2016 年研究生入学考试数学二试卷中的题目与解析。
继续阅读“2016年考研数二真题解析汇总”分类: 线性代数
2016年考研数二第14题解析
题目
编号:A2016214
设矩阵 $\begin{bmatrix} a& -1& -1\\ -1& a& -1\\ -1& -1& a\end{bmatrix}$ 与 $\begin{bmatrix} 1& 1& 0\\ 0& -1& 1\\ 1& 0& 1\end{bmatrix}$ 等价,则 $a = ?$
继续阅读“2016年考研数二第14题解析”2016年考研数二第08题解析
题目
编号:A2016208
设二次型 $f(x_{1}, x_{2}, x_{3})$ $=$ $a(x_{1}^{2} + x_{2}^{2} + x_{3}^{2})$ $+$ $2x_{1}x_{2}$ $+$ $2x_{1}x_{3}$ $+$ $2x_{2}x_{3}$ 的正、负惯性指数分别为 $1$, $2$, 则 $?$
$$A. a > 1$$
$$B. a < -2$$
$$C. -2 < a < 1$$
$$D. a=1 或 a = -2$$
继续阅读“2016年考研数二第08题解析”2016年考研数二第07题解析
题目
编号:A2016207
设 $A$, $B$ 为可逆矩阵,且 $A$ 与 $B$ 相似,则下列结论错误的是 $?$
$$
A. A^{\top} 与 B^{\top} 相似
$$
$$
B. A^{-1} 与 B^{-1} 相似
$$
$$
C. A + A^{\top} 与 B + B^{\top} 相似
$$
$$
D. A + A^{-1} 与 B + B^{-1} 相似
$$
2017年考研数二真题解析汇总
2017年考研数二第14题解析
题目
设矩阵 $A=\begin{bmatrix}
4& 1& -2\\
1& 2& a\\
3& 1& -1
\end{bmatrix}$ 的一个特征向量为 $\begin{bmatrix}
1\\
1\\
2
\end{bmatrix}$, 则 $a=?$
2017年考研数二第08题解析
题目
已知矩阵 $A=\begin{bmatrix}
2& 0& 0\\
0& 2& 1\\
0& 0& 1
\end{bmatrix}$, $B=\begin{bmatrix}
2& 1& 0\\
0& 2& 0\\
0& 0& 1
\end{bmatrix}$, $C=\begin{bmatrix}
1& 0& 0\\
0& 2& 0\\
0& 0& 2
\end{bmatrix}$, 则 $?$
$$A. A 与 C 相似,B 与 C 相似$$
$$B. A 与 C 相似,B 与 C 不相似$$
$$C. A 与 C 不相似,B 与 C 相似$$
$$D. A 与 C 不相似,B 与 C 不相似$$
继续阅读“2017年考研数二第08题解析”[线代]如何判断i重特征值对应的线性无关的特征向量的个数
判断 $i$ 重特征值对应的线性无关的特征向量的个数有具体的公式。例如,当 $\lambda_{a}$ 为 $i$ 重特征值时,则 $\lambda_{a} E – A$ 的秩,即 $r(\lambda_{a} E – A)$ 就是 $\lambda_{a}$ 对应的线性无关的特征向量的个数。
下面是我对 $r(\lambda_{a} E – A)$ 之所以能够表示 $\lambda_{a}$ 对应的线性无关的向量的个数的原理的理解。
下面的理解可能不够严谨,做出这样的理解只是为了方便记忆公式,仅供参考。
继续阅读“[线代]如何判断i重特征值对应的线性无关的特征向量的个数”2017年考研数二第07题解析
题目
设 $A$ 为 $3$ 阶矩阵,$P=(\alpha_{1}, \alpha_{2}, \alpha_{3})$ 为可逆矩阵,使得 $P^{-1}AP=\begin{bmatrix}
0& 0& 0\\
0& 1& 0\\
0& 0& 2
\end{bmatrix}$, 则 $A(\alpha_{1} + \alpha_{2} + \alpha_{3}) = ?$
$$A. \alpha_{1} + \alpha_{2}$$
$$B. \alpha_{2} + 2 \alpha_{3}$$
$$C. \alpha_{2} + \alpha_{3}$$
$$D. \alpha_{1} + 2 \alpha_{2}$$
继续阅读“2017年考研数二第07题解析”2018年考研数二真题解析汇总
2018年考研数二第14题解析
题目
设 $A$ 为三阶矩阵,$a_{1},a_{2},a_{3}$ 是线性无关的向量组。若 $A \alpha_{1} = 2 \alpha_{1} + \alpha_{2} + \alpha_{3}$, $A \alpha_{2} = \alpha_{2} + 2 \alpha_{3}$, $A \alpha_{3} = – \alpha_{2} + \alpha_{3}$, 则 $A$ 的实特征值为 $?$
继续阅读“2018年考研数二第14题解析”[线代]分块矩阵的运算
- 对分块矩阵进行运算时,把每个分块都看作矩阵中单个的元素处理即可。
解释:
如果把矩阵中的每个元素都看作一个分块,这样做是不会改变矩阵的运算法则的,因此,当分块中不止一个元素时,矩阵的运算法则也不会改变。
- 对由分块矩阵构成的大矩阵进行转置的时候,不仅要在分块的程度上进行转置,而且每个分块本身也要进行转置。
解释:
如果把一个矩阵的整体看成一个分块,即一个矩阵只有一个分块,这样做是不会改变矩阵的运算法则的,自然也不会改变矩阵的转置法则。当一个矩阵中只有一个分块时,根据上面的第一条性质,这个分块可以看作是一个单独的元素,一个单独的元素转置与否都没有形式上的改变(对于单个的元素而言,其位置由第一行第一列变成第一列第一行之后,元素位置实际上未发生改变),之后,为了遵循矩阵的转置法则,这个分块内部的元素必须也进行一次转置才可以。
EOF
2018年考研数二第08题解析
题目
设 $A$, $B$ 为 $n$ 阶矩阵,记 $r(X)$ 为矩阵 $X$ 的秩,$(X,Y)$ 表示分块矩阵,则 $?$
$$A. r(A,AB)=r(A)$$
$$B. r(A,BA)=r(A)$$
$$C. r(A,B)= \max \{ r(A), r(B) \}$$
$$D. r(A,B) = r(A^{\top}, B^{\top})$$
继续阅读“2018年考研数二第08题解析”[线代]行满秩列满秩与满秩在矩阵乘法中的几条性质
一、名词解释
1. 行 满 秩
矩阵有效的行数,也就是线性无关的行的个数。
2. 列 满 秩
矩阵有效的列数,也就是线性无关的列的个数。
3. 满 秩
一个矩阵行满秩或者列满秩(满足一个即可)就称为满秩矩阵。
这里需要注意的是,并不是只有方阵才能满秩。因为“满秩”说的是一个矩阵中最大的非零 $n$ 阶方阵的阶数 $n$, 很显然,只要一个矩阵行满秩(列满秩),那么这个矩阵内部就不会存在阶数大于其行数(列数)的方阵了,自然也不会存在阶数大于其行数(列数)的非零方阵。
4. 行 秩 $\textcolor{red}{=}$ 列 秩 $\textcolor{red}{=}$ 秩
无论一个行列式是否是行满秩或列满秩矩阵,都有如下性质:
行秩 $=$ 列秩 $=$ 秩。
对此我们可以这样理解:由于转置并不改变矩阵的秩,因此必然有“行秩 $=$ 列秩”。
二、性质
若 $A$ 【行】满秩,则:
$$
R(BA)=R(B).
$$
若 $A$ 【列】满秩,则:
$$
R(AB)=R(B).
$$
2018年考研数二第07题解析
题目
下列矩阵中,与矩阵 $\begin{bmatrix} 1& 1& 0\\ 0& 1& 1\\ 0& 0& 1 \end{bmatrix}$ 相似的为 $?$
$$A. \begin{bmatrix} 1& 1& -1\\ 0& 1& 1\\ 0& 0& 1 \end{bmatrix}$$
$$B. \begin{bmatrix} 1& 0& -1\\ 0& 1& 1\\ 0& 0& 1 \end{bmatrix}$$
$$C. \begin{bmatrix} 1& 1& -1\\ 0& 1& 0\\ 0& 0& 1 \end{bmatrix}$$
$$D. \begin{bmatrix} 1& 0& -1\\ 0& 1& 0\\ 0& 0& 1 \end{bmatrix}$$
继续阅读“2018年考研数二第07题解析”