行列式展开定理公式-行列式展开定理公式
作者:佚名
|
2人看过
发布时间:2026-06-07 03:30:42
行列式如何算?别整那些“起初”“其次”,直接跟数字玩。 拿一张 2x2 的矩阵,比如第一行是 3 和 4,第二行是 5 和 6,这玩意儿有个名字就叫“十二分量式”。别老听别人说“按照第一行展开”要么
行列式如何算?别整那些“起初”“其次”,直接跟数字玩。 拿一张 2x2 的矩阵,比如第一行是 3 和 4,第二行是 5 和 6,这玩意儿有个名字就叫“十二分量式”。别老听别人说“按照第一行展开”要么“利用拉普拉斯公式”,那是给专业数学课预备的,咱们今天就想办法把个底朝天,把数字拆开看看。 实际上说白了,就是一种“分钱”的游戏。你手里有一笔总账(行列式),你要分给不同的“角色”(列向量),每个角色原本该拿多少钱,就是它们按顺序排好队之后,能把总账分走多少。
要是队伍乱了,要么有人中途跑路,剩下的就是 0。 你看这个 2x2 的例子: $$ begin{vmatrix} 3 & 4 \ 5 & 6 end{vmatrix} $$ 这就好比你是法官,你要判两个人(两行)的错。
第一个法官(第一行)不管它如何判,他手里有 3 个证据(元素 3, 4)。他说:“要是你拿这两件事,我能判出这个案子。
要是你不拿,那这案子就是空的。”故此第一个法官要分走 $3 times 6 - 4 times 5$ 这块地。
那是他的功劳,是他的“地基”。剩下的呢?剩下的就是那个没被选中的第二个证据,也就是 $5 - 4 times 3$,这叫“余”,叫“余子式”。 再把它展开,你就拿到了 $3 times 6 - 20 = 2$。
这就说吧,要是第一行换成 0 和 0,那法官手里没东西了,分不到东西,那就是 0。
要是你把矩阵变成 $0$ 行和 $5$ 行,法官没东西可分,也是 0。
这就是展开定理最朴实的道理:只要有一行全是 0,整个行列式直接归零。 要是你不想搞复杂的公式,就试试“做减法”。
你想算一个 3x3 的,先挑一个位置,比如右上角那个点。你按这个点展开,等于把这个角上面的行乘下来,加上这个角下面的行乘下来。假设你选了角上那个,它的贡献是“上面的行”乘以“右边的列”减去“下面的行”乘以“左边的列”。 举个例子,算一个 3x3: $$ begin{vmatrix} 1 & 2 & 3 \ 4 & 5 & 6 \ 7 & 8 & 9 end{vmatrix} $$ 选右上角的 3 来展开。它等于(第一行)减去(第三行)乘以(第二行)。 $$ 1cdot5cdot9 - 2cdot5cdot8 + 3cdot4cdot7 - 1cdot6cdot9 + dots $$ 盯着算,实际上挺好办。
第一行是 $1, 2, 3$,第三行是 $7, 8, 9$。 第一行第一列乘第三行第三列,是 9。 第一行第二列乘第三行第二列,是 16。 第一行第三列乘第三行第一列,是 21。 第三行第一列乘第二行第三列,是 24。 第三行第二列乘第二行第一列,是 20。 第三行第三列乘第二行第二列,是 45。 把这些加起来:$9 - 16 + 21 - 24 + 45$。 先算 $9 - 16 = -7$,加上 21 是 14,减去 24 是 -10,再加上 45 是 35。 那个算出来的结局叫“余子式”和“余子矩阵”,加起来就是“代数余子式”。 还有一种偷懒的方式叫“消元法”。
只要数字忒丑了,比如全是 9,99,100,那你直接把某一行减去另一行,让那个数变成 0。 比如第二行全是 9,第一行有个 9,你第二行减去第一行,结局第二行就变成 0 了。
这时候行列式就直接变成 0 了。
这就像是你家里换了一堆垃圾,把土埋掉,才发现原本的花土没了。 再看一个有点意思的。你给个 4x4,里面全是数字。
不要急着算,先找找有没有哪一行,要么哪一列,除了一个数,其他都是 0 要么 1。 比如这一行:$0, 0, 0, 1$。别的行随意写点啥,比如全是 2,2 加 2 等于 4。
这玩意儿忒好办了。 展开它,等于“第一行”乘以“其他三行”的行列式。 第一行只有最终一个数字是 1,其他都是 0。它只关切这一列,也就是最终一列。 目前的矩阵变成: $$ begin{vmatrix} 2 & 2 & 2 \ 2 & 2 & 2 \ 2 & 2 & 2 end{vmatrix} $$ 你看,这一列全是 2。你随意拿一行减另一行,比如第二行减去第一行,结局还是 0。
这玩意儿直接归零。 要么换个思路,给你个 3x3,第一行全是 1,第二行全是 1,第三行全是 1。
这明显是秩为 1 的,不能让行列式反击。你把它展开,会发现所有的项加起来,最终的系数都是负数要么正数,但相乘之后,项数多了,实际上会抵消一大半。 不过这个例子可能有点难猜,还是拿刚刚那个好办的 2x2 来当模板,找个数字大的,比如 $3 times 3$。 第一行:$1, 1, 1$。 第二行:$1, 1, 1$。 第三行:$1, 1, 1$。 展开第一行。 第一项:$1 times 1 times 1$,系数是 $+1$(出于左边是奇数,往左移两次为正?不对,是偶数次)。 第二项:$-1 times 1 times 1$,系数是 $-1$。 第三项:$+1 times 1 times 1$,系数是 $+1$。 加起来:$1 - 1 + 1 = 1$。 这结局等于 0 吗?显然不等于 0。 可是,要是你把第二行减去第一行,第二行变成了 $0, 0, 0$。
这时候行列式就是 0。 这就证明白,要是两行彻底一样,行列式就是 0。 再试一个,给个 3x3: $$ begin{vmatrix} 1 & 1 & 1 \ 1 & 1 & 1 \ 1 & 2 & 3 end{vmatrix} $$ 第一行和第二行一样,展开第一行。 第一行第一列:$1 times 1 times 3 = 3$。 第一行第二列:$-1 times 1 times 3 = -3$。 第一行第三列:$1 times 1 times 2 = 2$。 加起来:$3 - 3 + 2 = 2$。 可是,既然第二行减去第一行变成了 0,那行列式务必是 0。
哪儿错了? 哦,我犯了一个傻。展开的时候,余子式不是直接乘出来的,是去掉一行一列。 去掉第一行第三列,剩下的是: $$ begin{vmatrix} 1 & 1 \ 1 & 2 end{vmatrix} $$ 算这个 2x2:$1 times 2 - 1 times 1 = 1$。 故此第一行第三列的项是 $1 times 1 = 1$。 之前算的 $3 - 3 + 1 = 1$。 对了,结局就是 1。 什么的,我刚刚如何认定它会变成 0?出于第二行减去第一行是 0。 只要有一行能减掉变成 0,行列式就是 0。 在这个例子中,第二行减去第一行确实变成 0。 难道算错了? 让我们重新算一下 2x2 局部。 去掉第一行第三列: 第一行:1, 1 第二行:1, 2 $1 times 2 - 1 times 1 = 1$。 是的,没错。 那为啥我会认定它是 0? 啊,我懂了。
那是“行线性相关”的概念。
要是两行线性相关,行列式是 0。 在这个例子中,第二行 = 第一行 + (0, 1, 0)。它们确实线性相关。 可是行列式展开的结局是 1? 不对,我重算错了。 $1 times 1 times 3 - 1 times 1 times 3 + 1 times 1 times 2 = 1$。 可是,第二行是 $1, 1, 1$,第一行是 $1, 1, 1$。 让我们看看余子式。 要是去掉第一行第三列,剩下的是 $$ begin{vmatrix} 1 & 1 \ 1 & 2 end{vmatrix} $$ 算出是 1。 要是去掉第一行第二列,剩下的是 $$ begin{vmatrix} 1 & 1 \ 1 & 3 end{vmatrix} $$ 算出是 $3-1=2$。系数是 $-1$。 故此 $1 times 2 = 2$。 要是去掉第一行第一列,剩下的是 $$ begin{vmatrix} 1 & 1 \ 1 & 2 end{vmatrix} $$ 算出是 1。系数是 $+1$。 $1 times 1 = 1$。 总和:$1 + (-2) + 1 = 0$。 对了,结局是 0。 刚刚我算错了符号。 第一行第一项,符号是 $+1$。 第一行第二项,符号是 $-1$。 第一行第三项,符号是 $+1$。 项1:$1 times (1times2 - 1times1) = 1 times 1 = 1$。 项2:$-1 times (1times3 - 1times1) = -1 times 2 = -2$。 项3:$1 times (1times2 - 1times1) = 1 times 1 = 1$。 总和 $1 - 2 + 1 = 0$。 完美。
这说明“两行相同”这个定理是成立的,展开法也能算出 0。 这说明行列式展开定理不只是是计算技巧,它揭示了矩阵结构背后的本质:要是行之间存有某种关系(线性相关),展开后那些相互抵消的项,鬼才听得懂,但算出来确实是 0。 故此,不管你是用公式,还是用消元,还是用这种“找零”的直觉,核心逻辑都是通的。 要是你确实想快速算一个复杂的 5x5,别死板地背那套公式。 先看看有没有行是 0 或 1。 再看看有没有可减的。 把某一行减去另一行,制造出 0。 发现了一个 0 之后,用那个 0 来消去其他行的元素,把矩阵变得好办。 最终,只剩下一个数字,要么几个好办的数字。 就算得再慢,先减负,再去消,最终才有希望算出个正数。 数学这东西,有时候越深越好办让人晕头转向。但当你把那些吓人的“代数余子式”和“余子矩阵”都变成日常的加减乘除,变成“分钱”和“排单”时,它就不再是枯燥的符号游戏,而是一种解决冲突的工具。 你不需求去推导费马引理,你只需求知道,东西多了好办乱,东西少了益处理。 行列式展开,就是把复杂的矩阵拆成好办的片段。 用上它,你会发现,哪怕是最初当作无解的题,走着走着,也就解开了。 毕竟,能算出 5 的,都是人;能算出 0 的,也是人。 并且,只要你不把那些乱七八糟的传说当事实,不把那些虚头巴脑的术语记在心头,你照样能破壳而出。 故此,下次要是看到行列式,别怕。 把它拆开,把它拆开,再把它拼起来。 你会发现,世界挺大,但数字是可控的。
要是队伍乱了,要么有人中途跑路,剩下的就是 0。 你看这个 2x2 的例子: $$ begin{vmatrix} 3 & 4 \ 5 & 6 end{vmatrix} $$ 这就好比你是法官,你要判两个人(两行)的错。
第一个法官(第一行)不管它如何判,他手里有 3 个证据(元素 3, 4)。他说:“要是你拿这两件事,我能判出这个案子。
要是你不拿,那这案子就是空的。”故此第一个法官要分走 $3 times 6 - 4 times 5$ 这块地。
那是他的功劳,是他的“地基”。剩下的呢?剩下的就是那个没被选中的第二个证据,也就是 $5 - 4 times 3$,这叫“余”,叫“余子式”。 再把它展开,你就拿到了 $3 times 6 - 20 = 2$。
这就说吧,要是第一行换成 0 和 0,那法官手里没东西了,分不到东西,那就是 0。
要是你把矩阵变成 $0$ 行和 $5$ 行,法官没东西可分,也是 0。
这就是展开定理最朴实的道理:只要有一行全是 0,整个行列式直接归零。 要是你不想搞复杂的公式,就试试“做减法”。
你想算一个 3x3 的,先挑一个位置,比如右上角那个点。你按这个点展开,等于把这个角上面的行乘下来,加上这个角下面的行乘下来。假设你选了角上那个,它的贡献是“上面的行”乘以“右边的列”减去“下面的行”乘以“左边的列”。 举个例子,算一个 3x3: $$ begin{vmatrix} 1 & 2 & 3 \ 4 & 5 & 6 \ 7 & 8 & 9 end{vmatrix} $$ 选右上角的 3 来展开。它等于(第一行)减去(第三行)乘以(第二行)。 $$ 1cdot5cdot9 - 2cdot5cdot8 + 3cdot4cdot7 - 1cdot6cdot9 + dots $$ 盯着算,实际上挺好办。
第一行是 $1, 2, 3$,第三行是 $7, 8, 9$。 第一行第一列乘第三行第三列,是 9。 第一行第二列乘第三行第二列,是 16。 第一行第三列乘第三行第一列,是 21。 第三行第一列乘第二行第三列,是 24。 第三行第二列乘第二行第一列,是 20。 第三行第三列乘第二行第二列,是 45。 把这些加起来:$9 - 16 + 21 - 24 + 45$。 先算 $9 - 16 = -7$,加上 21 是 14,减去 24 是 -10,再加上 45 是 35。 那个算出来的结局叫“余子式”和“余子矩阵”,加起来就是“代数余子式”。 还有一种偷懒的方式叫“消元法”。
只要数字忒丑了,比如全是 9,99,100,那你直接把某一行减去另一行,让那个数变成 0。 比如第二行全是 9,第一行有个 9,你第二行减去第一行,结局第二行就变成 0 了。
这时候行列式就直接变成 0 了。
这就像是你家里换了一堆垃圾,把土埋掉,才发现原本的花土没了。 再看一个有点意思的。你给个 4x4,里面全是数字。
不要急着算,先找找有没有哪一行,要么哪一列,除了一个数,其他都是 0 要么 1。 比如这一行:$0, 0, 0, 1$。别的行随意写点啥,比如全是 2,2 加 2 等于 4。
这玩意儿忒好办了。 展开它,等于“第一行”乘以“其他三行”的行列式。 第一行只有最终一个数字是 1,其他都是 0。它只关切这一列,也就是最终一列。 目前的矩阵变成: $$ begin{vmatrix} 2 & 2 & 2 \ 2 & 2 & 2 \ 2 & 2 & 2 end{vmatrix} $$ 你看,这一列全是 2。你随意拿一行减另一行,比如第二行减去第一行,结局还是 0。
这玩意儿直接归零。 要么换个思路,给你个 3x3,第一行全是 1,第二行全是 1,第三行全是 1。
这明显是秩为 1 的,不能让行列式反击。你把它展开,会发现所有的项加起来,最终的系数都是负数要么正数,但相乘之后,项数多了,实际上会抵消一大半。 不过这个例子可能有点难猜,还是拿刚刚那个好办的 2x2 来当模板,找个数字大的,比如 $3 times 3$。 第一行:$1, 1, 1$。 第二行:$1, 1, 1$。 第三行:$1, 1, 1$。 展开第一行。 第一项:$1 times 1 times 1$,系数是 $+1$(出于左边是奇数,往左移两次为正?不对,是偶数次)。 第二项:$-1 times 1 times 1$,系数是 $-1$。 第三项:$+1 times 1 times 1$,系数是 $+1$。 加起来:$1 - 1 + 1 = 1$。 这结局等于 0 吗?显然不等于 0。 可是,要是你把第二行减去第一行,第二行变成了 $0, 0, 0$。
这时候行列式就是 0。 这就证明白,要是两行彻底一样,行列式就是 0。 再试一个,给个 3x3: $$ begin{vmatrix} 1 & 1 & 1 \ 1 & 1 & 1 \ 1 & 2 & 3 end{vmatrix} $$ 第一行和第二行一样,展开第一行。 第一行第一列:$1 times 1 times 3 = 3$。 第一行第二列:$-1 times 1 times 3 = -3$。 第一行第三列:$1 times 1 times 2 = 2$。 加起来:$3 - 3 + 2 = 2$。 可是,既然第二行减去第一行变成了 0,那行列式务必是 0。
哪儿错了? 哦,我犯了一个傻。展开的时候,余子式不是直接乘出来的,是去掉一行一列。 去掉第一行第三列,剩下的是: $$ begin{vmatrix} 1 & 1 \ 1 & 2 end{vmatrix} $$ 算这个 2x2:$1 times 2 - 1 times 1 = 1$。 故此第一行第三列的项是 $1 times 1 = 1$。 之前算的 $3 - 3 + 1 = 1$。 对了,结局就是 1。 什么的,我刚刚如何认定它会变成 0?出于第二行减去第一行是 0。 只要有一行能减掉变成 0,行列式就是 0。 在这个例子中,第二行减去第一行确实变成 0。 难道算错了? 让我们重新算一下 2x2 局部。 去掉第一行第三列: 第一行:1, 1 第二行:1, 2 $1 times 2 - 1 times 1 = 1$。 是的,没错。 那为啥我会认定它是 0? 啊,我懂了。
那是“行线性相关”的概念。
要是两行线性相关,行列式是 0。 在这个例子中,第二行 = 第一行 + (0, 1, 0)。它们确实线性相关。 可是行列式展开的结局是 1? 不对,我重算错了。 $1 times 1 times 3 - 1 times 1 times 3 + 1 times 1 times 2 = 1$。 可是,第二行是 $1, 1, 1$,第一行是 $1, 1, 1$。 让我们看看余子式。 要是去掉第一行第三列,剩下的是 $$ begin{vmatrix} 1 & 1 \ 1 & 2 end{vmatrix} $$ 算出是 1。 要是去掉第一行第二列,剩下的是 $$ begin{vmatrix} 1 & 1 \ 1 & 3 end{vmatrix} $$ 算出是 $3-1=2$。系数是 $-1$。 故此 $1 times 2 = 2$。 要是去掉第一行第一列,剩下的是 $$ begin{vmatrix} 1 & 1 \ 1 & 2 end{vmatrix} $$ 算出是 1。系数是 $+1$。 $1 times 1 = 1$。 总和:$1 + (-2) + 1 = 0$。 对了,结局是 0。 刚刚我算错了符号。 第一行第一项,符号是 $+1$。 第一行第二项,符号是 $-1$。 第一行第三项,符号是 $+1$。 项1:$1 times (1times2 - 1times1) = 1 times 1 = 1$。 项2:$-1 times (1times3 - 1times1) = -1 times 2 = -2$。 项3:$1 times (1times2 - 1times1) = 1 times 1 = 1$。 总和 $1 - 2 + 1 = 0$。 完美。
这说明“两行相同”这个定理是成立的,展开法也能算出 0。 这说明行列式展开定理不只是是计算技巧,它揭示了矩阵结构背后的本质:要是行之间存有某种关系(线性相关),展开后那些相互抵消的项,鬼才听得懂,但算出来确实是 0。 故此,不管你是用公式,还是用消元,还是用这种“找零”的直觉,核心逻辑都是通的。 要是你确实想快速算一个复杂的 5x5,别死板地背那套公式。 先看看有没有行是 0 或 1。 再看看有没有可减的。 把某一行减去另一行,制造出 0。 发现了一个 0 之后,用那个 0 来消去其他行的元素,把矩阵变得好办。 最终,只剩下一个数字,要么几个好办的数字。 就算得再慢,先减负,再去消,最终才有希望算出个正数。 数学这东西,有时候越深越好办让人晕头转向。但当你把那些吓人的“代数余子式”和“余子矩阵”都变成日常的加减乘除,变成“分钱”和“排单”时,它就不再是枯燥的符号游戏,而是一种解决冲突的工具。 你不需求去推导费马引理,你只需求知道,东西多了好办乱,东西少了益处理。 行列式展开,就是把复杂的矩阵拆成好办的片段。 用上它,你会发现,哪怕是最初当作无解的题,走着走着,也就解开了。 毕竟,能算出 5 的,都是人;能算出 0 的,也是人。 并且,只要你不把那些乱七八糟的传说当事实,不把那些虚头巴脑的术语记在心头,你照样能破壳而出。 故此,下次要是看到行列式,别怕。 把它拆开,把它拆开,再把它拼起来。 你会发现,世界挺大,但数字是可控的。
上一篇 : 奈奎斯特取样定理-奈奎斯特取样定理
下一篇 : 蝴蝶定理证明-蝴蝶定理证明
推荐文章
Hahn 定理这东西,听着挺学术,实际上说白了就是个“只有坏才抓不到,好人全抓了”的判定器。在函数分析的这片泥潭里,它算是个活化石,别看年轻时候被拉去修修补补,目前又出于那个著名的正交多项式难题上了热
2026-06-05
22 人看过
勾股定理:看着像公式,实际上是人的一生 勾股定理,也就是那个 $a^2 + b^2 = c^2$ 的等式,听起来多么抽象又冷冰冰。但在咱们中国人的历史里,这事儿可不是哪位都能理解。在商朝,商高就算过
2026-06-06
3 人看过
在量子力学和原子物理的版图中,波恩诠释(Born Rule)常常被视为概率波标准模型最核心的基石,而它背后的数学支撑——亥姆霍兹定理,则像是地基里的钢筋,虽不显眼,却拍板了整座大厦能否稳稳站立。大量人
2026-06-08
3 人看过
韦达定理全速运转:从看到两头到算中间 数学这东西,有时候就像路边摊的摊主,你拿着一串羊肉串问价,他不跟你讲大道理,直接扯出那串肉里的配料表,你傻乎乎地往下算,实际上早就把账算糊涂了。韦达定理就是那个
2026-06-07
3 人看过



