线性代数模块 1：行列式

系统梳理行列式的核心性质、典型题型、历年真题与通用解法。

本文按本站的资料体系，把数学真题作为主干，再用李正元第一章、张宇 1000 题第一章补充真题没有充分展开的变式。本站本身也明确建议“真题 > 高质量练习题 > 模拟/强化题”，这非常适合这一章，因为行列式的练习题可以做得极其花，但真正考研稳定出现的命题方式其实高度集中。(Any Docs)

先给结论：

模块 1 真正要学会的，不是“会算行列式”，而是看到一个行列式后，迅速判断它属于哪种结构，以及应该用哪条性质把问题降维。

从本站当前真题分类看，模块 1 分成四部分：低阶数值型、高阶数值型、抽象型、克拉默法则；其中抽象型最重要，低阶结构计算其次，高阶特殊结构再次，克拉默法则单独直接考非常少。而抽象型又不断与矩阵、伴随矩阵、逆矩阵、特征值、相似等后续章节交叉。(Any Docs)

一、先建立模块 1 的完整知识地图

层次	核心内容	考研重要度	最常见设问
1	行列式定义、排列、符号	★★	特殊稀疏行列式
2	行列式基本性质	★★★★★	数值计算、抽象变换
3	按行/列展开、余子式、代数余子式	★★★★	余子式和、系数
4	特殊结构行列式	★★★★	高阶行列式
5	向量列形式与多重线性	★★★★★	抽象行列式
6	矩阵运算与行列式	★★★★★	逆、伴随、乘积
7	分块行列式	★★★★	块对角、反对角块
8	行列式与特征值	★★★★★	多项式矩阵行列式
9	克拉默法则	★★	方程组唯一解

这里最应该形成条件反射的是：

能加减化零就不展开，能分块就不硬算，能提矩阵因子就不展开，能用特征值就不算元素

二、所有题型的“母公式”

这一部分最好背到不需要思考。

1. 三种初等变换

交换两行：

D^{'} = - D

某一行乘常数：

D^{'} = k D

某一行加另一行的若干倍：

D^{'} = D

列完全相同。

因此计算行列式最核心的目标通常就是：

制造大量 0

2. 整个矩阵乘常数千万别写错

若 $A$ 为 $n$ 阶矩阵，

∣ k A ∣ = k^{n} ∣ A ∣

不是：

k ∣ A ∣

1987 年真题就直接考过这一陷阱；李正元和张宇题库中也反复用它和伴随矩阵、逆矩阵混合。(Any Docs)

3. 乘积

∣ A B ∣ = ∣ A ∣∣ B ∣

所以即使

A B \neq = B A

仍然有

∣ A B ∣ = ∣ B A ∣

1989 年真题直接考过这一性质。(Any Docs)

4. 逆矩阵

若 $A$ 可逆，

∣ A^{- 1} ∣ = \frac{1}{∣ A ∣}

5. 转置

∣ A^{T} ∣ = ∣ A ∣

6. 伴随矩阵

必须熟到条件反射：

A A^{*} = A^{*} A = ∣ A ∣ E

若 $A$ 可逆，

A^{*} = ∣ A ∣ A^{- 1}

而且

∣ A^{*} ∣ = ∣ A ∣^{n - 1}

以及

(k A)^{*} = k^{n - 1} A^{*}

进一步取行列式：

∣ (k A)^{*} ∣ = k^{n (n - 1)} ∣ A^{*} ∣

这正是这一章最容易连续套错指数的地方。

三、题型一：低阶普通行列式——真正考的是“怎样制造零”

★★★★★ 高频基础型

真题代表：1988-45

本站真题给出的四阶行列式为

D = 1110110110110111

答案：

D = - 3

站内做法是利用行列变换制造大量零。(Any Docs)

这一题真正应该学什么？

绝对不是记这道题。

看到“0、1高度规律排列”，先观察：

行和是否相同；
列和是否相同；
某几行相加能否得到常数行；
某几列相减是否出现大量零。

这种题标准策略是：

先加出公共结构，再相减消元

所以以后看到

a a a b a a b a a b a a b a a a

不要四阶展开。

应优先：

R_{1} + R_{2} + R_{3} + R_{4}

或者相邻行相减。

四、题型二：参数行列式——先降次数，而不是直接展开

★★★★★ 高频

真题非常喜欢让行列式本身成为一个关于 $x$ 的多项式，然后问：

方程有几个根；
某次项系数；
参数取何值；
是否恒为零。

代表真题：1999-2

题目给出一个四阶参数行列式 $f (x)$ ，问

f (x) = 0

有几个不同实根。

经过列、行变换后最终得到

f (x) = 5 x (x - 1)

所以只有：

x = 0, x = 1

两个不同实根。(Any Docs)

核心思想

原矩阵四阶，不代表 $f (x)$ 就一定是四次多项式。

这是非常重要的误区。

通过

C_{j} \leftarrow C_{j} - C_{1}

可能使原本四列都有 $x$ ，变成只有一两列含 $x$ 。

于是立刻降低多项式次数。

因此参数行列式第一问应该是：

能否通过行列变换把 x 集中到少数几行或几列？

而不是：

是否需要展开？

五、题型三：行列式中某次项的系数

★★★★ 很有考研味道

2021 真题

2021 年考研真题要求求一个四阶行列式多项式中

x^{3}

的系数。

正确答案是

- 5

公开真题可核对为：

f (x) = x 122 x x 1 - 1 12 x 1 2 x - 1 1 x

答案为 $- 5$ 。本站当前抓取文本在这个题目的矩阵排版上略有歧义，但答案与公开真题一致。(Any Docs)

方法一：只找可能产生 $x^{3}$ 的排列

行列式定义：

D = σ \sum (- 1)^{τ (σ)} a_{1 σ (1)} a_{2 σ (2)} \dots a_{nσ (n)}

题目只问 $x^{3}$ ，就只找乘积中能恰好出现三个 $x$ 的项。

不需要求整个多项式。

方法二：降阶后只保留需要的次数

如果按某行展开：

f (x) = a_{11} A_{11} + a_{12} A_{12} + \dots

只计算可能贡献 $x^{3}$ 的那些余子式。

通法

如果问：

[x^{k}] D (x)

先判断：

哪些排列才可能贡献 x^{k}

这比展开整个行列式快得多。

六、题型四：某个行列式恒为零——找线性关系

★★★★★

2025 真题

本站收录的 2025 年真题给出两个四阶行列式 $f (x)$ 、 $g (x)$ ，求

f (x) = g (x)

的不同根数。

其中 $f (x)$ 最漂亮的地方是直接发现：

R_{1} - R_{3} = (0, 1, 0, 0)

同时

R_{2} - R_{4} = (0, 1, 0, 0)

所以

R_{1} - R_{2} - R_{3} + R_{4} = 0

即四个行向量线性相关，于是立即：

f (x) \equiv 0

根本不用算。随后只需计算 $g (x)$ ，得到

g (x) = - 2 x (4 x + 1)

因此不同根有两个。(Any Docs)

这道 2025 真题非常值得反复体会。

看到行列式第一优先级其实是：

检查有没有

R_{i} = R_{j}

或

R_{i} = k R_{j}

或更一般的

c_{1} R_{1} + c_{2} R_{2} + \dots + c_{n} R_{n} = 0

一旦存在非平凡关系：

D = 0

所以考试时不要只找“相同行”，还要主动找：

R_{1} - R_{3} = R_{2} - R_{4}

这类隐藏关系。

七、题型五：余子式与代数余子式

★★★★ 高频易错

定义一定分清：

A_{ij} = (- 1)^{i + j} M_{ij}

其中：

M_{ij}

是余子式，

A_{ij}

是代数余子式。

2001 真题：第四行各元素“余子式”之和

题目明确问：

M_{41} + M_{42} + M_{43} + M_{44}

不是：

A_{41} + A_{42} + A_{43} + A_{44}

本站结果为：

- 28

这类题最常见的失分原因就是把 $M_{ij}$ 与 $A_{ij}$ 混掉。(Any Docs)

八、代数余子式最重要的高级技巧：换行/换列

这是整个行列式章节必须真正掌握的技巧。

对某一行：

D = j = 1 \sum n a_{ij} A_{ij}

如果把第 $i$ 行替换成任意：

b_{1}, b_{2}, \dots, b_{n}

那么新行列式就是：

j = 1 \sum n b_{j} A_{ij}

因此看到：

A_{i 1} + A_{i 2} + \dots + A_{in}

立即理解成：

把第 $i$ 行换成全 1 后的行列式。

2024 真题

题目给出三阶矩阵，并给：

- M_{21} + M_{22} - M_{23} = 0

注意第二行的代数余子式为

A_{21} = - M_{21},

A_{22} = M_{22},

A_{23} = - M_{23} .

所以原条件就是：

A_{21} + A_{22} + A_{23} = 0

于是直接把第二行替换成：

(1, 1, 1)

计算新行列式即可。

本站由此得到：

b = a + 1

再结合原行列式条件，最终：

a = 0

或

a = \frac{2}{3}

故选 B。(Any Docs)

通用模型

以后见到：

c_{1} A_{i 1} + c_{2} A_{i 2} + \dots + c_{n} A_{in}

不要逐个算代数余子式。

直接构造：

将第 i 行替换为 (c_{1}, c_{2}, \dots, c_{n})

这是高频秒杀技巧。

九、题型六：分块行列式

★★★★ 高频结构题

最简单的一类

若

M = (A O O B),

则

∣ M ∣ = ∣ A ∣∣ B ∣

同样，块上三角：

M = (A O C B)

仍有：

∣ M ∣ = ∣ A ∣∣ B ∣

2014 真题

通过交换行列，把原四阶矩阵化成两个相同类型的二阶块，最终得到：

D = - (a d - b c)^{2}

答案 B。(Any Docs)

这一类识别特征

如果矩阵中零元素呈“棋盘式”：

0 * * 0 * 00 * 0 * * 0 * 00 *

应立刻想到：

把奇数行列和偶数行列重新排列。

从而变成：

(B O O C)

十、反对角分块公式

1992 真题考过：

C = (O A B O)

若 $A$ 为 $m$ 阶、 $B$ 为 $n$ 阶，则：

∣ C ∣ = (- 1)^{mn} ∣ A ∣∣ B ∣

因为要交换两个列块，需要：

mn

次相邻列交换。(Any Docs)

这个公式不必死背。

记住：

交换一个 m 列块和一个 n 列块，符号为 (- 1)^{mn}

即可现场推出。

十一、2020 真题：可交换分块

真题给出四阶矩阵可以写为：

M = (a E_{2} B B a E_{2})

其中两个块可交换。

利用结构：

A B B A = ∣ A - B ∣∣ A + B ∣

得到：

∣ M ∣ = ∣ a E_{2} - B ∣∣ a E_{2} + B ∣

最终：

a^{2} (a^{2} - 4)

(Any Docs)

这是值得重点预测的方向

近年来比“硬算四阶”更有价值的是：

识别分块结构

尤其：

(A B B A)

和

(A - B B A)

都很有命题价值。

十二、题型七：高阶行列式——不要按定义展开

★★★

高阶题只有几条主要道路：

三角化 / 递推 / 稀疏排列 / 特殊结构

十三、高阶类型 A：所有非对角元相同

1997 真题

A = 01 ⋮ 1 10 ⋮ 1 \dots \dots ⋱ \dots 11 ⋮ 0

答案：

(- 1)^{n - 1} (n - 1)

本站使用特征值解释。(Any Docs)

但如果当前只学模块 1，完全可以只用行列式性质。

把所有行加到第一行：

R_{1} \leftarrow R_{1} + R_{2} + \dots + R_{n}

第一行变成：

(n - 1, n - 1, \dots, n - 1)

提取：

n - 1

得到第一行全为 1。

然后：

R_{i} \leftarrow R_{i} - R_{1}, i = 2, \dots, n

矩阵立即三角化：

D = (n - 1) (- 1)^{n - 1}

一般公式

对于

A = a b ⋮ b b a ⋮ b \dots \dots ⋱ \dots b b ⋮ a

应该直接掌握：

∣ A ∣ = (a - b)^{n - 1} [a + (n - 1) b]

这一公式非常重要。

十四、高阶类型 B：只有极少数非零排列

1991 真题

矩阵具有循环结构：

D_{n} = a b 0 ⋮ 0 0 a b 0 \dots \dots ⋱ ⋱ \dots 000 a b b 000 a

真正可能非零的排列只有两种：

主对角线：

a^{n}

和整个循环的 $b$ ：

(- 1)^{n - 1} b^{n}

因此：

D_{n} = a^{n} + (- 1)^{n - 1} b^{n}

(Any Docs)

这类题什么时候用定义？

通常强调“不要用定义”。

但如果矩阵特别稀疏，每行只有两个非零元素，那么排列定义反而最快。

所以：

普通矩阵不要用定义，极稀疏矩阵反而应该考虑定义

十五、高阶类型 C：递推型

★★★★

2015 真题

本站收录的 $n$ 阶特殊行列式满足：

D_{n} = 2 D_{n - 1} + 2

且

D_{1} = 2

令：

u_{n} = D_{n} + 2

得到：

u_{n} = 2 u_{n - 1}

从而：

D_{n} = 2^{n + 1} - 2

(Any Docs)

递推行列式统一流程

以后看到带状矩阵：

D_{n} = a c 0 ⋮ b a c 0 b a \dots \dots \dots ⋱

第一反应：

沿第一行或最后一行展开。

通常得到：

D_{n} = a D_{n - 1} - b c D_{n - 2}

然后解数列递推。

李正元第一章也专门收录了一道三对角递推题，得到：

D_{n} = a_{n} D_{n - 1} + D_{n - 2}

说明这种方法非常值得练。(Any Docs)

十六、题型八：范德蒙德行列式

标准形式：

V_{n} = 1 x_{1} x_{1}^{2} ⋮ x_{1}^{n - 1} 1 x_{2} x_{2}^{2} ⋮ x_{2}^{n - 1} \dots \dots \dots \dots 1 x_{n} x_{n}^{2} ⋮ x_{n}^{n - 1}

则：

V_{n} = 1 \leq i < j \leq n \prod (x_{j} - x_{i})

最重要的不是公式本身，而是：

V_{n} = 0

当且仅当至少两个节点相同。

李正元第一章就有一道通过范德蒙德结构判断充分必要条件的题。(Any Docs)

十七、题型九：列向量形式的抽象行列式

★★★★★ 超高频

这是考研真正喜欢的题型之一。

1988 真题

给：

A = (α, γ_{2}, γ_{3}, γ_{4})

B = (β, γ_{2}, γ_{3}, γ_{4})

且：

∣ A ∣ = 4, ∣ B ∣ = 1

求：

∣ A + B ∣

因为：

A + B = (α + β, 2 γ_{2}, 2 γ_{3}, 2 γ_{4})

所以：

∣ A + B ∣ = 2^{3} ∣ α + β, γ_{2}, γ_{3}, γ_{4} ∣

利用第一列线性：

= 8 (∣ α, γ_{2}, γ_{3}, γ_{4} ∣ + ∣ β, γ_{2}, γ_{3}, γ_{4} ∣)

于是：

40

(Any Docs)

十八、抽象列向量题的真正本质：多重线性

若：

D = ∣ α_{1}, α_{2}, \dots, α_{n} ∣

那么对任意一列：

∣ α_{1}, \dots, k β + ℓ γ, \dots, α_{n} ∣

有：

= k ∣ α_{1}, \dots, β, \dots, α_{n} ∣ + ℓ ∣ α_{1}, \dots, γ, \dots, α_{n} ∣

再配合：

∣ \dots, α_{i}, \dots, α_{i}, \dots ∣ = 0

以及交换两列：

D^{'} = - D

绝大多数抽象列题就结束了。

十九、1993 真题：线性拆分 + 调整列顺序

已知两个行列式分别为 $m, n$ ，要求：

∣ α_{3}, α_{2}, α_{1}, β_{1} + β_{2} ∣

先拆：

= ∣ α_{3}, α_{2}, α_{1}, β_{1} ∣ + ∣ α_{3}, α_{2}, α_{1}, β_{2} ∣

然后分别通过换列恢复到已知行列式。

最终：

n - m

(Any Docs)

这类题唯一真正容易错的是：

换列次数的奇偶

不要凭感觉判断符号。

二十、题型十：向量组合形成新矩阵——直接写成矩阵乘法

★★★★★

这是非常重要的升级。

2005 真题

设：

A = (α_{1}, α_{2}, α_{3})

而 $B$ 的三列分别为：

α_{1} + α_{2} + α_{3}

α_{1} + 2 α_{2} + 4 α_{3}

α_{1} + 3 α_{2} + 9 α_{3}

不要一列一列展开。

直接写：

B = A 111124139

注意列系数放在右乘矩阵的对应列中。

于是：

∣ B ∣ = ∣ A ∣ 111124139

右侧又是范德蒙德结构。

最终：

∣ B ∣ = 2

(Any Docs)

二十一、这种题的统一模板

若：

B = (β_{1}, \dots, β_{n})

且：

β_{j} = c_{1 j} α_{1} + c_{2 j} α_{2} + \dots + c_{nj} α_{n}

令：

A = (α_{1}, \dots, α_{n})

则：

B = A C

因此：

∣ B ∣ = ∣ A ∣∣ C ∣

以后不要再逐列展开。

二十二、题型十一：给 $A α_{i}$ ，求 $∣ A ∣$

★★★★★ 高频综合接口

2018 真题

给出线性无关向量：

α_{1}, α_{2}, α_{3}

以及：

A α_{1} = α_{1} + α_{2}

A α_{2} = α_{2} + α_{3}

A α_{3} = α_{1} + α_{3}

令：

P = (α_{1}, α_{2}, α_{3})

由于向量组线性无关：

∣ P ∣ \neq = 0

把三个关系一次写进去：

A P = P C

其中：

C = 110011101

于是：

∣ A ∣∣ P ∣ = ∣ P ∣∣ C ∣

约去：

∣ P ∣

得到：

∣ A ∣ = ∣ C ∣ = 2

(Any Docs)

通法

以后看到：

A α_{i} = j \sum c_{j i} α_{j}

直接：

A P = P C

所以：

∣ A ∣ = ∣ C ∣

前提是：

α_{1}, \dots, α_{n}

线性无关。

这是“行列式 → 相似矩阵”最早的接口。

二十三、题型十二：抽象矩阵恒等式——先整理成乘积，再取行列式

★★★★★ 极高频

例如 2004 真题：

A B A^{*} = 2 B A^{*} + E

移项：

(A - 2 E) B A^{*} = E

然后才取行列式：

∣ A - 2 E ∣ \cdot ∣ B ∣ \cdot ∣ A^{*} ∣ = 1

已知矩阵 $A$ 后分别算：

∣ A - 2 E ∣

和：

∣ A^{*} ∣ = ∣ A ∣^{2}

最终：

∣ B ∣ = \frac{1}{9}

(Any Docs)

这类题统一原则

千万不要一看到矩阵等式就取行列式。

比如：

A^{2} B - A - B = E

不能直接把减号拆开，因为：

∣ X - Y ∣ \neq = ∣ X ∣ - ∣ Y ∣

必须先代数整理。

2003 真题就是先写：

(A^{2} - E) B = A + E

再利用：

A^{2} - E = (A + E) (A - E)

在确认 $A + E$ 可逆之后约去，最终化成：

(A - E) B = E

所以：

B = (A - E)^{- 1}

再求行列式。(Any Docs)

二十四、最常见错误：行列式没有“加法分配律”

必须牢牢记住：

∣ A + B ∣ \neq = ∣ A ∣ + ∣ B ∣

一般不成立。

但是：

∣ A B ∣ = ∣ A ∣∣ B ∣

成立。

所以抽象矩阵题真正的核心就是：

把加法形式想办法因式分解成乘法形式

二十五、2010 真题：非常漂亮的“公共核心矩阵”

已知：

∣ A ∣ = 3, ∣ B ∣ = 2

以及：

∣ A^{- 1} + B ∣ = 2

先提：

A^{- 1} + B = A^{- 1} (E + A B)

于是：

∣ A^{- 1} + B ∣ = \frac{∣ E + A B ∣}{∣ A ∣}

所以：

∣ E + A B ∣ = 6

目标：

A + B^{- 1} = (A B + E) B^{- 1}

故：

∣ A + B^{- 1} ∣ = \frac{∣ A B + E ∣}{∣ B ∣} = \frac{6}{2} = 3

因此：

3

(Any Docs)

这道题可以总结成非常漂亮的公式：

\frac{∣ A + B ^{- 1} ∣}{∣ A ^{- 1} + B ∣} = \frac{∣ A ∣}{∣ B ∣}

前提是相关逆矩阵存在。

这类“左右分别提矩阵”的题以后很可能继续变式。

二十六、题型十三：伴随矩阵综合

★★★★★

1998 真题给：

∣ A ∣ = 2, ∣ B ∣ = - 3

求：

∣2 A^{*} B^{- 1} ∣

逐层处理：

∣2 A^{*} B^{- 1} ∣ = 2^{n} ∣ A^{*} ∣∣ B^{- 1} ∣

再用：

∣ A^{*} ∣ = ∣ A ∣^{n - 1} = 2^{n - 1}

以及：

∣ B^{- 1} ∣ = - \frac{1}{3}

所以：

∣2 A^{*} B^{- 1} ∣ = - \frac{2 ^{2 n - 1}}{3}

(Any Docs)

伴随矩阵题的标准流水线

看到：

A^{*}

优先考虑两条：

A A^{*} = ∣ A ∣ E

以及：

∣ A^{*} ∣ = ∣ A ∣^{n - 1}

如果 $A$ 已知可逆，还可以：

A^{*} = ∣ A ∣ A^{- 1}

到底选哪一个，取决于题目是求矩阵还是只求行列式。

二十七、题型十四：特征值求行列式

★★★★★ 后续章节的高频接口

虽然特征值属于模块 6，但本站把很多“最终问行列式”的真题仍归在模块 1，这是合理的，因为这是模块之间最重要的连接之一。(Any Docs)

最核心结论：

若 $A$ 的全部特征值为：

λ_{1}, λ_{2}, \dots, λ_{n}

那么：

∣ A ∣ = λ_{1} λ_{2} \dots λ_{n}

多项式矩阵

如果：

B = p (A)

那么 $B$ 的特征值为：

p (λ_{i})

因此：

∣ p (A) ∣ = i = 1 \prod n p (λ_{i})

2015 真题

已知 $A$ 的特征值：

2, 2, - 1

且：

B = A^{2} - A + E

则对应特征值：

λ^{2} - λ + 1

代入 $2$ ：

4 - 2 + 1 = 3

代入 $- 1$ ：

1 + 1 + 1 = 3

所以：

∣ B ∣ = 3^{3} = 27

(Any Docs)

二十八、带逆矩阵的特征值题

如果：

A α = λ α

且：

λ \neq = 0

那么：

A^{- 1} α = \frac{1}{λ} α

所以 $A^{- 1}$ 的特征值为：

\frac{1}{λ _{i}}

例如 2008 真题中 $A$ 的特征值：

1, 2, 2

因此：

4 A^{- 1} - E

的特征值为：

3, 1, 1

于是：

∣4 A^{- 1} - E ∣ = 3

(Any Docs)

二十九、秩一矩阵是很值得预测的新方向

张宇强化题收录：

D_{n} = diag (x_{1}, \dots, x_{n}) + e a^{T}

最后得到：

D_{n} = x_{1} x_{2} \dots x_{n} (1 + i = 1 \sum n \frac{a _{i}}{x _{i}})

(Any Docs)

这是所谓的秩一修正：

∣ X + u v^{T} ∣ = ∣ X ∣ (1 + v^{T} X^{- 1} u)

在考研中未必要求背这个公式，但这种结构非常有预测价值。

因为它把：

行列式；
逆矩阵；
秩；
特征值；

自然连接起来。

三十、题型十五：正交矩阵与行列式

1995 年大题给：

A A^{T} = E

以及：

∣ A ∣ < 0

由：

A A^{T} = E

取行列式：

∣ A ∣^{2} = 1

所以：

∣ A ∣ = - 1

进一步利用：

A^{- 1} = A^{T}

最终证明：

∣ A + E ∣ = 0

(Any Docs)

这道题非常好，因为它把：

正交矩阵 \to 逆矩阵 \to 行列式 \to 奇异性

串起来。

今后的变式完全可能问：

∣ A - E ∣

或者问：

1

是否为特征值。

三十一、题型十六：克拉默法则

★★ 单独考频低，但概念必须会

对于：

A x = b

如果：

∣ A ∣ \neq = 0

那么有唯一解。

记：

D = ∣ A ∣

把 $A$ 的第 $i$ 列替换成 $b$ ，所得行列式记为：

D_{i}

则：

x_{i} = \frac{D _{i}}{D}

本站模块 1 当前只单列了一道克拉默法则真题，因此它显然不是这一章的主战场。(Any Docs)

真正需要记住的是逻辑条件

∣ A ∣ \neq = 0

意味着：

A 可逆

意味着：

A x = b

对任意 $b$ 有唯一解。

但：

∣ A ∣ = 0

不能直接说明“无解”。

可能：

无解

也可能：

无穷多解

要到线性方程组章节结合秩判断。

三十二、练习题里哪些真正值得做？

李正元第一章对考研最有价值的不是重复算三阶行列式，而是下面几类：

练习方向	价值
行列式的列线性性质	★★★★★
伴随矩阵与数乘指数	★★★★★
反对角分块矩阵	★★★★
范德蒙德	★★★★
代数余子式替换法	★★★★★
三对角递推	★★★★
代数余子式和的证明	★★★★

例如李正元题目证明：

若元素 $a_{ij}$ 增加 1，则行列式增量为：

A_{ij}

其本质就是按第 $i$ 行展开：

D = k = 1 \sum n a_{ik} A_{ik}

修改后：

D^{'} = D + A_{ij}

进一步，如果第 $j$ 列全部加 1，增量就是：

i = 1 \sum n A_{ij}

这正是前面“代数余子式和 = 换列后的行列式”的理论来源。(Any Docs)

三十三、张宇 1000 题里值得吸收什么？

张宇第一章强化题真正有价值的是“结构创新”，例如：

X + e a^{T}

的秩一修正行列式，以及带状递推、多模块综合。(Any Docs)

但也要注意：本站当前张宇题库中有一道题明确检测出题面条件互相矛盾：

一方面给：

r (A A^{T}) = 3 < 4

因此：

r (A) < 4

所以：

∣ A ∣ = 0

从而：

∣ A B ∣ = 0

但题面同时又给：

∣ A B ∣ = 4

显然矛盾。站内对此没有硬编答案，而是标记为源题录入问题，这种处理是正确的。(Any Docs)

三十四、值得注意的是未来很值得预测的 6 种变式

结合近年真题的结构化趋势，更建议准备下面这些，而不是继续做大量纯数字三阶行列式。

预测 1：参数多项式只问某次系数

例如：

D (x) = x b 0 x a x c 0 0 x x e x 0 d x

问：

x^{3}

系数。

重点考：

排列选择

而不是全展开。

预测 2：代数余子式线性组合

例如已知：

2 A_{31} - A_{32} + 3 A_{33} = 5

立即构造：

\dots \dots 2 - 1 3 = 5

这种题可以和参数条件混合。

预测 3：分块 + 参数

例如：

M = (a E B B a E)

问：

∣ M ∣ = 0

时 $a$ 的取值。

核心：

∣ M ∣ = ∣ a E - B ∣∣ a E + B ∣

然后自然接特征值。

预测 4：伴随 + 多项式矩阵

例如已知：

∣ A ∣ = 2

求：

∣ A^{*} + 2 A^{- 1} ∣

直接：

A^{*} = ∣ A ∣ A^{- 1} = 2 A^{- 1}

所以：

A^{*} + 2 A^{- 1} = 4 A^{- 1}

若 $A$ 为三阶：

∣4 A^{- 1} ∣ = 4^{3} \frac{1}{∣ A ∣} = 32

这种题只要认出公共矩阵，十几秒结束。

预测 5：给线性变换作用结果求行列式

给：

A α_{1} = 2 α_{1} + α_{2}

等等。

统一写：

A P = P C

然后：

∣ A ∣ = ∣ C ∣

这是非常稳定的综合命题方式。

预测 6：秩一矩阵

如果：

A = α β^{T}

那么：

r (A) \leq 1

所以当阶数大于 1：

∣ A ∣ = 0

进一步：

∣ a E + A ∣

则可以利用秩一结构、特征值或行列式引理。

2000 年真题已经出现：

A = α α^{T}

并结合：

A^{n}

求行列式，因此这并不是脱离真题的幻想，而是现有考法的自然升级。(Any Docs)

三十五、这一章最容易犯的 12 个错误

错误	正确结论
把 $	kA
认为 $	A+B
认为 $A B = 0 \Rightarrow A = 0$ 或 $B = 0$	错，矩阵存在零因子
把余子式和代数余子式混淆	$A_{ij} = (- 1)^{i + j} M_{ij}$
换行忘记变号	一次交换乘 $- 1$
整体交换两个块只变一次号	应为 $(- 1)^{mn}$
高阶行列式直接展开	优先考虑递推、三角化与特殊结构
参数四阶就认为一定是四次	行列变换可能大幅降低次数
看到 $A^{*}$ 就逐元素计算	优先使用 $AA^*=
$	A
给出 $Alpha_i$ 后逐式计算	优先写成 $A P = P C$
特征值题继续计算矩阵元素	行列式可直接由特征值乘积得到

三十六、最后压缩成“考场决策树”

遇到任何行列式题，建议固定按照这个顺序扫描：

有没有两行/列明显相关？ 有，先判断是否直接为 0。
能不能行列相减制造大量 0？ 能，就三角化或降阶。
是不是代数余子式线性组合？ 是，就换行/换列。
是不是列向量组合？ 是，就利用多重线性，或者写：
$B = A C$
是不是分块结构？ 是，就重排行列或使用块公式。
阶数很高但结构重复？ 沿首行/末行展开建立：
$D_{n}$
递推。
每行只有极少数非零元？ 考虑排列定义。
出现逆矩阵、伴随矩阵？ 先转化为：
$∣ A ∣, ∣ A^{- 1} ∣, ∣ A^{*} ∣$
给了特征值？ 几乎一定优先：
$∣ A ∣ = \prod λ_{i}$
出现矩阵加法？ 不许直接取行列式，先想：
$X + X Y = X (E + Y)$

做到这一步，模块 1 的绝大多数题已经被统一掉了。

三十七、模块 1 的复习优先级

如果按考研收益排序，建议：

抽象矩阵行列式 > 列向量型 > 低阶结构计算 > 余子式 > 分块 > 高阶递推 > 范德蒙德 > 克拉默法则

尤其要把下面 8 个母题真正吃透：

母题	代表来源	必须掌握的方法
参数行列式根数	1999 真题	集中参数、降低次数
隐藏行相关	2025 真题	不计算直接判零
代数余子式和	2024 真题	换行法
分块结构	2020 真题	块行列式
高阶重复结构	1997 真题	加行 + 三角化
高阶递推	2015 真题	建立 $D_{n}$
列向量组合	2005 真题	$B = A C$
矩阵恒等式	2004、2010 真题	因式分解后取行列式

真正做到“学一道会一类”的关键，就是不要记这些题最终算出多少，而要记“为什么一眼决定用这个方法”。

其中尤其是 2024 代数余子式换行、2025 隐藏线性相关、2010 左右提矩阵、2005 向量组合写成矩阵乘法，这几题非常能代表现在考研线代应有的思维方式：少算、看结构、跨知识点转换。 (Any Docs)

线性代数模块 1：行列式

★★★★★

On this page