Files
MathNotesVersion1/公式笔记/线性代数/Ch01_行列式/Ch01_Determinant.md
T
2026-10-04 11:44:56 +08:00

22 KiB
Raw Blame History

📌 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,行列式将作为矩阵可逆性的判据贯穿始终。