向量与行列式笔记

向量是指具有大小和方向的量，在物理学中，通常将向量称为矢量
标量是指只有大小的量，在物理学中，也叫做标量

箭头的方向表示向量的方向，线段则表示向量的大小
向量的众多特性可以是很多概念得到简化

一，向量

1,向量的表示

• 直角坐标系表示：带箭头的线段
• 印刷体表示：粗体字母 ，如a、b、D
• 手写体表示：字母上加一个向右的箭头，如$\vec{a}$、$\vec{b}$、$\vec{D}$
• 代数表示：$a=<x_1,x_2>=(x_1,x_2)=\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)=\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]$
• 模的表示：$|a|=\sqrt{x_1^2+x_2^2}$

2,维度和分量

首先这里可以打开思路，有人问我，你能想象四维的空间吗？不能想象就别乱说了。我的确想象不出来，的确我也不能再平面上画出一个四维的空间，但是这里的维度是$数学层面$的！
每一个维度都可以代表任意我们能想象到的事物，这里的维度完全取决与我们对每个维度的定义！

• 每个维度中的内容：数字、文字或是其他符号都可以
• 不同维度的表示：$n$维空间用$R^n$表示，如二维空间$R^2$、三维空间$R^3$
• 维度的分量：向量在其中一个维度上的值成为该维度的分量，如$R^3$空间的向量$\vec{a}=(1,2,9)$,那么$\vec{a}$再三个维度的分量分别是1,2,9

3,零向量和单位向量

• 零向量：长度为零的向量，与任何向量平行，可记作$O$或$Z$(zero),$O=\left[\begin{array}{c}0\\ 0\\ 0\end{array}\right],O\in R^3$
• 单位向量：一个非零向量除以它的模，得到单位向量，$N=\frac{a}{|a|}$

二，向量的运算

1,加减法

①加法

向量的加法很简单，将相同维度的向量依次相加就行了

简单举个例子：

$a=\left[\begin{array}{c}{a}_1\\ a_2\\ a_3\end{array}\right],b=\left[\begin{array}{c}{b}_1\\ b_2\\ b3\end{array}\right],a+b=\left[\begin{array}{c}{a}_1+b_1\\ a_2+b_2\\ a_3+b_3\end{array}\right]$

②减法

和加法一样简单，把相同维度的向量依次相减即可

简单举个例子：

$a=\left[\begin{array}{c}{a}_1\\ a_2\\ a_3\end{array}\right],b=\left[\begin{array}{c}{b}_1\\ b_2\\ b3\end{array}\right],a-b=\left[\begin{array}{c}{a}_1-b_1\\ a_2-b_2\\ a_3-b_3\end{array}\right]$

2,数乘

向量乘上一个标量就可以组成数乘的运算

简单举个例子：
$v=\left[\begin{array}{c}7\\ 9\end{array}\right]，v\times 2=\left[\begin{array}{c}14\\ 18\end{array}\right]，v\times -6=\left[\begin{array}{c}-42\\ -54\end{array}\right]$

3,点积

从向量角度看， 对应点对应积的和就是点积运算，点积的结果是标量

简单举个例子：
$a=\left[\begin{array}{c}{a}_1\\ a_2\\ a_3\end{array}\right],b=\left[\begin{array}{c}{b}_1\\ b_2\\ b_3\end{array}\right],a\cdot b=a_1\times b_1+a_2\times b_2+a_3\times b_3={\sum }_{i=1}^3{a}_i{b}_i$

从几何角度看，对应的模乘夹角余弦

$a\cdot b=|a||b|cos\theta$

4,叉积

二维空间中，叉积的定义如下

$a=\left[\begin{array}{c}{a}_1\\ a_2\end{array}\right],b=\left[\begin{array}{c}{b}_1\\ b_2\end{array}\right]$
$a\times b=\left|\begin{array}{cc}{a}_1& a_2\\ b_1& b_2\end{array}\right|=a_1{b}_2-a_2{b}_1$
叉积的结果是向量

从几何角度看，叉积的模等于对应的模乘夹角正弦

$a\times b=|a||b|sin\theta$

三，行列式

1,组成

行列式是由向量组成的式子，是一种运算，结果为向量

如上面的叉积就是一个简单的二阶行列式：

$\left|\begin{array}{cc}{a}_1& a_2\\ b_1& b_2\end{array}\right|$

2,性质

1. 单位矩阵的行列式为1
2. 如果$D_n=det(A)$中某行的元素全为0，那么$D_n=0$
3. 如果$D_n=det(A)$中某两行元素对应成比例，那么$D_n=0$
4. 如果$D_n=det(A)$中某两行互换，那么互换后的行列式编号，即$det(A)=-det(A)$
5. 倍乘性质：$det(k{A}_{n\times n})=k^{n}det(A_{n\times n})$
6. 倍加性质：$\left|\begin{array}{cc}{a}_1& a_2\\ b_1& b_2\end{array}\right|=\left|\begin{array}{cc}{a}_1& a_2\\ b_1+k{a}_1& b_2+k{a}_1\end{array}\right|$
7. 单行(列)可拆(加)性:$\left|\begin{array}{ccc}\ast & & \\ a_1& a_2& a_3\\ \ast & & \end{array}\right|+\left|\begin{array}{ccc}\ast & & \\ b_1& b_2& b_3\\ \ast & & \end{array}\right|=\left|\begin{array}{ccc}\ast & & \\ a_1+b_1& a_2+b_2& a_3+b_3\\ \ast & & \end{array}\right|$
8. 两个矩阵相乘的行列式，等于这两个矩阵的行列式相乘：$det(A^2)=(det(A){)}^2$

3，意义

线性代数研究向量之间的关系，最重要的关系就是独立或不独立，行列式等于0即向量独立，即对应方程组有唯一解

4，计算

上（下）三角矩阵的行列式等于主对角元素的乘积

计算原则：利用行列式的性质化简成上（下）三角矩阵的样子，然后计算乘积

通过公式：
$$det(A)=\sum _{n!}\pm a_{1\alpha }{a}_{2\beta }{a}_{3\gamma }\cdot \cdot \cdot a_{n\omega }$$

四，代数余子式

代数余子式优点像俄罗斯套娃，可以把行列式的阶数一直打开到只剩一阶（一个数）

什么是代数余子式，举个例子：
三阶行列式的计算公式如下
$$det(A)=a_{11}(a_{22}{a}_{33}-a_{23}{a}_{32})-a_{12}(a_{21}{a}_{33}-a_{23}{a}_{31})+a_{13}(a_{21}{a}_{32}-a_{22}{a}_{31})$$

1，代数余子式公式：

$$det(A)=a_{11}{C}_{11}+a_{12}{C}_{12}+\cdot \cdot \cdot +a_{1n}{C}_{1n}=\sum _{i=1}^n{a}_{1i}{C}_{1i}$$

$C_{xy}$就是$a_{xy}$的代数余子式，若$x+y$为奇数，$a_{xy}$为负数

五，结束语：以上内容如有错误或不妥欢迎指出，谢谢！

小白学识有限，难免无不妥之处，欢迎批评指正！