1. 逆矩阵
对于二阶方阵
[ a b c d ] − 1 = 1 a d − b c [ d − b − c a ] \begin{bmatrix} a & b\\c & d \end{bmatrix}^{-1}= \frac{1}{ad-bc} \begin{bmatrix} d & -b\\-c & a \end{bmatrix} [acbd]−1=ad−bc1[d−c−ba]
我们假设 A i j A_{ij} Aij为代数余子式,由所有代数余子式构成的矩阵为 C C C。
C i → 表示矩阵第 i 行形成的行向量 \overrightarrow{C_i}表示矩阵第i行形成的行向量 Ci表示矩阵第i行形成的行向量
根据行列式公式可以得到
A i → C ⊤ n i → = d e t A \overrightarrow{A_i}\overrightarrow{C^{\top}n_i} = det\ A AiC⊤ni=det A
对于可逆方阵 A A A来说,其逆矩阵为
A − 1 = 1 d e t A C ⊤ A^{-1}=\frac{1}{det\ A}C^{\top} A−1=det A1C⊤
对于
A
i
→
C
j
⊤
→
,
i
≠
j
\overrightarrow{A_i}\overrightarrow{C^{\top}_j},i \ne j
AiCj⊤,i=j
相当于将原行列式的第
j
j
j行替换成
i
i
i行的行列式的值;两列行相同,新行列式值为
0
0
0。
所以对于矩阵
T
T
T
T
=
A
C
⊤
T
i
j
=
A
i
→
C
j
⊤
→
=
{
d
e
t
A
,
i
=
j
0
,
i
≠
j
1
d
e
t
A
T
=
I
T=AC^{\top}\\ T_{ij}=\overrightarrow{A_i}\overrightarrow{C^{\top}_j}= \begin{cases} det\ A,\quad i = j\\ 0,\quad i \ne j \end{cases}\\ \frac{1}{det\ A} T=I
T=AC⊤Tij=AiCj⊤={det A,i=j0,i=jdet A1T=I
2.克莱默法则
方程
A
X
=
b
⇒
X
=
A
−
1
b
=
1
d
e
t
A
C
⊤
b
AX=b \Rightarrow X=A^{-1}b=\frac{1}{det\ A}C^{\top}b
AX=b⇒X=A−1b=det A1C⊤b
C ⊤ = [ C 11 C 21 . . . C n 1 . . . C 1 n C 2 n . . . C n n ] b = [ b 1 . . . b n ] 对于解 x i = C i ⊤ b C^{\top}= \begin{bmatrix} C_{11} C_{21}...C_{n1}\\ ...\\ C_{1n}C_{2n}...C_{nn} \end{bmatrix}\\ b= \begin{bmatrix} b_1\\...\\b_n \end{bmatrix}\\ 对于解x_i=C^{\top}_ib C⊤= C11C21...Cn1...C1nC2n...Cnn b= b1...bn 对于解xi=Ci⊤b
C i ⊤ C^{\top}_i Ci⊤对应代数余子式矩阵的第 i i i列,所以其乘积为将 b b b替换到 A A A中第 i i i列的行列式的值。
3. 体积
方阵的秩等于方阵所形成平行 n n n面体体积。
三角形面积公式推导
A ( x 1 , y 1 ) , B ( x 2 , y 2 ) cos θ = A B ∣ A ∣ ∣ B ∣ 同时平方 cos 2 θ = ( A ⋅ B ) 2 ∣ A ∣ 2 ∣ B ∣ 2 换成 sin 2 θ sin 2 θ = ∣ A ∣ 2 ∣ B ∣ 2 − ( A ⋅ B ) 2 ∣ A ∣ 2 ∣ B ∣ 2 同乘 ∣ A ∣ 2 转化为 B 边上的高的平方 ∣ A ∣ 2 sin 2 θ = ∣ A ∣ 2 ∣ B ∣ 2 − ( A ⋅ B ) 2 ∣ B ∣ 2 同乘 ∣ B ∣ 2 转化为平行四边形面积平方 ∣ B ∣ 2 ∣ A ∣ 2 sin 2 θ = ∣ A ∣ 2 ∣ B ∣ 2 − ( A ⋅ B ) 2 A(x_1,y_1),B(x_2,y_2)\\ \cos \theta=\frac{AB}{|A||B|}同时平方\\ \cos ^{2}\theta=\frac{(A\cdot B)^{2}}{|A|^{2}|B|^{2}} 换成\sin ^{2} \theta\\ \sin^{2}\theta=\frac{|A|^{2}|B|^{2}-(A\cdot B)^{2}}{|A|^{2}|B|^{2}} 同乘|A|^{2}转化为B边上的高的平方\\ |A|^{2}\sin^{2}\theta=\frac{|A|^{2}|B|^{2}-(A\cdot B)^{2}}{|B|^{2}} 同乘|B|^{2}转化为平行四边形面积平方\\ |B|^{2}|A|^{2}\sin^{2}\theta=|A|^{2}|B|^{2}-(A\cdot B)^{2} A(x1,y1),B(x2,y2)cosθ=∣A∣∣B∣AB同时平方cos2θ=∣A∣2∣B∣2(A⋅B)2换成sin2θsin2θ=∣A∣2∣B∣2∣A∣2∣B∣2−(A⋅B)2同乘∣A∣2转化为B边上的高的平方∣A∣2sin2θ=∣B∣2∣A∣2∣B∣2−(A⋅B)2同乘∣B∣2转化为平行四边形面积平方∣B∣2∣A∣2sin2θ=∣A∣2∣B∣2−(A⋅B)2
将坐标点带入
S
p
a
2
=
(
x
1
2
+
y
1
2
)
(
x
2
2
+
y
2
2
)
−
(
x
1
x
2
+
y
1
y
2
)
2
=
(
x
1
x
2
)
2
+
(
y
1
y
2
)
2
+
(
x
1
y
2
)
2
+
(
x
2
y
1
)
2
−
(
x
1
x
2
)
2
−
(
y
1
y
2
)
2
−
2
(
x
1
y
2
x
2
y
1
)
=
(
x
1
y
2
−
x
2
y
1
)
2
S
p
a
=
a
b
s
∣
x
1
y
2
−
x
2
y
1
∣
\begin{align} S_{pa}^{2}&=(x_1^{2}+y_1^{2})(x_2^{2}+y_2^{2})-(x_1x_2+y_1y_2)^{2} \nonumber \\&=(x_1x_2)^{2}+(y_1y_2)^{2}+(x_1y_2)^2+(x_2y_1)^2-(x_1x_2)^2-(y_1y_2)^2-2(x_1y_2x_2y_1)\nonumber \\&=(x_1y_2 - x_2y_1)^{2} \nonumber\\ S_{pa} &= abs|x_1y_2-x_2y_1|\nonumber \end{align}
Spa2Spa=(x12+y12)(x22+y22)−(x1x2+y1y2)2=(x1x2)2+(y1y2)2+(x1y2)2+(x2y1)2−(x1x2)2−(y1y2)2−2(x1y2x2y1)=(x1y2−x2y1)2=abs∣x1y2−x2y1∣
如果引入第三个点,化为行列式的形式
[
x
1
y
1
1
x
2
y
2
1
x
3
y
3
1
]
\begin{bmatrix} x_1 & y_1 & 1\\ x_2 & y_2 & 1\\ x_3 & y_3 & 1\\ \end{bmatrix}
x1x2x3y1y2y3111
前两行都减去第三行就变成了上面推导的向量形式
[
x
1
−
x
3
y
1
−
y
3
0
x
2
−
x
3
y
2
−
y
3
0
x
3
y
3
1
]
\begin{bmatrix} x_1-x_3 & y_1-y_3 & 0\\ x_2-x_3 & y_2-y_3 & 0\\ x_3 & y_3 & 1\\ \end{bmatrix}
x1−x3x2−x3x3y1−y3y2−y3y3001
S p a = a b s ∣ ( x 1 − x 3 ) ( y 2 − y 3 ) − ( x 2 − x 3 ) ( y 1 − y 3 ) ∣ S t r = 1 2 a b s ∣ ( x 1 − x 3 ) ( y 2 − y 3 ) − ( x 2 − x 3 ) ( y 1 − y 3 ) ∣ S_{pa}=abs|(x_1-x_3)(y_2-y_3)-(x_2-x_3)(y_1-y_3)|\\ S_{tr}=\frac{1}{2}abs|(x_1-x_3)(y_2-y_3)-(x_2-x_3)(y_1-y_3)|\\ Spa=abs∣(x1−x3)(y2−y3)−(x2−x3)(y1−y3)∣Str=21abs∣(x1−x3)(y2−y3)−(x2−x3)(y1−y3)∣