Files
MathNotesVersion1/公式笔记/线性代数/Ch02_矩阵及其运算/Ch02_Matrix_Operations.md
T
2026-10-04 11:44:56 +08:00

703 lines
27 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 📌 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。