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
27 KiB
tags, 专题, 日期, 来源, 关联
| tags | 专题 | 日期 | 来源 | 关联 | |||||
|---|---|---|---|---|---|---|---|---|---|
|
线性代数 第2讲 · 矩阵(真题库第 10 章) | 2026-10-18 | 🟨真题库第 10 章(11 题 71 分)· 🟩参考仓库 linear-algebra/knowledge/2-matrix + exercise/2-matrix | 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)
A与kE(数量矩阵);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));- 两个同阶对角矩阵(更一般:同时对角化的两个矩阵);
- 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
- 交换两行(列);
- 用非零数
k乘某行(列); - 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
- 最高阶非零子式的阶数(定义);
- 行秩(行向量组的秩)= 列秩(列向量组的秩)——三者恒相等;
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)
- 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; - 再用 (i)–(vi) 套结论;
- 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:
A^{-1}=A^{\mathrm T};A的列向量组是规范正交基;A的行向量组也是;A保持内积:(Ax,Ay)=(x,y);A保持长度:\lVert Ax\rVert=\lVert x\rVert;\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
- 不可交换、不可消去;
AB=O推不出A=O或B=O; - 三条反序律:
(AB)^{\mathrm T}=B^{\mathrm T}A^{\mathrm T}、(AB)^{-1}=B^{-1}A^{-1}、(AB)^{*}=B^{*}A^{*}; \lvert kA\rvert=k^{n}\lvert A\rvert;\lvert A+B\rvert无公式;A可逆 ⟺\lvert A\rvert\neq0⟺r(A)=n⟺ 列无关 ⟺Ax=0只有零解;- 凑
XY=E是抽象求逆的唯一入口(A+B=AB\Rightarrow(A-E)(B-E)=E); A^{*}=\lvert A\rvert A^{-1};\lvert A^{*}\rvert=\lvert A\rvert^{n-1};(kA)^{*}=k^{n-1}A^{*};r(A^{*}):满秩 →n;差一 → 1;差二 → 0;- 左行右列:左乘初等矩阵作行变换,右乘作列变换;
- 秩十条:
r(AB)\le\min;Sylvesterr(AB)\ge r(A)+r(B)-n;AB=O\Rightarrow r(A)+r(B)\le n; r(A)=r(A^{\mathrm T}A)=r(AA^{\mathrm T});- 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); - 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。