一、正交矩阵
1.1 R n R^n Rn的标准正交基
定义
R n 中 的 n 个 向 量 η 1 , η 2 , . . . , η n 满 足 : ( 1 ) 两 两 正 交 : η i T η j = 0 ( i ≠ 0 ) ( 2 ) 都 是 单 位 向 量 , 即 ∣ ∣ η i ∣ ∣ = 1 , i = 1 , 2 , . . . , n 则 称 η 1 , η 2 , . . . , η n 为 R n 的 一 组 标 准 正 交 基 R^n中的n个向量\eta_1,\eta_2,...,\eta_n满足: \\(1)两两正交:\eta_i^T\eta_j=0(i\ne0) \\(2)都是单位向量,即||\eta_i||=1,i=1,2,...,n \\则称\eta_1,\eta_2,...,\eta_n为R^n的一组标准正交基 Rn中的n个向量η1,η2,...,ηn满足:(1)两两正交:ηiTηj=0(i=0)(2)都是单位向量,即∣∣ηi∣∣=1,i=1,2,...,n则称η1,η2,...,ηn为Rn的一组标准正交基
注:
- 标准正交基不唯一,例如{(1,0),(0,1)}和{( 2 2 , − 2 2 , ( 2 2 , 2 2 ) {\sqrt{2}\over2},{-\sqrt{2}\over2},({\sqrt{2}\over2},{\sqrt{2}\over2}) 22,2−2,(22,22))}
- 设 η 1 , η 2 , . . . , η n 为 R n 的 一 组 标 准 正 交 基 , 设 η = ( η 1 , η 2 , . . . , η n ) , 则 : η T η = ( η 1 T η 2 T ⋮ η n T ) ( η 1 η 2 … η n ) = ( η 1 T η 1 η 1 T η 2 … η 1 T η 1 η 2 T η 1 η 2 T η 2 … η 2 T η 1 ⋮ ⋮ ⋱ ⋮ η n T η 1 η n T η 2 … η n T η 1 ) = E 设\eta_1,\eta_2,...,\eta_n为R^n的一组标准正交基,设\eta=(\eta_1,\eta_2,...,\eta_n),则:\\\eta^T\eta=\begin{pmatrix}\eta_1^T\\\eta_2^T\\\vdots\\\eta_n^T\end{pmatrix}(\eta_1\eta_2\dots\eta_n)=\begin{pmatrix}\eta_1^T\eta_1&\eta_1^T\eta_2&\dots&\eta_1^T\eta_1\\\eta_2^T\eta_1&\eta_2^T\eta_2&\dots&\eta_2^T\eta_1\\\vdots&\vdots&\ddots&\vdots\\\eta_n^T\eta_1&\eta_n^T\eta_2&\dots&\eta_n^T\eta_1\end{pmatrix}=E 设η1,η2,...,ηn为Rn的一组标准正交基,设η=(η1,η2,...,ηn),则:ηTη=⎝⎜⎜⎜⎛η1Tη2T⋮ηnT⎠⎟⎟⎟⎞(η1η2…ηn)=⎝⎜⎜⎜⎛η1Tη1η2Tη1⋮ηnTη1η1Tη2η2Tη2⋮ηnTη2……⋱…η1Tη1η2Tη1⋮ηnTη1⎠⎟⎟⎟⎞=E
1.2 两组标准正交基间的过渡矩阵
设 ξ 1 , ξ 2 , . . . , ξ n 与 η 1 , η 2 , . . . , η n 是 R n 的 两 组 标 准 正 交 基 , 令 ξ = ( ξ 1 ξ 2 … ξ n ) , η = ( η 1 η 2 … η n ) , 由 ξ 到 η 的 过 渡 矩 阵 为 Q , 即 η = ξ Q , 则 Q T Q = E 设\xi_1,\xi_2,...,\xi_n与\eta_1,\eta_2,...,\eta_n是R^n的两组标准正交基,令\xi=(\xi_1\xi_2\dots \xi_n),\eta=(\eta_1\eta_2\dots\eta_n),由\xi到\eta的过渡矩阵为Q,即\eta=\xi Q,则Q^TQ=E 设ξ1,ξ2,...,ξn与η1,η2,...,ηn是Rn的两组标准正交基,令ξ=(ξ1ξ2…ξn),η=(η1η2…ηn),由ξ到η的过渡矩阵为Q,即η=ξQ,则QTQ=E
证明:
∵
η
=
ξ
Q
,
η
T
=
Q
T
ξ
T
\because\eta=\xi Q,\eta^T=Q^T\xi^T
∵η=ξQ,ηT=QTξT
∴ η T η = Q T ξ T ξ Q \therefore \eta^T\eta=Q^T\xi^T\xi Q ∴ηTη=QTξTξQ
∵ ξ 1 , ξ 2 , . . . , ξ n \because\xi_1,\xi_2,...,\xi_n ∵ξ1,ξ2,...,ξn与 η 1 , η 2 , . . . , η n \eta_1,\eta_2,...,\eta_n η1,η2,...,ηn均为标准正交基
∴ ξ T ξ = E , η T η = E \therefore\xi^T\xi=E,\eta^T\eta=E ∴ξTξ=E,ηTη=E
∴ Q T Q = E \therefore Q^TQ=E ∴QTQ=E
过渡矩阵的一个例子:
假设 η 1 , η 2 , η 3 \eta_1,\eta_2,\eta_3 η1,η2,η3是 R 3 R^3 R3的一组标准正交基,通过证明,我们可以得到
ξ 1 = 1 2 η 1 − 1 2 η 2 \xi_1={1\over\sqrt{2}}\eta_1-{1\over\sqrt{2}}\eta_2 ξ1=21η1−21η2
ξ 2 = 1 6 η 1 + 1 6 η 2 − 2 6 η 3 \xi_2={1\over\sqrt{6}}\eta_1+{1\over\sqrt{6}}\eta_2-{2\over\sqrt{6}}\eta_3 ξ2=61η1+61η2−62η3
ξ 3 = 1 3 η 1 + 1 3 η 2 + 1 3 η 3 \xi_3={1\over\sqrt{3}}\eta_1+{1\over\sqrt{3}}\eta_2+{1\over\sqrt{3}}\eta_3 ξ3=31η1+31η2+31η3
新的到的 ξ \xi ξ同样是一组标准正交基,而这个正交基就是 η \eta η通过过渡矩阵 Q = ( 1 2 1 6 1 3 − 1 2 1 6 1 3 0 − 2 6 1 3 ) Q=\begin{pmatrix}{1\over\sqrt{2}}&{1\over\sqrt{6}}&{1\over\sqrt{3}}\\-{1\over\sqrt{2}}&{1\over\sqrt{6}}&{1\over\sqrt{3}}\\0&-{2\over\sqrt{6}}&{1\over\sqrt{3}}\end{pmatrix} Q=⎝⎜⎛21−2106161−62313131⎠⎟⎞得到的:
ξ = η Q \xi=\eta Q ξ=ηQ
1.3 正交矩阵及其性质定理
定义
实 数 域 R 上 的 n 阶 矩 阵 Q 满 足 Q T Q = E , 则 称 Q 为 正 交 矩 阵 实数域R上的n阶矩阵Q满足Q^TQ=E,则称Q为正交矩阵 实数域R上的n阶矩阵Q满足QTQ=E,则称Q为正交矩阵
性质
- n阶矩阵Q为正交矩阵 ⟺ Q − 1 = Q T \iff Q^{-1}=Q^T ⟺Q−1=QT
- Q Q Q为正交矩阵,则 Q − 1 Q^{-1} Q−1也是正交矩阵
- 若P,Q都是n阶正交矩阵,则PQ也是n阶正交矩阵
- Q为正交矩阵,则 ∣ Q ∣ = ± 1 |Q|=\pm1 ∣Q∣=±1
定理
设 Q n = ( α 1 α 2 … α n ) = ( β 1 T β 2 T ⋮ β n T ) , 则 Q n 为 正 交 矩 阵 设Q_n=(\alpha_1\alpha_2\dots\alpha_n)=\begin{pmatrix}\beta_1^T\\\beta_2^T\\\vdots\\\beta_n^T\end{pmatrix},则Q_n为正交矩阵 设Qn=(α1α2…αn)=⎝⎜⎜⎜⎛β1Tβ2T⋮βnT⎠⎟⎟⎟⎞,则Qn为正交矩阵
⟺ 列 向 量 组 α 1 , α 2 , . . . , α n 为 R n 的 一 组 标 准 正 交 基 \iff 列向量组\alpha_1,\alpha_2,...,\alpha_n为R^n的一组标准正交基 ⟺列向量组α1,α2,...,αn为Rn的一组标准正交基
⟺ 行 向 量 组 β 1 T , β 2 T , . . . , β n T 为 R n 的 一 组 标 准 正 交 基 \iff 行向量组\beta_1^T,\beta_2^T,...,\beta_n^T为R^n的一组标准正交基 ⟺行向量组β1T,β2T,...,βnT为Rn的一组标准正交基
小结:
设 ( η 1 η 2 … η n ) = ( ξ 1 ξ 2 … ξ n ) Q (\eta_1\eta_2\dots\eta_n)=(\xi_1\xi_2\dots\xi_n)Q (η1η2…ηn)=(ξ1ξ2…ξn)Q
- 若 ξ \xi ξ和 η \eta η均为标准正交基,则过渡矩阵Q是正交矩阵
- 若 ξ \xi ξ是标准正交基,Q是正交矩阵,则 η \eta η是标准正交基
- 若 η \eta η是标准正交基,Q是正交矩阵,则 ξ \xi ξ是标准正交基
https://wenku.baidu.com/view/e6d6a3b00975f46527d3e1a5.html
二、行列式
2.1 定义
为了给出n阶行列式的定义,首先我们研究三阶行列式的结构:
∣
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
∣
=
a
11
a
22
a
33
+
a
12
a
23
a
31
+
a
13
a
21
a
32
−
a
11
a
23
a
32
−
a
12
a
21
a
33
−
a
13
a
22
a
31
\begin{vmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\end{vmatrix}=a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{13}a_{21}a_{32}-a_{11}a_{23}a_{32}-a_{12}a_{21}a_{33}-a_{13}a_{22}a_{31}
∣∣∣∣∣∣a11a21a31a12a22a32a13a23a33∣∣∣∣∣∣=a11a22a33+a12a23a31+a13a21a32−a11a23a32−a12a21a33−a13a22a31
2.1.1 结构一
- 行列式右边任一项除正负号外可以写成:
a 1 p 1 a 2 p 2 a 3 p 3 a_{1p_1}a_{2p_2}a_{3p_3} a1p1a2p2a3p3
其中 p 1 p 2 p 3 p_1p_2p_3 p1p2p3是123的某个排列 - 各项所带的正负号可以表示为
(
−
1
)
t
(-1)^t
(−1)t,其中t由列指标排列
p
1
p
2
p
3
p_1p_2p_3
p1p2p3所决定(称为
p
1
p
2
p
3
p_1p_2p_3
p1p2p3的逆序数)
三阶行列式可以写成:
∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ = ∑ ( − 1 ) t a 1 p 1 a 2 p 2 a 3 p 3 \begin{vmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\end{vmatrix}=\sum(-1)^ta_{1p_1}a_{2p_2}a_{3p_3} ∣∣∣∣∣∣a11a21a31a12a22a32a13a23a33∣∣∣∣∣∣=∑(−1)ta1p1a2p2a3p3
2.1.2 由结构一得到n阶行列式的传统定义
由 n 2 个 数 a i j ( i , j = 1 , 2 , . . . , n ) 构 成 的 代 数 和 由n^2个数a_{ij}(i,j=1,2,...,n)构成的代数和 由n2个数aij(i,j=1,2,...,n)构成的代数和
∑ ( − 1 ) t a 1 p 1 a 2 p 2 a 3 p 3 \sum(-1)^ta_{1p_1}a_{2p_2}a_{3p_3} ∑(−1)ta1p1a2p2a3p3
称 为 n 阶 行 列 式 , 记 为 : 称为n阶行列式,记为: 称为n阶行列式,记为:
∣ a 11 a 12 … a 1 n a 12 a 22 … a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 … a n n ∣ \begin{vmatrix}a_{11}&a_{12}&\dots&a_{1n}\\a_{12}&a_{22}&\dots&a_{2n}\\\vdots&\vdots&\ddots&\vdots\\a_{n1}&a_{n2}&\dots&a_{nn}\end{vmatrix} ∣∣∣∣∣∣∣∣∣a11a12⋮an1a12a22⋮an2……⋱…a1na2n⋮ann∣∣∣∣∣∣∣∣∣
简 记 为 d e t ( a i j ) , 其 中 p 1 p 2 … p n 为 自 然 数 1 , 2 , . . . , n 的 一 个 排 雷 , t 为 这 个 排 列 的 逆 序 数 , ∑ 表 示 对 所 有 排 列 求 和 简记为det(a_{ij}),其中p_1p_2\dots p_n为自然数1,2,...,n的一个排雷,t为这个排列的逆序数,\sum表示对所有排列求和 简记为det(aij),其中p1p2…pn为自然数1,2,...,n的一个排雷,t为这个排列的逆序数,∑表示对所有排列求和
在 n 阶 行 列 式 D 中 , 数 a i j 为 行 列 式 D 的 ( i , j ) 元 在n阶行列式D中,数a_{ij}为行列式D的(i,j)元 在n阶行列式D中,数aij为行列式D的(i,j)元
特 别 规 定 一 阶 行 列 式 ∣ ( a ) ∣ 的 值 就 是 a 特别规定一阶行列式|(a)|的值就是a 特别规定一阶行列式∣(a)∣的值就是a
2.1.3 结构二
为了给出n阶行列式的第二种定义方式,我们再进一步研究三阶行列式的结构:
∣
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
∣
=
a
11
a
22
a
33
+
a
12
a
23
a
31
+
a
13
a
21
a
32
−
a
11
a
23
a
32
−
a
12
a
21
a
33
−
a
13
a
22
a
31
\begin{vmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\end{vmatrix}=a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{13}a_{21}a_{32}-a_{11}a_{23}a_{32}-a_{12}a_{21}a_{33}-a_{13}a_{22}a_{31}
∣∣∣∣∣∣a11a21a31a12a22a32a13a23a33∣∣∣∣∣∣=a11a22a33+a12a23a31+a13a21a32−a11a23a32−a12a21a33−a13a22a31
=
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
)
\quad\quad\quad\quad\quad\quad\quad=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})
=a11(a22a33−a23a32)−a12(a21a33−a23a31)+a13(a21a32−a22a31)
=
a
11
∣
a
22
a
23
a
32
a
33
∣
−
a
12
∣
a
21
a
23
a
31
a
33
∣
+
a
13
∣
a
21
a
22
a
31
a
32
∣
\quad\quad\quad\quad\quad\quad\quad=a_{11}\begin{vmatrix}a_{22}&a_{23}\\a_{32}&a_{33}\end{vmatrix}-a_{12}\begin{vmatrix}a_{21}&a_{23}\\a_{31}&a_{33}\end{vmatrix}+a_{13}\begin{vmatrix}a_{21}&a_{22}\\a_{31}&a_{32}\end{vmatrix}
=a11∣∣∣∣a22a32a23a33∣∣∣∣−a12∣∣∣∣a21a31a23a33∣∣∣∣+a13∣∣∣∣a21a31a22a32∣∣∣∣
由以上推导,我们可以得到n阶行列式的递归法定义:
由
n
2
个
数
a
i
j
(
i
,
j
=
1
,
2
,
.
.
.
,
n
)
组
成
的
n
阶
行
列
式
:
由n^2个数a_{ij}(i,j=1,2,...,n)组成的n阶行列式:
由n2个数aij(i,j=1,2,...,n)组成的n阶行列式:
∣ a 11 a 12 … a 1 n a 12 a 22 … a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 … a n n ∣ \begin{vmatrix}a_{11}&a_{12}&\dots&a_{1n}\\a_{12}&a_{22}&\dots&a_{2n}\\\vdots&\vdots&\ddots&\vdots\\a_{n1}&a_{n2}&\dots&a_{nn}\end{vmatrix} ∣∣∣∣∣∣∣∣∣a11a12⋮an1a12a22⋮an2……⋱…a1na2n⋮ann∣∣∣∣∣∣∣∣∣
是 这 样 一 个 算 式 : 是这样一个算式: 是这样一个算式:
当
n
=
1
时
,
定
义
D
=
∣
(
a
11
)
∣
=
a
11
;
当n=1时,定义D=|(a_{11})|=a_{11};
当n=1时,定义D=∣(a11)∣=a11;
当
n
≥
2
时
,
定
义
D
=
a
11
A
11
+
a
12
A
12
+
⋯
+
a
1
n
a
1
n
当n\ge2时,定义D=a_{11}A_{11}+a_{12}A_{12}+\dots+a_{1n}a_{1n}
当n≥2时,定义D=a11A11+a12A12+⋯+a1na1n
其
中
A
i
j
=
(
−
1
)
i
+
j
M
i
j
,
M
i
j
是
D
去
掉
第
i
行
第
j
列
全
部
元
素
后
,
按
原
顺
序
排
成
的
n
−
1
阶
行
列
式
其中A_{ij}=(-1)^{i+j}M_{ij},M_{ij}是D去掉第i行第j列全部元素后,按原顺序排成的n-1阶行列式
其中Aij=(−1)i+jMij,Mij是D去掉第i行第j列全部元素后,按原顺序排成的n−1阶行列式
M
i
j
为
元
素
a
i
j
的
余
子
式
,
A
i
j
是
元
素
a
i
j
的
代
数
余
子
式
M_{ij}为元素a_{ij}的余子式,A_{ij}是元素a_{ij}的代数余子式
Mij为元素aij的余子式,Aij是元素aij的代数余子式
注:
只有方阵才有行列式!
2.2 性质
2.2.1 性质1
设
A
为
方
阵
,
则
∣
A
T
∣
=
∣
A
∣
,
即
转
置
不
改
变
方
阵
的
行
列
式
设A为方阵,则|A^T|=|A|,即转置不改变方阵的行列式
设A为方阵,则∣AT∣=∣A∣,即转置不改变方阵的行列式
由此性质可知,行列式中的行与列具有同等的地位,行列式的性质凡是对行成立的对列也同样成立,反之亦然。
2.2.2 性质2
行列式等于它的任一行元素与其对应的代数余子式乘积的和,即:
D
=
a
11
A
i
1
+
a
12
A
i
2
+
⋯
+
a
i
n
A
i
n
(
i
=
1
,
2
,
…
,
n
)
D=a_{11}A_{i1}+a_{12}A_{i2}+\dots+a_{in}A_{in}\quad(i=1,2,\dots,n)
D=a11Ai1+a12Ai2+⋯+ainAin(i=1,2,…,n)
推论:
行列式等于它的任一列各元素与其对应的代数余子式乘积的和,即:
D
=
a
1
j
A
1
j
+
a
2
j
A
2
j
+
⋯
+
a
n
j
A
n
j
(
j
=
1
,
2
,
.
.
.
,
n
)
D=a_{1j}A_{1j}+a_{2j}A_{2j}+\dots+a_{nj}A_{nj}\quad(j=1,2,...,n)
D=a1jA1j+a2jA2j+⋯+anjAnj(j=1,2,...,n)
2.2.3 性质3(线性性质)
- 行列式的某一行(列)中所有的元素都乘以同一数k,等于用数k乘此行列式
- ∣ a 11 a 12 … a 1 n ⋮ ⋮ ⋱ ⋮ a i 1 + b i 1 a i 2 + b i 2 … a i n + b i n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 … a n n ∣ = ∣ a 11 a 12 … a 1 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 ⋮ ⋮ ⋱ ⋮ b i 1 b i 2 … b i n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 … a n n ∣ \begin{vmatrix}a_{11}&a_{12}&\dots&a_{1n}\\\vdots&\vdots&\ddots&\vdots\\a_{i1}+b_{i1}&a_{i2}+b_{i2}&\dots&a_{in}+b{in}\\\vdots&\vdots&\ddots&\vdots\\a_{n1}&a_{n2}&\dots&a_{nn}\end{vmatrix}=\begin{vmatrix}a_{11}&a_{12}&\dots&a_{1n}\\\vdots&\vdots&\ddots&\vdots\\a_{i1}&a_{i2}&\dots&a_{in}\\\vdots&\vdots&\ddots&\vdots\\a_{n1}&a_{n2}&\dots&a_{nn}\end{vmatrix}+\begin{vmatrix}a_{11}&a_{12}&\dots&a_{1n}\\\vdots&\vdots&\ddots&\vdots\\b_{i1}&b_{i2}&\dots&b{in}\\\vdots&\vdots&\ddots&\vdots\\a_{n1}&a_{n2}&\dots&a_{nn}\end{vmatrix} ∣∣∣∣∣∣∣∣∣∣∣∣a11⋮ai1+bi1⋮an1a12⋮ai2+bi2⋮an2…⋱…⋱…a1n⋮ain+bin⋮ann∣∣∣∣∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣∣∣∣∣a11⋮ai1⋮an1a12⋮ai2⋮an2…⋱…⋱…a1n⋮ain⋮ann∣∣∣∣∣∣∣∣∣∣∣∣+∣∣∣∣∣∣∣∣∣∣∣∣a11⋮bi1⋮an1a12⋮bi2⋮an2…⋱…⋱…a1n⋮bin⋮ann∣∣∣∣∣∣∣∣∣∣∣∣
推论:
- 行列式中某一行(列)的所有元素的公因子可以提到行列式符号的外面
- 某一行(列)的所有元素全为0的行列式其值为0
注意:
矩阵的数乘是指用常数乘以矩阵的每一个元素,假如存在一个n=k的行列式,那么以下等式成立:
∣
λ
A
∣
=
λ
k
∣
A
∣
|\lambda A|=\lambda^k|A|
∣λA∣=λk∣A∣
2.2.4 性质4
行列式中如果有两行(列)完全相等,则行列式等于0
推论:
行列式中如果有两行(列)元素成比例,则行列式等于0
2.2.5 性质5
把行列式的某一行(列)的各元素乘以同一个数然后加到另一行(列)对应的元素上去,行列式不变。
2.2.6 性质6
行列式的两行(列)对换,行列式的值反号
证明:
0
=
∣
a
1
,
.
.
.
,
a
i
+
a
j
,
.
.
.
,
a
i
+
a
j
,
.
.
.
,
a
n
∣
0=|a_{1},...,a_{i}+a{j},...,a_i+a_j,...,a_n|
0=∣a1,...,ai+aj,...,ai+aj,...,an∣
=
∣
a
1
,
.
.
.
,
a
i
,
.
.
.
,
a
i
+
a
j
,
.
.
.
,
a
n
∣
+
∣
a
1
,
.
.
.
,
a
j
,
.
.
.
,
a
i
+
a
j
,
.
.
.
,
a
n
∣
\quad=|a_1,...,a_i,...,a_i+a_j,...,a_n|+|a_1,...,a_j,...,a_i+a_j,...,a_n|
=∣a1,...,ai,...,ai+aj,...,an∣+∣a1,...,aj,...,ai+aj,...,an∣
=
∣
a
1
,
.
.
.
,
a
i
,
.
.
.
,
a
j
,
.
.
.
,
a
n
∣
+
∣
a
1
,
.
.
.
,
a
j
,
.
.
.
,
a
i
,
.
.
.
,
a
n
∣
\quad=|a_1,...,a_i,...,a_j,...,a_n|+|a_1,...,a_j,...,a_i,...,a_n|
=∣a1,...,ai,...,aj,...,an∣+∣a1,...,aj,...,ai,...,an∣
即:
∣
a
1
,
.
.
.
,
a
i
,
.
.
.
,
a
j
,
.
.
.
,
a
n
∣
=
−
∣
a
1
,
.
.
.
,
a
j
,
.
.
.
,
a
i
,
.
.
.
,
a
n
∣
|a_1,...,a_i,...,a_j,...,a_n|=-|a_1,...,a_j,...,a_i,...,a_n|
∣a1,...,ai,...,aj,...,an∣=−∣a1,...,aj,...,ai,...,an∣
初等变换与行列式:
- 将某一行的倍数加到另外一行:行列式不变
- 两行互换:行列式 × ( − 1 ) \times(-1) ×(−1)
- 将某一行 × c \times c ×c:行列式 × c \times c ×c
注意进行列变换可以得到相同的结论
2.2.7 性质7
由以上初等变化的性质与行列式的关系可知:
矩阵行列式的乘积等于矩阵乘积的行列式。
证明:
所有行列式非0的行列式都可以化为单位矩阵和一系列初等矩阵的乘积,单位矩阵的乘积行列式等于1,初等矩阵和矩阵乘积的行列式就等于初等矩阵和矩阵行列式的乘积,可以得到证明。
https://wenku.baidu.com/view/e333c62a69dc5022abea0066.html
2.2.8 性质8
2.3 几个等价结论
∣
A
∣
≠
0
|A|\ne0
∣A∣=0
⟺
A
可
逆
\iff A可逆
⟺A可逆
⟺
R
(
A
)
=
n
\iff R(A)=n
⟺R(A)=n
⟺
A
的
列
(
行
)
向
量
组
线
性
无
关
\iff A的列(行)向量组线性无关
⟺A的列(行)向量组线性无关
⟺
A
X
=
0
仅
有
零
解
\iff AX=0仅有零解
⟺AX=0仅有零解
⟺
A
X
=
b
有
唯
一
解
\iff AX=b有唯一解
⟺AX=b有唯一解
⟺
任
一
n
维
向
量
都
可
由
A
的
列
向
量
组
唯
一
线
性
表
示
\iff 任一n维向量都可由A的列向量组唯一线性表示
⟺任一n维向量都可由A的列向量组唯一线性表示
⟺
A
课
表
示
成
初
等
矩
阵
的
乘
积
\iff A课表示成初等矩阵的乘积
⟺A课表示成初等矩阵的乘积
⟺
A
的
定
价
标
准
形
式
单
位
矩
阵
\iff A的定价标准形式单位矩阵
⟺A的定价标准形式单位矩阵
⟺
A
的
行
最
简
形
是
单
位
矩
阵
\iff A的行最简形是单位矩阵
⟺A的行最简形是单位矩阵
⟺
A
的
特
征
值
都
不
等
于
0
\iff A的特征值都不等于0
⟺A的特征值都不等于0
⟺
A
T
A
是
正
定
矩
阵
\iff A^TA是正定矩阵
⟺ATA是正定矩阵
2.4 行列式的几何本质
行列式是线性变换的伸缩因子
以下从线性变换出发取理解行列式
2.4.1 线性变换的几何性质
线性变换的几何性质有以下三点:
- 变换前是直线的,变换后依然是直线
- 直线比例保持不变
- 变换前是原点的,变换后依然是原点
旋转:
推移:
这两个的叠加:
2.4.2 实现线性变换的矩阵
矩阵变换的根本是变换基
以旋转为例:
我们只需要旋转基,就可以完成正方形的旋转:
以下是一个矩阵旋转时基是怎样变化的:
再给一个例子,看下推移是怎么改变基的:
2.4.3 由上面推导到行列式
- 行列式是线性变换的伸缩因子
图片说明:
矩阵行列式由正到负,线性变换的变化:
- 行列式>0时:
如果行列式大于1,很显然对于图形有放大的作用
行列式等于1,图形的大小不会变换
行列式大于0小于1,对于图形有缩小的作用
- 行列式=0
行列式=0,有一个很重要的结论是,矩阵不可逆,以下是关于不可逆的几何解释:
假设存在一个矩形,原始的图像是这样:
通过如下的矩阵,逆时针旋转45°:
此时可通过另外一个矩阵,顺时针旋转45°:
此时这个正方形看起来就像没有变化,称:
两个矩阵互为逆矩阵
有的线性变换是可逆的,有的不行,比如如果矩阵的行列式为0,这时候变换后的正方形就会缩成一个点:
或者缩成一条直线:
没有矩阵可以将点或者直线恢复成矩阵。
- 行列式<0
原始图像如下:
被行列式<0的矩阵线性变换后变为如下形式:
行列式小于零,其实就是改变了基的“左右手法则”。
2.4.4 推论
知道了行列式的意义,我们就很容易知道:
同时我们也很容易知道:
因为:
三阶行列式是列组成的平行六面体的体积
https://www.zhihu.com/question/36966326
三、子式与代数余子式
3.1 定义
3.1.1 定义1
在一个n阶行列式D中任取k行k列,则位于这些行列的相交处的元素构成的k阶行列式被称为行列式D的一个k阶子式
3.1.2 定义2
n > 1 阶 行 列 式 D = ∣ a 11 … a 1 j … a 1 n ⋮ ⋮ ⋮ ⋮ ⋮ a i 1 … a i j … a i n ⋮ ⋮ ⋮ ⋮ ⋮ a n 1 … a n j … a n n ∣ 的 某 一 元 素 a i j 的 余 子 式 M i j 是 指 D 中 划 去 a i j 所 在 行 与 列 后 剩 下 的 n − 1 阶 子 式 n>1阶行列式D=\begin{vmatrix}a_{11}&\dots&a_{1j}&\dots&a_{1n}\\\vdots&\vdots&\vdots&\vdots&\vdots\\a_{i1}&\dots&a_{ij}&\dots&a_{in}\\\vdots&\vdots&\vdots&\vdots&\vdots\\a_{n1}&\dots&a_{nj}&\dots&a_{nn}\end{vmatrix}的某一元素a_{ij}的余子式M_{ij}是指D中划去a_{ij}所在行与列后剩下的n-1阶子式 n>1阶行列式D=∣∣∣∣∣∣∣∣∣∣∣∣a11⋮ai1⋮an1…⋮…⋮…a1j⋮aij⋮anj…⋮…⋮…a1n⋮ain⋮ann∣∣∣∣∣∣∣∣∣∣∣∣的某一元素aij的余子式Mij是指D中划去aij所在行与列后剩下的n−1阶子式
3.1.3 定义3
n
阶
行
列
式
D
的
元
素
a
i
j
的
余
子
式
M
i
j
附
上
符
号
(
−
1
)
i
+
j
后
,
被
称
为
元
素
a
i
j
的
代
数
余
子
式
n阶行列式D的元素a_{ij}的余子式M_{ij}附上符号(-1)^{i+j}后,被称为元素a_{ij}的代数余子式
n阶行列式D的元素aij的余子式Mij附上符号(−1)i+j后,被称为元素aij的代数余子式
元
素
a
i
j
的
代
数
余
子
式
用
符
号
A
i
j
表
示
为
:
元素a_{ij}的代数余子式用符号A_{ij}表示为:
元素aij的代数余子式用符号Aij表示为:
A
i
j
=
(
−
1
)
i
+
j
M
i
j
A_{ij}=(-1)^{i+j}M_{ij}
Aij=(−1)i+jMij
3.2 定理
3.2.1 定理1
行
列
式
D
等
于
它
任
一
行
(
列
)
的
所
有
元
素
与
它
们
对
应
的
代
数
余
子
式
的
乘
积
之
和
,
也
就
是
说
:
行列式D等于它任一行(列)的所有元素与它们对应的代数余子式的乘积之和,也就是说:
行列式D等于它任一行(列)的所有元素与它们对应的代数余子式的乘积之和,也就是说:
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=ai1Ai1+ai2Ai2+...+ainAin
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=a1jA1j+a2jA2j+...+anjAnj
3.2.2 定理2
https://wenku.baidu.com/view/e191149b48649b6648d7c1c708a1284ac850050e.html?fr=search