线性代数笔记【行列式】

方阵的行列式

二阶行列式

对于2x2型线性方程组，可以将其变为

解$x_1=\frac{b_1{a}_{22}-b_2{a}_{12}}{a_{11}{a}_{22}-a_{21}{a}_{12}},x_2=\frac{a_{11}{b}_2-a_{21}{b}_1}{a_{11}{a}_{22}-a_{21}{a}_{12}}$的形式，引入行列式作为$x_1、x_2$的简写法
$$\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|$$
主对角线两元素乘积-副对角线两元素乘积=行列式的值

n阶行列式

引入一个递归定义：

有A=[a_ij]_nxn，把
$$\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|$$
称为方阵A的行列式，这就是一个n阶行列式，记作det(A)或|A|

它是按照下述运算法则表达的一个算式：

当n=1时，$det(A)=a_{11}$

当n>1时，$det(A)={\sum }_{k=1}^n(-1{)}^{k+1}det(A(k,1))$

其中$det(A(k,1))$是a_ij的余子阵A(k,1)对应的行列式，称为a_ij的余子式

余子阵就是从方阵A=[a_ij]_nxn中去掉a_ij所在的第i行和第j列所有元素后余下的n-1阶方阵，记为A(i,j)，这里去掉了第k行和第1列，得到余子阵A(k,1)

把$(-1{)}^{i+j}det(A(i,j))$叫做a_ij的代数余子式，记作$A_{ij}=(-1{)}^{i+j}det(A(i,j))$

按照代数余子式的符号，有det(A)=a₁₁A₁₁+a₂₁A₂₁+…+a_n1A_n1，这就是det(A)按第1列的展开式

由这个定义，就可以把n行列式任意展开

行列式的性质

转置无关性

$|A^T|=|A|$

因此行列式可以按照任意列或任意行展开，可以得到第i行和第j列的展开式，并根据这些展开式递归得到行列式的值（虽然不太可能会用这个方法算）

若方阵A某行或某列的元素全为0，则|A|=0

线性

代数余子式向量

设a_j为A的第j个列向量，把向量$ \tilde{a_j}=[A_{1j},A_{2j},\cdots,A_{nj}]^T$称为a_j的代数余子式向量

由这个定义，可以将之前所述按任意列/任意行的展开式写成$|A|={\widetilde{a_j}}^T{a}_j$或$|A|=\widetilde{a_j}{a}_j$

可以得到一个基本性质：

若方阵A和B只有第j列不同，则它们两者的第j列的代数余子式向量相同

线性性质

行列式具有分行/分列齐次性和可加性，也就是具有分行/分列线性性质

具体表现在：

• 行列式乘k=k乘行列式其中一行/列

• 两个只有第i行/列不同的行列式相加=第i行/列两个不同值对应相加，其他行/列不变的行列式

• 对于n阶行列式，|kA|=kⁿ|A|，也就是可以把行列式中的系数乘以n次幂后提出来

• 若方阵A中有两行/列相同或成比例或有一列/行是另外两列/行之和，则|A|=0

• 倍加变换不改变行列式的值：对方阵A进行任意次倍加行/列变换得到B，对应的行列式不变，即|A|=|B|

• 每对方阵A进行一次对调变换，行列式|A|的值就变为原来的相反数（用C语言伪代码描述就是if(对调变换) |A|=-|A|;）

• 行列式每一列的每个元素乘另一列对应元素的代数余子式之和等于0

行列式的计算

按行（列）展开法

当行列式中某些行或列0元素较多时可以通过按行/列展开的方法计算

化为三角形行列式

基本结论

所有三角形矩阵的行列式都等于其对角元的乘积

对任何方阵A，通过有限次倍加变换就能将其化为上三角/下三角形矩阵，所以可以将一些无规则行列式化简再计算

先化简再展开

选取行列式的一行或一列，使用倍加变换将改行/列化为只剩下一个数不为零的情形，再按这一行/列展开

范德蒙德行列式

形如
$$\left[\begin{array}{ccccc}1& 1& 1& \cdots & 1\\ x_1& x_2& x_3& \cdots & x_n\\ x_1^2& x_2^2& x_3^2& \cdots & x_n^2\\ ⋮& ⋮& ⋮& & ⋮\\ x_1^{n-1}& x_2^{n-1}& x_3^{n-1}& \cdots & x_n^{n-1}\end{array}\right]$$
的方阵称为范德蒙德矩阵，对应的行列式$det(V_n)$称为范德蒙德行列式
KaTeX parse error: Unknown column alignment: 2 at position 21: …t|\begin{array}2̲1  & 1 &   1 …

经过“从最后一行开始，每行减去上一行的x₁倍”，并提出公因式，反复多次后，可得到
$$det(V_n)=\prod _{1\le i<j\le n}(x_j-x_i)=\begin{array}{c}(x_n-x_{n-1})(x_n-x_{n-2})\cdots (x_n-x_1)\\ (x_{n-1}-x_{n-2})\cdots (x_{n-1-x_1})\\ \cdots \\ (x_2-x_1)\end{array}$$

注意$V_n^T$不是范德蒙德矩阵，需要转置后才能按范德蒙德矩阵进行计算

其他所有行加到某一行，再依次相减

对于每一行/列中都只有一个数Y不同，其他所有地方都是相同的数R这样的矩阵，应该把所有其他行乘1加到某一行，这一行就会包含Y+nR的值，依次将其他行相减，就能得到易于提出公因式的行列式元素

化简后即可变成三角行列式进行计算

各行（列）元素之和相等的行列式

把其他行/列都加到第1行/列，再用每一行/列都减去第1行/列，就能将行列式化为三角形行列式

箭型行列式

将第i+1列/行的$-\frac{c_i}{a_i}$倍都加到第1列/行，最后就能得到一个三角形行列式

递推法、三对角行列式

三对角行列式就是主对角线及其两边元素都有值

将行列式按第1行展开，得到$D_n=5D_{n-1}-6D_{n-2}$递推公式

进一步整理得$D_n=3^{n+1}-2^{n+1}$

对于特例
$$
\left|\begin{array}{cccc}
a  & b &   0 & \cdots  & 0 & 0 \
c  & a &   b & \cdots  & 0 & 0 \
0  &  c & a & \cdots & 0 & 0 \
\vdots & \vdots & \vdots & & \vdots & \vdots \
0 & 0 & 0 & \cdots & a & b \
0 & 0 & 0 & \cdots & c & a
\end{array}\right|=

\left{
\begin{aligned}
(n+1)x^n_1 & (x_1=x_2)\
\frac{x_1^{n+1}-x_2{n+1}}{x_1-x_2} & (x_1 \neq x_2)
\end{aligned}\
\right.
$$
其中$x_1$和$x_2$是方程$x^2-ax+bc=0$的根

分块三角形行列式的性质

基本性质

A、B分别是m阶和n阶方阵，C为mxn矩阵，则
$$\left|\begin{array}{cc}A& C\\ O& B\end{array}\right|=|A|\cdot |B|$$
A、B都是n阶方阵，则$|AB|=|A|\cdot |B|$，有$|AB|=|BA|$

A为n阶方阵，k为正整数，则$|A^k|=|A{|}^k$

扩展性质

A、B分别是m阶和n阶方阵，C为mxn矩阵，则
$$\left|\begin{array}{cc}A& C\\ O& B\end{array}\right|=|A|\cdot |B|$$

$$\left|\begin{array}{cc}A& O\\ C& B\end{array}\right|=|A|\cdot |B|$$

$$\left|\begin{array}{cc}O& B\\ A& O\end{array}\right|=(-1{)}^{mn}\left|\begin{array}{cc}A& O\\ O& B\end{array}\right|=(-1{)}^{mn}|A|\cdot |B|$$

$$\left|\begin{array}{cc}O& B\\ A& C\end{array}\right|=(-1{)}^{mn}|A|\cdot |B|$$

$$\left|\begin{array}{cc}D& B\\ A& O\end{array}\right|=(-1{)}^{mn}|A|\cdot |B|$$