漫步线性代数二十三——行列式公式

第一个公式上篇文章已经出现了，行操作得到$D$中的主元：

1、如果$A$是可逆的，那么$PA=LDU$并且$\det P=\pm 1$。乘积法则得出

$$\begin{equation} \det A=\pm \det L\det D\det U=\pm(\text{主元的乘积})\tag1 \end{equation}$$

符号$\pm$取决于行交换的次数是奇数还是偶数，三角因子满足$\det L=\det U=1$，$\det D=d_1\ldots d_n$

对于$2\times 2$的情况，标准$LDU$分解是

$$\begin{bmatrix} a&b\\c&d \end{bmatrix} =\begin{bmatrix} 1&0\\c/a&1 \end{bmatrix} \begin{bmatrix} a&0\\0&(ad-bc)/a \end{bmatrix} \begin{bmatrix} 1&b/a\\0&1 \end{bmatrix}$$

主元的乘积是$ad-bc$，这是对角矩阵$D$的行列式。如果第一步是一个行交换，那么主元是$c$和$(-\det A)/c$。

例1：

$$\begin{bmatrix} 2&-1&&&\\ -1&2&-1&&\\ &-1&2&\cdot&\\ &&\cdot&\cdot&-1\\ &&&-1&2 \end{bmatrix} =LDU=L \begin{bmatrix} 2&&&&\\ &\frac{3}{2}&&&\\ &&\frac{4}{3}&&\\ &&&\cdot&\\ &&&&\frac{(n+1)}{n} \end{bmatrix} U$$

矩阵的主元就是$D$中的$2/1,3/2,\ldots$，它的行列式就是主元的乘积，相乘后$2,\ldots,n$可以约分：

$$\det A=2\left(\frac{3}{2}\right)\left(\frac{4}{3}\right)\cdots\left(\frac{n+1}{n}\right)=n+1$$

MATLAB软件就是根据主元来计算行列式的，但是把所有信息都浓缩在主元上的话，我们无法知道一个元素的变化如何影响行列式，我们希望用$n^2$个元素来明确的给出行列式的表达式。

对于$n=2$，我们知道$ad-bc$为行列式的值，对于$n=3$，我们也知道它的形式：

$$\begin{equation} \begin{vmatrix} a_{11}&a_{12}&a_{13}\\ a_{21}&a_{22}&a_{23}\\ a_{31}&a_{32}&a_{33} \end{vmatrix}= \begin{array}{rl} &+a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{13}a_{21}a_{32}\\ &-a_{11}a_{23}a_{32}-a_{12}a_{21}a_{33}-a_{13}a_{22}a_{31} \end{array}\tag2 \end{equation}$$

我们的目标是根据$\det A$的性质1-3直接推导出这些式子。

首先，每行可以看成坐标方向的向量：

$$\begin{bmatrix} a&b \end{bmatrix}= \begin{bmatrix} a&0 \end{bmatrix} + \begin{bmatrix} 0&b \end{bmatrix} \quad \begin{bmatrix} c&d \end{bmatrix}= \begin{bmatrix} c&0 \end{bmatrix} + \begin{bmatrix} 0&d \end{bmatrix}$$

然后我们利用线性性质：

$$\begin{align} \begin{vmatrix} a&b\\c&d \end{vmatrix} &= \begin{vmatrix} a&0\\c&d \end{vmatrix} + \begin{vmatrix} 0&b\\c&d \end{vmatrix}\nonumber\\ &= \begin{vmatrix} a&0\\c&0 \end{vmatrix} + \begin{vmatrix} a&0\\0&d \end{vmatrix} + \begin{vmatrix} 0&b\\c&0 \end{vmatrix} + \begin{vmatrix} 0&b\\0&d \end{vmatrix}\tag3 \end{align}$$

每行都分离到$n$个坐标方向，所以这个展开式有$n^n$项，我们会看到这些项大部分都是零，当两行在同一个坐标方向时，一个是另一个的倍数关系，

$$\begin{vmatrix} a&0\\c&0 \end{vmatrix} =0,\quad \begin{vmatrix} 0&b\\0&d \end{vmatrix} =0$$

现在只需要关注在不同方向上行，非零行只能由他们产生。假设第一行在$\alpha$列上有一个非零元素，第二行在$\beta$ 列上有非零元素，最后一行在$v$列上有一个非零元素，列数$\alpha,\beta,\ldots,v$都是不同的，他们是$1,2,\ldots,n$的重新排序或者置换，对于$3\times 3$的情况有$3!=6$个行列式：

$$\begin{align} \begin{vmatrix} a_{11}&a_{12}&a_{13}\\ a_{21}&a_{22}&a_{23}\\ a_{31}&a_{32}&a_{33} \end{vmatrix} =& \begin{vmatrix} a_{11}&&\\ &a_{22}&\\ &&a_{33} \end{vmatrix} + \begin{vmatrix} &a_{12}&\\ &&a_{23}\\ a_{31}&& \end{vmatrix} + \begin{vmatrix} &&a_{13}\\ a_{21}&&\\ &a_{32}& \end{vmatrix}\nonumber\\ &+ \begin{vmatrix} a_{11}&&\\ &&a_{23}\\ &a_{32}& \end{vmatrix} + \begin{vmatrix} &a_{12}&\\ a_{21}&&\\ &&a_{33} \end{vmatrix} + \begin{vmatrix} &&a_{13}\\ &a_{22}&\\ a_{31}&& \end{vmatrix}\tag4 \end{align}$$

除了这$n!$个行列式外其余的都是零，因为有一列是重复的。(对于第一列$\alpha$有$n$个选择，对于$\beta$留下了$n-1$ 种选择，最后对于$v$列只有1种选择)也就是说，有$n!$中方式来置换$1,2,\ldots,n$：

$$(\alpha,\beta,v)=(1,2,3),(2,3,1),(3,1,2),(1,3,2),(2,1,3),(3,2,1)$$

这些就是$(1,2,3)$的$3!=6$中方式的置换。

$A$的行列式现在简化为六个更简单的行列式，接下来提出因子$a_{ij}$得：

$$\begin{align} \det A &=a_{11}a_{22}a_{33} \begin{vmatrix} 1&&\\ &1&\\ &&1 \end{vmatrix} + a_{12}a_{23}a_{31} \begin{vmatrix} &1&\\ &&1\\ 1&& \end{vmatrix} + a_{13}a_{21}a_{32} \begin{vmatrix} &&1\\ 1&&\\ &1& \end{vmatrix}\nonumber\\ &+a_{11}a_{23}a_{32} \begin{vmatrix} 1&&\\ &&1\\ &1& \end{vmatrix} +a_{12}a_{21}a_{33} \begin{vmatrix} &1&\\ 1&&\\ &&1 \end{vmatrix} +a_{13}a_{22}a_{31} \begin{vmatrix} &&1\\ &1&\\ 1&& \end{vmatrix}\tag5 \end{align}$$

每一项都有$n=3$个$a_{ij}$元素的乘积，如果列的顺序是$(\alpha,\ldots,v)$，那个该项的就是$a_{1\alpha}\cdots a_{nv}$乘以置换矩阵$P$行列式的乘积，整个矩阵的行列式就是这$n!$项之和，这个和就是我们要找的显示公式：

$$\begin{equation} \det A=\sum_{all\ P}(a_{1\alpha}a_{2\beta}\cdots a_{nv})\det P\tag6 \end{equation}$$

对于一个$n\times n$的矩阵，这个和需要处理$n!$个置换$(\alpha,\ldots,v)$。

接下来的问题就是找出$P$的行列式，而它是对单位矩阵进行行变换得到的，每执行一次行变换会给反转行列式的符号：

$$\det P=+1\ or\ -1$$

根据行交换次数的奇偶性决定正负号。

$$(1,3,2)\text{交换次数是奇数，所以}\begin{vmatrix} 1&&\\ &&1\\ &1& \end{vmatrix} =-1 \quad (3,1,2)\text{交换次数是偶数，所以}\begin{vmatrix} &&1\\ 1&&\\ &1& \end{vmatrix} =1$$

对于$n=2$的情况，我们只有$(1,2),(2,1)$：

$$\det A=a_{11}a_{22}\det\begin{bmatrix} 1&0\\ 0&1 \end{bmatrix} +a_{12}a_{21}\det\begin{bmatrix} 0&1\\ 1&0 \end{bmatrix} =a_{11}a_{22}-a_{12}a_{21}(or\ ad-bc)$$

公式(6)看着的确不想简单的公式，然而，通过它我们明白为何它满足性质1-3。对于$A=I$，除了列的顺序为$(1,2,\ldots,n)$外，其他情况的$a_{ij}$乘积都是零，留下的唯一项得出$\det I=1$。因为性质3(行列式线性依赖于第一行$a_{11},a_{12},\ldots,a_{1n}$)是我们最感兴趣的，随意一会再讲解性质2。

观察$a_{1\alpha}a_{2\beta}\cdots a_{nv}$，第一列为$\alpha=1$时，那么就留下$(\beta,\ldots,v)$的置换供其余列选择，我们将他们收集起来得到$a_{11}C_{11}$：

$$\begin{equation} C_{11}=\sum(a_{2\beta\cdots a_{nv}})\det P=\det(A\text{的子矩阵})\tag7 \end{equation}$$

同样的，$a_{12}$可以乘以更小的行列式$C_{12}$，不断用$a_{1j}$进行下去的话，公式(6)就变成：

$$\begin{equation} \det A=a_{11}C_{11}+a_{12}C_{12}+\cdots+a_{1n}C_{1n}\tag8 \end{equation}$$

这就表明行列式$\det A$线性依赖于第一行的元素。

例2：对于$3\times 3$矩阵，用这种方式可以得到：

$$\begin{equation} \det A=a_{11}(a_{22}a_{33}-a_{23}a_{32})+a_{12}(a_{23}a_{31}-a_{21}a_{33})+a_{13}(a_{21}a_{32}-a_{22}a_{31})\tag9 \end{equation}$$

$C_{11},C_{12},C_{13}$是括号内的$2\times 2$行列式。

代数余子式

我们知道$C_{1j}$取决于$2,ldots,n$行，此时第一行完全由$a_{1j}$确定。更进一步，$a_{1j}$也可以确定第$j$列，这时代数余子式$C_{1j}$肯定依赖于其他列。对于同一项，行或列不能使用两次，我们需要做的就是将行列式分离成下面形式的和：

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

对于$n$阶行列式，将会得到$n$个$n-1$阶较小的行列式；类似于上面的3个$2\times 2$子矩阵。子矩阵$M_{1j}$通过去掉第1行和第$j$列得到，它的行列式和$a_{1j}$相乘(还有符号)，这些符号交替出现$\det M_{11},-\det M_{12},\det M_{13}$：

$$C_{1j}=(-1)^{1+j}\det M_{1j}$$

第二个代数余子式$C_{12}$是$a_{23}a_{31}-a_{21}a_{33}$，也就是$\det M_{12}$乘以-1，同样的方法也适用于$n\times n$矩阵。

对于其他行列说，同样可以进行这种扩展，通过将该行和第一行交换即可证明其正确性。我们需要记住的是对于$M_{ij}$需要删除$A$的第$i$行，第$j$列：

2、$A$的行列式是任何行$i$和其代数余子式的组合：

$$\begin{equation} \det A=a_{i1}C_{i1}+a_{i2}C_{i2}+\cdots+a_{in}C_{in}\tag{10} \end{equation}$$

代数余子式$C_{1j}$就是$M_{ij}$的行列式的绝对值：

$$\begin{equation} C_{ij}=(-1)^{i+j}\det M_{ij}\tag{11} \end{equation}$$

这些公式将$\det A$表示成$n-1$阶行列式的组合，通过归纳法定义了$n$阶矩阵的行列式，一个$1\times 1$矩阵行列式为$\det A=a_{11}$，然后利用方程(10)定义$2\times 2$矩阵的行列式，$3\times 3$矩阵以及$n\times n$矩阵的行列式。我们更喜欢用性质来定义行列式，因为这种方式很容易进行解释，显示公式(6)和伴随矩阵公式(10)都是根据这些性质直接得到的。

这里有一个结论：$\det A=\det A^{T}$，我们可以用$A$的列来扩展，也就是$A^{T}$的行进行扩展：

$$\begin{equation} \det A=a_{1j}C_{1j}+a_{2j}C_{2j}+\cdots+a_{nj}C_{nj}\tag{12} \end{equation}$$

例3：$4\times 4$的二阶微分矩阵$A_4$在第一行只有两个非零元素：

$$A_4=\begin{bmatrix} 2&-1&0&0\\ -1&2&-1&0\\ 0&-1&2&-1\\ 0&0&-1&2 \end{bmatrix}$$

$C_{11}$通过擦除第一行和第一列得到，和原来的模式一样：

$$C_{11}=\det A_3=\det\begin{bmatrix} 2&-1&0\\ -1&2&-1\\ 0&-1&2\\ \end{bmatrix}$$

对于$a_{12}=-1$，移除第二列得到代数余子式$C_{12}$:

$$C_{12}=(-1)^{1+2}\det \begin{bmatrix} -1&-1&0\\ 0&2&-1\\ 0&-1&2 \end{bmatrix}= +\det \begin{bmatrix} 2&-1\\ -1&2 \end{bmatrix}= \det A_2$$

最后留下了$2\times 2$的行列式，将第一行的加起来得到$2C_{11}-C_{12}$：

$$\det A_4=2(\det A_3)-\det A_2=2(4)-3=5$$

将同样的思路应用到$A_5,A_6,A_n$上：

$$\begin{equation} \det A_n=2(\det A_{n-1})-\det A_{n-2}\tag{13} \end{equation}$$

这个公式给出了$A_n$矩阵行列式的递推公式，当$A_n$的行列式是$n+1$阶时，通过前面的$n,n-1$阶的行列式即可得到：

$$\det A_n=2(n)-(n-1)=n+1$$

答案$n+1$和文章开始部分主元乘积是一致的。