文章目录
二阶与三阶行列式
一、二阶行列式
记为 ∣ a 11 a 12 a 21 a 22 ∣ \begin{vmatrix}a_{11}&a_{12}\\ a_{21}&a_{22}\\ \end{vmatrix} ∣ ∣a11a21a12a22∣ ∣,其中数 a i j ( i = 1 , 2 ; j = 1 , 2 ) a_{ij}(i=1,2;j=1,2) aij(i=1,2;j=1,2)称为上面行列式的元素或元,元素 a i j a_{ij} aij的第一个下标 i i i称为行标,表名该元素在第 i i i行,第二个下标 j j j为列标,表明该元素位于第 j j j列。位于第 i i i行第 j j j列的元素称为上面行列式的 ( i , j ) (i,j) (i,j)元
例1:求
∣
3
5
1
6
∣
\begin{vmatrix}3&5\\1&6\end{vmatrix}
∣
∣3156∣
∣的值
∣
3
5
1
6
∣
=
2
×
6
−
1
×
5
=
7
\begin{vmatrix}3&5\\1&6\end{vmatrix}=2\times6-1\times5=7
∣
∣3156∣
∣=2×6−1×5=7
二、三阶行列式
已知 ∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ \begin{vmatrix}{ a _ { 11 } } & { a _ { 12 } } & { a _ { 13 } } \\ { a _ { 21 } } & { a _ { 22 } } & { a _ { 23 } } \\ { a _ { 31 } } & { a _ { 32 } } & { a _ { 33 } } \end{vmatrix} ∣ ∣a11a21a31a12a22a32a13a23a33∣ ∣,我们把该式称为三阶行列式
例2:计算三阶行列式
D
=
∣
1
2
−
4
−
2
2
1
−
3
4
−
2
∣
D=\begin{vmatrix} { 1 } & { 2 } & { - 4 } \\ { - 2 } & { 2 } & { 1 } \\ { - 3 } & { 4 } & { - 2 } \end{vmatrix}
D=∣
∣1−2−3224−41−2∣
∣
D
=
1
×
2
×
(
−
2
)
+
(
−
3
)
×
2
×
1
+
(
−
4
)
×
(
−
2
)
×
4
−
(
−
4
)
×
2
×
(
−
3
)
−
1
×
4
×
1
−
(
−
2
)
×
2
×
(
−
2
)
=
−
14
D=1\times2\times(-2)+(-3)\times2\times1+(-4)\times(-2)\times4-(-4)\times2\times(-3)-1\times4\times1-(-2)\times2\times(-2)=-14
D=1×2×(−2)+(−3)×2×1+(−4)×(−2)×4−(−4)×2×(−3)−1×4×1−(−2)×2×(−2)=−14
全排列及其逆序数
1. 全排列的定义
把 n n n个不同的元素排成一列,叫做这 n n n个元素的全排列(也简称排列)
2. 逆序数的定义
对于 n n n个不同的元素,先规定个元素之间有一个标准次序(例如 n n n个不同的自然数,可规定由小到大为标准次序),于是在这 n n n个元素的任一排列中,当某两个元素的先后次序与标准次序不同时,就说有 1 1 1个逆序。一个排列中所有逆序的总数叫做这个排列的逆序数
3. 奇排列和偶排列
逆序数为奇数的排列叫做奇排列,逆序数叫做偶数的排列叫做偶排列
例1:求排列
32516
32516
32516的逆序数
1
+
0
+
3
+
1
=
5
1+0+3+1=5
1+0+3+1=5
n阶行列式的定义
定义:设有 n 2 n^2 n2个数,排成 n n n行 n n n列 a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n \begin{matrix}{ a _ { 11 } } & { a _ { 12 } } & { \cdots } & { a _ { 1 n } } \\ { a _ { 21 } } & { a _ { 22 } } & { \cdots } & { a _ { 2 n } } \\ { \vdots } & { \vdots } & { } & { \vdots } \\ { a _ { n 1 } } &{ a _ { n 2 } } & { \cdots } & { a _ { n n }}\end{matrix} a11a21⋮an1a12a22⋮an2⋯⋯⋯a1na2n⋮ann,作出表中位于不同行不同列的 n n n个数的乘积,由于这样的排列共有 n ! n! n!个,所有这 n ! n! n!项的代数和 ∑ ( − 1 ) t a 1 p 1 a 2 p 2 ⋯ a n p n \sum(-1)^ta_{1p_1}a_{2p_2}\cdots a_{np_n} ∑(−1)ta1p1a2p2⋯anpn为 n n n阶行列式记作 D = ∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ D=\begin{vmatrix}{ a _ { 11 } } & { a _ { 12 } } & { \cdots } & { a _ { 1 n } } \\ { a _ { 21 } } & { a _ { 22 } } & { \cdots } & { a _ { 2 n } } \\ { \vdots } & { \vdots } & { } & { \vdots } \\ { a _ { n 1 } } &{ a _ { n 2 } } & { \cdots } & { a _ { n n }}\end{vmatrix} D=∣ ∣a11a21⋮an1a12a22⋮an2⋯⋯⋯a1na2n⋮ann∣ ∣,简称作 d e t ( a i j ) det(a_{ij}) det(aij),其中数 a i j a_{ij} aij为行列式 D D D的 ( i , j ) (i,j) (i,j)元
例1:证明以下
n
n
n阶行列式的值,其中未写出的元素都是
0
0
0
∣
λ
1
λ
2
⋱
λ
n
∣
=
λ
1
λ
2
⋯
λ
n
\begin{vmatrix}\lambda_1&&&\\&\lambda_2&&\\&&\ddots&\\&&&\lambda_n\end{vmatrix}=\lambda_1\lambda_2\cdots\lambda_n
∣
∣λ1λ2⋱λn∣
∣=λ1λ2⋯λn
∣
λ
1
λ
2
⋯
λ
n
∣
=
(
−
1
)
n
(
n
−
1
)
2
λ
1
λ
2
⋯
λ
n
\begin{vmatrix}&&&\lambda_1\\&&\lambda_2&\\&\cdots&&\\\lambda_n&&&\end{vmatrix}=(-1)^\frac{n(n-1)}{2}\lambda_1\lambda_2\cdots\lambda_n
∣
∣λn⋯λ2λ1∣
∣=(−1)2n(n−1)λ1λ2⋯λn
同理
主对角线上三角矩阵
=
=
=主对角线下三角矩阵
=
=
=主对角线矩阵
=
a
11
a
22
⋯
a
n
n
=a_{11}a_{22}\cdots a_{nn}
=a11a22⋯ann
副对角线上三角矩阵
=
=
=副对角线下三角矩阵
=
=
=副对角线矩阵
=
(
−
1
)
n
(
n
−
1
)
2
a
n
1
a
(
n
−
1
)
2
⋯
a
1
n
=(-1)^{\frac{n(n-1)}{2}}a_{n1}a_{(n-1)2}\cdots a_{1n}
=(−1)2n(n−1)an1a(n−1)2⋯a1n
行列式的性质
性质1:行列式与它的转置行列式相等
性质2:互换行列式的两行(列),行列式变号
推论:如果行列式有两行(列)完全相同,则此行列式等于零
性质3:行列式的某一行(列)中所有的元素都乘以同一数 k k k,等于用 k k k乘以此行列式
推论:行列式中某一行(列)的所有元素的公因子可以提到行列式记号的外面
性质4:行列式中如果有两行(列)元素成比例,则此行列式等于零
性质5:若行列式的某一列(行)的元素都是两数之和,例如第i列的元素都是两数之和: D = ∣ a 11 a 12 ⋯ ( a 1 i + a 1 i ′ ) ⋯ a 1 n a 21 a 22 ⋯ ( a 2 i + a 2 i ′ ) ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ ( a n i + a n i ′ ) ⋯ a n n ∣ D=\begin{vmatrix}a_{11}&a_{12}&\cdots&(a_{1i}+a_{1i}')&\cdots&a_{1n}\\a_{21}&a_{22}&\cdots&(a_{2i}+a_{2i}')&\cdots&a_{2n}\\\vdots&\vdots&&\vdots&&\vdots\\a_{n1}&a_{n2}&\cdots&(a_{ni}+a_{ni}')&\cdots&a_{nn}\end{vmatrix} D=∣ ∣a11a21⋮an1a12a22⋮an2⋯⋯⋯(a1i+a1i′)(a2i+a2i′)⋮(ani+ani′)⋯⋯⋯a1na2n⋮ann∣ ∣则 D = ∣ a 11 a 12 ⋯ a 1 i ⋯ a 1 n a 21 a 22 ⋯ a 2 i ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n i ⋯ a n n ∣ + ∣ a 11 a 12 ⋯ a 1 i ′ ⋯ a 1 n a 21 a 22 ⋯ a 2 i ′ ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n i ′ ⋯ a n n ∣ D=\begin{vmatrix}a_{11} & a_{12} & \cdots & a_{1i} & \cdots & a_{1n}\\a_{21} & a_{22} & \cdots & a_{2i} & \cdots & a_{2n}\\ \vdots & \vdots&&\vdots&&\vdots\\a_{n1} & a_{n2} & \cdots&a_{ni}&\cdots&a_{nn}\end{vmatrix}+\begin{vmatrix}a_{11}&a_{12}&\cdots&a_{1i}'&\cdots&a_{1n}\\a_{21}&a_{22}&\cdots &a_{2i}'&\cdots&a_{2n}\\\vdots&\vdots&&\vdots&&\vdots\\a_{n1}&a_{n2}&\cdots&a_{ni}'&\cdots&a_{nn}\end{vmatrix} D=∣ ∣a11a21⋮an1a12a22⋮an2⋯⋯⋯a1ia2i⋮ani⋯⋯⋯a1na2n⋮ann∣ ∣+∣ ∣a11a21⋮an1a12a22⋮an2⋯⋯⋯a1i′a2i′⋮ani′⋯⋯⋯a1na2n⋮ann∣ ∣
性质6:把行列式的某一列(行)的该元素乘以同一数然后加到另一列(行)对应的元素上去,行列式不变
例1:计算
∣
a
b
⋯
b
b
a
⋯
b
⋮
⋮
⋮
b
b
⋯
a
∣
n
×
n
\begin{vmatrix}a&b&\cdots&b\\b&a&\cdots&b\\\vdots&\vdots&&\vdots\\b&b&\cdots&a\end{vmatrix}_{n\times n}
∣
∣ab⋮bba⋮b⋯⋯⋯bb⋮a∣
∣n×n
∣
a
b
⋯
b
b
a
⋯
b
⋮
⋮
⋮
b
b
⋯
a
∣
n
×
n
=
∣
[
a
+
(
n
−
1
)
b
]
[
a
+
(
n
−
1
)
b
]
⋯
[
a
+
(
n
−
1
)
b
]
b
a
⋯
b
⋮
⋮
⋮
b
b
⋯
a
∣
=
[
a
+
(
n
−
1
)
b
]
∣
1
1
⋯
1
b
a
⋯
b
⋮
⋮
⋮
b
b
⋯
a
∣
=
[
a
+
(
n
−
1
)
b
]
∣
1
1
⋯
1
0
a
−
b
⋯
0
⋮
⋮
⋮
0
0
⋯
a
−
b
∣
=
[
a
+
(
n
−
1
)
b
]
(
a
−
b
)
n
−
1
\begin{aligned}\begin{vmatrix}a&b&\cdots&b\\b&a&\cdots&b\\\vdots&\vdots&&\vdots\\b&b&\cdots&a\end{vmatrix}_{n\times n}&=\begin{vmatrix}[a+(n-1)b]&[a+(n-1)b]&\cdots&[a+(n-1)b]\\b&a&\cdots&b\\\vdots&\vdots&&\vdots\\b&b&\cdots&a\end{vmatrix}\\&=[a+(n-1)b]\begin{vmatrix}1&1&\cdots&1\\b&a&\cdots&b\\\vdots&\vdots&&\vdots\\b&b&\cdots&a\end{vmatrix}\\&=[a+(n-1)b]\begin{vmatrix}1&1&\cdots&1\\0&a-b&\cdots&0\\\vdots&\vdots&&\vdots\\0&0&\cdots&a-b\end{vmatrix}\\&=[a+(n-1)b](a-b)^{n-1}\end{aligned}
∣
∣ab⋮bba⋮b⋯⋯⋯bb⋮a∣
∣n×n=∣
∣[a+(n−1)b]b⋮b[a+(n−1)b]a⋮b⋯⋯⋯[a+(n−1)b]b⋮a∣
∣=[a+(n−1)b]∣
∣1b⋮b1a⋮b⋯⋯⋯1b⋮a∣
∣=[a+(n−1)b]∣
∣10⋮01a−b⋮0⋯⋯⋯10⋮a−b∣
∣=[a+(n−1)b](a−b)n−1
例2:设
D
=
∣
a
11
⋯
a
1
k
⋮
⋮
0
a
k
1
⋯
a
k
k
c
11
⋯
c
1
k
b
11
⋯
b
1
n
⋮
c
n
1
⋯
c
n
k
b
n
1
⋯
b
n
n
∣
,
D
1
=
det
(
a
i
j
)
=
∣
a
11
⋯
a
1
k
⋮
⋮
a
k
1
⋯
a
k
k
∣
,
D
2
=
det
(
b
i
j
)
=
∣
b
11
⋯
b
1
n
⋮
⋮
b
n
1
⋯
b
n
n
∣
D=\begin{vmatrix}a_{11}&\cdots&a_{1k}\\\vdots&&\vdots&&0&\\a_{k1}&\cdots&a_{kk}\\c_{11}&\cdots&c_{1k}&b_{11}&\cdots&b_{1n}\\\vdots\\c_{n1}&\cdots&c_{nk}&b_{n1}&\cdots&b_{nn}\end{vmatrix},D_{1}=\det(a_{ij})=\begin{vmatrix}a_{11}&\cdots&a_{1k}\\\vdots&&\vdots\\a_{k1}&\cdots&a_{kk}\end{vmatrix},D_2=\det(b_{ij})=\begin{vmatrix}b_{11}&\cdots&b_{1n}\\\vdots&&\vdots\\b_{n1}&\cdots&b_{nn}\end{vmatrix}
D=∣
∣a11⋮ak1c11⋮cn1⋯⋯⋯⋯a1k⋮akkc1kcnkb11bn10⋯⋯b1nbnn∣
∣,D1=det(aij)=∣
∣a11⋮ak1⋯⋯a1k⋮akk∣
∣,D2=det(bij)=∣
∣b11⋮bn1⋯⋯b1n⋮bnn∣
∣
证明
D
=
D
1
D
2
D=D_1D_{2}
D=D1D2
D
1
=
行变换
∣
D
11
⋯
0
⋮
⋱
⋮
D
k
1
⋯
D
k
k
∣
=
D
11
⋯
D
k
k
D_{1}\overset{\text{行变换}}{=}\begin{vmatrix}D_{11}&\cdots&0\\\vdots&\ddots&\vdots\\D_{k1}&\cdots&D_{kk}\end{vmatrix}=D_{11}\cdots D_{kk}
D1=行变换∣
∣D11⋮Dk1⋯⋱⋯0⋮Dkk∣
∣=D11⋯Dkk(前
k
k
k行进行行变换)
D
2
=
列变换
∣
q
11
⋯
0
⋮
⋱
⋮
q
n
1
⋯
q
n
n
∣
=
q
11
⋯
q
n
n
D_2\overset{\text{列变换}}{=}\begin{vmatrix}q_{11}&\cdots&0\\\vdots&\ddots&\vdots\\q_{n1}&\cdots&q_{nn}\end{vmatrix}=q_{11}\cdots q_{nn}
D2=列变换∣
∣q11⋮qn1⋯⋱⋯0⋮qnn∣
∣=q11⋯qnn(右
k
k
k列进行列变换)
D
=
∣
D
11
⋮
⋱
D
k
1
⋯
D
k
k
C
11
⋯
C
1
k
q
11
⋮
⋮
⋮
⋱
C
n
1
⋯
C
n
k
q
n
1
⋯
q
n
n
∣
=
D
11
⋯
D
k
k
q
11
⋯
q
n
n
=
D
1
D
2
D=\begin{vmatrix}D_{11}\\\vdots&\ddots\\D_{k1}&\cdots&D_{kk}\\C_{11}&\cdots&C_{1k}&q_{11}\\\vdots&&\vdots&\vdots&\ddots\\C_{n1}&\cdots&C_{nk}&q_{n1}&\cdots&q_{nn}\end{vmatrix}=D_{11}\cdots D_{kk}q_{11}\cdots q_{nn}=D_{1}D_2
D=∣
∣D11⋮Dk1C11⋮Cn1⋱⋯⋯⋯DkkC1k⋮Cnkq11⋮qn1⋱⋯qnn∣
∣=D11⋯Dkkq11⋯qnn=D1D2
即 D = ∣ D 1 0 D 3 D 2 ∣ = D 1 ⋅ D 2 D=\begin{vmatrix}D_{1}&0\\D_{3}&D_{2}\end{vmatrix}=D_{1}\cdot D_{2} D=∣ ∣D1D30D2∣ ∣=D1⋅D2,同理有 D = ∣ 0 D 1 n × n D 2 m × m D 3 ∣ = ( − 1 ) m n D 1 ⋅ D 2 D=\begin{vmatrix}0&D_{1_{n\times n}}\\D_{2_{m\times m}}&D_{3}\end{vmatrix}=(-1)^{mn}D_{1}\cdot D_{2} D=∣ ∣0D2m×mD1n×nD3∣ ∣=(−1)mnD1⋅D2
行列式按行(列)展开
一、代数余子式的定义
在 n n n阶行列式中,把 ( i , j ) (i,j) (i,j)元 a i j a_{ij} aij所在的第 i i i行和第 j j j列划去后,留下来的 n − 1 n-1 n−1阶行列式叫做 ( i , j ) (i,j) (i,j)元 a i j a_{ij} aij的余子式,记作 M i j M_{ij} Mij;记 A i j = ( − 1 ) i + j M i j A_{ij}=(-1)^{i+j}M_{ij} Aij=(−1)i+jMij, A i j A_{ij} Aij叫做 ( i , j ) (i,j) (i,j)元 a i j a_{ij} aij的代数余子式
定理1:行列式等于它的任一行(列)的各元素与其对应的代数余子式乘积之和,即 D = a i 1 A i 1 + a i 2 A i 2 + ⋯ + a i n A i n ( i = 1 , 2 , ⋯ , n ) D = a _ { i 1 } A _ { i 1 } + a _ { i 2 } A _ { i 2 } + \cdots + a _ { i n } A _ { i n } ( i = 1 , 2 , \cdots , 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 ) D = a _ { 1 j } A _ { 1 j } + a _ { 2 j } A _ { 2 j } + \cdots + a _ { n j } A _ { n j } ( j = 1 , 2 , \cdots , n ) D=a1jA1j+a2jA2j+⋯+anjAnj(j=1,2,⋯,n)
例1:用展开定理求行列式
∣
3
1
−
1
2
−
5
1
3
−
4
2
0
1
−
1
1
−
5
3
−
3
∣
\begin{vmatrix}3&1&-1&2\\-5&1&3&-4\\2&0&1&-1\\1&-5&3&-3\end{vmatrix}
∣
∣3−521110−5−13132−4−1−3∣
∣的值
∣
3
1
−
1
2
−
5
1
3
−
4
2
0
1
−
1
1
−
5
3
−
3
∣
=
∣
5
1
−
1
1
−
11
1
3
−
1
0
0
1
0
−
5
−
5
3
0
∣
=
1
×
(
−
1
)
3
+
3
∣
5
1
1
−
11
1
−
1
−
5
−
5
0
∣
=
∣
5
1
1
−
6
2
0
−
5
−
5
0
∣
=
1
×
(
−
1
)
1
+
3
∣
−
6
2
−
5
−
5
∣
=
40
\begin{aligned}\begin{vmatrix}3&1&-1&2\\-5&1&3&-4\\2&0&1&-1\\1&-5&3&-3\end{vmatrix}&=\begin{vmatrix}5&1&-1&1\\-11&1&3&-1\\0&0&1&0\\-5&-5&3&0\end{vmatrix}\\&=1\times(-1)^{3+3}\begin{vmatrix}5&1&1\\-11&1&-1\\-5&-5&0\end{vmatrix}\\&=\begin{vmatrix}5&1&1\\-6&2&0\\-5&-5&0\end{vmatrix}\\&=1\times(-1)^{1+3}\begin{vmatrix}-6&2\\-5&-5\end{vmatrix}\\&=40\end{aligned}
∣
∣3−521110−5−13132−4−1−3∣
∣=∣
∣5−110−5110−5−13131−100∣
∣=1×(−1)3+3∣
∣5−11−511−51−10∣
∣=∣
∣5−6−512−5100∣
∣=1×(−1)1+3∣
∣−6−52−5∣
∣=40
推论:行列式某一行(列)的元素与另一行(列)的对应元素的代数余子式乘积之和等于零 a i 1 A j 1 + a i 2 A j 2 + ⋯ + a i n A j n = 0 , i ≠ j a _ { i 1 } A _ { j 1 } + a _ { i 2 } A _ { j 2 } + \cdots + a _ { i n } A _ { j n } = 0 , \quad i \neq j ai1Aj1+ai2Aj2+⋯+ainAjn=0,i=j或 a 1 i A 1 j + a 2 i A 2 j + ⋯ + a n i = 0 , i ≠ j a _ { 1 i } A _ { 1 j } + a _ { 2 i } A _ { 2 j } + \cdots + a _ { n i } = 0 , \quad i \neq j a1iA1j+a2iA2j+⋯+ani=0,i=j
例2:设
D
=
∣
3
−
5
2
1
1
1
0
−
5
−
1
3
1
3
2
−
4
−
1
−
3
∣
D=\begin{vmatrix}3&-5&2&1\\1&1&0&-5\\-1&3&1&3\\2&-4&-1&-3\end{vmatrix}
D=∣
∣31−12−513−4201−11−53−3∣
∣,
D
D
D的
(
i
,
j
)
(i,j)
(i,j)元的余子式和代数余子式依次记作
M
i
j
M_{ij}
Mij和
A
i
j
A_{ij}
Aij,求
A
11
+
A
12
+
A
13
+
A
14
A_{11}+A_{12}+A_{13}+A_{14}
A11+A12+A13+A14及
M
11
+
M
21
+
M
31
+
M
41
M_{11}+M_{21}+M_{31}+M_{41}
M11+M21+M31+M41
1
⋅
A
11
+
1
⋅
A
12
+
1
⋅
A
13
+
1
⋅
A
14
=
∣
1
1
1
1
1
1
0
−
5
−
1
3
1
3
2
−
4
−
1
−
3
∣
=
4
1\cdot A_{11}+1\cdot A_{12}+1\cdot A_{13}+1\cdot A_{14}=\begin{vmatrix}1&1&1&1\\1&1&0&-5\\-1&3&1&3\\2&-4&-1&-3\end{vmatrix}=4
1⋅A11+1⋅A12+1⋅A13+1⋅A14=∣
∣11−12113−4101−11−53−3∣
∣=4
M
11
+
M
21
+
M
31
+
M
41
=
1
⋅
A
11
+
(
−
1
)
⋅
A
21
+
1
⋅
A
31
+
(
−
1
)
⋅
A
41
=
∣
1
−
5
2
1
−
1
1
0
−
5
1
3
1
3
−
1
−
4
−
1
−
3
∣
=
0
\begin{aligned}M_{11}+M_{21}+M_{31}+M_{41}&=1\cdot A_{11}+(-1)\cdot A_{21}+1\cdot A_{31}+(-1)\cdot A_{41}\\&=\begin{vmatrix}1&-5&2&1\\-1&1&0&-5\\1&3&1&3\\-1&-4&-1&-3\end{vmatrix}\\&=0\end{aligned}
M11+M21+M31+M41=1⋅A11+(−1)⋅A21+1⋅A31+(−1)⋅A41=∣
∣1−11−1−513−4201−11−53−3∣
∣=0
克拉默法则
含有 n n n个未知数 x 1 , x 2 , ⋯ , x n x_{1},x_{2},\cdots,x_{n} x1,x2,⋯,xn的 n n n个线性方程组 { a 11 x 1 + a 21 x 2 + ⋯ + a n x n = b 1 , a 21 x 1 + a 21 x 2 + ⋯ + a 2 n x n = b 2 , ⋯ a 1 n x 1 + a 2 n x 2 + ⋯ + a n n x n = b n \begin{cases} a_{11}x_{1}+a_{21}x_{2}+\cdots+a_{n}x_{n}=b_{1}, \\ a_{21}x_{1}+a_{21}x_{2}+\cdots+a_{2n}x_{n}=b_{2}, \\ \cdots \\ a_{1n}x_{1}+a_{2n}x_{2}+\cdots+a_{nn}x_{n}=b_{n}\\ \end{cases} ⎩ ⎨ ⎧a11x1+a21x2+⋯+anxn=b1,a21x1+a21x2+⋯+a2nxn=b2,⋯a1nx1+a2nx2+⋯+annxn=bn与二、三元线性方程组相类似,它的解可以用 n n n阶行列式表示
克拉默法则:如果线性方程组的系数行列式不为零,即 D = ∣ a 11 ⋯ a 1 n ⋮ ⋮ a n 1 ⋯ a n n ∣ ≠ 0 D=\begin{vmatrix} a_{11}&\cdots&a_{1n}\\\vdots&&\vdots\\a_{n1}&\cdots&a_{nn} \end{vmatrix}\ne 0 D=∣ ∣a11⋮an1⋯⋯a1n⋮ann∣ ∣=0那么方程组有唯一解 x 1 = D 1 D , x 2 = D 2 D , ⋯ , x n = D n D x_{1}=\frac{D_{1}}{D},x_2=\frac{D_{2}}{D},\cdots,x_n=\frac{D_{n}}{D} x1=DD1,x2=DD2,⋯,xn=DDn,其中 D j ( j = 1 , 2 , ⋯ , n ) D_{j}(j=1,2,\cdots,n) Dj(j=1,2,⋯,n)是把系数行列式 D D D中第 j j j列的元素方程组右端的常数项代替后所得到的 n n n阶行列式,即 D j = ∣ a 11 ⋯ a 1 , j − 1 b 1 a 1 , j + 1 ⋯ a 1 n ⋮ ⋮ ⋮ ⋮ ⋮ a n 1 ⋯ a n , j − 1 b n a n , j + 1 ⋯ a n n ∣ D_{j}=\begin{vmatrix} a_{11}&\cdots&a_{1,j-1}&b_{1}&a_{1,j+1}&\cdots&a_{1n}\\\vdots&&\vdots&\vdots&\vdots&&\vdots\\a_{n1}&\cdots&a_{n,j-1}&b_{n}&a_{n,j+1}&\cdots&a_{nn} \end{vmatrix} Dj=∣ ∣a11⋮an1⋯⋯a1,j−1⋮an,j−1b1⋮bna1,j+1⋮an,j+1⋯⋯a1n⋮ann∣ ∣
例1:解线性方程组 { 2 x 1 + x 2 − 5 x 3 + x 4 = 8 x 1 − 3 x 2 − 6 x 4 = 9 2 x 2 − x 3 + 2 x 4 = − 5 x 1 + 4 x 2 − 7 x 3 + 6 x 4 = 0 \begin{cases}2x_1+x_2-5x_3+x_4=8\\x_1-3x_2-6x_4=9\\2x_2-x_3+2x_4=-5\\x_1+4x_2-7x_3+6x_4=0\end{cases} ⎩ ⎨ ⎧2x1+x2−5x3+x4=8x1−3x2−6x4=92x2−x3+2x4=−5x1+4x2−7x3+6x4=0
D
=
∣
2
1
−
5
1
1
−
3
0
−
6
0
2
−
1
2
1
4
−
7
6
∣
=
27
≠
0
D=\begin{vmatrix}2&1&-5&1\\1&-3&0&-6\\0&2&-1&2\\1&4&-7&6\end{vmatrix}=27\ne0
D=∣
∣21011−324−50−1−71−626∣
∣=27=0
D
1
=
∣
8
1
−
5
1
9
−
3
0
−
6
−
5
2
−
1
2
0
4
−
7
6
∣
=
81
D_1=\begin{vmatrix}8&1&-5&1\\9&-3&0&-6\\-5&2&-1&2\\0&4&-7&6\end{vmatrix}=81
D1=∣
∣89−501−324−50−1−71−626∣
∣=81
同理
D
2
=
−
108
,
D
3
=
−
27
,
D
4
=
27
D_2=-108,D_3=-27,D_4=27
D2=−108,D3=−27,D4=27
故
x
1
=
D
1
D
=
3
,
x
2
=
−
4
,
x
3
=
−
1
,
x
4
=
1
x_1=\frac{D_{1}}{D}=3,x_2=-4,x_3=-1,x_4=1
x1=DD1=3,x2=−4,x3=−1,x4=1
定理1:如果线性方程组的系数方程式
D
≠
0
D\ne0
D=0,则线性方程组一定有解,且解是唯一的
定理2:如果齐次方程组的系数行列式
D
≠
0
D\ne0
D=0,则齐次方程组没有非零解,即只有零解;反之,如果齐次方程组的系数行列式
D
=
0
D=0
D=0,则齐次方程组有非零解