拉普拉斯展开

在数学中，拉普拉斯展开（或称拉普拉斯公式）是一个关于行列式的展开式。将一个n×n矩阵B的行列式进行拉普拉斯展开，即是将其表示成关于矩阵B的某一行（或某一列）的n个元素的(n-1)×(n-1)余子式的和。行列式的拉普拉斯展开一般被简称为行列式按某一行（或按某一列）的展开。由于矩阵B有n行n列，它的拉普拉斯展开一共有2n种。拉普拉斯展开的推广称为拉普拉斯定理，是将一行的元素推广为关于k行的一切子式。它们的每一项和对应的代数余子式的乘积之和仍然是B的行列式。研究一些特定的展开可以减少对于矩阵B之行列式的计算，拉普拉斯公式也常用于一些抽象的推导中。

线性代数
${\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}}$
向量 · 向量空间  · 行列式  · 矩阵
向量 标量 · 向量 · 向量空间 · 向量投影 · 外积（向量积） · 内积（数量积） 矩阵与行列式 矩阵 · 行列式 · 线性方程组 · 秩 · 核 · 迹 · 單位矩陣 · 初等矩阵 · 方块矩阵 · 分块矩阵 · 三角矩阵 · 非奇异方阵 · 转置矩阵 · 逆矩阵 · 对角矩阵 · 可对角化矩阵 · 对称矩阵 · 反对称矩阵 · 正交矩阵 · 幺正矩阵 · 埃尔米特矩阵 · 反埃尔米特矩阵 · 正规矩阵 · 伴随矩阵 · 余因子矩阵 · 共轭转置 · 正定矩阵 · 幂零矩阵 · 矩阵分解 （LU分解 · 奇异值分解 · QR分解 · 极分解 · 特征分解） · 子式和余子式 · 拉普拉斯展開 · 克罗内克积 线性空间与线性变换 线性空间 · 线性变换 · 线性子空间 · 线性生成空间 · 基 · 线性映射 · 线性投影 · 线性无关 · 线性组合 · 线性泛函 · 行空间与列空间 · 对偶空间 · 正交 · 特征向量 · 最小二乘法 · 格拉姆-施密特正交化
查 论 编

公式

设B = (b_ij)是一个n × n矩阵。B关于第i行第j列的余子式M_ij是指B中去掉第i行第j列后得到的n−1阶子矩阵的行列式。有时可以简称为B的（i，j）余子式。B的（i，j）代数余子式：C_ij是指B的（i，j）余子式M_ij与(−1)^{i + j}的乘积：C_ij = (−1)^{i + j} M_ij

拉普拉斯展开最初由范德蒙德给出，为如下公式：对于任意i,j ∈ {1, 2, ...,n}：

${\displaystyle {\begin{aligned}|B|&{}=b_{i1}C_{i1}+b_{i2}C_{i2}+\cdots +b_{in}C_{in}\\&{}=b_{1j}C_{1j}+b_{2j}C_{2j}+\cdots +b_{nj}C_{nj}\end{aligned}}}$ 

例子

考虑以下的矩阵：

${\displaystyle B={\begin{bmatrix}1&2&3\\4&5&6\\7&8&9\end{bmatrix}}}$ 。

这个矩阵的行列式可以用沿着第一行的拉普拉斯展开式来计算：

${\displaystyle |B|=1\cdot {\begin{vmatrix}5&6\\8&9\end{vmatrix}}-2\cdot {\begin{vmatrix}4&6\\7&9\end{vmatrix}}+3\cdot {\begin{vmatrix}4&5\\7&8\end{vmatrix}}}$ 

${\displaystyle {}=1\cdot (-3)-2\cdot (-6)+3\cdot (-3)=0}$ 。

也可以用沿着第二列的拉普拉斯展开式来计算：

${\displaystyle |B|=-2\cdot {\begin{vmatrix}4&6\\7&9\end{vmatrix}}+5\cdot {\begin{vmatrix}1&3\\7&9\end{vmatrix}}-8\cdot {\begin{vmatrix}1&3\\4&6\end{vmatrix}}}$ 

${\displaystyle {}=-2\cdot (-6)+5\cdot (-12)-8\cdot (-6)=0}$ 。

很容易看到这个结果是正确的：这个矩阵是奇异的，因为它的第一列和第三列的和与第二列成比例，因此它的行列式是零。

证明

设B是一个n × n的矩阵，${\displaystyle i,j\in \{1,2,...,n\}}$ 。为了明确起见，将${\displaystyle M_{ij}}$ 的系数记为${\displaystyle (a_{st})}$ ，其中1 ≤ s,t ≤ n − 1.

考虑B的行列式|B|中的每个含有${\displaystyle b_{ij}}$ 的项，它的形式为：

${\displaystyle \operatorname {sgn} \tau \,b_{1,\tau (1)}\cdots b_{i,j}\cdots b_{n,\tau (n)}=\operatorname {sgn} \tau \,b_{ij}a_{1,\sigma (1)}\cdots a_{n-1,\sigma (n-1)}}$ 

其中的置换τ ∈ S_n使得τ(i) = j，而σ ∈ S_n-1是唯一的将除了i以外的其他元素都映射到与τ相同的像上去的置换。显然，每个τ都对应着唯一的σ，每一个σ也对应着唯一的τ。因此我们创建了S_n − 1与{τ ∈ S_n : τ(i) = j}之间的一个双射。置换τ可以经过如下方式从σ得到：

定义σ' ∈ S_n使得对于1 ≤ k ≤ n − 1，σ'(k) = σ(k)并且σ'(n) = n，于是sgn σ' = sgn σ。然后

${\displaystyle \tau \,=(n,n-1,\ldots ,i)\,\sigma '\,(j,j+1,\ldots ,n)}$ 。

由于两个轮换分别可以被写成n − i和n − j个对换，因此

${\displaystyle \operatorname {sgn} \tau \,=(-1)^{2n-(i+j)}\operatorname {sgn} \sigma '\,=(-1)^{i+j}\operatorname {sgn} \sigma }$ 。

因此映射σ ↔ τ是双射。由此，

${\displaystyle \sum _{\tau \in S_{n}:\tau (i)=j}}$	${\displaystyle \operatorname {sgn} \tau \,b_{1,\tau (1)}\cdots b_{n,\tau (n)}}$
	${\displaystyle =\sum _{\sigma \in S_{n-1}}(-1)^{i+j}\operatorname {sgn} \sigma \,b_{ij}a_{1,\sigma (1)}\cdots a_{n-1,\sigma (n-1)}}$
	${\displaystyle =\ b_{ij}(-1)^{i+j}|M_{ij}|,}$

从而拉普拉斯展开成立。

拉普拉斯定理

拉普拉斯在1772年的论文中给出了行列式展开的一般形式，现在称为拉普拉斯定理。拉普拉斯定理建立在子式和余子式的基础上，说明了如果将B关于某k行的每一个子式和对应的代数余子式的乘积加起来，那么得到的仍然是B的行列式。定理的证明与按一行（一列）展开的情况一样，都是通过建立置换间的双射来证明两者相等。

参考来源

• 拉普拉斯定理^{[永久失效連結]}
• 线性代数发展史^{[永久失效連結]}
• 行列式的展开定理^{[永久失效連結]}
• 戴立辉，线性代数，同济大学出版社，2007.