矩阵相关
-
A n m A_{nm} Anm表示一个 n ∗ m n*m n∗m的矩阵.
-
特别地,一个 1 1 1行 m m m列的矩阵被称为行向量,列向量同理.
-
A n n A_{nn} Ann可以被称为 n n n阶方阵 A n A_n An.
-
A T A^T AT表示矩阵 A A A的转置,即 A i , j T = A j , i A^T_{i,j}=A_{j,i} Ai,jT=Aj,i.
-
对角矩阵:除主对角线外所有元素均为 0 0 0的矩阵.
-
主对角线以下均为 0 0 0的方阵上三角矩阵,下三角矩阵同理.
-
单元矩阵用 I I I表示,即主对角线元素全为 1 1 1的对角矩阵.
-
伴随矩阵 A ∗ i , j {A^*}_{i,j} A∗i,j为:元素 a j i a_{ji} aji的代数余子式.
行列式的定义
一个矩阵 a a a的行列式表示为 ∣ A ∣ |A| ∣A∣或 det ( A ) \det(A) det(A)
定义: ∣ A ∣ = ∑ p ( − 1 ) τ ( p ) ∏ i = 1 n a i , p i |A|=\sum_{p}(-1)^{\tau(p)}\prod_{i=1}^na_{i,p_i} ∣A∣=p∑(−1)τ(p)i=1∏nai,pi
此外,我们发现 ∣ A ∣ |A| ∣A∣的等价定义还有: ∣ A ∣ = ∑ p ( − 1 ) τ ( p ) ∏ i = 1 n a p i , i |A|=\sum_{p}(-1)^{\tau(p)}\prod_{i=1}^na_{p_i,i} ∣A∣=p∑(−1)τ(p)i=1∏napi,i ∣ A ∣ = ∑ p , q ( − 1 ) τ ( p ) + τ ( q ) ∏ i = 1 n a p i , q i |A|=\sum_{p,q}(-1)^{\tau(p)+\tau(q)}\prod_{i=1}^na_{p_i,q_i} ∣A∣=p,q∑(−1)τ(p)+τ(q)i=1∏napi,qi
这是由于,交换一个排列中相邻两个数,逆序对奇偶性一定改变。推广到交换任意两个数,逆序对奇偶性也同样必须改变。这样每交换一对,行和列的奇偶性都会改变,但和是不变的。所以我们有等价定义。
当然,还有一种定义是根据代数余子式去计算:
在 n n n阶行列式中,我们定义 a i , j a_{i,j} ai,j的余子式是除去第 i i i行第 j j j列后所得的 n − 1 n-1 n−1阶行列式,不妨记作 M i j M_{ij} Mij.
而代数余子式 A i j = ( − 1 ) i + j M i j A_{ij}=(-1)^{i+j}M_{ij} Aij=(−1)i+jMij
我们有 ∣ A ∣ = ∑ i = 1 n a k , i A k , i = ∑ i = 1 n a i , k A i , k ( k = 1 , 2 , . . . , n ) |A|=\sum_{i=1}^na_{k,i}A_{k,i}=\sum_{i=1}^na_{i,k}A_{i,k}(k=1,2,...,n) ∣A∣=i=1∑nak,iAk,i=i=1∑nai,kAi,k(k=1,2,...,n)
称为行列式按行(列)展开。证明相对简单。
行列式的本质
我们先来看看矩阵.
旋转矩阵
[
c
o
s
θ
−
s
i
n
θ
s
i
n
θ
c
o
s
θ
]
\begin{bmatrix} cos_{\theta } & -sin_{\theta }\\ sin_{\theta } & cos_{\theta } \end{bmatrix}
[cosθsinθ−sinθcosθ]
乘上向量,得到
[
c
o
s
θ
−
s
i
n
θ
s
i
n
θ
c
o
s
θ
]
[
x
y
]
=
[
x
′
y
′
]
\begin{bmatrix} cos_{\theta } & -sin_{\theta }\\ sin_{\theta } & cos_{\theta } \end{bmatrix}\begin{bmatrix} x \\ y\end{bmatrix}=\begin{bmatrix} x' \\ y'\end{bmatrix}
[cosθsinθ−sinθcosθ][xy]=[x′y′]
事实上,在线性代数中,我们把这样一个变换称为改变了基。
推移、平移等都可以看做是改变了基。
而行列式,就可以描述为一个矩阵给基带来变化的伸缩因子。
例如,对于旋转矩阵而言,它的行列式就是
∣
c
o
s
θ
−
s
i
n
θ
s
i
n
θ
c
o
s
θ
∣
=
c
o
s
θ
2
+
s
i
n
θ
2
=
1
\begin{vmatrix} cos_{\theta } & -sin_{\theta }\\ sin_{\theta } & cos_{\theta } \end{vmatrix} = cos_{\theta}^2+sin_{\theta}^2=1
∣∣∣∣cosθsinθ−sinθcosθ∣∣∣∣=cosθ2+sinθ2=1.
所以可见,旋转并不改变基的大小,仅仅改变方向。
行列式的性质
-
上三角矩阵/下三角矩阵的行列式值是对角线元素的乘积.
-
交换行列式任意两行,行列式值取反.
-
对一行乘上一个固定系数 k k k,等价于行列式值乘 k k k.
-
行列式可割。
根据以上性质,可以运用高斯消元求解。时间复杂度 O ( n 3 ) O(n^3) O(n3).
矩阵可逆
根据 ∣ A ∣ |A| ∣A∣的大小,依据行列式的本质可以知道:
- 当 ∣ A ∣ > 1 |A|\gt 1 ∣A∣>1,实际上是放大图形。
- 当 ∣ A ∣ = 1 |A|=1 ∣A∣=1,图形不变。
- 当 0 < ∣ A ∣ < 1 0\lt |A|\lt 1 0<∣A∣<1,实际上是缩小图形。
- 当 ∣ A ∣ = 0 |A|=0 ∣A∣=0,图形不可逆。
- 当 ∣ A ∣ < 0 |A|\lt0 ∣A∣<0,在改变左右手法则后依据 ∣ A ∣ > 0 |A|\gt 0 ∣A∣>0进行判断。
即当 ∣ A ∣ = 0 |A|=0 ∣A∣=0时,没有任何矩阵可以将乘以 ∣ A ∣ = 0 |A|=0 ∣A∣=0的矩阵还原。
并且当 ∣ A ∣ ≠ 0 |A|\neq 0 ∣A∤=0时,存在唯一的逆矩阵, A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A* A−1=∣A∣1A∗
证明:
-
约定 A ∗ A^* A∗为 A A A的伴随矩阵, A i j A_{ij} Aij表示 a i j a_{ij} aij的代数余子式
-
则根据代数余子式及相关行列式的性质,得到 ∑ k = 1 n a i , k A j , k = { 0 , if i ≠ j ∣ A ∣ if i = j ( i , j = 1 , 2 , . . . , n ) \sum_{k=1}^na_{i,k}A_{j,k}=\begin{cases} 0, & \text{ if } i \neq j \\ |A| & \text{ if }i=j \end{cases}(i,j=1,2,...,n) k=1∑nai,kAj,k={0,∣A∣ if i̸=j if i=j(i,j=1,2,...,n)
-
所以有 A ∗ A = A A ∗ = ∣ A ∣ I A^*A=AA^*=|A|I A∗A=AA∗=∣A∣I
-
当 ∣ A ∣ ≠ 0 |A|\neq 0 ∣A∤=0时,两边除以 ∣ A ∣ |A| ∣A∣得到 ( 1 ∣ A ∣ A ∗ ) ⋅ A = I (\frac{1}{|A|}A^*)·A=I (∣A∣1A∗)⋅A=I.
-
所以得到 1 ∣ A ∣ A ∗ \frac{1}{|A|}A^* ∣A∣1A∗为 A A A的逆矩阵.