1-向量和行列式简介
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 a ⃗ \vec{a} a、 b ⃗ \vec{b} b、 D ⃗ \vec{D} D
- 代数表示: a = < x 1 , x 2 > = ( x 1 , x 2 ) = ( x 1 x 2 ) = [ x 1 x 2 ] a=<x_1,x_2>=(x_1,x_2)=\begin{pmatrix} x_1 \\ x_2 \end{pmatrix}=\begin{bmatrix} x_1 \\ x_2 \end{bmatrix} a=<x1,x2>=(x1,x2)=(x1x2)=[x1x2]
- 模的表示: ∣ a ∣ = x 1 2 + x 2 2 |a|=\sqrt{x_1^2+x_2^2} ∣a∣=x12+x22
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
\color{red}{数学层面}
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 n n维空间用 R n R^n Rn表示,如二维空间 R 2 R^2 R2、三维空间 R 3 R^3 R3
- 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 R^3 R3空间的向量 a ⃗ = ( 1 , 2 , 9 ) \vec{a}=(1,2,9) a=(1,2,9),那么 a ⃗ \vec{a} 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 O O或 Z Z Z(zero), O = [ 0 0 0 ] , O ∈ R 3 O=\begin{bmatrix} 0 \\ 0 \\0\end{bmatrix},O\in R^3 O=⎣⎡000⎦⎤,O∈R3
- 单位向量:一个非零向量除以它的模,得到单位向量, N = a ∣ a ∣ N= \frac {a} {|a|} N=∣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 = [ a 1 a 2 a 3 ] , b = [ b 1 b 2 b 3 ] , a + b = [ a 1 + b 1 a 2 + b 2 a 3 + b 3 ] a = \begin{bmatrix} a_1 \\ a_2 \\a_3\end{bmatrix},b=\begin{bmatrix}b_1\\b_2\\b3\end{bmatrix},a+b=\begin{bmatrix}a_1+b_1\\a_2+b_2\\a_3+b_3\end{bmatrix} a=⎣⎡a1a2a3⎦⎤,b=⎣⎡b1b2b3⎦⎤,a+b=⎣⎡a1+b1a2+b2a3+b3⎦⎤
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 = [ a 1 a 2 a 3 ] , b = [ b 1 b 2 b 3 ] , a − b = [ a 1 − b 1 a 2 − b 2 a 3 − b 3 ] a = \begin{bmatrix} a_1 \\ a_2 \\a_3\end{bmatrix},b=\begin{bmatrix}b_1\\b_2\\b3\end{bmatrix},a-b=\begin{bmatrix}a_1-b_1\\a_2-b_2\\a_3-b_3\end{bmatrix} a=⎣⎡a1a2a3⎦⎤,b=⎣⎡b1b2b3⎦⎤,a−b=⎣⎡a1−b1a2−b2a3−b3⎦⎤
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
=
[
7
9
]
,
v
×
2
=
[
14
18
]
,
v
×
−
6
=
[
−
42
−
54
]
v=\begin{bmatrix}7\\9\end{bmatrix},v\times2=\begin{bmatrix}14\\18\end{bmatrix},v\times-6=\begin{bmatrix}-42\\-54\end{bmatrix}
v=[79],v×2=[1418],v×−6=[−42−54]
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
=
[
a
1
a
2
a
3
]
,
b
=
[
b
1
b
2
b
3
]
,
a
⋅
b
=
a
1
×
b
1
+
a
2
×
b
2
+
a
3
×
b
3
=
∑
i
=
1
3
a
i
b
i
a=\begin{bmatrix}a_1\\a_2\\a_3\end{bmatrix},b=\begin{bmatrix}b_1\\b_2\\b_3\end{bmatrix},a\cdot b=a_1\times b_1+a_2\times b_2+a_3\times b_3=\sum_{i=1}^3 {a_ib_i}
a=⎣⎡a1a2a3⎦⎤,b=⎣⎡b1b2b3⎦⎤,a⋅b=a1×b1+a2×b2+a3×b3=∑i=13aibi
从几何角度看,对应的模乘夹角余弦
a ⋅ b = ∣ a ∣ ∣ b ∣ c o s θ a\cdot b=|a||b|cos\theta a⋅b=∣a∣∣b∣cosθ
4,叉积
二维空间中,叉积的定义如下
a
=
[
a
1
a
2
]
,
b
=
[
b
1
b
2
]
a=\begin{bmatrix}a_1\\a_2\end{bmatrix},b=\begin{bmatrix}b_1\\b_2\end{bmatrix}
a=[a1a2],b=[b1b2]
a
×
b
=
∣
a
1
a
2
b
1
b
2
∣
=
a
1
b
2
−
a
2
b
1
a\times b=\begin{vmatrix}a_1&a_2\\b_1&b_2\end{vmatrix}=a_1b_2-a_2b_1
a×b=∣∣∣∣a1b1a2b2∣∣∣∣=a1b2−a2b1
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 × b = ∣ a ∣ ∣ b ∣ s i n θ a\times b=|a||b|sin\theta a×b=∣a∣∣b∣sinθ
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:
∣ a 1 a 2 b 1 b 2 ∣ \begin{vmatrix}a_1&a_2\\b_1&b_2\end{vmatrix} ∣∣∣∣a1b1a2b2∣∣∣∣
2,性质
- 单位矩阵的行列式为1
- 如果 D n = d e t ( A ) D_n=det(A) Dn=det(A)中某行的元素全为0,那么 D n = 0 D_n=0 Dn=0
- 如果 D n = d e t ( A ) D_n=det(A) Dn=det(A)中某两行元素对应成比例,那么 D n = 0 D_n=0 Dn=0
- 如果 D n = d e t ( A ) D_n=det(A) Dn=det(A)中某两行互换,那么互换后的行列式编号,即 d e t ( A ) = − d e t ( A ) det(A)=-det(A) det(A)=−det(A)
- 倍乘性质: d e t ( k A n × n ) = k n d e t ( A n × n ) det(kA_{n\times n})=k^ndet(A_{n\times n}) det(kAn×n)=kndet(An×n)
- 倍加性质: ∣ a 1 a 2 b 1 b 2 ∣ = ∣ a 1 a 2 b 1 + k a 1 b 2 + k a 1 ∣ \begin{vmatrix}a_1&a_2\\b_1&b_2\end{vmatrix}=\begin{vmatrix}a_1&a_2\\b_1+ka_1&b_2+ka_1\end{vmatrix} ∣∣∣∣a1b1a2b2∣∣∣∣=∣∣∣∣a1b1+ka1a2b2+ka1∣∣∣∣
- 单行(列)可拆(加)性: ∣ ∗ a 1 a 2 a 3 ∗ ∣ + ∣ ∗ b 1 b 2 b 3 ∗ ∣ = ∣ ∗ a 1 + b 1 a 2 + b 2 a 3 + b 3 ∗ ∣ \begin{vmatrix}*\\a_1&a_2&a_3\\* \end{vmatrix}+\begin{vmatrix}*\\b_1&b_2&b_3\\* \end{vmatrix}=\begin{vmatrix}*\\a_1+b_1&a_2+b_2&a_3+b_3\\* \end{vmatrix} ∣∣∣∣∣∣∗a1∗a2a3∣∣∣∣∣∣+∣∣∣∣∣∣∗b1∗b2b3∣∣∣∣∣∣=∣∣∣∣∣∣∗a1+b1∗a2+b2a3+b3∣∣∣∣∣∣
- 两个矩阵相乘的行列式,等于这两个矩阵的行列式相乘: d e t ( A 2 ) = ( d e t ( A ) ) 2 det(A^2)=(det(A))^2 det(A2)=(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:
d
e
t
(
A
)
=
∑
n
!
±
a
1
α
a
2
β
a
3
γ
⋅
⋅
⋅
a
n
ω
det(A)=\sum_{n!}\pm a_{1\alpha}a_{2\beta}a_{3\gamma}\cdot \cdot \cdot a_{n\omega}
det(A)=n!∑±a1αa2βa3γ⋅⋅⋅anω
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
d
e
t
(
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
)
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})
det(A)=a11(a22a33−a23a32)−a12(a21a33−a23a31)+a13(a21a32−a22a31)
1,代数余子式公式:
d e t ( A ) = a 11 C 11 + a 12 C 12 + ⋅ ⋅ ⋅ + a 1 n C 1 n = ∑ i = 1 n a 1 i C 1 i 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} det(A)=a11C11+a12C12+⋅⋅⋅+a1nC1n=i=1∑na1iC1i
C x y C_{xy} Cxy就是 a x y a_{xy} axy的代数余子式,若 x + y x+y x+y为奇数, a x y a_{xy} axy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!