Files
2026-10-04 11:44:56 +08:00

546 lines
22 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 📌 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。