1 定義
二階行列式是由兩個 2 2 2 維向量組成的,其結果爲以這兩個向量爲鄰邊的平行四邊形的面積。
三階行列式是由三個 3 3 3 維向量組成的,其結果爲以這三個向量爲鄰邊的平行六面體的體積。
n n n 階行列式是由 n n n 個 n n n 維向量組成的,其結果爲以這 n n n 個向量爲鄰邊的 n n n 維圖形的體積。
2 性質
行列互換值不變,即 ∣ A ∣ = ∣ A T ∣ \begin{vmatrix} \boldsymbol{A} \end{vmatrix} = \begin{vmatrix} \boldsymbol{A}^T \end{vmatrix} ∣ ∣ A ∣ ∣ = ∣ ∣ A T ∣ ∣ 。
行列式中某行元素全爲零,則行列式爲零。
行列式中兩行(列)元素相等或成比例,則行列式爲零。
行列式中某行(列)元素有公因子 k ( k ≠ 0 ) k(k \ne 0) k ( k = 0 ) ,則 k k k 可提到行列式外面,即 ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ k a i 1 k a i 2 ⋯ k a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = k ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ ka_{i1} & ka_{i2} & \cdots & ka_{in} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} = k\begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ a_{i1} & a_{i2} & \cdots & a_{in} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ a 1 1 ⋮ k a i 1 ⋮ a n 1 a 1 2 ⋮ k a i 2 ⋮ a n 2 ⋯ ⋯ ⋯ a 1 n ⋮ k a i n ⋮ a n n ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ = k ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ a 1 1 ⋮ a i 1 ⋮ a n 1 a 1 2 ⋮ a i 2 ⋮ a n 2 ⋯ ⋯ ⋯ a 1 n ⋮ a i n ⋮ a n n ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ (從右到左的運算爲“倍乘”性質)。
行列式中某行(列)的 k k k 倍加到令一行(列),行列式的值不變。(“倍加”性質)
行列式中兩行(列)互換,行列式的值反號。(”互換“性質)
行列式中某行(列)元素均是兩個元素之和,則可拆成兩個行列式之和,即 k ( k ≠ 0 ) k(k \ne 0) k ( k = 0 ) ,則 k k k 可提到行列式外面,即 ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 + b i 1 a i 2 + b i 2 ⋯ a i n + b i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ + ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ b i 1 b i 2 ⋯ b i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ a_{i1}+b_{i1} & a_{i2}+b_{i2} & \cdots & a_{in}+b_{in} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} = \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ a_{i1} & a_{i2} & \cdots & a_{in} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} + \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ b_{i1} & b_{i2} & \cdots & b_{in} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ a 1 1 ⋮ a i 1 + b i 1 ⋮ a n 1 a 1 2 ⋮ a i 2 + b i 2 ⋮ a n 2 ⋯ ⋯ ⋯ a 1 n ⋮ a i n + b i n ⋮ a n n ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ = ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ a 1 1 ⋮ a i 1 ⋮ a n 1 a 1 2 ⋮ a i 2 ⋮ a n 2 ⋯ ⋯ ⋯ a 1 n ⋮ a i n ⋮ a n n ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ + ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ a 1 1 ⋮ b i 1 ⋮ a n 1 a 1 2 ⋮ b i 2 ⋮ a n 2 ⋯ ⋯ ⋯ a 1 n ⋮ b i n ⋮ a n n ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ 。
3 展開定理
行列式的值等於行列式的某行(列)元素分別乘其相應的代數餘子式再求和。
行列式的某行(列)元素分別乘令一行(列)元素的代數餘子式後再求和,結果爲零。
4 計算
4.1 行列式的計算
核心思想:展開最特殊的一行(列)
主對角線行列式
副對角線行列式
爪形行列式 → \rightarrow → 主對角線行列式
元素間成比例:將第 i + 1 i + 1 i + 1 行乘以 − a -a − a 加到第 i i i 行
循環行列式 → \rightarrow → 主對角線行列式(加到第一列,減去第一行)
拉普拉斯展開式
範德蒙德行列式
加邊:主對角線爲兩數之和
數學歸納法
4.2 代數餘子式的計算
a i 1 A i 1 + a i 2 A i 2 + ⋯ + a i n A i n = ∣ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ∣
a_{i1}\boldsymbol{A}_{i1} + a_{i2}\boldsymbol{A}_{i2} + \cdots + a_{in}\boldsymbol{A}_{in} =
\begin{vmatrix}
& & \vdots & \\
a_{i1} & a_{i2} & \cdots & a_{in} \\
& & \vdots & \\
\end{vmatrix}
a i 1 A i 1 + a i 2 A i 2 + ⋯ + a i n A i n = ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ a i 1 a i 2 ⋮ ⋯ ⋮ a i n ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣
k 1 A i 1 + k 2 A i 2 + ⋯ + k n A i n = ∣ ⋮ k 1 k 2 ⋯ k n ⋮ ∣
k_{1}\boldsymbol{A}_{i1} + k_{2}\boldsymbol{A}_{i2} + \cdots + k_{n}\boldsymbol{A}_{in} =
\begin{vmatrix}
& & \vdots & \\
k_{1} & k_{2} & \cdots & k_{n} \\
& & \vdots & \\
\end{vmatrix}
k 1 A i 1 + k 2 A i 2 + ⋯ + k n A i n = ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ k 1 k 2 ⋮ ⋯ ⋮ k n ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣
k 1 M i 1 + k 2 M i 2 + ⋯ + k n M i n = ∣ ⋮ ( − 1 ) i + 1 k 1 ( − 1 ) i + 2 k 2 ⋯ ( − 1 ) i + n k n ⋮ ∣
k_{1}\boldsymbol{M}_{i1} + k_{2}\boldsymbol{M}_{i2} + \cdots + k_{n}\boldsymbol{M}_{in} =
\begin{vmatrix}
& & \vdots & \\
(-1)^{i+1}k_{1} & (-1)^{i+2}k_{2} & \cdots & (-1)^{i+n}k_{n} \\
& & \vdots & \\
\end{vmatrix}
k 1 M i 1 + k 2 M i 2 + ⋯ + k n M i n = ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ( − 1 ) i + 1 k 1 ( − 1 ) i + 2 k 2 ⋮ ⋯ ⋮ ( − 1 ) i + n k n ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣
4.3 抽象型行列式的計算
向量線性組合 → \rightarrow → 矩陣乘積(列向量組在前,係數矩陣在後)