Day34 这道题，从题目名就能看出它是一道典型的“综合计算题”：矩阵运算、齐次方程组的解的定义、分块矩阵运算、逆矩阵计算、方阵的幂运算方法全部叠在一起。27考研数学线代强化阶段，这种题的价值不在于“能不能看懂”，而在于“能不能在有限时间内算对”。只要其中任何一个环节思路断掉，整道题就会卡住。今天这篇文章就把整道题的解题链路拆开讲清楚，最后给出一套可以直接套用的标准做法。
很多同学拿到这类题的第一反应是“这是个四阶矩阵，硬算”。硬算不是不行，但浪费时间，而且越算越容易错。更合理的做法是先观察矩阵结构。如果矩阵本身能分成若干个低阶块，并且块与块之间有明显的零矩阵隔开，那就应该优先使用分块矩阵运算。它会同时影响求逆、解齐次方程组和求幂三个环节，是今天这条思路的主线。
下面我会用一个典型四阶矩阵作为示范，把 Day34 涉及的方法完整走一遍。文中不会只给结论，而是把每个步骤背后的判断依据也写出来，方便你下次遇到类似题型时，自己知道“为什么要这么做”。
1. Day34 考点拆解：一道题里到底压了几条线
先看这道题的考点数量。一个完整的考研线代强化每日一题，通常不会只考一个孤立知识点，而是把若干考点放进同一种题型中。Day34 覆盖的核心考点可以整理成下表：
| 考点 | 常见考察方式 | 做题时的作用 |
|---|---|---|
| 矩阵运算 | 矩阵乘法、解方程时对向量做线性变换 | 保证后续计算能继续推进 |
| 齐次方程组的解的定义 | 判断 (Ax=0) 是否有非零解，是否只有零解 | 用来串联秩、行列式和线性相关性 |
| 分块矩阵运算 | 把高阶矩阵切块后分别计算 | 把四阶以上矩阵降维成低阶矩阵 |
| 逆矩阵计算 | 求 (A^{-1})，验证 (AA^{-1}=E) | 既单独命题，也服务于方程组求解 |
| 方阵的幂运算方法 | 求 (A^{n})，尤其 n 较大时的简化计算 | 最终落点，常与二项式展开结合 |
从逻辑顺序看，这几部分并不并列，而是有先后关系。先判断矩阵是否可逆，才能继续谈逆矩阵；先会用分块运算化简结构，才知道逆矩阵该怎么求；先理解齐次方程组的解在说什么，才能把线性相关、秩和零空间这些概念打通；最后在求方阵幂的时候，又把前面的矩阵运算能力综合用起来。
Day34 真正的难度不是每个知识点本身，而是你在做题时能不能快速切换这几个模块。很多人卡在中途，是因为求完逆矩阵之后忘了回头看矩阵结构，最后求幂时又从零开始硬算。
2. 分块矩阵运算：先把大矩阵切成可处理的小块
分块矩阵的本质是“把矩阵看成数”，按同样的规则进行乘法和加法。对高阶矩阵来说，切块能把计算量从原来的高阶乘法降成多个低阶乘法，整个过程的出错率会明显下降。
设矩阵 (A) 和 (B) 做如下分块：
[ A=\begin{pmatrix} A_{11} & A_{12}\ A_{21} & A_{22} \end{pmatrix}, \quad B=\begin{pmatrix} B_{11} & B_{12}\ B_{21} & B_{22} \end{pmatrix} ]
如果维度匹配，那么
[ AB=\begin{pmatrix} A_{11}B_{11}+A_{12}B_{21} & A_{11}B_{12}+A_{12}B_{22}\ A_{21}B_{11}+A_{22}B_{21} & A_{21}B_{12}+A_{22}B_{22} \end{pmatrix} ]
这里要特别提醒一个基础问题：分块并不是“想怎么切就怎么切”。两个矩阵相乘时，左矩阵的列分块方式必须与右矩阵的行分块方式一致。比如 (A) 按列分成两部分，那么 (B) 就必须按行分成同样规模的两部分，否则块与块之间无法相乘。
做题时最常见的分块形态有三种：
| 分块形态 | 形式 | 处理优势 |
|---|---|---|
| 分块对角矩阵 | (\begin{pmatrix} B & O \ O & C \end{pmatrix}) | 求逆、求幂都可分别处理 |
| 分块上三角矩阵 | (\begin{pmatrix} B & M \ O & C \end{pmatrix}) | 行列式为 ( |
| 列分块/行分块 | 按列或按行拆分 | 配合向量运算理解方程组 |
Day34 这类题目如果出现分块对角结构，那基本就是在暗示你：不要展开成完整矩阵硬干。后面的整个解题过程，都应该围绕两个低阶块分别展开，最后再合并。
为了更好地演示，下面定义今天反复要用的矩阵：
[ A=\begin{pmatrix} B & O\ O & C \end{pmatrix} ]
其中
[ B=\begin{pmatrix} 1 & 1\ 0 & 1 \end{pmatrix}, \quad C=\begin{pmatrix} 2 & 0\ 0 & 3 \end{pmatrix} ]
即
[ A=\begin{pmatrix} 1 & 1 & 0 & 0\ 0 & 1 & 0 & 0\ 0 & 0 & 2 & 0\ 0 & 0 & 0 & 3 \end{pmatrix} ]
这个矩阵不是随意的。左上角块 (B) 是一个“单位阵加幂零阵”的典型结构，适合演示方阵幂计算；右下角块 (C) 是对角矩阵，求逆、求幂都非常方便。用它做示范，可以把今天的各个考点都串起来。
3. 逆矩阵计算：分块对角矩阵的快速解法
3.1 先用行列式判断可逆性
考研线代里，求逆矩阵之前先判断是否可逆不会吃亏。对分块对角矩阵
[ A=\begin{pmatrix} B & O\ O & C \end{pmatrix} ]
有
[ |A|=|B|\cdot|C| ]
对上面给出的矩阵，先算两个小矩阵的行列式：
[ |B|=\begin{vmatrix} 1 & 1\ 0 & 1 \end{vmatrix}=1 ]
[ |C|=\begin{vmatrix} 2 & 0\ 0 & 3 \end{vmatrix}=6 ]
所以
[ |A|=1\times6=6\neq0 ]
因此 (A) 可逆，可以继续求 (A^{-1})。
这个判断的意义不只是“知道可逆”，更重要的是告诉你后续的齐次方程组只会出现零解，不会出现含自由变量的情况。题目在结构上其实已经给了提示。
3.2 分块对角矩阵的逆
对于分块对角矩阵，逆矩阵可以直接写成分块对角形式：
[ A^{-1}=\begin{pmatrix} B^{-1} & O\ O & C^{-1} \end{pmatrix} ]
前提是 (B) 和 (C) 都可逆。这里用到的原理是：两个分块对角矩阵相乘时，非对角块本身就是零矩阵，不会发生交叉项。
先求 (B^{-1})。由于 (B) 是二阶上三角矩阵，可以设
[ B^{-1}=\begin{pmatrix} a & b\ c & d \end{pmatrix} ]
解 (BB^{-1}=E_2)，也可以直接用二阶矩阵求逆公式处理。结果为
[ B^{-1}=\begin{pmatrix} 1 & -1\ 0 & 1 \end{pmatrix} ]
再求 (C^{-1})。对角矩阵的逆就是把每个对角元取倒数：
[ C^{-1}=\begin{pmatrix} \frac12 & 0\ 0 & \frac13 \end{pmatrix} ]
所以
[ A^{-1}=\begin{pmatrix} 1 & -1 & 0 & 0\ 0 & 1 & 0 & 0\ 0 & 0 & \frac12 & 0\ 0 & 0 & 0 & \frac13 \end{pmatrix} ]
求完之后要习惯性验算一次，随便取第一行乘第一列验证：
[ 1\times1+(-1)\times0+0\times0+0\times0=1 ]
再取第二行乘第一列：
[ 0\times1+1\times0+0\times0+0\times0=0 ]
验算结果正确，逆矩阵基本没问题。
4. 齐次方程组的解的定义：先理解“解”是什么，再谈求法
4.1 齐次方程组的“解”指什么
齐次方程组的标准形式是
[ Ax=0 ]
其中 (A) 是 (m\times n) 矩阵，(x) 是 (n) 维列向量。所谓“解”，就是让 (Ax=0) 成立的所有 (n) 维向量组成的集合。
注意这里的表述区别。很多同学看到齐次方程就说“无解”，这是错的。齐次方程组永远至少有一个解，也就是零解：
[ x=0 ]
所以题目真正要问的往往是“是否只有零解”，或者“是否存在非零解”。
判断标准要记牢：
| 条件 | 齐次方程 (A_{n\times n}x=0) 的解 |
|---|---|
| ( | A |
| ( | A |
如果题目的矩阵不是方阵，就用秩判断。齐次方程组 (Ax=0) 有非零解的充要条件是 (r(A)<n)，其中 (n) 是未知量个数。
4.2 对 Day34 矩阵判断解结构
回到今天的矩阵
[ A=\begin{pmatrix} B & O\ O & C \end{pmatrix} ]
把向量 (x) 也做同样的分块：
[ x=\begin{pmatrix} u\ v \end{pmatrix} ]
那么
[ Ax=0 \iff \begin{pmatrix} B & O\ O & C \end{pmatrix} \begin{pmatrix} u\ v \end{pmatrix}
\begin{pmatrix} Bu\ Cv \end{pmatrix}
\begin{pmatrix} 0\ 0 \end{pmatrix} ]
于是得到两个独立的子方程：
[ Bu=0,\quad Cv=0 ]
因为 (|B|=1\neq0)，所以 (Bu=0) 只有零解，即 (u=0)。又因为 (|C|=6\neq0)，所以 (Cv=0) 也只有零解，即 (v=0)。
最终得到：
[ x=\begin{pmatrix} 0\ 0\ 0\ 0 \end{pmatrix} ]
也就是说，(Ax=0) 只有零解。
从行文逻辑上，这一步不需要列出长长的增广矩阵，也不需要把四阶方程组逐行化解。只要矩阵结构是分块对角，就等价于把原方程组拆成两个低阶齐次方程分别判断。这个过程本身，就是“齐次方程组的解的定义”和“分块矩阵运算”的结合。
5. 方阵的幂运算方法：一道 2027 次幂题目如何算
5.1 先区分几种求幂思路
方阵求幂在考研线代里是有固定方法的，不是所有矩阵都对每个元素直接乘方。常用方法有以下几类：
| 方法 | 适用场景 | 例子 |
|---|---|---|
| 直接递推归纳 | 幂次较小时找规律 | 低阶具体矩阵 |
| 分块处理 | 分块对角矩阵 | 对角块分别求幂 |
| 二项式展开 | 矩阵可写成纯量阵加幂零阵 | (B=E+N) 且 (N^2=0) |
| 利用可对角化 | 存在可逆矩阵 (P) 使 (P^{-1}AP=\Lambda) | 对角元素快速幂 |
| 凯莱-哈密顿定理 | 需要建立递推关系 | 特征多项式较简单时 |
Day34 这种题，通常不会只考某一种方法。分块对角矩阵的右上块适合“单位阵加幂零阵”，右下块适合“对角矩阵直接求幂”，两种方法可以同时出现。
5.2 具体计算 (A^{2027})
先求右下角块：
[ C=\begin{pmatrix} 2 & 0\ 0 & 3 \end{pmatrix} ]
对角矩阵的幂可以直接写成：
[ C^{2027}=\begin{pmatrix} 2^{2027} & 0\ 0 & 3^{2027} \end{pmatrix} ]
这里不需要展开任何复杂运算，对角元的幂就是结果。
再求左上角块：
[ B=\begin{pmatrix} 1 & 1\ 0 & 1 \end{pmatrix} ]
把它改写成单位阵和幂零阵之和：
[ B=E_2+N ]
其中
[ E_2=\begin{pmatrix} 1 & 0\ 0 & 1 \end{pmatrix}, \quad N=\begin{pmatrix} 0 & 1\ 0 & 0 \end{pmatrix} ]
可以看到
[ N^2=\begin{pmatrix} 0 & 1\ 0 & 0 \end{pmatrix} \begin{pmatrix} 0 & 1\ 0 & 0 \end{pmatrix}
\begin{pmatrix} 0 & 0\ 0 & 0 \end{pmatrix} ]
这就是一个典型的幂零矩阵，且二次幂归零。于是二项式展开中，二次及以上的项全部消失：
[ B^{2027}=(E_2+N)^{2027}
E_2^{2027}+\binom{2027}{1}E_2^{2026}N + \binom{2027}{2}E_2^{2025}N^2+\cdots ]
因为 (E_2) 和 (N) 可交换，所以二项式展开可以直接用。又因为 (N^2=0)，后面所有项都是零矩阵，只剩前两项：
[ B^{2027}=E_2+2027N
\begin{pmatrix} 1 & 0\ 0 & 1 \end{pmatrix} + \begin{pmatrix} 0 & 2027\ 0 & 0 \end{pmatrix}
\begin{pmatrix} 1 & 2027\ 0 & 1 \end{pmatrix} ]
合并分块结果，得到：
[ A^{2027}= \begin{pmatrix} B^{2027} & O\ O & C^{2027} \end{pmatrix}
\begin{pmatrix} 1 & 2027 & 0 & 0\ 0 & 1 & 0 & 0\ 0 & 0 & 2^{2027} & 0\ 0 & 0 & 0 & 3^{2027} \end{pmatrix} ]
到这里可以看得很清楚，分块对角矩阵的幂计算，本质上是把“四阶矩阵的 2027 次幂”拆成“两个二阶矩阵的 2027 次幂”。计算量不但降低，而且每一步都有明确依据。
6. Day34 完整解题演示：手把手算到最终答案
我们把上面所有方法按考场书写顺序整理一遍。
假设题目给出矩阵：
[ A=\begin{pmatrix} 1 & 1 & 0 & 0\ 0 & 1 & 0 & 0\ 0 & 0 & 2 & 0\ 0 & 0 & 0 & 3 \end{pmatrix} ]
需要解决以下问题：
- 求 (A^{-1})。
- 判断齐次方程组 (Ax=0) 的解的结构。
- 求 (A^{2027})。
书写步骤可以这样组织：
第一步，分块。
令
[ B=\begin{pmatrix} 1 & 1\ 0 & 1 \end{pmatrix}, \quad C=\begin{pmatrix} 2 & 0\ 0 & 3 \end{pmatrix} ]
则
[ A=\begin{pmatrix} B & O\ O & C \end{pmatrix} ]
第二步，算二阶子块的可逆性。
[ |B|=1,\quad |C|=6 ]
因为两个子块都可逆，所以原矩阵可逆。
第三步，求 (A^{-1})。
[ B^{-1}=\begin{pmatrix} 1 & -1\ 0 & 1 \end{pmatrix} ]
[ C^{-1}=\begin{pmatrix} \frac12 & 0\ 0 & \frac13 \end{pmatrix} ]
因此
[ A^{-1}= \begin{pmatrix} 1 & -1 & 0 & 0\ 0 & 1 & 0 & 0\ 0 & 0 & \frac12 & 0\ 0 & 0 & 0 & \frac13 \end{pmatrix} ]
第四步，求解齐次方程组。
设 (x=\begin{pmatrix}u\v\end{pmatrix})，其中 (u,v) 都是二维列向量。由 (Ax=0) 得：
[ Bu=0,\quad Cv=0 ]
由于 (B,C) 都可逆，所以 (u=0, v=0)。因此 (Ax=0) 只有零解。
第五步，求 (A^{2027})。
利用 (B=E_2+N)，且 (N^2=0)，得到：
[ B^{2027}=E_2+2027N= \begin{pmatrix} 1 & 2027\ 0 & 1 \end{pmatrix} ]
同时：
[ C^{2027}= \begin{pmatrix} 2^{2027} & 0\ 0 & 3^{2027} \end{pmatrix} ]
最终：
[ A^{2027}= \begin{pmatrix} 1 & 2027 & 0 & 0\ 0 & 1 & 0 & 0\ 0 & 0 & 2^{2027} & 0\ 0 & 0 & 0 & 3^{2027} \end{pmatrix} ]
这道题做到这里就算完整收尾了。一个容易被忽略的检查点是，求完幂之后要再看一眼矩阵是否保持了原来的分块结构。如果 (A^{2027}) 的非对角块出现了非零元素，多半是在二项式展开时漏了项，或者用了不可交换的矩阵展开，这时需要重新检查。
7. 矩阵运算错题复盘：五个最隐蔽的坑
这类综合题做错，很多时候不是概念不会，而是错在细节。下面五个坑是常见问题。
7.1 分块时忘了维度匹配
矩阵乘法不是任意分块都能乘。很多同学把 (4\times4) 矩阵随便切成两个 (2\times4) 块和两个 (4\times2) 块，然后直接套公式，结果发现块乘法根本进行不下去。实际切分前，先画一条横线一条竖线，确认每一块的行数列数都满足乘法要求。
7.2 求逆时只算 (B^{-1})，忘记合并验算
分块对角矩阵的逆确实可以分成两个块分别求，但最终一定要合并成一个完整的高阶矩阵，然后至少验算一次。验算方法很简单，取第一行乘第一列，看是否等于 (E) 的对应位置。这种操作耗时极短，却能拦住乘法符号、取倒数位置这类低级错误。
7.3 把“齐次方程组只有零解”说成“无解”
这是一个很容易被阅卷标准抠字眼的概念点。齐次方程组一定有零解，所以不能说“无解”。如果题目问“解的情况”，正确表述是：
[ Ax=0\text{ 只有零解} ]
而不是“没有解”。非齐次方程组 (Ax=b) 才可能出现无解的情况。这个区别，概念题喜欢考，综合题里也会影响后续判断。
7.4 二项式展开前不看两个矩阵是否可交换
使用 ((E+N)^{2027}) 这类展开时，前提条件是两个矩阵相乘可交换。这里之所以可以展开，是因为 (E) 与任意矩阵可交换。如果题目给出的不是 (E+N)，而是两个普通矩阵 (P+Q)，就不能直接套用二项式展开。做题时必须先说明：
[ EN=NE ]
再把 (N^2=0) 代入，否则展开式不成立。
7.5 对角块并非对角矩阵时，对每个元素直接求幂
初学者容易把
[ \begin{pmatrix} 1 & 2027\ 0 & 1 \end{pmatrix} ]
理解成“把 (1) 求 (2027) 次幂，把 (2027) 求 (2027) 次幂”，这是完全错误的。非对角矩阵求幂必须考虑块内元素之间的相互影响。在今天的例子里，右上角的 (2027) 不是靠直接乘方得来的，而是由二项式展开中的交叉项 (2027N) 产生的。看到非对角矩阵，优先思考能不能写成“单位阵加幂零阵”，而不是盲目对元素求幂。
8. 同类题专项检验清单
做强化每日一题，不能只追求“做完”，还要让一道题覆盖一类题。下面这份清单可以帮助你判断自己是否真正掌握了 Day34 这种题型。
| 检验点 | 具体操作 |
|---|---|
| 能否快速识别分块结构 | 看到矩阵里大量出现 (0) 块时，优先画分块线 |
| 求逆前是否先判断可逆 | 用行列式或秩判断，避免无效计算 |
| 齐次方程解的结构是否表述准确 | 分清“只有零解”和“非零解” |
| 求幂前是否对矩阵分类 | 考虑对角矩阵、幂零结构、可对角化三类 |
| 是否验算最终结果 | 至少验证一个行乘列的位置 |
| 是否能把低阶结论合并成高阶结论 | 四阶矩阵的答案能反映原矩阵结构 |
如果你能独立完成下面这个变式，说明今天的方法已经基本掌握：
设
[ A=\begin{pmatrix} 1 & 2 & 0 & 0 & 0\ 0 & 1 & 0 & 0 & 0\ 0 & 0 & 2 & 0 & 0\ 0 & 0 & 0 & 2 & 0\ 0 & 0 & 0 & 0 & 4 \end{pmatrix} ]
求 (A^{-1})，判断 (Ax=0) 的解，并求 (A^{2027})。
这个变式和前面的例题思路完全一致，只是多了右下角一个对角元。真正做一遍，你会发现整个过程依然只需要处理几个二阶块和一个一阶块，不需要对五阶矩阵进行全量展开。
9. 冲刺备考建议：每日一题怎么用才能提分
最后再说说学习节奏的问题。27考研数学线代强化阶段，很多人的状态是“看得懂答案，但自己一做就卡壳”。这个问题通常不是智商问题，而是平时缺少完整的计算练兵。Day34 这类题每天只做一道不够，还要限制时间、规范书写。
建议给自己定 20 到 25 分钟。前 5 分钟只用来观察矩阵结构，不要动笔；中间的 10 分钟按分块、逆矩阵、齐次方程组、方阵幂的顺序推进；最后 5 分钟做验算和复盘。如果超时，不要急着看答案，先找出卡住的是哪个环节，然后再对着下面的解答过程逐条检查。
错题整理也有讲究。不要只抄题和答案，要把“错在哪一步”标出来。比如今天最值得记录的内容是：
- (Ax=0) 不能说无解，只能说没有非零解；
- 只有 (E) 与任意矩阵可交换，才可以直接使用二项式展开；
- 分块对角矩阵求幂，非对角块始终为零。
下次单独做这一题，如果 20 分钟内仍能保持思路清晰，并且最终矩阵没有书写错误，说明 Day34 的出题套路已经被你吸收。线代强化的手感，就是靠这种“每天一题、题后复盘”的模式一点点练出来的。
