1. 矩阵的基础运算从加减乘除到高阶操作第一次接触矩阵运算时我完全被那些排列整齐的数字方阵搞晕了。直到后来发现矩阵其实就是把数字按照特定规则打包处理的高级计算器。考研中最常考的矩阵加法就像小学生算术的升级版——两个相同尺寸的矩阵对应位置数字相加比如2×2矩阵AB就是把a₁₁b₁₁放在新矩阵左上角a₁₂b₁₂放在右上角以此类推。但矩阵乘法才是真正的分水岭。记得我当初犯过的经典错误把[1,2;3,4]和[5,6;7,8]直接对应位置相乘。实际上应该用行乘列法则——左边矩阵的行向量与右边矩阵的列向量做点积。这个操作有个反直觉的特性AB≠BA是常态。我习惯用便利贴把乘法步骤拆解黄色便利贴沿着左边矩阵的行移动粉色便利贴沿着右边矩阵的列滑动每次重叠部分就计算点积。转置运算(AT)像是给矩阵照镜子把第i行第j列元素搬到第j行第i列。有个实用记忆法想象把矩阵像纸片一样沿着主对角线从左上到右下的对角线翻转。考研真题里常结合转置考察对称矩阵AAT的性质这类矩阵在二次型中特别重要。2. 矩阵的逆与行列式解开方程组的钥匙求逆矩阵(A⁻¹)就像找矩阵的倒数但只有方阵且行列式不为零时才存在。我总结的实用判断口诀行列式为零不可逆满秩矩阵才有戏。考研中最常用的求逆方法是伴随矩阵法先求所有元素的代数余子式转置后得到伴随矩阵再除以行列式|A|。具体操作时对于2×2矩阵[a,b;c,d]逆矩阵公式直接记作(1/(ad-bc))[d,-b;-c,a]。这个特例在考试中能节省大量时间。记得某次模考我就用这个公式5秒解出了别人花10分钟计算的题目。行列式|A|是方阵的专属特征值计算n阶行列式可以用展开定理任选一行(列)每个元素乘对应的代数余子式后加减。对于3阶以上矩阵我推荐先用初等行变换化简为上三角矩阵然后对角线元素相乘就是行列式值。这个方法在2019年真题中直接解决了一道15分大题。3. 矩阵的秩线性关系的探测器矩阵的秩(rank)揭示了其内在的线性独立程度。我最开始总把秩和行列式搞混后来用楼梯比喻就明白了把矩阵通过初等变换化成行阶梯形后非零行的数量就是秩。考研中常用到的性质是rank(A)≤min(m,n)且rank(AB)≤min(rank(A),rank(B))。判断向量组线性相关性时我发明了个纸牌游戏法把向量作为列排成矩阵如果通过行变换能消去某列相当于抽走这张牌而不影响游戏这列就是冗余的。2018年真题有道题用这个方法30秒就能确定答案。满秩矩阵在解方程组时有特殊意义。当系数矩阵是n×n方阵且秩为n时方程组有唯一解。这个原理在2021年考研中结合特征值考了道综合题很多考生因为没理清秩与解的关系而失分。4. 特征值与特征向量矩阵的DNA特征值λ和特征向量v满足Avλv这组关系就像是矩阵的遗传密码。计算时先解特征方程|A-λI|0对于2×2矩阵特征多项式直接记作λ²-tr(A)λ|A|0其中tr(A)是矩阵迹对角线元素和。考研真题中常需要估计特征值范围我总结的圆盘定理很实用每个特征值都落在以对角线元素aᵢᵢ为圆心∑|aᵢⱼ|(j≠i)为半径的圆盘内。这个技巧在2020年选择题中快速排除了两个错误选项。实对称矩阵的特征向量有正交性这个性质在二次型标准化中至关重要。我备考时总在笔记本右侧专门留一栏记录各类矩阵的特征值特性比如上三角矩阵的特征值就是对角线元素这个规律帮我多次快速验证计算结果。5. 矩阵在考研真题中的核心应用线性方程组求解是矩阵运算的集大成者。将增广矩阵[A|b]通过初等行变换化为行最简形考研中90%的方程组题都能这样解决。特别要注意的是当rank(A)rank([A|b])n时方程组有无穷多解通解结构是特解加齐次解的组合。在二次型标准化问题上我开发了三步法1)写出对称矩阵A2)求特征值和正交矩阵P3)作变换xPy得到标准形。这个方法在近5年真题中适用率100%。记得用主轴定理判断二次曲面类型时正负惯性指数就是标准形中正负系数的个数。最近三年考研越来越注重矩阵分解的应用特别是LU分解解方程组。我的考场技巧是对系数矩阵A做高斯消元记录行变换的逆矩阵就是L得到的上三角矩阵就是U。这个分解在求解多个同系数不同右端的方程组时效率极高。
考研线性代数手写笔记2：矩阵的运算、性质与核心应用
1. 矩阵的基础运算从加减乘除到高阶操作第一次接触矩阵运算时我完全被那些排列整齐的数字方阵搞晕了。直到后来发现矩阵其实就是把数字按照特定规则打包处理的高级计算器。考研中最常考的矩阵加法就像小学生算术的升级版——两个相同尺寸的矩阵对应位置数字相加比如2×2矩阵AB就是把a₁₁b₁₁放在新矩阵左上角a₁₂b₁₂放在右上角以此类推。但矩阵乘法才是真正的分水岭。记得我当初犯过的经典错误把[1,2;3,4]和[5,6;7,8]直接对应位置相乘。实际上应该用行乘列法则——左边矩阵的行向量与右边矩阵的列向量做点积。这个操作有个反直觉的特性AB≠BA是常态。我习惯用便利贴把乘法步骤拆解黄色便利贴沿着左边矩阵的行移动粉色便利贴沿着右边矩阵的列滑动每次重叠部分就计算点积。转置运算(AT)像是给矩阵照镜子把第i行第j列元素搬到第j行第i列。有个实用记忆法想象把矩阵像纸片一样沿着主对角线从左上到右下的对角线翻转。考研真题里常结合转置考察对称矩阵AAT的性质这类矩阵在二次型中特别重要。2. 矩阵的逆与行列式解开方程组的钥匙求逆矩阵(A⁻¹)就像找矩阵的倒数但只有方阵且行列式不为零时才存在。我总结的实用判断口诀行列式为零不可逆满秩矩阵才有戏。考研中最常用的求逆方法是伴随矩阵法先求所有元素的代数余子式转置后得到伴随矩阵再除以行列式|A|。具体操作时对于2×2矩阵[a,b;c,d]逆矩阵公式直接记作(1/(ad-bc))[d,-b;-c,a]。这个特例在考试中能节省大量时间。记得某次模考我就用这个公式5秒解出了别人花10分钟计算的题目。行列式|A|是方阵的专属特征值计算n阶行列式可以用展开定理任选一行(列)每个元素乘对应的代数余子式后加减。对于3阶以上矩阵我推荐先用初等行变换化简为上三角矩阵然后对角线元素相乘就是行列式值。这个方法在2019年真题中直接解决了一道15分大题。3. 矩阵的秩线性关系的探测器矩阵的秩(rank)揭示了其内在的线性独立程度。我最开始总把秩和行列式搞混后来用楼梯比喻就明白了把矩阵通过初等变换化成行阶梯形后非零行的数量就是秩。考研中常用到的性质是rank(A)≤min(m,n)且rank(AB)≤min(rank(A),rank(B))。判断向量组线性相关性时我发明了个纸牌游戏法把向量作为列排成矩阵如果通过行变换能消去某列相当于抽走这张牌而不影响游戏这列就是冗余的。2018年真题有道题用这个方法30秒就能确定答案。满秩矩阵在解方程组时有特殊意义。当系数矩阵是n×n方阵且秩为n时方程组有唯一解。这个原理在2021年考研中结合特征值考了道综合题很多考生因为没理清秩与解的关系而失分。4. 特征值与特征向量矩阵的DNA特征值λ和特征向量v满足Avλv这组关系就像是矩阵的遗传密码。计算时先解特征方程|A-λI|0对于2×2矩阵特征多项式直接记作λ²-tr(A)λ|A|0其中tr(A)是矩阵迹对角线元素和。考研真题中常需要估计特征值范围我总结的圆盘定理很实用每个特征值都落在以对角线元素aᵢᵢ为圆心∑|aᵢⱼ|(j≠i)为半径的圆盘内。这个技巧在2020年选择题中快速排除了两个错误选项。实对称矩阵的特征向量有正交性这个性质在二次型标准化中至关重要。我备考时总在笔记本右侧专门留一栏记录各类矩阵的特征值特性比如上三角矩阵的特征值就是对角线元素这个规律帮我多次快速验证计算结果。5. 矩阵在考研真题中的核心应用线性方程组求解是矩阵运算的集大成者。将增广矩阵[A|b]通过初等行变换化为行最简形考研中90%的方程组题都能这样解决。特别要注意的是当rank(A)rank([A|b])n时方程组有无穷多解通解结构是特解加齐次解的组合。在二次型标准化问题上我开发了三步法1)写出对称矩阵A2)求特征值和正交矩阵P3)作变换xPy得到标准形。这个方法在近5年真题中适用率100%。记得用主轴定理判断二次曲面类型时正负惯性指数就是标准形中正负系数的个数。最近三年考研越来越注重矩阵分解的应用特别是LU分解解方程组。我的考场技巧是对系数矩阵A做高斯消元记录行变换的逆矩阵就是L得到的上三角矩阵就是U。这个分解在求解多个同系数不同右端的方程组时效率极高。
