矩阵分块法：给大矩阵”切块”的智慧#

一、定义：什么是矩阵分块法？#

一句话说：矩阵分块法就是把一个”大块头”的矩阵，用横线和竖线切成若干个小矩阵（叫做子块或子矩阵），然后把这些子块当作”元素”来进行运算。

比如一个 $4 \times 4$ 的矩阵，你可以把它切成四块 $2 \times 2$ 的小矩阵：

\begin{bmatrix} \color{blue}{a_{11}} & \color{blue}{a_{12}} & \color{red}{a_{13}} & \color{red}{a_{14}} \\ \color{blue}{a_{21}} & \color{blue}{a_{22}} & \color{red}{a_{23}} & \color{red}{a_{24}} \\ \color{green}{a_{31}} & \color{green}{a_{32}} & \color{orange}{a_{33}} & \color{orange}{a_{34}} \\ \color{green}{a_{41}} & \color{green}{a_{42}} & \color{orange}{a_{43}} & \color{orange}{a_{44}} \end{bmatrix} = \begin{bmatrix} \mathbf{A}_{11} & \mathbf{A}_{12} \\ \mathbf{A}_{21} & \mathbf{A}_{22} \end{bmatrix}

这里每个 $\mathbf{A}_{ij}$ 本身都是一个矩阵，但我们在运算时可以把它当成一个”大元素”来处理。

二、核心内涵：为什么要”分块”？#

分块法的精髓在于三个层次：

1. 视角转换：从”看元素”到”看模块”#

普通矩阵运算：你盯着每一个数字 $a_{ij}$ 算来算去。
分块后：你只看几个”大方块”之间的关系，暂时忽略方块内部的细节。

2. 运算规则：子块可以像数字一样算#

只要切法合理（保证行列匹配），分块矩阵的加法、乘法、求逆都有和数字矩阵几乎一样的公式：

加法：对应子块相加
乘法：“行块 × 列块”，和普通矩阵乘法规则一致
求逆：对于分块对角矩阵（非对角块全为零），求逆就是对每个对角块分别求逆

3. 目的：化繁为简#

把高维问题降维：一个 $100 \times 100$ 的矩阵运算，可能变成几个 $10 \times 10$ 子块的运算。
暴露隐藏结构：很多矩阵有特殊的”分块模式”（如分块对角、分块三角），分块后才能一眼看出。

三、与相关概念的区别（初学者最容易混淆的点）#

概念	矩阵分块法	区别要点
行列式按行/列展开	分块后子块仍是矩阵；目的是简化矩阵运算	行列式展开是把行列式拆成标量的加减，最终算出一个数字；分块法是把矩阵拆成子矩阵，运算结果仍是矩阵
矩阵分解（如LU、QR、SVD）	分块是”切开看”，不改变矩阵本身	矩阵分解是把 $A$ 变成 $A = BC$ （几个矩阵的乘积），本质改变了表达形式；分块只是换一种观察角度，矩阵还是原来的矩阵
分块对角矩阵	这是分块法的一种特殊结果	分块对角矩阵是分块后非对角线全为零的特例，是分块法的应用对象之一

一句话区分：

分块 = 把蛋糕切成几块，蛋糕还是那块蛋糕
分解 = 把蛋糕做成奶油+面包+水果，原料都变了

四、在学科体系中的位置#

如果把线性代数比作一座大楼，矩阵分块法位于**“二楼到三楼的楼梯间”**：

1
一楼（基础层）：矩阵定义、加减乘、行列式
2
    ↓
3
【二楼半：矩阵分块法】 ← 你在这里
4
    ↓
5
三楼（进阶层）：分块对角化、Jordan标准型、Schur补、线性方程组的块迭代解法
6
    ↓
7
四楼（高级层）：控制理论中的状态空间分块、数值代数中的分块算法、机器学习中的分块矩阵求逆

它承上启下的作用：

承上：巩固你对矩阵运算本质的理解——矩阵运算的本质是”块与块”的关系，不是”数与数”的堆砌。
启下：没有分块思想，你很难理解为什么”分块对角矩阵的逆就是对角块分别求逆”，也无法理解Jordan标准型那种”按特征结构分块”的深刻思想。

五、两个生活化类比#

类比一：拼图（最直观）#

想象你买了一幅 $1000$ 片的超大拼图。

不分块：你把 $1000$ 片全部倒在桌上，一片一片找，效率极低。
分块：拼图背面通常有字母分区（A区、B区、C区、D区）。你先把拼图按区域分成四堆，每堆 $250$ 片。先拼好A区的小图，再拼B区……最后把四个小图拼成大图。

对应关系：

整幅大图 = 原矩阵
A区、B区的小图 = 子块（子矩阵）
每个小图本身也是一幅完整的图 = 每个子块本身也是一个合法矩阵
最后按区域拼接 = 分块矩阵按规则组合

类比二：公司组织架构（最实用）#

想象一个跨国大公司有 $10000$ 名员工。

不分块：CEO直接管理 $10000$ 个人，每个人发号施令，累死也管不过来。
分块：公司按地区分成亚太区、欧洲区、美洲区、非洲区（这是”横切”）；每个地区再按职能分成研发、市场、财务、人力（这是”竖切”）。CEO只看”大区总裁”汇报，大区总裁再看”部门经理”汇报。

对应关系：

全体员工 = 矩阵的所有元素
亚太区、欧洲区 = 横向子块（行分块）
研发部、市场部 = 纵向子块（列分块）
每个大区本身是一个完整的小公司 = 每个子块本身是一个合法矩阵
公司整体运作 = 分块矩阵的整体运算
某些大区之间没有业务往来（对应零子块）= 分块对角矩阵的稀疏性

六、给初学者的一句话总结#

矩阵分块法，就是线性代数里的”模块化思维”——它教你不要盯着每一个数字发呆，而是学会把矩阵看成由若干小矩阵组成的”乐高积木”，用搭积木的方式去理解和运算。

掌握了这个思想，你再看到大型矩阵时，就不会被满屏的数字吓倒，而是会本能地问一句：“这个矩阵，能不能切成几块来看？” ——这就是分块法植入你脑中的思维方式。

矩阵分块法例题详解#

例题一：分块矩阵乘法#

设矩阵 $A = \begin{pmatrix} 1 & 0 & 2 \\ 0 & 1 & 3 \\ 0 & 0 & 1 \end{pmatrix}, \quad B = \begin{pmatrix} 1 & 2 & 0 \\ 3 & 4 & 0 \\ 0 & 0 & 1 \end{pmatrix}$

用分块法求 $AB$ 。

详解过程#

第一步：观察矩阵结构，确定分块方式

将 $A$ 和 $B$ 按如下方式分块： $A = \begin{pmatrix} \begin{array}{cc|c} 1 & 0 & 2 \\ 0 & 1 & 3 \\ \hline 0 & 0 & 1 \end{array} \end{pmatrix} = \begin{pmatrix} E & \alpha \\ 0 & 1 \end{pmatrix}, \quad B = \begin{pmatrix} \begin{array}{cc|c} 1 & 2 & 0 \\ 3 & 4 & 0 \\ \hline 0 & 0 & 1 \end{array} \end{pmatrix} = \begin{pmatrix} C & 0 \\ 0 & 1 \end{pmatrix}$

其中 $E = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}$ ， $\alpha = \begin{pmatrix} 2 \\ 3 \end{pmatrix}$ ， $C = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}$ ， $0$ 表示相应维度的零矩阵。

（目的：将大矩阵拆成小矩阵块，使乘法运算降阶处理；思路：观察 $A$ 的右下角和 $B$ 的右下角都是 $1$ ，且 $B$ 的右上角为零块，这种分块能保证分块乘法规则适用，即前矩阵列分法与后矩阵行分法一致）

第二步：验证分块乘法相容性

$A$ 的列分法为 $2+1$ ， $B$ 的行分法为 $2+1$ ，两者一致，满足分块乘法条件。

（目的：确认分块乘法可以合法进行，避免”块”的维度不匹配导致无法运算；思路：分块矩阵乘法要求左矩阵的列分块方式与右矩阵的行分块方式完全相同，这是分块乘法的前提条件）

第三步：应用分块乘法公式

$AB = \begin{pmatrix} E & \alpha \\ 0 & 1 \end{pmatrix} \begin{pmatrix} C & 0 \\ 0 & 1 \end{pmatrix} = \begin{pmatrix} E \cdot C + \alpha \cdot 0 & E \cdot 0 + \alpha \cdot 1 \\ 0 \cdot C + 1 \cdot 0 & 0 \cdot 0 + 1 \cdot 1 \end{pmatrix} = \begin{pmatrix} EC & \alpha \\ 0 & 1 \end{pmatrix}$

（目的：利用分块矩阵乘法规则，将 $3 \times 3$ 矩阵乘法转化为低阶块运算；思路：把每个块当作”元素”按普通矩阵乘法规则计算，但注意块与块之间是矩阵乘法，顺序不可随意交换）

第四步：计算各子块

$EC = E \cdot C = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} = C$

（目的：计算左上角子块；思路：单位矩阵乘以任何矩阵等于该矩阵本身，这是单位矩阵的基本性质，可直接简化计算）

$\alpha = \begin{pmatrix} 2 \\ 3 \end{pmatrix}$

（目的：确认右上角子块直接就是原列向量 $\alpha$ ；思路：由第三步公式已得右上角为 $\alpha$ ，无需额外计算）

第五步：组装结果矩阵

$AB = \begin{pmatrix} \begin{array}{cc|c} 1 & 2 & 2 \\ 3 & 4 & 3 \\ \hline 0 & 0 & 1 \end{array} \end{pmatrix} = \begin{pmatrix} 1 & 2 & 2 \\ 3 & 4 & 3 \\ 0 & 0 & 1 \end{pmatrix}$

（目的：将各子块按原分块位置拼接成完整矩阵；思路：确保每个子块的元素位置与原分块对应，不遗漏、不错位）

第六步：直接乘法验证

直接计算 $AB$ 验证：

第一行： $(1,0,2) \cdot B = (1, 2, 2)$
第二行： $(0,1,3) \cdot B = (3, 4, 3)$
第三行： $(0,0,1) \cdot B = (0, 0, 1)$

结果一致。

（目的：检验分块乘法结果的正确性；思路：选取一行直接做矩阵乘法，与分块结果对比，确保分块过程没有错误）

例题二：分块对角矩阵求逆#

设 $A = \begin{pmatrix} 2 & 1 & 0 & 0 \\ 1 & 1 & 0 & 0 \\ 0 & 0 & 3 & 2 \\ 0 & 0 & 1 & 1 \end{pmatrix}$

求 $A^{-1}$ 。

详解过程#

第一步：观察矩阵结构，确定分块方式

$A = \begin{pmatrix} \begin{array}{cc|cc} 2 & 1 & 0 & 0 \\ 1 & 1 & 0 & 0 \\ \hline 0 & 0 & 3 & 2 \\ 0 & 0 & 1 & 1 \end{array} \end{pmatrix} = \begin{pmatrix} A_1 & 0 \\ 0 & A_2 \end{pmatrix}$

其中 $A_1 = \begin{pmatrix} 2 & 1 \\ 1 & 1 \end{pmatrix}$ ， $A_2 = \begin{pmatrix} 3 & 2 \\ 1 & 1 \end{pmatrix}$ ， $0$ 为 $2 \times 2$ 零矩阵。

（目的：将 $4 \times 4$ 矩阵分解为分块对角矩阵，以便利用分块对角矩阵求逆公式；思路：观察到非零元素集中在主对角线的两个 $2 \times 2$ 方块内，其余位置为零，这是典型的可分块对角化的结构）

第二步：验证分块对角矩阵求逆条件

分块对角矩阵的逆矩阵公式： $\begin{pmatrix} A_1 & 0 \\ 0 & A_2 \end{pmatrix}^{-1} = \begin{pmatrix} A_1^{-1} & 0 \\ 0 & A_2^{-1} \end{pmatrix}$

前提是 $A_1, A_2$ 均可逆。

（目的：确认可以应用分块对角矩阵求逆公式；思路：分块对角矩阵求逆的充要条件是各对角块均可逆，因此需要先计算各对角块的行列式判断是否可逆）

第三步：判断 $A_1$ 是否可逆

$|A_1| = \begin{vmatrix} 2 & 1 \\ 1 & 1 \end{vmatrix} = 2 \times 1 - 1 \times 1 = 1 \neq 0$

（目的：验证第一个对角块 $A_1$ 可逆；思路：计算二阶行列式，若不为零则矩阵可逆，这里 $|A_1|=1$ 满足条件）

第四步：求 $A_1^{-1}$

对于二阶矩阵 $\begin{pmatrix} a & b \\ c & d \end{pmatrix}$ ，逆矩阵为 $\frac{1}{ad-bc}\begin{pmatrix} d & -b \\ -c & a \end{pmatrix}$ 。

$A_1^{-1} = \frac{1}{1} \begin{pmatrix} 1 & -1 \\ -1 & 2 \end{pmatrix} = \begin{pmatrix} 1 & -1 \\ -1 & 2 \end{pmatrix}$

（目的：利用二阶矩阵求逆公式快速求出 $A_1^{-1}$ ；思路：二阶矩阵逆有现成公式，主对角线元素互换，副对角线元素变号，再除以行列式）

第五步：判断 $A_2$ 是否可逆

$|A_2| = \begin{vmatrix} 3 & 2 \\ 1 & 1 \end{vmatrix} = 3 \times 1 - 2 \times 1 = 1 \neq 0$

（目的：验证第二个对角块 $A_2$ 可逆；思路：同第三步，确保第二个对角块也可逆，才能应用分块对角求逆公式）

第六步：求 $A_2^{-1}$

$A_2^{-1} = \frac{1}{1} \begin{pmatrix} 1 & -2 \\ -1 & 3 \end{pmatrix} = \begin{pmatrix} 1 & -2 \\ -1 & 3 \end{pmatrix}$

（目的：求出第二个对角块的逆矩阵；思路：与第四步相同，使用二阶矩阵求逆公式）

第七步：组装 $A^{-1}$

$A^{-1} = \begin{pmatrix} A_1^{-1} & 0 \\ 0 & A_2^{-1} \end{pmatrix} = \begin{pmatrix} \begin{array}{cc|cc} 1 & -1 & 0 & 0 \\ -1 & 2 & 0 & 0 \\ \hline 0 & 0 & 1 & -2 \\ 0 & 0 & -1 & 3 \end{array} \end{pmatrix}$

（目的：利用分块对角矩阵求逆公式拼接最终结果；思路：分块对角矩阵的逆仍然是分块对角矩阵，各对角块分别取逆，非对角块保持为零矩阵）

第八步：验证 $A \cdot A^{-1} = E$

计算 $A_1 \cdot A_1^{-1}$ ： $\begin{pmatrix} 2 & 1 \\ 1 & 1 \end{pmatrix} \begin{pmatrix} 1 & -1 \\ -1 & 2 \end{pmatrix} = \begin{pmatrix} 2-1 & -2+2 \\ 1-1 & -1+2 \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}$

同理 $A_2 \cdot A_2^{-1} = E$ 。

（目的：验证求逆结果的正确性；思路：只需验证各对角块相乘是否为单位矩阵，因为分块对角矩阵的乘积也是对角块分别相乘）

例题三：分块三角矩阵求逆（上三角分块）#

设 $M = \begin{pmatrix} A & C \\ 0 & B \end{pmatrix}$

其中 $A$ 为 $m$ 阶可逆矩阵， $B$ 为 $n$ 阶可逆矩阵， $C$ 为 $m \times n$ 矩阵， $0$ 为 $n \times m$ 零矩阵。

求 $M^{-1}$ 。

详解过程#

第一步：设出逆矩阵的分块形式

设 $M^{-1} = \begin{pmatrix} X & Y \\ Z & W \end{pmatrix}$

其中 $X$ 为 $m \times m$ ， $Y$ 为 $m \times n$ ， $Z$ 为 $n \times m$ ， $W$ 为 $n \times n$ 。

（目的：将待求的逆矩阵按与 $M$ 相容的方式分块，使乘法可进行；思路： $M$ 是 $(m+n) \times (m+n)$ 矩阵，其逆也应同阶，按相同维度分块，才能建立方程组求解各子块）

第二步：利用逆矩阵定义建立方程

由 $M \cdot M^{-1} = E$ ，有： $\begin{pmatrix} A & C \\ 0 & B \end{pmatrix} \begin{pmatrix} X & Y \\ Z & W \end{pmatrix} = \begin{pmatrix} E_m & 0 \\ 0 & E_n \end{pmatrix}$

（目的：将矩阵求逆问题转化为矩阵方程；思路：逆矩阵的定义是 $MM^{-1}=E$ ，将分块形式代入，利用分块乘法展开）

第三步：按分块乘法展开等式左边

$\begin{pmatrix} AX + CZ & AY + CW \\ 0 \cdot X + BZ & 0 \cdot Y + BW \end{pmatrix} = \begin{pmatrix} AX + CZ & AY + CW \\ BZ & BW \end{pmatrix}$

（目的：计算分块矩阵乘积，得到各子块的表达式；思路：把每个块当作元素按矩阵乘法规则运算，注意零矩阵与任何矩阵相乘仍为零矩阵）

第四步：建立子块方程组

对比两边对应子块： $\begin{cases} AX + CZ = E_m & (1) \\ AY + CW = 0 & (2) \\ BZ = 0 & (3) \\ BW = E_n & (4) \end{cases}$

（目的：将矩阵方程分解为四个独立的子块方程；思路：两个分块矩阵相等当且仅当对应位置的子块相等，因此得到四个矩阵方程）

第五步：从最简单的方程求解

由方程 $(3)$ ： $BZ = 0$ 。

因为 $B$ 可逆，两边左乘 $B^{-1}$ ： $Z = B^{-1} \cdot 0 = 0$

（目的：先求解最容易确定的子块 $Z$ ；思路：方程 $BZ=0$ 中 $B$ 可逆，左乘逆矩阵即可消去 $B$ ，得到 $Z=0$ ）

第六步：求解 $W$

由方程 $(4)$ ： $BW = E_n$ 。

因为 $B$ 可逆，两边左乘 $B^{-1}$ ： $W = B^{-1}$

（目的：求解右下角子块 $W$ ；思路： $BW=E_n$ 直接说明 $W$ 就是 $B$ 的逆矩阵）

第七步：求解 $X$

将 $Z = 0$ 代入方程 $(1)$ ： $AX + C \cdot 0 = E_m \Rightarrow AX = E_m$

因为 $A$ 可逆，两边左乘 $A^{-1}$ ： $X = A^{-1}$

（目的：求解左上角子块 $X$ ；思路：代入已求得的 $Z=0$ 简化方程，再利用 $A$ 可逆的条件解出 $X$ ）

第八步：求解 $Y$

将 $W = B^{-1}$ 代入方程 $(2)$ ： $AY + C \cdot B^{-1} = 0 \Rightarrow AY = -CB^{-1}$

两边左乘 $A^{-1}$ ： $Y = -A^{-1}CB^{-1}$

（目的：求解右上角子块 $Y$ ；思路：这是四个子块中最复杂的一个，需要移项后左乘 $A^{-1}$ ，注意矩阵乘法顺序不可交换）

第九步：组装最终结果

$M^{-1} = \begin{pmatrix} A^{-1} & -A^{-1}CB^{-1} \\ 0 & B^{-1} \end{pmatrix}$

（目的：将四个子块汇总，得到上三角分块矩阵的逆矩阵公式；思路：对比分块对角矩阵的逆，发现上三角分块矩阵的逆仍保持上三角结构，但右上角多了修正项 $-A^{-1}CB^{-1}$ ）

第十步：结论与记忆

上三角分块矩阵的逆矩阵公式： $\boxed{\begin{pmatrix} A & C \\ 0 & B \end{pmatrix}^{-1} = \begin{pmatrix} A^{-1} & -A^{-1}CB^{-1} \\ 0 & B^{-1} \end{pmatrix}}$

（目的：给出可复用的公式，便于今后直接应用；思路：该公式是重要结论，当 $C=0$ 时退化为分块对角矩阵求逆公式，可作为特例验证）

分块上三角矩阵求逆：为什么要用逆矩阵定义建立方程？#

这是一个非常好的”元问题”——不是问”怎么算”，而是问”为什么这条路是对的”。让我从三个层面来拆解。

一、直接写公式为什么不行？#

假设有一个分块上三角矩阵：

$A = \begin{pmatrix} A_{11} & A_{12} \\ O & A_{22} \end{pmatrix}$

其中 $A_{11}$ 和 $A_{22}$ 都是可逆方阵。

你第一反应可能是：“上三角矩阵的逆还是上三角的，那直接对每一块取逆不就行了？”

$A^{-1} \stackrel{?}{=} \begin{pmatrix} A_{11}^{-1} & A_{12}^{-1} \\ O & A_{22}^{-1} \end{pmatrix}$

但这个是错的。 问题出在哪？

$A_{12}$ 不一定是方阵，它可能根本没有逆！
即使 $A_{12}$ 是方阵，这个公式也不满足 $AA^{-1}=I$ 的验证。

（这就好比普通 $2\times2$ 上三角矩阵 $\begin{pmatrix} a & b \\ 0 & d \end{pmatrix}$ ，你不能直接把逆写成 $\begin{pmatrix} 1/a & 1/b \\ 0 & 1/d \end{pmatrix}$ ，因为 $b$ 可能为0，而且乘起来也不对。）

二、为什么”设未知数 + 用定义”是必由之路？#

既然直接猜公式不靠谱，那就只能先假设逆矩阵的形式，再用定义去确定它。

核心思路：利用 $AA^{-1} = I$ #

设： $A^{-1} = \begin{pmatrix} X & Y \\ Z & W \end{pmatrix}$

然后计算 $AA^{-1} = I$ ：

$\begin{pmatrix} A_{11} & A_{12} \\ O & A_{22} \end{pmatrix} \begin{pmatrix} X & Y \\ Z & W \end{pmatrix} = \begin{pmatrix} I & O \\ O & I \end{pmatrix}$

展开乘法得到四个方程：

位置	方程	求解
左上	$A_{11}X + A_{12}Z = I$	先解
左下	$A_{22}Z = O$	最简单，先突破口
右上	$A_{11}Y + A_{12}W = O$	后解
右下	$A_{22}W = I$	最简单，先突破口

为什么这个方法”必然成功”？#

1. 它把”求逆”转化成了”解矩阵方程”

求逆是一个”找”的问题，而解方程是一个”算”的问题。
一旦设出未知数，矩阵乘法规则就自动帮你列出约束条件，你只需按部就班求解。

2. 它天然利用了分块三角的结构

左下角是 $O$ ，导致左下位置的方程 $A_{22}Z = O$ 特别简单，直接推出 $Z = O$ 。
右下位置的方程 $A_{22}W = I$ 直接给出 $W = A_{22}^{-1}$ 。
这种零块带来的简化是结构馈赠的，只有用定义才能”触发”它。

3. 它不需要你预先知道答案的形状

你不需要”猜”逆矩阵长什么样，只需要设四个未知块。
计算过程中，零块的位置会自动告诉你逆矩阵的零块在哪里。

三、一个直观类比：像解”密码锁”#

想象逆矩阵是一个四位密码锁，每一位是一个分块：

$\begin{pmatrix} X & Y \\ Z & W \end{pmatrix}$

你不知道密码是什么，但你知道验证规则： $AA^{-1} = I$ 。

于是你把矩阵乘进去，得到四个”验证灯”：

左下灯亮了 → $A_{22}Z = O$ → 密码位 $Z$ 必须是 $O$
右下灯亮了 → $A_{22}W = I$ → 密码位 $W$ 必须是 $A_{22}^{-1}$
左上灯亮了 → $A_{11}X = I$ → 密码位 $X$ 必须是 $A_{11}^{-1}$
右上灯亮了 → $A_{11}Y + A_{12}W = O$ → 密码位 $Y = -A_{11}^{-1}A_{12}A_{22}^{-1}$

关键洞察： 如果没有”验证规则”（逆矩阵定义），你就是在盲猜密码；有了定义，你就有了系统性求解的约束条件。

四、最终结论#

问题	答案
为什么不能直接写公式？	因为非对角块 $A_{12}$ 不一定可逆，且即使可逆也不满足 $AA^{-1}=I$
为什么要用定义建立方程？	因为定义 $AA^{-1}=I$ 提供了唯一且充分的约束条件，把”找逆矩阵”变成”解矩阵方程”
这个方法的核心优势？	零假设、全利用：不需要预先知道答案形式，矩阵结构（如零块）会自动简化计算

五、完整结果（供你记忆）#

对于分块上三角矩阵：

$A = \begin{pmatrix} A_{11} & A_{12} \\ O & A_{22} \end{pmatrix}$

其逆矩阵为：

（对比普通上三角矩阵 $\begin{pmatrix} a & b \\ 0 & d \end{pmatrix}$ 的逆 $\begin{pmatrix} 1/a & -b/(ad) \\ 0 & 1/d \end{pmatrix}$ ，结构完全一致！）

如果你需要，我可以接着出一道分块上三角矩阵求逆的例题，给出每一步的详细解析，并在每步后面用小括号标注推理思路。

余子式求法：从零基础到考试速算#

一、先记住两个”长相”（概念）#

名称	符号	怎么算	用途
余子式	$M_{ij}$	划掉第 $i$ 行、第 $j$ 列，剩下元素拼成的行列式	不太常用，是中间步骤
代数余子式	$A_{ij}$	$A_{ij}=(-1)^{i+j}\cdot M_{ij}$ （余子式前面加个正负号）	考试核心，展开定理用它

一句话记忆：代数余子式 = 余子式 × $(-1)^{i+j}$

二、正负号怎么快速判断？（棋盘法）#

不用每次都算 $(-1)^{i+j}$ ，直接看位置：

$\begin{pmatrix} + & - & + & - \\ - & + & - & + \\ + & - & + & - \\ - & + & - & + \end{pmatrix}$

（左上角永远是 $+$ ，然后像国际象棋棋盘一样交替）

三、四大类型逐个击破#

【类型一】低阶行列式（2阶、3阶）——直接划掉算#

例题：求 $D=\begin{vmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{vmatrix}$ 中 $A_{23}$ （第2行第3列的代数余子式）

解：

第一步：定位元素 $a_{23}=6$ （第2行第3列）（明确目标，知道划哪行哪列）

第二步：划掉第2行、第3列，剩下 $\begin{vmatrix} 1 & 2 \\ 7 & 8 \end{vmatrix}$ （余子式的定义：去掉所在行和列，剩余元素保持相对位置不变）

第三步：算余子式 $M_{23} = 1\times8 - 2\times7 = 8-14 = -6$ （2阶行列式对角线法则：主对角线减副对角线）

第四步：定符号。位置 $(2,3)$ ，棋盘上看是 $-$ 号（或用 $(-1)^{2+3}=(-1)^5=-1$ ）（用行号加列号的奇偶性判断正负，避免符号错误）

第五步： $A_{23} = (-1)^{2+3}\cdot M_{23} = (-1)\times(-6) = 6$ （代数余子式 = 符号 × 余子式，完成定义套用）

【类型二】含零元素多的行列式——选”零最多”的行/列展开#

核心技巧：按某行（列）展开时，如果 $a_{ij}=0$ ，则 $a_{ij}A_{ij}=0$ ，这一项不用算！

例题：求 $D=\begin{vmatrix} 1 & 0 & 2 & 0 \\ 3 & 4 & 5 & 0 \\ 0 & 6 & 0 & 0 \\ 7 & 8 & 9 & 1 \end{vmatrix}$ ，按第3行展开

解：

第一步：观察第3行： $(0,\ 6,\ 0,\ 0)$ ，只有一个非零元素 $a_{32}=6$ （选零最多的行/列，可以大幅减少计算量，这是展开定理的实战技巧）

第二步：按第3行展开： $D = a_{31}A_{31}+a_{32}A_{32}+a_{33}A_{33}+a_{34}A_{34}$ （写出展开定理的一般形式，确保公式正确）

第三步：因为 $a_{31}=a_{33}=a_{34}=0$ ，所以只需算 $a_{32}A_{32}=6A_{32}$ （零元素对应的代数余子式直接消失，这是选零行展开的根本原因）

第四步：求 $A_{32}$ 。划掉第3行第2列： $M_{32}=\begin{vmatrix} 1 & 2 & 0 \\ 3 & 5 & 0 \\ 7 & 9 & 1 \end{vmatrix}$ （保持剩余元素的相对位置，不要重新排列）

第五步：算这个3阶行列式。按第3列展开（因为有两个0）： $M_{32} = 0\cdot(\cdots)+0\cdot(\cdots)+1\cdot(-1)^{3+3}\begin{vmatrix} 1 & 2 \\ 3 & 5 \end{vmatrix} = 1\times(5-6) = -1$ （再次利用零元素简化，3阶降为2阶，降阶是展开法的核心目的）

第六步：定符号： $(-1)^{3+2}=(-1)^5=-1$ （位置 $(3,2)$ 在棋盘上是负号）

第七步： $A_{32}=(-1)\times(-1)=1$ （符号 × 余子式）

第八步： $D = 6\times 1 = 6$ （回代到展开式，得到最终结果）

【类型三】求某行（列）全部代数余子式之和——换行法#

题型：不让你求行列式，而是求 $A_{i1}+A_{i2}+\cdots+A_{in}$

核心技巧：把原行列式的第 $i$ 行换成全1，新行列式的值就是所求！

为什么？ 因为按第 $i$ 行展开： $1\cdot A_{i1}+1\cdot A_{i2}+\cdots+1\cdot A_{in}$

例题：已知 $D=\begin{vmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{vmatrix}$ ，求 $A_{21}+A_{22}+A_{23}$

解：

第一步：构造新行列式，把第2行换成 $(1,1,1)$ ： $D'=\begin{vmatrix} 1 & 2 & 3 \\ 1 & 1 & 1 \\ 7 & 8 & 9 \end{vmatrix}$ （换行法的原理：代数余子式只与”位置”有关，与该行元素数值无关，所以可以把系数1直接作为新行元素）这是一个非常深刻的问题，它触及了行列式展开定理的核心设计思想。让我从定义出发，一步步拆解。

#一、代数余子式的定义回顾

对于 $n$ 阶行列式 $D = |a_{ij}|$ ，元素 $a_{ij}$ （位于第 $i$ 行、第 $j$ 列）的代数余子式定义为：

$A_{ij} = (-1)^{i+j} \cdot M_{ij}$

其中 $M_{ij}$ 是余子式，即：划去第 $i$ 行和第 $j$ 列后，剩余元素按原顺序构成的 $(n-1)$ 阶行列式。

#二、为什么”只与位置有关，与元素数值无关”？

关键观察：划去操作的本质

计算 $M_{ij}$ 时，第一步就是把第 $i$ 行和第 $j$ 列整个删除（划去）。（这一步的推理思路：余子式的定义明确要求”去掉该元素所在的行和列”，这是构造余子式的第一步操作。）

这意味着：元素 $a_{ij}$ 本身，以及第 $i$ 行的所有其他元素、第 $j$ 列的所有其他元素，都不会出现在 $M_{ij}$ 中。 （这一步的推理思路：既然整行整列被删除了，那么该位置上的具体数值自然无法参与后续的计算，这是”与元素数值无关”的直接原因。）

$M_{ij}$ 只由剩余 $(n-1)^2$ 个元素构成，而这些元素的位置关系是固定的——它们原本就分布在除第 $i$ 行、第 $j$ 列以外的区域。（这一步的推理思路：虽然具体数值会变，但”哪些位置的元素被保留下来”完全由 $(i,j)$ 决定，所以余子式的结构只取决于位置。）

因此， $A_{ij} = (-1)^{i+j} M_{ij}$ 的数值：

符号部分 $(-1)^{i+j}$ ：只取决于行号 $i$ 和列号 $j$ （即位置）
余子式部分 $M_{ij}$ ：只取决于”剩下哪些元素”，而”剩下谁”完全由 $(i,j)$ 决定

结论： $A_{ij}$ 的表达式中完全不出现 $a_{ij}$ 这个符号，它只由位置 $(i,j)$ 决定。 （这一步的推理思路：综合符号和余子式两部分，两者都只与位置索引有关，代数余子式的定义式中没有任何一项包含 $a_{ij}$ 本身。）

三、用一个具体例子验证

考虑三阶行列式：

$D = \begin{vmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{vmatrix}$

计算 $a_{23}$ （第2行第3列）的代数余子式 $A_{23}$ ：

Step 1：划去第2行、第3列 $\begin{vmatrix} a_{11} & a_{12} & \cancel{a_{13}} \\ \cancel{a_{21}} & \cancel{a_{22}} & \cancel{a_{23}} \\ a_{31} & a_{32} & \cancel{a_{33}} \end{vmatrix}$

Step 2：剩余元素构成余子式 $M_{23} = \begin{vmatrix} a_{11} & a_{12} \\ a_{31} & a_{32} \end{vmatrix} = a_{11}a_{32} - a_{12}a_{31}$

Step 3：加上符号 $A_{23} = (-1)^{2+3} M_{23} = -M_{23} = -(a_{11}a_{32} - a_{12}a_{31})$

观察结果：在 $A_{23}$ 的最终表达式中， $a_{23}$ 完全没有出现。无论 $a_{23}$ 等于 $0$ 、 $5$ 还是 $100$ ， $A_{23}$ 的值都保持不变。（这一步的推理思路：通过具体计算验证理论推断，确认被划去的行列中的元素确实不参与代数余子式的构成。）

#四、生活化类比：剧场的”座位属性”

想象一个剧院有 $n \times n$ 个座位，每个座位上坐着不同观众（代表元素 $a_{ij}$ ）。

代数余子式 $A_{ij}$ 就像是”第 $i$ 排第 $j$ 号座位”的周边影响力评分。
计算这个评分时，规则是：忽略该座位上的观众是谁，只看该座位所在的整排和整列被封锁后，剩余观众的互动关系。（这一步的类比思路：用座位位置替代矩阵位置，用观众身份替代元素数值，说明”评价的是位置本身，而非坐在该位置的人”。）

所以，无论你让谁坐在 $(2,3)$ 这个位置——明星还是路人——只要位置不变，“封锁第2排第3列后剩余观众的互动模式”就不会变，评分也就固定。

#五、这个性质在学科中的位置与意义

它是行列式按行（列）展开定理的基石

$D = a_{i1}A_{i1} + a_{i2}A_{i2} + \cdots + a_{in}A_{in}$

这个公式把行列式拆成了”该行元素”与”对应代数余子式”的乘积之和。正因为 $A_{ij}$ 与 $a_{ij}$ 无关，我们才能：

把某行元素换成其他数，直接得到一个新的行列式值（这是克拉默法则和求逆矩阵的核心技巧）
按零元素最多的行/列展开，大大简化计算（因为零元素乘任何余子式都是零）

与相关概念的区别

概念	是否包含 $a_{ij}$	依赖关系
元素 $a_{ij}$	本身就是	数值 + 位置
余子式 $M_{ij}$	否	只与位置有关
代数余子式 $A_{ij}$	否	只与位置有关
展开项 $a_{ij}A_{ij}$	是	元素与位置的耦合

一个进阶视角：线性映射的”坐标无关性”

从更高层次看，代数余子式本质上是外代数中基向量的对偶运算。它衡量的是”去掉某个维度后，剩余维度的体积缩放率”。这种体积率只取决于”去掉的是哪个维度”（位置），而与该维度上的具体坐标值无关——这体现了数学中”结构决定性质，数值只是表象”的思想。

总结

代数余子式只与位置有关，根本原因在于它的构造过程就是先删除该元素所在的整行整列。被删除的元素自然无法参与后续计算，因此代数余子式变成了一种纯粹的”位置属性”——它描述的是该位置在行列式整体结构中的”权重”或”贡献系数”，而非该位置上的具体数值。 第二步：算 $D'$ 。用第2行展开最简单（因为元素都是1）： $D' = 1\cdot A_{21}+1\cdot A_{22}+1\cdot A_{23}$ （这正是我们要求的和，验证换行法的正确性）

第三步：直接算 $D'$ （用行变换简化）： $D' = \begin{vmatrix} 1 & 2 & 3 \\ 1 & 1 & 1 \\ 7 & 8 & 9 \end{vmatrix} \xrightarrow{r_2-r_1} \begin{vmatrix} 1 & 2 & 3 \\ 0 & -1 & -2 \\ 7 & 8 & 9 \end{vmatrix}$ （行变换制造零元素，为展开做准备）

第四步：按第2行展开： $D' = (-1)\cdot(-1)^{2+2}\begin{vmatrix} 1 & 3 \\ 7 & 9 \end{vmatrix} + (-2)\cdot(-1)^{2+3}\begin{vmatrix} 1 & 2 \\ 7 & 8 \end{vmatrix}$ （展开定理的正式应用，注意每个元素的符号）

第五步： $= (-1)\times(9-21) + (-2)\times(-1)\times(8-14)$ （分别计算2阶行列式）

第六步： $= (-1)\times(-12) + 2\times(-6) = 12 - 12 = 0$ （代数运算，得出最终结果）

所以 $A_{21}+A_{22}+A_{23}=0$

【类型四】伴随矩阵与逆矩阵中的余子式——转置关系#

核心公式： $A^* = (A_{ij})^T$ （伴随矩阵是代数余子式矩阵的转置）

例题：已知 $A=\begin{pmatrix} a & b \\ c & d \end{pmatrix}$ ，求 $A^*$

解：

第一步：逐个求代数余子式：

$A_{11}=(-1)^{1+1}\cdot d = d$
$A_{12}=(-1)^{1+2}\cdot c = -c$
$A_{21}=(-1)^{2+1}\cdot b = -b$
$A_{22}=(-1)^{2+2}\cdot a = a$ （按定义逐一计算，注意2阶矩阵的余子式就是单个元素）

第二步：拼成代数余子式矩阵： $\begin{pmatrix} A_{11} & A_{12} \\ A_{21} & A_{22} \end{pmatrix} = \begin{pmatrix} d & -c \\ -b & a \end{pmatrix}$ （先按原位置摆放，这是中间矩阵）

第三步：转置得到伴随矩阵： $A^* = \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}$ （伴随矩阵的定义要求转置，这是最容易忘记的一步！）

2阶速记口诀：主对角线互换，副对角线变号。

四、一张表总结所有技巧#

遇到什么情况	用什么方法	关键操作
单纯求某个 $A_{ij}$	直接定义法	划行划列 → 算余子式 → 定符号
算行列式值	按零最多的行/列展开	找含0最多的行，减少计算量
求某行全部 $A_{ij}$ 之和	换行法	把该行换成全1，算新行列式
2阶矩阵求伴随	口诀法	主换副变号
怕符号错	棋盘法	画 $+-\ +- \dots$ 对照

需要我针对其中某一类，出一道从零基础到考试难度的递进例题吗？

余子式递进例题：从零基础到考试难度#

题1：零基础（直接求代数余子式）#

题目：已知 $D=\begin{vmatrix} 2 & 1 & 3 \\ 0 & 4 & 1 \\ 5 & 2 & 6 \end{vmatrix}$ ，求 $A_{23}$ （第2行第3列的代数余子式）。

解析：

第一步：定位目标元素 $a_{23}$ 。（明确要处理的是第2行、第3列交叉处的元素，值为 $1$ ）

第二步：划掉第2行和第3列，剩余元素按原相对位置组成余子式： $M_{23}=\begin{vmatrix} 2 & 1 \\ 5 & 2 \end{vmatrix}$ （余子式的定义：去掉元素所在行和列，剩余元素位置不变，保持原行列结构）

第三步：计算余子式 $M_{23}$ ： $M_{23}=2\times2-1\times5=4-5=-1$ （2阶行列式用对角线法则：主对角线乘积减去副对角线乘积）

第四步：确定符号。位置 $(2,3)$ ，用公式 $(-1)^{2+3}=(-1)^5=-1$ 。（代数余子式与余子式仅差一个符号，符号由行号与列号之和的奇偶性决定；也可查棋盘：第2行第3列是 $-$ 号）

第五步：计算代数余子式： $A_{23}=(-1)^{2+3}\cdot M_{23}=(-1)\times(-1)=1$ （将符号与余子式相乘，得到最终结果）

答案： $A_{23}=1$

题2：进阶（按零行展开求行列式）#

题目：计算行列式 $D=\begin{vmatrix} 3 & 0 & 1 & 0 \\ 2 & 5 & 4 & 0 \\ 0 & 0 & 2 & 0 \\ 1 & 3 & 6 & 7 \end{vmatrix}$ 。

解析：

第一步：观察各行零元素个数，选择零最多的行展开。（展开定理： $D=\sum a_{ij}A_{ij}$ ；若 $a_{ij}=0$ ，则该项为 $0$ ，无需计算对应的 $A_{ij}$ ，因此选零行可大幅减少计算量）

第二步：发现第3行 $(0,\ 0,\ 2,\ 0)$ 只有一个非零元 $a_{33}=2$ ，决定按第3行展开。（第3行有3个零，是四行中零最多的，按此行展开只需算一个代数余子式）

第三步：写出展开式： $D=a_{33}\cdot A_{33}=2\cdot A_{33}$ （其余三项 $a_{31}A_{31}, a_{32}A_{32}, a_{34}A_{34}$ 因系数为0而自动消失）

第四步：求 $A_{33}$ 。划掉第3行第3列： $M_{33}=\begin{vmatrix} 3 & 0 & 0 \\ 2 & 5 & 0 \\ 1 & 3 & 7 \end{vmatrix}$ （保持剩余元素的相对位置不变，不要调换行列顺序）

第五步：计算 $M_{33}$ 。观察到这是一个下三角行列式（主对角线以上元素全为0）。（下三角行列式的值等于主对角线元素之积，这是行列式的基本性质，比展开更快）

第六步： $M_{33}=3\times5\times7=105$ （下三角行列式公式： $D=a_{11}a_{22}\cdots a_{nn}$ ）

第七步：定符号： $(-1)^{3+3}=(-1)^6=1$ （行号加列号为偶数，符号为正）

第八步： $A_{33}=1\times105=105$ （符号乘以余子式）

第九步：回代： $D=2\times105=210$ （将 $A_{33}$ 代入展开式，得到最终结果）

答案： $D=210$

题3：技巧型（代数余子式之和——换行法）#

题目：已知 $D=\begin{vmatrix} 1 & 2 & 3 & 4 \\ 1 & 2 & 0 & 5 \\ 2 & 0 & 1 & 3 \\ 1 & 1 & 1 & 1 \end{vmatrix}$ ，求 $A_{31}+A_{32}+A_{33}+A_{34}$ （第3行全部代数余子式之和）。

解析：

第一步：识别题型。题目求的是”某行代数余子式线性组合”，系数均为 $1$ 。（这类题不直接算4个代数余子式再相加，而是用换行法一步解决）

第二步：利用核心原理：代数余子式 $A_{3j}$ 只与位置 $(3,j)$ 有关，与第3行元素具体数值无关。（换行法的理论依据： $A_{ij}$ 是划掉第 $i$ 行后计算的，因此第 $i$ 行元素不参与 $A_{ij}$ 的计算）

第三步：构造新行列式 $D'$ ：将原行列式第3行换成系数 $(1,1,1,1)$ ，其余行不变。 $D'=\begin{vmatrix} 1 & 2 & 3 & 4 \\ 1 & 2 & 0 & 5 \\ 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 \end{vmatrix}$ （按第3行展开 $D'$ 得： $1\cdot A_{31}+1\cdot A_{32}+1\cdot A_{33}+1\cdot A_{34}$ ，恰好是所求）

第四步：观察 $D'$ ，发现第3行与第4行完全相同。（两行相同是行列式的重要性质线索）

第五步：根据行列式性质：若两行相同，则行列式值为 $0$ 。（行列式性质：交换两行变号，若两行相同则 $D=-D$ ，故 $D=0$ ）

第六步：因此 $A_{31}+A_{32}+A_{33}+A_{34}=D'=0$ （换行法将”求和”转化为”求行列式”，利用性质直接得答案）

答案： $0$

题4：考试难度（余子式之和——陷阱与转化）#

题目：已知 $D=\begin{vmatrix} 1 & 0 & 2 & 0 \\ 3 & 1 & 5 & 0 \\ 2 & 0 & 1 & 0 \\ 1 & 2 & 3 & 4 \end{vmatrix}$ ，求 $M_{41}+M_{42}+M_{43}+M_{44}$ 。

解析：

第一步：审题。题目求的是余子式之和，不是代数余子式之和。（这是常见陷阱： $M_{ij}$ 与 $A_{ij}$ 差一个符号 $(-1)^{i+j}$ ，必须先统一成代数余子式才能用换行法）

第二步：建立 $M_{4j}$ 与 $A_{4j}$ 的关系。第4行各列：

$j=1$ ： $M_{41}=(-1)^{4+1}A_{41}=-A_{41}$
$j=2$ ： $M_{42}=(-1)^{4+2}A_{42}=+A_{42}$
$j=3$ ： $M_{43}=(-1)^{4+3}A_{43}=-A_{43}$
$j=4$ ： $M_{44}=(-1)^{4+4}A_{44}=+A_{44}$ （逐个套用公式 $M_{ij}=(-1)^{i+j}A_{ij}$ ，注意第4行符号规律是 $-,\ +,\ -,\ +$ ）

第三步：原式转化为代数余子式的线性组合： $M_{41}+M_{42}+M_{43}+M_{44}=-A_{41}+A_{42}-A_{43}+A_{44}$ （将余子式全部替换为带符号的代数余子式，统一工具）

第四步：应用换行法。构造新行列式 $D'$ ：将第4行换成系数 $(-1,\ 1,\ -1,\ 1)$ 。 $D'=\begin{vmatrix} 1 & 0 & 2 & 0 \\ 3 & 1 & 5 & 0 \\ 2 & 0 & 1 & 0 \\ -1 & 1 & -1 & 1 \end{vmatrix}$ （按第4行展开 $D'$ 恰好得到 $-A_{41}+A_{42}-A_{43}+A_{44}$ ，即所求表达式）

第五步：计算 $D'$ 。观察第4列有三个 $0$ ，按第4列展开。（选含零最多的列展开，减少计算量；第4列只有 $a_{44}=1$ 非零）

第六步：写出展开式： $D'=a_{44}\cdot A_{44}=1\cdot(-1)^{4+4}\cdot M_{44}=M_{44}$ （其余三项因系数为0而消失，只需算一个3阶余子式）

第七步：求 $M_{44}$ ，划掉第4行第4列： $M_{44}=\begin{vmatrix} 1 & 0 & 2 \\ 3 & 1 & 5 \\ 2 & 0 & 1 \end{vmatrix}$ （保持剩余元素相对位置不变）

第八步：计算此3阶行列式。观察到第2列有两个 $0$ ，按第2列展开。（继续利用零元素简化：第2列元素为 $0, 1, 0$ ，只有一个非零元）

第九步： $M_{44}=1\cdot(-1)^{2+2}\begin{vmatrix} 1 & 2 \\ 2 & 1 \end{vmatrix}=1\times(1\times1-2\times2)=1-4=-3$ （2阶行列式对角线法则：主减副）

第十步：因此 $M_{41}+M_{42}+M_{43}+M_{44}=D'=-3$ （回代得到最终结果）

答案： $-3$

四题对比总结#

层次	核心考点	关键动作	易错点
题1	代数余子式定义	划行划列 → 算2阶 → 定符号	符号 $(-1)^{i+j}$ 算错
题2	按零行展开	找零最多的行 → 降阶为三角行列式	忘记下三角可直接乘对角线
题3	换行法（代数余子式之和）	把该行换成系数 → 算新行列式	误把原行列式值当答案
题4	换行法（余子式之和）	先转化： $M_{ij}=(-1)^{i+j}A_{ij}$ → 再换行	直接换行，忘记符号转化

需要我再出一道结合伴随矩阵与逆矩阵的余子式综合题，或者针对其中某一题再变个数字让你练手吗？

拉普拉斯展开：把高阶行列式”降维打击”#

一、一句话定义#

拉普拉斯展开就是：把 $n$ 阶行列式，按某一行（或某一列）拆成 $n$ 个”元素 × 代数余子式”相加，从而把 $n$ 阶降为 $(n-1)$ 阶。

说白了：大行列式变小行列式，直到变到 2 阶就能直接算。

二、核心公式#

按第 $i$ 行展开：#

$D = a_{i1}A_{i1} + a_{i2}A_{i2} + \cdots + a_{in}A_{in}$

按第 $j$ 列展开：#

$D = a_{1j}A_{1j} + a_{2j}A_{2j} + \cdots + a_{nj}A_{nj}$

其中 $A_{ij}=(-1)^{i+j}M_{ij}$ 就是刚才学的代数余子式。

三、为什么这个方法”必学”？#

直接算	拉普拉斯展开
4阶行列式 = 24项加减（容易漏/错）	4阶 → 4个3阶 → 继续降阶
5阶 = 120项，手算不可能	5阶 → 5个4阶 → 层层降下去
没有规律，纯靠暴力	有规律，配合”零元素”极快

核心思想：降阶。把高阶拆成低阶，像剥洋葱一样一层层剥。

四、实战操作四步曲#

$\boxed{\text{找零行/零列} \rightarrow \text{写出展开式} \rightarrow \text{算代数余子式} \rightarrow \text{降阶递归}}$

五、递进例题#

【题1】基础：3阶行列式（验证公式）#

题目：用拉普拉斯展开计算 $D=\begin{vmatrix} 1 & 2 & 3 \\ 0 & 4 & 5 \\ 0 & 0 & 6 \end{vmatrix}$ （按第1列展开）

解析：

第一步：选第1列展开，因为有两个 $0$ 。（选零最多的行/列，让展开式中尽可能多的项直接为 $0$ ，减少计算量）

第二步：写出展开式： $D = a_{11}A_{11} + a_{21}A_{21} + a_{31}A_{31}$ （套用拉普拉斯按列展开公式，第1列的三个元素分别是 $1, 0, 0$ ）

第三步：代入数值： $D = 1\cdot A_{11} + 0\cdot A_{21} + 0\cdot A_{31} = A_{11}$ （后两项因系数为0而消失，只剩一项，这是选零列的目的）

第四步：计算 $A_{11}$ 。划掉第1行第1列： $M_{11}=\begin{vmatrix} 4 & 5 \\ 0 & 6 \end{vmatrix}=4\times6-5\times0=24$ （余子式降为2阶，用对角线法则直接计算）

第五步：定符号： $(-1)^{1+1}=1$ 。（行号加列号为2，偶数，符号为正）

第六步： $A_{11}=1\times24=24$ ，所以 $D=24$ 。（回代得到结果；顺便验证：上三角行列式 = 对角线乘积 $1\times4\times6=24$ ，一致）

答案： $D=24$

【题2】进阶：4阶”战略性”展开#

题目：计算 $D=\begin{vmatrix} 2 & 1 & 0 & 3 \\ 0 & 4 & 0 & 1 \\ 1 & 0 & 0 & 2 \\ 5 & 3 & 0 & 2 \end{vmatrix}$

解析：

第一步：观察行列式，发现第3列有 3个0。（寻找零元素最密集的行或列，这是拉普拉斯展开的”黄金法则”）

第二步：决定按第3列展开。第3列元素： $(0,\ 0,\ 0,\ 0)^T$ ？不对，让我重新看… 第3列是 $(0, 0, 0, 0)^T$ ？等等，矩阵是：

第1行：2, 1, 0, 3 → 第3列是 0
第2行：0, 4, 0, 1 → 第3列是 0
第3行：1, 0, 0, 2 → 第3列是 0
第4行：5, 3, 0, 2 → 第3列是 0

第3列全为0！

第二步（修正）：第3列全为0，按第3列展开： $D = 0\cdot A_{13}+0\cdot A_{23}+0\cdot A_{33}+0\cdot A_{43}=0$ （行列式某一列全为0，则行列式值为0；拉普拉斯展开直接验证了这一性质）

答案： $D=0$

【题3】进阶：4阶含参数（考试常见）#

题目：计算 $D=\begin{vmatrix} a & 1 & 0 & 0 \\ -1 & b & 1 & 0 \\ 0 & -1 & c & 1 \\ 0 & 0 & -1 & d \end{vmatrix}$

解析：

第一步：观察结构，这是”三对角”行列式。第1行有两个0，按第1行展开。（三对角行列式适合递推，但先按拉普拉斯展开降阶）

第二步：按第1行展开： $D = a\cdot A_{11} + 1\cdot A_{12} + 0\cdot A_{13} + 0\cdot A_{14} = aA_{11}+A_{12}$ （后两项因系数为0而消失，只需算两个代数余子式）

第三步：计算 $A_{11}$ 。划掉第1行第1列： $M_{11}=\begin{vmatrix} b & 1 & 0 \\ -1 & c & 1 \\ 0 & -1 & d \end{vmatrix}$ （余子式为3阶三对角行列式）

第四步：对 $M_{11}$ 继续用拉普拉斯展开（按第1行）： $M_{11}=b\begin{vmatrix}c&1\\-1&d\end{vmatrix}-1\begin{vmatrix}-1&1\\0&d\end{vmatrix}+0=b(cd+1)-1(-d)=bcd+b+d$ （3阶降为2阶，分别计算两个2阶行列式）

第五步：计算 $A_{12}$ 。划掉第1行第2列： $M_{12}=\begin{vmatrix} -1 & 1 & 0 \\ 0 & c & 1 \\ 0 & -1 & d \end{vmatrix}$ （注意符号位置 $(-1)^{1+2}=-1$ ）

第六步：对 $M_{12}$ 按第1列展开（有两个0）： $M_{12}=(-1)\begin{vmatrix}c&1\\-1&d\end{vmatrix}+0+0=(-1)(cd+1)=-cd-1$ （第1列只有 $-1$ 非零，其余为0，展开只剩一项）

第七步：定符号： $A_{12}=(-1)^{1+2}M_{12}=(-1)(-cd-1)=cd+1$ （代数余子式 = 符号 × 余子式）

第八步：回代： $D=a(bcd+b+d)+(cd+1)=abcd+ab+ad+cd+1$ （合并同类项，得到最终结果）

答案： $D=abcd+ab+ad+cd+1$

【题4】考试难度：拉普拉斯展开 + 余子式之和#

题目：设 $D=\begin{vmatrix} 3 & 0 & 4 & 0 \\ 2 & 2 & 2 & 2 \\ 0 & -7 & 0 & 0 \\ 5 & 3 & -2 & 2 \end{vmatrix}$ ，求： (1) 第4行各元素代数余子式之和 $A_{41}+A_{42}+A_{43}+A_{44}$ ； (2) 第4行各元素余子式之和 $M_{41}+M_{42}+M_{43}+M_{44}$ 。

解析第(1)问：

第一步：识别题型。求某行代数余子式之和，用换行法。（换行法原理： $A_{4j}$ 只与位置有关，与第4行元素无关，因此可将第4行替换为系数 $(1,1,1,1)$ ）

第二步：构造新行列式： $D_1=\begin{vmatrix} 3 & 0 & 4 & 0 \\ 2 & 2 & 2 & 2 \\ 0 & -7 & 0 & 0 \\ 1 & 1 & 1 & 1 \end{vmatrix}$ （按第4行展开 $D_1$ 恰好得到 $A_{41}+A_{42}+A_{43}+A_{44}$ ）

第三步：观察 $D_1$ 。第2行是 $(2,2,2,2)$ ，第4行是 $(1,1,1,1)$ ，两行成比例（第2行 = 2×第4行）。（发现行列式性质的应用条件：两行成比例则行列式为0）

第四步：根据行列式性质， $D_1=0$ 。（两行成比例，行列式为0，无需展开计算）

答案(1)： $0$

解析第(2)问：

第一步：题目求的是余子式之和，不是代数余子式。先建立联系： $M_{4j}=(-1)^{4+j}A_{4j}$ （余子式与代数余子式的转换公式，必须先用这个统一工具）

第二步：逐列定符号：

$j=1$ ： $(-1)^{5}=-1$ ， $M_{41}=-A_{41}$
$j=2$ ： $(-1)^{6}=+1$ ， $M_{42}=+A_{42}$
$j=3$ ： $(-1)^{7}=-1$ ， $M_{43}=-A_{43}$
$j=4$ ： $(-1)^{8}=+1$ ， $M_{44}=+A_{44}$

第三步：原式转化为： $M_{41}+M_{42}+M_{43}+M_{44}=-A_{41}+A_{42}-A_{43}+A_{44}$ （将余子式全部替换为带符号的代数余子式，统一为换行法能处理的形式）

第四步：用换行法。构造新行列式，第4行换为系数 $(-1,1,-1,1)$ ： $D_2=\begin{vmatrix} 3 & 0 & 4 & 0 \\ 2 & 2 & 2 & 2 \\ 0 & -7 & 0 & 0 \\ -1 & 1 & -1 & 1 \end{vmatrix}$ （按第4行展开 $D_2$ 恰好得到 $-A_{41}+A_{42}-A_{43}+A_{44}$ ）

第五步：计算 $D_2$ 。观察第3行 $(0,-7,0,0)$ ，只有一个非零元，按第3行展开。（选零行展开，拉普拉斯展开的实战技巧）

第六步： $D_2=(-7)\cdot A_{32}=(-7)\cdot(-1)^{3+2}\cdot M_{32}=(-7)\cdot(-1)\cdot M_{32}=7M_{32}$ （第3行只有第2列元素 $-7$ 非零，其余为0）

第七步：计算 $M_{32}$ ，划掉第3行第2列： $M_{32}=\begin{vmatrix} 3 & 4 & 0 \\ 2 & 2 & 2 \\ -1 & -1 & 1 \end{vmatrix}$ （3阶行列式，继续降阶）

第八步：对 $M_{32}$ 按第1行展开（因为有0）： $M_{32}=3\begin{vmatrix}2&2\\-1&1\end{vmatrix}-4\begin{vmatrix}2&2\\-1&1\end{vmatrix}+0=(3-4)\begin{vmatrix}2&2\\-1&1\end{vmatrix}=(-1)(2+2)=-4$ （提取公因式简化计算，或直接分别计算两个2阶行列式）

第九步：回代： $D_2=7\times(-4)=-28$ （将 $M_{32}$ 代入第6步结果）

答案(2)： $-28$

六、总结：拉普拉斯展开的”考试心法”#

场景	策略	公式/技巧
纯计算行列式	找零行/零列展开	$D=\sum a_{ij}A_{ij}$
某行全为0	直接得 $D=0$	拉普拉斯展开即证
代数余子式之和	换行法	把该行换成系数
余子式之和	先转代数余子式	$M_{ij}=(-1)^{i+j}A_{ij}$
递推题（三对角）	按首行/首列展开	建立递推关系

需要我再出一道**“按两行展开”的广义拉普拉斯**例题（考研偶尔考），或者把上面题4的数字变一下让你自己练一遍吗？

例题四：分块矩阵求行列式（拉普拉斯展开）#

设 $M = \begin{pmatrix} A & 0 \\ C & B \end{pmatrix}$

其中 $A$ 为 $m$ 阶方阵， $B$ 为 $n$ 阶方阵， $0$ 为 $m \times n$ 零矩阵， $C$ 为 $n \times m$ 矩阵。

求 $|M|$ 。

详解过程#

第一步：分析矩阵结构

$M$ 是 $(m+n) \times (m+n)$ 的分块下三角矩阵，主对角线上是方阵 $A$ 和 $B$ ，右上角为零块。

（目的：识别矩阵的分块结构类型；思路：观察到右上角为零块，这是分块下三角矩阵的典型特征，可以联想到分块三角矩阵的行列式性质）

第二步：应用分块下三角矩阵行列式公式

对于分块下三角矩阵： $\begin{vmatrix} A & 0 \\ C & B \end{vmatrix} = |A| \cdot |B|$

（目的：直接应用分块三角矩阵行列式公式；思路：该公式是分块矩阵理论中的重要结论，类比普通三角矩阵行列式等于主对角线元素乘积，分块三角矩阵的行列式等于主对角块行列式的乘积）

第三步：公式证明（以具体数字验证理解）

以 $m=2, n=2$ 为例具体验证： $M = \begin{pmatrix} a_{11} & a_{12} & 0 & 0 \\ a_{21} & a_{22} & 0 & 0 \\ c_{11} & c_{12} & b_{11} & b_{12} \\ c_{21} & c_{22} & b_{21} & b_{22} \end{pmatrix}$

按前两行展开（拉普拉斯定理），由于右上角全为零，只有选取 $A$ 的两列时，对应的余子式才可能是 $B$ 。

（目的：通过低维特例理解一般公式的原理；思路：拉普拉斯展开按前两行展开，非零的 $2 \times 2$ 子式只有 $|A|$ ，其余子式恰好是 $|B|$ ，因此行列式为 $|A| \cdot |B|$ ）

第四步：一般性说明

严格证明：对 $M$ 的前 $m$ 行应用拉普拉斯展开。在前 $m$ 行中，只有选取第 $1,2,\dots,m$ 列构成的子式 $|A|$ 才可能与右下角的 $B$ 形成非零余子式。其余选取方式必然包含右上角的零列，导致子式为零。

因此： $|M| = |A| \cdot (-1)^{(1+2+\dots+m)+(1+2+\dots+m)} \cdot |B| = |A| \cdot |B|$

（目的：给出公式的一般性证明思路；思路：利用拉普拉斯展开定理，关键是确定代数余子式的符号，由于行标和列标都是 $1$ 到 $m$ ，符号为 $(-1)^{2(1+2+\dots+m)} = 1$ ）

第五步：结论

$\boxed{\begin{vmatrix} A & 0 \\ C & B \end{vmatrix} = |A| \cdot |B|}$

同理： $\begin{vmatrix} A & C \\ 0 & B \end{vmatrix} = |A| \cdot |B|$

（目的：给出最终结论及其对称形式；思路：分块上三角矩阵也有相同结论，两者都是分块三角矩阵行列式性质的体现）

例题五：分块矩阵求秩（秩的公式应用）#

设 $A = \begin{pmatrix} E_r & 0 \\ 0 & 0 \end{pmatrix}_{m \times n}$

即 $A$ 是 $m \times n$ 矩阵，左上角为 $r$ 阶单位矩阵，其余为零。

求 $r(A)$ 。

详解过程#

第一步：识别标准形结构

$A$ 是矩阵的等价标准形，左上角 $E_r$ 是 $r$ 阶单位矩阵，右上角是 $r \times (n-r)$ 零矩阵，左下角是 $(m-r) \times r$ 零矩阵，右下角是 $(m-r) \times (n-r)$ 零矩阵。

（目的：识别这是矩阵等价标准形的分块表示；思路：任何矩阵都可以通过初等变换化为这种标准形，这是研究矩阵秩的重要工具）

第二步：分析非零子式的最高阶数

在 $A$ 中，取前 $r$ 行前 $r$ 列构成的 $r$ 阶子式： $\begin{vmatrix} E_r \end{vmatrix} = 1 \neq 0$

（目的：找到一个 $r$ 阶非零子式，证明秩至少为 $r$ ；思路：单位矩阵的行列式为 $1$ ，显然非零，因此存在 $r$ 阶非零子式）

第三步：证明所有 $r+1$ 阶子式全为零

任取 $A$ 的一个 $r+1$ 阶子式，根据行列式的性质：

若该子式包含后 $m-r$ 行中的某行，则该行全为零，子式为零
若该子式包含后 $n-r$ 列中的某列，则该列全为零，子式为零

由于子式是 $r+1$ 阶，而 $E_r$ 只有 $r$ 行 $r$ 列，任何 $r+1$ 阶子式必然”超出” $E_r$ 的范围，从而包含全零行或全零列。

（目的：证明不存在更高阶的非零子式，从而秩至多为 $r$ ；思路：利用抽屉原理， $r+1$ 行（或列）中至少有一行（或列）来自全零块）

第四步：结论

$r(A) = r$

（目的：综合第二步和第三步得出结论；思路：秩的定义是矩阵中非零子式的最高阶数，已证存在 $r$ 阶非零子式且不存在 $r+1$ 阶非零子式，故秩为 $r$ ）

总结：矩阵分块法的核心应用场景#

应用场景	分块类型	关键公式/结论
分块乘法	相容分块	块当作元素，按普通乘法规则
分块对角求逆	$\begin{pmatrix} A & 0 \\ 0 & B \end{pmatrix}$	$\begin{pmatrix} A^{-1} & 0 \\ 0 & B^{-1} \end{pmatrix}$
分块三角求逆	$\begin{pmatrix} A & C \\ 0 & B \end{pmatrix}$	$\begin{pmatrix} A^{-1} & -A^{-1}CB^{-1} \\ 0 & B^{-1} \end{pmatrix}$
分块行列式	三角分块	$\begin{vmatrix} A & 0 \ C & B \end{vmatrix} =	A	\cdot	B	$
分块秩	标准形	等价标准形中 $E_r$ 的阶数即为秩

音楽

4矩阵分块法：给大矩阵切块的智慧

矩阵分块法：给大矩阵”切块”的智慧#

一、定义：什么是矩阵分块法？#

二、核心内涵：为什么要”分块”？#

1. 视角转换：从”看元素”到”看模块”#

2. 运算规则：子块可以像数字一样算#

3. 目的：化繁为简#

三、与相关概念的区别（初学者最容易混淆的点）#

四、在学科体系中的位置#

五、两个生活化类比#

类比一：拼图（最直观）#

类比二：公司组织架构（最实用）#

六、给初学者的一句话总结#

矩阵分块法例题详解#

例题一：分块矩阵乘法#

详解过程#

例题二：分块对角矩阵求逆#

详解过程#

例题三：分块三角矩阵求逆（上三角分块）#

详解过程#

分块上三角矩阵求逆：为什么要用逆矩阵定义建立方程？#

一、直接写公式为什么不行？#

二、为什么”设未知数 + 用定义”是必由之路？#

核心思路：利用 AA−1=IAA^{-1} = IAA−1=I#

为什么这个方法”必然成功”？#

三、一个直观类比：像解”密码锁”#

四、最终结论#

五、完整结果（供你记忆）#

余子式求法：从零基础到考试速算#

一、先记住两个”长相”（概念）#

二、正负号怎么快速判断？（棋盘法）#

三、四大类型逐个击破#

【类型一】低阶行列式（2阶、3阶）——直接划掉算#

【类型二】含零元素多的行列式——选”零最多”的行/列展开#

【类型三】求某行（列）全部代数余子式之和——换行法#

【类型四】伴随矩阵与逆矩阵中的余子式——转置关系#

四、一张表总结所有技巧#

余子式递进例题：从零基础到考试难度#

题1：零基础（直接求代数余子式）#

题2：进阶（按零行展开求行列式）#

题3：技巧型（代数余子式之和——换行法）#

题4：考试难度（余子式之和——陷阱与转化）#

四题对比总结#

拉普拉斯展开：把高阶行列式”降维打击”#

一、一句话定义#

二、核心公式#

按第 iii 行展开：#

按第 jjj 列展开：#

三、为什么这个方法”必学”？#

四、实战操作四步曲#

五、递进例题#

【题1】基础：3阶行列式（验证公式）#

【题2】进阶：4阶”战略性”展开#

【题3】进阶：4阶含参数（考试常见）#

【题4】考试难度：拉普拉斯展开 + 余子式之和#

六、总结：拉普拉斯展开的”考试心法”#

例题四：分块矩阵求行列式（拉普拉斯展开）#

详解过程#

例题五：分块矩阵求秩（秩的公式应用）#

详解过程#

总结：矩阵分块法的核心应用场景#

記事を共有

コメント欄

核心思路：利用 $AA^{-1} = I$ #

按第 $i$ 行展开：#

按第 $j$ 列展开：#