# 📌 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 > **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。