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。