考频地图与大纲
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。
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
行列式:定义、性质与计算
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。
一、定义:n! 项,每项“每行每列各取一个”
\(\tau\) 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”
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。
四、计算方法:看到什么 → 怎么做
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 \((a,0,0,0)\):
(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:
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:
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 \(A^{-1}\):\((2A)^{-1}=\frac12A^{-1}\),\(A^*=|A|A^{-1}=\frac12A^{-1}\)。
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。
矩阵运算、逆矩阵、伴随与初等变换
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 \(A^2=O\Rightarrow A=O\) |
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
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:
| 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
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
| 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 \(E(i,j)\)、\(E(i(k))\)、\(E(ij(k))\)。
| 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。
矩阵的秩与分块矩阵
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:
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,\(\begin{vmatrix}A&B\\C&D\end{vmatrix}\ne|A||D|-|B||C|\)。
向量组:线性表示、线性相关、秩
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”)。
二、六条定理(选择题高频)
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)。
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 \(x_1\alpha_1+x_2\alpha_2-y_1\beta_1-y_2\beta_2=0\):
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。
向量空间、过渡矩阵与正交化
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
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:
(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:
(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
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
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。\(k=\frac{(\alpha_2,\beta_1)}{(\beta_1,\beta_1)}=\frac22=1\),\(\beta_2=(0,2,0)^T\)。
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
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。
线性方程组:判定、结构与求解
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:
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 ⇔ \(\sum k_i=0\) |
三、求解步骤
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 \(c_2+2c_3\)):
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。
特征值与特征向量
\(A\xi=\lambda\xi\ (\xi\ne0)\):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
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 | A | kA | \(A^k\) | f(A) | \(A^{-1}\) | \(A^*\) | \(A^T\) | \(P^{-1}AP\) |
|---|---|---|---|---|---|---|---|---|
| 特征值 | λ | kλ | \(\lambda^k\) | f(λ) | \(1/\lambda\) | \(|A|/\lambda\) | λ | λ |
| 特征向量 | ξ | ξ | ξ | ξ | ξ | ξ | 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 \(g(\lambda)=\frac{-6}{\lambda}+3\lambda+2\):
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。
相似对角化与实对称矩阵
\(P^{-1}AP=\Lambda\):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。
一、相似的必要条件(判“不相似”用)
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:
二、可对角化的条件
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:
(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:
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
“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:
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 |
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:
(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 \(C=2E-\frac{1}{3}\xi_3\xi_3^T\):
(已验算 \(C^2=(a+3)E-A\)。思路:对矩阵开平方 = 对特征值开平方。)
- 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。
二次型:标准形、惯性定理与正定
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
\(a_{ii}\) = \(x_i^2\) 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:
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)。
| 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:
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:
\(Q_1^TAQ_1=\Lambda=Q_2^TBQ_2\Rightarrow B=(Q_1Q_2^T)^TA(Q_1Q_2^T)\),取
(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:\(\beta_2=\xi_2-\frac65\xi_1=\frac15(3,6,-5)^T\)。
(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
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:
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 \(x_3=y_3,\ x_2=y_2,\ x_1=y_1-y_2+y_3\):
(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
\(-5t^2-4t>0\iff t(5t+4)<0\iff-\frac45<t<0\),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)。
真题精讲与自测
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 · 21 | P = (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)
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:\(\lambda=-2:\ (1,-2,0)^T\);\(\lambda=0:\ (1,-1,1)^T\);\(\lambda=1:\ (2,-2,3)^T\)。
代 n = 1 恰好得 A(可验算)。最后
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 \(1-\lambda\)):
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
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 \(\alpha=(a_1,a_2,a_3)^T\),
(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。