重写线代第2至4讲并补齐矩阵习题与PDF

This commit is contained in:
2026-10-20 23:45:55 +08:00
parent 9ffc963f6a
commit 60aa48c8b2
26 changed files with 1376 additions and 2107 deletions
@@ -1,543 +1,333 @@
---
tags:
- 数学一
- 在学练习
- 线性代数
- 矩阵
- 考点
专题: 线性代数 第2讲 · 矩阵(真题库第 10 章)
日期: 2026-10-18
来源: 🟨真题库第 10 章(11 题 71 分)· 🟩参考仓库 linear-algebra/knowledge/2-matrix + exercise/2-matrix
关联: "[[README]] · [[线性代数-第3讲-向量/01-考点手册]] · [[线性代数-第4讲-线性方程组/01-考点手册]]"
tags: [数学一, 在学练习, 线性代数, 矩阵]
专题: 线性代数 第2讲 · 矩阵
日期: 2026-10-20
状态: 重写版
关联笔记: ["[[02-试题]]", "[[03-解析]]"]
---
# 线性代数 第2讲 · 矩阵 · 考点手册
# 第2讲 · 矩阵:从会乘到会判断
> **定位**:矩阵是线代的**语言层**——向量、方程组、特征值、二次型的全部计算最后都落在矩阵上。真题库 **第 10 章**近十年 **11 题 71 分**,热度「热门」,六章里分值第二高。
> **本讲不出习题**(按你的安排)。练法:背熟本手册的**秩不等式、伴随公式、分块结论、矩阵幂四条路线**,在第 3–6 讲的题里随时调用。
> **来源记号**:🟨 真题库 · 🟩 参考仓库 · 🟦 视频讲次。
这讲解决四件事:矩阵怎样乘,怎样求逆,怎样算秩,怎样利用结构少算。先读第 1—5 节,再做练习 1—8;第 6—9 节配合练习 9—18。第一次读不要求背完公式,要求能把例题的每一步自己写出来。
---
全讲默认实矩阵。$O$ 是零矩阵,$E_n$ 是 $n$ 阶单位矩阵;阶数清楚时写 $E$。$A^{\mathrm T}$ 是转置,$A^{-1}$ 是逆,$A^*$ 是伴随,$r(A)$ 是秩。这些是不同操作。
## 0. 本讲定位与学习地图
## 1. 先看大小,再做乘法
**一句话概括**:**矩阵的一切都归结为「秩」和「可逆」**——可逆是"最好情况",秩是"退化了多少"。
$m\times n$ 矩阵有 $m$ 行、$n$ 列。加法要求两个矩阵同型,数乘就是每个元素都乘这个数。
**依赖链**
乘法要求左边的列数等于右边的行数:
```
矩阵运算(乘法铁律)
│
├──► 行列式 / 迹 ──────────► 特征值(第5讲)
│
├──► 逆矩阵 ◄──► 伴随矩阵
│ │
│ └──► 初等变换 ──► 等价标准形 ──► 秩
│ │
├──► 分块矩阵(秩的算法)───────────┤
│ │
└──► 矩阵幂(秩1 / 幂零 / 二项式 / 对角化)──► 第5、6讲
```
$$A_{m\times n}B_{n\times s}=(AB)_{m\times s}.$$
**本讲五条主线**
例如
| 主线 | 核心产出 | 真题落点 |
$$A=\begin{pmatrix}1&2\\0&1\end{pmatrix},\qquad B=\begin{pmatrix}2&0\\1&3\end{pmatrix}.$$
乘积第 1 行第 2 列,取 $A$ 的第 1 行与 $B$ 的第 2 列相乘再相加,得到 $1\times0+2\times3=6$。其余位置同样算:
$$AB=\begin{pmatrix}4&6\\1&3\end{pmatrix},\qquad BA=\begin{pmatrix}2&4\\1&5\end{pmatrix}.$$
换顺序会改变结果。结合律 $A(BC)=(AB)C$ 和分配律仍成立;交换律一般不成立。因此
$$(A+B)^2=A^2+AB+BA+B^2.$$
只有确认 $AB=BA$,才能合并成 $A^2+2AB+B^2$。同一个矩阵的幂可以合并:$A^pA^q=A^{p+q}$。
**为什么不能随意消去?** 取
$$D=\begin{pmatrix}1&0\\0&0\end{pmatrix},\qquad F=\begin{pmatrix}0&0\\0&1\end{pmatrix}.$$
两者都非零,但 $DF=O=D O$。所以 $DB=DC$ 且 $D\ne O$,仍可能 $B\ne C$。对方阵,若 $D$ 可逆,才可以左乘 $D^{-1}$ 消去它。
**贯穿后面两讲的理解:** 若 $A=(\alpha_1,\ldots,\alpha_n)$,则
$$Ax=x_1\alpha_1+\cdots+x_n\alpha_n.$$
矩阵乘列向量,就是按 $x$ 中的系数,把矩阵各列组合起来。向量的“线性表示”和“解方程”都从这句话出发。
## 2. 转置、行列式与特殊矩阵
转置是把原来的第 $i$ 行变为新的第 $i$ 列。$m\times n$ 转置后变为 $n\times m$,且
$$(AB)^{\mathrm T}=B^{\mathrm T}A^{\mathrm T}.$$
先检查大小:右边是 $s\times n$ 乘 $n\times m$,才会得到 $(AB)^{\mathrm T}$ 的 $s\times m$。加法转置不用反序。
只有方阵有行列式。矩阵 $A$ 是一张数表,$|A|$ 是一个数。对同阶方阵:
$$|AB|=|A||B|,\quad |A^{\mathrm T}|=|A|,\quad |kA|=k^n|A|.$$
最后一式的 $n$ 是阶数,因为每一行都提出一个 $k$。一般没有 $|A+B|=|A|+|B|$;二阶 $A=B=E$ 时,左边为 $4$,右边为 $2$。
| 名称 | 条件 | 现在怎样使用 |
|---|---|---|
| 运算铁律 | 不可交换、不可消去、转置反序 | 2022·15 |
| 逆与伴随 | 可逆 12 条等价、$A A^*=\lvert A\rvert E$ | 2017·5、2022·5 |
| 初等变换 | **左行右列**、初等矩阵的逆 | 2018·21、2020·5 |
| 秩 | 10 条不等式、$r(A)=r(A^{\mathrm T}A)$ | 2025·7 |
| 分块 | 分块对角/三角的逆与秩 | 2018·6、2021·7、2023·5 |
| 矩阵幂 | 秩 1 / 幂零 / 二项式 / 递推 | 2016·21、2024·21 |
| 对角矩阵 | 非对角元素全为 0 | 幂按对角元素分别求 |
| 对称矩阵 | $A^{\mathrm T}=A$ | 转置后不变 |
| 反对称矩阵 | $A^{\mathrm T}=-A$ | 主对角为 0;奇数阶行列式为 0 |
| 正交矩阵(方阵) | $Q^{\mathrm T}Q=E$ | $Q^{-1}=Q^{\mathrm T}$ |
| 幂等矩阵 | $A^2=A$ | 正整数次幂都等于 $A$ |
| 对合矩阵 | $A^2=E$ | 偶数次幂为 $E$,奇数次幂为 $A$ |
| 幂零矩阵 | 某个正整数 $q$ 使 $A^q=O$ | 高次项可以截掉 |
> ⚠️ **一个总开关**:遇到"矩阵关系式"(如 $A^2+2A-3E=O$ 、$AB=A+B$ )第一时间想**因式分解**,凑出 $XY=E$ ,这是所有抽象求逆、抽象可逆判定的统一入口。
正交矩阵的列向量两两垂直、长度都为 1。$|Q|=\pm1$ 只是必要条件。例如 $\begin{pmatrix}1&2\\0&1\end{pmatrix}$ 的行列式为 1,但两列不垂直。
---
任意方阵可拆成对称与反对称两部分:
## 1. 矩阵的基本运算
$$A=\frac{A+A^{\mathrm T}}2+\frac{A-A^{\mathrm T}}2.$$
### 1.1 线性运算与相等
## 3. 逆矩阵:找一个乘上去能得到单位阵的矩阵
- **同型**(行数、列数都相同)才能相加;$A+B$ 对应元素相加,$kA$ 每个元素乘 $k$ 。
- $A=B$ ⟺ 同型且对应元素全等。
对 $n$ 阶方阵 $A$,若 $AB=BA=E$,则 $B=A^{-1}$。同阶方阵只需验证一侧乘积为 $E$ 即可。
### 1.2 乘法:三条铁律
先记住三个等价条件:
设 $A$ 为 $m\times n$ ,$B$ 为 $n\times s$ ,则 $AB$ 为 $m\times s$ ,元素为"**左行乘右列**":
$$A\text{ 可逆}\iff |A|\ne0\iff r(A)=n.$$
$$(AB)_{ij}=\sum_{k=1}^{n}a_{ik}b_{kj}.$$
后两讲会解释,它们还等价于“列向量无关”“$Ax=0$ 只有零解”“对每个 $b$,$Ax=b$ 都有唯一解”。
| 铁律 | 说明 | 反例 |
### 3.1 具体矩阵:二阶公式与行变换
若 $ad-bc\ne0$,则
$$\begin{pmatrix}a&b\\c&d\end{pmatrix}^{-1}=\frac1{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}.$$
更通用的办法是把 $A$ 与 $E$ 横着拼起来,同时作行变换。例如
$$[A\mid E]=\left(\begin{array}{cc|cc}1&2&1&0\\1&3&0&1\end{array}\right).$$
先 $R_2\leftarrow R_2-R_1$,再 $R_1\leftarrow R_1-2R_2$:
$$\left(\begin{array}{cc|cc}1&2&1&0\\0&1&-1&1\end{array}\right)
\longrightarrow
\left(\begin{array}{cc|cc}1&0&3&-2\\0&1&-1&1\end{array}\right).$$
左边变成 $E$,右边就是 $A^{-1}$。原因是这串行变换等于左乘某个 $P$,左块 $PA=E$,所以 $P=A^{-1}$,右块 $PE=P$。
这个横排算法要一直用行变换。若用列变换,应把 $A,E$ 上下拼接,不能混用。
### 3.2 抽象矩阵:从已知关系凑出乘积
已知 $A^2+A-2E=O$,先把单位阵单独放一边:
$$A^2+A=2E\quad\Longrightarrow\quad A\frac{A+E}{2}=E.$$
于是 $A$ 可逆,$A^{-1}=(A+E)/2$。证明可逆前,没有用到 $A^{-1}$。
再如 $AB=A+B$,要研究 $A-E$,可观察
$$(A-E)(B-E)=AB-A-B+E=E.$$
所以 $(A-E)^{-1}=B-E$。目标是“乘出 $E$”,而不是先写一个尚不知道存在的逆。
### 3.3 逆的顺序与矩阵方程
$$(AB)^{-1}=B^{-1}A^{-1},\quad (A^{\mathrm T})^{-1}=(A^{-1})^{\mathrm T},\quad (kA)^{-1}=\frac1kA^{-1}\ (k\ne0).$$
第一式可由 $ABB^{-1}A^{-1}=E$ 检查。反序是为了让相邻因子能消掉。
| 方程 | 条件 | 解 |
|---|---|---|
| **不可交换** | $AB\neq BA$ 一般成立(甚至型不同、根本不能相乘) | $A=\begin{pmatrix}1&1\\0&0\end{pmatrix}$ ,$B=\begin{pmatrix}0&0\\1&1\end{pmatrix}$ ,$AB\neq BA$ |
| **不可消去** | $AB=AC$ 且 $A\neq O$ **推不出** $B=C$ | 上例中 $AB=O$ 但 $B\neq O$ |
| **不可分配幂** | $(AB)^k\neq A^kB^k$ 一般 | 同上 |
| $AX=B$ | $A$ 可逆 | 左乘得 $X=A^{-1}B$ |
| $XA=B$ | $A$ 可逆 | 右乘得 $X=BA^{-1}$ |
| $AXB=C$ | $A,B$ 均为可逆方阵 | $X=A^{-1}CB^{-1}$ |
**推论**:
没有一般的 $(A+B)^{-1}=A^{-1}+B^{-1}$。若 $A$ 可逆,可以先写 $A+B=A(E+A^{-1}B)$,再判断括号中的矩阵能否求逆。
- $AB=O$ **推不出** $A=O$ 或 $B=O$ (与数的乘法本质不同);
- $(A+B)^2=A^2+2AB+B^2$ **只在** $AB=BA$ 时成立;
- $(A+B)(A-B)=A^2-B^2$ **只在** $AB=BA$ 时成立;
- 幂的运算 $(A^m)(A^n)=A^{m+n}$ 对**同一个** $A$ 恒成立(同底数天然可交换)。
## 4. 初等变换:为什么左乘改行、右乘改列
> **为什么不可交换**:矩阵乘法的本质是"**线性变换的复合**"——先旋转再拉伸 ≠ 先拉伸再旋转。
三种操作:交换两行;某行乘非零数;某行加上另一行的若干倍。列也有对应操作。从 $E$ 做一次这样的操作,得到初等矩阵,它必可逆,因为每一步都能撤销。
### 1.3 转置
先不用背容易混淆的下标。取
$$(A^{\mathrm T})^{\mathrm T}=A,\quad (A+B)^{\mathrm T}=A^{\mathrm T}+B^{\mathrm T},\quad (kA)^{\mathrm T}=kA^{\mathrm T},\quad \boxed{(AB)^{\mathrm T}=B^{\mathrm T}A^{\mathrm T}}.$$
$$P=\begin{pmatrix}1&0\\2&1\end{pmatrix},\qquad A=\begin{pmatrix}a&b\\c&d\end{pmatrix}.$$
> **反序律的推广**:$(A_1A_2\cdots A_s)^{\mathrm T}=A_s^{\mathrm T}\cdots A_2^{\mathrm T}A_1^{\mathrm T}$ 。
> **和逆矩阵的公式成对记**:$(AB)^{-1}=B^{-1}A^{-1}$ 、$(AB)^{*}=B^{*}A^{*}$ 、$(AB)^{\mathrm T}=B^{\mathrm T}A^{\mathrm T}$ ——**三条都是"反序"**。
直接相乘:
### 1.4 特殊矩阵族(按"幂性质"分类最有用)
$$PA=\begin{pmatrix}a&b\\2a+c&2b+d\end{pmatrix},\quad AP=\begin{pmatrix}a+2b&b\\c+2d&d\end{pmatrix}.$$
| 类型 | 定义 | 关键性质 |
左乘 $P$ 是第 2 行加上第 1 行的 2 倍;右乘同一个 $P$ 是第 1 列加上第 2 列的 2 倍。左右不仅位置不同,来源和目标也要看清。
先左乘 $P_1$,再左乘 $P_2$,最终是 $P_2P_1A$;先右乘 $Q_1$,再右乘 $Q_2$,最终是 $AQ_1Q_2$。写出中间式,就不容易错。
## 5. 秩:数出还剩多少独立信息
先把秩理解为独立列的最大个数。它也等于独立行的最大个数。计算时化为行阶梯形,数非零行即可。
$$A=\begin{pmatrix}1&2&0\\2&4&1\\3&6&1\end{pmatrix}
\xrightarrow{R_2-2R_1,\ R_3-3R_1}
\begin{pmatrix}1&2&0\\0&0&1\\0&0&1\end{pmatrix}
\xrightarrow{R_3-R_2}
\begin{pmatrix}1&2&0\\0&0&1\\0&0&0\end{pmatrix}.$$
有两行非零,故 $r(A)=2$。原矩阵第二列是第一列的 2 倍;第三列提供新的独立信息。**任意原矩阵的非零行数不一定是秩,化成阶梯形后才可以数。**
秩的行列式定义是“最高阶非零子式的阶数”。本例有非零二阶子式,但三阶行列式为零,所以也是秩 2。
### 5.1 先掌握的性质
$$0\le r(A)\le\min(m,n),\qquad r(A^{\mathrm T})=r(A).$$
$$r(PAQ)=r(A)\quad(P,Q\text{ 为大小匹配的可逆方阵}).$$
可逆操作不会丢掉信息。因此初等变换不改变秩。若乘的矩阵不可逆,信息可能丢失。
两个同型矩阵“等价”,指可以通过初等行、列变换互相变到;判据是同秩。它不要求两矩阵的列张成同一空间,第 3 讲会区分这两个“等价”。
### 5.2 秩不等式:遇到什么关系用什么式子
| 题目出现 | 可用结论 | 理解 |
|---|---|---|
| 单位矩阵 $E$ | 主对角为 1 | $AE=EA=A$ |
| 数量矩阵 $kE$ | 主对角全为 $k$ | 与**任意**同阶矩阵可交换 |
| 对角矩阵 $\Lambda=\operatorname{diag}(\lambda_1,\cdots,\lambda_n)$ | 非对角全 0 | 相乘 = 对应位置相乘;$\Lambda^k=\operatorname{diag}(\lambda_1^k,\cdots,\lambda_n^k)$ |
| 对称矩阵 | $A^{\mathrm T}=A$ | 特征值全为实数;不同特征值的特征向量正交(第 5 讲) |
| 反对称矩阵 | $A^{\mathrm T}=-A$ | 主对角全 0;奇数阶时 $\lvert A\rvert=0$ ,**必不可逆** |
| 正交矩阵 | $A^{\mathrm T}A=E$ | $A^{-1}=A^{\mathrm T}$ ;$\lvert A\rvert=\pm1$ |
| **幂等**矩阵 | $A^2=A$ | $A^k=A$ ;$r(A)+r(A-E)=n$ |
| **对合**矩阵 | $A^2=E$ | $A^{-1}=A$ ;$A^{2k}=E$ 、$A^{2k+1}=A$ |
| **幂零**矩阵 | $A^k=O$ (某 $k$ ) | $n$ 阶时必有 $A^n=O$ ;$E-A$ 必可逆 |
| 乘积 $AB$ | $r(AB)\le\min(r(A),r(B))$ | 连续作用不会增加独立信息 |
| 和 $A+B$ | $r(A+B)\le r(A)+r(B)$ | 新列来自两组列的组合 |
| 乘积,公共内维为 $n$ | $r(AB)\ge r(A)+r(B)-n$ | Sylvester 不等式 |
| $AB=O$,$A$ 有 $n$ 列 | $r(A)+r(B)\le n$ | 上一式取 $r(AB)=0$ |
**两条常用分解**(🟩 仓库):
例如 $A^2=A$,求 $r(A)+r(E-A)$。先看到 $A(E-A)=O$,得上界 $n$;再看到 $A+(E-A)=E$,得
- **任意方阵 = 对称 + 反对称**:$A=\dfrac{A+A^{\mathrm T}}{2}+\dfrac{A-A^{\mathrm T}}{2}$ ;
- **任意方阵 × 转置必对称**:$A^{\mathrm T}A$ 与 $AA^{\mathrm T}$ 都是对称矩阵(且半正定,第 6 讲)。
$$n=r(E)\le r(A)+r(E-A).$$
### 1.5 什么情况下可以交换(四类情形,考选择题常靠它)
上下界相同,所以和等于 $n$。这个证明可以迁移:一个零乘积给上界,一个可逆的和给下界。
1. $A$ 与 $kE$ (数量矩阵);
2. $A$ 与 $A^{-1}$ 、$A$ 与 $A^{*}$ 、$A$ 与 $f(A)$ (同一个 $A$ 的"函数"之间都交换,故 $f(A)g(A)=g(A)f(A)$ );
3. 两个**同阶对角矩阵**(更一般:同时对角化的两个矩阵);
4. 题设**明确给出** $AB=BA$ 。
对实矩阵还有 $r(A^{\mathrm T}A)=r(A)=r(AA^{\mathrm T})$。关键是
> **其余一律不许交换**。考场上凡是要合并 $AB+BA$ 成 $2AB$ 的地方,必须先确认可交换。
$$A^{\mathrm T}Ax=0\Rightarrow x^{\mathrm T}A^{\mathrm T}Ax=\|Ax\|^2=0\Rightarrow Ax=0.$$
---
反方向直接左乘 $A^{\mathrm T}$。两个齐次方程组同解,列数相同,由“解空间维数 = 列数减秩”得同秩;第 4 讲展开这一步。
## 2. 方阵的行列式与迹
## 6. 伴随矩阵:先抓住一条关系
### 2.1 行列式八条公式
$A^*$ 的元素来自 $|A|$ 的代数余子式,再作转置。不可逆方阵也有伴随矩阵。核心关系是
$$\lvert A^{\mathrm T}\rvert=\lvert A\rvert,\qquad \lvert kA\rvert=k^n\lvert A\rvert\ (n\ \text{阶}),\qquad \boxed{\lvert AB\rvert=\lvert A\rvert\,\lvert B\rvert},$$
$$AA^*=A^*A=|A|E.$$
$$\lvert A^{-1}\rvert=\frac{1}{\lvert A\rvert},\qquad \lvert A^{*}\rvert=\lvert A\rvert^{\,n-1},\qquad \lvert A^{m}\rvert=\lvert A\rvert^{m},\qquad \lvert A^{\mathrm T}A\rvert=\lvert A\rvert^{2}.$$
只有 $|A|\ne0$ 时,才可以除以它:
> ⚠️ $\lvert A+B\rvert\neq\lvert A\rvert+\lvert B\rvert$ ——**这是行列式最常设的陷阱**。$\lvert A+B\rvert$ 一般**没有**公式。
> ⚠️ 注意 $\lvert kA\rvert=k^{n}\lvert A\rvert$ 里的 $n$ 是**阶数**,不是元素个数;三阶时是 $k^3$ 。
$$A^{-1}=\frac{A^*}{|A|},\qquad A^*=|A|A^{-1}.$$
### 2.2 迹 $\operatorname{tr}$
二阶 $A=\begin{pmatrix}a&b\\c&d\end{pmatrix}$ 的伴随是 $\begin{pmatrix}d&-b\\-c&a\end{pmatrix}$。三阶若可逆,可以先求逆、再乘行列式,不必总是算九个余子式。
$$\operatorname{tr}(A)=\sum_{i=1}^{n}a_{ii},\qquad \operatorname{tr}(A+B)=\operatorname{tr}A+\operatorname{tr}B,\qquad \operatorname{tr}(kA)=k\operatorname{tr}A,\qquad \operatorname{tr}(A^{\mathrm T})=\operatorname{tr}A,$$
常用性质($n\ge2$):
$$\boxed{\operatorname{tr}(AB)=\operatorname{tr}(BA)}\quad(\text{只要求两个乘积都有意义}).$$
$$|A^*|=|A|^{n-1},\quad (kA)^*=k^{n-1}A^*,\quad (AB)^*=B^*A^*,$$
**用途**(后面反复用):
$$(A^{\mathrm T})^*=(A^*)^{\mathrm T},\qquad (A^*)^*=|A|^{n-2}A.$$
- 秩 1 矩阵 $A=\alpha\beta^{\mathrm T}$ 的迹 $=\beta^{\mathrm T}\alpha$ ,直接给出它唯一的非零特征值;
- $\operatorname{tr}A=\sum\lambda_i$ ,$\lvert A\rvert=\prod\lambda_i$ ——**特征值与行列式/迹的桥**(第 5 讲高频)。
二阶最后一式直接理解为 $(A^*)^*=A$。缩放指数是 $n-1$,因为每个余子式是 $n-1$ 阶行列式。
---
## 3. 逆矩阵
### 3.1 定义与唯一性
若存在 $B$ 使 $AB=BA=E$ ,则称 $A$ **可逆**,$B=A^{-1}$ 。逆矩阵**唯一**(若 $B,C$ 都是逆,则 $B=BE=B(AC)=(BA)C=C$ )。
> **判定义时只需验一侧**:对**方阵**而言,$AB=E$ 已经能推出 $BA=E$ (有限维),所以验一侧即可。
### 3.2 可逆的 12 条等价条件(背下来,选择题直接秒)
$A$ 为 $n$ 阶方阵,以下**全部等价**:
| # | 条件 | 出处 |
| $r(A)$ | $r(A^*)$ | 原因 |
|---|---|---|
| 1 | $\lvert A\rvert\neq0$ | 行列式 |
| 2 | $r(A)=n$ (满秩) | 秩 |
| 3 | $A$ 的**列**向量组线性无关 | 第 3 讲 |
| 4 | $A$ 的**行**向量组线性无关 | 第 3 讲 |
| 5 | $A$ 的列(行)向量组是 $\mathbb R^n$ 的一组**基** | 第 3 讲 |
| 6 | $Ax=0$ **只有零解** | 第 4 讲 |
| 7 | 对**任意** $b$ ,$Ax=b$ 有**唯一**解 | 第 4 讲 |
| 8 | $A$ 与 $E$ **等价**(可经初等变换化为 $E$ ) | 初等变换 |
| 9 | $A$ 可表示为**若干初等矩阵之积** | 初等变换 |
| 10 | $A$ 的特征值**全不为 0** | 第 5 讲 |
| 11 | $A^{*}$ 可逆 | 伴随 |
| 12 | $A^{\mathrm T}A$ **正定**($A$ 列满秩) | 第 6 讲 |
| $n$ | $n$ | $A^*=|A|A^{-1}$ 可逆 |
| $n-1$ | $1$ | 有非零余子式,所以 $A^*\ne O$;又 $AA^*=O$,故秩至多 1 |
| 至多 $n-2$ | $0$ | 所有 $n-1$ 阶子式为零 |
> **记忆线索**:**行列式 ≠ 0 → 满秩 → 列无关 → 只有零解 → 唯一解 → 等价于 E**,这是一条链,只要记住链头($\lvert A\rvert\neq0$ )就能串出全部。
## 7. 分块:把大矩阵当成几个小矩阵计算
### 3.3 逆的运算法则
仍按左行乘右列,但块的乘法顺序不能变,块的大小必须匹配。比如
$$(A^{-1})^{-1}=A,\qquad (kA)^{-1}=\frac1k A^{-1}\ (k\neq0),\qquad \boxed{(AB)^{-1}=B^{-1}A^{-1}},$$
$$M=\begin{pmatrix}A&C\\O&B\end{pmatrix},$$
$$(A^{\mathrm T})^{-1}=(A^{-1})^{\mathrm T},\qquad \lvert A^{-1}\rvert=\frac{1}{\lvert A\rvert}.$$
其中 $A,B$ 为可逆方阵。设逆为 $\begin{pmatrix}X&Y\\Z&W\end{pmatrix}$。由 $MM^{-1}=E$ 得
> ⚠️ $(A+B)^{-1}\neq A^{-1}+B^{-1}$ ,**一般没有公式**。$A,B$ 都可逆**推不出** $A+B$ 可逆(如 $A=E$ 、$B=-E$ )。
> 处理 $A+B$ 的通用手法:**提公因子**——若 $A$ 可逆,则 $A+B=A(E+A^{-1}B)$ ,于是 $A+B$ 可逆 ⟺ $E+A^{-1}B$ 可逆。
$$BZ=O\Rightarrow Z=O,\quad AX=E\Rightarrow X=A^{-1},\quad BW=E\Rightarrow W=B^{-1},$$
### 3.4 抽象矩阵求逆:凑 $XY=E$ 的四个模板
$$AY+CW=O\Rightarrow Y=-A^{-1}CB^{-1}.$$
**模板一:由多项式关系凑**
所以
设 $A^2+2A-3E=O$ 。求 $A^{-1}$ 与 $(A+E)^{-1}$ 。
$$M^{-1}=\begin{pmatrix}A^{-1}&-A^{-1}CB^{-1}\\O&B^{-1}\end{pmatrix}.$$
$$A^2+2A=3E\ \Longrightarrow\ A(A+2E)=3E\ \Longrightarrow\ A\cdot\frac{A+2E}{3}=E\ \Longrightarrow\ A^{-1}=\frac{A+2E}{3}.$$
这解释了交叉块为什么有负号、为什么按这个顺序乘。
对 $A+E$ :把等式配方成含 $(A+E)$ 的形式
分块对角矩阵的秩相加:
$$A^2+2A-3E=(A+E)^2-4E=O\ \Longrightarrow\ (A+E)^2=4E\ \Longrightarrow\ (A+E)\cdot\frac{A+E}{4}=E\ \Longrightarrow\ (A+E)^{-1}=\frac{A+E}{4}.$$
$$r\begin{pmatrix}A&O\\O&B\end{pmatrix}=r(A)+r(B).$$
**模板二:由 $A+B=AB$ 型凑**
上三角分块只保证秩至少为 $r(A)+r(B)$,不能直接写等号;$A=B=O$、$C\ne O$ 就是反例。
$$A+B=AB\ \Longrightarrow\ AB-A-B=O\ \Longrightarrow\ (A-E)(B-E)=E.$$
### 7.1 两个常用化简,要会写过程
于是 $A-E$ 与 $B-E$ **互为逆矩阵**,且两者都可逆。**口诀**:移项后两边同时减 $E$ ("$-A-B$ 配成 $-(A-E)-(B-E)$ ")。
先下块行减上块行,再右块列减左块列:
同类:$A+B+AB=O\Longrightarrow(A+E)(B+E)=E$ ;
$AB-A-2B=O\Longrightarrow(A-2E)(B-E)=2E\Longrightarrow (A-2E)\cdot\dfrac{B-E}{2}=E$ 。
$$\begin{pmatrix}A&A\\A&A\end{pmatrix}
\longrightarrow\begin{pmatrix}A&A\\O&O\end{pmatrix}
\longrightarrow\begin{pmatrix}A&O\\O&O\end{pmatrix}.$$
**模板三:幂零级数型**
故秩为 $r(A)$。
若 $A^k=O$ ,则
对同阶方阵 $A,B$,令
$$(E-A)(E+A+A^2+\cdots+A^{k-1})=E-A^k=E,$$
$$M=\begin{pmatrix}A&B\\B&A\end{pmatrix},\quad S=\begin{pmatrix}E&E\\E&-E\end{pmatrix},\quad S^{-1}=\frac12S.$$
所以 $(E-A)^{-1}=E+A+\cdots+A^{k-1}$ (**有限项,不需要收敛性**)。同理 $(E+A)^{-1}=E-A+A^2-\cdots$ 。
分块相乘得到
**模板四:分块型**
$$S^{-1}MS=\begin{pmatrix}A+B&O\\O&A-B\end{pmatrix}.$$
$$\begin{pmatrix}A&O\\C&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&O\\-B^{-1}CA^{-1}&B^{-1}\end{pmatrix},\qquad \begin{pmatrix}A&C\\O&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&-A^{-1}CB^{-1}\\O&B^{-1}\end{pmatrix}.$$
两侧乘的矩阵可逆,所以 $r(M)=r(A+B)+r(A-B)$。这里无须 $AB=BA$。
> **验证方法**:直接乘一遍即可(考场上写"易验"就行,不要试图推导)。
### 7.2 补充:左上块可逆时的消元
---
若 $A$ 可逆,先下块行减去 $CA^{-1}$ 乘上块行,再右块列减去左块列乘 $A^{-1}B$:
## 4. 伴随矩阵 $A^{*}$
$$\begin{pmatrix}A&B\\C&D\end{pmatrix}
\longrightarrow\begin{pmatrix}A&B\\O&D-CA^{-1}B\end{pmatrix}
\longrightarrow\begin{pmatrix}A&O\\O&D-CA^{-1}B\end{pmatrix}.$$
### 4.1 定义与核心公式
故秩为 $r(A)+r(D-CA^{-1}B)$。先理解这是分块消元,再记结果。
$A^{*}=(A_{ij})^{\mathrm T}$ ,其中 $A_{ij}$ 是 $a_{ij}$ 的**代数余子式**(注意是**转置**后的排列)。
## 8. 矩阵幂:先算平方,找出结构
$$\boxed{A A^{*}=A^{*}A=\lvert A\rvert E}$$
### 8.1 秩 1:把中间一段变成数
由此立刻得到两条**最常用**的推论:
若 $A=uv^{\mathrm T}$,$u,v$ 为列向量,则
$$\lvert A\rvert\neq0\ \Longrightarrow\ A^{-1}=\frac{A^{*}}{\lvert A\rvert},\qquad A^{*}=\lvert A\rvert A^{-1}.$$
$$A^2=u(v^{\mathrm T}u)v^{\mathrm T}=(v^{\mathrm T}u)A.$$
### 4.2 二阶伴随的口诀
$v^{\mathrm T}u$ 是一个数,记为 $c$,便有 $A^k=c^{k-1}A$($k\ge2$;$A^1=A$ 单独写)。例如
$$A=\begin{pmatrix}a&b\\c&d\end{pmatrix}\ \Longrightarrow\ A^{*}=\begin{pmatrix}d&-b\\-c&a\end{pmatrix},$$
$$A=\begin{pmatrix}2&-1\\4&-2\end{pmatrix}=\binom12(2,-1).$$
即"**主对角互换,副对角变号**"。三阶及以上只能老实算 9 个代数余子式。
中间数 $c=(2,-1)\binom12=0$,所以 $A^2=O$。秩 1 也可能平方为零。
### 4.3 伴随七条性质
迹 $\operatorname{tr}A$ 是主对角元素之和。这里 $c=\operatorname{tr}A$。一般有 $\operatorname{tr}(AB)=\operatorname{tr}(BA)$,这不表示 $AB=BA$。
| 公式 | 说明 |
|---|---|
| $\lvert A^{*}\rvert=\lvert A\rvert^{\,n-1}$ | 由 $\lvert A\rvert\lvert A^{*}\rvert=\lvert A\rvert^{n}$ 得 |
| $(A^{*})^{*}=\lvert A\rvert^{\,n-2}A$ | $n\ge2$ ;特别 $n=2$ 时 $(A^{*})^{*}=A$ |
| $(kA)^{*}=k^{\,n-1}A^{*}$ | **不是** $k^n$ |
| $(AB)^{*}=B^{*}A^{*}$ | 反序 |
| $(A^{\mathrm T})^{*}=(A^{*})^{\mathrm T}$ | 转置不反序(同一位置) |
| $(A^{-1})^{*}=(A^{*})^{-1}$ | $A$ 可逆时 |
| $A^{*}$ 的特征值为 $\dfrac{\lvert A\rvert}{\lambda_i}$ | $A$ 可逆时(第 5 讲) |
### 8.2 单位阵加幂零矩阵:二项式会提前结束
### 4.4 伴随的秩:三段式(选择题必考)
若 $N^3=O$,因为 $E$ 与 $N$ 可交换,整数 $k\ge2$ 时
$$\boxed{r(A^{*})=\begin{cases}n, & r(A)=n,\\[2pt] 1, & r(A)=n-1,\\[2pt] 0, & r(A)\le n-2.\end{cases}}$$
$$(E+N)^k=E+kN+\binom{k}{2}N^2.$$
**记忆**:**满秩 → 满秩;差一 → 变 1;差二 → 归零。**
三次以上项全为零。求逆也利用消项:
**理由速览**:$r(A)=n$ 时 $A^{*}=\lvert A\rvert A^{-1}$ 可逆;$r(A)=n-1$ 时 $A^{*}\neq O$ (存在非零的 $n-1$ 阶子式)但 $A^{*}A=O$ ,故 $r(A^{*})\le n-r(A)=1$ ,只能等于 1;$r(A)\le n-2$ 时所有 $n-1$ 阶子式为 0,$A^{*}=O$ 。
$$(E-N)(E+N+N^2)=E-N^3=E.$$
---
更一般,$N^q=O$ 时,$(E-N)^{-1}=E+N+\cdots+N^{q-1}$。这是有限项恒等式,无须讨论无穷级数收敛。
## 5. 初等变换与初等矩阵(真题重灾区)
### 8.3 递推:把两个状态放进一列
### 5.1 三种初等变换
若 $a_{j+2}=pa_{j+1}+qa_j$,则
1. 交换两行(列);
2. 用非零数 $k$ 乘某行(列);
3. 把某行(列)的 $k$ 倍加到另一行(列)。
$$\binom{a_{j+2}}{a_{j+1}}=\begin{pmatrix}p&q\\1&0\end{pmatrix}\binom{a_{j+1}}{a_j}.$$
**初等矩阵**:对 $E$ 作**一次**初等变换得到的矩阵,记作 $E_{ij}$ (交换 $i,j$ 两行)、$E_i(k)$ 、$E_{ij}(k)$ 。
所以 $\binom{a_{k+1}}{a_k}=M^k\binom{a_1}{a_0}$。先检查 $k=0,1$ 是否与初值相符。第 5 讲会增加对角化路线 $M=P\Lambda P^{-1}$。
### 5.2 左行右列定理(最重要的一句话)
## 9. 做题时怎样选入口
$$\boxed{\text{左乘初等矩阵 = 作同种行变换;右乘初等矩阵 = 作同种列变换。}}$$
- $E_{ij}A$ :交换 $A$ 的 $i,j$ **两行**;$AE_{ij}$ :交换 $A$ 的 $i,j$ **两列**;
- $E_i(k)A$ :$A$ 的第 $i$ **行**乘 $k$ ;$AE_i(k)$ :第 $i$ **列**乘 $k$ ;
- $E_{ij}(k)A$ :$A$ 的第 $j$ 行乘 $k$ 加到第 $i$ 行;$AE_{ij}(k)$ :$A$ 的第 $i$ 列乘 $k$ 加到第 $j$ 列。
> ⚠️ **$\mathbf{E_{ij}(k)}$ 的方向最容易错**:$E_{ij}(k)A$ 是"**第 $j$ 行 → 第 $i$ 行**"(行指标是"新位置",列指标是"来源")。$AE_{ij}(k)$ 则反过来是"**第 $i$ 列 → 第 $j$ 列**"。
> **考场验算技巧**:取 $A=E$ 试一次就知道方向对不对。
### 5.3 初等矩阵的逆与转置
$$E_{ij}^{-1}=E_{ij}=E_{ij}^{\mathrm T},\qquad E_i(k)^{-1}=E_i\!\left(\frac1k\right),\qquad E_{ij}(k)^{-1}=E_{ij}(-k).$$
> 三种初等矩阵**都可逆**,且逆仍是同类型初等矩阵——这正是"$A$ 可逆 ⟺ $A$ 是初等矩阵之积"的来源。
### 5.4 矩阵等价与等价标准形
$A$ 经**有限次**初等变换化为 $B$ ,称 $A$ 与 $B$ **等价**。任意 $m\times n$ 矩阵 $A$ ($r(A)=r$ )都等价于
$$\begin{pmatrix}E_r&O\\O&O\end{pmatrix}_{m\times n},$$
即存在可逆 $P,Q$ 使 $PAQ=\begin{pmatrix}E_r&O\\O&O\end{pmatrix}$ 。**初等变换不改变秩**,所以等价的充要条件是**同型且同秩**。
### 5.5 用初等变换求逆(只许行变换)
$$[\,A\mid E\,]\ \xrightarrow{\ \text{行变换}\ }\ [\,E\mid A^{-1}\,].$$
求 $AX=B$ 则用 $[\,A\mid B\,]\to[\,E\mid A^{-1}B\,]$ 。
> ⚠️ **求逆只能用行变换**。若同时用列变换,左边化成 $E$ 时右边已经不是 $A^{-1}$ 了(右边被"右乘"了某个 $Q$ )。
> 若坚持用列变换,则要对**竖排**的 $\begin{pmatrix}A\\E\end{pmatrix}$ 作列变换化为 $\begin{pmatrix}E\\A^{-1}\end{pmatrix}$ 。
### 5.6 真题两个坑(2018·21 / 2020·5)
**坑一:把"列变换"当成"行变换"**。题目说"$A$ 经若干次**列**变换化为 $B$ ",则正确的表达是
$$B=AP\quad(P\ \text{可逆,且是初等矩阵之积}),$$
而**不是** $B=PA$ 。若行、列变换都用过,则 $B=PAQ$ 。
**坑二:误以为"$A$ 与 $B$ 等价"能推出"$A=B$ 或相似"**。等价只保证**同秩**,既不保特征值也不保行列式。
**标准解法**:把题目给的每一步变换**逐次写成矩阵乘法**(左乘/右乘对应初等矩阵),最后合并成 $P$ 或 $Q$ 。2018·21 的 11 分大题就是这么做的。
---
## 6. 矩阵的秩
### 6.1 三个等价定义
1. **最高阶非零子式的阶数**(定义);
2. **行秩**(行向量组的秩)= **列秩**(列向量组的秩)——三者恒相等;
3. $r(A)=r$ ⟺ $A$ 可经初等变换化为 $\begin{pmatrix}E_r&O\\O&O\end{pmatrix}$ 。
### 6.2 十条不等式(2025·7 就考这个)
| # | 结论 | 备注 |
| 看见什么 | 先写什么 | 对应练习 |
|---|---|---|
| 1 | $0\le r(A)\le\min\{m,n\}$ | 满秩 / 降秩 |
| 2 | $r(A)=r(A^{\mathrm T})=r(A^{\mathrm T}A)=r(AA^{\mathrm T})$ | 高频 |
| 3 | $\lvert r(A)-r(B)\rvert\le r(A\pm B)\le r(A)+r(B)$ | 三角不等式 |
| 4 | $r(AB)\le\min\{r(A),r(B)\}$ | 乘法降秩 |
| 5 | $r(AB)\ge r(A)+r(B)-n$ | **Sylvester**,$A$ 的列数 $=B$ 的行数 $=n$ |
| 6 | $AB=O\Longrightarrow r(A)+r(B)\le n$ | 5 的推论,极高频 |
| 7 | $r(ABC)\ge r(AB)+r(BC)-r(B)$ | Frobenius,考研少用 |
| 8 | $A^2=A\Longrightarrow r(A)+r(A-E)=n$ | $\ge$ 用三角,$\le$ 用 $A(A-E)=O$ |
| 9 | $A^2=E\Longrightarrow r(A+E)+r(A-E)=n$ | 同上,$(A+E)(A-E)=O$ |
| 10 | $r\begin{pmatrix}A&O\\O&B\end{pmatrix}=r(A)+r(B)$ | 分块对角,见 §7 |
| 具体乘积、转置 | 写清大小,保留顺序 | 1、2 |
| 具体求逆 | 行列式或 $[A\mid E]$ | 3 |
| 抽象关系求逆 | 设法凑出 $XY=E$ | 7、8 |
| 参数与秩 | 行变换,特殊参数代回 | 4、9 |
| 伴随 | $AA^*=|A|E$ | 5、10 |
| 分块秩 | 先消块,再数秩 | 13、14、18 |
| 高次幂 | 先算平方,看秩 1 或幂零 | 11、12 |
| 秩的证明 | 零乘积给上界,和给下界 | 16、17 |
**两条必须会证**(考过证明思路):
## 10. 参考与学习边界
- **第 6 条**:$AB=O$ ⟹ $B$ 的每一列都是 $Ax=0$ 的解,故 $B$ 的列向量组落在解空间内,$r(B)\le n-r(A)$ 。
- **第 8 条**:$\ge$ 用 $r(A)+r(A-E)\ge r\big(A-(A-E)\big)=r(E)=n$ ;$\le$ 用 $A(A-E)=O$ 配第 6 条。
按本仓库 `参考仓库/Math/linear-algebra/knowledge/2-matrix/matrix.tex` 的矩阵运算、逆、初等变换、秩主线,以及 `exercise/2-matrix/matrix.tex` 的矩阵幂、抽象求逆、分块求逆和矩阵方程题型重新组织。参考稿也有笔误,所有结论仍须检查条件。
> **怎么用第 2 条**:$r(A^{\mathrm T}A)=r(A)$ 的证明是"$Ax=0$ 与 $A^{\mathrm T}Ax=0$ 同解"——只需证 $A^{\mathrm T}Ax=0\Rightarrow x^{\mathrm T}A^{\mathrm T}Ax=0\Rightarrow \lVert Ax\rVert^2=0\Rightarrow Ax=0$ 。**这是内积证秩的样板**(第 3 讲 C 组会再练)。
题型锚点沿用本地题库:可逆判定(2017·5、2022·5),初等变换(2018·21、2020·5),分块秩(2018·6、2021·7、2023·5),矩阵幂与递推(2016·21、2024·21),秩不等式(2025·7)。锚点用于标识知识点,不据此预测下一年考什么。
### 6.3 秩与"可乘可逆"
$$P,Q\ \text{可逆}\ \Longrightarrow\ r(PAQ)=r(A).$$
**含义**:初等变换不改变秩;等价类由秩唯一确定。**这条是把"抽象矩阵的秩"化成"具体矩阵的秩"的唯一通道**。
---
## 7. 分块矩阵(真题重灾区:3 次)
### 7.1 分块运算的合法性
- **加法**:同型且**同一种分法**;
- **乘法**:**前块的列分法 = 后块的行分法**;
- **转置**:每块转置 + **整体反序**:$\begin{pmatrix}A&B\\C&D\end{pmatrix}^{\mathrm T}=\begin{pmatrix}A^{\mathrm T}&C^{\mathrm T}\\B^{\mathrm T}&D^{\mathrm T}\end{pmatrix}$ 。
### 7.2 分块对角与分块三角
$$\begin{vmatrix}A&O\\O&B\end{vmatrix}=\lvert A\rvert\,\lvert B\rvert,\qquad \begin{vmatrix}A&C\\O&B\end{vmatrix}=\lvert A\rvert\,\lvert B\rvert,$$
$$\begin{pmatrix}A&O\\O&B\end{pmatrix}^{k}=\begin{pmatrix}A^{k}&O\\O&B^{k}\end{pmatrix},\qquad \begin{pmatrix}A&O\\O&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&O\\O&B^{-1}\end{pmatrix}.$$
**分块三角的逆**(四块都要对上号):
$$\begin{pmatrix}A&O\\C&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&O\\-B^{-1}CA^{-1}&B^{-1}\end{pmatrix},\qquad \begin{pmatrix}A&C\\O&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&-A^{-1}CB^{-1}\\O&B^{-1}\end{pmatrix}.$$
### 7.3 分块矩阵的秩:六条结论(本章第一重点)
$$\text{(i)}\quad r\begin{pmatrix}A&O\\O&B\end{pmatrix}=r\begin{pmatrix}O&A\\B&O\end{pmatrix}=r(A)+r(B);$$
$$\text{(ii)}\quad r\begin{pmatrix}A&C\\O&B\end{pmatrix}\ge r(A)+r(B);\qquad \text{(iii)}\quad r\begin{pmatrix}A&O\\C&B\end{pmatrix}\ge r(A)+r(B);$$
$$\text{(iv)}\quad \max\{r(A),r(B)\}\le r\begin{pmatrix}A&C\\O&B\end{pmatrix}\le r(A)+r(B)+r(C);$$
$$\text{(v)}\quad r\begin{pmatrix}A&A\\A&A\end{pmatrix}=r(A);\qquad \text{(vi)}\quad r\begin{pmatrix}A&B\\B&A\end{pmatrix}=r(A+B)+r(A-B).$$
**证 (v)**:$\begin{pmatrix}A&A\\A&A\end{pmatrix}=\begin{pmatrix}E\\E\end{pmatrix}A\begin{pmatrix}E&E\end{pmatrix}$ ,两边分别是列满秩、行满秩,故秩 $=r(A)$ 。
**证 (vi)**:左乘可逆矩阵 $\begin{pmatrix}E&E\\E&-E\end{pmatrix}$ (其行列式 $\lvert-2E\rvert=(-2)^n\neq0$ ):
$$\begin{pmatrix}E&E\\E&-E\end{pmatrix}\begin{pmatrix}A&B\\B&A\end{pmatrix}=\begin{pmatrix}A+B&A+B\\A-B&B-A\end{pmatrix},$$
再把第 2 块列减去第 1 块列(右乘可逆矩阵),得 $\begin{pmatrix}A+B&O\\A-B&2(B-A)\end{pmatrix}$ ,故秩 $=r(A+B)+r(A-B)$ 。
**证 (ii) 的直观**:前 $r(A)$ 个线性无关的 $A$ 的行,配上右块零,仍线性无关;$B$ 的 $r(B)$ 个无关行也如此,且这两组行"位置不重叠",故至少 $r(A)+r(B)$ 。
### 7.4 分块题的标准解法(三步)
1. **先看能不能"分块初等变换"化简**:用可逆的分块矩阵左乘/右乘(形如 $\begin{pmatrix}E&O\\X&E\end{pmatrix}$ 这类),把 $C$ 消掉;
2. **再用 (i)–(vi)** 套结论;
3. 若 $A$ 可逆,可用 **Schur 补**:
$$r\begin{pmatrix}A&B\\C&D\end{pmatrix}=r(A)+r\big(D-CA^{-1}B\big)\qquad(A\ \text{可逆}).$$
> **2018·6 / 2021·7 / 2023·5 的共同套路**:题目给出 $r(A)$ 与某些关系(如 $A^2=A$ 、$AB=O$ ),问某个分块矩阵的秩。**先想办法把它化成 (i)(ii)(v)(vi) 之一**,不要硬算元素。
---
## 8. 矩阵方程
| 方程 | 有解条件 | 解法($A$ 可逆时) |
|---|---|---|
| $AX=B$ | $r(A)=r(A,B)$ ($B$ 的每列都能被 $A$ 的列表示) | $X=A^{-1}B$ ,或 $[A\mid B]\to[E\mid A^{-1}B]$ |
| $XA=B$ | $r(A)=r\begin{pmatrix}A\\B\end{pmatrix}$ | $X=BA^{-1}$ ,或转置成 $A^{\mathrm T}X^{\mathrm T}=B^{\mathrm T}$ |
| $AXB=C$ | $A,C$ 都可逆时才唯一 | $X=A^{-1}CB^{-1}$ |
> ⚠️ **不能写成** $\dfrac BA$ ——矩阵没有除法;$XA=B$ 的解是 $BA^{-1}$ (**右乘**),不是 $A^{-1}B$ 。
> ⚠️ $AX=B$ 且 $A$ **不可逆**时,解**不唯一**,要用"逐列解方程组"或按第 4 讲的方法求通解。
**抽象矩阵方程的标准动作**:先**移项、提公因子**,把 $X$ 单独留在一边:
$$AX+X=B\ \Longrightarrow\ (A+E)X=B\ \Longrightarrow\ X=(A+E)^{-1}B.$$
---
## 9. 矩阵幂与递推(大题主线,真题 2 次)
### 9.1 四条路线(按识别特征选)
| 特征 | 路线 | 公式 |
|---|---|---|
| $A=\alpha\beta^{\mathrm T}$ (秩 1) | 用迹 | $A^{k}=\big(\operatorname{tr}A\big)^{k-1}A$ |
| $A^k=O$ (幂零) | 二项式截断 | $A^{m}=O\ (m\ge n)$ |
| $A$ 与某矩阵可交换 | 二项式展开 | $(A+B)^n=\sum\binom nk A^kB^{n-k}$ |
| 可对角化 | $A=P\Lambda P^{-1}$ | $A^{k}=P\Lambda^{k}P^{-1}$ (第 5 讲) |
### 9.2 秩 1 矩阵公式(2016·21 的核心)
若 $A=\alpha\beta^{\mathrm T}$ ($\alpha,\beta$ 为 $n$ 维列向量,$\beta^{\mathrm T}\alpha\neq0$ ),则
$$A^{2}=\alpha\beta^{\mathrm T}\alpha\beta^{\mathrm T}=(\beta^{\mathrm T}\alpha)\,\alpha\beta^{\mathrm T}=\big(\operatorname{tr}A\big)A,$$
$$\boxed{A^{k}=\big(\beta^{\mathrm T}\alpha\big)^{k-1}A=\big(\operatorname{tr}A\big)^{k-1}A\quad(k\ge1).}$$
**配套结论**(考选择常一起考):秩 1 矩阵的特征值为 $\operatorname{tr}A,\,0,\,0,\cdots,0$ ;$A$ 可对角化 ⟺ $\operatorname{tr}A\neq0$ 。
> **识别技巧**:题目给的 $A$ 若**每一行都是同一行的倍数**(或每一列都是同一列的倍数),就是秩 1,立刻写 $A=\alpha\beta^{\mathrm T}$ 。
### 9.3 幂零与二项式
若 $A^k=O$ ,则 $n$ 阶时 $A^n=O$ ,于是
$$(E+A)^{n}=E+nA+\binom n2A^2+\cdots+A^{n}=E+nA+\cdots+\binom{n}{n-1}A^{n-1}.$$
典型:$A=\begin{pmatrix}0&1&0\\0&0&1\\0&0&0\end{pmatrix}$ ,$A^2=\begin{pmatrix}0&0&1\\0&0&0\\0&0&0\end{pmatrix}$ ,$A^3=O$ 。
### 9.4 递推数列构造矩阵(2024·21 的骨架)
若 $a_{n+1}=pa_n+qa_{n-1}$ ,令 $\xi_n=\binom{a_{n+1}}{a_n}$ ,则
$$\xi_{n}=\begin{pmatrix}p&q\\1&0\end{pmatrix}\xi_{n-1}\ \Longrightarrow\ \xi_n=M^{\,n-1}\xi_1,$$
再把 $M$ 对角化求 $M^{n-1}$ (第 5 讲)。**这是"递推 → 矩阵幂 → 对角化"的三段式**,2024·21 的 12 分题正是这条链。
---
## 10. 正交矩阵(连接第 3、5 讲)
**定义**:$A^{\mathrm T}A=E$ (等价于 $AA^{\mathrm T}=E$ ,等价于 $A^{-1}=A^{\mathrm T}$ )。
**五条等价刻画**:
1. $A^{-1}=A^{\mathrm T}$ ;
2. $A$ 的**列**向量组是**规范正交基**;$A$ 的**行**向量组也是;
3. $A$ 保持内积:$(Ax,Ay)=(x,y)$ ;
4. $A$ 保持长度:$\lVert Ax\rVert=\lVert x\rVert$ ;
5. $\lvert A\rvert=\pm1$ 。
> ⚠️ $\lvert A\rvert=\pm1$ 只是**必要**条件,**不充分**(如 $\begin{pmatrix}1&1\\0&1\end{pmatrix}$ 行列式为 1 但不是正交矩阵)。
> **特征值**:实特征值只能是 $\pm1$ ;复特征值的模为 1(第 5 讲)。
---
## 11. 十年真题落点地图(🟨 第 10 章 11 题 71 分)
| 年份·题号 | 题型 | 分值 | 考点 | 本手册节 |
|---|---|---|---|---|
| 2016·21 | 解答 | 11 | 矩阵幂与线性组合 | §9.2 |
| 2017·5 | 单选 | 4 | 可逆矩阵判定 | §3.2 |
| 2018·6 | 单选 | 4 | **分块矩阵的秩** | §7.3 |
| 2018·21 | 解答 | 11 | **初等列变换**与可逆矩阵 | §5.2 / §5.6 |
| 2020·5 | 单选 | 4 | 初等列变换 | §5.2 |
| 2021·7 | 单选 | 5 | **分块矩阵的秩** | §7.3 |
| 2022·5 | 单选 | 5 | 可逆的判定 | §3.2 |
| 2022·15 | 填空 | 5 | 矩阵恒等变形 | §3.4 |
| 2023·5 | 单选 | 5 | **分块矩阵的秩** | §7.3 |
| 2024·21 | 解答 | 12 | **递推数列与矩阵幂** | §9.4 |
| 2025·7 | 单选 | 5 | **矩阵秩的不等式** | §6.2 |
**分布规律**:
- **选择/填空 7 题 31 分**(可逆判定、分块秩、初等列变换、秩不等式、恒等变形)——**全是结论题**,背熟就得分;
- **大题 3 题 34 分**(矩阵幂 2 次、初等变换 1 次)——第 21 题的主力之一;
- **分块矩阵的秩 3 次**(2018、2021、2023),间隔 2–3 年,**下一次大概率落在 2026 前后**。
**跨章牵连**:矩阵的秩是第 3 讲(向量组的秩)、第 4 讲(方程组解的判定)的唯一工具;伴随与逆是第 5 讲($A^{*}$ 的特征值)的常客。
---
## 12. 速查卡 · 陷阱清单
### 12.1 速记十二条
1. **不可交换、不可消去**;$AB=O$ 推不出 $A=O$ 或 $B=O$ ;
2. 三条反序律:$(AB)^{\mathrm T}=B^{\mathrm T}A^{\mathrm T}$ 、$(AB)^{-1}=B^{-1}A^{-1}$ 、$(AB)^{*}=B^{*}A^{*}$ ;
3. $\lvert kA\rvert=k^{n}\lvert A\rvert$ ;$\lvert A+B\rvert$ **无公式**;
4. $A$ 可逆 ⟺ $\lvert A\rvert\neq0$ ⟺ $r(A)=n$ ⟺ 列无关 ⟺ $Ax=0$ 只有零解;
5. **凑** $XY=E$ 是抽象求逆的唯一入口($A+B=AB\Rightarrow(A-E)(B-E)=E$ );
6. $A^{*}=\lvert A\rvert A^{-1}$ ;$\lvert A^{*}\rvert=\lvert A\rvert^{n-1}$ ;$(kA)^{*}=k^{n-1}A^{*}$ ;
7. $r(A^{*})$ :满秩 → $n$ ;差一 → 1;差二 → 0;
8. **左行右列**:左乘初等矩阵作行变换,右乘作列变换;
9. 秩十条:$r(AB)\le\min$ ;Sylvester $r(AB)\ge r(A)+r(B)-n$ ;$AB=O\Rightarrow r(A)+r(B)\le n$ ;
10. $r(A)=r(A^{\mathrm T}A)=r(AA^{\mathrm T})$ ;
11. 分块:对角相加、三角不减、$\begin{pmatrix}A&A\\A&A\end{pmatrix}$ 秩不变、$\begin{pmatrix}A&B\\B&A\end{pmatrix}=r(A+B)+r(A-B)$ ;
12. 秩 1 矩阵:$A^{k}=(\operatorname{tr}A)^{k-1}A$ 。
### 12.2 高频陷阱
| 陷阱 | 正确做法 |
|---|---|
| 把 $(A+B)^2$ 展开成 $A^2+2AB+B^2$ | 只有 $AB=BA$ 时才对 |
| 用 $AB=AC$ 消去 $A$ | 必须 $A$ 可逆 |
| 认为 $(A+B)^{-1}=A^{-1}+B^{-1}$ | **无此公式**,用提公因子 |
| $\lvert kA\rvert$ 写成 $k\lvert A\rvert$ | $n$ 阶时为 $k^n\lvert A\rvert$ |
| $(kA)^{*}$ 写成 $k^nA^{*}$ | 是 $k^{\,n-1}A^{*}$ |
| 求逆时混用列变换 | 求逆**只用行变换**(或用竖排作列变换) |
| 把 $E_{ij}(k)A$ 当成"第 $i$ 行加到第 $j$ 行" | 是"第 $j$ 行乘 $k$ 加到第 $i$ 行" |
| 认为 $\lvert A\rvert=\pm1$ 就是正交矩阵 | 只是必要条件 |
| 认为"等价"蕴含"相似" | 等价只管同秩 |
| 分块三角的逆漏掉交叉块 | 两个交叉块:$-B^{-1}CA^{-1}$ 与 $-A^{-1}CB^{-1}$ ,位置别放反 |
| 秩 1 矩阵的幂写成 $A^k=(\operatorname{tr}A)^kA$ | 是 $(\operatorname{tr}A)^{k-1}A$ |
---
> **下一步**:本讲不出习题。直接进入 [[线性代数-第3讲-向量/01-考点手册]],那里的题会用到本讲的秩不等式、伴随公式与分块结论。
接着打开 [[02-试题]]。不会时先翻对应节的例题,解析留到尝试之后。