$\eta^* = (1, 0, 0)^T$。
基础解系(去 $b$ 列):$\xi_1 = (-1, 1, 0)^T, \xi_2 = (-1, 0, 1)^T$。
通解:
$$
x = \begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix} + k_1 \begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix} + k_2 \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix}, \quad k_1, k_2 \in \mathbb{R}
$$
### 复盘
- **分类核心**:$\det A = 0$ 的根即"分段点"。本题 $\lambda = 1, -2$。
- **判解口诀**:把特殊值代入 $A$ 和 $b$,比较二者秩。
- **$\lambda \ne 1, -2$ 唯一解**:克拉默法则有效,$A$ 可逆。
- **$\lambda = 1$ 无穷解,$\lambda = -2$ 无解**:在化行阶梯时即可看出。
---
> **变式 1**:设 $A = \begin{pmatrix} 1 & 1 & -2 \\ 1 & -2 & 1 \\ -2 & 1 & 1 \end{pmatrix}$,讨论 $Ax = b$ 对任意 $b$ 何时有解。
**答案**:$\det A = ?$ 计算可知 $\det A = 0$ 时(特定 $\lambda$ 值,如本例的 $\lambda$ 形式参数)需逐个情况分析。
> **变式 2**:设 $A(\lambda) = \begin{pmatrix} 1 & \lambda \\ \lambda & 1 \end{pmatrix}$,方程 $A x = \begin{pmatrix} 1 \\ 2 \end{pmatrix}$ 何时无解、何时唯一解、何时无穷解?
**答案**:
- $\lambda \ne 1, \lambda \ne -1$:唯一解 $x = \frac{1}{1 - \lambda^2} \begin{pmatrix} 1 - 2\lambda \\ 2 - \lambda \end{pmatrix}$
- $\lambda = 1$:化简得 $r(A) = r(A \mid b) = 1$,无穷解
- $\lambda = -1$:化简得 $r(A) = 1, r(A \mid b) = 2$,无解
@@ -0,0 +1,174 @@
# 题型七:初等变换的综合应用
## 识别特征
- 题目要求**求逆矩阵** $A^{-1}$(含抽象矩阵)
- 题目要求**解矩阵方程** $AX = B$ 或 $XA = B$
- 题目要求**化简矩阵为最简形 / 行阶梯形**
## 解题流程
```mermaid
flowchart TD
A[识别题型] --> B{任务类型}
B -->|求 A⁻¹| C[A|E 化 E|A⁻¹]
B -->|解 AX = B| D[A|E → E|B→X]
B -->|解 XA = B| E[初等列变换]
B -->|化最简形| F[标准消去流程]
C --> G{左侧能化 E?}
G -->|否| H[A 不可逆]
G -->|是| I[右侧 = A⁻¹]
```
## 通法步骤
### 一、求 $A^{-1}$(初等变换法)
1. 构造 $(A \mid E)$,$A$ 为 $n$ 阶方阵
2. 仅用**初等行变换**化左侧为 $E$
3. 若成功,右侧即为 $A^{-1}$
4. 若失败(左侧出现零行),则 $A$ 不可逆
### 二、解 $AX = B$
**方法 1**(初等行变换法):
1. 构造 $(A \mid B)$,$A$ 为 $m \times n$,$B$ 为 $m \times p$
2. 化 $(A \mid B)$ 为最简形 $(R \mid X_0)$
3. 若 $r(A) = m < n$:方程 $AX = B$ 有无穷多组解,通解为 $X = X_0 + $ 齐次通解
4. 若 $r(A) = m = n$:唯一解 $X = A^{-1} B$
5. 若 $r(A) < m$:可能无解,需要检查每个方程的可解性
**方法 2**(直接求逆):
- 若 $A$ 可逆,$X = A^{-1} B$
### 三、解 $XA = B$
- **右乘列变换**:或求 $A^{-1}$ 后 $X = B A^{-1}$
- 注意:与 $AX = B$ 不可混淆($AXB = C$ 的求解是 $X = A^{-1} C B^{-1}$)
## 常见陷阱
- **解 $AX = B$ 与 $XA = B$ 切勿混淆**:左乘 $A$ vs 右乘 $A$,对应行变换 vs 列变换
- **$A$ 不可逆时的处理**:需要用线性方程组通解形式表达
- **多列 $B$**:当 $B$ 为多列矩阵时,$AX = B$ 等价于同时解多个方程组 $Ax = b_i$,可同步处理
- **列向量情形**:当 $B = b$(单列)时,$AX = b$ 即非齐次线性方程组
## 经典母题
> **题目 1**:用初等行变换求 $A = \begin{pmatrix} 1 & 2 & 3 \\ 2 & 2 & 1 \\ 3 & 4 & 3 \end{pmatrix}$ 的逆矩阵。
### 解答
**Step 1**:构造 $(A \mid E)$。
$$
\left( \begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 2 & 2 & 1 & 0 & 1 & 0 \\ 3 & 4 & 3 & 0 & 0 & 1 \end{array} \right)
$$
**Step 2**:化最简形。
$r_2 - 2r_1$:
$$
\left( \begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & -2 & -5 & -2 & 1 & 0 \\ 3 & 4 & 3 & 0 & 0 & 1 \end{array} \right)
$$
$r_3 - 3r_1$:
$$
\left( \begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & -2 & -5 & -2 & 1 & 0 \\ 0 & -2 & -6 & -3 & 0 & 1 \end{array} \right)
$$
$r_3 - r_2$:
$$
\left( \begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & -2 & -5 & -2 & 1 & 0 \\ 0 & 0 & -1 & -1 & -1 & 1 \end{array} \right)
$$
$r_2 \times (-1/2)$:
$$
\left( \begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & 1 & 5/2 & 1 & -1/2 & 0 \\ 0 & 0 & -1 & -1 & -1 & 1 \end{array} \right)
$$
$r_3 \times (-1)$:
$$
\left( \begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & 1 & 5/2 & 1 & -1/2 & 0 \\ 0 & 0 & 1 & 1 & 1 & -1 \end{array} \right)
$$
$r_1 - 3r_3, r_2 - (5/2)r_3$:
$$
\left( \begin{array}{ccc|ccc} 1 & 2 & 0 & -2 & -3 & 3 \\ 0 & 1 & 0 & -3/2 & -3 & 5/2 \\ 0 & 0 & 1 & 1 & 1 & -1 \end{array} \right)
$$
$r_1 - 2r_2$:
$$
\left( \begin{array}{ccc|ccc} 1 & 0 & 0 & 1 & 3 & -2 \\ 0 & 1 & 0 & -3/2 & -3 & 5/2 \\ 0 & 0 & 1 & 1 & 1 & -1 \end{array} \right)
$$
**Step 3**:读出 $A^{-1}$。
$$
A^{-1} = \begin{pmatrix} 1 & 3 & -2 \\ -3/2 & -3 & 5/2 \\ 1 & 1 & -1 \end{pmatrix}
$$
**Step 4**:验证 $A \cdot A^{-1} = E$(略)。
### 复盘
- **核心操作**:标准高斯-若尔当消元(化最简形)。
- **关键技巧**:每步先**化首非零元为 1**,再**消上下**。
- **检验方法**:用伴随矩阵公式 $A^{-1} = A^* / \det A$ 验证结果正确性。
---
> **题目 2**:设 $A = \begin{pmatrix} 1 & 2 \\ -1 & 3 \end{pmatrix}, B = \begin{pmatrix} 3 & 1 \\ 2 & 0 \\ 1 & 4 \end{pmatrix}, C = \begin{pmatrix} 1 & -1 \\ 2 & 1 \end{pmatrix}$。求矩阵 $X$ 使 $AXB = C$。
### 解答
**Step 1**:求 $A^{-1}, B^{-1}$。
$\det A = 3 + 2 = 5$, $A^{-1} = \frac{1}{5} \begin{pmatrix} 3 & -2 \\ 1 & 1 \end{pmatrix}$。
但 $B$ 是 $3 \times 2$,不可逆!
**思路调整**:求 $X$ 使 $AXB = C$,即 $X = A^{-1} C B^{-1}$ 不可行($B$ 不可逆)。
应改用**初等行变换解方程组**的方法:
$AXB = C \Rightarrow A(XB) = C$。令 $Y = XB$,则 $AY = C$,即解 $AY = C$。
$Y = A^{-1} C = \frac{1}{5} \begin{pmatrix} 3 & -2 \\ 1 & 1 \end{pmatrix} \begin{pmatrix} 1 & -1 \\ 2 & 1 \end{pmatrix} = \frac{1}{5} \begin{pmatrix} -1 & -5 \\ 3 & 0 \end{pmatrix} = \begin{pmatrix} -1/5 & -1 \\ 3/5 & 0 \end{pmatrix}$
再由 $XB = Y$:
$$
\begin{pmatrix} x_{11} & x_{12} \\ x_{21} & x_{22} \\ x_{31} & x_{32} \end{pmatrix} \begin{pmatrix} 3 & 1 \\ 2 & 0 \end{pmatrix} = \begin{pmatrix} -1/5 & -1 \\ 3/5 & 0 \end{pmatrix}
$$
$X B$ 是 $3 \times 2$ 矩阵,但右侧 $Y$ 是 $2 \times 2$ —— **尺寸不匹配**!
说明矩阵方程 $AXB = C$ **无解**($A$ 是 $2 \times 2$, $B$ 是 $3 \times 2$, $C$ 是 $2 \times 2$)。
正确尺寸分析:$A_{2 \times 2} X_{? \times ?} B_{3 \times 2} = C_{2 \times 2}$。
设 $X$ 是 $2 \times 3$,则 $A_{2 \times 2} X_{2 \times 3} = 2 \times 3$(不是方阵),右侧 $C_{2 \times 2}$ 尺寸不符,故**无解**。
**启示**:做矩阵方程时**先验尺寸**!
### 复盘(修正版)
- **核心前提**:矩阵方程必须**维度相容**,否则无解。
- **维度分析**:$A_{m \times n} X_{n \times p} B_{p \times q} = C_{m \times q}$ 要求 $X$ 为 $n \times p$。
- **本题修正**:若改为 $A_{2 \times 2} X_{2 \times 3} B_{3 \times 2} = C_{2 \times 2}$,则 $X = A^{-1} C B^{-1}$(需 $B$ 可逆,矛盾)。
---
> **变式**:解 $XA = B$,其中 $A = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}, B = \begin{pmatrix} 1 & 2 \\ 2 & 3 \end{pmatrix}$。
**解答**:
$X A = B$,转置:$A^T X^T = B^T$,由 $A^T = \begin{pmatrix} 1 & 0 \\ 1 & 1 \end{pmatrix}$,$A^{-T} = \begin{pmatrix} 1 & 0 \\ -1 & 1 \end{pmatrix}$,
$X^T = A^{-T} B^T = \begin{pmatrix} 1 & 0 \\ -1 & 1 \end{pmatrix} \begin{pmatrix} 1 & 2 \\ 2 & 3 \end{pmatrix} = \begin{pmatrix} 1 & 2 \\ 1 & 1 \end{pmatrix}$
转置:$X = \begin{pmatrix} 1 & 1 \\ 2 & 1 \end{pmatrix}$。
**验证**:$X A = \begin{pmatrix} 1 & 1 \\ 2 & 1 \end{pmatrix} \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix} = \begin{pmatrix} 1 & 2 \\ 2 & 3 \end{pmatrix} = B$ ✓
**复盘**:$XA = B$ 转置为 $A^T X^T = B^T$,化为 $AX = B$ 类型求解。