首页/数学一/第 8 章 线性代数
考研数学一 线性代数 第 8 章

线性代数
从行列式到二次型

线代约 30 分,题型最固定、性价比最高。整章只有一条主线:矩阵是一台变换机器——行列式看它把面积放大几倍,秩看它压完还剩几维,特征向量是它只伸缩不转向的方向。

按 2026 大纲分 9 个模块逐一讲透;2019–2025 年全部线代解答题都在文中完整解出,每个答案都用精确分数计算验算过。9 个交互实验可以直接输入题目里的矩阵。

9 个考点模块 9 道解答题精讲 29 道例题 9 个交互实验
Ae₁Ae₂ 特征方向:只伸缩面积 = |A| A = (2 1; 1 2):正方形 → 平行四边形
00
复习策略

考频地图与大纲

★★★★★ 先看这里 30 分 · 5 道题

线性代数在数学一里约占 30 分,通常是 3 道选择 + 1 道填空 + 1 道解答。它的题型极其固定:选择填空考“秩、相关性、方程组、二次型判别”,解答题几乎年年在“特征值 → 相似对角化 → 二次型”这条线上出。

悟
一句话看懂整章:矩阵是一台“变换机器”。行列式说它把面积放大几倍(为 0 就是压扁了、不可逆);秩说它压完还剩几维;方程组问“哪些输入会被送到 b”;特征向量是只被拉伸不被转向的方向;二次型是把这台机器用在“x 和自己做内积”上,看它的正负。

一、近七年真题分布(线代部分)

年份选择题填空题解答题(11–12 分)
2019规范形(A²+A=2E);三平面与秩齐次方程组通解20 基、坐标、过渡矩阵;21 相似求参数与 P
2020初等列变换的含义;两直线相交与向量组4 阶数字行列式20 正交变换下二次型求参数与 Q;21 P=(α, Aα) 的相似
2021惯性指数;施密特系数;分块矩阵的秩代数余子式之和21 正交对角化 + 求正定矩阵 C 使 C² = …
2022相似对角化;方程组同解(分块)矩阵方程21 二次型 Σ ij·xᵢxⱼ:矩阵、正交变换、f=0 的解
2023分块矩阵的秩;能否对角化;公共表示正交向量组下的坐标21 可逆变换 / 正交变换把 f 化成 g
2024特征值与迹(Aα=0,Aβ=β)半正定(Cauchy 型不等式)21 递推数列 → 写矩阵 → 对角化求 Aⁿ
2025正惯性指数;方程组的几何图形;秩不等式A²x=0 与 Ax=0 同解21 特征多项式重根求参数;求满足条件的 α, β
2026置换矩阵与伴随;列空间与方程组;二次型与柱面——

规律:解答题 7 年里 6 年考“特征值/相似/二次型”;方程组和向量组退到选择填空,但依然是解答题的工具。

二、大纲要求逐条对照

大纲模块考试内容(原文要点)本页位置
行列式概念和基本性质;按行(列)展开定理01
矩阵线性运算、乘法、方阵的幂、乘积的行列式、转置;逆矩阵及可逆充要条件;伴随矩阵;初等变换与初等矩阵;矩阵的秩;分块矩阵02 · 03
向量线性组合与线性表示;线性相关与无关;极大无关组;等价向量组;向量组的秩与矩阵秩的关系04
向量(数一专属)向量空间、基、维数、坐标;过渡矩阵;内积;施密特正交化;规范正交基;正交矩阵05
线性方程组克拉默法则;齐次有非零解、非齐次有解的充要条件;解的性质与结构;基础解系与通解06
特征值与特征向量概念、性质及求法;相似矩阵;可相似对角化的充要条件;实对称矩阵的特征值、特征向量及相似对角化07 · 08
二次型矩阵表示;合同变换与合同矩阵;秩;惯性定理;标准形与规范形;正交变换法与配方法;正定二次型与判别09

三、推荐学习顺序

#
做什么
为什么
1
先学行列式和矩阵运算,把“初等行变换”练到手熟
后面每一个问题最终都落到“化阶梯形”上
2
吃透秩:一个数,串起矩阵、向量组、方程组
“三秩相等”是全书的枢纽
3
向量组 ⇄ 方程组互相翻译
线性表示 = 有解;线性相关 = 有非零解
4
特征值 → 对角化 → 实对称正交对角化
解答题主战场
5
二次型 = 实对称矩阵换个说法
正交变换法就是第 4 步;配方法单独练
全章主线:行列式判“可不可逆”,秩判“有几个有效方程/几维”,方程组的解 = 特解 + (n − r) 维齐次解,特征值是“方向不变的伸缩倍数”,二次型 = 实对称矩阵的正交对角化。
01
8.1 · 行列式

行列式:定义、性质与计算

★★★★☆ 每年 1 题 选择 + 填空

行列式是方阵对应的一个数。几何上,它是列向量围成的平行四边形(平行六面体)的有向面积(体积);代数上,它为 0 当且仅当矩阵不可逆。计算题的核心只有一句话:先用性质造 0,再展开。

α = (3, 1)β = (1, 2) 面积 5 det(α, β) = 3·2 − 1·1 = 5 α₁α₂α₃ 体积 = |det(α₁, α₂, α₃)|;三个向量共面 ⇔ 体积 0 ⇔ 行列式 0
图 8-1 2 阶行列式 = 平行四边形面积,3 阶行列式 = 平行六面体体积。向量“压扁”到更低维时,面积/体积为 0,行列式为 0。

一、定义:n! 项,每项“每行每列各取一个”

\[\begin{vmatrix}a&b\\c&d\end{vmatrix}=ad-bc,\qquad |A|=\sum_{j_1j_2\cdots j_n}(-1)^{\tau(j_1j_2\cdots j_n)}a_{1j_1}a_{2j_2}\cdots a_{nj_n}\]

\(\tau\) 是逆序数:排列中“前面的数比后面大”的对数。如 \(\tau(3142)=2+0+1=3\)(3 前于 1、2;4 前于 2)。定义本身很少直接用来算,但考“含 \(x^4\) 的项系数”“某一项带什么符号”时要回到它:每一项必须从每行、每列各取一个元素。

二、七条性质(全部用于“造 0”)

#性质常用推论
1\(|A^T|=|A|\)行和列地位相同,下面对“行”说的都适用于“列”
2交换两行,行列式变号两行相同 ⇒ 行列式 = 0
3某行乘 k,行列式乘 k某行有公因子可提出;两行成比例 ⇒ 0;\(|kA|=k^n|A|\)
4某行每个元素都是两数之和 ⇒ 拆成两个行列式之和一次只拆一行;\(|A+B|\ne|A|+|B|\)
5某行加上另一行的 k 倍,行列式不变计算行列式的主力工具(倍加)
6\(|AB|=|A||B|\)(A、B 同阶方阵)\(|A^{-1}|=1/|A|\),\(|A^k|=|A|^k\),\(|A^*|=|A|^{n-1}\)
7上(下)三角、对角行列式 = 主对角线乘积化三角形的终点

三、展开定理与“异乘变零”

\[|A|=\sum_{j=1}^{n}a_{ij}A_{ij}\ (\text{按第 }i\text{ 行展开}),\qquad \sum_{j=1}^{n}a_{ij}A_{kj}=0\ (i\ne k)\]

余子式 \(M_{ij}\):划去第 i 行第 j 列剩下的行列式;代数余子式 \(A_{ij}=(-1)^{i+j}M_{ij}\)。第二个式子叫“异乘变零”:用第 i 行的元素去乘别的行的代数余子式,相当于“第 k 行被换成第 i 行”的行列式,两行相同所以为 0。它正是 \(AA^*=|A|E\) 的来源。

悟
求“代数余子式的组合”:\(A_{11}+2A_{12}+3A_{13}\) 不用一个个算——它就是把第 1 行换成 (1, 2, 3) 后的新行列式(因为 \(A_{1j}\) 与第 1 行的元素无关)。

四、计算方法:看到什么 → 怎么做

#
看到的特征
做法
1
数字型 3、4 阶
挑 0 或 1 最多的行(列),用倍加再造 0,只剩一个非零元时按它展开
2
每行(列)元素之和相等
把所有列加到第 1 列 → 第 1 列全相同 → 提出公因子 → 各行减第 1 行
3
爪形 / 箭形(首行、首列、对角线非零)
用对角元把“爪”逐列消掉,化成三角形
4
三对角(只有主对角及相邻两条非零)
按第 1 行展开得递推 \(D_n=aD_{n-1}-bcD_{n-2}\)
5
各行是 \(1, x_i, x_i^2, \dots\)
范德蒙德:\(\prod_{1\le j<i\le n}(x_i-x_j)\)
6
分块:\(\begin{vmatrix}A&O\\C&B\end{vmatrix}\),\(\begin{vmatrix}O&A\\B&O\end{vmatrix}\)
\(=|A||B|\);\(=(-1)^{mn}|A||B|\)(A 为 m 阶,B 为 n 阶)
7
抽象矩阵
用 \(|AB|=|A||B|\)、\(|kA|=k^n|A|\)、特征值之积、按列拆分 \(|\alpha_1+\alpha_2,\dots|\)

例 1(2020 年第 13 题)计算 \(D=\begin{vmatrix}a&0&-1&1\\0&a&1&-1\\-1&1&a&0\\1&-1&0&a\end{vmatrix}\)。

解答

第 1、2 行相加能消掉两个 ±1:\(r_1+r_2\) 得第 1 行 \((a,a,0,0)\);再做 \(c_2-c_1\),第 1 行变成 \((a,0,0,0)\):

\[D=\begin{vmatrix}a&0&0&0\\0&a&1&-1\\-1&2&a&0\\1&-2&0&a\end{vmatrix}=a\begin{vmatrix}a&1&-1\\2&a&0\\-2&0&a\end{vmatrix}=a\,(a^3-2a-2a)=a^4-4a^2.\]

(3 阶按第 1 行展开:\(a\cdot a^2-1\cdot2a+(-1)\cdot2a\)。)代 \(a=1\):\(-3\),与直接计算一致。

例 2(行和相等)\(D=\begin{vmatrix}2&1&1&1\\1&2&1&1\\1&1&2&1\\1&1&1&2\end{vmatrix}\)。

解答

每行之和都是 5。把第 2、3、4 列都加到第 1 列,第 1 列全是 5,提出 5;再让第 2、3、4 行各减第 1 行:

\[D=5\begin{vmatrix}1&1&1&1\\1&2&1&1\\1&1&2&1\\1&1&1&2\end{vmatrix}=5\begin{vmatrix}1&1&1&1\\0&1&0&0\\0&0&1&0\\0&0&0&1\end{vmatrix}=5.\]

推广:主对角线为 a、其余为 b 的 n 阶行列式 \(=[a+(n-1)b](a-b)^{n-1}\)。

例 3(2021 年第 15 题)3 阶矩阵 A 每行元素之和均为 2,\(|A|=3\),求 \(A_{11}+A_{21}+A_{31}\)。

解答

“每行之和为 2”翻译成矩阵语言:\(A\begin{pmatrix}1\\1\\1\end{pmatrix}=2\begin{pmatrix}1\\1\\1\end{pmatrix}\),即 2 是特征值,\(\xi=(1,1,1)^T\) 是特征向量。

\(A^*=|A|A^{-1}\),所以 \(A^*\xi=\frac{|A|}{2}\xi=\frac32\xi\)。而 \(A^*\) 的第 1 行恰为 \((A_{11},A_{21},A_{31})\)(注意伴随是转置排列),它与 \(\xi\) 的乘积就是所求:

\[A_{11}+A_{21}+A_{31}=\frac32.\]

例 4(抽象行列式)3 阶矩阵 A 满足 \(|A|=\frac12\),求 \(|(2A)^{-1}-5A^*|\)。

解答

全部化成 \(A^{-1}\):\((2A)^{-1}=\frac12A^{-1}\),\(A^*=|A|A^{-1}=\frac12A^{-1}\)。

\[|(2A)^{-1}-5A^*|=\left|\tfrac12A^{-1}-\tfrac52A^{-1}\right|=|-2A^{-1}|=(-2)^3\cdot\frac{1}{|A|}=-16.\]

易错:\(|-2A^{-1}|\) 的系数要 3 次方。

五、克拉默法则

n 个方程 n 个未知数的方程组 \(Ax=b\),若 \(|A|\ne0\),则有唯一解 \(x_j=\dfrac{D_j}{D}\)(\(D_j\) 是把第 j 列换成 b)。它的理论价值大于计算价值:方阵 A 的齐次方程组有非零解 ⇔ \(|A|=0\)。

  • \(|kA|=k^n|A|\),不是 \(k|A|\);\(|-A|=(-1)^n|A|\)。
  • 拆行列式一次只能拆一行;\(|A+B|\) 一般 ≠ \(|A|+|B|\)。
  • 代数余子式带符号 \((-1)^{i+j}\),余子式不带。
  • 伴随矩阵第 i 行放的是 A 第 i 列元素的代数余子式。
02
8.2 · 矩阵

矩阵运算、逆矩阵、伴随与初等变换

★★★★★ 高频 选择 + 填空 + 工具

矩阵这一节是“基本功”:乘法的两个视角、方阵的幂、逆矩阵的四种求法、伴随矩阵的公式、初等矩阵“左行右列”。这些单独出题是选择填空,但更重要的是——解答题每一步都要用。

一、乘法:三个“不”与两个视角

\(A_{m\times s}B_{s\times n}\) 的 \((i,j)\) 元 = A 的第 i 行 · B 的第 j 列。它与数的乘法有三个“不”:

不成立的“常识”反例 / 正确说法
交换律 \(AB=BA\)一般不成立;可交换时才有 \((A+B)^2=A^2+2AB+B^2\)、二项式定理
消去律:\(AB=O\Rightarrow A=O\) 或 \(B=O\)\(\begin{pmatrix}1&1\\1&1\end{pmatrix}\begin{pmatrix}1&-1\\-1&1\end{pmatrix}=O\);但 A 可逆时可以消去
\(A^2=O\Rightarrow A=O\)\(\begin{pmatrix}0&1\\0&0\end{pmatrix}^2=O\);但 A 实对称时 \(A^2=O\Rightarrow A=O\)
悟
两个视角,解题时随时切换:
① 列视角:\(Ax=x_1\alpha_1+x_2\alpha_2+\cdots+x_n\alpha_n\),“A 乘向量 = A 的列的线性组合”。所以 \(Ax=b\) 有解 ⇔ b 能由 A 的列线性表示。
② 分列视角:\(AB=A(\beta_1,\dots,\beta_n)=(A\beta_1,\dots,A\beta_n)\)。所以 \(AB=O\) ⇔ B 的每一列都是 \(Ax=0\) 的解。

二、方阵的幂:四种套路

#
矩阵的样子
求 \(A^n\) 的方法
1
秩为 1:\(A=\alpha\beta^T\)(各行成比例)
\(A^n=(\beta^T\alpha)^{n-1}A\),其中 \(\beta^T\alpha=\operatorname{tr}A\)。例:\(\alpha=(1,2,3)^T,\beta=(1,1,1)^T\) 时 \(A^n=6^{n-1}A\)
2
\(A=\lambda E+N\),N 主对角线上方(幂零)
E 与 N 可交换,用二项式:\(A^n=\lambda^nE+n\lambda^{n-1}N+\binom n2\lambda^{n-2}N^2\)(3 阶时 \(N^3=O\))
3
可相似对角化
\(A=P\Lambda P^{-1}\Rightarrow A^n=P\Lambda^nP^{-1}\)(2024 年解答题)
4
分块对角
\(\begin{pmatrix}B&O\\O&C\end{pmatrix}^n=\begin{pmatrix}B^n&O\\O&C^n\end{pmatrix}\)

三、逆矩阵

方阵 A 若存在 B 使 \(AB=E\)(方阵只需验证一边),则 A 可逆,\(B=A^{-1}\)。可逆的等价条件很多,记住这张图:

n 阶方阵 A 可逆 |A| ≠ 0r(A) = n(满秩)A 的列(行)向量组无关Ax = 0 只有零解∀b,Ax = b 有唯一解0 不是 A 的特征值A 与 E 等价A = 初等矩阵的乘积AᵀA 正定存在 B 使 AB = E
图 8-2 n 阶方阵可逆的十个等价说法。做选择题时,任意两个可以互相替换。
\[\begin{gathered}(AB)^{-1}=B^{-1}A^{-1},\quad (kA)^{-1}=\tfrac1kA^{-1},\quad (A^T)^{-1}=(A^{-1})^T\\ |A^{-1}|=\tfrac{1}{|A|},\qquad (A+B)^{-1}\ne A^{-1}+B^{-1}\end{gathered}\]
求逆方法适用要点
2 阶公式\(\begin{pmatrix}a&b\\c&d\end{pmatrix}^{-1}=\frac{1}{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}\)“主对角线对调,副对角线变号”
\((A\mid E)\xrightarrow{\text{行}}(E\mid A^{-1})\)数字型 3 阶以上只能做行变换(或全程只做列变换,对 \(\binom AE\))
\(A^{-1}=A^*/|A|\)理论推导配合伴随公式
凑定义抽象矩阵,已知矩阵多项式把等式凑成 \((\cdots)(\cdots)=E\)
分块\(\begin{pmatrix}A&O\\O&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&O\\O&B^{-1}\end{pmatrix}\)副对角:\(\begin{pmatrix}O&A\\B&O\end{pmatrix}^{-1}=\begin{pmatrix}O&B^{-1}\\A^{-1}&O\end{pmatrix}\)

例 5(凑定义)A 满足 \(A^2-A-2E=O\),证明 A 和 \(A+2E\) 都可逆并求逆。

解答

\(A(A-E)=2E\),所以 \(A^{-1}=\frac12(A-E)\)。

对 \(A+2E\):用“多项式除法”,\(A^2-A-2E=(A+2E)(A-3E)+4E\),代入条件得 \((A+2E)(A-3E)=-4E\),所以

\[(A+2E)^{-1}=-\tfrac14(A-3E).\]

技巧:要求 \((A+kE)^{-1}\),就用 \(A+kE\) 去除已知的矩阵多项式,余数必须是 E 的倍数。

四、伴随矩阵

A 的代数余子式(按原位置) A*:转置后排列 A11A12A13A21A22A23A31A32A33A11A21A31A12A22A32A13A23A33 A₁₂ 放到 (2,1) 位 A* 的第 i 行 = A 的第 i 列各元素的代数余子式 → 与第 i 列“配对”,所以 AA* = |A|E
图 8-3 伴随矩阵:把每个元素的代数余子式算出来,再转置排列。
\[AA^*=A^*A=|A|E\]
公式条件 / 说明
\(A^*=|A|A^{-1}\),\(A^{-1}=\dfrac{A^*}{|A|}\)A 可逆
\(|A^*|=|A|^{n-1}\)对 \(AA^*=|A|E\) 两边取行列式(A 不可逆时两边都为 0,也成立)
\((A^*)^{-1}=(A^{-1})^*=\dfrac{A}{|A|}\)A 可逆
\((kA)^*=k^{n-1}A^*\),\((AB)^*=B^*A^*\),\((A^T)^*=(A^*)^T\)n 阶
\((A^*)^*=|A|^{n-2}A\)n ≥ 2
\(r(A^*)=\begin{cases}n,&r(A)=n\\1,&r(A)=n-1\\0,&r(A)<n-1\end{cases}\)见下一节
2 阶:\(\begin{pmatrix}a&b\\c&d\end{pmatrix}^*=\begin{pmatrix}d&-b\\-c&a\end{pmatrix}\)主对调,副变号

五、初等变换与初等矩阵

三种初等变换:交换两行、某行乘非零数 k、某行加另一行的 k 倍。对单位矩阵做一次初等变换得到初等矩阵 \(E(i,j)\)、\(E(i(k))\)、\(E(ij(k))\)。

左乘 = 行变换 右乘 = 列变换 0 1 01 0 00 0 1 · — r₁ —— r₂ —— r₃ — = — r₂ —— r₁ —— r₃ — c₁c₂c₃ · 1 0 02 1 00 0 1 = c₁+2c₂c₂ , c₃ E(1,2) 在左:交换第 1、2 行 E(21(2)) 在右:第 1 列加上第 2 列的 2 倍 口诀:左行右列;初等矩阵 = 对单位矩阵 E 做“同一次”初等变换得到的矩阵
图 8-4 初等矩阵左乘 = 对 A 做相应的行变换;右乘 = 做相应的列变换。
\[E(i,j)^{-1}=E(i,j),\qquad E(i(k))^{-1}=E\!\left(i\!\left(\tfrac1k\right)\right),\qquad E(ij(k))^{-1}=E(ij(-k))\]
关系矩阵语言保持什么
A 经初等行变换得 B(行等价)存在可逆 P,\(PA=B\)\(Ax=0\) 与 \(Bx=0\) 同解;列向量间的线性关系不变
A 经初等列变换得 B存在可逆 Q,\(AQ=B\)列向量组等价(可互相线性表示)
A 与 B 等价\(PAQ=B\)⇔ 同型且 \(r(A)=r(B)\)

例 6(2020 年第 5 题)若 A 经初等列变换化成 B,则( )。
A. 存在 P 使 PA=B B. 存在 P 使 BP=A C. 存在 P 使 PB=A D. Ax=0 与 Bx=0 同解

答案与解析

列变换 = 右乘可逆矩阵:\(B=AQ\),于是 \(A=BQ^{-1}\),取 \(P=Q^{-1}\) 即得 B。

D 错:同解需要行变换。A、C 是左乘,对应行变换,也不对。

  • \(AB=O\) 推不出 A=O 或 B=O;\(AB=AC\) 推不出 B=C(除非 A 可逆)。
  • 解矩阵方程 \(XA=B\) 得 \(X=BA^{-1}\),逆矩阵乘在右边。
  • 用 (A|E) 求逆时不能混用行、列变换。
  • “左行右列”:初等矩阵在左边乘 = 行变换。
03
8.2 · 矩阵的秩

矩阵的秩与分块矩阵

★★★★★ 枢纽 选择 + 填空

秩是线代的枢纽:它同时是“最高阶非零子式的阶数”“阶梯形的非零行数”“列向量组的秩”“行向量组的秩”——四者相等。后面判断方程组、线性相关、对角化、二次型,最后都落到算一个秩。

一、定义与求法

\(r(A)=r\) ⇔ A 有一个 r 阶子式不为 0,且所有 r+1 阶子式全为 0。求法:化行阶梯形,数非零行。初等变换不改变秩,所以行、列变换都可以用(只求秩时)。

二、秩的公式(选择题必备)

公式直觉 / 证明思路
\(0\le r(A_{m\times n})\le\min\{m,n\}\)秩不超过行数,也不超过列数
\(r(A)=r(A^T)=r(A^TA)=r(AA^T)\)后两个:\(Ax=0\) 与 \(A^TAx=0\) 同解(\(x^TA^TAx=\|Ax\|^2\))
P、Q 可逆 ⇒ \(r(PAQ)=r(A)\)乘可逆矩阵 = 做初等变换
\(r(A\pm B)\le r(A)+r(B)\)列向量相加,维数不会凭空增加
\(r(AB)\le\min\{r(A),r(B)\}\)AB 的列是 A 的列的组合;AB 的行是 B 的行的组合
\(\max\{r(A),r(B)\}\le r(A,B)\le r(A)+r(B)\)拼起来至少不比各自少,至多是相加
\(A_{m\times n}B_{n\times s}=O\Rightarrow r(A)+r(B)\le n\)B 的列都在 \(Ax=0\) 的解空间里,那里只有 \(n-r(A)\) 维
\(r(AB)\ge r(A)+r(B)-n\)(Sylvester)2025 年第 7 题就是它取等号
\(r\begin{pmatrix}A&O\\O&B\end{pmatrix}=r(A)+r(B)\),\(r\begin{pmatrix}A&C\\O&B\end{pmatrix}\ge r(A)+r(B)\)分块对角直接相加
\(A^2=A\Rightarrow r(A)+r(A-E)=n\);\(A^2=E\Rightarrow r(A+E)+r(A-E)=n\)“≤”由 \(A(A-E)=O\);“≥”由 \(r(A)+r(E-A)\ge r(E)\)

例 7 A 是 \(m\times n\)、B 是 \(n\times m\) 矩阵,m > n。则 \(|AB|\) = ?

解答

\(AB\) 是 m 阶方阵,但 \(r(AB)\le r(A)\le n<m\),不满秩,所以 \(|AB|=0\)。这是“秩不超过中间维数”的典型考法。

例 8 \(A=\begin{pmatrix}1&2&3\\2&4&6\\3&6&9\end{pmatrix}\),求 \(A^*\)。

解答

各行成比例,\(r(A)=1<n-1=2\),所以所有 2 阶子式都是 0,所有代数余子式为 0,\(A^*=O\)。不用逐个计算。

三、分块矩阵

分块后,只要各块尺寸匹配,就可以“把块当数”做加法和乘法。转置要“块转置 + 每块再转置”:\(\begin{pmatrix}A&B\\C&D\end{pmatrix}^T=\begin{pmatrix}A^T&C^T\\B^T&D^T\end{pmatrix}\)。分块的初等变换(某块行左乘一个矩阵加到另一块行)同样不改变秩,这是处理“分块矩阵秩”选择题的武器。

例 9(2023 年第 5 题)n 阶矩阵满足 \(ABC=O\)。记 \(r_1=r\begin{pmatrix}O&A\\BC&E\end{pmatrix}\),\(r_2=r\begin{pmatrix}AB&C\\O&E\end{pmatrix}\),\(r_3=r\begin{pmatrix}E&AB\\AB&O\end{pmatrix}\),比较大小。

解答

都用单位块 E 去“消”同一行、同一列的其他块:

\[\begin{pmatrix}O&A\\BC&E\end{pmatrix}\xrightarrow{c_1-c_2\cdot BC}\begin{pmatrix}-ABC&A\\O&E\end{pmatrix}=\begin{pmatrix}O&A\\O&E\end{pmatrix}\xrightarrow{r_1-A\cdot r_2}\begin{pmatrix}O&O\\O&E\end{pmatrix}\Rightarrow r_1=n\]
\[\begin{pmatrix}AB&C\\O&E\end{pmatrix}\xrightarrow{r_1-C\cdot r_2}\begin{pmatrix}AB&O\\O&E\end{pmatrix}\Rightarrow r_2=n+r(AB)\]
\[\begin{pmatrix}E&AB\\AB&O\end{pmatrix}\xrightarrow{r_2-AB\cdot r_1}\begin{pmatrix}E&AB\\O&-(AB)^2\end{pmatrix}\xrightarrow{c_2-c_1\cdot AB}\begin{pmatrix}E&O\\O&-(AB)^2\end{pmatrix}\Rightarrow r_3=n+r\big((AB)^2\big)\]

因为 \(r((AB)^2)\le r(AB)\),所以 \(r_1\le r_3\le r_2\)(选 B)。注意左乘块作用在“块行”上、右乘块作用在“块列”上,顺序不能写反。

  • 只求秩时行、列变换都能用;但求极大无关组、解方程组时只能用行变换。
  • \(r(AB)\le\min\) 是上界;下界要用 Sylvester 或“可逆则相等”。
  • r(A*) 只有 n、1、0 三种取值。
  • 分块矩阵的行列式公式只对“有零块的三角形分块”成立,\(\begin{vmatrix}A&B\\C&D\end{vmatrix}\ne|A||D|-|B||C|\)。
04
8.3 · 向量

向量组:线性表示、线性相关、秩

★★★★★ 高频 选择 + 证明

向量组这一节概念多、证明题多,但有一把万能钥匙:把向量按列排成矩阵,所有问题都翻译成方程组或秩。先背熟下面这张“翻译表”,再看定理。

向量组的说法方程组的说法秩的说法
β 可由 \(\alpha_1,\dots,\alpha_s\) 线性表示\(Ax=\beta\) 有解\(r(A)=r(A,\beta)\)
表示法唯一\(Ax=\beta\) 有唯一解\(r(A)=r(A,\beta)=s\)
\(\alpha_1,\dots,\alpha_s\) 线性相关\(Ax=0\) 有非零解\(r(A)<s\)
\(\alpha_1,\dots,\alpha_s\) 线性无关\(Ax=0\) 只有零解\(r(A)=s\)
n 个 n 维向量相关方阵 A 不可逆\(|A|=0\)
向量组 B 可由向量组 A 线性表示\(AX=B\) 有解\(r(A)=r(A,B)\)
向量组 A、B 等价(互相表示)—\(r(A)=r(B)=r(A,B)\)

一、线性相关:有没有“多余”的向量

若存在不全为零的 \(k_1,\dots,k_s\) 使 \(k_1\alpha_1+\cdots+k_s\alpha_s=0\),则称线性相关;只有全为零时才成立,则线性无关。等价说法:相关 ⇔ 至少有一个向量能由其余向量线性表示(它是“多余的”)。

2 个向量相关 ⇔ 共线 α2α k₁α + k₂(2α) = 0 有非零解 (2, −1) 3 个向量相关 ⇔ 共面(在同一平面内) α₁α₂α₃ = α₁ + α₂ α₃ 落在 α₁, α₂ 张成的平面里,跑不出新维度 → 秩 2 < 3
图 8-5 线性相关的几何意义:2 个向量共线、3 个向量共面——都是“没有提供新方向”。

二、六条定理(选择题高频)

#
定理
一句话理解
1
部分相关 ⇒ 整体相关;整体无关 ⇒ 部分无关
多余的向量放进更大的组里依然多余
2
无关组延长(每个向量添分量)仍无关;相关组截短仍相关
分量多了更难凑出 0
3
向量个数 > 维数 ⇒ 必相关(如 4 个 3 维向量)
3 维空间最多 3 个独立方向
4
\(\alpha_1..\alpha_s\) 无关,加上 β 后相关 ⇒ β 可由 \(\alpha_1..\alpha_s\) 唯一表示
新来的 β 是多余的那个
5
以少表多,多必相关:\(\beta_1..\beta_t\) 可由 \(\alpha_1..\alpha_s\) 表示且 t > s ⇒ β 组相关
等价:β 组无关且能被 α 表示 ⇒ t ≤ s
6
β 组可由 α 组表示 ⇒ \(r(\beta)\le r(\alpha)\)
被表示的不可能比表示它的“更丰富”

例 10 已知 \(\alpha_1,\alpha_2,\alpha_3\) 线性无关,判断 \(\beta_1=\alpha_1+\alpha_2,\ \beta_2=\alpha_2+\alpha_3,\ \beta_3=\alpha_3+\alpha_1\) 是否线性无关。

解答

把“β 由 α 表示”写成矩阵:\((\beta_1,\beta_2,\beta_3)=(\alpha_1,\alpha_2,\alpha_3)C\),\(C=\begin{pmatrix}1&0&1\\1&1&0\\0&1&1\end{pmatrix}\)。

α 无关 ⇒ \((\alpha_1,\alpha_2,\alpha_3)\) 列满秩,左乘它不改变秩,所以 \(r(\beta_1,\beta_2,\beta_3)=r(C)\)。\(|C|=2\ne0\),故 β 组无关。

若换成 \(\alpha_1-\alpha_2,\alpha_2-\alpha_3,\alpha_3-\alpha_1\),三者之和为 0,直接相关(对应 \(|C|=0\))。

三、极大无关组与向量组的秩

极大无关组:从向量组里挑出尽量多的无关向量,再加任何一个都相关。它不唯一,但所含向量个数唯一,就是向量组的秩。关键定理:矩阵的秩 = 列向量组的秩 = 行向量组的秩(三秩相等)。

悟
为什么只做行变换就能找极大无关组?行变换 = 左乘可逆矩阵 P:\(P(\alpha_1,\dots,\alpha_s)=(P\alpha_1,\dots,P\alpha_s)\)。若 \(\sum k_i\alpha_i=0\),则 \(\sum k_iP\alpha_i=0\),反之亦然——列与列之间的线性关系原封不动。所以行最简形里“哪几列是主元列、其余列怎么由主元列表示”,原向量组完全一样。
#
步骤
例:\(\alpha_1=(1,2,1)^T,\ \alpha_2=(2,4,2)^T,\ \alpha_3=(0,1,1)^T,\ \alpha_4=(1,4,3)^T\)
1
按列排成矩阵
\(\begin{pmatrix}1&2&0&1\\2&4&1&4\\1&2&1&3\end{pmatrix}\)
2
只做行变换化行最简形
\(r_2-2r_1,\ r_3-r_1,\ r_3-r_2\Rightarrow\begin{pmatrix}1&2&0&1\\0&0&1&2\\0&0&0&0\end{pmatrix}\)
3
数主元:秩 = 主元个数
主元在第 1、3 列,秩 = 2
4
主元列对应的原向量是极大无关组
\(\alpha_1,\alpha_3\)
5
非主元列的数字 = 表示系数
第 2 列 \((2,0)\):\(\alpha_2=2\alpha_1\);第 4 列 \((1,2)\):\(\alpha_4=\alpha_1+2\alpha_3\)

例 11(2023 年第 7 题)\(\alpha_1=(1,2,3)^T,\alpha_2=(2,1,1)^T,\beta_1=(2,5,9)^T,\beta_2=(1,0,1)^T\)。若 γ 既可由 \(\alpha_1,\alpha_2\) 线性表示,也可由 \(\beta_1,\beta_2\) 线性表示,求 γ。

解答

设 \(\gamma=x_1\alpha_1+x_2\alpha_2=y_1\beta_1+y_2\beta_2\),移项得齐次方程组 \(x_1\alpha_1+x_2\alpha_2-y_1\beta_1-y_2\beta_2=0\):

\[\begin{pmatrix}1&2&-2&-1\\2&1&-5&0\\3&1&-9&-1\end{pmatrix}\xrightarrow{\text{行变换}}\cdots\Rightarrow (x_1,x_2,y_1,y_2)^T=k(3,-1,1,-1)^T\]

所以 \(\gamma=k(3\alpha_1-\alpha_2)=k(1,5,8)^T\)(也等于 \(k(\beta_1-\beta_2)\),可验算)。几何上:两个过原点的平面交于一条直线。

  • 极大无关组要取原向量组中的向量,不能取化简后的列。
  • 找极大无关组只能做行变换(列变换会打乱列之间的关系)。
  • “\(\alpha_1,\alpha_2\) 无关,\(\alpha_3\) 不能由它们表示”推出三者无关;但“任一向量都不能由其余两个表示”才是三者无关的等价说法。
  • 向量组等价要求 \(r(A)=r(B)=r(A,B)\),只有 \(r(A)=r(B)\) 不够。
05
8.3 · 数一专属

向量空间、过渡矩阵与正交化

★★★☆☆ 数一独有 选择 + 解答

这部分只有数学一考:基、维数、坐标、过渡矩阵、内积、施密特正交化、正交矩阵。2019 年出过整道解答题(过渡矩阵),2021 年考过施密特系数;正交化更是“实对称矩阵正交对角化”的必经步骤。

一、基、维数、坐标

\(\mathbb R^n\) 中 n 个线性无关的向量 \(\alpha_1,\dots,\alpha_n\) 就是一组基:任何向量 β 都能唯一写成 \(\beta=x_1\alpha_1+\cdots+x_n\alpha_n\),\((x_1,\dots,x_n)^T\) 叫 β 在这组基下的坐标。求坐标 = 解方程组 \((\alpha_1,\dots,\alpha_n)x=\beta\)。子空间的例子:\(Ax=0\) 的解集是一个 \(n-r(A)\) 维子空间(解空间),基础解系就是它的一组基。

二、过渡矩阵与坐标变换

\[(\beta_1,\dots,\beta_n)=(\alpha_1,\dots,\alpha_n)\,C\quad\Longrightarrow\quad C=(\alpha_1,\dots,\alpha_n)^{-1}(\beta_1,\dots,\beta_n)\]

C 叫从基 α 到基 β 的过渡矩阵(“新基 = 旧基 × C”)。同一个向量在两组基下的坐标 x(旧)、y(新)满足 \(x=Cy\)——注意方向:旧坐标 = C × 新坐标。

例 12(2019 年第 20 题)\(\alpha_1=(1,2,1)^T,\alpha_2=(1,3,2)^T,\alpha_3=(1,a,3)^T\) 为 \(\mathbb R^3\) 的一个基,\(\beta=(1,1,1)^T\) 在这个基下的坐标为 \((b,c,1)^T\)。(I) 求 a, b, c;(II) 证明 \(\alpha_2,\alpha_3,\beta\) 为 \(\mathbb R^3\) 的一个基,并求 \(\alpha_2,\alpha_3,\beta\) 到 \(\alpha_1,\alpha_2,\alpha_3\) 的过渡矩阵。

解答

(I) \(\beta=b\alpha_1+c\alpha_2+\alpha_3\),逐分量:

\[\begin{cases}b+c+1=1\\2b+3c+a=1\\b+2c+3=1\end{cases}\Rightarrow b+c=0,\ b+2c=-2\Rightarrow c=-2,\ b=2,\ a=1-2b-3c=3.\]

(II) \(|\alpha_2,\alpha_3,\beta|=\begin{vmatrix}1&1&1\\3&3&1\\2&3&1\end{vmatrix}=2\ne0\),三个 3 维向量无关,构成基。

所求过渡矩阵 C 满足 \((\alpha_1,\alpha_2,\alpha_3)=(\alpha_2,\alpha_3,\beta)C\)。用已知关系直接写:\(\alpha_2=1\cdot\alpha_2\),\(\alpha_3=1\cdot\alpha_3\),而由 \(\beta=2\alpha_1-2\alpha_2+\alpha_3\) 得 \(\alpha_1=\alpha_2-\frac12\alpha_3+\frac12\beta\)。按列填入系数:

\[C=\begin{pmatrix}1&1&0\\-\frac12&0&1\\\frac12&0&0\end{pmatrix}.\]

(也可以算 \(C=(\alpha_2,\alpha_3,\beta)^{-1}(\alpha_1,\alpha_2,\alpha_3)\),结果相同。“谁到谁”决定 C 写在哪边:“从 A 到 B”就是 B = A·C。)

三、内积、长度、正交

\[\begin{gathered}(\alpha,\beta)=\alpha^T\beta=\sum a_ib_i,\qquad \|\alpha\|=\sqrt{(\alpha,\alpha)}\\ \alpha\perp\beta\iff(\alpha,\beta)=0,\qquad (\alpha,\beta)^2\le(\alpha,\alpha)(\beta,\beta)\end{gathered}\]

最后一个是 Cauchy–Schwarz 不等式。2024 年第 15 题就把它推广成 \((\alpha^TA\beta)^2\le(\alpha^TA\alpha)(\beta^TA\beta)\):当 A 半正定时,\(\alpha^TA\beta\) 也是一种“内积”,不等式成立。两两正交的非零向量组一定线性无关(用某个 \(\alpha_i\) 去和 \(\sum k_j\alpha_j=0\) 做内积即得 \(k_i=0\))。

四、施密特正交化

β₁ = α₁ α₂ 投影 = (α₂,β₁)/(β₁,β₁)·β₁ β₂ = α₂ − 投影 减掉“沿 β₁ 的分量”, 剩下的部分自然 ⊥ β₁
图 8-6 施密特正交化的每一步:减去在已得方向上的投影,剩下的部分自动与它们正交。
\[\begin{aligned}\beta_1&=\alpha_1,\qquad \beta_2=\alpha_2-\frac{(\alpha_2,\beta_1)}{(\beta_1,\beta_1)}\beta_1\\ \beta_3&=\alpha_3-\frac{(\alpha_3,\beta_1)}{(\beta_1,\beta_1)}\beta_1-\frac{(\alpha_3,\beta_2)}{(\beta_2,\beta_2)}\beta_2,\qquad \gamma_i=\frac{\beta_i}{\|\beta_i\|}\end{aligned}\]

例 13(2021 年第 6 题)\(\alpha_1=(1,0,1)^T,\alpha_2=(1,2,1)^T,\alpha_3=(3,1,2)^T\),\(\beta_1=\alpha_1,\ \beta_2=\alpha_2-k\beta_1,\ \beta_3=\alpha_3-l_1\beta_1-l_2\beta_2\)。若 \(\beta_1,\beta_2,\beta_3\) 两两正交,求 \(l_1,l_2\)。

解答

这就是施密特公式。\(k=\frac{(\alpha_2,\beta_1)}{(\beta_1,\beta_1)}=\frac22=1\),\(\beta_2=(0,2,0)^T\)。

\[l_1=\frac{(\alpha_3,\beta_1)}{(\beta_1,\beta_1)}=\frac{3+2}{2}=\frac52,\qquad l_2=\frac{(\alpha_3,\beta_2)}{(\beta_2,\beta_2)}=\frac{2}{4}=\frac12.\]

选 A(\(\frac52,\frac12\))。\(\beta_3=(\frac12,0,-\frac12)^T\),可验算与 \(\beta_1,\beta_2\) 都正交。

五、正交矩阵

\[Q^TQ=E\iff Q^{-1}=Q^T\iff Q\text{ 的列(行)向量组是规范正交基}\]

性质:\(|Q|=\pm1\);正交矩阵的乘积、逆、转置仍是正交矩阵;正交变换 \(x=Qy\) 保持长度和内积(\(\|Qy\|=\|y\|\)),几何上就是旋转或反射——所以用正交变换化二次型,图形的形状大小不变。置换矩阵(单位矩阵交换若干行)是正交矩阵,这正是 2026 年第 5 题的切入点。

  • 过渡矩阵的方向:“从 α 到 β”是 \((\beta)=(\alpha)C\);坐标关系是 \(x_{旧}=Cy_{新}\),别写反。
  • 施密特正交化后要单位化才得到规范正交基;单位化只改长度,不改方向。
  • 正交矩阵的特征值的模为 1,行列式为 ±1,但行列式为 ±1 的矩阵不一定正交。
06
8.4 · 线性方程组

线性方程组:判定、结构与求解

★★★★★ 高频 选择 + 填空 + 解答工具

方程组是线代的“计算中心”:求特征向量要解齐次方程组,求过渡矩阵、线性表示也是解方程组。考点集中在三件事:有没有解(看秩)、解长什么样(结构)、怎么求(行最简形)。

一、判定:只看两个秩

方程组条件结论
\(Ax=0\)(n 个未知数)\(r(A)=n\)只有零解
\(r(A)<n\)有非零解,基础解系含 n − r 个向量
A 为方阵有非零解 ⇔ \(|A|=0\);方程个数 < 未知数个数 ⇒ 必有非零解
\(Ax=b\)\(r(A)\ne r(A\mid b)\)无解(阶梯形出现 0 = 非零)
\(r(A)=r(A\mid b)=n\)唯一解
\(r(A)=r(A\mid b)<n\)无穷多解

几何上,3 元方程组的每个方程是一个平面。沿着“所有法向量都垂直的方向”看过去,平面会变成直线,位置关系一目了然:

三线共点r(A)=r(Ā)=2交成一条直线围成三角形r(A)=2,r(Ā)=3无解(2019 真题)两平行一相交r(A)=2,r(Ā)=3无解三平行r(A)=1,r(Ā)=2无解三平面重合r(A)=r(Ā)=1解集是一个平面
图 8-7 三个平面的位置(沿公共方向俯视)。三个法向量线性无关时三平面交于一点(r = 3,唯一解);其余情况如图。

例 14(2019 年第 6 题)三张平面两两相交,交线相互平行,它们的方程组成的系数矩阵和增广矩阵记为 A、Ā,则( )。
A. r(A)=2, r(Ā)=3 B. r(A)=2, r(Ā)=2 C. r(A)=1, r(Ā)=2 D. r(A)=1, r(Ā)=1

答案与解析

两两相交 ⇒ 任意两个法向量不平行;交线都平行 ⇒ 三个法向量都垂直于同一方向,共面,所以 \(r(A)=2\)。三条交线平行而不重合 ⇒ 没有公共点 ⇒ 无解 ⇒ \(r(\bar A)=3\)。选 A(即图 8-7 第二幅)。

二、解的性质与结构

已知结论
\(\xi_1,\xi_2\) 是 \(Ax=0\) 的解任意组合 \(k_1\xi_1+k_2\xi_2\) 仍是 \(Ax=0\) 的解
\(\eta_1,\eta_2\) 是 \(Ax=b\) 的解\(\eta_1-\eta_2\) 是 \(Ax=0\) 的解;\(\eta+\xi\) 是 \(Ax=b\) 的解
\(\eta_1,\dots,\eta_s\) 都是 \(Ax=b\) 的解\(\sum k_i\eta_i\) 是 \(Ax=b\) 的解 ⇔ \(\sum k_i=1\);是 \(Ax=0\) 的解 ⇔ \(\sum k_i=0\)
\[Ax=0:\ x=k_1\xi_1+\cdots+k_{n-r}\xi_{n-r};\qquad Ax=b:\ x=\eta^*+k_1\xi_1+\cdots+k_{n-r}\xi_{n-r}\]
O ξ Ax = 0 的解:过原点 η*(特解) x = η* + kξ Ax = b 的解(平移 η*)
图 8-8 非齐次通解 = 一个特解 + 齐次通解。齐次解集是过原点的直线(平面),非齐次解集是把它平移到特解处。

三、求解步骤

#
步骤
例:\(\begin{cases}x_1+x_2+x_3+x_4=1\\x_1+2x_2+3x_3+4x_4=3\\2x_1+3x_2+4x_3+5x_4=4\end{cases}\)
1
写增广矩阵,只做行变换化行最简形
\(\left(\begin{array}{cccc|c}1&0&-1&-2&-1\\0&1&2&3&2\\0&0&0&0&0\end{array}\right)\)
2
比较 \(r(A)\) 与 \(r(A\mid b)\)
都等于 2 < 4,有无穷多解,自由变量 4 − 2 = 2 个
3
非主元列对应的变量是自由变量
\(x_3,x_4\) 自由:\(x_1=-1+x_3+2x_4,\ x_2=2-2x_3-3x_4\)
4
自由变量全取 0 得特解
\(\eta^*=(-1,2,0,0)^T\)
5
去掉常数列,自由变量依次取 (1,0)、(0,1) 得基础解系
\(\xi_1=(1,-2,1,0)^T,\ \xi_2=(2,-3,0,1)^T\)
6
写通解
\(x=\eta^*+k_1\xi_1+k_2\xi_2\),\(k_1,k_2\) 任意

四、含参数的方程组

系数矩阵是方阵时,先算 \(|A|\):\(|A|\ne0\) 时唯一解(克拉默);再把使 \(|A|=0\) 的每个参数值代回去化阶梯形讨论。不是方阵时直接对增广矩阵做行变换,不要用含参数的式子做除数(除之前要讨论它是否为 0)。

例 15 λ 取何值时,\(\begin{cases}\lambda x_1+x_2+x_3=1\\x_1+\lambda x_2+x_3=\lambda\\x_1+x_2+\lambda x_3=\lambda^2\end{cases}\) 有唯一解、无解、无穷多解?

解答

\(|A|\) 行和相等:\(|A|=(\lambda+2)(\lambda-1)^2\)。

① \(\lambda\ne1\) 且 \(\lambda\ne-2\):\(|A|\ne0\),唯一解。

② \(\lambda=1\):三个方程都是 \(x_1+x_2+x_3=1\),\(r(A)=r(A\mid b)=1<3\),无穷多解:\(x=(1,0,0)^T+k_1(-1,1,0)^T+k_2(-1,0,1)^T\)。

③ \(\lambda=-2\):三个方程相加,左边为 0,右边为 \(1-2+4=3\ne0\),矛盾,无解(\(r(A)=2,\ r(A\mid b)=3\))。

五、AB = O、公共解与同解

问题方法
\(A_{m\times n}B_{n\times s}=O\)B 的每一列都是 \(Ax=0\) 的解 ⇒ \(r(A)+r(B)\le n\);常用来由 B 的非零列“猜”出 \(Ax=0\) 的解
\(Ax=0\) 与 \(Bx=0\) 的公共解联立 \(\begin{pmatrix}A\\B\end{pmatrix}x=0\);或把一个的通解代入另一个,解出参数关系
\(Ax=0\) 与 \(Bx=0\) 同解⇔ \(r(A)=r(B)=r\begin{pmatrix}A\\B\end{pmatrix}\)(A、B 列数相同)
经典同解对\(Ax=0\) 与 \(A^TAx=0\);A 经行变换得 B 时 \(Ax=0\) 与 \(Bx=0\)

例 16(2025 年第 15 题)\(A=\begin{pmatrix}4&2&-3\\a&3&-4\\b&5&-7\end{pmatrix}\),若 \(A^2x=0\) 与 \(Ax=0\) 不同解,求 \(a-b\)。

解答

\(Ax=0\) 的解一定是 \(A^2x=0\) 的解,所以“不同解”⇔ \(A^2x=0\) 的解更多 ⇔ \(r(A^2)<r(A)\)。

若 A 可逆,两者都只有零解,同解。所以必须 \(|A|=0\)。用倍加化简(\(c_3+c_2\),再 \(c_2+2c_3\)):

\[|A|=\begin{vmatrix}4&2&-1\\a&3&-1\\b&5&-2\end{vmatrix}=\begin{vmatrix}4&0&-1\\a&1&-1\\b&1&-2\end{vmatrix}=4(-2+1)-(a-b)=b-a-4.\]

令其为 0 得 \(a-b=-4\)。(进一步验证:此时还需 \(a=5,b=9\) 才真正有 \(r(A)=2,\ r(A^2)=1\),题目只问 \(a-b\),答案为 −4。部分资料把答案印成 4,是漏了负号。)

  • 基础解系的向量个数是 n − r(n 是未知数个数),不是方程个数 − r。
  • 解方程组只能做行变换。
  • 非齐次方程组没有“基础解系”;两个非齐次解之和一般不是非齐次解。
  • 通解里的 k 是任意常数;求“特征向量”时则要求 k 不全为零。
07
8.5 · 特征值与特征向量

特征值与特征向量

★★★★★ 解答题主角 选择 + 填空 + 解答

\(A\xi=\lambda\xi\ (\xi\ne0)\):矩阵作用在 ξ 上,方向不变,只伸缩 λ 倍。这一节要做到:会求(两步走)、会用性质秒杀选择填空(迹、行列式、派生矩阵)、会处理抽象条件(“每行和为 2”“Aα = 0”这类翻译)。

一、求法:两步走

#
步骤
例:\(A=\begin{pmatrix}-2&-2&1\\2&3&-2\\0&0&-2\end{pmatrix}\)(2019 年第 21 题的 A)
1
解特征方程 \(|\lambda E-A|=0\) 得全部特征值
按第 3 行展开:\((\lambda+2)\begin{vmatrix}\lambda+2&2\\-2&\lambda-3\end{vmatrix}=(\lambda+2)(\lambda^2-\lambda-2)=(\lambda+2)(\lambda-2)(\lambda+1)\)
2
对每个 \(\lambda_i\),解 \((\lambda_iE-A)x=0\) 得基础解系
\(\lambda=2:(1,-2,0)^T\);\(\lambda=-1:(2,-1,0)^T\);\(\lambda=-2:(1,-2,-4)^T\)
3
写出全部特征向量:基础解系的不全为零的组合
如 \(\lambda=2\) 的特征向量为 \(k(1,-2,0)^T,\ k\ne0\)
✓
验算:\(\sum\lambda_i=\operatorname{tr}A\),\(\prod\lambda_i=|A|\)
\(2-1-2=-1=\operatorname{tr}A\);\(2\cdot(-1)\cdot(-2)=4=|A|\)
悟
算特征多项式的窍门:别急着按对角线法则展开。先找“某行(列)只有一个非零元”或用倍加造出一个公因子 \((\lambda-a)\) 提出来,再展开——这样剩下的二次式直接因式分解,不用解三次方程。考研题的特征值几乎都是整数,算出无理数先回头检查。

二、性质

性质说明
\(\sum\lambda_i=\operatorname{tr}A=\sum a_{ii}\),\(\prod\lambda_i=|A|\)A 可逆 ⇔ 0 不是特征值
三角矩阵、对角矩阵的特征值 = 主对角元直接读
不同特征值的特征向量线性无关对角化的基础
k 重特征值最多有 k 个无关特征向量几何重数 \(n-r(\lambda E-A)\) ≤ 代数重数 k
A 与 \(A^T\) 特征值相同特征向量一般不同
秩 1 矩阵 \(A=\alpha\beta^T\)(n 阶)特征值为 \(\operatorname{tr}A=\beta^T\alpha\) 和 0(n − 1 重);α 是 \(\beta^T\alpha\) 对应的特征向量
\(\xi\) 同时是 \(\lambda_1,\lambda_2\) 的特征向量不可能(若 \(\lambda_1\ne\lambda_2\))

三、派生矩阵的特征值(选择填空最爱)

矩阵AkA\(A^k\)f(A)\(A^{-1}\)\(A^*\)\(A^T\)\(P^{-1}AP\)
特征值λkλ\(\lambda^k\)f(λ)\(1/\lambda\)\(|A|/\lambda\)λλ
特征向量ξξξξξξ不一定\(P^{-1}\xi\)

例 17 3 阶矩阵 A 的特征值为 1, 2, −3,求 \(|A^*+3A+2E|\)。

解答

\(|A|=1\cdot2\cdot(-3)=-6\),\(A^*\) 的特征值为 \(|A|/\lambda\)。令 \(g(\lambda)=\frac{-6}{\lambda}+3\lambda+2\):

\[g(1)=-1,\quad g(2)=5,\quad g(-3)=-5\quad\Rightarrow\quad|A^*+3A+2E|=(-1)\cdot5\cdot(-5)=25.\]

例 18(2019 年第 5 题)3 阶实对称矩阵 A 满足 \(A^2+A=2E\),\(|A|=4\),则 \(x^TAx\) 的规范形为( )。
A. \(y_1^2+y_2^2+y_3^2\) B. \(y_1^2+y_2^2-y_3^2\) C. \(y_1^2-y_2^2-y_3^2\) D. \(-y_1^2-y_2^2-y_3^2\)

答案与解析

特征值满足同一方程:\(\lambda^2+\lambda-2=0\Rightarrow\lambda\in\{1,-2\}\)。三个特征值之积为 4,只能是 \(1,-2,-2\)。一正两负,规范形 \(y_1^2-y_2^2-y_3^2\),选 C。

套路:矩阵满足多项式 f(A)=O ⇒ 特征值都是 f(λ)=0 的根(但不一定每个根都出现)。

例 19(2024 年第 7 题)A 是秩为 2 的 3 阶矩阵,α 是满足 Aα = 0 的非零向量;对满足 \(\beta^T\alpha=0\) 的任意 β 都有 Aβ = β。求 A 的特征值。

解答

“Aα = 0,α ≠ 0” ⇒ 0 是特征值。与 α 正交的向量构成 2 维平面,平面里任意 β 都满足 Aβ = β ⇒ 1 至少是 2 重特征值。3 阶共 3 个特征值:0, 1, 1。于是 \(\operatorname{tr}A^3=0+1+1=2\),\(\operatorname{tr}A^5=2\)(选 A)。

翻译口诀:“Aα = kα”直接读特征值;“对一个 r 维子空间里的所有向量成立”就给出 r 个无关特征向量。

  • 特征向量必须非零;\(k\xi\) 中要写明 \(k\ne0\)。
  • \(A^T\) 与 A 特征值相同,但特征向量一般不同;\(P^{-1}AP\) 的特征向量是 \(P^{-1}\xi\)。
  • “\(A^2=A\)”只能推出特征值 ∈ {0, 1},具体哪个、几重要结合秩或迹判断。
  • 特征多项式写 \(|\lambda E-A|\) 或 \(|A-\lambda E|\) 都行,只差符号 \((-1)^n\),求根结果相同。
08
8.5 · 相似与对角化

相似对角化与实对称矩阵

★★★★★ 解答题主角 解答 + 选择

\(P^{-1}AP=\Lambda\):找一组由特征向量组成的新坐标系,在这组坐标下变换只是“各方向分别伸缩”。解答题考三件事:判断能否对角化、求 P 和 Λ、实对称矩阵的正交对角化(求 Q),以及用对角化求 \(A^n\) 或反求 A。

x(标准坐标) Ax(标准坐标) y(新基 P 下坐标) 新坐标 A x = Py 乘 P⁻¹ B = P⁻¹AP 走下面 = 先换坐标、做 A、再换回来。若 P 的列取特征向量,B 就是对角阵 Λ
图 8-9 相似 = 同一个线性变换在不同基下的矩阵。P 的列取特征向量时,B 是对角阵。

一、相似的必要条件(判“不相似”用)

\[A\sim B\ \Rightarrow\ \begin{cases}|\lambda E-A|=|\lambda E-B|\ (\text{特征值相同})\\ \operatorname{tr}A=\operatorname{tr}B,\quad |A|=|B|,\quad r(A)=r(B)\\ r(\lambda E-A)=r(\lambda E-B)\ \ \forall\lambda\end{cases}\]

这些都只是必要条件:特征值相同不一定相似(如 E 与 \(\begin{pmatrix}1&1\\0&1\end{pmatrix}\))。判断两个矩阵相似的标准方法:

#
情形
结论
1
特征值不同(或迹、行列式、秩不同)
不相似
2
特征值相同,且都能对角化
相似(都相似于同一个 Λ,相似有传递性)
3
特征值相同,一个能对角化、一个不能
不相似
4
两个都是实对称矩阵
相似 ⇔ 特征值相同

二、可对角化的条件

\[\begin{aligned}A\text{ 可对角化}&\iff A\text{ 有 }n\text{ 个线性无关的特征向量}\\&\iff\text{每个 }k_i\text{ 重特征值 }\lambda_i\text{ 满足 }r(\lambda_iE-A)=n-k_i\end{aligned}\]

充分条件:n 个特征值互不相同;A 是实对称矩阵。判断技巧:单根一定没问题,只需检查重根对应的 \(r(\lambda E-A)\)。

例 20(2023 年第 6 题型)判断能否对角化:\(A_1=\begin{pmatrix}1&1&a\\0&2&2\\0&0&3\end{pmatrix}\),\(A_2=\begin{pmatrix}1&1&0\\0&1&0\\0&0&2\end{pmatrix}\)。

解答

\(A_1\) 是上三角,特征值 1, 2, 3 互不相同 ⇒ 可以对角化(与 a 无关)。

\(A_2\) 特征值 1(2 重)、2。\(E-A_2=\begin{pmatrix}0&-1&0\\0&0&0\\0&0&-1\end{pmatrix}\),秩为 2 ≠ 3 − 2,只有 1 个无关特征向量 ⇒ 不能对角化。

三、求 P 与 Λ,以及 \(A^n\)

把每个特征值的基础解系排成 P 的列,Λ 的对角元按同样的顺序写对应的特征值,则 \(P^{-1}AP=\Lambda\),\(A=P\Lambda P^{-1}\),\(A^n=P\Lambda^nP^{-1}\)。P 不唯一(特征向量可以换倍数、换顺序),但 P 与 Λ 的顺序必须对应。

例 21(2019 年第 21 题)\(A=\begin{pmatrix}-2&-2&1\\2&x&-2\\0&0&-2\end{pmatrix}\) 与 \(B=\begin{pmatrix}2&1&0\\0&-1&0\\0&0&y\end{pmatrix}\) 相似。(I) 求 x, y;(II) 求可逆矩阵 P 使 \(P^{-1}AP=B\)。

解答

(I) 相似 ⇒ 迹相等、行列式相等:

\[-4+x=1+y,\qquad |A|=-2\begin{vmatrix}-2&-2\\2&x\end{vmatrix}=4x-8=|B|=-2y\ \Rightarrow\ x=3,\ y=-2.\]

(II) A、B 的特征值都是 \(2,-1,-2\)(B 上三角直接读),互不相同,两者都相似于 \(\Lambda=\operatorname{diag}(2,-1,-2)\)。分别求特征向量:

\[P_1=\begin{pmatrix}1&2&1\\-2&-1&-2\\0&0&-4\end{pmatrix}\ (P_1^{-1}AP_1=\Lambda),\qquad P_2=\begin{pmatrix}1&1&0\\0&-3&0\\0&0&1\end{pmatrix}\ (P_2^{-1}BP_2=\Lambda).\]

于是 \(P_1^{-1}AP_1=P_2^{-1}BP_2\Rightarrow (P_1P_2^{-1})^{-1}A(P_1P_2^{-1})=B\),取

\[P=P_1P_2^{-1}=\begin{pmatrix}1&-\frac13&1\\-2&-\frac13&-2\\0&0&-4\end{pmatrix}.\]

“两个矩阵相似求 P”的标准套路:都对角化到同一个 Λ,再拼起来。

例 22(2020 年第 21 题)A 为 2 阶矩阵,\(P=(\alpha,A\alpha)\),α 是非零向量且不是 A 的特征向量。(I) 证明 P 可逆;(II) 若 \(A^2\alpha+A\alpha-6\alpha=0\),求 \(P^{-1}AP\),并判断 A 能否相似于对角矩阵。

解答

(I) 若 α, Aα 线性相关,因 α ≠ 0,则 Aα = kα,α 是特征向量,矛盾。所以两列无关,P 可逆。

(II) 用“分列视角”算 AP:

\[AP=(A\alpha,\ A^2\alpha)=(A\alpha,\ 6\alpha-A\alpha)=(\alpha,A\alpha)\begin{pmatrix}0&6\\1&-1\end{pmatrix}\Rightarrow P^{-1}AP=\begin{pmatrix}0&6\\1&-1\end{pmatrix}.\]

它的特征多项式 \(\lambda^2+\lambda-6=(\lambda+3)(\lambda-2)\),两个不同特征值 ⇒ 可对角化;A 与它相似,所以 A 相似于 diag(2, −3)。

四、实对称矩阵:一定能“正交”对角化

性质用途
特征值全是实数—
不同特征值的特征向量正交已知部分特征向量,用正交性求剩下的
k 重特征值恰有 k 个无关特征向量一定可对角化
存在正交矩阵 Q 使 \(Q^TAQ=Q^{-1}AQ=\Lambda\)二次型的正交变换法就是它
#
正交对角化步骤
要点
1
求特征值
用迹、行列式验算
2
每个特征值求基础解系
单根得 1 个向量,k 重根得 k 个
3
同一个重特征值的向量做施密特正交化
不同特征值之间已经自动正交,不用管
4
全部单位化,按列排成 Q
Λ 的对角元与 Q 的列顺序对应

例 23(2021 年第 21 题)\(A=\begin{pmatrix}a&1&-1\\1&a&-1\\-1&-1&a\end{pmatrix}\)。(I) 求正交矩阵 P 使 \(P^TAP\) 为对角矩阵;(II) 求正定矩阵 C 使 \(C^2=(a+3)E-A\)。

解答

(I) 令 \(A=(a-1)E+B\),\(B=\begin{pmatrix}1&1&-1\\1&1&-1\\-1&-1&1\end{pmatrix}=\xi\xi^T\),\(\xi=(1,1,-1)^T\)。B 秩为 1,特征值 \(\operatorname{tr}B=3\) 和 0, 0。所以 A 的特征值为 \(a+2\)(单)与 \(a-1\)(二重)。

\(\lambda=a+2\):特征向量 \(\xi_3=(1,1,-1)^T\)。\(\lambda=a-1\):解 \(x_1+x_2-x_3=0\),得 \(\xi_1=(1,-1,0)^T,\ \xi_2=(1,0,1)^T\),施密特正交化:

\[\beta_1=\xi_1,\quad \beta_2=\xi_2-\frac{(\xi_2,\beta_1)}{(\beta_1,\beta_1)}\beta_1=\Big(\tfrac12,\tfrac12,1\Big)^T\ \to\ (1,1,2)^T.\]
\[P=\begin{pmatrix}\frac1{\sqrt2}&\frac1{\sqrt6}&\frac1{\sqrt3}\\-\frac1{\sqrt2}&\frac1{\sqrt6}&\frac1{\sqrt3}\\0&\frac2{\sqrt6}&-\frac1{\sqrt3}\end{pmatrix},\qquad P^TAP=\operatorname{diag}(a-1,\ a-1,\ a+2).\]

(II) \((a+3)E-A=P\operatorname{diag}(4,4,1)P^T\),取 \(C=P\operatorname{diag}(2,2,1)P^T\),它的特征值 2, 2, 1 全正,是正定矩阵,且 \(C^2=(a+3)E-A\)。具体计算可用 \(C=2E-\frac{1}{3}\xi_3\xi_3^T\):

\[C=\frac13\begin{pmatrix}5&-1&1\\-1&5&1\\1&1&5\end{pmatrix}.\]

(已验算 \(C^2=(a+3)E-A\)。思路:对矩阵开平方 = 对特征值开平方。)

悟
反求 A 的捷径:3 阶实对称矩阵只有两个不同特征值 \(\lambda_1\)(单,特征向量 ξ)和 \(\lambda_2\)(二重)时,不用求另外两个特征向量:\(A=\lambda_2E+(\lambda_1-\lambda_2)\dfrac{\xi\xi^T}{\xi^T\xi}\)。例 23 的 C 就是这样写出来的。
  • P 的列与 Λ 的对角元顺序必须一一对应。
  • 只有同一特征值的特征向量才需要正交化;正交化后还要单位化才能放进 Q。
  • 一般矩阵对角化用 \(P^{-1}AP\),不能写成 \(P^TAP\)(除非 P 正交)。
  • “A 与 B 特征值相同 ⇒ 相似”只对实对称矩阵(或都可对角化)成立。
09
8.6 · 二次型

二次型:标准形、惯性定理与正定

★★★★★ 解答题主角 选择 + 填空 + 解答

二次型就是“只含二次项的多元多项式”,每个二次型对应唯一一个实对称矩阵。所以二次型的题,本质上是实对称矩阵的题:正交变换法 = 正交对角化,惯性指数 = 正、负特征值的个数,正定 = 特征值全正。

一、写矩阵:交叉项系数要减半

\[f=x_1^2+2x_2^2+2x_3^2+2x_1x_2-2x_1x_3=x^TAx,\qquad A=\begin{pmatrix}1&1&-1\\1&2&0\\-1&0&2\end{pmatrix}\]

\(a_{ii}\) = \(x_i^2\) 的系数;\(a_{ij}=a_{ji}\) = \(x_ix_j\) 系数的一半。二次型的秩 = r(A)。

二、合同与惯性定理

做可逆线性变换 \(x=Cy\),\(f=y^T(C^TAC)y\)。称 \(B=C^TAC\) 与 A 合同。惯性定理:无论用什么可逆变换化成标准形 \(d_1y_1^2+\cdots+d_ry_r^2\),正系数个数 p(正惯性指数)和负系数个数 q(负惯性指数)都不变。于是:

\[\text{实对称 }A,B\text{ 合同}\iff p_A=p_B\text{ 且 }q_A=q_B\iff\text{正、负特征值个数分别相同}\]

规范形 \(z_1^2+\cdots+z_p^2-z_{p+1}^2-\cdots-z_{r}^2\) 是唯一的;标准形不唯一(用正交变换得到的标准形系数恰好是特征值)。

等价:PAQ = B,同型且 r(A) = r(B) 相似 P⁻¹AP = B特征值相同(方阵) 合同 CᵀAC = Bp、q 相同(对称阵) 实对称阵相似 ⇒ 合同(正交相似)
图 8-10 三种关系:相似、合同都是等价的特例;实对称矩阵相似一定合同(正交相似既是相似又是合同),反之不然。
关系定义判别(实对称时)保持的量
等价\(PAQ=B\),P、Q 可逆同型且秩相同秩
相似\(P^{-1}AP=B\)特征值相同特征值、迹、行列式、秩
合同\(C^TAC=B\),C 可逆p、q 相同(正负特征值个数相同)秩、正负惯性指数

三、方法 1:正交变换法

对 A 做正交对角化,\(x=Qy\),\(f=\lambda_1y_1^2+\lambda_2y_2^2+\cdots+\lambda_ny_n^2\)。正交变换是“旋转”,不改变图形形状:

(1,−1):λ=1(1,1):λ=3 2x₁² + 2x₁x₂ + 2x₂² = 1 x = Qy旋转 y₁y₂ 半轴 1半轴 1/√3 y₁² + 3y₂² = 1
图 8-11 \(2x_1^2+2x_1x_2+2x_2^2=1\) 是一个斜放的椭圆;转到特征向量方向后变成 \(y_1^2+3y_2^2=1\),半轴为 \(1/\sqrt{\lambda_i}\)。

例 24(2020 年第 20 题)\(f(x_1,x_2)=x_1^2-4x_1x_2+4x_2^2\) 经正交变换 \(x=Qy\) 化为 \(g(y_1,y_2)=ay_1^2+4y_1y_2+by_2^2\),其中 \(a\ge b\)。(I) 求 a, b;(II) 求正交矩阵 Q。

解答

(I) \(A=\begin{pmatrix}1&-2\\-2&4\end{pmatrix}\),\(B=\begin{pmatrix}a&2\\2&b\end{pmatrix}\),\(Q^TAQ=B\) 且 Q 正交 ⇒ A、B 相似 ⇒ 迹、行列式相同:\(a+b=5\),\(ab-4=0\),又 \(a\ge b\) ⇒ a = 4,b = 1。

(II) A、B 的特征值都是 0 和 5。分别求单位特征向量:

\[A:\ \lambda=0\to\tfrac1{\sqrt5}(2,1)^T,\ \lambda=5\to\tfrac1{\sqrt5}(1,-2)^T;\qquad B:\ \lambda=0\to\tfrac1{\sqrt5}(1,-2)^T,\ \lambda=5\to\tfrac1{\sqrt5}(2,1)^T.\]

\(Q_1^TAQ_1=\Lambda=Q_2^TBQ_2\Rightarrow B=(Q_1Q_2^T)^TA(Q_1Q_2^T)\),取

\[Q=Q_1Q_2^T=\frac15\begin{pmatrix}2&1\\1&-2\end{pmatrix}\begin{pmatrix}1&-2\\2&1\end{pmatrix}=\frac15\begin{pmatrix}4&-3\\-3&-4\end{pmatrix}.\]

(已验算 \(Q^TAQ=B\)。与例 21 是同一个套路:两边都化到同一个对角阵再拼接。)

例 25(2022 年第 21 题)\(f(x_1,x_2,x_3)=\sum_{i=1}^3\sum_{j=1}^3ij\,x_ix_j\)。(1) 写出 f 的矩阵;(2) 求正交变换 \(x=Qy\) 将 f 化为标准形;(3) 求 \(f=0\) 的解。

解答

(1) \(a_{ij}=ij\),\(A=\begin{pmatrix}1&2&3\\2&4&6\\3&6&9\end{pmatrix}=\alpha\alpha^T\),\(\alpha=(1,2,3)^T\),即 \(f=(x_1+2x_2+3x_3)^2\)。

(2) 秩 1:特征值 \(\operatorname{tr}A=14\)(特征向量 α)和 0, 0(特征向量 ⊥ α)。取 \(\xi_1=(2,-1,0)^T\),\(\xi_2=(3,0,-1)^T\),正交化:\(\beta_2=\xi_2-\frac65\xi_1=\frac15(3,6,-5)^T\)。

\[Q=\left(\tfrac{1}{\sqrt5}(2,-1,0)^T,\ \tfrac{1}{\sqrt{70}}(3,6,-5)^T,\ \tfrac{1}{\sqrt{14}}(1,2,3)^T\right),\qquad f=14y_3^2.\]

(3) \(f=(x_1+2x_2+3x_3)^2=0\iff x_1+2x_2+3x_3=0\),解为 \(x=k_1(2,-1,0)^T+k_2(3,0,-1)^T\)。

四、方法 2:配方法

#
情形
做法
1
有平方项(如含 \(x_1^2\))
把所有含 \(x_1\) 的项集中配成 \(a(x_1+\cdots)^2\),剩下的不再含 \(x_1\),对余下变量重复
2
没有平方项(只有交叉项)
先令 \(x_1=y_1+y_2,\ x_2=y_1-y_2,\ x_3=y_3\),\(2x_1x_2\) 就变成 \(2y_1^2-2y_2^2\),回到情形 1
3
写变换
令每个括号为新变量;必须检查变换矩阵可逆(括号个数不足时用剩下的 \(x_i\) 补齐)

例 26(2023 年第 21 题)\(f=x_1^2+2x_2^2+2x_3^2+2x_1x_2-2x_1x_3\),\(g=y_1^2+y_2^2+y_3^2+2y_2y_3\)。(1) 求可逆变换 \(x=Py\) 将 f 化成 g;(2) 是否存在正交变换 \(x=Qy\) 将 f 化成 g?

解答

(1) 两边都配方:

\[f=(x_1+x_2-x_3)^2+(x_2+x_3)^2,\qquad g=y_1^2+(y_2+y_3)^2.\]

让对应括号相等:\(x_1+x_2-x_3=y_1\),\(x_2+x_3=y_2+y_3\),再补一个 \(x_3=y_3\) 保证可逆。解得 \(x_3=y_3,\ x_2=y_2,\ x_1=y_1-y_2+y_3\):

\[P=\begin{pmatrix}1&-1&1\\0&1&0\\0&0&1\end{pmatrix},\quad |P|=1\ne0.\]

(已验算 \(P^TA_fP=A_g\)。)

(2) 正交变换下 \(Q^TA_fQ=Q^{-1}A_fQ=A_g\),即相似,必须特征值相同。但 \(\operatorname{tr}A_f=5\ne\operatorname{tr}A_g=3\)(实际上 f 的特征值 0, 2, 3,g 的特征值 0, 1, 2),所以不存在。

结论:可逆变换只要求合同(p、q 相同);正交变换要求相似(特征值相同)。

例 27(2021 年第 5 题)\(f=(x_1+x_2)^2+(x_2+x_3)^2-(x_3-x_1)^2\) 的正、负惯性指数依次为( )。
A. 2, 0 B. 1, 1 C. 2, 1 D. 1, 2

答案与解析

陷阱:直接令 \(y_1=x_1+x_2,\ y_2=x_2+x_3,\ y_3=x_3-x_1\) 得“2 正 1 负”选 C——错!这个变换的矩阵 \(\begin{pmatrix}1&1&0\\0&1&1\\-1&0&1\end{pmatrix}\) 行列式为 0,不可逆,惯性定理不适用。

正确做法:展开 \(f=2x_2^2+2x_1x_2+2x_1x_3+2x_2x_3\),矩阵的特征多项式 \(\lambda(\lambda-3)(\lambda+1)\),特征值 3, −1, 0 ⇒ p = 1,q = 1,选 B。

五、正定

n 元实二次型 \(f=x^TAx\) 正定的充要条件必要条件(用来排除)
① 对任意 x ≠ 0,\(x^TAx>0\)(定义)\(a_{ii}>0\)(对角元全正)
② 特征值全部 > 0\(|A|>0\)
③ 正惯性指数 p = n
④ A 与 E 合同:存在可逆 C 使 \(A=C^TC\)
⑤ 顺序主子式全部 > 0

性质:A 正定 ⇒ \(A^{-1}\)、\(A^*\)、\(A^k\)、\(kA\ (k>0)\) 都正定;A、B 正定 ⇒ A + B 正定;\(A_{m\times n}\) 列满秩 ⇔ \(A^TA\) 正定。

例 28 t 取何值时 \(f=x_1^2+x_2^2+5x_3^2+2tx_1x_2-2x_1x_3+4x_2x_3\) 正定?

解答
\[A=\begin{pmatrix}1&t&-1\\t&1&2\\-1&2&5\end{pmatrix},\quad \Delta_1=1>0,\quad \Delta_2=1-t^2>0,\quad \Delta_3=|A|=-5t^2-4t>0.\]

\(-5t^2-4t>0\iff t(5t+4)<0\iff-\frac45<t<0\),与 \(|t|<1\) 取交集:\(-\frac45<t<0\)。

例 29(2024 年第 15 题)\(A=\begin{pmatrix}a+1&a\\a&a\end{pmatrix}\),若对任意实向量 α, β 都有 \((\alpha^TA\beta)^2\le(\alpha^TA\alpha)(\beta^TA\beta)\),求 a 的范围。

解答

若 A 不定(有正有负特征值),取 \(\alpha^TA\alpha>0>\beta^TA\beta\),右边为负、左边 ≥ 0,不等式失败。所以 A 只能半正定或半负定。半负定要 \(a+1\le0\) 且 \(|A|=a\ge0\),矛盾;半正定要 \(a+1\ge0,\ a\ge0,\ |A|=a\ge0\) ⇒ \(a\ge0\)。此时 \(\langle\alpha,\beta\rangle=\alpha^TA\beta\) 是半正定“内积”,Cauchy–Schwarz 成立。

六、二次曲面(数一)

\(f(x)=1\) 的图形由特征值符号决定(正交变换不改变形状):

特征值符号+ + ++ + −+ − −+ + 0+ − 0+ 0 0
f = 1 的曲面椭球面单叶双曲面双叶双曲面椭圆柱面双曲柱面两张平行平面

2026 年第 7 题:\(f=a(x_1^2+x_2^2+x_3^2)+4(x_1x_2+x_1x_3+x_2x_3)\),矩阵特征值为 \(a+4\)(单)和 \(a-2\)(二重)。\(f=-1\) 表示圆柱面需要一个 0 特征值、另两个相等且同号(为负):\(a=-4\),特征值 0, −6, −6,标准形 \(-6y_1^2-6y_2^2\)。

  • 交叉项系数要除以 2 才放进矩阵。
  • 配方时新变量必须构成可逆变换,否则惯性指数会算错(2021 年考点)。
  • 正定判别用顺序主子式;“\(|A|>0\)”只是必要条件。
  • 正交变换要求特征值相同(相似),可逆变换只要求惯性指数相同(合同)。
10
实战

真题精讲与自测

★★★★★ 收口 2019–2026 真题

近年线代解答题全部在本页讲过(下表)。这里补上 2024、2025 两道,再给一份选择填空速查和自测。右侧“真题与自测”按钮打开可作答的选择题题库。

一、解答题索引

年份题目核心方法位置
2019 · 20基、坐标、过渡矩阵解方程组;“从 A 到 B”即 B = AC例 12
2019 · 21两矩阵相似求参数与 P迹 + 行列式;都对角化到同一 Λ例 21
2020 · 20正交变换下二次型求参数与 Q正交相似 ⇒ 特征值相同;Q = Q₁Q₂ᵀ例 24
2020 · 21P = (α, Aα) 的相似分列视角写 AP例 22
2021 · 21正交对角化 + 矩阵开平方秩 1 拆分;对特征值开方例 23
2022 · 21二次型 Σ ij xᵢxⱼ秩 1 矩阵 αα^T例 25
2023 · 21可逆变换 / 正交变换化 f 为 g配方;比较特征值例 26
2024 · 21递推数列 → \(A^n\)对角化 \(A^n=P\Lambda^nP^{-1}\)下方 ①
2025 · 21特征多项式有重根;求 α, β因式提取;\((A-E)^2=O\)下方 ②

二、解答题答题模板(特征值类)

#
步骤
写在卷面上的内容
1
写出特征多项式并因式分解(写出提公因子的那一步)
得分点:特征值
2
对每个特征值写 \((\lambda E-A)\) 并化行最简,写出基础解系
得分点:特征向量
3
说明能否对角化的理由(互异 / 重根处 r(λE − A) = n − k / 实对称)
得分点:判断依据
4
写 P(或正交化、单位化后的 Q)与 Λ,注明顺序对应
得分点:结论
5
需要 \(A^n\)、反求 A、开方时:\(A=P\Lambda P^{-1}\) 代入
得分点:最终答案

① 2024 年第 21 题 数列满足 \(x_0=-1,\ y_0=0,\ z_0=2\),且 \(\begin{cases}x_n=-2x_{n-1}+2z_{n-1}\\y_n=-2y_{n-1}-2z_{n-1}\\z_n=-6x_{n-1}-3y_{n-1}+3z_{n-1}\end{cases}\)。记 \(\alpha_n=(x_n,y_n,z_n)^T\),写出满足 \(\alpha_n=A\alpha_{n-1}\) 的矩阵 A,并求 \(A^n\) 及 \(x_n,y_n,z_n\)。

解答

写矩阵(每个方程的系数是一行):\(A=\begin{pmatrix}-2&0&2\\0&-2&-2\\-6&-3&3\end{pmatrix}\),\(\alpha_n=A^n\alpha_0\)。

特征值:\(|\lambda E-A|=\lambda^3+\lambda^2-2\lambda=\lambda(\lambda+2)(\lambda-1)\),得 \(-2,0,1\)(互异,可对角化)。验算:迹 \(-2+0+1=-1=\operatorname{tr}A\)。

特征向量:\(\lambda=-2:\ (1,-2,0)^T\);\(\lambda=0:\ (1,-1,1)^T\);\(\lambda=1:\ (2,-2,3)^T\)。

\[P=\begin{pmatrix}1&1&2\\-2&-1&-2\\0&1&3\end{pmatrix},\quad P^{-1}=\begin{pmatrix}-1&-1&0\\6&3&-2\\-2&-1&1\end{pmatrix},\quad A^n=P\begin{pmatrix}(-2)^n&&\\&0&\\&&1\end{pmatrix}P^{-1}\ (n\ge1).\]
\[A^n=(-2)^n\begin{pmatrix}-1&-1&0\\2&2&0\\0&0&0\end{pmatrix}+\begin{pmatrix}-4&-2&2\\4&2&-2\\-6&-3&3\end{pmatrix}\quad(n\ge1).\]

代 n = 1 恰好得 A(可验算)。最后

\[\alpha_n=A^n\alpha_0=(-2)^n\begin{pmatrix}1\\-2\\0\end{pmatrix}+\begin{pmatrix}8\\-8\\12\end{pmatrix}\Rightarrow x_n=8+(-2)^n,\ \ y_n=-8-2(-2)^n,\ \ z_n=12.\]

检验 n = 1:\((6,-4,12)\),与递推直接算出的一致。

② 2025 年第 21 题 \(A=\begin{pmatrix}0&-1&2\\-1&0&2\\-1&-1&a\end{pmatrix}\),已知 1 是 A 的特征多项式的重根。(1) 求 a;(2) 求所有满足 \(A\alpha=\alpha+\beta,\ A^2\alpha=\alpha+2\beta\) 的非零列向量 α, β。

解答

(1) 先用倍加造公因子(第 1 行减第 2 行,提出 \(1-\lambda\)):

\[|A-\lambda E|=(1-\lambda)\big[(\lambda-a)(\lambda+1)+4\big].\]

1 是重根 ⇒ 方括号在 λ = 1 处也为 0:\((1-a)\cdot2+4=0\Rightarrow a=3\)。此时 \(|\lambda E-A|=(\lambda-1)^3\),1 是三重根。

(2) 由第一式 \(\beta=(A-E)\alpha\)。代入第二式:\((A^2-E)\alpha=2(A-E)\alpha\),即 \((A-E)(A+E-2E)\alpha=(A-E)^2\alpha=0\)。而

\[A-E=\begin{pmatrix}-1&-1&2\\-1&-1&2\\-1&-1&2\end{pmatrix}=\begin{pmatrix}1\\1\\1\end{pmatrix}(-1,-1,2),\qquad \operatorname{tr}(A-E)=0\Rightarrow (A-E)^2=O.\]

所以第二式对任意 α 自动成立,唯一的限制是 β 也要非零:设 \(\alpha=(a_1,a_2,a_3)^T\),

\[\beta=(A-E)\alpha=(2a_3-a_1-a_2)\begin{pmatrix}1\\1\\1\end{pmatrix},\qquad\text{要求 }a_1+a_2\ne2a_3.\]

(满足此条件的 α 自然非零。有的资料写成“\(a_1a_2a_3\ne0\)”,那是错的。)这里也能看出 A 不可对角化:三重特征值 1,但 \(r(E-A)=1\),只有 2 个无关特征向量。

三、选择填空真题速查

1. 2019 · 13 \(A=(\alpha_1,\alpha_2,\alpha_3)\),\(\alpha_1,\alpha_2\) 无关,\(\alpha_3=-\alpha_1+2\alpha_2\),求 \(Ax=0\) 的通解。

\(r(A)=2\),基础解系 1 个向量。\(-\alpha_1+2\alpha_2-\alpha_3=0\) 说明 \((-1,2,-1)^T\) 是解,通解 \(x=k(1,-2,1)^T\)。

2. 2020 · 13 \(\begin{vmatrix}a&0&-1&1\\0&a&1&-1\\-1&1&a&0\\1&-1&0&a\end{vmatrix}\)

\(a^4-4a^2\)(见例 1)。

3. 2021 · 15 每行和为 2,|A| = 3,求 \(A_{11}+A_{21}+A_{31}\)。

\(\frac32\)(见例 3)。

4. 2023 · 5 ABC = O 时三个分块矩阵的秩

\(r_1\le r_3\le r_2\)(见例 9)。

5. 2025 · 6 \(\alpha_1,\alpha_2\) 无关,\(\alpha_1,\alpha_2,\alpha_3\) 相关,\(\alpha_1+\alpha_2+\alpha_4=0\),方程组 \(x\alpha_1+y\alpha_2+z\alpha_3=\alpha_4\) 的图形

系数矩阵秩 2 且有解(\(\alpha_4=-\alpha_1-\alpha_2\)),解集是 1 维的直线;原点不是解(\(\alpha_4\ne0\)),所以是不过原点的直线。

6. 2025 · 7 \(r(A)+r(B)+r(C)=r(ABC)+2n\)

两次 Sylvester 不等式相加恰为题设,所以两次都取等号:\(r(AB)+n=r(A)+r(B)\),\(r(ABC)+n=r(AB)+r(C)\)。

7. 2026 · 6 A 的列可由 B 的列表示,则( )

列空间 \(\mathrm{Col}(A)\subseteq\mathrm{Col}(B)\):\(Ax=\beta\) 有解 ⇒ \(Bx=\beta\) 有解。

四、自测

1. n 阶矩阵 A 满足 \(A^2=A\),且 r(A) = r。求 \(|A+E|\)。

特征值只能是 0、1;A 实际可对角化(\(r(A)+r(A-E)=n\)),1 有 r 个、0 有 n − r 个。\(A+E\) 的特征值为 2(r 个)、1(n − r 个),\(|A+E|=2^r\)。

2. 3 阶矩阵 A 的特征值为 1, −1, 2,求 \(|A^2-2A+E|\) 和 \(\operatorname{tr}(A^{-1})\)。

\(f(\lambda)=(\lambda-1)^2\):0, 4, 1,行列式 0。\(A^{-1}\) 特征值 1, −1, ½,迹 \(\frac12\)。

3. \(A=\alpha\beta^T\),\(\alpha=(1,-1,2)^T,\ \beta=(2,1,1)^T\)。求 \(A^{10}\) 和 A 的特征值。

\(\beta^T\alpha=2-1+2=3\)。\(A^{10}=3^9A\);特征值 3, 0, 0。

4. 4 元非齐次方程组 Ax = b 的系数矩阵秩为 3,\(\eta_1,\eta_2,\eta_3\) 是它的三个解,\(\eta_1=(2,3,4,5)^T\),\(\eta_2+\eta_3=(1,2,3,4)^T\),求通解。

基础解系含 4 − 3 = 1 个向量。\(2\eta_1-(\eta_2+\eta_3)=(\eta_1-\eta_2)+(\eta_1-\eta_3)\) 是齐次解(系数和 2 − 1 − 1 = 0),等于 \((3,4,5,6)^T\ne0\)。通解 \(x=(2,3,4,5)^T+k(3,4,5,6)^T\)。

5. A 为 3 阶实对称矩阵,特征值 1, 1, −2,\((1,1,1)^T\) 是 −2 的特征向量。求 A。

捷径:\(A=1\cdot E+(-2-1)\frac{\xi\xi^T}{3}=E-\xi\xi^T=\begin{pmatrix}0&-1&-1\\-1&0&-1\\-1&-1&0\end{pmatrix}\)。

6. 二次型 \(f=x_1^2+4x_2^2+4x_3^2+2tx_1x_2-2x_1x_3+4x_2x_3\) 正定,求 t。

\(\Delta_2=4-t^2>0\),\(\Delta_3=-4(t-1)(t+2)>0\Rightarrow-2<t<1\)。

7. A、B 都是 n 阶正定矩阵,AB 一定正定吗?

不一定——AB 甚至可能不对称。但 AB 的特征值都为正(AB 与 \(A^{1/2}BA^{1/2}\) 相似)。

8. “A 与 B 有相同的特征多项式”能推出 A 与 B 合同吗?

对实对称矩阵:能(特征值同 ⇒ 正负个数同)。一般矩阵谈“合同”通常只对对称矩阵讨论。