1.n阶行列式
∣
A
∣
=
∣
a
11
a
12
⋯
a
1
n
a
21
a
22
⋯
a
2
n
⋮
⋮
⋮
⋮
a
n
1
a
n
2
⋯
a
n
n
∣
=
∑
j
=
1
n
a
1
j
A
1
j
|A|=\begin{vmatrix} a_{11} &a_{12} &\cdots &a_{1n} \\ a_{21} &a_{22} &\cdots &a_{2n} \\ \vdots &\vdots &\vdots &\vdots \\ a_{n1} &a_{n2} &\cdots & a_{nn} \end{vmatrix}=\sum_{j=1}^{n}a_{1j}A_{1j}
∣A∣=∣∣∣∣∣∣∣∣∣a11a21⋮an1a12a22⋮an2⋯⋯⋮⋯a1na2n⋮ann∣∣∣∣∣∣∣∣∣=∑j=1na1jA1j
A
i
j
A_{ij}
Aij称为
a
i
j
a_{ij}
aij的代数余子式。
另外还有行列式的第二定义,即用逆序数定义完成,这里就不过多赘述!
2.行列式的性质
1.
∣
λ
A
∣
=
λ
n
∣
A
∣
|\lambda A|=\lambda ^{n}|A|
∣λA∣=λn∣A∣
2.
∣
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
∣
\begin{vmatrix} a_{11}&a_{12} &\cdots & a_{1n}\\ \vdots & \vdots & \vdots &\vdots \\ a_{i1}+b_{i1}&a_{i2}+b_{i2} &\cdots &a_{in}+b_{in} \\ \vdots & \vdots &\vdots &\vdots \\ a_{n1}& a_{n2}&\cdots & a_{nn} \end{vmatrix}
∣∣∣∣∣∣∣∣∣∣∣∣a11⋮ai1+bi1⋮an1a12⋮ai2+bi2⋮an2⋯⋮⋯⋮⋯a1n⋮ain+bin⋮ann∣∣∣∣∣∣∣∣∣∣∣∣
=
∣
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 &\vdots \\ a_{i1}&a_{i2}&\cdots &a_{in}\\ \vdots & \vdots &\vdots &\vdots \\ a_{n1}& a_{n2}&\cdots & a_{nn} \end{vmatrix}+ \begin{vmatrix} a_{11}&a_{12} &\cdots & a_{1n}\\ \vdots & \vdots & \vdots &\vdots \\ b_{i1}&b_{i2} &\cdots &b_{in} \\ \vdots & \vdots &\vdots &\vdots \\ a_{n1}& a_{n2}&\cdots & a_{nn} \end{vmatrix}
=∣∣∣∣∣∣∣∣∣∣∣∣a11⋮ai1⋮an1a12⋮ai2⋮an2⋯⋮⋯⋮⋯a1n⋮ain⋮ann∣∣∣∣∣∣∣∣∣∣∣∣+∣∣∣∣∣∣∣∣∣∣∣∣a11⋮bi1⋮an1a12⋮bi2⋮an2⋯⋮⋯⋮⋯a1n⋮bin⋮ann∣∣∣∣∣∣∣∣∣∣∣∣
3.互换行列式的两行,行列式变号
4.行列式中如果有两行元素成比例,则行列式等于零
5.
∣
A
∣
=
∣
A
T
∣
|A|=|A^{T}|
∣A∣=∣AT∣
6.
∣
A
1
A
2
⋯
A
n
∣
=
∣
A
1
∣
∣
A
2
∣
⋯
∣
A
n
∣
|A_{1}A_{2}\cdots A_{n}|=|A_{1}||A_{2}|\cdots |A_{n}|
∣A1A2⋯An∣=∣A1∣∣A2∣⋯∣An∣
3.拉普拉斯展开式
线性代数有句话说的好,我们计算行列式时,不是在拉普拉斯,就是在拉普拉斯的路上,可见拉普拉斯的重要性!
A
A
A和
B
B
B分别是
m
m
m阶和
n
n
n阶矩阵
∣ A O O B ∣ \begin{vmatrix} A & O\\ O&B \end{vmatrix} ∣∣∣∣AOOB∣∣∣∣= ∣ A ∗ O B ∣ \begin{vmatrix} A&* \\ O& B \end{vmatrix} ∣∣∣∣AO∗B∣∣∣∣= ∣ A O ∗ B ∣ \begin{vmatrix} A&O\\ *&B \end{vmatrix} ∣∣∣∣A∗OB∣∣∣∣= ∣ A ∣ ∣ B ∣ |A||B| ∣A∣∣B∣
∣
O
A
B
O
∣
\begin{vmatrix} O & A\\ B& O \end{vmatrix}
∣∣∣∣OBAO∣∣∣∣=
∣
O
A
B
∗
∣
\begin{vmatrix} O & A\\ B & * \end{vmatrix}
∣∣∣∣OBA∗∣∣∣∣=
∣
∗
A
B
O
∣
\begin{vmatrix} *&A \\ B&O \end{vmatrix}
∣∣∣∣∗BAO∣∣∣∣=
(
−
1
)
m
n
∣
A
∣
∣
B
∣
(-1)^{mn}|A||B|
(−1)mn∣A∣∣B∣
使用拉普拉斯计算行列式可以大规模的降维,大规模的简化计算
4.范德蒙行列式
V
n
=
∣
1
1
⋯
1
x
1
x
2
⋯
x
n
x
1
2
x
2
2
⋯
x
n
2
⋮
⋮
⋮
⋮
x
1
n
−
1
x
2
n
−
1
⋯
x
n
n
−
1
∣
=
∏
1
⩽
i
≤
j
⩽
n
(
a
j
−
a
i
)
V_{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 & \vdots &\vdots \\ x_{1}^{n-1}& x_{2}^{n-1} &\cdots & x_{n}^{n-1} \end{vmatrix}=\prod_{1\leqslant i\leq j\leqslant n}(a_{j}-a_{i})
Vn=∣∣∣∣∣∣∣∣∣∣∣1x1x12⋮x1n−11x2x22⋮x2n−1⋯⋯⋯⋮⋯1xnxn2⋮xnn−1∣∣∣∣∣∣∣∣∣∣∣=∏1⩽i≤j⩽n(aj−ai)
范德蒙行列式的结论可以直接记住。
注意:
范德蒙行列式是按行排列,且最后一行的
n
−
1
n-1
n−1次幂。
5.克拉默法则
当含有
n
n
n个未知数的非齐次线性方程组
{
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
\left\{\begin{matrix} a_{11}x_{1}+a_{12}x_{2}+\cdots +a_{1n}x_{n}=b_{1}\\ a_{21}x_{1}+a_{22}x_{2}+\cdots +a_{2n}x_{n}=b_{2}\\ \cdots \cdots \\ a_{n1}x_{1}+a_{n2}x_{2}+\cdots +a_{nn}x_{n}=b_{n} \end{matrix}\right.
⎩⎪⎪⎨⎪⎪⎧a11x1+a12x2+⋯+a1nxn=b1a21x1+a22x2+⋯+a2nxn=b2⋯⋯an1x1+an2x2+⋯+annxn=bn
由它的系数组成的
n
n
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
∣
D=\begin{vmatrix} a_{11} &a_{12} & \cdots &a_{1n} \\ a_{21} &a_{22} & \cdots &a_{2n}\\ \vdots & \vdots & \vdots &\vdots \\ a_{n1} &a_{n2} & \cdots &a_{nn} \end{vmatrix}
D=∣∣∣∣∣∣∣∣∣a11a21⋮an1a12a22⋮an2⋯⋯⋮⋯a1na2n⋮ann∣∣∣∣∣∣∣∣∣
若方程组的系数行列式
D
≠
0
D\neq 0
D=0,则它有唯一解。
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
注意:
克拉默法则求解比较复杂,一般用克拉默法则求单个解。