线性代数【一】:行列式的概念与计算
本节为线性代数复习笔记的第一部分,行列式的概念与计算,主要包括:行列式的几何意义,行列式的展开计算(余子式,代数余子式),行列式的性质,特殊的五个行列式以及克拉默法则。
1. 行列式的几何意义
∣a11a12a21a22∣\left| \begin{matrix} a_{11}&a_{12}\\a_{21}&a_{22}\end{matrix} \right|∣∣∣∣a11a21a12a22∣∣∣∣表示平行四边形的面积,记α1=[a11,a12]\alpha_1=[a_{11},a_{12}]α1=[a11,a12],α2=[a21,a22]\alpha_2=[a_{21},a_{22}]α2=[a21,a22],如下图所示,两个向量所成平行四边形为OABC:
二阶行列式的值即为该平行四边形的面积,推导如下:
同理,三阶行列式可以表示平行六面体的体积。
2. 行列式展开计算
2.1 余子式
n阶行列式中,去掉元素aija_{ij}aij所在的第iii行第jjj列的元素,由剩下的元素按原来的位置与顺序组成的n-1阶行列式称为元素aija_{ij}aij的余子式,记为MijM_{ij}Mij。
2.2 代数余子式
Aij=(−1)i+jMijA_{ij}=(-1)^{i+j}M_{ij}Aij=(−1)i+jMij
2.3 行列式展开式
|A|={ai1Ai1+ai2Ai2+...+ainAin=Σj=1naijAij(按行展开)a1jA1j+a2jA2j+...+anjAnj=Σi=1naijAij(按列展开)\begin{cases}a_{i1}A_{i1}+a_{i2}A_{i2}+...+a_{in}A_{in}\\ \ \ \ \ \ \ \ \ \ \ \ \ \ =\Sigma_{j=1}^na_{ij}A_{ij}(按行展开)\\ a_{1j}A_{1j}+a_{2j}A_{2j}+...+a_{nj}A_{nj}\\ \ \ \ \ \ \ \ \ \ \ \ \ \ =\Sigma_{i=1}^na_{ij}A_{ij}(按列展开)\end{cases}⎩⎪⎪⎪⎨⎪⎪⎪⎧ai1Ai1+ai2Ai2+...+ainAin =Σj=1naijAij(按行展开)a1jA1j+a2jA2j+...+anjAnj =Σi=1naijAij(按列展开)
【计算时应令某行/列出现尽可能多的零】
3. 行列式的七个性质
- 行列互换,行列式值不变,即|A|=|A^T|
- 行列式某行/列元素全为0,行列式值为0
- 行列式某行/列元素有非零公因子k,可将k提到行列式外
- 行列式某行/列元素均是两个元素之和,可将行列式拆为两个行列式之和
- 行列式某两行/列互换,行列式值反号
- 行列式某两行/列元素相等或成比例,行列式值为0
- 行列式某行/列的k倍加到另一行/列,行列式值不变
4.五个特殊的行列式
4.1 上/下三角行列式
∣a110...0a11a22...0............an1an2...ann∣=∣a11a12...a1n0a22...a2n............00...ann∣\left| \begin{matrix} a_{11}&0&...&0\\a_{11}&a_{22}&...&0 \\...&...&...&...\\a_{n1}&a_{n2}&...&a_{nn} \end{matrix} \right| =\left| \begin{matrix} a_{11}&a_{12}&...&a_{1n}\\0&a_{22}&...&a_{2n} \\...&...&...&...\\0&0&...&a_{nn} \end{matrix} \right|∣∣∣∣∣∣∣∣a11a11...an10a22...an2............00...ann∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣a110...0a12a22...0............a1na2n...ann∣∣∣∣∣∣∣∣
=∣a11a22...ann∣=∏i=1naii=\left| \begin{matrix} a_{11}&&&\\&a_{22}\\&&...&\\&&&a_{nn}\end{matrix} \right|=\prod^n_{i=1}a_{ii}=∣∣∣∣∣∣∣∣a11a22...ann∣∣∣∣∣∣∣∣=∏i=1naii
4.2 副对角线行列式
∣a11a12...a1na11a22...0............an10...0∣=∣00...a1n00...a22............an1an,2...ann∣\left| \begin{matrix} a_{11}&a_{12}&...&a_{1n}\\a_{11}&a_{22}&...&0 \\...&...&...&...\\a_{n1}&0&...&0 \end{matrix} \right| =\left| \begin{matrix} 0&0&...&a_{1n}\\0&0&...&a_{22} \\...&...&...&...\\a_{n1}&a_{n,2}&...&a_{nn} \end{matrix} \right|∣∣∣∣∣∣∣∣a11a11...an1a12a22...0............a1n0...0∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣00...an100...an,2............a1na22...ann∣∣∣∣∣∣∣∣
=∣a1na2,n−1...an1∣=\left| \begin{matrix} &&&a_{1n}\\&&a_{2,n-1}\\&&...&\\a_{n1}&&&\end{matrix} \right|=∣∣∣∣∣∣∣∣an1a2,n−1...a1n∣∣∣∣∣∣∣∣
4.3 特殊的拉普拉斯展开式
∣Am×mOOBn×n∣=∣ACOB∣=\left|\begin{matrix}A_{m\times m}&O\\O&B_{n\times n}\end{matrix}\right|=\left|\begin{matrix}A&C\\O&B\end{matrix}\right|=∣∣∣∣Am×mOOBn×n∣∣∣∣=∣∣∣∣AOCB∣∣∣∣=∣AOCB∣=∣A∣∣B∣\left|\begin{matrix}A&O\\C&B\end{matrix}\right|=|A||B|∣∣∣∣ACOB∣∣∣∣=∣A∣∣B∣
∣OAn×nBm×mO∣=∣CABO∣=∣OABC∣=(−1)mn∣A∣∣B∣\left|\begin{matrix}O&A_{n\times n}\\B_{m\times m}&O\end{matrix}\right|=\left|\begin{matrix}C&A\\B&O\end{matrix}\right|=\left|\begin{matrix}O&A\\B&C\end{matrix}\right|=(-1)^{mn}|A||B|∣∣∣∣OBm×mAn×nO∣∣∣∣=∣∣∣∣CBAO∣∣∣∣=∣∣∣∣OBAC∣∣∣∣=(−1)mn∣A∣∣B∣
4.4 范德蒙行列式
∣x10x20...xn0x11x21...xn1............x1n−1x2n−1...xnn−1∣=∏1≤i≤j≤n(xj−xi)\left|\begin{matrix}x_1^0&x_2^0&...&x_n^0\\x_1^1&x_2^1&...&x_n^1\\...&...&...&...\\x_1^{n-1}&x_2^{n-1}&...&x_n^{n-1}&\end{matrix}\right|=\prod_{1\leq i\leq j\leq n}(x_j-x_i)∣∣∣∣∣∣∣∣x10x11...x1n−1x20x21...x2n−1............xn0xn1...xnn−1∣∣∣∣∣∣∣∣=∏1≤i≤j≤n(xj−xi)
4.5 行和相等行列式
∣abb...bbab...b...............bbb...a∣=[a+(n−1)b](a−b)n−1\left|\begin{matrix}a&b&b&...&b\\b&a&b&...&b\\...&...&...&...&...\\b&b&b&...&a\end{matrix}\right|=[a+(n-1)b](a-b)^{n-1}∣∣∣∣∣∣∣∣ab...bba...bbb...b............bb...a∣∣∣∣∣∣∣∣=[a+(n−1)b](a−b)n−1
推导的话,可以将1~n-1行都加到最后一行,提公因数[a+(n-1)b],然后把最后一行的-1倍逐一加到各行,将行列式按第一行展开。
5. 抽象型计算
eg.eg.eg.α1,α2,α3,β,γ均为4维列向量,且∣γ,α1,α2,α3∣=n\alpha_1,\alpha_2,\alpha_3,\beta,\gamma均为4维列向量,且|\gamma,\alpha_1,\alpha_2,\alpha_3|=nα1,α2,α3,β,γ均为4维列向量,且∣γ,α1,α2,α3∣=n,∣α1,β+γ,α2,α3∣=m,则∣α1,α2,α3,3β∣=___|\alpha_1,\beta+\gamma,\alpha_2,\alpha_3|=m,则|\alpha_1,\alpha_2,\alpha_3,3\beta|=\_\_\_∣α1,β+γ,α2,α3∣=m,则∣α1,α2,α3,3β∣=___.
解:∣α1,α2,α3,3β∣=3∣α1,α2,α3,β∣=3[∣α1,β+γ,α2,α3∣+∣γ,α1,α2,α3∣]=3(m+n)解:|\alpha_1,\alpha_2,\alpha_3,3\beta|=3|\alpha_1,\alpha_2,\alpha_3,\beta|=3[|\alpha_1,\beta+\gamma,\alpha_2,\alpha_3|+|\gamma,\alpha_1,\alpha_2,\alpha_3|]=3(m+n)解:∣α1,α2,α3,3β∣=3∣α1,α2,α3,β∣=3[∣α1,β+γ,α2,α3∣+∣γ,α1,α2,α3∣]=3(m+n)
(行列式列互换,值反号)
6. 克拉默法则
由n个方程n个未知量构成的非齐次线性方程组:
{a11x1+a12x2+...+a1nxn=b1a21x1+a22x2+...+a2nxn=b2...an1x1+an2x2+...+annxn=bn\begin{cases}a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=b_1\\ a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=b_2\\ ...\\a_{n1}x_1+a_{n2}x_2+...+a_{nn}x_n=b_n\end{cases}⎩⎪⎪⎪⎨⎪⎪⎪⎧a11x1+a12x2+...+a1nxn=b1a21x1+a22x2+...+a2nxn=b2...an1x1+an2x2+...+annxn=bn
若该方程组的系数行列式|A|≠0\neq 0=0,则方程组有唯一解:
xi=∣Ai∣∣A∣x_i=\frac{|A_i|}{|A|}xi=∣A∣∣Ai∣
∣Ai∣|A_i|∣Ai∣表示|A|中第i列元素替换成常数项b1,b2,...,bnb_1,b_2,...,b_nb1,b2,...,bn之后所构成的行列式。
推论: 由n个方程n个未知量构成的齐次线性方程组:
{a11x1+a12x2+...+a1nxn=0a21x1+a22x2+...+a2nxn=0...an1x1+an2x2+...+annxn=0\begin{cases}a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=0\\ a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=0\\ ...\\a_{n1}x_1+a_{n2}x_2+...+a_{nn}x_n=0\end{cases}⎩⎪⎪⎪⎨⎪⎪⎪⎧a11x1+a12x2+...+a1nxn=0a21x1+a22x2+...+a2nxn=0...an1x1+an2x2+...+annxn=0
若该方程组的系数行列式|A|≠0\neq 0=0,则方程组有唯一零解。若有非零解,则|A|=0。
欢迎扫描二维码关注微信公众号 深度学习与数学 [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]
线性代数【一】:行列式的概念与计算相关推荐
- 线性代数之向量、矩阵、行列式、列向量的计算
线性代数之向量.矩阵.行列式.列向量的计算 标签(空格分隔): 线性代数 1.向量与实数的的乘法: 2∗[23]=[46] 2 ∗ [ 2 3 ] = [ 4 6 ] 2*\left[\begin{m ...
- 线性代数及其应用_线性代数入门——行列式的简单应用选讲
系列简介:这个系列文章讲解线性代数的基础内容,注重学习方法的培养.线性代数课程的一个重要特点(也是难点)是概念众多,而且各概念间有着千丝万缕的联系,对于初学者不易理解的问题我们会不惜笔墨加以解释.在内 ...
- 1.2 行列式的性质和计算
学习目标: 当学习行列式性质和计算时,以下是一些具体的学习目标: 理解行列式的定义和计算方法,能够准确计算给定的行列式.(最基本的) 熟练掌握行列式的基本性质,包括交换行列式的两行或两列.用一个数乘行 ...
- 线性代数一(基本概念)
① https://blog.csdn.net/qq_16555103/article/details/88378009 ---------- 几个重要的矩阵点积 ② ...
- 线性代数之行列式基础点
线性代数之行列式基础点 顺序和逆序 如果我们定义一个排列的每个元素从左到右按照递增的顺序的摆放的,就称这样的排列是顺序的.比 ...
- 线性代数 | (3) 行列式
目录 1. 行列式的概念 2. n阶行列式 3. 特殊行列式的计算 4. 行列式的性质 5. 行列式的计算 6. 克莱姆法则 7. 范德蒙行列式 8. 行列式与逆序数 9. 行列式展开定理 1. 行 ...
- 线性代数(十七) : 行列式概述
行列式起源于线性方程组的求解,现在已经作为一个独立的概念在很多领域有所应用,本节对行列式只做综述,接下来的几节做具体阐述 1 行列式的起源与发展 (i) 1683年日本数学家关孝何在其书中首次提出行列 ...
- 二元偏导数存在的条件_高等数学入门——高阶偏导数的概念和计算
这个系列文章讲解高等数学的基础内容,注重学习方法的培养,对初学者不易理解的问题往往会不惜笔墨加以解释.在内容选取上,以国内的经典教材"同济版高等数学"为蓝本,并对具体内容作了适当取 ...
- 线性代数之行列式矩阵术语中英对照
线性代数之行列式矩阵术语中英对照 本文基于Steven J. Leon著的第九版<Linear Algebra with Applications>整理,后续会输出其它章节,敬请期待. d ...
- math:线性代数之行列式
math:线性代数之行列式 提供解题的方法总结 如果存在什么问题,欢迎批评指正!谢谢!
最新文章
- HttpMessageConverter转换类型
- 阿里发布2019十大科技趋势:AI依然最热
- 依赖注入容器Unity Application Block快速入门
- 体素科技:2018年,算法驱动下的医学影像分析进展
- .NET Compact Framework 2.0 SP2 for Platform Builder (4.2, 5.0, 6.0)
- 在vs2012下编译出现Msvcp120d.dll 丢失的问题
- 常用css属性集(持续更新…)
- python程序员自我介绍范文_程序员的自我介绍|史上最有趣的版本
- 微信jssdk开发 java_Java微信公众平台开发(十一)--微信JSSDK中Config配置
- 在delphi的dbgrid中插入其他可视组件_delphi教程
- 深度学习:基本概要:监督,无监督,半监督,弱监督,多示例,迁移学习
- 强大的开源企业级数据库监控利器Lepus
- 神策面试官的修炼之道,选对人与吸引人 | 神策军
- 2021年刷这600多道算法题,轻松进大厂
- MFC 生成中英文版软件对应的工程属性设置
- matlab同轴电缆能量密度,导体电介质和磁介质之同轴电缆的能量密度.ppt
- 度小满数据开发面试真题2
- JPEG图像压缩算法流程详解
- 词云制作这5款工具就够了
- SH35D喇叭扩音器:大功率喊话,彻底解放你的嗓子