Files
2026-10-04 11:44:56 +08:00

27 KiB
Raw Permalink Blame History

📌 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,逆矩阵与克拉默法则将作为求解工具贯穿始终。