# 📌 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。