已知 $\boldsymbol{A}$ $=$ $\boldsymbol{E} – 2 \boldsymbol{\alpha} \boldsymbol{\alpha}^{\mathrm{\top}}$, $\boldsymbol{\alpha}$ 为 $n$ 维列向量，且 $\boldsymbol{\alpha}^{\mathrm{\top}} \boldsymbol{\alpha}$ $=$ $1$, 则：
$$
\boldsymbol{A}^{2n} = ?
$$
当矩阵的乘法和转置运算结合的时候，有如下运算律：
$$
\textcolor{yellow}{
(\boldsymbol{A} \boldsymbol{B})^{\top} = \boldsymbol{B}^{\top} \boldsymbol{A}^{\top}
}
$$
从上面这条定理出发，我们可以验证任意多个矩阵相乘时的转置运算律。例如，若令矩阵 $\boldsymbol{B}$ $=$ $\boldsymbol{C} \boldsymbol{D}$, 则：
$$
\begin{aligned}
& \ (\boldsymbol{A} \boldsymbol{B})^{\top} = \boldsymbol{B}^{\top} \boldsymbol{A}^{\top} \\
\Rightarrow & \ [\boldsymbol{A} (\boldsymbol{C} \boldsymbol{D})]^{\top} = (\boldsymbol{C} \boldsymbol{D})^{\top} \boldsymbol{A}^{\top} \\
\Rightarrow & \ [\boldsymbol{A} \boldsymbol{C} \boldsymbol{D}]^{\top} = \boldsymbol{D}^{\top} \boldsymbol{C}^{\top} \boldsymbol{A}^{\top} \\
\end{aligned}
$$
在本文中，「荒原之梦考研数学」将使用原创的“峰式画线法”证明矩阵乘法的转置运算律。
继续阅读“用“峰式画线法”证明矩阵乘法的转置运算律”zhaokaifeng.com
Note
在本文中，「荒原之梦考研数学」将使用一般具体的矩阵证明下面的定理（矩阵乘法的转置运算律）：
$$
\textcolor{springgreen}{
(\boldsymbol{A} \boldsymbol{B})^{\top} = \boldsymbol{B}^{\top} \boldsymbol{A}^{\top}
}
$$
在本文中，「荒原之梦考研数学」将使用完全抽象的矩阵证明下面的定理（矩阵乘法的转置运算律）：
$$
\textcolor{springgreen}{
(\boldsymbol{A} \boldsymbol{B})^{\top} = \boldsymbol{B}^{\top} \boldsymbol{A}^{\top}
}
$$
已知 $\boldsymbol{A}$, $\boldsymbol{B}$ 是三阶方阵，且满足等式 $\boldsymbol{A}^{2} \boldsymbol{B}$ $-$ $\boldsymbol{A}$ $-$ $\boldsymbol{B}$ $=$ $\boldsymbol{E}$, 若 $\boldsymbol{A}$ $=$ $\begin{bmatrix} 1 & 0 & 1 \\ 0 & 2 & 0 \\ -2 & 0 & 1 \end{bmatrix}$, 则：
$$
\begin{vmatrix}
\boldsymbol{B}
\end{vmatrix} = ?
$$
难度评级：
继续阅读“对抽象矩阵/行列式的计算，要尽可能“拖延”代入具体数值的时间”在「荒原之梦考研数学」的另一篇文章《矩阵/行列式 的一个优化策略》中，我们首次提出了在包含多个 $0$ 元素的矩阵/行列式中 的一个优化策略，那么，如果初始的矩阵/行列式中没有 $0$ 元素，或者只有少量的 $0$ 元素该怎么办呢？
在本文中，我们将以矩阵/行列式的主对角线为基准，通过元素复杂度梯度排列的方式，给同学们提供一种适用性更广泛的矩阵/行列式化简的方法。
继续阅读“基于主对角线元素复杂度梯度的矩阵/行列式化简策略”在对高阶行列式进行计算的时候，其中一种计算方式就是“升阶”，也就是将原来的 $n$ 阶行列式升为 $n+1$ 阶行列式。
那么，什么样的行列式可以尝试升阶操作？怎么进行升阶操作？升阶之后该怎么进行接下来的计算呢？
在本文中，「荒原之梦考研数学」将就以上问题为同学们详细讲解。
继续阅读“投石问路：线性代数中的升阶法详解”大部分时候，在对矩阵或者行列式进行运算的时候，我们都倾向于通过初等变换使得矩阵/行列式中产生更多的 $0$ 元素，或者说倾向于将矩阵/行列式中的非 $0$ 元素消为 $0$ 元素（在本文中，我们将这一类操作简称为“消 $0$”）。
那么，在消 $0$ 的时候，有什么注意事项呢？该采取什么样的策略，才能尽可能又快又多地消出来更多的 $0$ 元素呢？
在本文中，「荒原之梦考研数学」将为同学们详细讲解。
继续阅读“矩阵/行列式消 $0$ 的一个优化策略”求解逆矩阵是线性代数中的一个基本知识点。在考试时的时候，要求解的逆矩阵一般是二阶或者三阶的矩阵，在本文中，「荒原之梦考研数学」就给同学们一个二阶矩阵的快速求逆公式以及该公式的记忆方法。
继续阅读“二阶矩阵的快速求逆公式”已知：
$$
\begin{aligned}
D & = \begin{vmatrix}
a_{11} & a_{12} & a_{13} \\
a_{21} & a_{22} & a_{23} \\
a_{31} & a_{32} & a_{33}
\end{vmatrix} \\ \\
D_{1} & = \begin{vmatrix}
2 a_{11} & 2 a_{12} & 2 a_{13} \\
2 a_{21} & 2 a_{22} & 2 a_{23} \\
2 a_{31} & 2 a_{32} & 2 a_{33}
\end{vmatrix}
\end{aligned}
$$
则：
$$
D_{1} = ?
$$
[A]. $2 D$
[C]. $2^{9} D$
[B]. $2^{3} D$
[D]. $2 \cdot 3 D$
已知 $\boldsymbol{\alpha_{1}}$, $\boldsymbol{\alpha_{2}}$, $\cdots$, $\boldsymbol{\alpha}_{s}$（其中 $s \leqslant n$）是一组 $n$ 维列向量，$\boldsymbol{A}$ 是 $n$ 阶矩阵。如果：
$$
\begin{aligned}
& \boldsymbol{A} \boldsymbol{\alpha}_{1} = \boldsymbol{\alpha}_{2}, \\
& \boldsymbol{A} \boldsymbol{\alpha}_{2} = \boldsymbol{\alpha}_{3}, \\
& \cdots, \\
& \boldsymbol{A} \boldsymbol{\alpha}_{s-1} = \boldsymbol{\alpha}_{s} \neq \mathbf{0}, \\
& \boldsymbol{A} \boldsymbol{\alpha}_{s} = \mathbf{0}
\end{aligned}
$$
请证明向量组 $\boldsymbol{\alpha}_{1}$, $\boldsymbol{\alpha}_{2}$, $\cdots$, $\boldsymbol{\alpha}_{s}$ 线性无关。
难度评级：
继续阅读“借助函数或数列的思想研究向量的变化过程”$$
D = \begin{vmatrix}
\textcolor{orange}{a_{0}} & \textcolor{orange}{1} & \textcolor{orange}{1} & \textcolor{orange}{\cdots} & \textcolor{orange}{1} & \textcolor{orange}{1} \\
\textcolor{orange}{1} & \textcolor{orange}{a_{1}} & 0 & \cdots & 0 & 0 \\
\textcolor{orange}{1} & 0 & \textcolor{orange}{a_{2}} & \cdots & 0 & 0 \\
\textcolor{orange}{\vdots} & \vdots & \vdots & \textcolor{orange}{\ddots} & \vdots & \cdots \\
\textcolor{orange}{1} & 0 & 0 & \cdots & \textcolor{orange}{a_{n−1}} & 0 \\
\textcolor{orange}{1} & 0 & 0 & \cdots & 0 & \textcolor{orange}{a_{n}}
\end{vmatrix} = ?
$$
难度评级：
继续阅读“计算“鸡爪型”行列式的思路：消去其中一“爪””
在本文中，「荒原之梦考研数学」将借助几何中“两点之间确定一条直线”的思想，帮助同学们理解什么时候可以使用特例法求解题目答案。
继续阅读““两点确定一条直线”的思想在特例法中的应用”已知 $\boldsymbol{A}$ 和 $\boldsymbol{B}$ 都是 $n$ 阶矩阵，且：
$$
\boldsymbol{A B} = \boldsymbol{E}
$$
则：
$$
\boldsymbol{A} \left[ \boldsymbol{E} – \boldsymbol{A} \left( \boldsymbol{E} + \boldsymbol{A}^{\top} \boldsymbol{B}^{\top} \right)^{-1} \boldsymbol{B} \right] \boldsymbol{B} = ?
$$
难度评级：
继续阅读“乘法运算中的矩阵一般不可以“自由流动”，但单位矩阵可以”