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

24 KiB
Raw Permalink Blame History

📌 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,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。