📖 第一部分：线性代数 · 第 1 讲 行列式核心秘籍
1. 行列式的三大定义维度
原笔记将行列式拆解为几何、全排列以及拉普拉斯展开三个进阶层次，直击考研内核：
① 本质定义（几何意义与线性相关性）：
若 $|D| \neq 0$，则各行（列）向量组线性无关（张成的多维超平行多面体体积非零）；
若 $|D| = 0$，则各行（列）向量组线性相关（空间发生维数退化）。
若 $|D| \neq 0$，则各行（列）向量组线性无关（张成的多维超平行多面体体积非零）；
若 $|D| = 0$，则各行（列）向量组线性相关（空间发生维数退化）。
② 逆序数定义法（$n$ 阶行列式构造通式）：
$$\det(A) = \begin{vmatrix}
a_{11} & a_{12} & \cdots & a_{1n} \\
a_{21} & a_{22} & \cdots & a_{2n} \\
\vdots & \vdots & \ddots & \vdots \\
a_{n1} & a_{n2} & \cdots & a_{nn}
\end{vmatrix}
= \sum_{j_1 j_2 \cdots j_n} (-1)^{\tau(j_1 j_2 \cdots j_n)} a_{1j_1} a_{2j_2} \cdots a_{nj_n}$$
③ 展开定理法（余子式与代数余子式）：
余子式 $M_{ij}$ 与代数余子式 $A_{ij}$ 的关系：$$A_{ij} = (-1)^{i+j} M_{ij}$$
按第 $i$ 行展开公式（选 0 最多的行/列）：
$$|A| = \sum_{j=1}^n a_{ij} A_{ij} = a_{i1} A_{i1} + a_{i2} A_{i2} + \cdots + a_{in} A_{in}$$
异行相乘为零（代数余子式正交性质）：
$$\sum_{j=1}^n a_{ij} A_{kj} = 0 \quad (i \neq k)$$
$$|A| = \sum_{j=1}^n a_{ij} A_{ij} = a_{i1} A_{i1} + a_{i2} A_{i2} + \cdots + a_{in} A_{in}$$
异行相乘为零（代数余子式正交性质）：
$$\sum_{j=1}^n a_{ij} A_{kj} = 0 \quad (i \neq k)$$
2. 行列式七大核心性质汇总
| 序号 | 核心性质名称 | 数学表述与关键说明 |
|---|---|---|
| 1 | 行列互换不变 | $|A| = |A^T|$，行列地位完全对等 |
| 2 | 全零行（列）为零 | 若某行（列）元素全为 $0$，则 $|A| = 0$ |
| 3 | 提公因式 | 某行有公因子 $k$，可提至符号外；注意：方阵数乘为 $|kA| = k^n |A|$ |
| 4 | 单行可拆性 | 某行元素是两数之和，可拆成两个行列式之和，其余行保持不变 |
| 5 | 两行互换反号 | 交换任意两行（列），行列式的值变号：$r_i \leftrightarrow r_j \implies -|A|$ |
| 6 | 成比例为零 | 若两行（列）元素对应相等或成比例，则行列式值为 $0$ |
| 7 | 倍加不变性 | 将某行（列）的 $k$ 倍加到另一行（列），行列式的值严格不变 |
3. 考研必备特殊行列式
(1) 主对角线（上/下三角）与副对角线行列式：
$$\text{主对角三角：} \begin{vmatrix} a_{11} & * & * \\ 0 & a_{22} & * \\ 0 & 0 & a_{33} \end{vmatrix} = a_{11} a_{22} a_{33}$$
$$\text{副对角三角：} \begin{vmatrix} * & * & a_{1n} \\ * & a_{2,n-1} & 0 \\ a_{n1} & 0 & 0 \end{vmatrix} = (-1)^{\frac{n(n-1)}{2}} a_{1n} a_{2,n-1} \cdots a_{n1}$$
$$\text{副对角三角：} \begin{vmatrix} * & * & a_{1n} \\ * & a_{2,n-1} & 0 \\ a_{n1} & 0 & 0 \end{vmatrix} = (-1)^{\frac{n(n-1)}{2}} a_{1n} a_{2,n-1} \cdots a_{n1}$$
(2) 拉普拉斯分块矩阵公式：
$$\begin{vmatrix} A & O \\ C & B \end{vmatrix} = \begin{vmatrix} A & C \\ O & B \end{vmatrix} = |A| \cdot |B|, \qquad \begin{vmatrix} O & A \\ B & C \end{vmatrix} = \begin{vmatrix} C & A \\ B & O \end{vmatrix} = (-1)^{mn} |A| \cdot |B|$$
（其中 $A$ 为 $m$ 阶方阵，$B$ 为 $n$ 阶方阵）
(3) 范德蒙德行列式（Vandermonde）：
$$V_n = \begin{vmatrix}
1 & 1 & \cdots & 1 \\
x_1 & x_2 & \cdots & x_n \\
x_1^2 & x_2^2 & \cdots & x_n^2 \\
\vdots & \vdots & \ddots & \vdots \\
x_1^{n-1} & x_2^{n-1} & \cdots & x_n^{n-1}
\end{vmatrix} = \prod_{1 \le i < j \le n} (x_j - x_i)$$
🎯 原手写笔记独家做题心得： 化为范德蒙德标准型后，“盯紧第 2 行写结果”，即所有的 $(x_j - x_i)$ 大下标减小下标累乘即可！
4. 具体型行列式计算 7 大实战技法
下爪形 $\llcorner$
上爪形 $\ulcorner$
反爪形 $\urcorner$
- 直接展开法：某行（列）零很多，或阶数不高（2、3 阶）时首选；
- 爪形消元法：四种爪形，核心操作口诀：“用斜爪子消去平（竖）爪子”；
- 异爪型行列式：低阶直接展开，高阶利用按行展开建立递推关系式；
- 行（列）和相等型：全加到第 1 行（列），提公因式后化 1 消元；
- 消零化基本型：化为主对角三角或副对角三角；
- 拉普拉斯分块法：构造副角/主角为 0 的子块；
- 范德蒙德法：提取系数构造公比行。
5. $ab$ 型经典特征行列式通式
① $a$ 位于主对角线上：
$$D_n = \begin{vmatrix} a & b & b & \cdots & b \\ b & a & b & \cdots & b \\ b & b & a & \cdots & b \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ b & b & b & \cdots & a \end{vmatrix}_{n\times n} = [a + (n-1)b](a - b)^{n-1}$$
② $a$ 位于副对角线上：
$$G_n = \begin{vmatrix} b & b & \cdots & b & a \\ b & b & \cdots & a & b \\ \vdots & \vdots & \ddots & \vdots & \vdots \\ b & a & \cdots & b & b \\ a & b & \cdots & b & b \end{vmatrix}_{n\times n} = (-1)^{\frac{n(n-1)}{2}} [a + (n-1)b](a - b)^{n-1}$$
$$D_n = \begin{vmatrix} a & b & b & \cdots & b \\ b & a & b & \cdots & b \\ b & b & a & \cdots & b \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ b & b & b & \cdots & a \end{vmatrix}_{n\times n} = [a + (n-1)b](a - b)^{n-1}$$
② $a$ 位于副对角线上：
$$G_n = \begin{vmatrix} b & b & \cdots & b & a \\ b & b & \cdots & a & b \\ \vdots & \vdots & \ddots & \vdots & \vdots \\ b & a & \cdots & b & b \\ a & b & \cdots & b & b \end{vmatrix}_{n\times n} = (-1)^{\frac{n(n-1)}{2}} [a + (n-1)b](a - b)^{n-1}$$
6. 永乐老师例题精讲：一题三解展现消元之美
💡 经典四阶行和相等型行列式
$$D = \begin{vmatrix}
a+x & a & a & a \\
a & a+x & a & a \\
a & a & a+x & a \\
a & a & a & a+x
\end{vmatrix}$$
🎯 分析一（逐行加到第一行）：
$r_1 + r_2 + r_3 + r_4$，首行提取 $(4a+x)$，得全 $1$ 行，再依次各行减去 $a \cdot r_1$：
$$D = (4a+x)\begin{vmatrix} 1 & 1 & 1 & 1 \\ 0 & x & 0 & 0 \\ 0 & 0 & x & 0 \\ 0 & 0 & 0 & x \end{vmatrix} = (4a+x)x^3$$🎯 分析二（首行 $(-1)$ 倍分别加到其余各行）：
$r_2-r_1, r_3-r_1, r_4-r_1$，底行出现多零行，再将各列加到第 1 列：
$$D = \begin{vmatrix} a+x & a & a & a \\ -x & x & 0 & 0 \\ -x & 0 & x & 0 \\ -x & 0 & 0 & x \end{vmatrix} \xrightarrow{c_1 + c_2 + c_3 + c_4} \begin{vmatrix} 4a+x & a & a & a \\ 0 & x & 0 & 0 \\ 0 & 0 & x & 0 \\ 0 & 0 & 0 & x \end{vmatrix} = (4a+x)x^3$$🎯 分析三（逐行向上/向下差分）：
$r_4-r_3, r_3-r_2, r_2-r_1$，形成双对角带，再合并列得三阶下三角：
$$D = (4a+x) \begin{vmatrix} x & 0 & 0 \\ -x & x & 0 \\ 0 & -x & x \end{vmatrix} = (4a+x)x^3$$
⚠️ 永乐点睛 · 严防低级失误：
只有二阶、三阶行列式可以使用对角线相乘法！四阶及以上行列式严禁画叉相乘，必须使用性质化简或拉普拉斯展开！
只有二阶、三阶行列式可以使用对角线相乘法！四阶及以上行列式严禁画叉相乘，必须使用性质化简或拉普拉斯展开！
7. 克莱默法则（Cramer's Rule）及其关键推论
若线性方程组系数行列式 $D \neq 0$，则方程组有唯一解 $x_j = \frac{D_j}{D}$。
齐次方程组 $Ax = 0$ 的两条核心命题：
👉 推论 1：若 $|A| \neq 0$，则方程组只有唯一零解；
👉 推论 2：若方程组有非零解，则其系数行列式必有 $|A| = 0$。
👉 推论 1：若 $|A| \neq 0$，则方程组只有唯一零解；
👉 推论 2：若方程组有非零解，则其系数行列式必有 $|A| = 0$。
🎲 第二部分：概率论与数理统计 · 第 1 章 随机事件与概率运算
1.1 随机试验与样本空间
随机试验的三大要素：可重复性、所有结果已知、每次结果不可预知。
| 核心概念 | 符号 | 定义与概率 |
|---|---|---|
| 样本点 | $\omega$ | 试验的每一个具体可能结果 |
| 样本空间 | $\Omega$ | 全体样本点的集合（全集） |
| 基本事件 | $\{\omega\}$ | 单点集，概率在 $0 \sim 1$ 之间 |
| 必然事件 | $\Omega$ | 必然发生，概率 $P(\Omega) = 1$ (100%) |
| 不可能事件 | $\varnothing$ | 不可能发生，概率 $P(\varnothing) = 0$ (0%) |
1.2 事件关系与 Venn 矢量图示
原笔记手绘了全部核心集合关系图，此处全部重构为超清矢量 SVG：
包含关系 $A \subset B$
事件的和 $A \cup B$
事件的积 $AB$
互不相容 $AB = \varnothing$
相互对立 $B = \bar{A}$
事件的差 $A - B = A\bar{B}$
🎯 关键辨析：
“对立”必“互斥”；但“互斥”不一定“对立”（互斥两者的并集不一定为全集 $\Omega$）！
“对立”必“互斥”；但“互斥”不一定“对立”（互斥两者的并集不一定为全集 $\Omega$）！
1.3 德摩根定律与事件运算性质
德摩根反演律（De Morgan's Laws）：
$$\overline{A \cup B} = \bar{A} \cap \bar{B}, \qquad \overline{A \cap B} = \bar{A} \cup \bar{B}$$
记忆口诀：长杠拆短杠，开口反方向！
$$\overline{A \cup B} = \bar{A} \cap \bar{B}, \qquad \overline{A \cap B} = \bar{A} \cup \bar{B}$$
记忆口诀：长杠拆短杠，开口反方向！
注意：差运算没有交换律与结合律！即 $A - B \neq B - A$。
1.4 古典概型与经典球例
公式：$$P(A) = \frac{m}{n} = \frac{\text{事件 } A \text{ 包含的样本点数}}{\text{全集包含的样本点总数}}$$
🎯 经典例题 1：两色球摸球模型
设盒中有 3 个白球、2 个红球，现从盒中任抽 2 个球，求取到“一红一白”的概率：
$$P(A) = \frac{C_3^1 C_2^1}{C_5^2} = \frac{3 \times 2}{10} = \frac{3}{5}$$🎯 经典例题 2：抽球中间数模型
袋子中有 10 个球，分别标有 1 到 10，从中任取 3 个球，问中间号码恰好为 5 的概率：
$$P = \frac{C_4^1 C_1^1 C_5^1}{C_{10}^3} = \frac{4 \times 1 \times 5}{120} = \frac{20}{120} = \frac{1}{6}$$1.5 几何概型与经典“约会会面问题”
题目条件：两人相约在 7:00 ~ 8:00 在某地见面，先到者等待 20 分钟即离开，求两人能够会面的概率。
数学建模：设两人到达时刻分别为 $x, y \in [0, 60]$，会面的充要条件为：$$|x - y| \le 20$$
面积计算：正方形总面积 $S_\Omega = 60^2 = 3600$；
空白两角未会面面积 $2 \times \frac{1}{2} \times 40^2 = 1600$；
阴影会面面积 $S_A = 3600 - 1600 = 2000$。
会面带状区域 $|x-y| \le 20$
1.6 概率的五大性质与包含排斥原理
$$\text{性质 1：} P(\varnothing) = 0$$
$$\text{性质 2（有限可加）：若 } A_i \text{ 互斥，} P\left(\bigcup_{i=1}^n A_i\right) = \sum_{i=1}^n P(A_i)$$
$$\text{性质 3（差事件公式）：} P(A - B) = P(A\bar{B}) = P(A) - P(AB)$$
$$\text{性质 4（逆事件公式）：} P(\bar{A}) = 1 - P(A)$$
$$\text{性质 5（一般加法公式）：} P(A \cup B) = P(A) + P(B) - P(AB)$$
三事件包含排斥公式（考研重难点）：
$$P(A \cup B \cup C) = P(A) + P(B) + P(C) - P(AB) - P(BC) - P(CA) + P(ABC)$$
半可加性（Boole 不等式）：
$$P\left(\bigcup_{i=1}^n A_i\right) \le \sum_{i=1}^n P(A_i)$$