行列式
主要名词概念
逆序、逆序数、对换、奇偶排列、n阶行列式、上下三角形行列式、对角行列式、转置行列式、余子式、代数余子式、k阶子式、k阶子式的余子式、k阶子式的代数余子式、对称行列式、反对称行列式、系数行列式、零解、非零解
n阶行列式
二、三阶行列式的概念、定义
二阶行列式
行列式的概念是从解线性方程组的问题中产生的,比如二元线性方程组:
{
a
11
x
1
+
a
12
x
2
=
b
1
a
21
x
1
+
a
22
x
2
=
b
2
\LARGE \left\{\begin{matrix} a_{11}x_1 + a_{12}x_2 = b_1 \\ a_{21}x_1 + a_{22}x_2 = b_2 \\ \end{matrix}\right.
⎩
⎨
⎧a11x1+a12x2=b1a21x1+a22x2=b2
用加减消元法,先消去
x
2
\large x_2
x2 得:
(
a
11
a
22
−
a
12
a
21
)
x
1
=
b
1
a
22
−
b
2
a
12
\LARGE (a_{11}a_{22} - a_{12}a_{21}) x_1 = b_1 a_{22} - b_2 a_{12}
(a11a22−a12a21)x1=b1a22−b2a12
同样的方法消去
x
1
\large x_1
x1 得:
(
a
11
a
22
−
a
12
a
21
)
x
2
=
b
2
a
11
−
b
1
a
21
\LARGE (a_{11}a_{22} - a_{12}a_{21}) x_2 = b_2 a_{11} - b_1 a_{21}
(a11a22−a12a21)x2=b2a11−b1a21
因此,当
(
a
11
a
22
−
a
12
a
21
)
≠
0
\large (a_{11}a_{22} - a_{12}a_{21}) \ne 0
(a11a22−a12a21)=0 时有唯一解,即:
x
1
=
b
1
a
22
−
b
2
a
12
a
11
a
22
−
a
12
a
21
,
x
2
=
b
2
a
11
−
b
1
a
21
a
11
a
22
−
a
12
a
21
\LARGE x_1 = \frac{b_1 a_{22} - b_2 a_{12}} {a_{11}a_{22} - a_{12}a_{21}} , x_2 = \frac{b_2 a_{11} - b_1 a_{21}} {a_{11}a_{22} - a_{12}a_{21}}
x1=a11a22−a12a21b1a22−b2a12,x2=a11a22−a12a21b2a11−b1a21
为了方便记忆,我们定义一个符号:
∣
a
11
a
12
a
21
a
22
∣
=
a
11
a
22
−
a
12
a
21
\LARGE \begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix} = a_{11}a_{22} - a_{12}a_{21}
∣
∣a11a21a12a22∣
∣=a11a22−a12a21
这样规定的记号
∣
a
11
a
12
a
21
a
22
∣
\large \begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix}
∣
∣a11a21a12a22∣
∣ 称为 二阶行列式 ,它含有两行两列,横为行,竖为列。
行列式中,数 a i j ( i , j = 1 , 2 ) \large a_{ij} (i,j = 1,2) aij(i,j=1,2) 称为行列式的元素,第一个下标 i \large i i 称为 行标 ,第二个下标 j \large j j 称为 列标 。比如 a 21 \large a_{21} a21 就是第二行第一列的元素。
二阶行列式的计算
由上面的定义,我们可以知道二阶行列式是这样两项的代数和:
- 从左上角到右下角,也就是实线,称为 行列式的主对角线
- 从右上角到左下角,也就是虚线,称为 行列式的次对角线
计算的话,就是主对角线元素相乘,减去次对角线上的元素相乘。
例题:
设 D = ∣ λ − 1 1 2 λ ∣ \large D= \begin{vmatrix} \lambda -1 & 1 \\ 2 & \lambda \end{vmatrix} D=∣ ∣λ−121λ∣ ∣ ,问:当 $\large \lambda $ 为何值时, D ≠ 0 \large D\ne 0 D=0 ?
解:
D
=
∣
λ
−
1
1
2
λ
∣
=
(
λ
−
1
)
λ
−
2
=
(
λ
−
2
)
(
λ
+
1
)
\LARGE D= \begin{vmatrix} \lambda -1 & 1 \\ 2 & \lambda \end{vmatrix} = (\lambda -1)\lambda -2 = (\lambda -2)(\lambda +1)
D=∣
∣λ−121λ∣
∣=(λ−1)λ−2=(λ−2)(λ+1)
所以当
(
λ
−
2
)
(
λ
+
1
)
≠
0
\large (\lambda -2)(\lambda +1) \ne 0
(λ−2)(λ+1)=0 时,
D
≠
0
\large D\ne 0
D=0 。即
λ
≠
2
,
λ
≠
−
1
\large \lambda \ne 2, \lambda \ne -1
λ=2,λ=−1 。
三阶行列式
同样的,由上述二阶行列式,我们可以衍生出三阶行列式,对于三元线性方程组:
{
a
11
x
1
+
a
12
x
2
+
a
13
x
3
=
b
1
a
21
x
1
+
a
22
x
2
+
a
23
x
3
=
b
2
a
31
x
1
+
a
32
x
2
+
a
33
x
3
=
b
3
\LARGE \left\{\begin{matrix} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 = b_1 \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 = b_2 \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 = b_3 \\ \end{matrix}\right.
⎩
⎨
⎧a11x1+a12x2+a13x3=b1a21x1+a22x2+a23x3=b2a31x1+a32x2+a33x3=b3
同前面一样,为了方便记忆,我们引入记号:
∣
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
∣
=
a
11
a
22
a
33
+
a
12
a
23
a
31
+
a
13
a
21
a
32
−
a
13
a
22
a
31
−
a
12
a
21
a
33
−
a
11
a
23
a
32
\LARGE \begin{array}{l} \left|\begin{array}{lll} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array}\right| \\ =a_{11} a_{22} a_{33}+a_{12} a_{23} a_{31}+a_{13} a_{21} a_{32} \\ -a_{13} a_{22} a_{31}-a_{12} a_{21} a_{33}-a_{11} a_{23} a_{32} \end{array}
∣
∣a11a21a31a12a22a32a13a23a33∣
∣=a11a22a33+a12a23a31+a13a21a32−a13a22a31−a12a21a33−a11a23a32
上面就称为 三阶行列式 。它含有三行三列,是
3
!
=
6
\large 3! = 6
3!=6 项的代数和。
三阶行列式的计算
和二阶行列式一样可以用画线法来进行记忆,下面这个方法称为三阶行列式的 对角线展开法 :
- 三个实线上的元素分别相乘然后相加,再减去每个虚线上的元素相乘
- 对角线展开法 仅适用与三阶及以下的行列式计算
排列和逆序
❗️ 定义:由1,2,…,n组成的一个有序数组称为一个n级排列。
列如,123,是一个3级排序,4132,2143,1234都说4级排序。n级排列共有 n ! \large n! n! 个。
❗️ 定义:在一个n级排列中,如果较大的数排列在较小的数前面,则它们构成一个逆序,一个n级排列中逆序的总和称为它的 逆序数 。排列 i 1 i 2 . . . i n \large i_1i_2...i_n i1i2...in 的逆序数记为 N ( i 1 i 2 . . . i n ) \large N(i_1i_2...i_n) N(i1i2...in) 。
- 逆序数为偶数称为 **偶排列 **
- 逆序数为奇数称为 奇排列
例如,排列 4132 中,4和1,4和3,4和2,3和2,各构成一个逆序,总共4个逆序,即 N ( 4132 ) = 4 \large N(4132)=4 N(4132)=4 ,是一个偶排列。
计算逆序数的时候可以从第一个数开始往后比较,如:
- ①分别和②③④比较,如果①比较大,就加一
- ②分别和③④比较,如果②比较大,就加一
- ③和④比较,如果③比较大,就加一
❗️ 定理:一个排列经过一个对换后(排列中的任意两个数交换位置),奇偶性改变。
由上述定理可以得到下面一个重要的结论
❗️ 定理:在全部n级别排列中,偶排列和奇排列各占一半,都有 n ! 2 ( n ≥ 2 ) \large \frac{n!}{2} (n\ge 2) 2n!(n≥2) 个 。
n阶行列式
由二阶、三阶行列式的概念推广到n阶:
❗️ 定义:由
n
2
\large n^2
n2 个元素
a
i
j
(
i
,
j
=
1
,
2
,
.
.
.
,
n
)
\large a_{ij} (i,j=1,2,...,n)
aij(i,j=1,2,...,n) 组成的记号
∣
a
11
a
12
.
.
.
a
1
n
a
21
a
22
.
.
.
a
2
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
\LARGE \begin{vmatrix} a_{11} & a_{12} & ... & a_{1n} \\ a_{21} & a_{22} & ... & a_{2n} \\ ... & ... & ... & ... \\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{vmatrix}
∣
∣a11a21...an1a12a22...an2............a1na2n...ann∣
∣
称为 n阶行列式 。
n阶行列式的计算
将行列式 ∣ a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . . . . . . . a n 1 a n 2 . . . a n n ∣ \large \begin{vmatrix} a_{11} & a_{12} & ... & a_{1n} \\ a_{21} & a_{22} & ... & a_{2n} \\ ... & ... & ... & ... \\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{vmatrix} ∣ ∣a11a21...an1a12a22...an2............a1na2n...ann∣ ∣ 简记为 D = ∣ a i j ∣ \large D=\begin{vmatrix}a_{ij}\end{vmatrix} D=∣ ∣aij∣ ∣ 。
并将元素 a 11 , a 22 , . . . , a n n \large a_{11},a_{22},...,a_{nn} a11,a22,...,ann (从左上角到右下角的对角线)称为 主对角线 ;把元素 a 1 n , a 2 , n − 1 , . . . , a n 1 \large a_{1n},a_{2,n-1},...,a_{n1} a1n,a2,n−1,...,an1 (从右上角到左下角的对角线)称为 次对角线 。
按行展开计算
D = ∑ j 1 j 2 . . . j n ( − 1 ) N ( j 1 j 2 . . . j n ) a 1 j 1 a 2 j 2 . . . a n j n \LARGE D=\sum_{j_1j_2...j_n}^{} (-1)^{N(j_1j_2...j_n)} a_{1j_1}a_{2j_2}...a_{nj_n} D=j1j2...jn∑(−1)N(j1j2...jn)a1j1a2j2...anjn
也就是 行 是固定顺序,列 是按照排列来的,因为有n列,所以有 n ! \large n! n! 项。又因为在n级排列中,奇偶排列各占一半,符号是根据奇偶排列来的,所有正负项也各占一半。
一般项为:
(
−
1
)
N
(
j
1
j
2
.
.
.
j
n
)
a
1
j
1
a
2
j
2
.
.
.
a
n
j
n
\LARGE (-1)^{N(j_1j_2...j_n)} a_{1j_1}a_{2j_2}...a_{nj_n}
(−1)N(j1j2...jn)a1j1a2j2...anjn
按列展开计算
D = ∑ i 1 i 2 . . . i n ( − 1 ) N ( i 1 i 2 . . . i n ) a i 1 1 a i 2 2 . . . a i n n \LARGE D=\sum_{i_1i_2...i_n}^{} (-1)^{N(i_1i_2...i_n)} a_{i_11}a_{i_22}...a_{i_nn} D=i1i2...in∑(−1)N(i1i2...in)ai11ai22...ainn
一般项为:
(
−
1
)
N
(
i
1
i
2
.
.
.
i
n
)
a
i
1
1
a
i
2
2
.
.
.
a
i
n
n
\LARGE (-1)^{N(i_1i_2...i_n)} a_{i_11}a_{i_22}...a_{i_nn}
(−1)N(i1i2...in)ai11ai22...ainn
既不按行也不按列
n行列式的一般项,可以记为:
上三角、下三角、对角行列式
下三角行列式:
D = ∣ a 11 0 0 . . . 0 a 21 a 22 0 . . . 0 . . . . . . . . . . . . . . . a n 1 a n 2 a n 3 . . . a n n ∣ = a 11 a 22 a 33 . . . a n n \LARGE D= \begin{vmatrix} a_{11} & 0 & 0 & ... & 0 \\ a_{21} & a_{22} & 0 & ... & 0 \\ ... & ... & ... & ... & ... \\ a_{n1} & a_{n2} & a_{n3} & ... & a_{nn} \\ \end{vmatrix} = a_{11}a_{22}a_{33}...a_{nn} D=∣ ∣a11a21...an10a22...an200...an3............00...ann∣ ∣=a11a22a33...ann
它的值等于其主对角线上的所有元素的乘积
上三角行列式:
D = ∣ a 11 a 12 a 13 . . . a 1 n 0 a 22 a 23 . . . a 2 n . . . . . . . . . . . . . . . 0 0 0 . . . a n n ∣ = a 11 a 22 a 33 . . . a n n \LARGE D= \begin{vmatrix} a_{11} & a_{12} & a_{13} & ... & a_{1n} \\ 0 & a_{22} & a_{23} & ... & a_{2n} \\ ... & ... & ... & ... & ... \\ 0 & 0 & 0 & ... & a_{nn} \\ \end{vmatrix} = a_{11}a_{22}a_{33}...a_{nn} D=∣ ∣a110...0a12a22...0a13a23...0............a1na2n...ann∣ ∣=a11a22a33...ann
它的值也等于其主对角线上的所有元素的乘积
对角行列式:
D = ∣ a 11 0 0 . . . 0 0 a 22 0 . . . 0 . . . . . . . . . . . . . . . 0 0 0 . . . a n n ∣ = a 11 a 22 a 33 . . . a n n \LARGE D= \begin{vmatrix} a_{11} & 0 & 0 & ... & 0 \\ 0 & a_{22} & 0 & ... & 0 \\ ... & ... & ... & ... & ... \\ 0 & 0 & 0 & ... & a_{nn} \\ \end{vmatrix} = a_{11}a_{22}a_{33}...a_{nn} D=∣ ∣a110...00a22...000...0............00...ann∣ ∣=a11a22a33...ann
它的值也等于其主对角线上的所有元素的乘积
次对角线上
比如类似这种的
D
=
∣
0
.
.
.
0
a
1
n
0
.
.
.
a
2
,
n
−
1
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
.
.
.
a
n
,
n
−
1
a
1
n
∣
=
(
−
1
)
n
(
n
−
1
)
2
a
1
n
a
2
,
n
−
1
.
.
.
a
n
1
\LARGE D= \begin{vmatrix} 0 & ... & 0 & a_{1n} \\ 0 & ... & a_{2,n-1} & a_{1n} \\ ... & ... & ... & ... \\ a_{n1} & ... & a_{n,n-1} & a_{1n} \end{vmatrix} = (-1)^{\frac{n(n-1)}{2}} a_{1n}a_{2,n-1}...a_{n1}
D=∣
∣00...an1............0a2,n−1...an,n−1a1na1n...a1n∣
∣=(−1)2n(n−1)a1na2,n−1...an1
它的值等于其次主对角线上的所有元素的乘积,并且是带符号的。
例题
例1:
计算行列式
D
=
∣
0
2
0
0
0
0
3
0
0
0
0
4
1
0
0
0
∣
\LARGE D= \begin{vmatrix} 0 & 2 & 0 & 0 \\ 0 & 0 & 3 & 0 \\ 0 & 0 & 0 & 4 \\ 1 & 0 & 0 & 0 \end{vmatrix}
D=∣
∣0001200003000040∣
∣
仔细观察上面的行列式会发现每行只有一个元素为不为0,而这4给元素又在不同列。
我们按行展开,只有一项非零项,其余项都会为0,即:
a
12
a
23
a
34
a
41
=
2
×
3
×
4
×
1
=
24
\LARGE a_{12}a_{23}a_{34}a_{41} = 2 \times 3 \times 4 \times 1=24
a12a23a34a41=2×3×4×1=24
又因为2341是奇排列,因此这一项前面应该为负号,所以:
D
=
−
a
12
a
23
a
34
a
41
=
−
24
\LARGE D = -a_{12}a_{23}a_{34}a_{41} = -24
D=−a12a23a34a41=−24
例2:
行列式的性质
转置行列式
设有n阶行列式
D
=
∣
a
11
a
12
.
.
.
a
1
n
a
21
a
22
.
.
.
a
2
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
\LARGE D= \begin{vmatrix} a_{11} & a_{12} & ... & a_{1n} \\ a_{21} & a_{22} & ... & a_{2n} \\ ... & ... & ... & ... \\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{vmatrix}
D=∣
∣a11a21...an1a12a22...an2............a1na2n...ann∣
∣
将D的行与列进行交换后得到的行列式,称为D的 转置行列式 ,记为
D
T
\large D^T
DT 或
D
′
\large D^{'}
D′ 。即:
D
=
∣
a
11
a
21
.
.
.
a
n
1
a
12
a
22
.
.
.
a
n
2
.
.
.
.
.
.
.
.
.
.
.
.
a
1
n
a
2
n
.
.
.
a
n
n
∣
\LARGE D= \begin{vmatrix} a_{11} & a_{21} & ... & a_{n1} \\ a_{12} & a_{22} & ... & a_{n2} \\ ... & ... & ... & ... \\ a_{1n} & a_{2n} & ... & a_{nn} \\ \end{vmatrix}
D=∣
∣a11a12...a1na21a22...a2n............an1an2...ann∣
∣
显然
(
D
T
)
T
=
D
\large (D^T)^T = D
(DT)T=D 。
❗️ 性质:对于任何行列式D,均有 D T = D \large D^T = D DT=D 。
证:记D的一般项为
(
−
1
)
N
(
j
1
j
2
.
.
.
j
n
)
a
1
j
1
a
2
j
2
.
.
.
a
n
j
n
\LARGE (-1)^{N(j_1j_2...j_n)} a_{1j_1}a_{2j_2}...a_{nj_n}
(−1)N(j1j2...jn)a1j1a2j2...anjn
它的元素在
D
\large D
D 中位于不同行不同列,因此在
D
T
\large D^T
DT 中也位于不同行不同列,所以这n个元素在
D
T
\large D^T
DT 中应该为:
a
j
1
1
a
j
2
2
.
.
.
a
j
n
n
\LARGE a_{j_11}a_{j_22}...a_{j_nn}
aj11aj22...ajnn
把
j
\large j
j 换成
i
\large i
i ,就是列展开的形式:
(
−
1
)
N
(
i
1
i
2
.
.
.
i
n
)
a
i
1
1
a
i
2
2
.
.
.
a
i
n
n
\LARGE (-1)^{N(i_1i_2...i_n)} a_{i_11}a_{i_22}...a_{i_nn}
(−1)N(i1i2...in)ai11ai22...ainn
所以
D
T
=
D
\large D^T = D
DT=D 。
❗️ 性质:行列式两行(列)互换,其值变号。即:
∣
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
a
i
1
a
i
2
.
.
.
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
s
1
a
s
2
.
.
.
a
s
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
=
−
∣
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
a
s
1
a
s
2
.
.
.
a
s
n
.
.
.
.
.
.
.
.
.
.
.
.
a
i
1
a
i
2
.
.
.
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ... & ... & ... & ...\\ a_{s1}& a_{s2} & ... & a_{sn}\\ ...& ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix} = - \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{s1}& a_{s2} & ... & a_{sn}\\ ... & ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ...& ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix}
∣
∣a11...ai1...as1...an1a12...ai2...as2...an2.....................a1n...ain...asn...ann∣
∣=−∣
∣a11...as1...ai1...an1a12...as2...ai2...an2.....................a1n...asn...ain...ann∣
∣
❗️ 性质:将行列式的某一行或某一列中所有元素同乘以数k,等于用这个数k乘该行列式:
∣
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
∣
\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ ka_{i1}& ka_{i2} & ... & ka_{in}\\ ... & ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix} = k \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ... & ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix}
∣
∣a11...kai1...an1a12...kai2...an2...............a1n...kain...ann∣
∣=k∣
∣a11...ai1...an1a12...ai2...an2...............a1n...ain...ann∣
∣
利用上述方法可以进行提取公因数。
❗️ 性质:如果行列式中有两行(列)对应的 元素相同 ,或 成比例 ,则该行列式为0。
❗️ 性质:如果行列式中某一行(列)对应的 元素全为0 ,则该行列式为0。
❗️ 性质:若行列式的某一行(列)中所有元素都是两项的和,则该行列式可以表示为两个行列式相加。即:
∣
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
b
i
1
c
i
1
b
21
c
i
2
.
.
.
b
i
n
c
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
=
∣
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
b
i
1
b
21
.
.
.
b
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
+
∣
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
c
i
1
c
21
.
.
.
c
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ b_{i1}c_{i1}& b_{21}c_{i2} & ... & b_{in}c_{in}\\ ... & ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix} = \\\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ b_{i1}& b_{21} & ... & b_{in}\\ ... & ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix} + \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ c_{i1}& c_{21} & ... & c_{in}\\ ... & ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix}
∣
∣a11...bi1ci1...an1a12...b21ci2...an2...............a1n...bincin...ann∣
∣=∣
∣a11...bi1...an1a12...b21...an2...............a1n...bin...ann∣
∣+∣
∣a11...ci1...an1a12...c21...an2...............a1n...cin...ann∣
∣
❗️ ⭐️ ⭐️⭐️性质:将行列式一行(列)中所有元素都乘以数k后加到另外一行(列)的对应元素上,行列式值不变。即:
∣
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
a
i
1
a
i
2
.
.
.
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
j
1
a
j
2
.
.
.
a
j
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
j
1
+
k
a
i
1
a
j
2
+
k
a
i
2
.
.
.
a
j
n
+
k
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ... & ... & ... & ...\\ a_{j1}& a_{j2} & ... & a_{jn}\\ ...& ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix} = \\\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ... & ... & ... & ...\\ a_{j1}+ka_{i1}& a_{j2}+ka_{i2} & ... & a_{jn}+ka_{in}\\ ...& ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix}
∣
∣a11...ai1...aj1...an1a12...ai2...aj2...an2.....................a1n...ain...ajn...ann∣
∣=∣
∣a11...ai1...aj1+kai1...an1a12...ai2...aj2+kai2...an2.....................a1n...ain...ajn+kain...ann∣
∣
可以想一下线性方程组,在计算过程中,其中一个式子乘一个系数,加到另一个式子中进行计算、消元。
证:
可以上一个性质我们可以把行列式拆开
∣
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
a
i
1
a
i
2
.
.
.
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
j
1
+
k
a
i
1
a
j
2
+
k
a
i
2
.
.
.
a
j
n
+
k
a
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
j
1
a
j
2
.
.
.
a
j
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
.
.
.
.
.
.
.
.
.
.
.
.
k
a
i
1
k
a
i
2
.
.
.
k
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ... & ... & ... & ...\\ a_{j1}+ka_{i1}& a_{j2}+ka_{i2} & ... & a_{jn}+ka_{in}\\ ...& ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix} = \\\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ... & ... & ... & ...\\ a_{j1}& a_{j2} & ... & a_{jn}\\ ...& ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix} + \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ... & ... & ... & ...\\ ka_{i1}& ka_{i2} & ... & ka_{in}\\ ...& ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix}
∣
∣a11...ai1...aj1+kai1...an1a12...ai2...aj2+kai2...an2.....................a1n...ain...ajn+kain...ann∣
∣=∣
∣a11...ai1...aj1...an1a12...ai2...aj2...an2.....................a1n...ain...ajn...ann∣
∣+∣
∣a11...ai1...kai1...an1a12...ai2...kai2...an2.....................a1n...ain...kain...ann∣
∣
有因为第二个行列式,某两行成倍数关系,所以第二个行列式等于0,所以:
∣
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
a
i
1
a
i
2
.
.
.
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
j
1
+
k
a
i
1
a
j
2
+
k
a
i
2
.
.
.
a
j
n
+
k
a
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
j
1
a
j
2
.
.
.
a
j
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
+
0
\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ... & ... & ... & ...\\ a_{j1}+ka_{i1}& a_{j2}+ka_{i2} & ... & a_{jn}+ka_{in}\\ ...& ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix} = \\\LARGE \begin{vmatrix} a_{11}& a_{12} & ... & a_{1n}\\ ...& ... & ... & ...\\ a_{i1}& a_{i2} & ... & a_{in}\\ ... & ... & ... & ...\\ a_{j1}& a_{j2} & ... & a_{jn}\\ ...& ... & ... & ...\\ a_{n1}& a_{n2} & ... & a_{nn}\\ \end{vmatrix} + 0
∣
∣a11...ai1...aj1+kai1...an1a12...ai2...aj2+kai2...an2.....................a1n...ain...ajn+kain...ann∣
∣=∣
∣a11...ai1...aj1...an1a12...ai2...aj2...an2.....................a1n...ain...ajn...ann∣
∣+0
例题
行列式按某一行(列)展开
一般来说低阶的计算比高阶行列式的计算简便,所以在计算行列式时,可以考虑将高阶行列式转换为低阶行列式。
余子式和代数余子式
❗️ 定义:在 n ( n > 1 ) \large n(n>1) n(n>1) 阶行列式 D = ∣ a i j ∣ \large D = \begin{vmatrix} a_{ij} \end{vmatrix} D=∣ ∣aij∣ ∣ 中,将元素 a i j \large a_{ij} aij 所在的第 i \large i i 行和第 j \large j j 列划去(删除),剩下的元素按照原来的相对位置所构成的 n − 1 \large n-1 n−1 阶行列式,称为 D \large D D 中元素 a i j \large a_{ij} aij 的 余子式 ,记为 M i j \large M_{ij} Mij 。
例:
D
=
∣
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
a
41
a
42
a
43
a
44
∣
\LARGE D= \begin{vmatrix} a_{11} & a_{12} & a_{13} & a_{14} \\ a_{21} & a_{22} & a_{23} & a_{24} \\ a_{31} & a_{32} & a_{33} & a_{34} \\ a_{41} & a_{42} & a_{43} & a_{44} \end{vmatrix}
D=∣
∣a11a21a31a41a12a22a32a42a13a23a33a43a14a24a34a44∣
∣
a
23
\large a_{23}
a23 的 余子式 为:
M
23
=
∣
a
11
a
12
a
14
a
31
a
32
a
34
a
41
a
42
a
44
∣
\LARGE M_{23}= \begin{vmatrix} a_{11} & a_{12} & a_{14} \\ a_{31} & a_{32} & a_{34} \\ a_{41} & a_{42} & a_{44} \end{vmatrix}
M23=∣
∣a11a31a41a12a32a42a14a34a44∣
∣
在 a i j \large a_{ij} aij 的余子式 M i j \large M_{ij} Mij 前面加上一个符号 ( − 1 ) i + j \large (-1)^{i+j} (−1)i+j 后,就称为 a i j \large a_{ij} aij 在 D \large D D 中的 代数余子式 ,记为 A i j \large A_{ij} Aij ,即 A i j = ( − 1 ) i + j M i j \large A_{ij}=(-1)^{i+j} M_{ij} Aij=(−1)i+jMij 。
上面例子中,
a
23
\large a_{23}
a23 的 代数余子式 为:
A
23
=
(
−
1
)
2
+
3
∣
a
11
a
12
a
14
a
31
a
32
a
34
a
41
a
42
a
44
∣
=
−
∣
a
11
a
12
a
14
a
31
a
32
a
34
a
41
a
42
a
44
∣
\LARGE A_{23}= (-1)^{2+3} \begin{vmatrix} a_{11} & a_{12} & a_{14} \\ a_{31} & a_{32} & a_{34} \\ a_{41} & a_{42} & a_{44} \end{vmatrix} = - \begin{vmatrix} a_{11} & a_{12} & a_{14} \\ a_{31} & a_{32} & a_{34} \\ a_{41} & a_{42} & a_{44} \end{vmatrix}
A23=(−1)2+3∣
∣a11a31a41a12a32a42a14a34a44∣
∣=−∣
∣a11a31a41a12a32a42a14a34a44∣
∣
行列式按某一行(列)展开
❗️ 定理:(行列式按行(列)展开)n阶行列式
D
=
∣
a
i
j
∣
\large D = \begin{vmatrix} a_{ij} \end{vmatrix}
D=∣
∣aij∣
∣ 等于它的任意一行(列)中各元素与其对应的 代数余子式乘积的和 ,即:
D
=
a
i
1
A
i
1
+
a
i
2
A
i
2
+
.
.
.
+
a
i
n
A
i
n
,
i
=
(
1
,
2
,
.
.
.
,
n
)
\LARGE D=a_{i1}A_{i1}+a_{i2}A_{i2}+...+a_{in}A_{in} , i = (1,2,...,n)
D=ai1Ai1+ai2Ai2+...+ainAin,i=(1,2,...,n)
或
D
=
a
1
j
A
1
j
+
a
2
j
A
2
j
+
.
.
.
+
a
n
j
A
n
j
,
j
=
(
1
,
2
,
.
.
.
,
n
)
\LARGE D=a_{1j}A_{1j}+a_{2j}A_{2j}+...+a_{nj}A_{nj} , j = (1,2,...,n)
D=a1jA1j+a2jA2j+...+anjAnj,j=(1,2,...,n)
例题:
例1:
按第一行展开
D
=
∣
1
3
2
4
6
5
3
6
8
∣
=
1
×
(
−
1
)
1
+
1
∣
6
5
6
8
∣
+
3
×
(
−
1
)
1
+
2
∣
4
5
3
8
∣
+
2
×
(
−
1
)
1
+
3
∣
4
6
3
6
∣
=
\LARGE \begin{array}{c} D=\left|\begin{array}{ccc} 1 & 3 & 2 \\ 4 & 6 & 5 \\ 3 & 6 & 8 \end{array}\right|=1 \times(-1)^{1+1}\left|\begin{array}{ll} 6 & 5 \\ 6 & 8 \end{array}\right|+ \\ 3 \times(-1)^{1+2}\left|\begin{array}{ll} 4 & 5 \\ 3 & 8 \end{array}\right|+2 \times(-1)^{1+3}\left|\begin{array}{ll} 4 & 6 \\ 3 & 6 \end{array}\right|= \end{array}
D=∣
∣143366258∣
∣=1×(−1)1+1∣
∣6658∣
∣+3×(−1)1+2∣
∣4358∣
∣+2×(−1)1+3∣
∣4366∣
∣=
例2:
❗️ 定理:(异乘变零定理)n阶行列式
D
=
∣
a
i
j
∣
\large D = \begin{vmatrix} a_{ij} \end{vmatrix}
D=∣
∣aij∣
∣ 的某一行(列)的所有元素与另一行(列)中对应的元素的代数余子式乘积的和为零,即:
a
i
1
A
s
1
+
a
i
2
A
s
2
+
.
.
.
+
a
i
n
A
s
n
=
0
,
(
i
≠
s
)
a
1
j
A
1
t
+
a
2
j
A
2
t
+
.
.
.
+
a
n
j
A
n
t
=
0
,
(
j
≠
t
)
\LARGE a_{i1}A_{s1}+a_{i2}A_{s2}+...+a_{in}A_{sn}=0 , (i \ne s) \\\LARGE a_{1j}A_{1t}+a_{2j}A_{2t}+...+a_{nj}A_{nt}=0 , (j \ne t)
ai1As1+ai2As2+...+ainAsn=0,(i=s)a1jA1t+a2jA2t+...+anjAnt=0,(j=t)
(不许NTR,纯爱战士狂喜)
证:
∣
a
11
a
12
.
.
.
a
1
n
a
21
a
22
.
.
.
a
2
n
.
.
.
.
.
.
.
.
.
.
.
.
a
i
1
a
i
2
.
.
.
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
\LARGE \begin{vmatrix} a_{11} & a_{12} & ... & a_{1n} \\ a_{21} & a_{22} & ... & a_{2n} \\ ... & ... & ... & ... \\ a_{i1} & a_{i2} & ... & a_{in} \\ ... & ... & ... & ... \\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{vmatrix}
∣
∣a11a21...ai1...an1a12a22...ai2...an2..................a1na2n...ain...ann∣
∣
假设第一行所有元素乘上第
i
\large i
i 行的对应元素的代数余子式,那么:
a
11
A
i
1
+
a
12
A
i
2
+
.
.
.
+
a
1
n
A
i
n
\LARGE a_{11}A_{i1}+a_{12}A_{i2}+...+a_{1n}A_{in}
a11Ai1+a12Ai2+...+a1nAin
上面的式子,根据 行列式按行(列)展开 又可以变成:
a
11
A
i
1
+
a
12
A
i
2
+
.
.
.
+
a
1
n
A
i
n
=
∣
a
11
a
12
.
.
.
a
1
n
a
21
a
22
.
.
.
a
2
n
.
.
.
.
.
.
.
.
.
.
.
.
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
\LARGE a_{11}A_{i1}+a_{12}A_{i2}+...+a_{1n}A_{in} = \begin{vmatrix} a_{11} & a_{12} & ... & a_{1n} \\ a_{21} & a_{22} & ... & a_{2n} \\ ... & ... & ... & ... \\ a_{11} & a_{12} & ... & a_{1n} \\ ... & ... & ... & ... \\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{vmatrix}
a11Ai1+a12Ai2+...+a1nAin=∣
∣a11a21...a11...an1a12a22...a12...an2..................a1na2n...a1n...ann∣
∣
上面的行列式,第一行元素和第
i
\large i
i 行元素对应相等,所以行列式为0。所以 异乘变零 :
a
11
A
i
1
+
a
12
A
i
2
+
.
.
.
+
a
1
n
A
i
n
=
0
\LARGE a_{11}A_{i1}+a_{12}A_{i2}+...+a_{1n}A_{in} = 0
a11Ai1+a12Ai2+...+a1nAin=0
拉普拉斯定理
行列式的计算
“杨辉三角”
加边法
范德蒙行列式
注意 :是 ∏ 1 ≤ j < i ≤ n \LARGE \prod_{1 \leq j<i \leq n} ∏1≤j<i≤n , j \large j j 是小于 i \large i i ,不是小于等于。
例如:n=4
D
n
=
(
x
2
−
x
1
)
(
x
3
−
x
1
)
(
x
4
−
x
1
)
(
x
3
−
x
2
)
(
x
4
−
x
2
)
(
x
4
−
x
3
)
\LARGE D_n = (x_2-x_1)(x_3-x_1)(x_4-x_1) \\\LARGE (x_3-x_2)(x_4-x_2) \\\LARGE (x_4-x_3)
Dn=(x2−x1)(x3−x1)(x4−x1)(x3−x2)(x4−x2)(x4−x3)
一定是“后面”的减法“前面”
反对称矩阵
反对称矩阵=0。
- 主对角线全为0
- 上下位置对应元素(关于主对角线对称),互为相反数
克莱姆(Cramer)法则
设定含有n个未知量n个方程组的线性方程组
{
a
11
x
1
+
a
12
x
2
+
.
.
.
+
a
1
n
x
n
=
b
1
a
21
x
1
+
a
22
x
2
+
.
.
.
+
a
2
n
x
n
=
b
2
.
.
.
.
.
.
a
n
1
x
1
+
a
n
2
x
2
+
.
.
.
+
a
n
n
x
n
=
b
n
\LARGE \left\{\begin{matrix} a_{11}x_1 + a_{12}x_2 +...+a_{1n}x_n = b_1 \\ a_{21}x_1 + a_{22}x_2 +...+a_{2n}x_n = b_2 \\ ......\\ a_{n1}x_1 + a_{n2}x_2 +...+a_{nn}x_n = b_n \\ \end{matrix}\right.
⎩
⎨
⎧a11x1+a12x2+...+a1nxn=b1a21x1+a22x2+...+a2nxn=b2......an1x1+an2x2+...+annxn=bn
我们称它的系数
a
i
j
\large a_{ij}
aij 所构成的行列式
∣
a
11
a
12
.
.
.
a
1
n
a
21
a
22
.
.
.
a
2
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
∣
\LARGE \begin{vmatrix} a_{11} & a_{12} & ... & a_{1n} \\ a_{21} & a_{22} & ... & a_{2n} \\ ... & ... & ... & ... \\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{vmatrix}
∣
∣a11a21...an1a12a22...an2............a1na2n...ann∣
∣
为此方程组的 系数行列式 。
将
D
\large D
D 的第1,2,…,n列分别换成常数项
b
1
,
b
2
,
.
.
,
b
n
\large b_1,b_2,..,b_n
b1,b2,..,bn 后,所得到的n个n阶行列式依次记为
D
1
,
D
2
,
.
.
.
,
D
n
\large D_1,D_2,...,D_n
D1,D2,...,Dn ,即
D
1
=
∣
b
1
a
12
…
a
1
n
b
2
a
22
…
a
2
n
…
…
…
…
b
n
a
n
2
…
a
n
n
∣
,
D
2
=
∣
a
11
b
1
…
a
1
n
a
21
b
2
…
a
2
n
…
…
…
…
a
n
1
b
n
…
a
n
n
∣
D
n
=
∣
a
11
a
12
…
b
1
a
21
a
22
…
b
2
…
…
…
…
a
n
1
a
n
2
…
b
n
∣
\LARGE \begin{array}{c} D_{1}=\left|\begin{array}{llll} b_{1} & a_{12} & \ldots & a_{1 n} \\ b_{2} & a_{22} & \ldots & a_{2 n} \\ \ldots & \ldots & \ldots & \ldots \\ b_{n} & a_{n 2} & \ldots & a_{n n} \end{array}\right|, D_{2}=\left|\begin{array}{llll} a_{11} & b_{1} & \ldots & a_{1 n} \\ a_{21} & b_{2} & \ldots & a_{2 n} \\ \ldots & \ldots & \ldots & \ldots \\ a_{n 1} & b_{n} & \ldots & a_{n n} \end{array}\right| \\ D_{n}=\left|\begin{array}{cccc} a_{11} & a_{12} & \ldots & b_{1} \\ a_{21} & a_{22} & \ldots & b_{2} \\ \ldots & \ldots & \ldots & \ldots \\ a_{n 1} & a_{n 2} & \ldots & b_{n} \end{array}\right| \end{array}
D1=∣
∣b1b2…bna12a22…an2…………a1na2n…ann∣
∣,D2=∣
∣a11a21…an1b1b2…bn…………a1na2n…ann∣
∣Dn=∣
∣a11a21…an1a12a22…an2…………b1b2…bn∣
∣
❗️ 定理:(克莱姆法则)含有n个方程n个未知量的线性方程组,当它的系数行列式
D
≠
0
\large D \ne 0
D=0 时,有唯一解:
x
j
=
D
j
D
,
(
j
=
1
,
2
,
.
.
.
,
n
)
\LARGE x_j = \frac{D_j}{D} ,(j=1,2,...,n)
xj=DDj,(j=1,2,...,n)
当线性方程组的常数项全为零时:
{
a
11
x
1
+
a
12
x
2
+
.
.
.
+
a
1
n
x
n
=
0
a
21
x
1
+
a
22
x
2
+
.
.
.
+
a
2
n
x
n
=
0
.
.
.
.
.
.
a
n
1
x
1
+
a
n
2
x
2
+
.
.
.
+
a
n
n
x
n
=
0
\LARGE \left\{\begin{matrix} a_{11}x_1 + a_{12}x_2 +...+a_{1n}x_n = 0 \\ a_{21}x_1 + a_{22}x_2 +...+a_{2n}x_n = 0 \\ ......\\ a_{n1}x_1 + a_{n2}x_2 +...+a_{nn}x_n = 0 \\ \end{matrix}\right.
⎩
⎨
⎧a11x1+a12x2+...+a1nxn=0a21x1+a22x2+...+a2nxn=0......an1x1+an2x2+...+annxn=0
称为 齐次线性方程组 。
显然它是肯定有解的 x 1 = 0 , x 2 = 0 , . . . , x n = 0 \large x_1=0,x_2=0,...,x_n=0 x1=0,x2=0,...,xn=0 ,此解称为齐次线性方程组的 零解 。除此以外的解,称为齐次线性方程组的 非零解 。
由克莱姆法则可以得出以下定理:
- D ≠ 0 ( 符合克莱姆法则 ) ⟺ 齐次线性方程组只有零解 \large D \ne 0 (符合克莱姆法则) \Longleftrightarrow 齐次线性方程组只有零解 D=0(符合克莱姆法则)⟺齐次线性方程组只有零解
- D = 0 ( 符合克莱姆法则 ) ⟺ 齐次线性方程组有非零解 \large D = 0 (符合克莱姆法则) \Longleftrightarrow 齐次线性方程组有非零解 D=0(符合克莱姆法则)⟺齐次线性方程组有非零解