线性代数 01.01 n阶行列式的定义

$\color{blue}{第一章 行列式}$

$主要介绍n阶行列式的定义、性质及计算方法。$
$介绍用n阶行列式求解n元线性方程组的克拉默(Cramer)法则。$

$\color{blue}{\S 第一章 第一节 n阶行列式的定义}$

$\color{blue}{一、n阶行列式的引出}$

1.二元线性方程组
$\left \{ \begin{array}{l} a_{11}x_1 + a_{12}x_2 = b_1 \\ a_{21}x_1 + a_{22} x_2 = b_2 \end{array} \right.$
用消元法求解,得:
$(a_{11}a_{22} - a_{12}a_{21})x_1 = b_1a_{22} - a_{12}b_2$
$(a_{11}a_{22} - a_{12}a_{21})x_2 = a_{11}b_2 - b_1a_{21}$
$当a_{11}a_{22} - a_{12}a_{21} \neq 0时,$
求得方程组有唯一解:
$x_1 = \dfrac{ a_{22}b_1 - a_{12}b_2}{a_{11}a_{22} - a_{12}a_{21}}$
$x_2 = \dfrac{a_{11}b_2 - a_{21}b_1}{a_{11}a_{22} - a_{12}a_{21}}$

引入二阶行列式
系数行列式：
$D= a_{11}a_{22} - a_{12}a_{21} = \begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix}$

$D_1= b_{1}a_{22} - a_{12}b_{2} = \begin{vmatrix} b_{1} & a_{12} \\ b_{2} & a_{22} \end{vmatrix}$

$D_2= a_{11}b_{2} - b_{1}a_{21} = \begin{vmatrix} a_{11} & b_{1} \\ a_{21} & b_{2} \end{vmatrix}$

方程组的解可以写成:
$\left \{ \begin{array}{l} x_1 = \dfrac{D_1}{D} \\ x_2 = \dfrac{D_2}{D} \end{array} \right.$

二阶行列式的计算
例如：
$\begin{vmatrix} 5 & -2 \\ 4 & 3 \end{vmatrix} = 5 \times 3 - 4 \times (-2) = 23$

例，解二元一次线性方程组
$\left \{ \begin{array}{l} x_1 + 3x_2 = 1 \\ 2x_1 - 4x_2 = 5 \end{array} \right.$
求解方程:
$D = \begin{vmatrix} 1 & 3 \\ 2 & -4 \end{vmatrix} = -10$
$D_1 = \begin{vmatrix} 1 & 3 \\ 5 & -4 \end{vmatrix} = -19$
$D_2 = \begin{vmatrix} 1 & 1 \\ 2 & 5 \end{vmatrix} = 3$
$x_1 = \dfrac{D_1}{D} = \dfrac{19}{10}$
$x_2 = \dfrac{D_2}{D} = -\dfrac{3}{10}$

2.三元线性方程组
$\left \{ \begin{array}{l} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 = b_1 \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 = b_2 \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 = b_3 \end{array} \right.$
用消元法可求得，当
$D = \begin{vmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{vmatrix} \neq 0时,$
$D_1 = \begin{vmatrix} b_{1} & a_{12} & a_{13} \\ b_{2} & a_{22} & a_{23} \\ b_{3} & a_{32} & a_{33} \end{vmatrix} \\ D_2 = \begin{vmatrix} a_{11} & b_{1} & a_{13} \\ a_{21} & b_{2} & a_{23} \\ a_{31} & b_{3} & a_{33} \end{vmatrix} \\ D_3 = \begin{vmatrix} a_{11} & a_{12} & b_{1} \\ a_{21} & a_{22} & b_{2} \\ a_{31} & a_{32} & b_{3} \end{vmatrix}$

$\left \{ \begin{array}{l} x_1 = \dfrac{D_1}{D} \\ x_2 = \dfrac{D_2}{D} \\ x_3 = \dfrac{D_3}{D} \end{array} \right.$

$D = \begin{vmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{vmatrix} \\ = a_{11}a_{22}a_{33} + a_{12}a_{23}a_{31} + a_{13}a_{21}a_{32} \\ - a_{13}a_{22}a_{31} - a_{12}a_{21}a_{33} - a_{11}a_{23}a_{32}$

例如，三阶行列式的计算
$\begin{vmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{vmatrix} \\ =1 \times 5 \times 9 + 3 \times 4 \times 8 + 2 \times 6 \times 7 \\ - 3 \times 5 \times 7 - 2 \times 4 \times 9 - 1 \times 6 \times 8 \\ = 0$

例、解三元线性方程组
$\left \{ \begin{array}{l} x_1 + x_2 + 5x_3 = 1 \\ -x_1 + 5x_2 + x_3 = -1 \\ x_1 - x_2 + 2x_3 = 0 \end{array} \right.$
$解: \\ D = \begin{vmatrix} 1 & 1 & 5 \\ -1 & 5 & 1 \\ 1 & -1 & 2 \end{vmatrix} \\ = 1 \times 5 \times 2 + 1 \times 1 \times 1 + 5 \times (-1) \times (-1) \\ - 5 \times 5 \times 1 - 1 \times (-1) \times 2 - 1 \times (-1) \times 1 \\ = -6$
$D_1 = \begin{vmatrix} 1 & 1 & 5 \\ -1 & 5 & 1 \\ 0 & -1 & 2 \end{vmatrix} \\ = 1 \times 5 \times 2 + 1 \times 1 \times 0 + 5 \times (-1) \times (-1) \\ - 5 \times 5 \times 0 - 1 \times (-1) \times 2 - 1 \times (-1) \times 1 \\ = 18$
$D_2 = \begin{vmatrix} 1 & 1 & 5 \\ -1 & -1 & 1 \\ 1 & 0 & 2 \end{vmatrix} \\ = 1 \times (-1) \times 2 + 1 \times 1 \times 1 + 5 \times (-1) \times 0 \\ - 5 \times (-1) \times 1 - 1 \times (-1) \times 2 - 1 \times 0 \times 1 \\ = 6$
$D_3 = \begin{vmatrix} 1 & 1 & 1 \\ -1 & 5 & -1 \\ 1 & -1 & 0 \end{vmatrix} \\ = 1 \times 5 \times 0 + 1 \times (-1) \times 1 + 1 \times (-1) \times (-1) \\ - 1 \times 5 \times 1 - 1 \times (-1) \times 0 - 1 \times (-1) \times (-1) \\ = -6$

$\left \{ \begin{array}{l} x_1 = \dfrac{D_1}{D} =\dfrac{18}{-6} = -3 \\ x_2 = \dfrac{D_2}{D} = \dfrac{6}{-6} =-1 \\ x_3 = \dfrac{D_3}{D} = \dfrac{-6}{-6} = 1 \end{array} \right.$

3.n元一次线性方程组
$\left \{ \begin{array}{l} a_{11}x_1 + a_{12}x_2 + \cdots + a_{1n}x_1 = b_1 \\ a_{21}x_1 + a_{22}x_2 + \cdots + a_{2n}x_2 = b_2 \\ \qquad \vdots \qquad \vdots \qquad \vdots \\ a_{n1}x_1 + a_{n2}x_2 + \cdots + a_{nn}x_n = b_n \end{array} \right.$

构造
$D = \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix}$

$D_j = \begin{vmatrix} a_{11} & \cdots & b_{1} & \cdots & a_{1n} \\ a_{21} & \cdots & b_{2} & \cdots & a_{2n} \\ \vdots & &\vdots & & \vdots \\ a_{n1} & \cdots &b_{n} & \cdots & a_{nn} \end{vmatrix} \quad (j = 1, 2, \cdots, n)$

提出三个问题
$(1) D = ?(怎么计算?)$
$(2) 当D \neq 0时，方程组是否有唯一解?$
$(3) 若D \neq 0时, 方程组有唯一解,解的形式\\ 是否是 x_j = \dfrac{D_j}{D}, (j = 1, 2, \cdots, n)$

$\color{blue}{二、全排列及其逆序数}$

1.全排列
用1,2,3三个数字可以排6个不重复的三位数,即:
123, 231, 312, 132, 213, 321

一般地,把n个不同元素排成一列,共有几种不同的排法?
这是一个全排列问题.从n个元素中任取1个放在第一个位置上,有n重取法;
从剩下的n-1个元素中任取一个元素,放在第二个位置上有n-1种取法；
依此类推,直到最后剩下一个元素放到最后位置上,只有一种取法;
于是:
$P_n = n(n-1)\cdots3 \cdot 2 \cdot 1 = n!$

2.逆序数
对于n个不同的元素,可规定各元素之间有一个标准次序(例如,n个不同的自然数,规定由小到大为标准次序).于是,在这n个元素的任意排列中,当某两个元素的前后次序与标准次序不同时,就说产生了一个${\color{blue}{逆序}}$,一个排列中所有逆序的和叫这个排列的${\color{blue}{逆序数}}$.逆序数是奇数的排列叫做${\color{blue}{奇排列}}$,逆序数是偶数的排列叫${\color{blue}{偶排列}}$.

3.逆序数的计算方法
$不妨设元素为1至n个自然数,并规定由小到大的标准次序,\\ 设P_1P_2 \cdots P_n为这个自然数的一个n级排列,考虑元素P_i\\ (i = 1, 2, \cdots, n),比如比P_i大的,且排在P_i前面的元素\\ 有t_i个,说这个元素的逆序是t_i个,全体元素逆序之和即是\\ P_1P_2 \cdots P_n的逆序数$
$t = t_1 + t_2 + \cdots + t_n = \sum_{i = 1}^{n} t_i$

$例如，设排列3 \ 2 \ 5 \ 1 \ 4,其逆序数为:$
$t = 1 + 3 + 0 + 1 + 0 = 5 (从后向前)$
$t = 0 + 1 + 0 + 3 + 1 = 5 (从前向后)$
$当我们把上面的排序改为3 \ 1 \ 5 \ 2 \ 4,相当于把3 \ 2 \ 5 \ 1 \ 4这个排列的\\ 第2、4两个元素对换(将一个排列中任意两个元素对调,其余的元素\\ 不动,这种作出新排列的方法叫做对换).通过计算可知3 \ 1 \ 5 \ 2 \ 4的\\ 逆序数为$
$t = 0 + 1 + 0 + 2 + 1 = 4$
$可见排列3\ 2\ 5\ 1\ 4为奇排列,而3\ 1\ 5\ 2\ 4为偶排列,可见一个排列中\\ 的任意两个元素对换,排列改变奇偶性.$

$\color{blue}{三、n阶行列式的定义}$

$定义1.设有n^2个数,排成n行n列的数表\\ \qquad \qquad \qquad \begin{matrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{matrix} \\ 作出表中位于不同行不通列的n个数的乘积,\\ 并冠以符号(-1)^t,得到形如\\ (-1)^ta_{1p_1}a_{2p_2} \cdots a_{np_n} \\ 的项，其中P_1P_2 \cdots P_n为自然数1, 2, \cdots, n,\\ 的一个排列,t为这个排列的逆序数.\\ 这样的排列共有n!个,所有这些项的代数和称为n阶行列式.记为:\\ D = \sum (-1)^t a_{1P_1}a_{2p_2} \cdots a_{np_n}$
$也可记为:\\ D = det(a_{ij})$

行列式的其他定义
另一种形式为(以列的形式表示)：
$D = \sum (-1)^t a_{q_11}a_{q_22} \cdots a_{q_nn}$

同理,也可以以任意一行任意列开始来定义:
$D = \sum (-1)^{\alpha + \beta} a_{q_1p_1}a_{q_2p_2} \cdots a_{q_np_n}\\ \alpha 就是q_1、q_2、\cdots、q_n的逆序数,\\ \beta就是p_1、p_2、\cdots、p_n的逆序数. \\ \alpha + \beta就是行标逆序数+列标逆序数$

$\color{blue}{四、几种特殊的行列式}$

(1)对角行列式
$\begin{vmatrix} \lambda_1 & & & 0 \\ & \lambda_2& & \\ & & \ddots & \\ 0 & & & \lambda_n \\ \end{vmatrix} = \lambda_1 \lambda_2 \cdots \lambda_n$

$\begin{vmatrix} 0 & & & \lambda_1 \\ & & \lambda_2 & \\ & \cdots & & \\ \lambda_n & & & 0 \\ \end{vmatrix} = (-1)^{\frac{n(n-1)}{2}}\lambda_1 \lambda_2 \cdots \lambda_n$

(2) 下(上)三角行列式
$\begin{vmatrix} a_{11} & & & 0 \\ a_{21}& a_{22} & & \\ \vdots & \vdots & \ddots & \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} = a_{11}a_{22} \cdots a_{nn}$

$\begin{vmatrix} a_{11} & a_{12}& \cdots & a_{1n} \\ & a_{22}& \cdots & a_{2n} \\ & & \ddots & \vdots \\ & & & a_{nn} \\ \end{vmatrix} = a_{11}a_{22} \cdots a_{nn}$

(3)
$D = \begin{vmatrix} a_{11} & \cdots & a_{1k} & & & \\ \vdots & & \vdots & & 0 & \\ a_{k1}& \cdots & a_{kk} & & \\ c_{11} & \cdots & c_{1k} & b_{11} & \cdots & b_{1n} \\ \vdots & & \vdots & \vdots & & \vdots \\ c_{n1}& \cdots & c_{nk} & b_{n1}& \cdots & b_{nn} \\ \end{vmatrix} = \begin{vmatrix} a_{11} & \cdots & a_{1k} \\ \vdots & & \vdots \\ a_{k1}& \cdots & a_{kk} \end{vmatrix} \begin{vmatrix} b_{11} & \cdots & b_{1n} \\ \vdots & & \vdots \\ b_{n1}& \cdots & b_{nn} \end{vmatrix} = D_1D_2$