22 KiB
📌 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):
- 找 $a_{11}$:若 $a_{11}=0$,换行使主对角元素非零
- 用
r_i - \dfrac{a_{i1}}{a_{11}} r_1把 $a_{i1}=0$($i=2,\ldots,n$) - 对第 2 列重复步骤 2:用 $r_i - \dfrac{a_{i2}}{a_{22}} r_2$($i=3,\ldots,n$)
- 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,行列式将作为矩阵可逆性的判据贯穿始终。