线性代数重点难点复习题集

线性代数重点难点复习题集第一章行列式：核心概念与计算技巧一、重点难点梳理1.基本定义：n阶行列式的展开式（逆序数定义）、余子式与代数余子式（\(A_{ij}=(-1)^{i+j}M_{ij}\)）。2.核心性质：换行/列符号改变、某行/列乘k加到另一行/列行列式不变、提公因子、转置行列式不变。3.特殊行列式：对角/三角行列式（主对角线元素乘积）、范德蒙德行列式（\(\prod_{1\leqi<j\leqn}(a_j-a_i)\)）、分块行列式（对角分块矩阵的行列式为各块行列式乘积）。4.抽象行列式：结合矩阵运算（逆、伴随、相似）的行列式计算（如\(|A^*|=|A|^{n-1}\)、\(|P^{-1}AP|=|A|\)）。二、典型例题解析例题1：抽象行列式计算已知A为n阶可逆矩阵，\(|A|=2\)，求\(|2A^{-1}+3A^*|\)。解析：利用伴随矩阵与逆矩阵的关系\(A^*=|A|A^{-1}=2A^{-1}\)，代入得：\[2A^{-1}+3A^*=2A^{-1}+6A^{-1}=8A^{-1}=8^nA^{-1}\]注：关键在于将伴随矩阵转化为逆矩阵，利用行列式数乘性质（\(|kA|=k^n|A|\)）。例题2：范德蒙德行列式应用计算行列式\(D=\begin{vmatrix}1&1&1\\a&b&c\\a^2&b^2&c^2\end{vmatrix}\)，并求其值为0的条件。解析：该行列式为范德蒙德行列式，值为\((b-a)(c-a)(c-b)\)。当\(a=b\)或\(a=c\)或\(b=c\)时，\(D=0\)。注：范德蒙德行列式是判断向量组线性相关性的重要工具（如向量组\((1,a,a^2)^T\)线性无关当且仅当\(a\)互不相等）。三、解题技巧总结化简优先：用性质将行列式化为三角或对角形式，再计算主对角线乘积。展开定理：选择零元素多的行/列展开，减少计算量。抽象行列式：利用矩阵运算性质（如\(|AB|=|A||B|\)、\(|A^{-1}|=1/|A|\)）转化为已知行列式。第二章矩阵：运算与秩的分析一、重点难点梳理1.基本运算：矩阵乘法（不交换、结合律）、转置（\((AB)^T=B^TA^T\)）、逆矩阵（\(AB=E\RightarrowB=A^{-1}\)）。2.矩阵的秩：定义（阶梯形矩阵非零行数目）、性质（\(r(AB)\leq\min(r(A),r(B))\)、\(r(A^T)=r(A)\)、\(r(A+B)\leqr(A)+r(B)\)）。3.逆矩阵求法：初等变换法（\([A|E]\to[E|A^{-1}]\)）、伴随矩阵法（\(A^{-1}=\frac{1}{|A|}A^*\)，适用于低阶矩阵）。4.分块矩阵：对角分块矩阵的逆（\(\begin{pmatrix}A&0\\0&B\end{pmatrix}^{-1}=\begin{pmatrix}A^{-1}&0\\0&B^{-1}\end{pmatrix}\)）、三角分块矩阵的逆（需用公式推导）。二、典型例题解析例题1：初等变换法求逆矩阵求矩阵\(A=\begin{pmatrix}1&2&3\\2&2&1\\3&4&3\end{pmatrix}\)的逆矩阵。解析：构造增广矩阵\([A|E]\)，进行初等行变换：\[\begin{pmatrix}1&2&3&1&0&0\\2&2&1&0&1&0\\3&4&3&0&0&1\end{pmatrix}\to\begin{pmatrix}1&0&0&1&3&-2\\0&1&0&-3/2&-3&5/2\\0&0&1&1&1&-1\end{pmatrix},\]故\(A^{-1}=\begin{pmatrix}1&3&-2\\-3/2&-3&5/2\\1&1&-1\end{pmatrix}\)。注：初等变换法是求逆矩阵的最有效方法，尤其适用于高阶矩阵。例题2：矩阵秩的不等式应用已知\(A\)为\(m\timesn\)矩阵，\(B\)为\(n\timesp\)矩阵，且\(AB=0\)，证明\(r(A)+r(B)\leqn\)。解析：将\(B\)按列分块\(B=(\beta_1,\beta_2,\dots,\beta_p)\)，则\(AB=(A\beta_1,\dots,A\beta_p)=0\)，故每个\(\beta_i\)都是\(Ax=0\)的解。\(Ax=0\)的解空间维数为\(n-r(A)\)，因此\(r(B)\leqn-r(A)\)，即\(r(A)+r(B)\leqn\)。注：该结论是矩阵秩的核心不等式，常用于证明题。三、解题技巧总结逆矩阵：优先用初等变换法，避免伴随矩阵法的大量计算。矩阵秩：通过初等行变换化为阶梯形，非零行数目即为秩；抽象矩阵的秩常用不等式（如\(r(AB)\leq\min(r(A),r(B))\)）。分块矩阵：对角分块矩阵的逆最易计算，三角分块矩阵需注意逆矩阵的结构。第二章向量组：线性相关性与秩一、重点难点梳理1.线性组合与表示：向量\(\beta\)可由\(\alpha_1,\dots,\alpha_m\)线性表示\(\Leftrightarrowr(\alpha_1,\dots,\alpha_m)=r(\alpha_1,\dots,\alpha_m,\beta)\)。2.线性相关/无关：定义：存在不全为零的数\(k_1,\dots,k_m\)，使得\(k_1\alpha_1+\dots+k_m\alpha_m=0\)（相关）；否则无关。判定：具体向量组（矩阵秩\(<m\)则相关）、抽象向量组（用定义或定理，如“含零向量必相关”“无关组延长后仍无关”）。3.极大线性无关组：向量组中线性无关且能表示所有向量的子组；求法（矩阵列向量组的极大无关组对应阶梯形主元列）。4.向量组的秩：极大无关组的向量个数，等于对应矩阵的秩。二、典型例题解析例题1：具体向量组的线性相关性判断向量组\(\alpha_1=(1,2,3)^T\)、\(\alpha_2=(2,4,6)^T\)、\(\alpha_3=(3,5,7)^T\)的线性相关性，并求极大无关组。解析：将向量组作为列向量组成矩阵\(A=\begin{pmatrix}1&2&3\\2&4&5\\3&6&7\end{pmatrix}\)，初等行变换得：\[A\to\begin{pmatrix}1&2&3\\0&0&-1\\0&0&-2\end{pmatrix}\to\begin{pmatrix}1&2&3\\0&0&1\\0&0&0\end{pmatrix}.\]\(r(A)=2<3\)，故向量组线性相关。主元列对应原向量\(\alpha_1,\alpha_3\)，故极大无关组为\(\{\alpha_1,\alpha_3\}\)（或\(\{\alpha_1,\alpha_2\}\)）。注：极大无关组不唯一，但秩唯一。例题2：抽象向量组的线性无关判定已知\(\alpha_1,\alpha_2,\alpha_3\)线性无关，证明\(\beta_1=\alpha_1+\alpha_2\)、\(\beta_2=\alpha_2+\alpha_3\)、\(\beta_3=\alpha_3+\alpha_1\)线性无关。解析：设\(k_1\beta_1+k_2\beta_2+k_3\beta_3=0\)，代入得：\[(k_1+k_3)\alpha_1+(k_1+k_2)\alpha_2+(k_2+k_3)\alpha_3=0.\]因\(\alpha_1,\alpha_2,\alpha_3\)无关，故系数全为零：\[\begin{cases}k_1+k_3=0,\\k_1+k_2=0,\\k_2+k_3=0.\end{cases}\]解得\(k_1=k_2=k_3=0\)，故\(\beta_1,\beta_2,\beta_3\)线性无关。注：抽象向量组的相关性判定需用定义，结合已知无关组的条件。三、解题技巧总结线性相关：具体向量组用矩阵秩判定（秩\(<\)向量个数则相关）；抽象向量组用定义或定理（如“若有一个向量可由其他表示，则相关”）。极大无关组：将向量组作为列向量组成矩阵，初等行变换为阶梯形，主元列对应原向量即为极大无关组。线性表示：通过增广矩阵秩判断（\(r(\alpha_1,\dots,\alpha_m)=r(\alpha_1,\dots,\alpha_m,\beta)\)则可表示）。第四章线性方程组：解的结构与求解一、重点难点梳理1.解的判定：齐次方程组\(Ax=0\)：必有解（零解）；非零解\(\Leftrightarrowr(A)<n\)。非齐次方程组\(Ax=b\)：有解\(\Leftrightarrowr(A)=r(\overline{A})\)（\(\overline{A}\)为增广矩阵）；唯一解\(\Leftrightarrowr(A)=r(\overline{A})=n\)；无穷多解\(\Leftrightarrowr(A)=r(\overline{A})<n\)。2.解的结构：齐次方程组：基础解系（线性无关的解，个数为\(n-r(A)\)）；通解为基础解系的线性组合。非齐次方程组：通解为特解+齐次方程组通解。3.求解方法：高斯消元法（将增广矩阵化为阶梯形，回代求解）。二、典型例题解析例题1：含参数方程组的解判定解方程组\(\begin{cases}x_1+x_2+x_3=1,\\x_1+2x_2+ax_3=2,\\x_1+4x_2+a^2x_3=4,\end{cases}\)讨论\(a\)的取值与解的关系。解析：构造增广矩阵\(\overline{A}=\begin{pmatrix}1&1&1&1\\1&2&a&2\\1&4&a^2&4\end{pmatrix}\)，初等行变换得：\[\overline{A}\to\begin{pmatrix}1&1&1&1\\0&1&a-1&1\\0&0&(a-1)(a-2)&0\end{pmatrix}.\]当\(a\neq1\)且\(a\neq2\)时，\(r(A)=r(\overline{A})=3\)，唯一解\(x=(0,1,0)^T\)。当\(a=1\)时，\(r(A)=r(\overline{A})=2\)，通解为\(x=(0,1,0)^T+k(-1,0,1)^T\)（\(k\in\mathbb{R}\)）。当\(a=2\)时，\(r(A)=r(\overline{A})=2\)，通解为\(x=(0,1,0)^T+k(0,-1,1)^T\)（\(k\in\mathbb{R}\)）。注：参数方程组需通过增广矩阵秩的变化分析解的情况。例题2：基础解系与通解求齐次方程组\(\begin{cases}x_1+x_2-x_3-x_4=0,\\2x_1-5x_2+3x_3+2x_4=0,\\7x_1-7x_2+3x_3+x_4=0\end{cases}\)的基础解系与通解。解析：系数矩阵\(A=\begin{pmatrix}1&1&-1&-1\\2&-5&3&2\\7&-7&3&1\end{pmatrix}\)，初等行变换得：\[A\to\begin{pmatrix}1&1&-1&-1\\0&-7&5&4\\0&0&0&0\end{pmatrix}.\]\(r(A)=2\)，基础解系个数为\(4-2=2\)。选自由变量\(x_3,x_4\)，令\((x_3,x_4)=(1,0)\)得\(\alpha_1=(2/7,5/7,1,0)^T\)；令\((x_3,x_4)=(0,1)\)得\(\alpha_2=(3/7,4/7,0,1)^T\)。通解为\(x=k_1\alpha_1+k_2\alpha_2\)（\(k_1,k_2\in\mathbb{R}\)）。注：基础解系的选取不唯一，但线性无关性必须满足。三、解题技巧总结解的判定：优先计算增广矩阵秩，比较\(r(A)\)与\(r(\overline{A})\)。基础解系：解齐次方程组时，选自由变量为非主元列对应的变量，令自由变量取单位向量，得到线性无关的解。通解：非齐次方程组的通解必须包含特解和齐次通解，缺一不可。第五章特征值与特征向量：相似对角化一、重点难点梳理1.基本定义：特征值（\(Ax=\lambdax\)，\(x\neq0\)）、特征向量（满足\(Ax=\lambdax\)的非零向量）。2.核心性质：特征值之和等于迹（\(\sum\lambda_i=\text{tr}(A)\)），乘积等于行列式（\(\prod\lambda_i=|A|\)）。不同特征值的特征向量线性无关；实对称矩阵的特征向量正交。3.相似对角化：条件：\(A\)有\(n\)个线性无关的特征向量（或重特征值的几何重数等于代数重数）。方法：求特征值→求特征向量→构造可逆矩阵\(P\)（特征向量组成），使得\(P^{-1}AP=\Lambda\)（对角矩阵，对角线为特征值）。4.实对称矩阵：必可正交相似对角化（特征向量正交化、单位化后构造正交矩阵\(Q\)，使得\(Q^TAQ=\Lambda\)）。二、典型例题解析例题1：特征值与特征向量计算求矩阵\(A=\begin{pmatrix}2&-1&1\\0&3&-1\\2&1&3\end{pmatrix}\)的特征值与特征向量，并判断是否可相似对角化。解析：特征方程\(|A-\lambdaE|=0\)展开得：\[A-\lambdaE\]故特征值\(\lambda_1=2\)（二重），\(\lambda_2=4\)（单根）。\(\lambda=2\)时，解\((A-2E)x=0\)，得特征向量\(\alpha_1=(-1,1,1)^T\)（几何重数1，代数重数2，不等）。\(\lambda=4\)时，解\((A-4E)x=0\)，得特征向量\(\alpha_2=(1,-1,1)^T\)（几何重数1）。\(A\)只有2个线性无关的特征向量，故不可相似对角化。注：重特征值的几何重数（特征空间维数）必须等于代数重数，否则不可对角化。例题2：实对称矩阵的正交相似对角化设\(A=\begin{pmatrix}1&2&2\\2&1&2\\2&2&1\end{pmatrix}\)，求正交矩阵\(Q\)，使得\(Q^TAQ\)为对角矩阵。解析：\(A=3J-2E\)（\(J\)为全1矩阵），\(J\)的特征值为3（一重）、0（二重），故\(A\)的特征值为\(7\)（一重）、\(-2\)（二重）。\(\lambda=7\)时，特征向量\(\alpha_1=(1,1,1)^T\)，单位化得\(q_1=(1/\sqrt{3},1/\sqrt{3},1/\sqrt{3})^T\)。\(\lambda=-2\)时，特征向量\(\alpha_2=(1,-1,0)^T\)、\(\alpha_3=(1,0,-1)^T\)，正交化（施密特正交化）后单位化得\(q_2=(1/\sqrt{2},-1/\sqrt{2},0)^T\)、\(q_3=(1/\sqrt{6},1/\sqrt{6},-2/\sqrt{6})^T\)。构造正交矩阵\(Q=(q_1,q_2,q_3)\)，则\(Q^TAQ=\begin{pmatrix}7&0&0\\0&-2&0\\0&0&-2\end{pmatrix}\)。注：实对称矩阵的特征向量正交，无需额外正交化；重特征值的特征向量需正交化。三、解题技巧总结特征值：低阶矩阵直接展开行列式；高阶矩阵用性质（如迹、行列式）或矩阵结构（如\(A=kJ+lE\)）。特征向量：解\((A-\lambdaE)x=0\)，基础解系即为特征向量；注意特征向量必须非零。相似对角化：优先判断重特征值的几何重数（\(\dimN(A-\lambdaE)=n-r(A-\lambdaE)\)），若等于代数重数，则可对角化。第六章二次型：标准化与正定判定一、重点难点梳理1.基本定义：二次型的矩阵表示（\(f(x)=x^TAx\)，\(A\)为对称矩阵）、合同变换（\(C^TAC=B\)，\(C\)可逆）。2.标准化方法：配方法：逐步配方消去交叉项（适用于任何二次型）。正交变换法：实二次型化为标准形（保持几何形状，标准形为特征值）。初等变换法：通过合同变换将\(A\)化为对角矩阵。3.惯性定理：标准形中正负惯性指数（正、负特征值个数）唯一，与变换无关。4.正定二次型：定义：\(x\neq0\)时\(x^TAx>0\)。判定：顺序主子式全正、特征值全正、合同于单位矩阵。二、典型例题解析例题1：配方法化二次型化二次型\(f(x_1,x_2,x_3)=x_1^2+2x_2^2+5x_3^2+2x_1x_2+2x_1x_3\)为标准形，并写出可逆线性变换。解析：按\(x_1\)配方：\[f=(x_1+x_2+x_3)^2+x_2^2+4x_3^2+4x_2x_3=(x_1+x_2+x_3)^2+(x_2+2x_3)^2.\]令\(y_1=x_1+x_2+x_3\)，\(y_2=x_2+2x_3\)，\(y_3=x_3\)，则可逆线性变换为：\[x_1=y_1-y_2+y_3,\quadx_2=y_2-2y_3,\quadx_3=y_3,\]标准形为\(f=y_1^2+y_2^2\)。注：配方法的关键是选择合适的变量顺序，逐步消去交叉项。例题2：正定二次型判定判断二次型\(f(x_1,x_2,x_3)=x_1^2+2x_2^2+3x_3^2+2x_1x_2+2x_1x_3\)是否正定。解析：二次型矩阵\(A=\begin{pmatrix}1&1&1\\1&2&0\\1&0&3\end{pmatrix}\)，计算顺序主子式：一阶：\(1>0\)；二阶：\(\begin{vmatrix}1&1\\1&2\end{vmatrix}=1>0\)；三阶：\(\begin{vmatrix}1&1&1\\1&2&0\\1&0&3\end{vmatrix}=1>0\)。所有顺序主子式全正，故\(f\)正定。注：顺序主子式法是判定具体二次型正定的最直接方法。三、解题技巧总结标准化：配方法适用于任何二次型，正交变换法适用于实二次型（需求特征值、特征向量）。正定判定：具体二次型用顺序主子式；抽象二次型用定义（\(x\neq0\)时\(x^TAx>0\)）或特征值（全正）。合同矩阵：惯性指数相同的对称矩阵合同（正定矩阵必合同于单位矩阵）。第七章综合题：跨章节知识点应用例题1：矩阵相似与特征值综合已知\(\alpha_1,\alpha_2,\alpha_3\)线性无关，\(A\alpha_1=\alpha_1+\alpha_2+\alpha_3\)，\(A\alpha_2=2\alpha_2+\alpha_3\)，\(A\alpha_3=2\alpha_2+3\alpha_3\)，求\(A\)的特征值与特征向量。解析：构造矩阵\(P=(\alpha_1,\alpha_2,\alpha_3)\)（可逆），则\(AP=P\begin{pmatrix}1&0&0\\1&2&2\\1&1&3\end{pmatrix}=PB\)，故\(A=PBP^{-1}\)（\(A\)与\(B\)相似）。\(B\)的特征值为\