first commit

This commit is contained in:
2026-10-04 11:44:56 +08:00
commit e7cbe2cdae
265 changed files with 52919 additions and 0 deletions
@@ -0,0 +1,546 @@
# 📌 第一章 行列式 考研核心通关笔记
> 线性代数的"算子"——所有性质/秩/方程组判定都从这里出发
---
## ① 本章核心知识框架 (Core Concept Map)
### 1.1 二阶与三阶行列式(对角线法则)
#### 一、二阶行列式
$$
\begin{vmatrix}
a_{11} & a_{12} \\
a_{21} & a_{22}
\end{vmatrix}
= a_{11}a_{22} - a_{12}a_{21}
$$
- *极简例子:* $\begin{vmatrix} 1 & 2 \\ 3 & 4 \end{vmatrix} = 1\cdot4 - 2\cdot3 = -2$
- **几何意义**:平行四边形有向面积 $= ad - bc$
#### 二、三阶行列式
$$
\begin{vmatrix}
a_{11} & a_{12} & a_{13} \\
a_{21} & a_{22} & a_{23} \\
a_{31} & a_{32} & a_{33}
\end{vmatrix}
= a_{11}a_{22}a_{33} + a_{12}a_{23}a_{31} + a_{13}a_{21}a_{32}
- a_{13}a_{22}a_{31} - a_{11}a_{23}a_{32} - a_{12}a_{21}a_{33}
$$
- **对角线法则(三条实线 + 两条虚线)**:仅对 $n=2,3$ 成立;$n \ge 4$ **不再适用**!
- *极简例子:* $\begin{vmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{vmatrix} = 0$(行列成等差,第二行减第一行 = 第三行减第二行 → 线性相关)
> ⚠️ **考试陷阱**:$n \ge 4$ 行列式绝不能用对角线法则,必须用**性质 + 展开**或**转化为三角行列式**。
#### 三、行列式与线性方程组
$$
\begin{cases}
a_{11}x_1 + a_{12}x_2 = b_1 \\
a_{21}x_1 + a_{22}x_2 = b_2
\end{cases}
\Rightarrow
x_1 = \frac{\begin{vmatrix} b_1 & a_{12} \\ b_2 & a_{22} \end{vmatrix}}{\begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix}}, \quad
x_2 = \frac{\begin{vmatrix} a_{11} & b_1 \\ a_{21} & b_2 \end{vmatrix}}{\begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix}}
$$
(分母行列式 $D \neq 0$ 时)—— 这是 §5 克拉默法则的雏形。
---
### 1.2 全排列与对换
#### 一、排列与逆序数
- **排列**:把 $n$ 个元素排成一列,记为 $j_1 j_2 \cdots j_n$(全排列共 $n!$ 个)
- **逆序**:大数排在小数前面称为一个逆序对 $(i, j)$(其中 $i < j$ 但 $j_{p_i} > j_{p_j}$)
- **逆序数 $\tau(j_1 j_2 \cdots j_n)$**:排列中逆序对的总数
**例**:$\tau(3\,1\,2) = (3,1) + (3,2) = 1 + 1 = 2$(共 2 个逆序)
- *极简例子:* $\tau(2\,1\,4\,3) = 1 + 1 = 2$
**奇偶性**:
- $\tau$ 为**奇数** $\to$ **奇排列**
- $\tau$ 为**偶数** $\to$ **偶排列**
#### 二、对换
- **对换**:交换排列中两个元素的位置
- **定理 1**:一个对换改变排列的奇偶性
- **推论**:奇排列 $\leftrightarrow$ 偶排列可通过**有限次对换**互变
- **定理 2**:$n$ 阶排列中,**奇偶排列各占一半**(各 $n!/2$ 个)
> ⚠️ 这两个定理是 **$n$ 阶行列式定义中 $(-1)^{\tau(j_1\cdots j_n)}$ 符号的来源**——必须理解,不能死记公式。
---
### 1.3 $n$ 阶行列式的定义
$$
D = \det(a_{ij}) = \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix}
= \sum_{j_1 j_2 \cdots j_n} (-1)^{\tau(j_1 j_2 \cdots j_n)} a_{1j_1} a_{2j_2} \cdots a_{nj_n}
$$
- 求和遍历所有 $n!$ 个排列 $j_1 j_2 \cdots j_n$
- 每项是 $n$ 个不同行不同列元素的乘积,符号由列标排列的逆序数决定
- $a_{1j_1} a_{2j_2} \cdots a_{nj_n}$ 称为一个**项**
*极简例子:* $n=2$ 时:
$$
D = \sum_{j_1 j_2} (-1)^{\tau} a_{1j_1} a_{2j_2}
= (-1)^0 a_{11}a_{22} + (-1)^1 a_{12}a_{21}
= a_{11}a_{22} - a_{12}a_{21}
$$
#### 行列式定义的两条推论
| 推论 | 内容 |
|------|------|
| **上三角行列式** | $\det = \prod_{i=1}^n a_{ii}$(主对角线元素之积) |
| **下三角行列式** | $\det = \prod_{i=1}^n a_{ii}$(同样) |
| **单位阵** | $\det E = 1$ |
> 🔑 **核心思想**:三角化是计算高阶行列式的**终极武器**——通过初等行变换化为三角行列式,行列式 = 主对角线元素之积。
---
### 1.4 行列式的性质(7 条核心性质)
记 $D = \det(a_{ij})$,下列性质**对行和对列均成立**(行列式转置不变 → 性质通用)。
#### 性质 1:转置不变
$$
\det A^T = \det A
$$
> "行"性质 = "列"性质。后面所有性质只写"行"版本,"列"版本自动成立。
#### 性质 2:换行(列)变号
交换两行(列),行列式**变号**。
- **推论**:两行(列)相同 $\Rightarrow \det = 0$
#### 性质 3:倍乘性
某行(列)所有元素**同乘** $k$,行列式**乘以** $k$。
$$
\begin{vmatrix} ka_{11} & ka_{12} \\ a_{21} & a_{22} \end{vmatrix} = k \cdot \begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix}
$$
> ⚠️ **注意**:$k$ 乘以**某一行**的所有元素才是 $k$ 倍;行列式整体乘 $k^n$ 才是 $k^n$ 倍(每行各乘 $k$)。
#### 性质 4:拆分(可加性)
某行(列)是两组数之和,行列式可拆为两个行列式之和:
$$
\begin{vmatrix} a_{11}+b_1 & a_{12}+b_2 \\ a_{21} & a_{22} \end{vmatrix}
= \begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix}
+ \begin{vmatrix} b_1 & b_2 \\ a_{21} & a_{22} \end{vmatrix}
$$
#### 性质 5:两行(列)成比例 $\Rightarrow \det = 0$
性质 2 推论 2 的推广。
#### 性质 6:倍加行(列)不变
把某行(列)的 $k$ 倍加到另一行(列),行列式**不变**。
$$
r_i + k \cdot r_j \to D \text{ 不变} \quad (i \neq j)
$$
> 🔑 **这是化简行列式的核心操作**——配合性质 3 可把矩阵化为三角形式。
#### 性质 7:方阵乘积
$$
\det(AB) = \det A \cdot \det B
$$
> 推论:$\det(A^{-1}) = \dfrac{1}{\det A}$;$\det(A^*) = (\det A)^{n-1}$($A^*$ 为伴随矩阵)
#### 性质速查表
| 操作 | 行列式变化 |
|------|----------|
| 转置 | 不变 |
| 换两行(列) | 变号 |
| 一行(列)乘 $k$ | 乘 $k$ |
| 一行(列)拆为两行(列)之和 | = 两个行列式之和 |
| 两行(列)成比例 | $= 0$ |
| 一行(列)的 $k$ 倍加到另一行 | 不变 |
| $A \to B$ 矩阵乘法 | $\det(AB) = \det A \cdot \det B$ |
---
### 1.5 行列式按行(列)展开
#### 一、余子式与代数余子式
- **余子式 $M_{ij}$**:划去 $a_{ij}$ 所在的第 $i$ 行和第 $j$ 列,剩下的 $(n-1)$ 阶行列式
- **代数余子式**:
$$
A_{ij} = (-1)^{i+j} M_{ij}
$$
*极简例子:* 行列式 $\begin{vmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{vmatrix}$ 中
$A_{23} = (-1)^{2+3} \begin{vmatrix} 1 & 3 \\ 7 & 9 \end{vmatrix} = -(9 - 21) = 12$
#### 二、按行(列)展开定理
**按第 $i$ 行展开**:
$$
\det A = \sum_{j=1}^n a_{ij} A_{ij} = a_{i1}A_{i1} + a_{i2}A_{i2} + \cdots + a_{in}A_{in}
$$
**按第 $j$ 列展开**:
$$
\det A = \sum_{i=1}^n a_{ij} A_{ij}
$$
#### 三、关键推论(异乘变零)
$$
\sum_{k=1}^n a_{ik} A_{jk} = 0 \quad (i \neq j) \qquad \text{(不同行)}
$$
$$
\sum_{k=1}^n a_{ki} A_{kj} = 0 \quad (i \neq j) \qquad \text{(不同列)}
$$
> 即:行列式的某行元素与**另一行**对应代数余子式的乘积之和 = 0。
> **本质**:展开定理是"按自己行展开","异乘变零"是"按别人行展开"——记忆口诀"自己行展开,异行乘积为 0"。
---
### 1.6 几个重要特殊行列式
#### 一、对角行列式
$$
\begin{vmatrix} a_1 & & \\ & \ddots & \\ & & a_n \end{vmatrix} = \prod_{i=1}^n a_i
$$
#### 二、上(下)三角行列式
$$
\det = \prod_{i=1}^n a_{ii} \quad (\text{主对角线元素之积})
$$
> 性质 6 反复应用:**倍加行**把一般行列式化为上三角,行列式 = 对角线之积。
#### 三、范德蒙德 (Vandermonde) 行列式 ⭐
$$
V_n = \begin{vmatrix}
1 & 1 & \cdots & 1 \\
x_1 & x_2 & \cdots & x_n \\
x_1^2 & x_2^2 & \cdots & x_n^2 \\
\vdots & \vdots & & \vdots \\
x_1^{n-1} & x_2^{n-1} & \cdots & x_n^{n-1}
\end{vmatrix}
= \prod_{1 \le j < i \le n} (x_i - x_j)
$$
- **结构识别**:每行是首列的 $0, 1, 2, \cdots, n-1$ 次幂
- **核心特征**:当且仅当所有 $x_i$ **互不相同**时 $V_n \neq 0$
- *极简例子:* $V_3 = \begin{vmatrix} 1 & 1 & 1 \\ x_1 & x_2 & x_3 \\ x_1^2 & x_2^2 & x_3^2 \end{vmatrix} = (x_2 - x_1)(x_3 - x_1)(x_3 - x_2)$
> 🔑 **应用**:判定多项式根的唯一性(Ch04 不定积分有相关变形题);方程组解的唯一性。
#### 四、分块行列式
$$
\det \begin{pmatrix} A & O \\ C & D \end{pmatrix} = \det A \cdot \det D \qquad (\text{$A,D$ 为方阵})
$$
$$
\det \begin{pmatrix} A & B \\ O & D \end{pmatrix} = \det A \cdot \det D
$$
- *极简例子:* $\begin{vmatrix} a & b & 0 & 0 \\ c & d & 0 & 0 \\ e & f & g & h \\ i & j & k & l \end{vmatrix} = \begin{vmatrix} a & b \\ c & d \end{vmatrix} \cdot \begin{vmatrix} g & h \\ k & l \end{vmatrix} = (ad-bc)(gl-hk)$
---
## ② 必考题型分类索引
> 每个题型独立成文,包含完整的 mermaid 解题流程图、通法步骤、常见陷阱和经典母题。点击链接查看详情。
| # | 题型 | 核心判据 | 详细笔记 |
|---|------|---------|---------|
| 1 | 二/三阶行列式直接计算 | $n=2,3$ 对角线法则 | [[题型1_二阶三阶行列式计算]] |
| 2 | 行列式按行(列)展开 | 找 0 多的行/列展开降阶 | [[题型2_按行展开降阶法]] |
| 3 | 性质化简 + 三角化 | 一般 $n$ 阶,化为上三角 | [[题型3_性质化简三角化法]] |
| 4 | 范德蒙德行列式 | 各行是首列的 $0,1,\ldots,n-1$ 次幂 | [[题型4_范德蒙德行列式]] |
| 5 | 抽象行列式(特征值法) | $A = PBP^{-1}$,$\det A = \prod \lambda_i$ | [[题型5_抽象行列式计算]] |
| 6 | 加边法(升阶法) | 行列式各行元素之和相等 | [[题型6_加边升阶法]] |
| 7 | 克拉默法则的应用 | $D \neq 0$ 唯一解;$D=0$ 的判定 | [[题型7_克拉默法则]] |
| 8 | 行列式方程 | 含参方程 $D(\lambda)=0$ 求特征值 | [[题型8_行列式方程]] |
---
## ③ 高频考点与多维变换
### Top 5 高频考点
| 排名 | 考点 | 近15年考频 | 典型分值 |
|------|------|-----------|---------|
| 1 | 抽象矩阵的行列式($\det(A+\alpha E)$, $\det(A^*)$, $\det A^n$) | 12次 | 4分 |
| 2 | $n$ 阶数值行列式(性质化简 + 三角化) | 8次 | 4-10分 |
| 3 | 范德蒙德行列式与变形 | 6次 | 4分 |
| 4 | 克拉默法则(结合方程组解的判定) | 4次 | 4分 |
| 5 | 余子式/代数余子式单独计算 | 3次 | 4分 |
### 【示例:一题多角度】
**核心概念**:同一个 $n$ 阶行列式,三种考法层次
> **同一矩阵**:$A = \begin{pmatrix} 2 & 1 & 1 \\ 1 & 2 & 1 \\ 1 & 1 & 2 \end{pmatrix}$
**角度一:选择题(概念辨析)**
下列命题哪个正确?
- (A) $\det(A+E) = \det A + \det E$ ✓/✗?
- (B) $\det(A^T) = -\det A$ ✓/✗?
- (C) $\det(A^{-1}) = \dfrac{1}{\det A}$ ✓/✗?
**答案**:(A) 错误——行列式没有分配律;(B) 错误——转置不变;(C) 正确——逆矩阵的行列式。
**角度二:填空题(直接计算)**
$\det(A + E) = \begin{vmatrix} 3 & 1 & 1 \\ 1 & 3 & 1 \\ 1 & 1 & 3 \end{vmatrix} = ?$
**解法**:每行加到第一行 $\to 5 \begin{vmatrix} 1 & 1 & 1 \\ 1 & 3 & 1 \\ 1 & 1 & 3 \end{vmatrix}$,每列减第一列 $\to 5 \begin{vmatrix} 1 & 0 & 0 \\ 1 & 2 & 0 \\ 1 & 0 & 2 \end{vmatrix} = 5 \cdot 4 = 20$
**角度三:解答题(特征值法)**
$A$ 是秩-1 矩阵 $J - I + I$ 的结构... 事实上 $A = I + J$($J$ 是全 1 矩阵),$J$ 的特征值为 $3,0,0$,故 $A$ 的特征值为 $4,1,1$,$\det A = 4 \cdot 1 \cdot 1 = 4$。
**启示**:同一个矩阵,选择题考概念、填空考计算、解答考综合——三种深度都要掌握。本题揭示**特征值法**是计算抽象矩阵行列式的核武器(Ch05 重点)。
---
## ④ 方法论与解题通法 (Methodology)
### 方法〇:行列式计算的"三层决策树"
```
n 阶行列式计算
├── 第零步:定型
│ ├── n = 2, 3 → 对角线法则
│ ├── 三角矩阵 → 对角线之积
│ ├── 范德蒙德结构 → 直接写结果
│ └── 分块矩阵 → 拆分为子块行列式之积
├── 第一步:选策略
│ ├── 含大量 0 或结构对称 → 按行(列)展开降阶
│ ├── 数字杂乱无章 → 性质化简 + 三角化
│ ├── 各行(列)元素之和相等 → 加边法 / 提取公因式
│ └── 含未知参数 λ → 特征值法或方程 $D(λ)=0$
├── 第二步:执行
│ ├── 倍加行(性质 6)化为三角
│ ├── 按 0 多的行/列展开(性质 + 展开定理)
│ └── 反复化简直至二阶
└── 第三步:兜底
├── 若仍复杂 → 反向操作(先转置或换行)
└── 抽象矩阵 → 特征值法 / 矩阵运算性质
```
### 方法一:性质化简 → 三角化的标准流程
**口诀**:**"保留目标行/列,消灭其他行/列"**
以"化为上三角"为例(把第 1 列下方元素化为 0):
1. 找 $a_{11}$:若 $a_{11}=0$,换行使主对角元素非零
2. 用 $r_i - \dfrac{a_{i1}}{a_{11}} r_1$ 把 $a_{i1}=0$($i=2,\ldots,n$)
3. 对第 2 列重复步骤 2:用 $r_i - \dfrac{a_{i2}}{a_{22}} r_2$($i=3,\ldots,n$)
4. 继续直到上三角,$\det = \prod_{i=1}^n a_{ii}$
> ⚠️ **分母是否为 0**:化简过程中必须保证每步主元(对角元)非零,否则换行/换列。
### 方法二:抽象行列式的速算公式
| 已知 | 求 | 公式 |
|------|---|------|
| $A$ 的特征值 $\lambda_1,\ldots,\lambda_n$ | $\det A$ | $\prod_{i=1}^n \lambda_i$ |
| $A, B$ | $\det(AB)$ | $\det A \cdot \det B$ |
| $A$ | $\det A^*$ | $(\det A)^{n-1}$ |
| $A$ | $\det(A^{-1})$ | $1/\det A$ |
| $A$ | $\det(A^T)$ | $\det A$ |
| $A$ | $\det(kA)$ | $k^n \det A$ |
| $A, \alpha$ | $\det(A + \alpha E)$ | $\prod_{i=1}^n (\lambda_i + \alpha)$(配合特征值) |
| $A \sim B$ | $\det A$ | $\det B$(相似矩阵行列式相等) |
### 方法三:按行展开的"零多者优先"原则
**口诀**:**"找 0 最多的行(列)展开"**
- 展开后行列式阶数降 1,**只算到余子式 $\to$ 再对余子式展开**
- 通常配合性质化简(倍加行)人为制造 0
- *极简例子:* $\begin{vmatrix} 5 & 1 & 1 & 1 \\ 1 & 5 & 1 & 1 \\ 1 & 1 & 5 & 1 \\ 1 & 1 & 1 & 5 \end{vmatrix}$:每列减第 4 列 $\to \begin{vmatrix} 4 & 0 & 0 & 1 \\ 0 & 4 & 0 & 1 \\ 0 & 0 & 4 & 1 \\ 0 & 0 & 0 & 5 \end{vmatrix} = 4^3 \cdot 5 = 320$
### 方法四:跨章节通法速查表
| 通用技法 | 本章出现场景 | 后续章节升级 | 判断依据 |
|---------|------------|------------|---------|
| **构造特殊行/列** | 提取公因子、加边法 | Ch02 矩阵分块、Ch05 二次型配方法 | 各行(列)元素之和相等 |
| **化标准形** | 性质化简 → 三角化 | Ch03 矩阵初等行变换化行阶梯 | 数字杂乱,结构不明 |
| **降阶策略** | 按行展开降阶 | Ch02 伴随矩阵公式 $A^{-1} = A^*/\det A$ | 含大量 0 或结构对称 |
| **特征值法** | $\det A = \prod \lambda_i$ | Ch05 特征值/特征向量 | $A$ 是抽象矩阵表达式 |
| **等价变形** | 转置/换行/拆列 | Ch03 矩阵初等变换 | 行列式性质灵活调用 |
### 方法五:行列式 vs 矩阵的逻辑链
**考研反复考的判断题逻辑**:
$$
\det A \neq 0 \iff A \text{ 可逆} \iff r(A) = n \iff Ax=0 \text{ 只有零解} \iff Ax=b \text{ 唯一解}
$$
> 这是整个线性代数第一章到第五章的"主线贯穿"。本章学行列式时就要建立"行列式 ≠ 0 ⇔ 矩阵可逆"的等价意识,这是后续所有章节的判断工具。
---
## ⑤ 易错点红黑榜 (The Pitfall List)
### ❌ 错误 1:$n \ge 4$ 用对角线法则
- **错误表现**:$\begin{vmatrix} 1 & 2 & 3 & 4 \\ 5 & 6 & 7 & 8 \\ 2 & 4 & 6 & 8 \\ 1 & 3 & 5 & 7 \end{vmatrix}$ 按对角线法则展开
- **正确理解**:对角线法则**仅适用于 2 阶和 3 阶**。$n \ge 4$ 必须用性质化简或按行展开。
**【对比示例】**:
```
❌ 4 阶行列式按对角线展开 → 错
✅ 4 阶行列式倍加行化上三角 → 对
```
### ❌ 错误 2:$k$ 乘以行列式 vs 行列式整体乘 $k$
- **错误表现**:$\begin{vmatrix} 2 & 4 \\ 6 & 8 \end{vmatrix} = 2 \begin{vmatrix} 1 & 2 \\ 3 & 4 \end{vmatrix}$(错!漏了一行)
- **正确理解**:每行各乘 $k$ 共 $n$ 行,故整体乘 $k^n$。
**【对比示例】**:
```
❌ |2 4; 6 8| = 2·|1 2; 3 4| (错!实际应乘 2² = 4)
✅ |2 4; 6 8| = 4·|1 2; 3 4| = 4·(4-6) = -8
```
### ❌ 错误 3:行倍加 vs 行互换
- **错误表现**:$r_1 \leftrightarrow r_2$ 误以为行列式不变
- **正确理解**:**换行变号**(性质 2);**倍加行不变**(性质 6)。两者效果相反!
### ❌ 错误 4:行(列)拆分的对象错
- **错误表现**:把行列式整体拆分为两个行列式之和
- **正确理解**:只能**拆一行(列)**为两组数之和(性质 4),不能整体拆。
**【对比示例】**:
```
✅ |a+b, c+d; e, f| = |a,c; e,f| + |b,d; e,f|
❌ |a+b, c+d; e+f, g+h| ≠ ... (整体拆错!)
```
### ❌ 错误 5:余子式与代数余子式混淆
- **错误表现**:$A_{ij}$ 忘记乘 $(-1)^{i+j}$
- **正确理解**:$A_{ij} = (-1)^{i+j} M_{ij}$,符号由**下标之和**的奇偶性决定(与 $a_{ij}$ 数值无关)。
### ❌ 错误 6:异乘变零写错行
- **错误表现**:$\sum_k a_{ik} A_{ik} = 0$(错!这是 $i=j$ 的展开公式,不为零)
- **正确理解**:**异行相乘为零**——$\sum_k a_{ik} A_{jk} = 0$,**$i \neq j$** 才行。
---
## ⑥ 考研导向复习策略 (Exam Strategy)
### 优先级与建议题量
| 子专题 | 优先级 | 建议刷题量 | 说明 |
|--------|--------|-----------|------|
| 抽象矩阵的行列式 | **高** | 30+ 道 | $\det A^*$, $\det(A+E)$, $\det(A^n)$, 必考 |
| $n$ 阶数值行列式 | **高** | 25+ 道 | 性质 + 展开,三角化是核心 |
| 范德蒙德行列式 | **高** | 10 道 | 选择/填空高频,识别即可 |
| 克拉默法则 | **中** | 8 道 | 几何应用 + 解的判定 |
| 余子式/代数余子式 | **中** | 6 道 | 单独考较少,常作为工具出现 |
| 行列式方程 | **中** | 6 道 | 含参方程,特征值的雏形 |
| 行列式按行展开 | **中** | 15 道 | 配合性质化简使用 |
### 跨章节连接
```
┌─────────────────────────────────┐
│ 本章 (Ch01) 行列式 │
│ · 性质 / 展开 / 三角化 / 范德蒙德 │
│ · 抽象行列式公式库 │
└───────────────┬─────────────────┘
│
┌───────────────┬───────────────┼───────────────┬───────────────┐
↓ ↓ ↓ ↓ ↓
Ch02 矩阵 Ch03 方程组 Ch04 向量组 Ch05 特征值 Ch06 二次型
A*=|A|^(n-1)/A 克莱姆法则 线性相关↔|A|=0 |A|=Πλᵢ 正定↔顺序主子式
可逆↔|A|≠0 初等变换→|A| 秩的定义|子式 矩阵多项式|λE-A|
齐次/非齐次判定 极大无关组行列式 相似↔|A|相等 合同→行列式
```
#### 🔥 跨章节综合题命题模式(高频!必须掌握)
**模式 1:抽象行列式 + 矩阵乘法**
> 例题:设 $A$ 为 3 阶矩阵,$\det A = 2$,求 $\det(2A^* A^T A^{-1})$。
>
> **解**:$\det(2A^*) = 2^3 \det A^* = 8 \cdot 2^2 = 32$;$\det A^T = 2$;$\det A^{-1} = 1/2$。故总 $= 32 \cdot 2 \cdot 1/2 = 32$。
>
> **考点**:本章性质 + Ch02 伴随矩阵公式 $A^* = (\det A) A^{-1}$ 的复合应用。
**模式 2:行列式方程 → 特征值**
> 例题:设 $A = \begin{pmatrix} 1 & 0 & 1 \\ 0 & 2 & 0 \\ 1 & 0 & 1 \end{pmatrix}$,方程 $\det(A - \lambda E) = 0$ 的根即为 $A$ 的特征值。
>
> **解**:$\det(A-\lambda E) = \det\begin{pmatrix} 1-\lambda & 0 & 1 \\ 0 & 2-\lambda & 0 \\ 1 & 0 & 1-\lambda \end{pmatrix}$,按第 2 行展开 $= (2-\lambda)[(1-\lambda)^2 - 1] = (2-\lambda)\lambda(\lambda-2) = -\lambda(2-\lambda)^2$。
>
> **根**:$\lambda_1=0$, $\lambda_2=\lambda_3=2$。
>
> **考点**:行列式计算 → 特征多项式 → 特征值 → Ch05 主角。本章就是 Ch05 的"预习"。
**模式 3:范德蒙德 → 多项式根**
> 例题:设 $a_1, a_2, a_3$ 是方程 $x^3 - x^2 + 1 = 0$ 的三个根,求 $\det\begin{pmatrix} 1 & 1 & 1 \\ a_1 & a_2 & a_3 \\ a_1^2 & a_2^2 & a_3^2 \end{pmatrix}$。
>
> **解**:是范德蒙德!$= (a_2-a_1)(a_3-a_1)(a_3-a_2)$。
>
> **进一步**:由韦达 $a_1+a_2+a_3=1$, $a_1a_2+a_2a_3+a_3a_1=0$, $a_1a_2a_3=-1$,可算出 $\prod_{i<j}(a_i-a_j)^2$ = 判别式 $-4\cdot 0^3 + \ldots = -4 \cdot (-1) = 4$(注意范德蒙德平方 = 判别式)。
>
> **考点**:范德蒙德与多项式根的关系,跨 Ch04 不定积分(有理分式部分分式)的综合。
### 【终极母题推荐】
> **题目**:设 $A$ 是 $n$ 阶矩阵,满足 $A^2 = A$(幂等矩阵)。证明:$\det A \in \{0, 1\}$。
**此题融合**:
- 特征值推导:$A^2 = A \Rightarrow \lambda^2 = \lambda \Rightarrow \lambda = 0$ 或 $1$
- 行列式 = 特征值之积 $\Rightarrow \det A = 0^k \cdot 1^{n-k} \in \{0, 1\}$
- (若不用特征值)用 $A^2=A \Rightarrow A(A-E)=0 \Rightarrow$ 分析矩阵结构
**为什么这是"终极母题"**:
✅ 抽象矩阵行列式公式库的综合应用
✅ 行列式与特征值的关系预热(Ch05 核心)
✅ "幂等/对合/正交"等特殊矩阵的思维定式建立
**🔗 这道题的 Ch05 升级版(提前预告)**:
> 条件不变,结论改为"求 $A$ 的全部特征值,并讨论 $A$ 是否可对角化"。
>
> → 这就是**特征值与对角化**。你会发现:行列式只是 Ch05 矩阵理论的"工具人",主舞台在 Ch05。
**这道题做完且理解透彻 → 本章"通关"。**
---
> **下一步**:完成后可进入 [[Ch02_矩阵及其运算/Ch02_Matrix_Operations|Ch02 矩阵及其运算]],行列式将作为矩阵可逆性的判据贯穿始终。
@@ -0,0 +1,66 @@
# 题型一:二阶与三阶行列式直接计算
## 识别特征
- 矩阵规模 $n=2$ 或 $n=3$
- 元素为已知数字(含 $\lambda$ 也算)
- 求 $\det A$ 的具体值
## 解题流程
```mermaid
flowchart TD
A[识别:2阶/3阶] --> B{n是几?}
B -->|n=2| C[直接算 ad-bc]
B -->|n=3| D[对角线法则:3实+2虚]
C --> E[得结果]
D --> E
E --> F{注意陷阱}
F --> G[查看:行/列成比例?]
G -->|是| H[直接判定=0]
G -->|否| E
```
## 通法步骤
### 二阶
$$
\begin{vmatrix} a & b \\ c & d \end{vmatrix} = ad - bc
$$
### 三阶(对角线法则)
实线(左上→右下 × 3 项)+ 虚线(右上→左下 × 2 项):
$$
D = a_{11}a_{22}a_{33} + a_{12}a_{23}a_{31} + a_{13}a_{21}a_{32} - a_{13}a_{22}a_{31} - a_{11}a_{23}a_{32} - a_{12}a_{21}a_{33}
$$
## 常见陷阱
- **对角线法则只对 $n=2,3$ 有效**;$n \ge 4$ 必须用性质或展开
- 三阶时**正负符号容易搞混**:记忆口诀"主对角 + 副对角 - 副对角 - 主对角"
- 行列成等差数列(如 $1,2,3/4,5,6/7,8,9$)时直接 $\det = 0$(线性相关),不用算
## 经典母题
> **题目**:求 $D = \begin{vmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{vmatrix}$
**解法 1(对角线法则)**:
$$
\begin{aligned}
D &= 1\cdot5\cdot9 + 2\cdot6\cdot7 + 3\cdot4\cdot8 - 3\cdot5\cdot7 - 1\cdot6\cdot8 - 2\cdot4\cdot9 \\
&= 45 + 84 + 96 - 105 - 48 - 72 \\
&= 225 - 225 = 0
\end{aligned}
$$
**解法 2(性质秒杀)**:第 2 行 = 第 1 行 + 3,第 3 行 = 第 1 行 + 6 → 第 3 行 - 第 2 行 = 第 2 行 - 第 1 行 → **行线性相关** $\Rightarrow D = 0$
**复盘**:三阶行列式数字大时,对角线法则易算错。**养成"先观察结构"的习惯**:成比例/等差/等比 → 直接判 0。
---
> **变式**:求 $D = \begin{vmatrix} 1 & x & x^2 \\ 1 & y & y^2 \\ 1 & z & z^2 \end{vmatrix}$
**解**:转置即为范德蒙德 $V_3$,结果 $= (y-x)(z-x)(z-y)$(见题型 4)。
@@ -0,0 +1,62 @@
# 题型二:行列式按行(列)展开降阶法
## 识别特征
- 行列式中某行(列)**含大量 0**
- 行列式规模 $n \ge 4$ 但**结构对称**(如三对角、箭头型)
- 需要计算余子式 $M_{ij}$ 或代数余子式 $A_{ij}$
## 解题流程
```mermaid
flowchart TD
A[识别:按行展开] --> B[找0最多/最易算的行或列]
B --> C[人为造0:用性质6倍加行]
C --> D[按该行展开]
D --> E[计算非零元素的代数余子式之和]
E --> F{降阶后仍复杂?}
F -->|是| G[对余子式继续展开/化简]
F -->|否| H[累加得结果]
G --> H
```
## 通法步骤
1. **观察结构**:找 0 最多的行(列),或用性质 6 人为制造 0
2. **按行(列)展开**:
$$
\det A = \sum_{j=1}^n a_{ij} A_{ij}
$$
其中 $A_{ij} = (-1)^{i+j} M_{ij}$
3. **计算余子式**:余子式是 $(n-1)$ 阶行列式,递归使用本方法或用三阶对角线法则
4. **累加**:把每个非零项的乘积 $a_{ij}A_{ij}$ 加起来
## 常见陷阱
- 展开时符号 $(-1)^{i+j}$ 容易算错($i+j$ 的奇偶性)
- 异乘变零(不同行乘积为零)的应用场景容易混淆
- 展开后忘记**对余子式继续化简**($n$ 大时尤其要降阶到底)
## 经典母题
> **题目**:求 $D = \begin{vmatrix} 5 & 1 & 1 & 1 \\ 1 & 5 & 1 & 1 \\ 1 & 1 & 5 & 1 \\ 1 & 1 & 1 & 5 \end{vmatrix}$
**解法(造 0 + 按列展开)**:
每列减第 4 列(性质 6,行列式不变):
$$
D = \begin{vmatrix} 4 & 0 & 0 & 1 \\ 0 & 4 & 0 & 1 \\ 0 & 0 & 4 & 1 \\ 0 & 0 & 0 & 5 \end{vmatrix}
$$
按第 4 列展开:
$$
D = 5 \cdot A_{44} = 5 \cdot \begin{vmatrix} 4 & 0 & 0 \\ 0 & 4 & 0 \\ 0 & 0 & 4 \end{vmatrix} = 5 \cdot 4^3 = 320
$$
**复盘**:直接按原矩阵展开需算 16 个 $3\times3$ 余子式,**先造 0 再展开**只需 1 个,效率天壤之别。
---
> **变式**:证明 $\sum_{k=1}^n a_{ik} A_{jk} = 0$($i \neq j$)
**证明**:构造矩阵 $B$,把 $A$ 的第 $j$ 行换成第 $i$ 行。此时 $B$ 有两行相同,$\det B = 0$。另一方面 $\det B$ 按第 $j$ 行展开 $= \sum_k a_{ik} A_{jk}$,故 $= 0$。
@@ -0,0 +1,72 @@
# 题型三:性质化简 + 三角化法
## 识别特征
- $n$ 阶($n \ge 4$)数值行列式
- 元素分布**杂乱无章但有规律**(如等差、含公因子)
- 需要求**具体的行列式值**
## 解题流程
```mermaid
flowchart TD
A[识别:n阶数值行列式] --> B[观察结构特征]
B --> C{主对角元是否非零?}
C -->|否| D[换行使主对角非零]
C -->|是| E[用性质6倍加行]
D --> E
E --> F[从第1列开始化下三角为0]
F --> G[继续处理第2列、第3列...]
G --> H[化为上三角]
H --> I[det = 对角线元素之积]
```
## 通法步骤(化为上三角)
1. **检查主对角元**:若 $a_{ii} = 0$,找下方某行 $r_k$($a_{ki} \neq 0$),用 $r_i \leftrightarrow r_k$(注意变号!)
2. **消下三角**:对每行 $r_i$($i > k$),执行 $r_i - \dfrac{a_{ik}}{a_{kk}} r_k$(性质 6,行列式不变)
3. **重复**:对第 2 列、第 3 列、... 重复步骤 2,直到矩阵成为上三角
4. **结论**:$\det A = \prod_{i=1}^n a_{ii}$(每步主元的乘积)
> ⚠️ **分数计算**:分数的乘法/除法容易出错。建议计算时**保持分数形式**,最后约分。
## 常见陷阱
- 换行后忘记**行列式变号**($\det \to -\det$)
- 化简时记错符号(应该是 $r_i - \dfrac{a_{ik}}{a_{kk}} r_k$,加错符号变增根)
- 主元 $a_{kk} = 0$ 时继续倍加行(导致分母为 0)→ 必须先换行
## 经典母题
> **题目**:求 $D = \begin{vmatrix} a & b & c \\ c & a & b \\ b & c & a \end{vmatrix}$
**解法(每列加到第 1 列)**:
$$
D = (a+b+c) \begin{vmatrix} 1 & b & c \\ 1 & a & b \\ 1 & c & a \end{vmatrix}
$$
第 2、3 列减第 1 列:
$$
D = (a+b+c) \begin{vmatrix} 1 & b-1 & c-1 \\ 1 & a-1 & b-1 \\ 1 & c-1 & a-1 \end{vmatrix}
$$
第二行 - 第一行,第三行 - 第一行:
$$
D = (a+b+c) \begin{vmatrix} 1 & b-1 & c-1 \\ 0 & a-b & b-c \\ 0 & c-b & a-c \end{vmatrix}
= (a+b+c) \begin{vmatrix} a-b & b-c \\ c-b & a-c \end{vmatrix}
$$
二阶:$(a-b)(a-c) - (b-c)(c-b) = (a-b)(a-c) + (b-c)^2 = a^2 - ab - ac + bc + b^2 - 2bc + c^2$
$= a^2 + b^2 + c^2 - ab - ac - bc$
**最终结果**:$D = (a+b+c)(a^2 + b^2 + c^2 - ab - bc - ca)$
**复盘**:通过"列加列"提取公因子 $a+b+c$,再"行减行"消元降阶——**先观察对称结构再选策略**。
---
> **变式**:$D = \begin{vmatrix} 1 & 2 & 3 & 4 \\ 2 & 3 & 4 & 1 \\ 3 & 4 & 1 & 2 \\ 4 & 1 & 2 & 3 \end{vmatrix}$
**解**:每行加到第 1 行 $= 10$ → 第 1 行提出 10 → 第 2、3、4 行减第 1 行 → 化为三角行列式 → $D = 10 \cdot (1\cdot1\cdot1\cdot1)$ 的某种变形。
> **口诀**:**"每行元素之和相等"→ 加到第一行提出 → 倍加消元"**
@@ -0,0 +1,79 @@
# 题型四:范德蒙德 (Vandermonde) 行列式
## 识别特征
- 行列式**每行是首列的 $0, 1, 2, \ldots, n-1$ 次幂**(顺序不限,行之间递增即可)
- 或行列式可**通过转置/换序转化为范德蒙德结构**
- 范德蒙德 + 矩阵运算(Ch05 用特征值算范德蒙德)
## 解题流程
```mermaid
flowchart TD
A[识别:范德蒙德结构] --> B{行序是否递增?}
B -->|否| C[换序到递增,记变号次数]
B -->|是| D[直接写结果]
C --> D
D --> E["det = ∏ᵢ<ⱼ (xⱼ - xᵢ)"]
E --> F{是否含参?}
F -->|是| G[判断=0的条件]
F -->|否| H[得结果]
G --> I[所有 xᵢ 互不相同时 ≠ 0]
```
## 通法步骤
$$
V_n(x_1, \ldots, x_n) = \begin{vmatrix}
1 & 1 & \cdots & 1 \\
x_1 & x_2 & \cdots & x_n \\
x_1^2 & x_2^2 & \cdots & x_n^2 \\
\vdots & \vdots & & \vdots \\
x_1^{n-1} & x_2^{n-1} & \cdots & x_n^{n-1}
\end{vmatrix}
= \prod_{1 \le i < j \le n} (x_j - x_i)
$$
**关键性质**:
- $V_n = 0 \iff$ 存在 $i \neq j$ 使得 $x_i = x_j$(**两列相同**)
- $V_n \neq 0 \iff$ 所有 $x_i$ **互不相同**
- 公式中**严格 $j > i$**,即每对只算一次($x_j - x_i$ 中 $x_j$ 是较大下标)
## 常见陷阱
- 行序不递增时忘记**换序变号**(如行序倒过来要乘 $(-1)^{n(n-1)/2}$)
- 公式中**漏写部分乘积**(所有 $\binom{n}{2}$ 对都要写)
- 转置后才能识别为范德蒙德的情况(见变式)
## 经典母题
> **题目**:证明 $V_n = \prod_{1 \le i < j \le n} (x_j - x_i)$
**证明(数学归纳法)**:
$n=2$:$V_2 = \begin{vmatrix} 1 & 1 \\ x_1 & x_2 \end{vmatrix} = x_2 - x_1$ ✓
$n \to n+1$:从第 $n$ 行开始,$r_n - x_1 r_{n-1}$,反复做(用相邻两行):
- 第 $n$ 行减去第 $n-1$ 行 $\times x_1$,得 $x_2^n - x_1 x_2^{n-1} = x_2^{n-1}(x_2 - x_1)$
- 提取公因子 $(x_2 - x_1)$
- 第 $n-1$ 行减去第 $n-2$ 行 $\times x_1$,得 $x_2^{n-1}(x_2 - x_1)$
- 全部行处理后,第 1 列除第 1 行外为 0,按第 1 列展开降为 $V_n$
- 整理得 $V_{n+1} = (x_2 - x_1)(x_3 - x_1)\cdots(x_{n+1} - x_1) \cdot V_n(x_2,\ldots,x_{n+1})$
由归纳,$V_n(x_2,\ldots,x_{n+1}) = \prod_{2 \le i < j \le n+1} (x_j - x_i)$,与前项合并即得证。
---
> **变式 1**:$D = \begin{vmatrix} 1 & 1 & 1 \\ x_1 & x_2 & x_3 \\ x_1^3 & x_2^3 & x_3^3 \end{vmatrix}$(注意第 3 行是 $x^3$,**不是** $x^2$)
**解**:转置后是 $V_3$ 乘以每行 $x_i$?不——$V_3$ 的第 3 行是 $x_i^2$。需要**性质化简**:
- 每行减 $x_1$ 倍的前一行:第 3 行 $- x_1^2 \cdot$ 第 2 行 $+ x_1 \cdot$ 第 1 行 $\cdot$ 修正
- 实际上化为 $V_3$ 再乘 $\prod x_i$ 的某种形式
- 或用 $\det \begin{pmatrix} 1 & 1 & 1 \\ x_1 & x_2 & x_3 \\ x_1^3 & x_2^3 & x_3^3 \end{pmatrix}$ = $\det V_3 \cdot$ ... 结构变形(结果 = $\prod x_i \cdot \prod_{i<j}(x_j - x_i)$)
> **变式 2**:判断多项式 $f(x) = \begin{vmatrix} 1 & 1 & 1 \\ x & a & b \\ x^2 & a^2 & b^2 \end{vmatrix}$ 有几个不同实根
**解**:是 $V_3(x, a, b)$ = $(a - x)(b - x)(b - a)$
- $f(x) = 0$ 的根:$x = a$, $x = b$, $x = ?$(共两个根 $a, b$,可能相等)
- 若 $a \neq b$:两个不同实根
- 若 $a = b$:一个根(重根)
@@ -0,0 +1,86 @@
# 题型五:抽象矩阵的行列式(公式库)
## 识别特征
- 矩阵是**字母表达式**(如 $A^2 + A - E$, $A^*$, $A^{-1}$)
- 已知 $\det A$ 或 $\det A^*$
- 求另一个矩阵表达式的行列式
## 解题流程
```mermaid
flowchart TD
A[识别:抽象行列式] --> B{已知什么?}
B -->|det A, 求 det A*| C["= (det A)^(n-1)"]
B -->|A 的特征值 λ| D["= Π λᵢ"]
B -->|矩阵运算表达式| E[拆分为 A 的形式: A^k, A+αE 等]
B -->|A,B 满足关系 AB| F[利用 det AB = det A · det B]
E --> G[应用公式库]
C --> H[得结果]
D --> H
F --> G
G --> H
```
## 核心公式库(必须背诵)
| 已知 | 求 | 公式 |
|------|---|------|
| $n$ 阶 $A$, $\det A$ | $\det A^*$ | $(\det A)^{n-1}$ |
| $A$ 可逆 | $A^{-1} = \dfrac{A^*}{\det A}$ | $A \cdot A^* = A^* \cdot A = (\det A) E$ |
| $\det A$ | $\det A^{-1}$ | $1/\det A$ |
| $\det A$ | $\det A^T$ | $\det A$ |
| $\det A$, $k$ | $\det(kA)$ | $k^n \det A$($n$ 是阶数) |
| $\det A$, $\det B$ | $\det(AB)$ | $\det A \cdot \det B$ |
| $A$ 特征值 $\lambda_i$ | $\det A$ | $\prod \lambda_i$ |
| $A$ 特征值 $\lambda_i$, $\alpha$ | $\det(A + \alpha E)$ | $\prod (\lambda_i + \alpha)$ |
| $A \sim B$ | $\det A$ | $\det B$(相似矩阵行列式相等) |
| $A^2 = A$(幂等) | $\det A$ | $0$ 或 $1$ |
| $A^k = O$(幂零) | $\det A$ | $0$ |
| $A^T = A^{-1}$(正交) | $\det A$ | $\pm 1$ |
## 通法步骤
1. **识别表达式类型**:$A^*$ / $A^{-1}$ / $A^k$ / $A + \alpha E$ / $A^T$ / 矩阵方程
2. **套公式**:逐项拆解表达式,套用公式库
3. **代入已知**:填入 $\det A$、阶数 $n$、特征值等
4. **化简**:注意 $\det(kA) = k^n \det A$ 中的指数是**阶数**而非其他
## 常见陷阱
- $\det(A^*) = (\det A)^{n-1}$ 中**指数是 $n-1$ 不是 $n$**(伴随矩阵的伴随是 $A$)
- $\det(kA)$ 中 $k^n$ 的指数常被错记为 $1$ 或 $k$
- 正交矩阵行列式是 $\pm 1$ 而非 $1$
- 矩阵乘法**不可交换**:$\det(AB) = \det A \cdot \det B$ 但 $A B \neq B A$(不影响行列式,但逆运算要先判可交换性)
## 经典母题
> **题目**:设 $A$ 是 $3$ 阶矩阵,$\det A = 2$,求 $\det(2A^* A^T A^{-1})$。
**解**:
$$
\begin{aligned}
\det(2A^* A^T A^{-1}) &= \det(2A^*) \cdot \det(A^T) \cdot \det(A^{-1}) \\
&= 2^3 \det(A^*) \cdot \det A \cdot \dfrac{1}{\det A} \\
&= 8 \cdot (\det A)^{3-1} \cdot 2 \cdot \dfrac{1}{2} \\
&= 8 \cdot 4 \cdot 1 = 32
\end{aligned}
$$
**复盘**:$\det A^T = \det A$,$\det A^{-1} = 1/\det A$,两者相乘为 1,故结果仅取决于 $\det(2A^*)$。
---
> **变式**:设 $A, B$ 是 $n$ 阶矩阵,$|A| = 2, |B| = 3$,求 $|(AB^*)^{-1}(A^T B)^*|$。
**解**:
$$
\begin{aligned}
|(AB^*)^{-1}(A^T B)^*| &= |(AB^*)^{-1}| \cdot |(A^T B)^*| \\
&= \frac{1}{|A| \cdot |B^*|} \cdot |A^T B|^{n-1} \\
&= \frac{1}{2 \cdot 3^{n-1}} \cdot (|A| \cdot |B|)^{n-1} \\
&= \frac{(2 \cdot 3)^{n-1}}{2 \cdot 3^{n-1}} = \frac{6^{n-1}}{2 \cdot 3^{n-1}} = 3^{n-2}
\end{aligned}
$$
> **跨章节预告**:当表达式含**未知参数 $\lambda$** 且需要解方程时,进入 Ch05 特征值法(见题型 8)。
@@ -0,0 +1,75 @@
# 题型六:加边升阶法(升阶法)
## 识别特征
- 行列式**每行(列)元素之和相等**
- 或行列式**结构相似但缺一行/列**
- 用普通展开/性质化简无法直接解决
## 解题流程
```mermaid
flowchart TD
A[识别:各行元素之和相等] --> B[加边:升一阶行列式]
B --> C[新增一行一列,巧妙构造]
C --> D[第1行写 1,1,...,1, x]
D --> E[第1列写 1, a, b, ... 原矩阵]
E --> F[对第1列做展开/化简]
F --> G[巧妙选择 x 便于计算]
G --> H[降回原阶,得结果]
```
## 通法步骤
**核心思路**:把 $n$ 阶行列式 $|A|$ 升为 $n+1$ 阶行列式 $|B|$,通过巧妙构造使 $|B|$ 更易计算,且 $|B| = f(x) \cdot |A|$,比较 $x$ 的系数可得 $|A|$。
**构造方法**(每行元素之和都等于 $s$):
$$
B = \begin{pmatrix}
1 & 1 & 1 & \cdots & 1 \\
0 & & & & \\
0 & & & A & \\
\vdots & & & & \\
0 & & & &
\end{pmatrix}
$$
- 第 1 行全为 1,第 1 列除第 1 行外为 0
- 实际 $|B|$ 按第 1 行展开 $= \sum_j 1 \cdot A_{1j} = \sum_j (-1)^{1+j} M_{1j}$
- 巧妙!**每个 $M_{1j}$ 都含一行 0**(第 1 列除第 1 行) → $M_{1j}$ 中第 1 列有 0 → 按第 1 列展开更易
## 常见陷阱
- 加边后行列式阶数变了,但**新行列式的值 ≠ 原行列式**,需要比较系数或独立计算
- 构造时第 1 列不能写错(应为原矩阵的第 $i$ 行原样放入新矩阵的第 $i+1$ 行)
- 升阶后忘记**降回原阶**——有时升阶法反而使问题复杂
## 经典母题
> **题目**:求 $D_n = \begin{vmatrix} x & a & a & \cdots & a \\ a & x & a & \cdots & a \\ a & a & x & \cdots & a \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ a & a & a & \cdots & x \end{vmatrix}$(对角线 $x$,其余 $a$)
**解法(加边 + 三角化)**:
每行加到第 1 行(提取 $x + (n-1)a$):
$$
D_n = [x + (n-1)a] \begin{vmatrix} 1 & 1 & 1 & \cdots & 1 \\ a & x & a & \cdots & a \\ a & a & x & \cdots & a \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ a & a & a & \cdots & x \end{vmatrix}
$$
第 $i$ 行($i \ge 2$)减第 1 行 $\times a$:
$$
D_n = [x + (n-1)a] \begin{vmatrix} 1 & 1 & 1 & \cdots & 1 \\ 0 & x-a & 0 & \cdots & 0 \\ 0 & 0 & x-a & \cdots & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & 0 & \cdots & x-a \end{vmatrix}
$$
按第 1 列展开:
$$
D_n = [x + (n-1)a] \cdot (x-a)^{n-1}
$$
**复盘**:观察"每行结构相同(除主对角元)" → 加边 + 倍加行 → 化为**上三角** → $\det$ = 主对角线之积。这是 $n$ 阶"循环对称型"行列式的标准打法。
---
> **变式**:$D_n = \begin{vmatrix} 1 & 2 & 2 & \cdots & 2 \\ 2 & 2 & 2 & \cdots & 2 \\ 2 & 2 & 3 & \cdots & 2 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 2 & 2 & 2 & \cdots & n \end{vmatrix}$(对角线 $1,2,3,\ldots,n$)
**解**:用 $r_i - r_1$($i \ge 2$)化简,化为每行除主对外为 0 的结构 → 三角化 → $\det = 1 \cdot 1 \cdot 2 \cdots (n-2)$ 的形式(具体计算略)。
> **口诀**:**"行列元素之和相等 → 加边提公因子 → 倍加消元 → 三角化"**
@@ -0,0 +1,76 @@
# 题型七:克拉默法则 (Cramer's Rule)
## 识别特征
- 线性方程组 $A_{n \times n} x = b$
- 系数矩阵 $A$ 是**方阵**
- 已知 $\det A$,求方程组的解或解的判定
## 解题流程
```mermaid
flowchart TD
A[识别:克拉默法则] --> B[计算 D=det A]
B --> C{D=0?}
C -->|否| D[唯一解: xᵢ=Dᵢ/D]
C -->|是| E[检验 Dᵢ 是否全 0]
E -->|是| F[无穷多解]
E -->|否| G[无解]
D --> H[得结果]
F --> H
G --> H
```
## 通法步骤
**克拉默法则**:对方程组 $A x = b$($A$ 为 $n$ 阶方阵):
**情形 1:$\det A \neq 0$**(唯一解)
$$
x_j = \frac{D_j}{\det A}, \quad j = 1, 2, \ldots, n
$$
其中 $D_j$ 是把 $A$ 的第 $j$ 列替换为 $b$ 后得到的行列式。
**情形 2:$\det A = 0$**
- 若所有 $D_j = 0$:方程组**有无穷多解**(但需要进一步分析自由变量)
- 若存在某个 $D_j \neq 0$:方程组**无解**
## 常见陷阱
- 克拉默法则**仅适用于方阵**(系数矩阵是方阵)。$m \neq n$ 时不能用。
- $\det A = 0$ 时**不能直接用公式** $x_j = D_j/\det A$(分母为 0 失效)
- 齐次方程组 $Ax = 0$ 必有 $D = 0$,要继续用初等行变换判解的结构(Ch03 重点)
## 经典母题
> **题目**:用克拉默法则求解方程组
> $$
> \begin{cases}
> x_1 + x_2 + x_3 + x_4 = 5 \\
> x_1 + 2x_2 - x_3 + 4x_4 = -2 \\
> 2x_1 - 3x_2 - x_3 - 5x_4 = -2 \\
> 3x_1 + x_2 + 2x_3 + 11x_4 = 5
> \end{cases}
> $$
**解**:
$$
D = \begin{vmatrix} 1 & 1 & 1 & 1 \\ 1 & 2 & -1 & 4 \\ 2 & -3 & -1 & -5 \\ 3 & 1 & 2 & 11 \end{vmatrix}
$$
通过初等行变换可化简(具体步骤略),最终 $D = -16 \neq 0$,方程组有唯一解。
$D_1 = \begin{vmatrix} 5 & 1 & 1 & 1 \\ -2 & 2 & -1 & 4 \\ -2 & -3 & -1 & -5 \\ 5 & 1 & 2 & 11 \end{vmatrix} = 16$,故 $x_1 = 16/(-16) = -1$
类似计算 $D_2, D_3, D_4$,最终 $(x_1, x_2, x_3, x_4) = (-1, 2, 1, 3)$。
**复盘**:实际考试中**不要直接用克拉默法则**——4 个 4 阶行列式计算量太大。应优先用**初等行变换**(Ch03 重点)。但概念题必考:"方程组什么时候有唯一解"——答案就是 $D \neq 0$。
---
> **变式**:设 $Ax = b$($A$ 为 $n$ 阶矩阵),$|A| = 3$,$|A+E| = 6$,$|A+2E| = 12$。问 $Ax = 0$ 是否有非零解?
**解**:$\det A = 3 \neq 0$ → $A$ 可逆 → $Ax = 0$ **只有零解**。
> 这是**判断题的快速通道**:$\det A \neq 0 \iff Ax = 0$ 只有零解(贯穿 Ch02-Ch05 的核心等价链)。
> **口诀**:**"$\det A \neq 0$ = 唯一解";"$\det A = 0$ 时再用 $D_j$ 判有/无解"**
@@ -0,0 +1,83 @@
# 题型八:行列式方程(含参方程)
## 识别特征
- 行列式 $= 0$(或 $\neq 0$)作为方程,求**参数 $\lambda$**
- 含参行列式 $|\lambda E - A| = 0$ → 特征值
- 含参行列式 $|A + \lambda E| = 0$ → 特征值的负数
- $|A + \lambda B| = 0$ 求 $\lambda$ 的关系式
## 解题流程
```mermaid
flowchart TD
A[识别:含参行列式方程] --> B{参数在哪儿?}
B -->|λE-A 形式| C["= λ的特征多项式 f(λ)"]
B -->|λ 在普通位置| D[展开行列式=关于λ的多项式]
C --> E[解多项式方程]
D --> E
E --> F{求det≠0条件?}
F -->|是| G[所有根都是使det=0的值,排除]
F -->|否| H[得 λ 的取值]
```
## 通法步骤
1. **写出 $f(\lambda) = \det(\lambda E - A)$** 或 $\det(A - \lambda E)$
2. **展开**:通过性质化简或按行展开,得到关于 $\lambda$ 的多项式
3. **解方程**:$f(\lambda) = 0$ → 求根
4. **判定**:根据题目要求判断 $|A - \lambda E| \neq 0$ 的 $\lambda$ 范围
## 关键公式
- $A$ 的特征值是 $\det(\lambda E - A) = 0$ 的根
- $\det(A + \lambda E) = 0$ 的根 = $-A$ 的特征值
- $\det(kA) = k^n \det A$($n$ 为阶数)
- 三角形 $\det = \prod a_{ii}$ 直接设未知
## 常见陷阱
- $|\lambda E - A|$ 与 $|A - \lambda E|$ 的根相同(行列式性质),但 $|A + \lambda E|$ 的根是 $-A$ 的特征值
- 多项式**因式分解不彻底**漏根
- 含 $k^n$ 时混淆 $k$ 与阶数 $n$
## 经典母题
> **题目**:求 $\lambda$ 使 $\begin{vmatrix} 1-\lambda & 2 & 3 \\ 2 & 1-\lambda & 0 \\ 3 & 0 & 1-\lambda \end{vmatrix} = 0$
**解**:按第 2 列展开(因为 $a_{22}$ 和 $a_{32}$ 一项非零,一项为零,比全展开快):
实际上更简单的方法是**直接展开**:
$$
D = (1-\lambda)\left[(1-\lambda)^2 - 0\right] - 2\left[2(1-\lambda) - 0\right] + 3\left[0 - 3(1-\lambda)\right]
$$
注意此处用 $|\lambda E - A|$ 形式更好:$\lambda E - A = \begin{pmatrix} \lambda - 1 & -2 & -3 \\ -2 & \lambda - 1 & 0 \\ -3 & 0 & \lambda - 1 \end{pmatrix}$
**按第 3 列展开**(仅 $-3$ 和 $\lambda - 1$ 两个非零):
$$
\begin{aligned}
f(\lambda) &= -3 \cdot (-1)^{1+3} \begin{vmatrix} -2 & \lambda-1 \\ -3 & 0 \end{vmatrix} + (\lambda-1) \cdot (-1)^{3+3} \begin{vmatrix} \lambda-1 & -2 \\ -2 & \lambda-1 \end{vmatrix} \\
&= -3 \cdot 3(\lambda-1) + (\lambda-1)[(\lambda-1)^2 - 4] \\
&= (\lambda-1)[-9 + (\lambda-1)^2 - 4] \\
&= (\lambda-1)[(\lambda-1)^2 - 13]
\end{aligned}
$$
**根**:$\lambda = 1$, $\lambda = 1 \pm \sqrt{13}$
**复盘**:本题演示了**"找 0 多的列优先展开"**的策略——第 3 列仅 2 个非零元,比全展开(6 项乘积)快得多。
---
> **变式 1**:设 $A = \begin{pmatrix} 1 & 0 & 0 \\ 1 & 2 & 0 \\ 0 & 0 & 3 \end{pmatrix}$,求 $|\lambda E - A|$
**解**:$\lambda E - A$ 是下三角矩阵,行列式 $= (\lambda-1)(\lambda-2)(\lambda-3)$
> 这是下三角矩阵的福利——特征多项式 = 对角元之积。
> **变式 2**:设 $|A| = 2, |B| = 3$($A, B$ 为 3 阶),$|A+B| = ?$(无法直接确定!)
**解**:陷阱题!$|A+B| \neq |A| + |B|$(行列式**无加法分配律**),具体值取决于 $A, B$ 的结构。
> **口诀**:**"特征多项式 = 行列式方程的根;三角矩阵 = 直接写出特征值"**