人生有许许多多的选择,有许许多多的成功和失败。
生在尘世,作为凡夫俗子,我们很难不计较得失。
然而,人生若要轻松惬意,就需要秉持一种“竹杖芒鞋轻胜马”的洒脱和肆意。
有时候,我们首先需要内心轻松,才能在学业、事业和家庭中,取得成功。
如果我们总是背负着山一样沉重繁杂的思绪,就很难专注和脚踏实地。
只有放下无关自身本质的忧思,才能以更加轻盈的身姿,感受、遨游、抵达心中的彼岸。
荒原之梦
2026年3月20日22点03分
人生有许许多多的选择,有许许多多的成功和失败。
生在尘世,作为凡夫俗子,我们很难不计较得失。
然而,人生若要轻松惬意,就需要秉持一种“竹杖芒鞋轻胜马”的洒脱和肆意。
有时候,我们首先需要内心轻松,才能在学业、事业和家庭中,取得成功。
如果我们总是背负着山一样沉重繁杂的思绪,就很难专注和脚踏实地。
只有放下无关自身本质的忧思,才能以更加轻盈的身姿,感受、遨游、抵达心中的彼岸。
荒原之梦
2026年3月20日22点03分
设 $3$ 阶矩阵 $\boldsymbol{A}$,$\boldsymbol{B}$ 满足 $\boldsymbol{AB}$ $+$ $\boldsymbol{BA}$ $=$ $\boldsymbol{A}^{2}$ $+$ $\boldsymbol{B}^{2}$,且 $\boldsymbol{A}\neq\boldsymbol{B}$,则下列结论错误的是( )
»A« $(\boldsymbol{A} – \boldsymbol{B})^{3} = \boldsymbol{O}$
»B« $\boldsymbol{A} – \boldsymbol{B}$ 只有零特征值
»C« $\boldsymbol{A}$, $\boldsymbol{B}$ 不能都是对角矩阵
»D« $\boldsymbol{A} – \boldsymbol{B}$ 只有一个线性无关的特征向量
设矩阵 $\boldsymbol{A}$ $=$ $\begin{pmatrix} 1 & 0 & 1 \\ 0 & 0 & 1 \\ 1 & 1 & 3 \\ 1 & 1 & 1 \end{pmatrix}$,$\boldsymbol{C}$ $=$ $\begin{pmatrix} 2 & 0 \\ 1 & 1 \\ 1 & 1 \\ a & b \end{pmatrix}$,若存在矩阵 $\boldsymbol{B}$, 使得 $\boldsymbol{AB} = \boldsymbol{C}$,则( )
»A« $a = -1$, $b = -1$
»B« $a = 2$, $b = 2$
»C« $a = -1$, $b = 2$
»D« $a = 2$, $b = -1$
单位矩阵 $\boldsymbol{E}$ 经过若干次互换两行得到的矩阵称为置换矩阵. 设 $\boldsymbol{A}$ 为 $n$ 阶置换矩阵,$\boldsymbol{A}^{*}$ 为 $\boldsymbol{A}$ 的伴随矩阵,则( )
»A« $\boldsymbol{A}^{*}$ 为置换矩阵
»B« $\boldsymbol{A}^{-1}$ 为置换矩阵
»C« $\boldsymbol{A}^{-1} = \boldsymbol{A}^{*}$
»D« $\boldsymbol{A}^{-1} = -\boldsymbol{A}^{*}$
难度评级:
首先,根据《什么是置换矩阵?》这篇讲义,可设:
$$
\boldsymbol{A} = \boldsymbol{E}_{i_{1} j_{1}} \boldsymbol{E}_{i_{2} j_{2}} \cdots \boldsymbol{E}_{i_{n} j_{n}}
$$
接着,由初等矩阵的性质可知:
$$
\begin{aligned}
& \left(\boldsymbol{E}_{ij}\right)^{\top} = \boldsymbol{E}_{ij} \\ \\
& \left(\boldsymbol{E}_{ij}\right)^{-1} = \boldsymbol{E}_{ij}
\end{aligned}
$$
于是:
$$
\begin{aligned}
\boldsymbol{A}^{-1} & = \left( \boldsymbol{E}_{i_{1} j_{1}} \boldsymbol{E}_{i_{2} j_{2}} \cdots \boldsymbol{E}_{i_{n} j_{n}} \right) \\ \\
& = \left(\boldsymbol{E}_{i_{n} j_{n}}\right)^{-1} \cdots \left(\boldsymbol{E}_{i_{2} j_{2}}\right)^{-1} \cdot \left(\boldsymbol{E}_{i_{1} j_{1}}\right)^{-1} \\ \\
& = \boldsymbol{E}_{i_{n} j_{n}} \cdots \boldsymbol{E}_{i_{2} j_{2}} \boldsymbol{E}_{i_{1} j_{1}}
\end{aligned}
$$
因此可知,$\boldsymbol{A}^{-1}$ 仍为置换矩阵,B 选项正确.
此外,由伴随矩阵的运算性质可得:
$$
\boldsymbol{A}^{*} = \begin{vmatrix}
\boldsymbol{A}
\end{vmatrix} \cdot \boldsymbol{A}^{-1} = (-1)^{n} \boldsymbol{A}^{-1}
$$
即:
$\textcolor{lightgreen}{\blacktriangleright}$ 当 $n$ 为偶数时,$\boldsymbol{A}^{-1} = \boldsymbol{A}^{*}$, 且 $\boldsymbol{A}^{*}$ 为置换矩阵;
$\textcolor{lightgreen}{\blacktriangleright}$ 当 $n$ 为奇数时,$\boldsymbol{A}^{-1} = -\boldsymbol{A}^{*}$, 且 $\boldsymbol{A}^{*}$ 不是置换矩阵.
因此,选项 A, 选项 C 和选项 D 都不完全正确.
由「荒原之梦考研数学」的《初等变换求逆法的形象理解》可知,从矩阵 $\boldsymbol{A}$ 到其逆矩阵 $\boldsymbol{A}^{-1}$ 的过程中,需要经过相对于单位矩阵 $\boldsymbol{E}$ 相反的初等变换,但由于从单位矩阵 $\boldsymbol{E}$ 到置换矩阵 $\boldsymbol{A}$ 的过程中只经过了对换操作,因此,从单位矩阵 $\boldsymbol{E}$ 到逆矩阵 $\boldsymbol{A}^{-1}$ 的过程中也只需要进行(相反的)对换操作,所以,逆矩阵 $\boldsymbol{A}^{-1}$ 一定是一个置换矩阵,B 选项正确.
由于 $\boldsymbol{A}^{*} = \begin{vmatrix}
\boldsymbol{A}
\end{vmatrix} \cdot \boldsymbol{A}^{-1}$, 所以,$\boldsymbol{A}^{*}$ 和 $\boldsymbol{A}^{-1}$ 之间是需要经过数乘运算的,虽然 $\boldsymbol{A}^{-1}$ 一定是置换矩阵,但只有当 $\begin{vmatrix}
A
\end{vmatrix} = 1$ 时,伴随矩阵 $\boldsymbol{A}^{*}$ 才是置换矩阵,A 选项错误.
由于置换矩阵是由对换操作得到的,每进行一次对换操作,行列式的取值都要乘以 $-1$, 又由于 $\boldsymbol{A}^{*} = \begin{vmatrix}
\boldsymbol{A}
\end{vmatrix} \cdot \boldsymbol{A}^{-1}$, 但是 $\begin{vmatrix}
\boldsymbol{A}
\end{vmatrix}$ 的正负不确定,所以 C 选项和 D 选项都不正确.
涵盖高等数学基础概念、解题技巧等内容,图文并茂,计算过程清晰严谨。
以独特的视角解析线性代数,让繁复的知识变得直观明了。
通过专题的形式对数学知识结构做必要的补充,使所学知识更加连贯坚实。
置换矩阵这个概念在考研数学中并不常见,但却是 26 考研数学二真题中所考察过的一个知识点.
在这里,「荒原之梦考研数学」就帮助同学们深入理解一下什么是置换矩阵.
继续阅读“什么是置换矩阵?”设函数 $f(x,y)$ 在区域 $D$ $=$ ${ (x,y) \mid 0 \leqslant x \leqslant 1, 0 \leqslant y \leqslant 1 }$ 上连续,且 $f(x,y)$ $=$ $f(y,x)$,则
$\iint \limits_{D} f(x,y) \mathrm{~d} x \mathrm{d} y$ $=$ $?$
»A« $2 \lim_{n \rightarrow \infty} \sum_{i=1}^{n} \sum_{j=n+1-i}^{n} f \left( \frac{i}{n}, \frac{j}{n} \right) \frac{1}{n^{2}}$
»B« $\frac{1}{2} \lim_{n \rightarrow \infty} \sum_{i=1}^{n} \sum_{j=i}^{n} f \left( \frac{i}{n}, \frac{j}{n} \right) \frac{1}{n^{2}}$
»C« $2 \lim_{n \rightarrow \infty} \sum_{i=1}^{2n}\sum_{j=1}^{2n+1-i} f \left( \frac{i}{2n}, \frac{j}{2n} \right) \frac{1}{n^{2}}$
»D« $\frac{1}{2} \lim_{n \rightarrow \infty} \sum_{i=1}^{2n}\sum_{j=1}^{i} f \left( \frac{i}{2n}, \frac{j}{2n} \right) \frac{1}{n^{2}}$
已知函数 $f(x)$ $=$ $\int_{1}^{x^{3}} \frac{\mathrm{e}^{t}}{1+t^{2}} \mathrm{~d} t$,$f$ 的反函数为 $g$, 则( )
»A« $g(0)=1$, $g ^{\prime} (0) = \frac{3 \mathrm{e}}{2}$
»B« $g(0)=1$, $g ^{\prime} (0) = \frac{2}{3 \mathrm{e}}$
»C« $g(1)=0$, $g ^{\prime} (1) = \frac{3 \mathrm{e}}{2}$
»D« $g(1)=0$, $g ^{\prime} (1) = \frac{2}{3 \mathrm{e}}$
设函数 $f(x)$ 在区间 $[-1,1]$ 上有定义,则下列说法正确的是( )
»A« 若 $f(x)$ 在 $[-1,0)$ 上单调递减,在 $(0,1]$ 上单调递增,则 $f(x)$ 在 $x=0$ 处取极小值.
»B« 若 $f(x)$ 在 $x=0$ 处取极小值,则 $f(x)$ 在 $[-1,0)$ 上单调递减,在 $(0,1]$ 上单调递增.
»C« 若 $f(x)$ 在 $[-1,1]$ 上是凹函数,则 $\frac{f(x)-f(1)}{x-1}$ 在 $[-1,1)$ 上单调递增.
»D« 若 $\frac{f(x)-f(1)}{x-1}$ 在 $[-1,1)$ 上单调递增,则 $f(x)$ 在 $[-1,1]$ 上是凹函数.
设线密度为 $1$ 的细直棒的两个端点分别位于点 $\left( -1, 0 \right)$ 和点 $\left( 1, 0 \right)$ 处,质量为 $m$ 的质点位于点 $\left( 0, 1 \right)$ 处,$G$ 为引力常数,则该细直棒对该质点的引力大小为( )
»A« $\int_{0}^{1} \frac{2Gmx}{(x^{2}+1)^{\frac{1}{2}}} \mathrm{~d}x$
»B« $\int_{0}^{1} \frac{2Gm}{(x^{2}+1)^{\frac{1}{2}}} \mathrm{~d}x$
»C« $\int_{0}^{1} \frac{2Gmx}{(x^{2}+1)^{\frac{3}{2}}} \mathrm{~d}x$
»D« $\int_{0}^{1} \frac{2Gm}{(x^{2}+1)^{\frac{3}{2}}} \mathrm{~d}x$
难度评级:
继续阅读“2026年考研数二第04题解析:定积分的物理应用”$$
\begin{vmatrix}
\boldsymbol{D}
\end{vmatrix} = \begin{vmatrix}
1 & -1 & 1 & x-1 \\ 1 & -1 & x+1 & -1 \\ 1 & x-1 & 1 & -1 \\ x+1 & -1 & 1 & -1
\end{vmatrix} = ?
$$
设函数 $z$ $=$ $z(x,y)$ 由方程 $x – az$ $=$ $\mathrm{e}^{y+az}$($a$ 是非零常数)确定,则:
»A« $\frac{\partial z}{\partial x} – \frac{\partial z}{\partial y} = \frac{1}{a}$
»B« $\frac{\partial z}{\partial x} + \frac{\partial z}{\partial y} = \frac{1}{a}$
»C« $\frac{\partial z}{\partial x} – \frac{\partial z}{\partial y} = -\frac{1}{a}$
»D« $\frac{\partial z}{\partial x} + \frac{\partial z}{\partial y} = -\frac{1}{a}$
对于一个二元隐函数(或者说二元方程式) $F(x, y) = 0$, $y = y(x)$ 而言,对 $x$ 求导(全导数)的公式的一般推导过程如下:
$$
\begin{aligned}
& F \left( x, y \right) = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} F \left( x, y \right)}{\mathrm{d} x} = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \textcolor{orange}{ F^{\prime}_{x} \left( x, y \right) + F^{\prime}_{y} \left( x, y \right) \frac{\mathrm{d} y}{\mathrm{d} x} = 0 } \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} y}{\mathrm{d} x} = \frac{- F^{\prime}_{x} \left( x, y \right)}{F^{\prime}_{y} \left( x, y \right)}
\end{aligned}
$$
其中,$F^{\prime}_{y} \left( x, y \right) \neq 0$.
当然,我们也可以简写成下面的形式:
$$
\begin{aligned}
& F \left( x, y \right) = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} F}{\mathrm{d} x} = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \textcolor{orange}{ F^{\prime}_{x} + F^{\prime}_{y} \frac{\mathrm{d} y}{\mathrm{d} x} = 0 } \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} y}{\mathrm{d} x} = \frac{- F^{\prime}_{x} }{F^{\prime}_{y} }
\end{aligned}
$$
其中,$F^{\prime}_{y} \neq 0$.
此外,还可以写成下面的形式:
$$
\begin{aligned}
& F \left( x, y \right) = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} F}{\mathrm{d} x} = 0 \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \textcolor{orange}{ \frac{\partial F}{\partial x} + \frac{\partial F}{\partial y} \frac{\mathrm{d} y}{\mathrm{d} x} = 0 } \\ \\
\textcolor{lightgreen}{ \leadsto } \ & \frac{\mathrm{d} y}{\mathrm{d} x} = \frac{- \partial F / \partial x }{ \partial F / \partial x }
\end{aligned}
$$
其中,$\frac{\partial F}{\partial x} \neq 0$.
可以看到,要理解上面的公式,最主要的就是要理解 $\frac{\partial F}{\partial x}$ $+$ $\frac{\partial F}{\partial y} \frac{\mathrm{d} y}{\mathrm{d} x}$ $=$ $0$ 这个式子是怎么来的.
在本文中,「荒原之梦考研数学」将通过一些实例,以递进式的方式,为同学们讲清楚上面这个式子的由来.
继续阅读“由方程式确定的隐函数求导公式的“实例递进式”推导”计算行列式 $\begin{vmatrix} \boldsymbol{D} \end{vmatrix}$ $=$ $\begin{vmatrix} \alpha & \beta & \gamma \\ \gamma & \alpha & \beta \\ \beta & \gamma & \alpha \end{vmatrix}$, 其中 $\alpha$, $\beta$, $\gamma$ 是方程 $x^{3} + px + q$ $=$ $0$ 的三个根.
继续阅读“使用韦达定理求解行列式的值”