15-行列式

1288 字
6 分钟
15-行列式

定义#

排列定义#

nn 阶行列式

a11a12a1na21a22a2nan1an2ann\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}

定义为

detA=σSn(1)τ(σ)a1σ(1)a2σ(2)anσ(n)\det A=\sum_{\sigma\in S_n}(-1)^{\tau(\sigma)} a_{1\sigma(1)}a_{2\sigma(2)}\cdots a_{n\sigma(n)}

其中 SnS_n 是所有排列,τ(σ)\tau(\sigma) 是排列 σ\sigma 的逆序数。

直观理解:每一项从每一行、每一列各取一个元素,相乘后按排列奇偶性决定正负号。

低阶公式#

二阶:

abcd=adbc\begin{vmatrix} a&b\\ c&d \end{vmatrix}=ad-bc

三阶:

a1a2a3b1b2b3c1c2c3=a1b2c3+a2b3c1+a3b1c2a3b2c1a2b1c3a1b3c2\begin{vmatrix} a_1&a_2&a_3\\ b_1&b_2&b_3\\ c_1&c_2&c_3 \end{vmatrix} =a_1b_2c_3+a_2b_3c_1+a_3b_1c_2-a_3b_2c_1-a_2b_1c_3-a_1b_3c_2

性质#

多重线性#

行列式对每一行、每一列都是线性的。固定其它行,若某一行满足

ri=λu+μv\mathbf{r}_i=\lambda \mathbf{u}+\mu \mathbf{v}

det(,ri,)=λdet(,u,)+μdet(,v,)\det(\cdots,\mathbf{r}_i,\cdots) =\lambda\det(\cdots,\mathbf{u},\cdots)+\mu\det(\cdots,\mathbf{v},\cdots)

常用推论:

  • 某一行提出公因子 kk,行列式整体乘 kk
  • 某一行全为 00,行列式为 00
  • 若整行同时乘 kk,不要误以为每个元素都乘 kk 后行列式乘 knk^n;只乘 kk

交错性#

交换两行或两列,行列式变号:

RiRjDDR_i\leftrightarrow R_j\quad\Rightarrow\quad D\mapsto -D

若有两行或两列相同,则行列式为 00;更一般地,若行向量或列向量线性相关,则行列式为 00

初等变换#

对行列式做初等行变换时:

RiRj:DDkRi:DkDRi+kRj:DD\begin{aligned} R_i\leftrightarrow R_j&:\quad D\mapsto -D\\ kR_i&:\quad D\mapsto kD\\ R_i+kR_j&:\quad D\mapsto D \end{aligned}

列变换同理。计算时最常用的是 Ri+kRjR_i+kR_j,因为它不改变行列式。

转置与乘法#

detAT=detA\det A^T=\det Adet(AB)=detAdetB\det(AB)=\det A\det B

AA 可逆,则

det(A1)=1detA,detA0\det(A^{-1})=\frac{1}{\det A},\qquad \det A\ne 0

伴随矩阵#

AA^*AA 的伴随矩阵,则

AA=AA=AEAA^*=A^*A=|A|E

AA 可逆,

A1=1AAA^{-1}=\frac{1}{|A|}A^*

计算#

化三角#

把行列式通过不改变值的变换 Ri+kRjR_i+kR_j 化成上三角或下三角:

a110a2200ann=a11a22ann\begin{vmatrix} a_{11}&*&\cdots&*\\ 0&a_{22}&\cdots&*\\ \vdots&\vdots&\ddots&\vdots\\ 0&0&\cdots&a_{nn} \end{vmatrix} =a_{11}a_{22}\cdots a_{nn}
Tip

化三角时如果交换行,要记得变号;如果把某一行乘了常数,也要把这个倍数记回去。

展开法#

元素 aija_{ij} 的代数余子式:

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

其中 MijM_{ij} 是删去第 ii 行第 jj 列后得到的余子式。

按第 ii 行展开:

A=j=1naijAij|A|=\sum_{j=1}^{n}a_{ij}A_{ij}

按第 jj 列展开:

A=i=1naijAij|A|=\sum_{i=1}^{n}a_{ij}A_{ij}

展开时优先选择 00 多的行或列。

加边法#

有些行列式不容易直接展开,可以通过增加一行一列构造更规整的行列式,再化简。常见目标是把分散的和式、常数项或参数放到新增的第一行第一列中。

典型思路:

  1. 先构造一个高一阶行列式
  2. 对新增行或列做初等变换
  3. 再按新增行或列展开,回到原行列式

递推法#

DnD_n 是一类 nn 阶行列式,可以按第一行、最后一行或中间某一行展开,得到

Dn=αDn1+βDn2D_n=\alpha D_{n-1}+\beta D_{n-2}

再结合初值 D1,D2D_1,D_2 求通项。

特殊行列式#

三角#

上三角、下三角、对角行列式都等于主对角线元素之积:

a10a200an=a1a2an\begin{vmatrix} a_1&*&\cdots&*\\ 0&a_2&\cdots&*\\ \vdots&\vdots&\ddots&\vdots\\ 0&0&\cdots&a_n \end{vmatrix} =a_1a_2\cdots a_n

分块三角也类似:

AB0C=AC\begin{vmatrix} A&B\\ 0&C \end{vmatrix} =|A||C|

拉普拉斯#

若选定 kk 行,则行列式可按这 kk 行展开:

A=A(i1,,ikj1,,jk)A(i1,,ikj1,,jk)|A|=\sum A\binom{i_1,\dots,i_k}{j_1,\dots,j_k} A'\binom{i_1,\dots,i_k}{j_1,\dots,j_k}

其中 A(i1,,ikj1,,jk)A\binom{i_1,\dots,i_k}{j_1,\dots,j_k} 是取这些行和列交叉得到的 kk 阶子式,AA' 是对应代数余子式。

更常用的记法:对所有列指标 1j1<<jkn1\le j_1<\cdots<j_k\le n 求和。

特别适合分块矩阵、零元素集中在某些行列的行列式。

爪型#

爪型行列式的非零元集中在第一行、第一列和主对角线:

Dn=a1b2b3bnc2a200c30a300cn00anD_n= \begin{vmatrix} a_1&b_2&b_3&\cdots&b_n\\ c_2&a_2&0&\cdots&0\\ c_3&0&a_3&\cdots&0\\ \vdots&\vdots&\vdots&\ddots&0\\ c_n&0&0&\cdots&a_n \end{vmatrix}

它的非零项只有两类:

  1. 全取主对角线,得到 a1a2ana_1a_2\cdots a_n
  2. bk,ckb_k,c_k 这一对,再取其它主对角线元素,符号为负

所以

Dn=a1a2ank=2nbkcki=2iknaiD_n=a_1a_2\cdots a_n-\sum_{k=2}^{n}b_kc_k\prod_{\substack{i=2\\i\ne k}}^{n}a_i

例如三阶:

a1b2b3c2a20c30a3=a1a2a3b2c2a3b3c3a2\begin{vmatrix} a_1&b_2&b_3\\ c_2&a_2&0\\ c_3&0&a_3 \end{vmatrix} =a_1a_2a_3-b_2c_2a_3-b_3c_3a_2

a2,,ana_2,\dots,a_n 都不为 00,也可以写成更好记的形式:

Dn=a2a3an(a1k=2nbkckak)D_n=a_2a_3\cdots a_n \left(a_1-\sum_{k=2}^{n}\frac{b_kc_k}{a_k}\right)

图形由标准爪型旋转或镜像得到时,先交换行列化成标准形,再记交换次数带来的正负号。

么型#

么型行列式的非零元集中在主对角线、上一条对角线和最后一行:

Dn=a1b1000a2b2000a30bn1c1c2c3cnD_n= \begin{vmatrix} a_1&b_1&0&\cdots&0\\ 0&a_2&b_2&\cdots&0\\ 0&0&a_3&\cdots&0\\ \vdots&\vdots&\vdots&\ddots&b_{n-1}\\ c_1&c_2&c_3&\cdots&c_n \end{vmatrix}

按第一列展开,得到一个小一阶的么型和一个三角行列式:

Dn=a1a2b2000a3b30bn1c2c3c4cn+(1)n+1c1b100a2b200a30bn1D_n =a_1 \begin{vmatrix} a_2&b_2&0&\cdots&0\\ 0&a_3&b_3&\cdots&0\\ \vdots&\vdots&\vdots&\ddots&b_{n-1}\\ c_2&c_3&c_4&\cdots&c_n \end{vmatrix} +(-1)^{n+1}c_1 \begin{vmatrix} b_1&0&\cdots&0\\ a_2&b_2&\cdots&0\\ 0&a_3&\ddots&0\\ \vdots&\vdots&\ddots&b_{n-1} \end{vmatrix}

第二个行列式是三角形,值为 b1b2bn1b_1b_2\cdots b_{n-1},所以递推为

Dn=a1Dn1+(1)n+1c1b1b2bn1D_n=a_1D_{n-1}+(-1)^{n+1}c_1b_1b_2\cdots b_{n-1}

其中 Dn1D_{n-1} 是删去第一行第一列后得到的小一阶么型。

继续递推可得通式:

Dn=k=1n(1)nkck(i=1k1ai)(i=kn1bi)D_n=\sum_{k=1}^{n}(-1)^{n-k}c_k \left(\prod_{i=1}^{k-1}a_i\right) \left(\prod_{i=k}^{n-1}b_i\right)

其中空乘积记为 11

例如三阶:

a1b100a2b2c1c2c3=a1a2c3a1b2c2+b1b2c1\begin{vmatrix} a_1&b_1&0\\ 0&a_2&b_2\\ c_1&c_2&c_3 \end{vmatrix} =a_1a_2c_3-a_1b_2c_2+b_1b_2c_1

如果图形是由这种标准么型旋转或镜像得到的,先通过交换行列把它化回标准形,再套公式;交换一次行或列,行列式变号一次。

川型#

这里把只在主对角线和相邻两条副对角线上非零的行列式称为川型,也就是三对角行列式:

Dn=a1b100c1a2b200c2a30bn1000cn1anD_n= \begin{vmatrix} a_1&b_1&0&\cdots&0\\ c_1&a_2&b_2&\cdots&0\\ 0&c_2&a_3&\cdots&0\\ \vdots&\vdots&\vdots&\ddots&b_{n-1}\\ 0&0&0&c_{n-1}&a_n \end{vmatrix}

按最后一行或最后一列展开,可得递推:

Dn=anDn1bn1cn1Dn2D_n=a_nD_{n-1}-b_{n-1}c_{n-1}D_{n-2}

初值为

D0=1,D1=a1D_0=1,\qquad D_1=a_1

ai=a, bi=ci=ba_i=a,\ b_i=c_i=b,则

Dn=aDn1b2Dn2D_n=aD_{n-1}-b^2D_{n-2}

常见特例:

210012100120100012=n+1\begin{vmatrix} 2&-1&0&\cdots&0\\ -1&2&-1&\cdots&0\\ 0&-1&2&\cdots&0\\ \vdots&\vdots&\vdots&\ddots&-1\\ 0&0&0&-1&2 \end{vmatrix} =n+1

范德蒙德#

范德蒙德行列式:

Vn=111x1x2xnx12x22xn2x1n1x2n1xnn1V_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}

公式:

Vn=1j<in(xixj)V_n=\prod_{1\le j<i\le n}(x_i-x_j)

例如三阶:

111x1x2x3x12x22x32=(x2x1)(x3x1)(x3x2)\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)

判断方法:列与列之间只差一个变量 xix_i,行是 1,x,x2,1,x,x^2,\dots 的幂次递增。

Note

如果题目中幂次是倒序,或者行列互换,先用交换行列、提公因子等方式化成标准范德蒙德形式,再套公式。

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

15-行列式
https://skaco2.com/posts/02-math/15-行列式/
作者
SKACO2
发布于
2026-05-17
许可协议
CC BY-NC-SA 4.0

评论区

Profile Image of the Author
SKACO2
Hello……
公告
欢迎来到我的博客!
音乐
封面

音乐

暂未播放

0:00 0:00
暂无歌词
分类
标签
站点统计
文章
53
分类
8
标签
54
总字数
58,255
运行时长
0
最后活动
0 天前

目录