【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
坏孩子的诺亚方舟2 小时前
FPGA神经网络数学基础0
人工智能·神经网络·线性代数·fpga开发
吃好睡好便好1 天前
矩阵的乘法运算
数据结构·人工智能·学习·线性代数·算法·matlab·矩阵
吃好睡好便好1 天前
矩阵的求幂运算
人工智能·学习·线性代数·算法·matlab·矩阵
会Tk矩阵群控的小木1 天前
深入解析tk矩阵系统ADB实时投屏与多设备控制实现
运维·线性代数·adb·矩阵·个人开发
跨境技工小黎1 天前
2026海外社媒新玩法:如何用AI批量运营海外社媒矩阵?
人工智能·线性代数·矩阵
bloxed1 天前
【AI大模型--NumPy-07】高级线性代数完全指南
人工智能·线性代数·numpy
吃好睡好便好1 天前
提取矩阵某一行或某一列元素
开发语言·人工智能·线性代数·算法·matlab·矩阵
吃好睡好便好2 天前
创建魔方矩阵和单位矩阵
开发语言·人工智能·学习·线性代数·matlab·矩阵
有为少年2 天前
深度隐式层 | 隐式函数与自动微分
人工智能·神经网络·线性代数·机器学习·矩阵