ヴァンデルモンドの行列式

この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "ヴァンデルモンドの行列式" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL (2022年3月)

線型代数学において、ヴァンデルモンドの行列式（ヴァンデルモンドのぎょうれつしき、英: Vandermonde's determinant）とは、ある特殊な形をした正方行列の行列式である。名称は18世紀のフランスの数学者であるアレクサンドル＝テオフィル・ヴァンデルモンド（フランス語版、英語版）に因む。ヴァンデルモンドは「ファンデルモンド」と表記されることもある。ファン (前置詞) も参照。

各行が初項1の等比数列である正方行列

${\displaystyle V:={\begin{bmatrix}1&x_{1}&{x_{1}}^{2}&\cdots &{x_{1}}^{n-1}\\1&x_{2}&{x_{2}}^{2}&\cdots &{x_{2}}^{n-1}\\\vdots &\vdots &\vdots &\ddots &\vdots \\1&x_{n}&{x_{n}}^{2}&\cdots &{x_{n}}^{n-1}\end{bmatrix}}}$

をヴァンデルモンド行列（英: Vandermonde matrix）といい、その行列式をヴァンデルモンドの行列式という。テキストによっては、上記の転置行列

${\displaystyle {\begin{bmatrix}1&1&\cdots &1\\x_{1}&x_{2}&\cdots &x_{n}\\{x_{1}}^{2}&{x_{2}}^{2}&\cdots &{x_{n}}^{2}\\\vdots &\vdots &\ddots &\vdots \\{x_{1}}^{n-1}&{x_{2}}^{n-1}&\cdots &{x_{n}}^{n-1}\end{bmatrix}}}$

で定義している場合もあるが、行列式は転置をとっても変わらないので、行列式としては全く同じものである。

ヴァンデルモンドの行列式は、各行の公比の差積に等しい。具体的には、上記の行列 V に対して

${\displaystyle \det V=\textstyle \prod \limits _{1\leq i<j\leq n}(x_{j}-x_{i})=(-1)^{n(n-1)/2}\prod \limits _{1\leq i<j\leq n}(x_{i}-x_{j})}$

が成り立つ。n = 2, 3 の場合を書き下せば、

${\displaystyle {\begin{vmatrix}1&x_{1}\\1&x_{2}\end{vmatrix}}=x_{2}-x_{1},}$

${\displaystyle {\begin{vmatrix}1&x_{1}&{x_{1}}^{2}\\1&x_{2}&{x_{2}}^{2}\\1&x_{3}&{x_{3}}^{2}\end{vmatrix}}=(x_{3}-x_{1})(x_{3}-x_{2})(x_{2}-x_{1})}$

である。公式より直ちに分かることとして、x₁, …, x_n が全て異なるとき、かつそのときに限り、ヴァンデルモンドの行列式は 0 ではない。

この公式は、n に関する数学的帰納法で示すこともできるし、行列式の性質を用いたうまい証明の仕方もある。実際、行列式の交代性（行を入れ替えると行列式は −1 倍になる）と因数定理によって、det V は x_j − x_i たちを因数に持つことが分かるので、あとは次数と係数を比較すれば、公式が成り立つことが容易に分かる。

以下に、別の証明法の1例として、ある正方行列のある列(行)の各成分に同じ係数を乗じ、別のある列(行)にベクトル的に加算するという操作(行列の基本変形の1つ)を行っても、行列式の値は変わらないという性質と、やはり因数定理および、各項の次数と係数を比較する方法を示す。

正方行列Vは次の形であるとする。

${\displaystyle V={\begin{bmatrix}1&{x_{1}}&{x_{1}}^{2}&\cdots &{x_{1}}^{n-1}\\1&{x_{2}}&{x_{2}}^{2}&\cdots &{x_{2}}^{n-1}\\1&{x_{3}}&{x_{3}}^{2}&\cdots &{x_{3}}^{n-1}\\\vdots &\vdots &\vdots &\ddots &\vdots \\1&{x_{n}}&{x_{n}}^{2}&\cdots &{x_{n}}^{n-1}\end{bmatrix}}}$

V の行列式は定義により次のようになる。

${\displaystyle \det V=\textstyle \sum \limits _{\sigma \in S_{n}}sign(\sigma )\prod \limits _{1\leq i\leq n}x_{i}^{\sigma (i)-1}}$

ここで、S_n は n次対称群(n次置換群)を表し、S_n の元 σ に対して sign(σ) は σ がn次交代群(遇置換群)に属していれば 1、そうでなければ -1とする。

この定義式から ${\displaystyle \det V}$ は ${\displaystyle x_{1},x_{2},\cdots x_{n}}$ の多項式で表わされ、そのどの項においても ${\displaystyle x_{1},x_{2},\cdots x_{n}}$ の次数の合計は、${\displaystyle n(n-1)/2}$ であることが分かる。

行列Vの第1列に ${\displaystyle x_{1}}$ を乗じて第2列から引き、第1列に ${\displaystyle {x_{1}}^{2}}$ を乗じて第3列から引き、以下この操作を第1列に ${\displaystyle {x_{1}}^{n-1}}$ を乗じて第n列から引くまで繰り返すと、V は次の形に変形される。

${\displaystyle V_{1}={\begin{bmatrix}1&0&0&\cdots &0\\1&{x_{2}}-{x_{1}}&{x_{2}}^{2}-{x_{1}}^{2}&\cdots &{x_{2}}^{n-1}-{x_{1}}^{n-1}\\1&{x_{3}}-{x_{1}}&{x_{3}}^{2}-{x_{1}}^{2}&\cdots &{x_{3}}^{n-1}-{x_{1}}^{n-1}\\\vdots &\vdots &\vdots &\ddots &\vdots \\1&{x_{n}}-{x_{1}}&{x_{n}}^{2}-{x_{1}}^{2}&\cdots &{x_{n}}^{n-1}-{x_{1}}^{n-1}\end{bmatrix}}}$

この操作によって ${\displaystyle \det V}$ の値は不変である。つまり ${\displaystyle \det V=\det V_{1}}$ である。

${\displaystyle {x_{j}}^{k-1}-{x_{i}}^{k-1}=(x_{j}-x_{i})({x_{j}}^{k-2}+{x_{j}}^{k-3}x_{i}+\cdots +{x_{j}}{x_{i}}^{k-3}+{x_{i}}^{k-2})}$

であるから、${\displaystyle V_{1}}$ の第2行の第1列以外の各列の要素は ${\displaystyle x_{2}-x_{1}}$ を因数に持ち、第k行の第1列以外の各列の要素は ${\displaystyle x_{k}-x_{1}}$ を因数に持つことが分かる。従って、 ${\displaystyle \det V=\det V_{1}}$ は ${\displaystyle (x_{2}-x_{1})(x_{3}-x_{1})\cdots (x_{n}-x_{1})}$を因数に持つことが分かる。

次に、行列Vの第1列に ${\displaystyle x_{2}}$ を乗じて第2列から引き、第1列に ${\displaystyle {x_{2}}^{2}}$ を乗じて第3列から引き、以下この操作を第1列に ${\displaystyle {x_{2}}^{n-1}}$ を乗じて第n列から引くまで繰り返すと、V は次の形に変形される。

${\displaystyle V_{2}={\begin{bmatrix}1&x_{1}-x_{2}&{x_{1}}^{2}-{x_{2}}^{2}&\cdots &{x_{1}}^{n-1}-{x_{2}}^{n-1}\\1&0&0&\cdots &0\\1&x_{3}-x_{2}&{x_{3}}^{2}-{x_{2}}^{2}&\cdots &{x_{3}}^{n-1}-{x_{2}}^{n-1}\\\vdots &\vdots &\vdots &\ddots &\vdots \\1&x_{n}-x_{2}&{x_{n}}^{2}-{x_{2}}^{2}&\cdots &{x_{n}}^{n-1}-{x_{2}}^{n-1}\end{bmatrix}}}$

この操作によって ${\displaystyle \det V}$ の値は不変であり、上と同様の論法で、${\displaystyle \det V=\det V_{2}}$ は ${\displaystyle (x_{1}-x_{2})(x_{3}-x_{2})\cdots (x_{n}-x_{2})}$を因数に持つことが分かる。

同様の操作を、行列Vの第1列に ${\displaystyle x_{n}}$ を乗じて第2列から引き、第1列に ${\displaystyle {x_{n}}^{2}}$ を乗じて第3列から引き、以下この操作を第1列に ${\displaystyle {x_{n}}^{n-1}}$ を乗じて第n列から引くまで繰り返せば、${\displaystyle \det V}$ は ${\displaystyle (x_{1}-x_{n})(x_{2}-x_{n})\cdots (x_{n-1}-x_{n})}$を因数に持つことが言え、最終的に ${\displaystyle \det V}$ は ${\displaystyle \textstyle \prod \limits _{1\leq i<j\leq n}(x_{j}-x_{i})}$ を因数に持つことが分かる。

${\displaystyle \textstyle \prod \limits _{1\leq i<j\leq n}(x_{j}-x_{i})}$ は ${\displaystyle (x_{j}-x_{i})}$ 型の因数を${\displaystyle n(n-1)/2}$ 個掛け合わせているので、${\displaystyle x_{1},x_{2},\cdots x_{n}}$ の多項式に展開できるが、各項の${\displaystyle x_{1},x_{2},\cdots x_{n}}$ の次数の合計は、${\displaystyle n(n-1)/2}$ である。従って、${\displaystyle \det V}$ は ${\displaystyle \textstyle \prod \limits _{1\leq i<j\leq n}(x_{j}-x_{i})}$ の定数倍になるはずである。

${\displaystyle \textstyle \prod \limits _{1\leq i<j\leq n}(x_{j}-x_{i})}$ の各因数の左側の変数( ${\displaystyle (x_{j}-x_{i})}$ であれば${\displaystyle x_{j}}$)を掛け合わせた項は ${\displaystyle {x_{n}}^{n-1}{x_{n-1}}^{n-2}\cdots {x_{3}}^{2}{x_{2}}^{1}}$ である。一方 ${\displaystyle V}$ の対角要素を掛け合わせると、${\displaystyle {x_{2}}^{1}{x_{3}}^{2}\cdots {x_{n-1}}^{n-2}{x_{n}}^{n-1}}$ であり一致する。従って、${\displaystyle \det V}$ と ${\displaystyle \textstyle \prod \limits _{1\leq i<j\leq n}(x_{j}-x_{i})}$ は一致する。

ヴァンデルモンドの行列式は、数学のいろいろな場面で現れる。最も古典的なのは、多項式の決定に関することである。x₁, …, x_n が全て異なるならば、

${\displaystyle f(x_{1})=y_{1},\,f(x_{2})=y_{2},\cdots ,f(x_{n})=y_{n}}$

を満たす n − 1 次以下の多項式 f(x) は一意に定まる。このことを示すために、

${\displaystyle f(x)=a_{0}+a_{1}x+a_{2}x^{2}+\cdots +a_{n-1}x^{n-1}}$

とおくと、上記の条件から、係数 a₀, …, a_n−1 は

${\displaystyle {\begin{bmatrix}1&x_{1}&{x_{1}}^{2}&\cdots &{x_{1}}^{n-1}\\1&x_{2}&{x_{2}}^{2}&\cdots &{x_{2}}^{n-1}\\\vdots &\vdots &\vdots &\ddots &\vdots \\1&x_{n}&{x_{n}}^{2}&\cdots &{x_{n}}^{n-1}\end{bmatrix}}{\begin{bmatrix}a_{0}\\a_{1}\\\vdots \\a_{n-1}\end{bmatrix}}={\begin{bmatrix}y_{1}\\y_{2}\\\vdots \\y_{n}\end{bmatrix}}}$

を満たす。この連立一次方程式の係数行列がヴァンデルモンド行列に他ならず、x₁, …, x_n が全て異なることよりその行列式は 0 ではないので、これは逆行列を持つ。よって、係数 a₀, …, a_n−1 は一意に定まり、f(x) が一意に定まる。

• 斎藤正彦『線型代数入門』東京大学出版会、1966年 ISBN 4-1306-2001-0

• ラグランジュ補間
• ロンスキー行列式
• 線型方程式系

• 『ヴァンデルモンド行列式の証明と応用例』 - 高校数学の美しい物語
• Weisstein, Eric W. "Vandermonde Matrix". mathworld.wolfram.com (英語).
• Weisstein, Eric W. "Vandermonde Determinant". mathworld.wolfram.com (英語).

表 話 編 歴 線型代数学・行列解析
連立一次方程式	ガウスの消去法 クラメルの公式 ガウス＝ザイデル法 ヤコビ法
ベクトル	線型独立 線型結合 基底 双対基底
ベクトル空間	双対空間 核空間 固有空間 広義固有空間 線型包 行空間 列空間 次元
計量ベクトル空間	ドット積 コーシー＝シュワルツの不等式 直交 正規直交系 正規直交基底 グラム・シュミットの正規直交化法 直交補空間
行列・線型写像	演算・操作 乗法 転置 逆行列 サラスの方法 基本変形 対角化 分解 LU QR コレスキー シューア 特異値 固有値 不変量 行列式 跡 階数 固有値と固有ベクトル 固有多項式 最小多項式 単因子 階数標準形 スミス標準形 ジョルダン標準形 有理標準形 小行列式 クラス 正則 基本 対称 エルミート 正規 直交 回転 ユニタリ 冪零 射影 正定値 ユニモジュラー 置換 区分
行列式	余因子展開 余因子行列 ヴァンデルモンドの行列式 終結式 コーシー・ビネの公式
多重線型代数	外積 外積代数 対称代数 テンソル代数
数値線形代数	基本的な概念 浮動小数点 数値的安定性 疎行列 Z-行列 M行列 条件数 ゲルシュゴリンの定理 クリロフ部分空間 ソフトウェア MATLAB 数値解析ソフトの比較/一覧 ライブラリ Armadillo Basic Linear Algebra Subprograms (BLAS) INTLAB Intel oneAPI Math Kernel Library LAPACK NumPy OpenBLAS 線型代数学ライブラリの比較 反復法・技法 SOR法 共役勾配法 GMRES法 固有値問題の数値解法 ランチョス法 QR法 べき乗法 逆べき乗法 ヤコビ法 (固有値問題) シュトラッセンのアルゴリズム ハウスホルダー変換 ギブンス回転 人物 ジェームズ・H・ウィルキンソン クリーブ・モラー ニコラス・ハイアム ジーン・ゴラブ リチャード・バルガ
行列値関数	行列指数関数 行列の対数 行列の平方根
その他	スカラー ケイリー・ハミルトンの定理 ペロン＝フロベニウスの定理 シューア補行列 シルヴェスターの慣性法則
カテゴリ