拉普拉斯展開

在數學中，拉普拉斯展開（英語：Laplace expansion，或稱拉普拉斯公式）是一個關於行列式的展開式。將一個n×n矩陣B的行列式進行拉普拉斯展開，即是將其表示成關於矩陣B的某一行（或某一列）的n個元素的(n-1)×(n-1)餘子式的和。行列式的拉普拉斯展開一般被簡稱為行列式按某一行（或按某一列）的展開。由於矩陣B有n行n列，它的拉普拉斯展開一共有2n種。拉普拉斯展開的推廣稱為拉普拉斯定理，是將一行的元素推廣為關於k行的一切子式。它們的每一項和對應的代數餘子式的乘積之和仍然是B的行列式。研究一些特定的展開可以減少對於矩陣B之行列式的計算，拉普拉斯公式也常用於一些抽象的推導中。

線性代數
${\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}}$
向量 · 向量空間 · 基底  · 行列式  · 矩陣
向量 純量 · 向量 · 向量空間 · 向量投影 · 外積（叉積 · 七維叉積） · 內積（點積） · 二重向量 矩陣與行列式 矩陣 · 行列式 · 線性方程組 · 秩 · 核 · 跡 · 單位矩陣 · 初等矩陣 · 方塊矩陣 · 分塊矩陣 · 三角矩陣 · 非奇異方陣 · 轉置矩陣 · 逆矩陣 · 對角矩陣 · 可對角化矩陣 · 對稱矩陣 · 反對稱矩陣 · 正交矩陣 · 么正矩陣 · 埃爾米特矩陣 · 反埃爾米特矩陣 · 正規矩陣 · 伴隨矩陣 · 餘因子矩陣 · 共軛轉置 · 正定矩陣 · 冪零矩陣 · 矩陣分解 （LU分解 · 奇異值分解 · QR分解 · 極分解 · 特徵分解） · 子式和餘子式 · 拉普拉斯展開 · 克羅內克積 線性空間與線性轉換 線性空間 · 線性轉換 · 線性子空間 · 線性生成空間 · 基 · 線性映射 · 線性投影 · 線性無關 · 線性組合 · 線性泛函 · 行空間與列空間 · 對偶空間 · 正交 · 特徵向量 · 最小平方法 · 格拉姆-施密特正交化
閱 論 編

公式

設B = (b_ij)是一個n × n矩陣。B關於第i行第j列的餘子式M_ij是指B中去掉第i行第j列後得到的n−1階子矩陣的行列式。有時可以簡稱為B的（i，j）餘子式。B的（i，j）代數餘子式：C_ij是指B的（i，j）餘子式M_ij與(−1)^{i + j}的乘積：C_ij = (−1)^{i + j} M_ij

拉普拉斯展開最初由范德蒙德給出，為如下公式：對於任意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

考慮以下的矩陣：

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

這個矩陣的行列式可以用沿着第一行的拉普拉斯展開式來計算：

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

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

也可以用沿着第二列的拉普拉斯展開式來計算：

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

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

很容易看到這個結果是正確的：這個矩陣是奇異的，因為它的第一列和第三列的和與第二列成比例，因此它的行列式是零。

證明

設B是一個n × n的矩陣，${\displaystyle i,j\in \{1,2,...,n\}}$。為了明確起見，將${\displaystyle M_{ij}}$的系數記為${\displaystyle (a_{st})}$，其中1 ≤ s,t ≤ n − 1.

考慮B的行列式|B|中的每個含有${\displaystyle b_{ij}}$的項，它的形式為：

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

其中的置換τ ∈ S_n使得τ(i) = j，而σ ∈ S_n-1是唯一的將除了i以外的其他元素都映射到與τ相同的像上去的置換。顯然，每個τ都對應着唯一的σ，每一個σ也對應着唯一的τ。因此我們創建了S_n − 1與{τ ∈ S_n : τ(i) = j}之間的一個對射。置換τ可以經過如下方式從σ得到：

定義σ' ∈ S_n使得對於1 ≤ k ≤ n − 1，σ'(k) = σ(k)並且σ'(n) = n，於是sgn σ' = sgn σ。然後

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

由於兩個輪換分別可以被寫成n − i和n − j個對換，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是對射。由此，

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

從而拉普拉斯展開成立。

拉普拉斯定理

拉普拉斯在1772年的論文中給出了行列式展開的一般形式，現在稱為拉普拉斯定理。拉普拉斯定理建立在子式和餘子式的基礎上，說明了如果將B關於某k行的每一個子式和對應的代數餘子式的乘積加起來，那麼得到的仍然是B的行列式。定理的證明與按一行（一列）展開的情況一樣，都是通過建立置換間的對射來證明兩者相等。

參考來源

• 拉普拉斯定理^{[永久失效連結]}
• 線性代數發展史^{[永久失效連結]}
• 行列式的展開定理^{[永久失效連結]}
• 戴立輝，線性代數，同濟大學出版社，2007.