【线性代数】线代「行/列变换」使用场景总总结

分行列式、普通矩阵、方程组、特征值/特征向量、二次型/合同相似五大模块,清晰区分能用/不能用,附规则+易错点。

一、先记3类基础变换(通用定义)

设矩阵/行列式为M

  1. 倍加变换:某行(列)k倍加到另一行(列) → 值/秩不变

  2. 互换变换:交换两行(列)

◦ 行列式:变号

◦ 矩阵:秩不变

  1. 倍乘变换:某行(列)乘非零常数k

◦ 行列式:整体\times k

◦ 矩阵:秩不变

二、分场景逐一说明

  1. 计算 行列式 |M|

✅ 行变换、列变换 全都可以用

• 优先用:倍加行/列变换(不改变行列式值,用来造0、提公因子)

• 互换行列:可以用,记得最后变号

• 倍乘行列:可以用,记得行列式整体乘系数

👉 适用:求普通行列式、特征多项式 |\lambda E-A|

  1. 单纯化简 普通矩阵(求秩、化阶梯形)

目标:求矩阵秩、化成行阶梯/行最简形

✅ 只推荐:行变换

⚠️ 列变换也能求秩,但考试做题统一只用行变换(习惯+避免后续出错)

• 求矩阵的秩:行、列变换都可,秩不变

• 化行阶梯/行最简形:只能行变换

  1. 解 线性方程组 Ax=b、Ax=\boldsymbol 0

核心:列对应未知量,动列会打乱变量对应关系

❌ 严禁使用列变换

✅ 只允许:行变换

包含场景:

• 求方程组通解、特解

• 求基础解系

• 判定解是否存在

  1. 特征值 & 特征向量(高频易错)

(1)求特征多项式 |\lambda E-A|、求特征值

本质是计算行列式

✅ 行变换、列变换 都能用(倍加为主)

(2)求解 (\lambda E-A)\boldsymbol x=\boldsymbol 0、求特征向量

本质是解齐次方程组

❌ 严禁列变换

✅ 只能行变换

  1. 矩阵 等价、相似、合同(二次型核心)

(1)矩阵等价:A\cong B

充要:\mathrm r(A)=\mathrm r(B)

✅ 行、列变换混合使用(等价标准形:(\begin{smallmatrix}E&O\\O&O\end{smallmatrix}))

(2)矩阵相似:A\sim B

相似变换:P^{-1}AP=B

❌ 不能直接做初等行/列变换

初等变换 ≠ 相似变换

(3)矩阵合同:A\simeq B(二次型必考)

合同变换:C^TAC=B,C可逆

✅ 成对使用:行变换 ↔ 同类型列变换

规则:做一次行变换,立刻对相同位置做一次列变换

例:r_1+kr_2 做完,必须补 c_1+kc_2

用途:化二次型为标准形(配方法之外的正交/合同变换法)

  1. 求 逆矩阵 A^{-1}

方法:(A\mid E)\xrightarrow{行变换}(E\mid A^{-1})

✅ 只能行变换

❌ 不能用列变换

三、极简速记口诀(做题直接背)

  1. 算行列式、求特征值 → 行、列随便用

  2. 解方程、求特征向量、求逆矩阵、化行最简 → 只许行变换,禁用列

  3. 求矩阵秩 → 行列都行,习惯只用行

  4. 矩阵等价 → 行列混着用

  5. 矩阵合同(二次型) → 行、列成对同步变

  6. 矩阵相似 → 不用初等行/列变换

四、专属提醒

  1. 算 |\lambda E-A|(特征多项式):行列变换放心用;

  2. 求出\lambda后,解(\lambda E-A)\boldsymbol x=\boldsymbol 0找特征向量:只做行变换;

  3. 二次型判断合同、化标准形:行变换 + 同位置列变换配对使用。

相关推荐
H178535090962 天前
SolidWorks第四部分_直接实体建模特征9_替换面原理
线性代数·算法·机器学习·3d建模·solidworks
昇腾CANN3 天前
【cann-samples系列】GroupedMatmul MX量化矩阵乘的深度性能优化实践
线性代数·性能优化·矩阵·昇腾·cann
青山木3 天前
Hot 100 --- 矩阵置零
线性代数·算法·leetcode·矩阵·哈希算法
Jasmine_llq3 天前
《B4264 [GESP202503 四级] 二阶矩阵》
线性代数·算法·矩阵·二维矩阵遍历枚举所有2×2矩阵·交叉乘积等式条件判断·输入输出快读加速·长整型防溢出计数统计
阿泽·黑核4 天前
05 keyflow 扩展设计方案:矩阵键盘/组合键/事件队列/中断驱动
线性代数·矩阵·计算机外设·嵌入式·agent·vibe coding
工头阿乐4 天前
相机坐标系标定与外参矩阵求解
数码相机·线性代数·矩阵
金色熊族4 天前
QTransform使用心得(二)--仿射变换、非仿射变换、矩阵
qt·线性代数·矩阵
江畔柳前堤5 天前
github实战指南00-命令在哪里执行?
人工智能·线性代数·oracle·数据挖掘·github·word
江畔柳前堤5 天前
github实战指南05-Fork与开源协作
人工智能·线性代数·oracle·开源·github·word