新增线性代数第2/3/4讲(第2讲只出考点手册,第3讲起配习题)

第2讲 矩阵(真题库第10章,11题71分)
- 按安排不出习题,只写考点手册:运算铁律 / 逆与伴随 / 初等变换
  左行右列 / 秩十条不等式 / 分块矩阵秩六条 / 矩阵幂四条路线 / 正交矩阵
- 重点标出分块秩(2018·6、2021·7、2023·5 三次)与矩阵幂大题

第3讲 向量(真题库第11章,8题44分)
- 手册:线性表示三判据 / 相关性八定理 / 极大无关组(只行变换)
  / 等价 r(A)=r(B)=r(A,B) / 施密特 / 基与过渡矩阵(坐标方向相反)
  / 交空间与维数公式
- 试题 18 题(A6/B8/C4),8 道真题全部有骨架对应
- 解析含命题质量报告与薄弱点提示

第4讲 线性方程组(真题库第12章,7题39分)
- 手册:克拉默 / 齐次解空间 n-r / 非齐次解结构 / 判定总表
  / 三平面五种位置关系(含三棱柱)/ 同解与公共解 / 矩阵方程
- 试题 18 题(A6/B8/C4);三平面几何连考3年,单独成两题
- 解析含命题质量报告

配套
- 7 个平板 PDF(考点手册×3、试题答题版×2、解析×2),
  KaTeX 渲染 0 报错 0 残留公式
- 新增 rebuild_la_pdfs.sh 批量重建
- 总览.md 补入三讲的目录树
This commit is contained in:
2026-10-18 22:16:08 +08:00
parent 50bd8a033a
commit db08efe012
19 changed files with 3030 additions and 0 deletions
@@ -0,0 +1,543 @@
---
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]]"
---
# 线性代数 第2讲 · 矩阵 · 考点手册
> **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。
---
## 0. 本讲定位与学习地图
**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"。
**依赖链**
```
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
```
**本讲五条主线**
| 主线 | 核心产出 | 真题落点 |
|---|---|---|
| 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 |
> ⚠️ **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。
---
## 1. 矩阵的基本运算
### 1.1 线性运算与相等
- **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。
### 1.2 乘法:三条铁律
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**":
$$(AB)_{ij}=\sum_{k=1}^{n}a_{ik}b_{kj}.$$
| 铁律 | 说明 | 反例 |
|---|---|---|
| **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 |
**推论**:
- $AB=O$ **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)。
> **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。
### 1.3 转置
$$(A^{\mathrm T})^{\mathrm T}=A,\quad (A+B)^{\mathrm T}=A^{\mathrm T}+B^{\mathrm T},\quad (kA)^{\mathrm T}=kA^{\mathrm T},\quad \boxed{(AB)^{\mathrm T}=B^{\mathrm T}A^{\mathrm T}}.$$
> **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"**。
### 1.4 特殊矩阵族(按"幂性质"分类最有用)
| 类型 | 定义 | 关键性质 |
|---|---|---|
| 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 |
**两条常用分解**(🟩 仓库):
- **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)。
### 1.5 什么情况下可以交换(四类情形,考选择题常靠它)
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** $AB=BA$ 。
> **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。
---
## 2. 方阵的行列式与迹
### 2.1 行列式八条公式
$$\lvert A^{\mathrm T}\rvert=\lvert A\rvert,\qquad \lvert kA\rvert=k^n\lvert A\rvert\ (n\ \text{阶}),\qquad \boxed{\lvert AB\rvert=\lvert A\rvert\,\lvert B\rvert},$$
$$\lvert A^{-1}\rvert=\frac{1}{\lvert A\rvert},\qquad \lvert A^{*}\rvert=\lvert A\rvert^{\,n-1},\qquad \lvert A^{m}\rvert=\lvert A\rvert^{m},\qquad \lvert A^{\mathrm T}A\rvert=\lvert A\rvert^{2}.$$
> ⚠️ $\lvert A+B\rvert\neq\lvert A\rvert+\lvert B\rvert$ ——**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 $k^3$ 。
### 2.2 迹 $\operatorname{tr}$
$$\operatorname{tr}(A)=\sum_{i=1}^{n}a_{ii},\qquad \operatorname{tr}(A+B)=\operatorname{tr}A+\operatorname{tr}B,\qquad \operatorname{tr}(kA)=k\operatorname{tr}A,\qquad \operatorname{tr}(A^{\mathrm T})=\operatorname{tr}A,$$
$$\boxed{\operatorname{tr}(AB)=\operatorname{tr}(BA)}\quad(\text{只要求两个乘积都有意义}).$$
**用途**(后面反复用):
- 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)。
---
## 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 |
|---|---|---|
| 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 |
> **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。
### 3.3 逆的运算法则
$$(A^{-1})^{-1}=A,\qquad (kA)^{-1}=\frac1k A^{-1}\ (k\neq0),\qquad \boxed{(AB)^{-1}=B^{-1}A^{-1}},$$
$$(A^{\mathrm T})^{-1}=(A^{-1})^{\mathrm T},\qquad \lvert A^{-1}\rvert=\frac{1}{\lvert A\rvert}.$$
> ⚠️ $(A+B)^{-1}\neq A^{-1}+B^{-1}$ ,**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。
### 3.4 抽象矩阵求逆:凑 $XY=E$ 的四个模板
**模板一:由多项式关系凑**
设 $A^2+2A-3E=O$ 。求 $A^{-1}$ 与 $(A+E)^{-1}$ 。
$$A^2+2A=3E\ \Longrightarrow\ A(A+2E)=3E\ \Longrightarrow\ A\cdot\frac{A+2E}{3}=E\ \Longrightarrow\ A^{-1}=\frac{A+2E}{3}.$$
对 $A+E$ :把等式配方成含 $(A+E)$ 的形式
$$A^2+2A-3E=(A+E)^2-4E=O\ \Longrightarrow\ (A+E)^2=4E\ \Longrightarrow\ (A+E)\cdot\frac{A+E}{4}=E\ \Longrightarrow\ (A+E)^{-1}=\frac{A+E}{4}.$$
**模板二:由 $A+B=AB$ 型凑**
$$A+B=AB\ \Longrightarrow\ AB-A-B=O\ \Longrightarrow\ (A-E)(B-E)=E.$$
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 $-(A-E)-(B-E)$ ")。
同类:$A+B+AB=O\Longrightarrow(A+E)(B+E)=E$ ;
$AB-A-2B=O\Longrightarrow(A-2E)(B-E)=2E\Longrightarrow (A-2E)\cdot\dfrac{B-E}{2}=E$ 。
**模板三:幂零级数型**
若 $A^k=O$ ,则
$$(E-A)(E+A+A^2+\cdots+A^{k-1})=E-A^k=E,$$
所以 $(E-A)^{-1}=E+A+\cdots+A^{k-1}$ (**有限项,不需要收敛性**)。同理 $(E+A)^{-1}=E-A+A^2-\cdots$ 。
**模板四:分块型**
$$\begin{pmatrix}A&O\\C&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&O\\-B^{-1}CA^{-1}&B^{-1}\end{pmatrix},\qquad \begin{pmatrix}A&C\\O&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&-A^{-1}CB^{-1}\\O&B^{-1}\end{pmatrix}.$$
> **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)。
---
## 4. 伴随矩阵 $A^{*}$
### 4.1 定义与核心公式
$A^{*}=(A_{ij})^{\mathrm T}$ ,其中 $A_{ij}$ 是 $a_{ij}$ 的**代数余子式**(注意是**转置**后的排列)。
$$\boxed{A A^{*}=A^{*}A=\lvert A\rvert E}$$
由此立刻得到两条**最常用**的推论:
$$\lvert A\rvert\neq0\ \Longrightarrow\ A^{-1}=\frac{A^{*}}{\lvert A\rvert},\qquad A^{*}=\lvert A\rvert A^{-1}.$$
### 4.2 二阶伴随的口诀
$$A=\begin{pmatrix}a&b\\c&d\end{pmatrix}\ \Longrightarrow\ A^{*}=\begin{pmatrix}d&-b\\-c&a\end{pmatrix},$$
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。
### 4.3 伴随七条性质
| 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) |
### 4.4 伴随的秩:三段式(选择题必考)
$$\boxed{r(A^{*})=\begin{cases}n, & r(A)=n,\\[2pt] 1, & r(A)=n-1,\\[2pt] 0, & r(A)\le n-2.\end{cases}}$$
**记忆**:**满秩 → 满秩;差一 → 变 1;差二 → 归零。**
**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,$A^{*}=O$ 。
---
## 5. 初等变换与初等矩阵(真题重灾区)
### 5.1 三种初等变换
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)。
**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)、$E_i(k)$ 、$E_{ij}(k)$ 。
### 5.2 左行右列定理(最重要的一句话)
$$\boxed{\text{左乘初等矩阵 = 作同种行变换;右乘初等矩阵 = 作同种列变换。}}$$
- $E_{ij}A$ :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 |
|---|---|---|
| 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 |
**两条必须会证**(考过证明思路):
- **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。
> **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)。
### 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。