以下均为个人理解,如有错误,请大佬指出,小生立马就改正。
行列式部分并非适合纯入门观看
线性代数-行列式
1. 二阶和三阶行列式
行列式是线性代数中常用的工具。
1.1 二阶行列式的概念
首先,第一步,我们先举一个二阶行列式:
[
a
11
a
12
a
21
a
22
]
\left[ \begin{matrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{matrix} \right]
[a11a21a12a22]
其中数 a i j a_{ij} aij(i=1,2;j=1,2)称为行列式的元素或元,元素 a i j a_{ij} aij的第一个下表i称为行标,表示该元素位于第i行;第二个下表j称为列标,表明表示该元素位于第j列;因此,位于第i行第j列的元素称为行列式的(i,j)元。
1.1.1 二阶行列式的对角线法则
计算行列式的最简单的方法就是使用对角线法则。
具体的计算方法如下:
红线的两个元素相乘的结果,减黑线的两个元素相乘的结果。
a
11
∗
a
22
−
a
12
∗
a
21
a_{11}*a_{22}-a_{12}*a_{21}
a11∗a22−a12∗a21
注意:对角线法则的计算方式只适用于二阶和三阶的行列式
1.2三阶行列式的概念
第一步,我们一样,也举一个三阶行列式:
[
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
]
\left[ \begin{matrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \\ \end{matrix} \right]
⎣⎡a11a21a31a12a22a32a13a23a33⎦⎤
1.2.1 三阶行列式的对角线法则
三阶行列式的计算方法其实与二阶类似,如下图所示
①将每条的红线连接的3个元素相乘,将每条的蓝线连接的3个元素相乘。
A
1
=
a
11
∗
a
22
∗
a
33
A_1=a_{11}*a_{22}*a_{33}
A1=a11∗a22∗a33
A
2
=
a
12
∗
a
23
∗
a
31
A_2=a_{12}*a_{23}*a_{31}
A2=a12∗a23∗a31
A
3
=
a
13
∗
a
21
∗
a
32
A_3=a_{13}*a_{21}*a_{32}
A3=a13∗a21∗a32
A
4
=
a
13
∗
a
22
∗
a
31
A_4=a_{13}*a_{22}*a_{31}
A4=a13∗a22∗a31
A
5
=
a
12
∗
a
21
∗
a
33
A_5=a_{12}*a_{21}*a_{33}
A5=a12∗a21∗a33
A
6
=
a
11
∗
a
23
∗
a
32
A_6=a_{11}*a_{23}*a_{32}
A6=a11∗a23∗a32
②将得出来的六个结果全部相加,其中,红线得出的结果为正,蓝线得出的结果为负
A
1
+
A
2
+
A
3
−
A
4
−
A
5
−
A
6
A_1+A_2+A_3-A_4-A_5-A_6
A1+A2+A3−A4−A5−A6
注意:对角线法则的计算方式只适用于二阶和三阶的行列式
1.3 例题
D
=
[
1
2
−
4
−
2
2
1
−
3
4
−
2
]
D= \left[ \begin{matrix} 1 & 2 & -4 \\ -2 & 2 & 1 \\ -3 & 4 & -2 \\ \end{matrix} \right]
D=⎣⎡1−2−3224−41−2⎦⎤
解:按照对角线法则,由
D
=
1
∗
2
∗
(
−
2
)
+
2
∗
1
∗
(
−
3
)
+
(
−
4
)
∗
(
−
2
)
∗
4
−
(
−
4
)
∗
2
∗
(
−
3
)
−
2
∗
(
−
2
)
∗
(
−
2
)
−
1
∗
1
∗
4
D=1*2*(-2)+2*1*(-3)+(-4)*(-2)*4-(-4)*2*(-3)-2*(-2)*(-2)-1*1*4
D=1∗2∗(−2)+2∗1∗(−3)+(−4)∗(−2)∗4−(−4)∗2∗(−3)−2∗(−2)∗(−2)−1∗1∗4
D
=
(
−
4
)
+
(
−
6
)
+
32
−
24
−
8
−
4
D=(-4)+(-6)+32-24-8-4
D=(−4)+(−6)+32−24−8−4
D
=
−
14
D=-14
D=−14
2. 全排列和对换
2.1 全排序
把n个不同的元素排成一列,叫做这n个元素的全排列,简称排列。
n个不同的元素的所有不同的排列种类用
P
n
P_n
Pn表示, 计算方式如下:
P
n
=
n
∗
(
n
−
1
)
∗
.
.
.
.
.
.
∗
3
∗
2
∗
1
=
n
!
P_n=n*(n-1)*......*3*2*1=n!
Pn=n∗(n−1)∗......∗3∗2∗1=n!
举个例子:如果用1,2,3这三个数字作排列,那么排列的总数
P
3
=
3
∗
2
∗
1
=
6
P_3=3*2*1=6
P3=3∗2∗1=6,这六个排序分别是:
123
,
231
,
312
,
132
,
213
,
321
123,231,312,132,213,321
123,231,312,132,213,321
2.2 逆序数
对于n个不同的元素,在规定各个元素的先后时,有个标准次序(通常情况下,由小到大为标准次序)。
于是在这n个元素的任意排列中,当某一对元素的先后次序与标准次序不同时,就说他构成一个逆序。
(简单的判定方法:将每个数字分别和该数字后面的每一个数字进行对比,如果每比后面的一个数字大,那么就构成了一个逆序)
一个排列中所有逆序数的总数,叫做这个排列的逆序数。
逆序数为奇数的排列叫做奇排列,逆序数为偶数的排列叫做偶排列
接下来,举个栗子:
求排列32514的逆序数.
(简单的判定方法:将每个数字分别和该数字后面的每一个数字进行对比,如果每比后面的一个数字大,那么就构成了一个逆序)
先从第一个数字开始。
3>2,3>1,所以这是2个逆序。
然后是第二位数字。
2>1,这是第三个逆序。
第三个数
5>1,5>4,又是两个逆序,这样就有5个逆序了。
第四个数
因为1<4所以这个不是逆序。
第五个数字后面已经没有数字了,所以不需要继续做对比了。
那么一共由5个逆序,所以逆序数是5,为奇序数。
2.3 对换
在排列中,将任意的两个元素对调,其他元素不变,这种做出新排序的手续称为对换,将相邻的两个元素对换,叫做相邻对换。
①定理1:一个排列中任意两个元素对换,排列改变奇偶性。
推论:奇排列对换成标准排序的对换次数为奇数,偶排列对换成标准排序的对换次数为偶数。
3. n阶行列式
3.1 n阶行列式的定义
D = [ a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . . . . . . . a n 1 a n 2 . . . a n n ] D= \left[ \begin{matrix} a_{11} & a_{12} & ... & a_{1n}\\ a_{21} & a_{22} & ... & a_{2 n} \\ ... & ... & ... & ...&\\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{matrix} \right] D=⎣⎢⎢⎡a11a21...an1a12a22...an2............a1na2n...ann⎦⎥⎥⎤
此为n阶行列式,简记为det( a i j a_{ij} aij),其中数 a i j a_{ij} aij为行列式D的(i,j)元。
两种较为特殊的行列式:
下(上)三角行列式:主对角线以上(或以下)的元素均为0的行列式。
D
=
[
a
11
0
a
21
a
22
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
]
=
a
11
∗
a
22
∗
.
.
.
∗
a
n
n
D= \left[ \begin{matrix} a_{11} & & & 0\\ a_{21} & a_{22} & & \\ ... & ... & ... & &\\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{matrix} \right]=a_{11}*a_{22}*...*a_{nn}
D=⎣⎢⎢⎡a11a21...an1a22...an2......0ann⎦⎥⎥⎤=a11∗a22∗...∗ann
对角行列式:主对角线以上和以下的元素均为0的行列式。
D
=
[
a
11
a
22
.
.
.
a
n
n
]
=
a
11
∗
a
22
∗
.
.
.
∗
a
n
n
D= \left[ \begin{matrix} a_{11} & & & \\ & a_{22} && \\ & & ... & &\\ & & & a_{nn} \\ \end{matrix} \right]=a_{11}*a_{22}*...*a_{nn}
D=⎣⎢⎢⎡a11a22...ann⎦⎥⎥⎤=a11∗a22∗...∗ann
3.2 行列式的性质
D = [ a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . . . . . . . a n 1 a n 2 . . . a n n ] D= \left[ \begin{matrix} a_{11} & a_{12} & ... & a_{1n}\\ a_{21} & a_{22} & ... & a_{2 n} \\ ... & ... & ... & ...&\\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{matrix} \right] D=⎣⎢⎢⎡a11a21...an1a12a22...an2............a1na2n...ann⎦⎥⎥⎤
D T = [ a 11 a 21 . . . a n 1 a 12 a 22 . . . a n 2 . . . . . . . . . . . . a 1 n a 2 n . . . a n n ] D^T= \left[ \begin{matrix} a_{11} & a_{21} & ... & a_{n1}\\ a_{12} & a_{22} & ... & a_{n2} \\ ... & ... & ... & ...&\\ a_{1n} & a_{2n} & ... & a_{nn} \\ \end{matrix} \right] DT=⎣⎢⎢⎡a11a12...a1na21a22...a2n............an1an2...ann⎦⎥⎥⎤
行列式 D T D^T DT称为行列式D的转置行列式。
①性质1:行列式与它的转置行列式相等。
②性质2:对换行列式的两行(列),行列式变号。
以
r
i
r_i
ri表示行列式的第i行,以
c
j
c_j
cj表示行列式的第j行。
对换a、b两行记作
r
a
r_a
ra←→
r
b
r_b
rb,对换a、b两列记作
c
a
c_a
ca←→
c
b
c_b
cb
推论:如果行列式由两行(列)完全相同,则此行列式等于零。
③性质3:行列式的某一行(列)中所有的元素都乘同一个数k**,等于用数k乘以此行列式。
④性质4:行列式中有两行(列)元素成比例,则此行列式等于零。(由性质2的推论加上性质3得出)
⑤性质5:若行列式的某一行(列)的元素是两数之和,则行列式D下列等于两个行列式之和。
栗子:
D
=
[
a
11
a
12
.
.
.
a
1
n
a
21
a
22
.
.
.
a
2
n
.
.
.
.
.
.
.
.
.
.
.
.
a
i
1
+
a
i
1
,
a
i
2
+
a
i
2
,
.
.
.
a
i
n
+
a
i
n
,
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
]
D= \left[ \begin{matrix} a_{11} & a_{12} & ... & a_{1n}\\ a_{21} & a_{22} & ... & a_{2 n} \\ ... & ... & ... & ...&\\ a_{i1}+a^,_{i1} & a_{i2}+a^,_{i2} & ... & a_{in}+a^,_{in} &\\ ... & ... & ... & ...&\\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{matrix} \right]
D=⎣⎢⎢⎢⎢⎢⎢⎡a11a21...ai1+ai1,...an1a12a22...ai2+ai2,...an2..................a1na2n...ain+ain,...ann⎦⎥⎥⎥⎥⎥⎥⎤
D = [ a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . . . . . . . a i 1 a i 2 . . . a i n . . . . . . . . . . . . a n 1 a n 2 . . . a n n ] + [ a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . . . . . . . a i 1 , a i 2 , . . . a i n , . . . . . . . . . . . . a n 1 a n 2 . . . a n n ] D= \left[ \begin{matrix} a_{11} & a_{12} & ... & a_{1n}\\ a_{21} & a_{22} & ... & a_{2 n} \\ ... & ... & ... & ...&\\ a_{i1} & a_{i2} & ... & a_{in} &\\ ... & ... & ... & ...&\\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{matrix} \right]+ \left[ \begin{matrix} a_{11} & a_{12} & ... & a_{1n}\\ a_{21} & a_{22} & ... & a_{2 n} \\ ... & ... & ... & ...&\\ a^,_{i1} & a^,_{i2} & ... & a^,_{in} &\\ ... & ... & ... & ...&\\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{matrix} \right] D=⎣⎢⎢⎢⎢⎢⎢⎡a11a21...ai1...an1a12a22...ai2...an2..................a1na2n...ain...ann⎦⎥⎥⎥⎥⎥⎥⎤+⎣⎢⎢⎢⎢⎢⎢⎡a11a21...ai1,...an1a12a22...ai2,...an2..................a1na2n...ain,...ann⎦⎥⎥⎥⎥⎥⎥⎤
⑥行列式6:把行列式的某一行(列)的各元素乘同一数然后加到另一行(列)对应的元素上去,行列式不变。(由性质4加上性质5得出)
[
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
a
i
1
a
i
2
.
.
.
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
j
1
a
j
2
.
.
.
a
j
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
]
=
r
j
+
k
r
i
=
[
a
11
a
12
.
.
.
a
1
n
.
.
.
.
.
.
.
.
.
.
.
.
a
i
1
a
i
2
.
.
.
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
j
1
+
k
a
i
1
a
j
2
+
k
a
i
2
.
.
.
a
j
n
+
k
a
i
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
]
\left[ \begin{matrix} a_{11} & a_{12} & ... & a_{1n}\\ ... & ... & ... & ...&\\ a_{i1} & a_{i2} & ... & a_{in} &\\ ... & ... & ... & ...&\\ a_{j1} & a_{j2} & ... & a_{jn} &\\ ... & ... & ... & ...&\\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{matrix} \right]= r_j+kr_i= \left[ \begin{matrix} a_{11} & a_{12} & ... & a_{1n}\\ ... & ... & ... & ...&\\ a_{i1} & a_{i2} & ... & a_{in} &\\ ... & ... & ... & ...&\\ a_{j1}+ka_{i1} & a_{j2} +ka_{i2} & ... & a_{jn}+ka_{in} &\\ ... & ... & ... & ...&\\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{matrix} \right]
⎣⎢⎢⎢⎢⎢⎢⎢⎢⎡a11...ai1...aj1...an1a12...ai2...aj2...an2.....................a1n...ain...ajn...ann⎦⎥⎥⎥⎥⎥⎥⎥⎥⎤=rj+kri=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎡a11...ai1...aj1+kai1...an1a12...ai2...aj2+kai2...an2.....................a1n...ain...ajn+kain...ann⎦⎥⎥⎥⎥⎥⎥⎥⎥⎤
3.3 行列式按行(列)展开
低阶行列式的计算比高阶行列式的计算简便,所以我们自然要考虑用低阶行列式来表示高阶行列式的问题,由此引出了下面的余子式和代数余子式的概念。
在n阶行列式中,把(i,j)元
a
i
j
a_{ij}
aij所在的第i行和第j列划去后,留下的n-1阶行列式叫做(i,j)元
a
i
j
a_{ij}
aij的余子式,记作
M
i
j
M_{ij}
Mij;
记代数余子式:
A
i
j
=
(
−
1
)
i
+
j
M
i
j
A_{ij}=(-1)^{i+j}M_{ij}
Aij=(−1)i+jMij
A
i
j
A_{ij}
Aij叫做(i,j)元
a
i
j
a_{ij}
aij的代数余子式。
举个栗子:
四阶行列式如下,我们求其中(3,2)元
a
i
j
a_{ij}
aij的余子式和代数余子式分别为:
D
=
[
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
a
41
a
42
a
43
a
44
]
D= \left[ \begin{matrix} a_{11} & a_{12} & a_{13} & a_{14}\\ a_{21} & a_{22} & a_{23} & a_{24} \\ a_{31} & a_{32} &a_{33} & a_{34}&\\ a_{41} & a_{42} & a_{43} & a_{44} \\ \end{matrix} \right]
D=⎣⎢⎢⎡a11a21a31a41a12a22a32a42a13a23a33a43a14a24a34a44⎦⎥⎥⎤
M
32
=
[
a
11
a
13
a
14
a
21
a
23
a
24
a
41
a
43
a
44
]
M_{32}= \left[ \begin{matrix} a_{11} & a_{13} & a_{14}\\ a_{21}& a_{23} & a_{24} \\ a_{41} & a_{43} & a_{44} \\ \end{matrix} \right]
M32=⎣⎡a11a21a41a13a23a43a14a24a44⎦⎤
A
32
=
(
−
1
)
3
+
2
M
32
=
−
M
32
A_{32}=(-1)^{3+2}M_{32}=-M_{32}
A32=(−1)3+2M32=−M32
定理1:一个n阶行列式,如果其中第i行所有元素除(i,j)元
a
i
,
j
a_{i,j}
ai,j外都为零,那么这行列式等于
a
i
,
j
a_{i,j}
ai,j与它的代数余子式的乘积,即
D
=
a
i
j
∗
A
i
j
D=a_{ij}*A_{ij}
D=aij∗Aij
定理2:行列式等于它的任意一行(列)的各元素与其对应的代数余子式的乘积之和,即:]
D
=
a
i
1
∗
A
i
1
+
a
i
2
∗
A
i
2
+
.
.
.
+
a
i
n
∗
A
i
n
D=a_{i1}*A_{i1}+a_{i2}*A_{i2}+...+a_{in}*A_{in}
D=ai1∗Ai1+ai2∗Ai2+...+ain∗Ain或
D
=
a
1
j
∗
A
1
j
+
a
2
j
∗
A
2
j
+
.
.
.
+
a
n
j
∗
A
n
j
D=a_{1j}*A_{1j}+a_{2j}*A_{2j}+...+a_{nj}*A_{nj}
D=a1j∗A1j+a2j∗A2j+...+anj∗Anj