24 KiB
📌 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 $R$):
- 选
r个主元列对应的r个自由变量(通常取第r+1, \ldots, n个) - 依次令一个自由变量为 1,其余为 0,代入回代求出主变量
- 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
- $\xi_1$:令 $(x_2, x_3) = (1, 0) \Rightarrow x_1 = -2$,
- 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):
- 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
- 转到第 2 行、第 2 列,重复
- 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 $R$):
- 主元列的列号
\to主变量;其余列\to自由变量 - 令第
i个自由变量为 1,其余自由变量为 0 - 由
R自下而上回代求出主变量 - 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:
- 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 $r(A^T A) \le r(A)$。
- 方向二:$Ax = 0 \Rightarrow A^T A x = 0$,故 $r(A) \le r(A^T A)$。
- 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。