w wyl123ly 的博客
MD

5-1-行列式的性质

93 KB 2026.10.11 原文件

5-1-行列式的性质

一句话概括

行列式(determinant)是从一个方阵算出的一个数,记作 或 。它的定义方式有很多种,本篇采用 Strang 的独特路线:只给三条基本性质,其余性质全部由它们推出来。

三条基本性质是:(1) 单位矩阵的行列式为 ;(2) 交换两行,行列式变号;(3) 行列式对每一行是线性的(单独一行乘 则行列式乘 ,且对某一行的加法可拆成两个行列式之和)。

本篇覆盖:三条基本性质如何推出"两行相同则为 ""含零行则为 ""一行加另一行的倍数不变""上三角行列式 = 对角元之积""(消元法)""""""可逆 """,并在 、 上逐步验证每一条。


一、定义

1.1 记号与约定

记号

设 是 的方阵。它的行列式记作

行列式只对方阵有定义( 时谈"行列式"没有意义)。本库统一记作 ,竖线记号 只在写具体数字矩阵时使用。

1.2 axioms:行列式的三条基本性质(定义)

定义 5.1.1(行列式的三条基本性质)

行列式是一个把 矩阵映到实数的函数,它由以下三条性质唯一确定:

(1) 单位矩阵的值为

(2) 交换两行,行列式变号:若把 的第 行与第 行互换得到 ,则

(3) 行列式对每一行是线性的:把行列式看成第 行的函数(其余行固定不动),则

三条性质的补充说明

- 性质 (3) 说的是"对每一行分别线性"(multi-linear),不是对整个矩阵线性。也就是说 ( 行都乘了 ),而不是 。这是最常见的混淆点。

- 性质 (3a) 与 (3b) 合起来才称为"线性":。缺一不可。

- 三条性质互不重复:性质 (1) 定"尺度",性质 (2) 定"符号规则",性质 (3) 定"如何拆解"。任何满足这三条的函数必然是行列式,而且只有一个(唯一性见 5-2-排列与代数余子式 的展开式证明)。

1.3 由三条性质立刻得到的第一个推论:零矩阵的行列式

把性质 (3a) 用在零行上:若 的第 行全为 ,则该行等于 当 (取 为任意行,)。于是

所以含零行的矩阵行列式为 。这个结论后面用来证明"某行加上另一行的倍数不改变行列式"。


二、几何直观

2.1 行列式 = 体积的伸缩因子

与 的行列式有最直观的几何意义:

  • : 是 的两个列向量 与 张成的平行四边形面积,即

  • : 是三个列向量张成的平行六面体体积。

用文字描述这张图:在平面上画两个从原点出发的箭头 ,以它们为邻边作平行四边形。 的绝对值就是这个平行四边形的面积,符号则记录" 到 的转向"。

现在三条基本性质都变成显而易见的几何事实:

基本性质几何解释(以面积为例)
单位正方形(边长为 的正方形)面积为
交换两行变号交换两个邻边,平行四边形的形状与面积不变,但""的转向反了,故符号取反
某行乘 ,行列式乘 把一条边拉长 倍,面积也变成 倍
对某行加法可拆把一条边沿自身方向平移(平行四边形 vs 两个三角形拼合),面积可加

"体积"解释为什么重要:它让下面所有性质都变成"看得见"的事实——

  • 两行相同 两条边重合 平行四边形退化成线段 面积 ;
  • 一行是另一行的倍数 两条边共线 面积 ;
  • 上三角矩阵 平行四边形是矩形(对齐到坐标轴) 面积 = 对角元乘积;
  • 奇异(列相关) 平行体被压扁成低维 体积 ,即 。

2.2 符号的意义:定向(orientation)

在 中, 表示 与 同向(逆时针); 表示反向(顺时针)。在 中符号表示"右手系还是左手系"。

因此 对正交矩阵的几何意义是:正交变换只做旋转与反射——

  • :纯旋转(含恒等),保持定向;
  • :含一次反射,翻转定向。

2.3 的完整算一遍

这个公式由三条性质推出:

最后一步: 交换两行得到 (对角矩阵,值为对角元乘积,下面会证),交换变号故原式为 。

记住这个结论

分母 一旦为 , 没有逆矩阵——这就是「可逆 」的 版本。

2.4 的行列式(对角线法则)

有 Sarrus 法则(只对 阶成立,不可推广到 阶以上):

Sarrus 法则的适用范围

这个"画三条斜线相乘再相减"的口诀只在 时正确。 时若照搬会得到 项中的 项,必然出错。 请用性质+消元,或用 5-2-排列与代数余子式 的展开式。


三、性质与定理(含证明)

以下每条都用三条基本性质证明。证明过程本身就是"如何用性质做计算"的示范。

3.1 两行相同 行列式为

性质 5.1.2

若 有两行完全相同,则 。

证明。设第 行与第 行相同()。交换这两行,得到的矩阵与原矩阵完全一样(因为两行相同),记它为 。由性质 (2),

(这里用到实数满足 。)

3.2 一行乘以 行列式乘以

性质 5.1.3

若把 的第 行整体乘以 得到 ,则 。特别地,若某行为零行,则 (取 )。

证明。这正是性质 (3a) 本身。

推论(整体缩放):,因为 行各乘了 ( 是 )。

的验证

而整体缩放:

3.3 一行加上另一行的倍数 行列式不变

性质 5.1.4(消元不改变行列式)

若把 的第 行的 倍加到第 行(),得到 ,则

证明。设第 行为 ,第 行为 。用性质 (3b) 拆开:

(第二项用性质 (3a) 把 提出。)最后那个行列式的第 行与第 行都是 ,即两行相同,由性质 5.1.2 它为 。所以 。

的验证

这是消元法能用来算行列式的根本原因:整个消元过程只用"行倍加",而它不改变行列式的值。

3.4 含零行 行列式为

性质 5.1.5

若 的某一整行为零(或某一整列为零),则 。

证明(行)。取性质 (3a) 中 ,则 。

证明(列)。用 (性质 5.1.9),把"零列"变成"零行"。

3.5 一行是另一行的倍数 行列式为

性质 5.1.6

若 的第 行等于第 行的 倍(),则 。

证明。把第 行的 倍加到第 行:由性质 5.1.4 行列式不变,但新矩阵的第 行变成了 。由性质 5.1.5,。

更一般的结论:若 的行向量组线性相关,则 。证明思路:线性相关意味着某一行可由其余行线性表示(在消元过程中某个主元位置会出现整行被消成零),此时 经消元后必有零行,而消元(行倍加)不改变行列式,故 。等价地: 时各行线性无关。这条将在定理 5.1.11 中与"可逆"串起来。

3.6 上三角(下三角、对角)矩阵:行列式 = 对角元之积

性质 5.1.7

设 为上三角矩阵( 时 ),则

对下三角矩阵与对角矩阵同样成立。

证明( 示范,一般情形同理)。把第 1 行拆开:由于 ,只有"第 1 行 = "这一项存活:

最后一步用"把第 1 行的 倍加到第 2 行、 倍加到第 3 行"(性质 5.1.4,值不变)。继续对第 2 行做同样操作:

关键点:每次"拆行"时,由于上三角结构中主元左侧的元素为 ,拆分只剩一项。

推论:(与性质 (1) 一致);对角矩阵 的行列式是 。

3.7 行列式与消元:

性质 5.1.8(消元算法)

对 做消元得到 (阶梯形/上三角形)。如果过程中共做了 次行交换,则

若消元过程中出现零主元且无法通过换行解决(即 奇异),则某个 ,于是 。

证明。消元的每一步只有两种操作:

  • 行交换:由性质 (2),行列式变号(累计 );
  • 一行的倍数加到另一行:由性质 5.1.4,行列式不变。

所以消元结束后 与 的行列式只差 倍;再由性质 5.1.7,。

这就是行列式的实用算法

- 不用背 24 项的展开式,也不用递归展开;

- 计算量是 (与消元同阶),而不是展开式需要的 ;

- 数值上配合部分选主元即可稳定(见 11-1-数值稳定性与LU)。

用 的语言:,其中 是置换矩阵,,于是

因为 是单位下三角(对角元全为 ),。

3.8 行列式的乘积法则

定理 5.1.9(乘法法则)

对任意两个 矩阵 ,

证明思路(基于消元),分三种情形。

情形 1: 奇异()。 此时 的列线性相关,存在 使 ,于是 ,说明 也有非零零向量, 奇异,故 。而 ,两边相等。✓

情形 2:。 则 ,成立。✓

情形 3: 由初等矩阵(或可逆且可分解为初等矩阵之积)给出。 关键是先验证两种初等操作:

  • 行交换矩阵 (交换第 行):(由性质 (2) 与 )。而 正是把 的两行交换,故 。✓
  • 行倍加矩阵 ():这是单位矩阵把第 行的 倍加到第 行。由性质 5.1.4(对 而言行倍加不改变行列式),;另一方面 本身是上/下三角且对角元全为 ,故 。于是 。✓
  • 行倍乘矩阵 :(对角元乘积),而 把 的第 行乘 ,由性质 5.1.3 其行列式为 。✓

任何可逆矩阵 都能写成初等矩阵之积 (这就是 2-3-用矩阵进行消元 与 Gauss–Jordan 求逆的原理)。于是逐步使用上面的结论:

取 得 ,代回即得 。

三个直接推论

1. (对正整数 反复使用乘法法则);

2. :由 得 ;

3. 相似矩阵行列式相同:若 ,则 。这条与 8-3-相似矩阵与基变换 的"相似不变量"直接相关。

的验证

3.9 转置不变性

性质 5.1.10

证明思路(消元法)。用 。对两边转置:。这里的 是单位上三角(对角元全为 ,故行列式为 ), 是下三角。取行列式:

所以 。另一方面对 取行列式得 。两式比较(用 ,故 ,可约去)得 。

另一条更直观的思路:行列式也可以等价地由"按列"的三条性质定义(把性质 (3) 的"行"换成"列"),于是 按行看就是 按列看,两者定义相同。这一点在 5-2-排列与代数余子式 的展开式中会看得非常清楚:展开式对下标 完全对称。

推论(行列式的行、列地位平等):任何关于"行"成立的性质,对"列"同样成立。例如:

  • 两列相同 ;某列为零 ;某列是另一列的倍数 ;
  • 一列的倍数加到另一列 不变;
  • 下三角行列式 = 对角元乘积(把上三角结论用于转置)。

与 的验证

对

分别用消元(只做"行倍加",故行列式不变)算:

用 Sarrus 法则独立核对:,,故 ✓。

注:消元时每一步都要把新行完整写出来再继续,别在脑子里跳步——上面第 2 步若误写成 之前的 算错,最后会得到错误的 。

3.10 可逆

定理 5.1.11(可逆性的行列式判据)

对方阵 ,以下命题等价:

1. 可逆;

2. ;

3. 的 个列线性无关;

4. 的 个行线性无关;

5. (只有零解 );

6. 。

证明。

:若 可逆,则由 与乘法法则得 ,故 (且 )。

:反证。若 不可逆,则消元必在某一步产生零主元且无法通过换行消除,于是得到含零行的 (或某个 ),由性质 5.1.8 得 ,与 矛盾。

: 可逆 秩为 列线性无关(3-4-线性无关基与维数)。: 有非零解 列线性相关。:。

用行列式判断奇异()

直观原因:第 2 列是第 1 列的 倍,两列共线,平行四边形被压成线段,面积(体积)为 。用 求解 会直接抛 LinAlgError: Singular matrix。

再看一个 的奇异情形:

这里"第 2 行 = 第 1 行的 倍"直接由性质 5.1.6 给出 ,无需计算。

3.11 性质全表(速查)

编号性质一句话说明
5.1.1定义:;交换两行变号;对每行线性三条基本性质
5.1.2两行相同 交换后不变,故
5.1.3某行乘 乘 ;含零行 就是性质 (3a)
5.1.4一行加另一行的倍数 不变消元合法性的根据
5.1.5含零行/零列 或转置
5.1.6一行是另一行的倍数(或行相关)消成零行
5.1.7三角/对角矩阵 反复拆行
5.1.8行列式的实用算法
5.1.9;乘法法则
5.1.10行、列地位平等
5.1.11 可逆 ;可逆性判据
—整体缩放
—相似矩阵行列式相同相似不变量

四、计算方法与步骤

4.1 手算行列式的标准流程(推荐)

  1. 看结构:
  • 是三角/对角矩阵?直接取对角元乘积(性质 5.1.7)。
  • 有零行、零列,或两行(列)相同/成比例?直接答 (性质 5.1.5、5.1.6)。
  • 有大量零元素(稀疏、带状)?优先找"某一行只有一个非零元",然后利用线性性质拆行或(在下一节)按该行展开。
  1. 对 与 :用 或 Sarrus 法则直接算(注意 Sarrus 只对 阶有效)。
  2. 对 :用消元:
  • 逐列选主元(数值计算时选绝对值最大的,即部分选主元);
  • 每做一次行交换,记住符号翻转一次(记 为交换次数);
  • 用"行倍加"把主元下方的元素消成 (不改变行列式);
  • 得到上三角 后,。
  1. 验算:
  • 用 或 换一条路径重算;
  • 检查量级:若最后结果与中间量级差得离谱,多半是某步算错;
  • 用程序 numpy.linalg.det(A) 对照(见 7.2 的代码)。

4.2 用性质"制造零"的技巧

计算行列式最有效的手段是先用行倍加制造大量零,再取对角元乘积。常见技巧:

  • 把某行的倍数加到其他行,让某列除一个元素外全为 ;
  • 提取公因子:若某行有公因子 ,提到行列式外面(性质 5.1.3),让余下元素变小;
  • 利用结构:若每一行的元素之和相同,把其余各列加到第 1 列,则第 1 列变成常数列,可直接提公因子;
  • 反对称技巧:若 (反对称)且 为奇数,则 ,故 。

"列和相等"技巧演示

(第 2、3 列加到第 1 列不改变行列式——这是性质 5.1.4 的"列版本",由 保证。)

4.3 计算复杂度

方法运算量适用规模
公式 次乘法手算
Sarrus() 次乘法手算
按一行展开(代数余子式)仅适合"某行只有一个非零元"的稀疏情形
消元法( / QR) 次浮点运算一切规模;程序实现的标准方法
数值库 det(基于 LU)与消元同阶

为什么不要用展开式算大矩阵

增长极快:,,。而 在 时只有约 。用展开式算 行列式,即使每秒 次运算也要跑上百万年;用消元只要一瞬间。


五、例题

5.1 例题 1:逐条验证基本性质()

题目

取 作为基准(记 的两行为 、),验证:

(a) 交换两行;(b) 第 2 行乘 ;(c) 第 2 行加上第 1 行的 倍;(d) 整体乘 ;(e) 两行相同的情形。

(a) 交换两行(性质 5.1.1(2))

(b) 第 2 行乘 (性质 5.1.3)

(c) 第 2 行加上第 1 行的 倍(性质 5.1.4)

(d) 整体乘 (性质 5.1.3 的推论 )

(e) 两行相同(性质 5.1.2)

小结:五条性质在同一个 例子上全部对上号。做练习时请自己动手验一遍,比背公式有效。

5.2 例题 2:用消元算 行列式(含符号)

题目

计算

方法一:Sarrus 法则(直接验算)

三条"主对角方向"之积:

三条"副对角方向"之积:

方法二:消元法(推荐,可推广到高阶)

记三行为 。

第 1 步:(行倍加,值不变):

第 2 步:(值不变):

第 3 步:(值不变):

整个过程 次行交换,故

与 Sarrus 的结果一致 ✓。

方法三:对 重算(验证转置不变性)

(用分数做消元是合法的:性质 5.1.4 允许任意实数倍数。)

5.3 例题 3:利用结构(含参数与零行)

题目

计算

并指出使该行列式为 的 。

解。每行元素之和都是 。把第 2、3 列加到第 1 列(列倍加,值不变):

(第 1 列有公因子 ,提到行列式外——性质 5.1.3。)

再做 、(行倍加,值不变):

(现在是上三角,直接取对角元乘积。)

结论:

解释: 时三行全为 ,两两相同(性质 5.1.2); 时三行之和为零向量,行向量线性相关(性质 5.1.6 的推广)。这两个值正是让矩阵奇异的取值——与定理 5.1.11 一致。

5.4 例题 4:用行列式判断可逆性并求逆

题目

设 。

(a) 判断 是否可逆;(b) 求 ;(c) 验证 ;(d) 验证 。

(a) ,由定理 5.1.11, 可逆。

(b) 用 公式(2-4-矩阵运算与逆矩阵):

验证: ✓

(c) ✓

(d) , ✓(注意不是 。)

5.5 例题 5:行列式与奇异性——一个"参数化"的例子

题目

讨论 的奇异性,并求出它的秩。

解。观察第 2 行 = 第 1 行的 倍,由性质 5.1.6,,故 奇异(不可逆)。

秩:第 1 行与第 2 行线性相关(一个是另一个的 倍),故秩至多 。再看第 1 行 与第 3 行 不成比例,线性无关,故秩恰为 。

用程序验证(NumPy):np.linalg.det(A) 返回 或极小的数(如 ,浮点误差),np.linalg.matrix_rank(A) 返回 ,而 np.linalg.solve(A, b) 会抛 LinAlgError: Singular matrix。注意浮点下 不会精确等于 ,判断奇异性应看秩或条件数,而不是硬比较 det == 0。


六、行列式与其他概念的联系

6.1 与消元、 的关系

  • 是单位下三角,(性质 5.1.7);
  • 是置换矩阵,;
  • 因此" 是否奇异"等价于"消元是否出现零主元"等价于" 是否为 "。

6.2 与特征值的联系

若 有 个特征值 (按代数重数计),则

理由:(或上三角化),由乘法法则 。这是 6-1-特征值引论 的核心结论之一,也是" 有零特征值"的来源。

6.3 与体积、正交矩阵的联系

  • = 的列向量张成的平行体的 维体积; 表示这个平行体被压扁(降维)。
  • 若 正交,则 ,故 (见 4-4-标准正交基与Gram-Schmidt),几何上即"刚性运动不改变体积"。
  • 若 ,则 ,即 Gram–Schmidt 各步剩余向量的长度之积。

七、应用

7.1 行列式在数学与工程中的角色

场景用法
判断方程组解的存在唯一性 对任意 有唯一解
克莱姆法则(Cramer's rule), 是把第 列换成 ;理论价值大于计算价值(见 [[5-3-克莱姆法则与体积]])
求逆矩阵的公式,其中 是伴随矩阵([[5-2-排列与代数余子式]])
特征值特征多项式 的解即特征值([[6-1-特征值引论]])
换元积分(Jacobi 行列式)多元积分换元时 , 是 Jacobi 矩阵
判断向量组的线性相关性把向量作为行(列)组成方阵, 即相关
定向与叉积三维叉积 的分量就是 的 子式; 给出混合积(有向体积)
图形学与坐标变换变换矩阵的行列式给出面积/体积缩放比, 表示翻转(见 [[10-5-图形学与密码学]])

数值计算中的注意事项

浮点下不要用 det 判断奇异性:一个条件数很大的非奇异矩阵,其 可能小到 (被当成 ),而一个奇异矩阵的 可能因舍入误差变成 (被当成非 )。正确做法是看秩、条件数或最小奇异值,见 11-2-范数与条件数。若确实需要行列式的量级,用 numpy.linalg.slogdet 返回 ,避免上溢/下溢。

7.2 可运行代码(Python + NumPy)

运行环境

以下代码在 Python 3.13 + NumPy 2.3 下验证通过。numpy.linalg.det 的官方说明是"通过 LU 分解(LAPACK 的 z/dgetrf)计算行列式",因此它自带 复杂度;numpy.linalg.slogdet 返回符号与 ,适合行列式极大或极小的情形。

"""determinant_properties.py —— 逐条验证行列式性质,并对比消元与展开式的代价
环境:Python 3.13,NumPy 2.3
"""
import time
import numpy as np

np.set_printoptions(precision=6, suppress=True)

A = np.array([[3., 4.],
              [5., 6.]])
print("A =\n", A, "\ndet A =", np.linalg.det(A))          # -2.0

# ---------- 1. 逐条验证基本性质 ----------
swap = A[[1, 0], :]                                        # 交换两行
print("\n[1] 交换两行: det =", np.linalg.det(swap), "= -det A?", np.isclose(np.linalg.det(swap), -np.linalg.det(A)))

scale = A.copy(); scale[1] = 2 * A[1]                      # 第 2 行乘 2
print("[2] 第 2 行乘 2: det =", np.linalg.det(scale), "= 2 det A?", np.isclose(np.linalg.det(scale), 2 * np.linalg.det(A)))

addrow = A.copy(); addrow[1] = A[1] + 7 * A[0]             # 行倍加
print("[3] 行倍加: det =", np.linalg.det(addrow), "不变?", np.isclose(np.linalg.det(addrow), np.linalg.det(A)))

whole = 2 * A                                              # 整体乘 2
print("[4] 整体乘 2: det =", np.linalg.det(whole), "= 2^n det A?", np.isclose(np.linalg.det(whole), 2**2 * np.linalg.det(A)))

same = np.array([[3., 4.], [3., 4.]])                      # 两行相同
print("[5] 两行相同: det =", np.linalg.det(same))

zerorow = np.array([[3., 4.], [0., 0.]])                   # 零行
print("[6] 含零行: det =", np.linalg.det(zerorow))

# ---------- 2. 消元法算 3x3(含行交换) ----------
D = np.array([[2., 3., 1.],
              [4., 7., 1.],
              [6., 7., 3.]])
print("\nD =\n", D, "\ndet D =", np.linalg.det(D))         # -4.0

U = D.copy()
for i in range(3):                                         # 手工消元,不用库函数
    for j in range(i + 1, 3):
        if abs(U[i, i]) > 1e-12:
            U[j] = U[j] - (U[j, i] / U[i, i]) * U[i]
print("消元后的 U =\n", U)
print("prod(diag U) =", np.prod(np.diag(U)), "(本例无行交换,故等于 det D)")

# 带行交换的例子
E = np.array([[0., 1., 2.],
              [1., 0., 1.],
              [2., 1., 0.]])
P = E[[1, 0, 2], :]                                        # 交换第 1、2 行
print("\nE =\n", E, " det E =", np.linalg.det(E))
print("交换前两行后 det =", np.linalg.det(P), "(应等于 -det E)")
print("numpy 直接算 E 的 det 也是", np.linalg.det(E))

# ---------- 3. 乘法法则、转置、逆 ----------
A2 = np.array([[1., 2.], [3., 4.]])
B2 = np.array([[2., 1.], [1., 2.]])
print("\ndet(AB) =", np.linalg.det(A2 @ B2),
      " det A * det B =", np.linalg.det(A2) * np.linalg.det(B2))       # 都是 -6
print("det(A^T) =", np.linalg.det(A2.T), " det A =", np.linalg.det(A2))
print("det(A^-1) =", np.linalg.det(np.linalg.inv(A2)),
      " 1/det A =", 1 / np.linalg.det(A2))                             # 都是 -0.5
print("det(3A) =", np.linalg.det(3 * A2), " 3^2 det A =", 9 * np.linalg.det(A2))

# ---------- 4. 奇异性与秩(不要用 det == 0 判断) ----------
S = np.array([[1., 2., 3.], [2., 4., 6.], [1., 1., 1.]])
print("\n奇异例子: det =", np.linalg.det(S), " rank =", np.linalg.matrix_rank(S))
try:
    np.linalg.solve(S, np.array([1., 2., 3.]))
except np.linalg.LinAlgError as ex:
    print("solve 抛出:", type(ex).__name__, ex)

print("slogdet(S) =", np.linalg.slogdet(S))                # (0.0, -inf):符号 0 表示奇异
print("slogdet(A2) =", np.linalg.slogdet(A2),
      " -> sign * exp(logabsdet) =", np.linalg.slogdet(A2)[0] * np.exp(np.linalg.slogdet(A2)[1]))

# ---------- 5. 展开式 vs 消元的代价对比 ----------
from itertools import permutations

def det_by_expansion(M):
    """按 Leibniz 展开式(排列定义)计算,复杂度 ~ n!"""
    n = M.shape[0]
    total = 0.0
    for perm in permutations(range(n)):
        # 计算逆序数的奇偶性
        inv = sum(1 for i in range(n) for j in range(i + 1, n) if perm[i] > perm[j])
        prod = 1.0
        for i in range(n):
            prod *= M[i, perm[i]]
        total += (-1) ** inv * prod
    return total

print("\n--- 展开式与消元的耗时对比 ---")
rng = np.random.default_rng(0)
for n in (4, 6, 8, 9, 10):
    M = rng.normal(size=(n, n))
    t0 = time.perf_counter(); d1 = det_by_expansion(M); t1 = time.perf_counter()
    d2 = np.linalg.det(M); t2 = time.perf_counter()
    print(f"n={n:2d}  展开式 {t1-t0:.4f}s (det={d1:+.6f})    "
          f"LU/消元 {t2-t1:.6f}s (det={d2:+.6f})")
# 结论:n 每加 1,展开式耗时约乘以 n;LU 只按 n^3 增长。
# 注意 n=10 一行要跑十几秒,实际练习时建议把 10 从元组里去掉。

输出要点(本库验证环境下):

  • 六条基本性质全部为 True 或与手算值一致:;; 不变;;;;
  • 例子的 ,与 Sarrus 手算一致;消元得到的 对角元乘积也是 ;
  • 交换两行后 的行列式与 相差一个负号;
  • ;;;;
  • 奇异矩阵的 det 返回 ,rank 返回 ,solve 抛 LinAlgError;slogdet 返回 (0.0, -inf);
  • 展开式的耗时随 迅速爆炸( 约 秒, 约 秒, 约 秒),而 numpy.linalg.det 始终在 秒量级——这就是"用消元而不是展开式"的量化理由。

易错点

1. 把"对每一行线性"当成"对整个矩阵线性"。(一般不等), 而不是 。请用 自测:,而 ,两者不等——性质 (3b) 说的是"只有一行变化时才可拆"。

2. 交换两行与交换两列都变号,但"把第 行与第 行相加"这种操作不合法(它不是三条基本性质的组合,会改变行列式)。合法操作只有:交换两行、某行乘非零常数、某行加上另一行的倍数。

3. "一行加另一行的倍数不改变行列式"与"一行乘某数行列式乘该数"要分清楚。前者值不变,后者值变。消元只用前者,所以消元过程中行列式不变;若你用后者(为了消去分数而给某行乘 ),必须记住最后除回去。

4. 只是"不可逆"的一个判据,不代表 无解。 时方程可能无解(),也可能有无穷多解( 且 )。判断可解性要看 是否在列空间里(3-3-Ax=b的完整解)。

5. Sarrus 法则只对 有效。 用消元或按行展开(下一节)。

6. 对 方阵成立,对矩形矩阵无定义。另外 与 都是方阵且 (都等于 )——即使 。

7. 浮点下不要用 det == 0 判奇异。用 np.linalg.matrix_rank、最小奇异值或条件数判断;需要行列式量级时用 slogdet。

8. 数学符号 与绝对值 的混淆: 对矩阵没有意义(矩阵没有"负"),写成 时它指的是行列式。为避免歧义,本库统一用 。

9. 不代表 。前者对一切方阵成立,后者只有对称矩阵才成立。


八、练习题

练习 1(基础)

用三条基本性质(不许直接用 公式)推导

并说明每一步用了哪条性质。

练习 2(基础)

计算下列行列式,并指出分别用了哪条性质:

(a) ;

(b) ;

(c) 。

练习 3(进阶)

设 为 矩阵,。求:

(a) ;(b) ;(c) ;(d) ;(e) 。

练习 4(进阶)

用消元法计算

写出每一步操作与行交换次数 ,并用 Sarrus 法则核对。

练习 5(思考)

设 是 阶反对称矩阵()。

(a) 证明 为奇数时 ;

(b) 举出 时 的例子,并说明 为偶数时为什么 不一定是 。


九、常见问题 FAQ

Q1:为什么三条性质就能"唯一确定"行列式?会不会有别的函数也满足这三条?

A:不会有。任取一个 矩阵,反复使用性质 (3b) 可以把它按行"拆"成 个"每行只有一个非零元"的行列式之和(每行拆成 个只有一项的向量)。这些行列式中,凡是两行取到同一列(即有重复的列位置)的,由性质 5.1.2 为 ;剩下的恰好是"每行每列各取一个元素"的 项,每项的值由性质 (3a) 取出系数后剩下 ( 是某个置换矩阵),而 由性质 (2) 只能是 。所以任何满足三条性质的函数都必须等于

即展开式。三条性质确实唯一确定行列式,展开式就是它的"解"。完整细节见 5-2-排列与代数余子式。

Q2: 有没有更直观的证明?

A:有——用体积。 把单位立方体变成体积 的平行体;再用 作用, 对体积的缩放比例固定为 ,所以总体积是 。同时"定向"(符号)也相乘。这个论证很漂亮,但严格化需要说明" 对体积的缩放比与形状无关"——这正是行列式的定义内容。所以本库给出的是基于消元的严格证明。

Q3:为什么消元法算行列式不改变值,但换行要变号?

A:因为三类操作对行列式的作用不同:行倍加(一行加另一行的倍数)由性质 5.1.4 不改变值;行交换由性质 (2) 变号;行倍乘由性质 (3a) 使值乘以该倍数。消元为了得到上三角,只用"行倍加"和"行交换"(部分选主元时才会换行),所以 。若某步为了避开分数而给某行乘了 ,最后必须把行列式除以 还原——这是手算时最容易漏掉的一步。

Q4: 与" 的列线性相关"是一回事吗?

A:是一回事(对 方阵而言)。核心链条是: 的列线性相关 消元时出现自由变量、必有零主元 。注意"列相关"和"行相关"对方阵是等价的(),但对矩形矩阵两者不同——而矩形矩阵根本没有行列式。详见 3-5-四大子空间的维数。


十、性质体系的逻辑顺序与计算套路

本节的定位

前面九节已经用三条基本性质推出了全部结论。本节做三件国内教材特别重视的事:

(1) 把"哪条性质是出发点、哪条由哪条推出"画成一张依赖图——背性质之前先背这张图;

(2) 给出国内教材"性质 1–6"与本篇编号的对照表;

(3) 总结用性质计算行列式的四大套路(造零、提取公因子、拆行、递推),并说明每种套路的"适用信号"。

10.1 逻辑顺序:三条基本性质是唯一的出发点

本篇的定义方式与国内教材不同:国内教材先用逆序数给出 阶行列式的展开式,再把性质当定理逐条证明;本篇把三条基本性质当定义,把展开式当结论(其显式表达见 5-2-排列与代数余子式)。两条路的终点相同(第九节 FAQ Q1 已说明"三条性质唯一确定行列式"),但依赖关系完全不同。下面是本篇的依赖图:

                    三条基本性质(定义 5.1.1)
        (1) det I = 1   (2) 交换两行变号   (3) 对每一行线性 (3a) 倍乘 + (3b) 加法
                                  │
      ┌───────────────────────────┼───────────────────────────────┐
      │                           │                               │
 (3a) 取 t = 0               (2) 用两次                      (3b) + (2) + 零行为 0
      ↓                           ↓                               ↓
  零行 ⇒ 0                  两行相同 ⇒ 0                  行倍加不改变行列式
 (性质 5.1.5)               (性质 5.1.2)                    (性质 5.1.4)
                                  │                               │
                                  └───────────┬───────────────────┘
                                              ↓
                              三角 / 对角行列式 = 对角元之积
                                      (性质 5.1.7,反复拆行)
                                              ↓
                          消元算法 det A = (-1)^s ∏ u_ii   (性质 5.1.8)
                                              ↓
                       初等矩阵分解 ──→ det(AB) = det A · det B  (定理 5.1.9)
                                        │        │
                                        │        └──→ 相似矩阵行列式相同
                                        ↓
                   det(A^{-1}) = 1/det A,det(A^k) = (det A)^k
                                        │
                         配 PA = LU  ────┴───→ det A^T = det A   (性质 5.1.10)
                                                        ↓
                                    一切"行"的性质自动对"列"成立
                                                        ↓
                            A 可逆 ⟺ det A ≠ 0(定理 5.1.11,等价链的枢纽)

三条"主干"要记住

1. 唯一的出发点是三条基本性质,其余全部是推论。做题时若用了一条"记不清"的性质,就顺着这张图往上找它的出处——找到出处就找到了证明,也就记住了适用条件。

2. 两个枢纽节点:性质 5.1.7(三角行列式 = 对角元之积)与定理 5.1.9(乘法法则)。绝大多数计算题走的是"造零 → 化三角 → 取对角元乘积"这条路;绝大多数理论题走的是"乘法法则 + 可逆性判据"这条路。

3. 两条"免费通道":性质 5.1.10()把一切行结论复制到列;定理 5.1.11 把行列式与可逆性、秩、线性相关性串成一个等价链(通向 3-4-线性无关基与维数、3-2-零空间与阶梯形)。

10.2 国内教材"性质 1–6"与本篇编号对照

国内教材(同济版体系)通常按下面的顺序列出性质,与本篇的编号一一对应:

国内常见编号内容本篇对应证明的依赖
性质 1性质 5.1.10乘法法则 +
性质 2互换两行(列),行列式变号基本性质 (2)定义
性质 3某行(列)有公因子 可提出基本性质 (3a) / 性质 5.1.3定义
性质 4某行(列)是两组数之和,则可拆成两个行列式之和基本性质 (3b)定义
性质 5某行(列)加上另一行(列)的 倍,行列式不变性质 5.1.4(3a)+(3b)+(2)
性质 6两行(列)相同或成比例,行列式为 性质 5.1.2 / 5.1.6(2) 或 5.1.4+5.1.5
展开定理按一行(列)展开:见 [[5-2-排列与代数余子式]]拆行 + 零行 + 置换矩阵
推论 可逆 ;克莱姆法则定理 5.1.11、[[5-3-克莱姆法则与体积]]消元 + 三角行列式

记法的建议

不要死记编号,记"作用":交换(变号)、倍乘(提因子)、拆分(加法)、倍加(不变)——四个动词对应四类操作,任何教材的编号都逃不出这四类。国内教材把"转置不变"放在性质 1 只是为了排版方便,它在逻辑上其实排在很后面(需要乘法法则)。

10.3 用性质计算行列式的四大套路

套路一:造零(最常用,目标是化三角)

适用信号:某一行/列已经有多个零;或某个元素是 (用它当"消元工具"最省事,不产生分数);或矩阵有规律(三对角、带状、循环)。

操作要点:

1. 选一个"工具行",用行倍加把它的倍数加到其他行,把某一列打成"只有一个非零元";

2. 行倍加不改变行列式(性质 5.1.4),所以这一步不需要记符号;

3. 若主元位置是 ,先用行交换把它换掉,并记一次符号(性质 (2));

4. 化到上三角后取对角元乘积(性质 5.1.7)。

典型例子:本篇例题 2、例题 6、例题 8 都是这条路。

套路二:提取公因子(处理"行和相等")

适用信号:每一行(或每一列)的元素之和都相同;或某行有明显公因子。

操作要点:

1. 若各列之和相同,把第 列都加到第 列(列倍加,值不变),第 列就变成常数列;

2. 把公因子提到行列式外面(性质 5.1.3);

3. 再用行倍加把第 列"清干净",通常立刻变成三角矩阵。

警告:提公因子是"某行乘 的反向操作"。每次只能从一行(或一列)中提取, 行都提出 就等于提出 ——这正是 的来源(见 10.4)。

典型例子:本篇 4.2 节的 例子与例题 8。

套路三:拆行(把"和"拆成两个行列式)

适用信号:某一行(列)的元素本身就是两个数之和,例如 ,或形如 、 的对称结构。

操作要点:

1. 用性质 (3b) 把该行拆成两个行列式之和,其余各行保持不变;

2. 拆出来的两个行列式往往各有一行(列)成比例、或有零行,落到性质 5.1.2 或 5.1.5 上直接为 ;

3. 若需要,可对两个行列式重复拆分( 行都拆,最多得到 项,注意及时用"零行/两行相同"剪枝)。

注意:,只有一行(列)变化时才能拆——这是性质 (3b) 的全部含义。

套路四:递推(把 阶降到 阶)

适用信号:行列式是 阶的"带形/三对角/循环"结构,元素规律与 有关。

操作要点:

1. 记 为该结构 阶时的值;

2. 按第一行(或第一列)展开(展开定理见 5-2-排列与代数余子式),把 用 表示;

3. 解递推:等差/等比用加减消元("差分法"),一般二阶线性递推用特征根法;

4. 用 的初值定常数,最后用数学归纳法或直接代值验证()。

典型例子:本篇例题 6()与例题 7( 在主对角线、 在两侧,通项与 Fibonacci 数列相关)。

提醒:递推是唯一必须用到展开定理的套路(其余三个套路只用三条基本性质)。若考试范围不含展开定理,这类题通常会被改成"证明 满足某递推式"的形式。

10.4 行列式的初等变换性质与

这是国内考试最高频、也最容易错的一组结论。三类初等变换对行列式的作用完全不同:

初等变换对 的作用依据一句话记忆
交换两行(两列)变号:基本性质 (2)换一次,变一次号
某一行乘 乘 :基本性质 (3a)一行变,值跟着变
某行的 倍加到另一行不变:性质 5.1.4消元的主力,值不动
整个矩阵乘 乘 :(3a) 反复用 次最容易错:指数是阶数

的完整推导(不要背结论,看推导):

矩阵 的第 行是 ( 是 的第 行)。对第 行用性质 (3a):

再对第 行用一次 (3a),依此类推,共 次:

(下方的 表示共 个因子:每一行贡献一个 。)

具体数字验证(同一个矩阵,三种操作对比)

取

于是():

| 操作 | 结果 | 与 的关系 |

|---|---|---|

| (整体乘 ) | | ✓(不是 !) |

| (整体乘 ) | | ✓( 为奇数才变号) |

| 只把第 行乘 | | (一行变,值乘 ) |

| 交换第 行 | | 变号 |

| 把第 行的 倍加到第 行 | | 不变 |

| | | ,且 |

三个必须分清的"倍数"

1. 某行乘 :行列式乘 (一次);

2. 整体乘 :行列式乘 ( 次, 是阶数);

3. 提取公因子:从 行各提一个 ,等于提出 ——和第 2 条是同一件事的两种说法。

记忆口诀:"一行一个 , 行 个 "。

去掉条件会怎样(四个边界情形):

去掉/改动条件后果
行倍加时允许 ("把第 行加上自己的 倍")性质失效: 时该行变成 ,行列式乘的是 ,不是不变。性质 5.1.4 要求 。
允许 出现在"某行乘 "性质仍成立(两边都是 ),但不能从"某行为零"反推"原行列式非零"——见性质 5.1.5。
把"交换两行"改成"交换两列"仍然变号(因为 ,性质 5.1.10)。
对非方阵谈这些性质全部无意义:行列式只对方阵有定义。 也只在 同阶方阵时成立。

10.5 自学提示:为什么要"造零",为什么消元不改变行列式

几何直觉(把每一类操作翻译成"体积")

把 看成 的列向量张成的平行体的体积:

- 行倍加(不变):把一条边沿另一条边的方向平移(剪切),底和高都没变,体积当然不变;

- 交换两行(变号):把两条邻边的顺序对调,平行体的形状与体积不变,但"定向"翻转(右手系变左手系),故符号取反;

- 某行乘 (乘 ):把一条边拉长 倍,高变成 倍,体积乘 ;

- 整体乘 (乘 ): 条边各拉长 倍,体积变成 倍;

- 两行相同(为 ):两条边重合,平行体被压扁成低维图形, 维体积为 。

所以"造零化三角"为什么有效:三角矩阵对应的平行体是长方体(每条边都垂直于前面的边),它的体积就是各边长(对角元)之积——这是唯一"看一眼就能写出体积"的形状。整个计算过程就是用不改变体积的剪切,把斜的平行体推成长方体。

为什么必须走"消元"而不是"展开"

- 展开式的项数是 ,消元是 ; 时两者相差 倍以上(见 4.3 节的量化对比)。

- 消元过程中只有两类操作:行交换(记符号,累计 )与行倍加(不改变值),所以"算出来的数"始终是行列式的真值,不会因为中间步骤丢符号。

- 唯一要当心的是:若为了避开分数而给某行乘了 ,最后必须把结果除以 还原——这是手算最常见的丢分点。


十一、:初等矩阵分解的证明(重述与补全)

为什么把这条单独拿出来

乘法法则是整章"含金量最高"的定理:转置不变性、相似不变性、、、正交矩阵的 全部由它推出(见 10.1 的依赖图)。3.8 节已经给出了证明框架,本节把它补成一条可以逐字背诵的完整证明,并用具体数字把三类初等矩阵全部验一遍。

11.1 为什么必须分"可逆"与"奇异"两种情形

核心困难:如果 可逆,就能写成初等矩阵之积 (这来自 2-3-用矩阵进行消元 与 Gauss–Jordan 求逆),于是只需验证"初等矩阵乘 "这一种情形。但奇异矩阵不可逆,无法分解为初等矩阵之积(初等矩阵都可逆,乘积必可逆)。所以奇异情形必须换一条路走。

定理 5.1.9(乘法法则)的完整证明

对任意 阶方阵 :。

第一步(奇异情形):设 。则 不可逆,故 的列线性相关,存在 使 。于是

说明 也有非零零空间元素,故 奇异,。而右边 ,两边相等。✓

第二步(可逆情形):设 可逆。把 分解为初等矩阵之积 ("初等变换"就是"左乘初等矩阵",Gauss–Jordan 消元把 化成 的过程就给出了这个分解)。只要证明对每个初等矩阵 都有

就能逐步剥离:

在上式中取 ,得 ,代回即得 。✓

第三步(三类初等矩阵逐一验证):见 11.2。

11.2 三类初等矩阵的逐条验证(含具体数字)

初等矩阵形式 做了什么为什么
行交换 交换 的第 行交换 的第 行基本性质 (2):交换变号
行倍乘 把 的第 行乘 基本性质 (3a):某行乘 值乘
行倍加 ()把 第 行的 倍加到第 行性质 5.1.4:行倍加不变

(、 由性质 5.1.7 与 直接得到:这两个矩阵本身就是三角/对角形的"单点修改",对角元乘积立刻可读; 因为它是单位下/上三角,对角元全为 。)

具体数字:三类初等矩阵全部验一遍

取

(a) 行交换:,。交换 的第 行:

用 Sarrus 法则算:。而 ✓。

(b) 行倍乘:,。把 的第 行乘 :

沿第 行展开(符号为 ):,其中 、,故行列式为 。而 ✓。

(c) 行倍加:,它是下三角且对角元全为 ,故 。把 第 行的 倍加到第 行:

计算: ✓,与 一致。

三个数字全部对上:、、。

11.3 由乘法法则立刻得到的三个推论(附验证)

推论推导()的验证
反复用乘法法则
由 取行列式,故 ✓
相似矩阵行列式相同:见 [[8-3-相似矩阵与基变换]]

两个易错的"看起来像"的命题

1. 恒成立(都等于 ),即使 。例:,,则 ,:两个矩阵不相等,但行列式都是 。不要用"行列式相等"去推"矩阵相等"。

2. 。取 :,而 。乘法是"可乘的",加法不是——性质 (3b) 只允许一次只动一行。


十二、新增例题(纯计算 4 道 + 证明 1 道)

12.1 例题 6:三对角行列式(递推 + 差分 + 归纳)

题目

计算 阶行列式

(主对角线全为 ,与主对角线相邻的两条对角线全为 ,其余为 。)

解。

第 1 步:看结构,确定用"递推"。

这是一个 阶三对角行列式:元素只出现在主对角线及其上下两条对角线上。 是字母,无法直接算,必须先把它与低阶的 联系起来——这就是"递推"套路的适用信号。

第 2 步:按第一行展开,建立递推关系。

按第一行展开(展开定理见 5-2-排列与代数余子式)。第一行只有 与 两个非零元:

  • 的代数余子式:划掉第 行第 列后,剩下的正是 阶的同型行列式,故为 ;
  • 的代数余子式:符号为 ;划掉第 行第 列后,剩余矩阵的第 列为 (原第 行第 列的元素是 ),按第 列展开后正好剩下 阶的同型行列式 。

于是

第 3 步:定初值。

第 4 步:解递推(差分法)。

把递推式写成

这说明相邻两项之差是常数:令 ,则 。于是

第 5 步:用数学归纳法确认。

: ✓;: ✓。设 对 成立,则

所以

第 6 步:数值验证( 到 )。

123456
234567

几何(体积)读法:这个矩阵的列是"标准基加一点点相邻方向"的组合,它的平行体体积随维数线性增长——每增加一维,就多出一个单位的"高度",所以 。

递推题的通用检查

算完递推一定要代几个小 试。若 用公式算得 ,而用 Sarrus 法则手算也是

✓,则递推式与初值都对。

12.2 例题 7: 在主对角线、 在两侧的 阶行列式(特征根法)

题目

计算 阶行列式

(主对角线全为 ,两侧对角线全为 )。并分别取 与 写出通项。

解。

第 1 步:建立递推。

与例题 6 完全相同的展开方式(按第一行展开:,)。记 为划去第 行第 列后剩下的 阶子式,则

的第 列只有 一个非零元(它在第 行,来自原矩阵的 ;其余元素为 ),按第 列展开得 。于是

第 2 步:定初值。

第 3 步:解递推(特征根法)。

设 形式的解(这类二阶线性递推的标准设法定为 亦可,本处指数取 是为了让最后的公式最简洁;两种设法只相差一个常数因子,解出的根相同)。代入递推式:

第 4 步:写出通项。

  • 若 (两根不同):

  • 若 (重根 ):

两种情形都可由初值 验证:不同根时 给出 ✓, 给出 ✓(用了 、)。

第 5 步:具体化 :与 Fibonacci 数列相遇。

此时 ,而 、( 是黄金比,,满足 、)。因为 ,通项可以写成

其中 是 Fibonacci 数列(,)。

数值验证:

12345
3

第 6 步:具体化 :回到例题 6。

此时 ,是重根 ,故 ,与例题 6 的结论一致 ✓( 对应 ,与数值验证表完全吻合)。

第 7 步:再取一组"两根不同且都是整数"的数据检验公式。

取 :,即 ,于是

12345
递推核算

两列完全一致 ✓。

这个例子值得记住的三件事

1. 同一个递推式 覆盖了一大类题:三对角、循环对称、差分方程、数列极限都与它同源。特征方程 与 6-1-特征值引论 里的特征多项式是同一个东西——递推的特征根法就是"二阶矩阵幂的特征值法"的标量版本。

2. 重根情形要用 ,不能照抄 (分母为 )。

3. 符号要小心:两侧都是 (不是 ),所以递推里出现的是 ;若一侧是 、另一侧是 (不对称),递推变成 。

12.3 例题 8:造零与提取公因子的两个典型(4 阶循环矩阵 + 阶" 与 "型)

题目

(a) 计算

(b) 计算 阶行列式(主对角线全为 ,其余元素全为 )

并用 验证。

解。

(a) 第 1 步:观察——每一行的元素之和都相等。

四个行和都是 (第 2 行 ,依此类推)。"行和相等"是提取公因子套路的标准信号:把其余的列全部加到第 列,第 列就会变成常数列。

(a) 第 2 步:把第 列加到第 列(列倍加,行列式不变)。

(第 1 列有公因子 ,提到行列式外——性质 5.1.3。注意:一次只从一列提取,所以提出的是 ,不是 。)

(a) 第 3 步:造零(用第 1 行去清第 1 列)。

做 、、(行倍加,值不变):

(逐项核对第 2 行: ✓;第 3 行: ✓;第 4 行: ✓。)

(a) 第 4 步:按第 1 列展开,降为 阶。

第 1 列只有 非零,故

(a) 第 5 步:继续造零,化三角。

对 阶行列式做 (值不变):

(因为 ,,。)再按第 行展开:

所以

(a) 第 6 步:换一条路验算(按第 1 行展开原矩阵)。

四个 阶代数余子式:

(注意符号 交替;这一步也顺带验证了"造零路线"没有算错。)

(b) 第 1 步:把其余各列加到第 列。

每一行的元素之和都是 ,所以把第 列全部加到第 列(列倍加,值不变)后,第 列的所有元素都变成 :

(b) 第 2 步:造零(第 1 行清掉第 1 列)。

做 (,行倍加,值不变)。第 行变成:第 列为 ;第 列()当 时为 ,当 时为 。即第 行只有一个非零元 落在第 列:

这已经是上三角矩阵(第 行的非零元都在第 列及其右侧),对角元为 。

(b) 第 3 步:取对角元乘积。

(b) 第 4 步:数值验证。

公式值直接计算
3214.2 节的 ✓
431 ✓
421 ✓
521 ✓

这个公式的三个陷阱

1. 指数是 不是 :公因子那一项 只出现一次。

2. 与 的位置不能颠倒:若把"主对角线为 、其余为 "记成"对角线为 、其余为 ",公式立刻变样(那对应 反号)。

3. 若 ,则所有元素都是 ,矩阵秩为 :公式给出 。当 时这是 ✓( 时矩阵奇异,行列式为 ,与公式一致);当 时公式的 需按 单独理解——遇到 一律回到定义。

12.4 例题 9:初等变换性质与 的综合计算

题目

已知

(1) 求 ;

(2) 求 、、、、、;

(3) 把 的第 行交换得 ,求 ;再把 第 行的 倍加到第 行得 ,求 ;最后把 的第 行乘 得 ,求 ;

(4) 判断 与 是否相等,并解释。

解。

第 1 步:求 (用 Sarrus 法则,或按第一行展开)。

按第一行展开(该行只有两个非零元):

第 2 步:六个量一次算完(,故整体缩放的指数是 )。

待求量用到的性质计算结果
,
与乘法法则
先乘法法则再整体缩放:

最后一行是本例的"考点"

不是 ,而是 。原因是"整体乘 "作用在 阶矩阵上,三行各出一个 。先把 看成一个 矩阵,再用 ,就不会错。

第 3 步:三类初等变换对行列式的作用。

  • 交换第 行(性质 (2),变号):

  • 再把第 行的 倍加到第 行(性质 5.1.4,不变):

  • 另取 ,把第 行乘 (性质 (3a),值乘 ):

第 4 步:比较 与 (并解释为什么不等)。

两者不等。"整体乘 "要乘 ;另外注意 ,所以这个例子也顺带说明 ——即 不是"对矩阵的加法线性"的。

12.5 例题 10(证明题):反对称、幂等、幂零矩阵的行列式

题目

设 为 阶实方阵。证明:

(1) 若 (反对称)且 为奇数,则 ;

(2) 若 (幂等),则 或 ;

(3) 若存在正整数 使 (幂零),则 ;

(4) 举出 的反对称矩阵使 ,说明 (1) 中" 为奇数"不能去掉。

第 1 步:证明 (1),奇数阶反对称矩阵必奇异。 由性质 5.1.10()与整体缩放 :

因为 为奇数,,故

(关键:只有奇数阶才有 。)

第 2 步:证明 (2),幂等矩阵的行列式只能是 或 。 对 两边取行列式,并用乘法法则 :

所以 或 。

(这两个值都能取到: 给出 ; 给出 ;还有介于两者之间的例子,如投影矩阵 ,它满足 且 。)

第 3 步:证明 (3),幂零矩阵必奇异。 若 ,两边取行列式:

左边的 ,所以 ,即 。

第 4 步:说明 (4)—— 为偶数时结论不成立(条件不可去掉)。 取

它是旋转 的矩阵(正交矩阵,),说明偶数阶反对称矩阵完全可能可逆(事实上偶数阶反对称矩阵的行列式是某整数的平方,本题只需给出反例)。结论:条件" 为奇数"不可去掉。

三道证明的"共同套路"

三条都只用了一个动作:对等式两边取行列式,再用乘法法则把它变成关于 的代数方程。

- + 奇数阶 ;

- ;

- 。

这一步之所以合法,全靠 。 矩阵的乘法关系(、、)能"翻译"成数的乘法关系,正是乘法法则的威力——这也是为什么它是本章含金量最高的定理。


本篇小结

一页纸回顾

行列式只有一个定义(三条基本性质)和一个算法(消元化三角取对角元乘积)。所有性质都是三条基本性质的推论,所有计算题都是"造零 → 三角 → 取乘积"这一条路的变体。

三条基本性质 → 关键推论(背这张表,不背零散结论)

推论内容由什么推出
性质 5.1.2两行相同 (2)
性质 5.1.3某行乘 乘 ;(3a)
性质 5.1.4一行加另一行的 倍 不变(消元合法性)(3a)+(3b)+(2)
性质 5.1.5 / 5.1.6含零行、两行成比例、行相关 (3a) 取 / 5.1.4
性质 5.1.7三角、对角矩阵 (3b) 反复拆行
性质 5.1.8(消元算法,)(2)+5.1.4+5.1.7
定理 5.1.9;;初等矩阵分解(第十一节)
性质 5.1.10(行、列地位平等)5.1.9 与
定理 5.1.11 可逆 列(行)无关 5.1.8 + 消元
相似不变量5.1.9

计算行列式的"四套路 + 一算法"

套路适用信号关键动作例题
造零已有多个零、有 可当工具、带状结构行倍加清列 → 化三角 → 取对角元乘积例题 2、6、8
提取公因子各行(列)元素和相等、某行有明显公因子其余列加到第 列 → 提公因子 → 造零4.2 节、例题 8(b)
拆行某行元素是两数之和一次只拆一行,及时用"零行/两行相同"剪枝第十节 10.3 套路三
递推三对角、循环、 阶带形结构按第一行展开 → 解递推(差分法/特征根法)→ 归纳验证例题 6、7
消元算法一切规模、一切数值 记符号 + 5.1.4 消元 → 例题 2

四个最常考的"数字关系"

关系正确式子错误写法
整体缩放( 为阶数)
只动一行某行乘 值乘 与上一条混用
乘法
逆与幂,

自测清单

  1. 能否不看笔记写出三条基本性质,并说出"哪一条定尺度、哪一条定符号、哪一条定拆解"?
  2. 能否从三条性质出发推出"行倍加不改变行列式"与"三角行列式 = 对角元之积"?两条各用了什么?
  3. 能否用初等矩阵分解说清 的证明,并说明"奇异情形为什么要单独处理"?
  4. 能否在 5 分钟内算出一个 阶行列式(造零 + 化三角),并说出每一步用了哪条性质?
  5. 能否写出三对角递推 的特征方程与通项,并处理重根情形?
  6. 能否举出三个""的判定依据(零行、两行成比例、行相关)与三个""的等价说法(可逆、列无关、秩为 )?

关联与后续用法

  • 5-2-排列与代数余子式:展开式与代数余子式是本章第十二节"递推套路"的工具(按行展开),也是"三条性质唯一确定行列式"的显式表达。
  • 5-3-克莱姆法则与体积:把 读成平行体体积, 的解写成行列式之比;本节的"造零技巧"在解方程组时同样好用。
  • 2-5-LU分解与转置置换:,,——本章消元算法的矩阵形式。
  • 2-3-用矩阵进行消元:三类初等矩阵与"左乘 = 做一次行变换",是第十一节乘法法则证明的零件库。
  • 2-1-向量与线性方程组: 任意 下 有唯一解——行列式判据的"方程组版本"。
  • 3-2-零空间与阶梯形:零主元、自由变量与 的等价关系;"消元出现零行 奇异"在那里给出算法层面的解释。
  • 3-4-线性无关基与维数: 列(行)线性无关 秩为 ,把行列式接入四大子空间的语言。
  • 4-4-标准正交基与Gram-Schmidt: 与 ,用正交化的每一步长度解释行列式。
  • 6-1-特征值引论:、,以及第十二节例题 7 中"特征根法解递推"与"矩阵幂的特征值法"的同源性。
  • 6-2-矩阵的对角化:可对角化时 直接可读,行列式是最基本的相似不变量之一。
  • 6-5-二次型与标准形:判断正定性的"顺序主子式法"(各阶顺序主子式全为正)完全依赖本章的行列式计算,是行列式在后续章节最常用的出场方式。
  • 7-1-SVD的构造与几何意义:(奇异值之积),把"体积伸缩率"推广到非方阵与秩亏情形。
  • 8-3-相似矩阵与基变换:相似不变量的完整清单(行列式、迹、特征多项式)。
  • 11-1-数值稳定性与LU / 11-2-范数与条件数:为什么浮点下不能用 det == 0 判奇异,以及选主元对数值稳定性的影响。
  • 附录-矩阵分解总览: 与行列式、 与 的统一视角。

相关笔记

  • 5-2-排列与代数余子式 —— 用排列与逆序数写出 阶展开式,证明三条性质的唯一性;代数余子式与伴随矩阵
  • 5-3-克莱姆法则与体积 —— 行列式的体积解释、克莱姆法则、拉普拉斯定理
  • 2-5-LU分解与转置置换 —— 与置换矩阵的行列式,本节的消元算法直接建立在它之上
  • 2-4-矩阵运算与逆矩阵 —— 的 特例
  • 4-4-标准正交基与Gram-Schmidt —— 与
  • 6-1-特征值引论 —— 求特征值、
  • 8-3-相似矩阵与基变换 —— 相似矩阵的行列式相同(相似不变量)
  • 附录-矩阵分解总览 —— 与行列式的关系
  • 2-1-向量与线性方程组 —— 对任意 都有唯一解;行列式判据的"方程组版本"
  • 3-2-零空间与阶梯形 —— 零主元、自由变量与 的等价关系(消元层面的解释)
  • 6-2-矩阵的对角化 —— 可对角化时 ,行列式是最基本的相似不变量之一
  • 6-5-二次型与标准形 —— 判断正定性的"顺序主子式法"完全依赖本章的行列式计算,是行列式在后续章节最常用的出场方式
  • 7-1-SVD的构造与几何意义 —— (奇异值之积),把"体积伸缩率"推广到非方阵与秩亏情形

参考来源

  • MIT OpenCourseWare 18.06 Linear Algebra, Lecture 18: Properties of determinants —— https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/resources/lecture-18-properties-of-determinants/ (2026-10-11 访问,HTTP 200)
  • MIT OpenCourseWare 18.06 Linear Algebra(课程主页)—— https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/ (2026-10-11 访问,HTTP 200)
  • Gilbert Strang, Introduction to Linear Algebra 官方网站 —— https://math.mit.edu/~gs/linearalgebra/ (2026-10-11 访问,HTTP 200)
  • NumPy 官方文档 numpy.linalg.det(说明其内部使用 LU 分解 / LAPACK z/dgetrf)—— https://numpy.org/doc/stable/reference/generated/numpy.linalg.det.html (2026-10-11 访问,HTTP 200)
  • Strang, Gilbert. Introduction to Linear Algebra, 5th ed. Wellesley-Cambridge Press, 2016, §5.1(The Properties of Determinants)。(教材,文字引用)
  • 同济大学数学系《线性代数》第六版,高等教育出版社(行列式的逆序数定义、性质 1–6、展开定理)。(教材,文字引用)