一、前言 
通过本文中,我们将解决下面的问题:
- 什么样的矩阵可以做加减运算?
- 实际矩阵的加减运算怎么做?
- 抽象矩阵的加减运算有哪些定理?
通过本文中,我们将解决下面的问题:
已知 $\boldsymbol { A }$ 是 $3$ 阶实对称矩阵, $\boldsymbol { \alpha }$ $=$ $( – 1 , 1 , 1 ) ^ { \mathrm {\top} }$ 满足 $( \boldsymbol { A } – 2 \boldsymbol { E } ) \boldsymbol { \alpha }$ $=$ $0$, 且 $r ( \boldsymbol { A } )$ $=$ $1$, 则方程组 $\boldsymbol {A} x$ $=$ $0$ 的基础解系为:
A. $( 1 , 1 , 1 ) ^ { \mathrm {\top} } , ( 1 , – 1 , 0 ) ^ { \mathrm {\top} }$
B. $( 1 , 1 , 0 ) ^ { \mathrm {\top} } , ( 1 , 0 , 1 ) ^ { \mathrm {\top} }$
C. $( 1 , 1 , – 1 ) ^ { \mathrm {\top} } , ( – 1 , 0 , 1 ) ^ { \mathrm {\top} }$
D. $( 1 , 1 , 0 ) ^ { \mathrm {\top} } , ( – 1 , 0 , 1 ) ^ { \mathrm {\top} }$
难度评级:
graph TD
A[原式] --> |变形| B[特征值] --> |公式| C[特征向量];
D[秩为 1] --> E[只有一个非零特征值] --> F[0 为二重特征值] --> |实对称矩阵| G[特征值对应的特征向量正交];
C --> G;
G --> H[求解特征值] --> |变形| I[验证选项]
继续阅读“当特征值等于零的时候,求解特征值和特征向量的式子其实就是一个齐次线性方程组” 设矩 阵 $A$ $=$ $\begin{pmatrix}0 & 1 & a \\ 1 & 0 & 1\end{pmatrix}$, $B$ $=$ $\begin{pmatrix}1 & 1 \\ 1 & 1 \\ b & 2\end{pmatrix}$, 二次型 $f\left(x_{1}, x_{2}, x_{3}\right)$ $=$ $x^{T} B A x$. 已知方程组 $A x$ $=$ $0$ 的解均是 $B^{\top} x$ $=$ $0$ 的解,但这两个方程组不同解.
(1) 求 $a$, $b$ 的值;
(2) 求正交变换 $x$ $=$ $Q y$ 将 $f\left(x_{1}, x_{2}, x_{3}\right)$ 化为标准形.
由 $f\left(x_{1}, x_{2}, x_{3}\right)$ $=$ $x^{T} B A x$ 可知,二次型 $f$ 对应的二次型矩阵为 $BA$, 且,由第 (1) 问的计算结果可知:
$$
B A=\begin{pmatrix}1 & 1 \\ 1 & 1 \\ 2 & 2\end{pmatrix}\begin{pmatrix}0 & 1 & 1 \\ 1 & 0 & 1\end{pmatrix} = \begin{pmatrix}1 & 1 & 2 \\ 1 & 1 & 2 \\ 2 & 2 & 4\end{pmatrix}
$$
若令 $C=B A$, 则求得特征值为:
$$
\begin{aligned}
|\lambda E-C| \\ \\
& = \begin{vmatrix} \lambda-1 & -1 & -2 \\ -1 & \lambda-1 & -2 \\ -2 & -2 & \lambda-4 \end{vmatrix} = 0 \\ \\
& \Rightarrow \begin{vmatrix} \lambda & -\lambda & 0 \\ -1 & \lambda – 1 & -2 \\ -2 & -2 & \lambda – 4 \end{vmatrix} = 0 \\ \\
& \Rightarrow \begin{vmatrix} \lambda & 0 & 0 \\ -1 & \lambda – 2 & -2 \\ -2 & -4 & \lambda – 4 \end{vmatrix} = 0 \\ \\
& \Rightarrow \lambda (\lambda – 2) (\lambda – 4) – 8 \lambda = 0 \\ \\
& \Rightarrow \begin{cases}
\lambda_{1}=\lambda_{2}=0 \\
\lambda_{3}=6
\end{cases}
\end{aligned}
$$
*当 $\lambda_{1}$ $=$ $\lambda_{2}$ $=$ $0$ 时, $(0 E -C) x$ $=$ $-Cx$ $=$ $0$ $\rightleftarrows$ $Cx$ $=$ $0$, 即:
$$
\begin{aligned}
& \begin{pmatrix}1 & 1 & 2 \\ 1 & 1 & 2 \\ 2 & 2 & 4\end{pmatrix} x = 0 \Rightarrow \\ \\
& \begin{pmatrix}1 & 1 & 2 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix} x = 0
\end{aligned}
$$
得基础解系为:
$$
\eta_{1}=\begin{pmatrix}-1 \\ 1 \\ 0\end{pmatrix}, \quad \eta_{2}=\begin{pmatrix}-1 \\ -1 \\ 1\end{pmatrix}
$$
一般情况下,如果我们令自由未知数分别为 $0$, $1$ 和 $1$, $0$ 的话,得到的基础解系应该是 $\eta_{1}=\begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix}$, $\eta_{2}=\begin{pmatrix}-2 \\ 0 \\ 1 \end{pmatrix}$, 但是这样得到的基础解系不是正交的,还需要进行正交化的操作。若令自由位置为分别为 $1$, $0$ 和 $-1$, $1$, 不仅得到的基础解系线性无关,而且是正交的,无需进行正交化。
**当 $\lambda_{3}$ $=$ $6$ 时, $(6 E-C) x$ $=$ $0$, 即:
$$
\begin{aligned}
& \begin{pmatrix}
\begin{pmatrix}
6 & 0 & 0 \\
0 & 6 & 0 \\
0 & 0 & 6
\end{pmatrix} – \begin{pmatrix}1 & 1 & 2 \\ 1 & 1 & 2 \\ 2 & 2 & 4\end{pmatrix}\end{pmatrix} x = 0 \Rightarrow \\ \\
& \begin{pmatrix}5 & -1 & -2 \\ -1 & 5 & -2 \\ -2 & -2 & 2 \end{pmatrix} x = 0 \Rightarrow \\ \\
& \begin{pmatrix}1 & -5 & 2 \\ 0 & 2 & -1 \\ 0 & 0 & 0 \end{pmatrix} x = 0 \Rightarrow \\ \\
\end{aligned}
$$
注意:在进行上面的初等变换的时候,只能使用初等行变换,不能使用初等列变换。
得基础解系为:
$$
\eta_{3}=\begin{pmatrix}1 \\ 1 \\ 2\end{pmatrix}
$$
又由于:
$$
\begin{cases}
\eta_{1}^{\top} \eta_{2} = 0 \\
\eta_{1}^{\top} \eta_{3} = 0 \\
\eta_{2}^{\top} \eta_{3} = 0
\end{cases}
$$
于是可知,$\eta_{1}$, $\eta_{2}$, $\eta_{3}$ 两两正交。
接着,将 $\eta_{1}$, $\eta_{2}$, $\eta_{3}$ 单位化:
$$
\gamma_{1}=\frac{\eta_{1}}{\left|\eta_{1}\right|}=\frac{1}{\sqrt{2}}\begin{pmatrix}
-1 \\
1 \\
0
\end{pmatrix}
$$
$$
\gamma_{2}=\frac{\eta_{2}}{\left|\eta_{2}\right|}=\frac{1}{\sqrt{3}}\begin{pmatrix}
-1 \\
-1 \\
1
\end{pmatrix}
$$
$$
\gamma_{3}=\frac{\eta_{3}}{\left|\eta_{3}\right|}=\frac{1}{\sqrt{6}}\begin{pmatrix}
1 \\
1 \\
2
\end{pmatrix}
$$
故正交矩阵为:
$$
Q = \begin{pmatrix}
\gamma_{1}, \gamma_{2}, \gamma_{3}
\end{pmatrix} = \begin{pmatrix} -\frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{3}} & \frac{1}{\sqrt{6}} \\ \\ \frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{3}} & \frac{1}{\sqrt{6}} \\ \\ 0 & \frac{1}{\sqrt{3}} & \frac{2}{\sqrt{6}} \end{pmatrix}
$$
此时二次型经正交变换 $x=Q y$ 可化为标准形为:
$$
f = 0 \cdot y_{1}^{2} + 0 \cdot y_{2}^{2} + 6 \cdot y_{3}^{2} = \textcolor{springgreen}{ \boldsymbol{ 6 y_{3}^{2}} }
$$
涵盖高等数学基础概念、解题技巧等内容,图文并茂,计算过程清晰严谨。
以独特的视角解析线性代数,让繁复的知识变得直观明了。
通过专题的形式对数学知识结构做必要的补充,使所学知识更加连贯坚实。
设向量 $\boldsymbol{\alpha}_{1}$ $=$ $\left(\begin{array}{c}a \\ 1 \\ -1 \\ 1\end{array}\right)$, $\boldsymbol{\alpha}_{2}$ $=$ $\left(\begin{array}{l}1 \\ 1 \\ b \\ a\end{array}\right)$, $\boldsymbol{\alpha}_{3}$ $=$ $\left(\begin{array}{c}1 \\ a \\ -1 \\ 1\end{array}\right)$, 若 $\boldsymbol{\alpha}_{1}$, $\boldsymbol{\alpha}_{2}$, $\boldsymbol{\alpha}_{3}$ 线性相关, 且其中任意两个向量均线性无关, 则 $a b = ?$
难度评级:
继续阅读“2024年考研数二第16题解析:矩阵的化简”设 $A$, $B$ 为 $2$ 阶矩阵, 且 $A B=B A$, 则 “$A$ 有两个不相等的特征值” 是 “$B$ 可对角化” 的 ( )
(A) 充分必要条件
(C) 必要不充分条件
(B) 充分不必要条件
(D) 不充分不必要条件
难度评级:
继续阅读“2024年考研数二第10题解析:相似对角化、矩阵的特征值与特征向量”版本号:
XD-20250201(2025 考研线性代数二第 01 版)
01. 逆矩阵的定义
02. 可逆与否的判断
03. 逆矩阵的性质
04. 求逆的方法
版本号:
XD-20250201(2025 考研线性代数二第 01 版)
01. 伴随矩阵的定义
02. 伴随矩阵的性质
通过本文,我们将理解为什么对于 $n$ 阶矩阵 $A$, 如果 $A^{2} = O$, 则下式成立:
$$
r(A) \leqslant \frac{n}{2}
$$
版本号:
XD-20250201(2025 考研线性代数二第 01 版)
01. 矩阵的加法运算
02. 矩阵的数乘运算
03. 矩阵的乘法运算
04. 矩阵的转置运算
05. 方阵的幂
版本号:
XD-20250201(2025 考研线性代数二第 01 版)
01. 矩阵的表示方法
02. 方阵
03. 行向量
04. 列向量
05. 零矩阵
06. 单位矩阵
07. 数量矩阵
08. 对角矩阵
09. 上三角矩阵
10. 下三角矩阵
11. 对称矩阵
12. 反对称矩阵
版本号:
XD-20250201(2025 考研线性代数二第 01 版)
01. 克拉默法则的基础概念
02. 用克拉默法则判断解的特征
03. 克拉默法则与齐次线性方程组
版本号:
XD-20250201(2025 考研线性代数二第 01 版)
01. 计算抽象型行列式的常用公式
02. 抽象型行列式的补充特例
已知向量 $\alpha_{1} = \left(\begin{array}{l}1 \\ 2 \\ 3\end{array}\right)$, $\alpha_{2}=\left(\begin{array}{l}2 \\ 1 \\ 1\end{array}\right)$, $\beta_{1}=\left(\begin{array}{l}2 \\ 5 \\ 9\end{array}\right)$, $\beta_{2}=\left(\begin{array}{l}1 \\ 0 \\ 1\end{array}\right)$. 若 $\gamma$ 既可由 $\alpha_{1}$, $\alpha_{2}$ 表示, 也可由
$\beta_{1}$, $\beta_{2}$ 表示, 则 $\gamma$ 为 ($\quad$)
(A) $k\left(\begin{array}{l}3 \\ 3 \\ 4\end{array}\right), k \in R$
(B) $k\left(\begin{array}{c}3 \\ 5 \\ 10\end{array}\right), k \in R$
(C) $k\left(\begin{array}{c}-1 \\ 1 \\ 2\end{array}\right), k \in R$
(D) $k\left(\begin{array}{l}1 \\ 5 \\ 8\end{array}\right), k \in R$
难度评级:
继续阅读“2023年考研数一第07题解析:一个向量能被其余向量表示就意味着这些向量可以组成一个线性方程组”版本号:
XD-20250201(2025 考研线性代数二第 01 版)
01. 上/下三角形行列式对角线元素的性质
02. 反上/下三角形行列式对角线元素的性质
03. 拉普拉斯展开式
04. 范德蒙行列式
版本号:
XD-20250201(2025 考研线性代数二第 01 版)
01. 用代数余子式求行列式的值
02. 代数余子式的“错位得零”性质