27 KiB
📌 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:
- 把
\det(M)写成\det(M_1 M_2 \cdots M_k) - 用
\det(M_1 M_2) = \det M_1 \det M_2逐个拆 - 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。