是什么

求解线性代数中余子式 与代数余子式 (或其线性组合)的三种核心思想与转化工具:化为新行列式(展开定理逆用)、化为伴随矩阵与逆矩阵、化为伴随矩阵迹与特征值;并利用行列式的单行(列)可加性进行行列式的拆分与加减运算。

公式 & 适用条件

核心定义转化公式

  • 适用条件:求余子式 时通用。解题时第一步先通过符号化为代数余子式 。

方法一:用行列式(按行/列展开定理逆用)

- & * & \cdots & * \ k_1 & k_2 & \cdots & k_n \ - & * & \cdots & * \end{vmatrix}_{\text{第 } i \text{ 行}}$$ - **适用条件**:==同一行(或同一列)代数余子式的线性组合==。 - **说明**:原矩阵第 $i$ 行元素替换为对应系数 $k_1, k_2, \dots, k_n$,其余行元素保持不变。若系数分散在不同行不同列,不能直接套用此法。 ### 行列式的加减法公式(单行/列可拆性) $$\begin{vmatrix} \alpha_1 \\ \vdots \\ \beta \\ \vdots \\ \alpha_n \end{vmatrix} \pm \begin{vmatrix} \alpha_1 \\ \vdots \\ \gamma \\ \vdots \\ \alpha_n \end{vmatrix} = \begin{vmatrix} \alpha_1 \\ \vdots \\ \beta \pm \gamma \\ \vdots \\ \alpha_n \end{vmatrix}$$ - **适用条件**:==仅当两个行列式只有一行(或一列)不同,其余所有行(列)完全对应相同时,才能将相异行(列)对应元素相加减==。 - **不满足后果**:绝对不能像矩阵加法一样把所有元素相加减,即 $\vert{}A\vert{} \pm \vert{}B\vert{} \neq \vert{}A \pm B\vert{}$。 ### 方法二:用矩阵(伴随矩阵与可逆矩阵) $$A^* = \vert{}A\vert{} A^{-1} \iff A_{ij} = [A^*]_{ji} = [\vert{}A\vert{}A^{-1}]_{ji}$$ - **适用条件**:==方阵 $A$ 必须可逆,即 $\vert{}A\vert{} \neq 0$==。 - **不满足后果**:若 $\vert{}A\vert{} = 0$ 则逆矩阵不存在,无法通过此公式求伴随矩阵。 ![[Pasted image 20260902141029.png]] ==注意这伴随矩阵是竖着求的。== ### 方法三:用特征值(伴随矩阵的迹) $$A_{11} + A_{22} + A_{33} = \mathrm{tr}(A^*) = \lambda_1^* + \lambda_2^* + \lambda_3^* = \lambda_2\lambda_3 + \lambda_1\lambda_3 + \lambda_1\lambda_2$$ - **适用条件**:==求主对角线上代数余子式之和 $\sum A_{ii}$==。 - **说明**:以 3 阶方阵且可逆为例,$A$ 的特征值为 $\lambda_1, \lambda_2, \lambda_3$,因为 $A^* = \vert{}A\vert{}A^{-1}$,所以 $A^*$ 的特征值为 $\lambda_1^* = \lambda_2\lambda_3$ 等。 ## 怎么用(解题步骤) 1. **审题判断目标形式**: - 目标若是余子式 $M_{ij}$,优先乘以 $(-1)^{i+j}$ 转化为 $A_{ij}$。 - 观察代数余子式的下标: - **同名行(列)线性组合**(如 $k_1 A_{i1} + \dots + k_n A_{in}$) $\to$ 使用【方法一:行列式替换法】。 - **单个代数余子式或求全部元素** $\to$ 使用【方法二:矩阵逆变换 $A^* = \vert{}A\vert{}A^{-1}$】。 - **主对角线代数余子式之和**($\sum A_{ii}$) $\to$ 使用【方法三:特征值与迹 $\mathrm{tr}(A^*)$】。 2. **行列式相加减合并(搭配方法一常考)**: - 将代数余子式组合逆写成新行列式。 - 对比原行列式与新行列式,找出两者的公共行(列)。 - 保留公共部分,把仅有的相异行(列)对应元素相减,合并为一个单独的行列式。 3. **计算化简**: - 利用行列式性质做初等变换消元,降阶展开求解未知数。 ### 核心技巧拓展:矩阵“行和/列和”与特征值转化 > [!tip] 核心性质(极其常考的隐含条件) > > - 若 $n$ 阶方阵 $M$ 的==每行元素之和均为 $k$==,则: > $$M \begin{bmatrix} 1 \\ 1 \\ \vdots \\ 1 \end{bmatrix} = k \begin{bmatrix} 1 \\ 1 \\ \vdots \\ 1 \end{bmatrix}$$ > 说明:==$k$ 是 $M$ 的一个特征值==,且对应的一个特征向量必为全 1 向量 $\xi = [1, 1, \dots, 1]^T$。 > - 若 $M$ 的==每列元素之和均为 $k$==,则转置矩阵 $M^T$ 每行之和为 $k$($M^T \xi = k\xi$),由 $|M - kE| = |M^T - kE| = 0$ 可知,==$k$ 同样必为 $M$ 的特征值==。 #### 衍生模型:伴随矩阵与跨行代数余子式求和 - **适用场景**:求==同一列不同行代数余子式之和==(如 $\sum_{i=1}^n A_{i j}$)。 - **推导公式**: 若已知可逆矩阵 $A$ 满足“每行和为常数”,即有特征值 $\lambda$ 对应特征向量 $\xi = [1, 1, \dots, 1]^T$: 1. 逆矩阵特征值关系:$A^{-1} \xi = \frac{1}{\lambda} \xi$。 2. 伴随矩阵特征值关系: $$A^* \xi = |A|A^{-1} \xi = \frac{|A|}{\lambda} \xi$$ 3. 展开为矩阵乘积形式(以 3 阶为例): $$A^* \begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix} = \begin{bmatrix} A_{11} & A_{21} & A_{31} \\ A_{12} & A_{22} & A_{32} \\ A_{13} & A_{23} & A_{33} \end{bmatrix} \begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix} = \begin{bmatrix} A_{11} + A_{21} + A_{31} \\ A_{12} + A_{22} + A_{32} \\ A_{13} + A_{23} + A_{33} \end{bmatrix} = \frac{|A|}{\lambda} \begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix}$$ - **结论**:==每一行/列的代数余子式之和均等于 $\frac{|A|}{\lambda}$==。 ## 例题 ### 例题 1(方法一:展开定理逆用与行列式加减法) **题目**: 设行列式 $$D = \begin{vmatrix} 2 & 1 & 0 & -1 \\ -1 & 2 & -5 & 3 \\ 3 & 0 & a & b \\ 1 & -3 & 5 & 0 \end{vmatrix} = A_{41} - A_{42} + A_{43} + 10$$ 其中 $A_{ij}$ 为元素 $a_{ij}$ 的代数余子式,则 $a, b$ 的值为( )。 (A) $a=4, b=1$ (B) $a=1, b=4$ (C) $a=4, b\text{ 为任意常数}$ (D) $a=1, b\text{ 为任意常数}$ **解题过程**: 1. **转化代数余子式组合为新行列式(方法一)**: 观察所求组合:$A_{41} - A_{42} + A_{43} = 1 \cdot A_{41} + (-1) \cdot A_{42} + 1 \cdot A_{43} + 0 \cdot A_{44}$。 这属于第 4 行代数余子式的线性组合,将原行列式第 4 行替换为系数 $(1, -1, 1, 0)$,其余行不变: $$A_{41} - A_{42} + A_{43} = \begin{vmatrix} 2 & 1 & 0 & -1 \\ -1 & 2 & -5 & 3 \\ 3 & 0 & a & b \\ 1 & -1 & 1 & 0 \end{vmatrix}$$ 2. **移项并进行行列式做差(单行可加减性)**: 原式移项可得:$D - (A_{41} - A_{42} + A_{43}) = 10$。 两个行列式前 3 行完全一致,仅第 4 行不同,合并第 4 行元素: $$\begin{vmatrix} 2 & 1 & 0 & -1 \\ -1 & 2 & -5 & 3 \\ 3 & 0 & a & b \\ 1 & -3 & 5 & 0 \end{vmatrix} - \begin{vmatrix} 2 & 1 & 0 & -1 \\ -1 & 2 & -5 & 3 \\ 3 & 0 & a & b \\ 1 & -1 & 1 & 0 \end{vmatrix} = \begin{vmatrix} 2 & 1 & 0 & -1 \\ -1 & 2 & -5 & 3 \\ 3 & 0 & a & b \\ 0 & -2 & 4 & 0 \end{vmatrix}$$ 3. **初等变换与降阶展开**: 将第 2 列的 2 倍加至第 3 列: $$\begin{vmatrix} 2 & 1 & 2 & -1 \\ -1 & 2 & -1 & 3 \\ 3 & 0 & a & b \\ 0 & -2 & 0 & 0 \end{vmatrix}$$ 按第 4 行展开: $$= (-2) \cdot (-1)^{4+2} \begin{vmatrix} 2 & 2 & -1 \\ -1 & -1 & 3 \\ 3 & a & b \end{vmatrix} = -2 \begin{vmatrix} 2 & 2 & -1 \\ -1 & -1 & 3 \\ 3 & a & b \end{vmatrix}$$ 对三阶行列式做行变换(第 2 行的 2 倍加至第 1 行,第 2 行的 3 倍加至第 3 行): $$= -2 \begin{vmatrix} 0 & 0 & 5 \\ -1 & -1 & 3 \\ 0 & a-3 & b+9 \end{vmatrix}$$ 按第 1 行展开: $$= -2 \cdot 5 \cdot (-1)^{1+3} \begin{vmatrix} -1 & -1 \\ 0 & a-3 \end{vmatrix} = -10 \cdot [(-1)(a-3) - 0] = 10(a-3)$$ 令 $10(a-3) = 10$,解得 $a = 4$。展开式中 $b$ 自动抵消,故 $b$ 为任意常数。 **结论**:**应选 (C)** ### 例题 2(方法二:用矩阵 $A^* = \vert{}A\vert{}A^{-1}$) **题目**: 设 3 阶矩阵 $A = \begin{bmatrix} 1 & 2 & -1 \\ 0 & 1 & 1 \\ 2 & 0 & 1 \end{bmatrix}$,求元素 $a_{23}$ 的代数余子式 $A_{23}$。 **解题过程**: 1. **计算 $\vert{}A\vert{}$ 验证可逆性**: $$\vert{}A\vert{} = \begin{vmatrix} 1 & 2 & -1 \\ 0 & 1 & 1 \\ 2 & 0 & 1 \end{vmatrix} = 1 \cdot (1 - 0) - 2 \cdot (0 - 2) + (-1) \cdot (0 - 2) = 1 + 4 + 2 = 7 \neq 0$$ 因此矩阵 $A$ 可逆。 2. **利用矩阵定义转化所求元素**: 由伴随矩阵定义: $$A^* = \begin{bmatrix} A_{11} & A_{21} & A_{31} \\ A_{12} & A_{22} & A_{32} \\ A_{13} & A_{23} & A_{33} \end{bmatrix} = \vert{}A\vert{}A^{-1}$$ 所求 $A_{23}$ 位于伴随矩阵 $A^*$ 的==第 3 行第 2 列==,即: $$A_{23} = [A^*]_{32} = 7 \cdot [A^{-1}]_{32}$$ 3. **求 $A^{-1}$ 的第 3 行第 2 列元素**: 利用初等行变换 $[A \mid E] \to [E \mid A^{-1}]$(或仅用伴随定义对调求局部): 由定义直接计算第 2 行第 3 列的余子式做校验: $$A_{23} = (-1)^{2+3} \begin{vmatrix} 1 & 2 \\ 2 & 0 \end{vmatrix} = -(0 - 4) = 4$$ 利用 $A^* = \vert{}A\vert{}A^{-1}$,当需要批量求某一行/列或全矩阵代数余子式时,求得 $A^{-1} = \frac{1}{7} \begin{bmatrix} 1 & -2 & 3 \\ 2 & 3 & -1 \\ -2 & 4 & 1 \end{bmatrix}$,对应 $[A^*]_{32} = 7 \cdot \frac{4}{7} = 4$。 **结论**:**$A_{23} = 4$** ### 例题 3(方法三:用特征值与迹 $\mathrm{tr}(A^*)$) **题目**: 设 3 阶矩阵 $A$ 满足特征值分别为 $\lambda_1 = 1, \lambda_2 = 2, \lambda_3 = -3$,$A_{ij}$ 为其元素 $a_{ij}$ 的代数余子式,求 $A_{11} + A_{22} + A_{33}$ 的值。 **解题过程**: 1. **转化目标为伴随矩阵的迹**: 由伴随矩阵对角线元素构成可知: $$A_{11} + A_{22} + A_{33} = \mathrm{tr}(A^*)$$ 2. **利用矩阵乘积性质与特征值映射求 $A^*$ 的特征值**: 由于方阵的行列式等于特征值的乘积: $$\vert{}A\vert{} = \lambda_1 \lambda_2 \lambda_3 = 1 \times 2 \times (-3) = -6 \neq 0$$ 故 $A$ 可逆,$A^* = \vert{}A\vert{}A^{-1}$。 根据特征值性质,逆矩阵 $A^{-1}$ 的特征值为 $\frac{1}{\lambda_i}$,因此 $A^*$ 的特征值 $\lambda_i^*$ 为: $$\lambda_1^* = \frac{\vert{}A\vert{}}{\lambda_1} = \lambda_2\lambda_3 = 2 \times (-3) = -6$$ $$\lambda_2^* = \frac{\vert{}A\vert{}}{\lambda_2} = \lambda_1\lambda_3 = 1 \times (-3) = -3$$ $$\lambda_3^* = \frac{\vert{}A\vert{}}{\lambda_3} = \lambda_1\lambda_2 = 1 \times 2 = 2$$ 3. **求和计算矩阵的迹**: $$\mathrm{tr}(A^*) = \lambda_1^* + \lambda_2^* + \lambda_3^* = (-6) + (-3) + 2 = -7$$ **结论**:**$A_{11} + A_{22} + A_{33} = -7$** ## ⚠️ 易错点 > [!warning] > > > > > - ==伴随矩阵位置转置的坑==:伴随矩阵中第 $i$ 行第 $j$ 列的元素是 $A_{ji}$,不是 $A_{ij}$(即 $[A^*]_{ij} = A_{ji}$)。求特定 $A_{ij}$ 时注意在伴随矩阵中找的是对应转置位置。 > > > > - ==余子式与代数余子式的符号差==:$M_{ij}$ 缺少正负符号因子 $(-1)^{i+j}$,考试常考 $\sum k_j M_{ij}$,切忌直接套用展开定理,必须先化为代数余子式。 > > > > - ==行列式加减运算限制==:行列式不是矩阵,$\vert{}A\vert{} \pm \vert{}B\vert{} \neq \vert{}A \pm B\vert{}$。**只有其余各行(列)完全相同,仅有一行(列)相异的两个行列式才能做相加减**。 > > > ## 速记 > 大 A 配小 k,k 把小 a 吃;两式相加减,只改一行其余全一致。