矩阵和行列式

其他相关内容

线性方程组和矩阵
矩阵和行列式
向量组及其线性组合
向量组线性相关性
特征值和特征向量
相似矩阵和相似对角化
二次型
番外
向量空间
矩阵A可逆的和相似的一些性质
常见向量的运算
矩阵向量求导
矩阵对角化相关推导
伴随矩阵及其运算
关于特征值和特征向量的一些公式推导

注:只有方阵才有行列式

全排列

把$n$个不同元素的排成一列，叫做这$n$个元素的全排列(简称:排列)
$n$个不同元素的所有排列的种类数，通常使用$P_n$表示
$$P_n=n!$$

逆序

对于$n$个不同的元素，先规定各个元素之间有一个标准次序(例如$n$个自然数，可以规定为由大到小的标准次序)，
于是在这$n$个元素的任一排列中，当某一对元素的先后次序与标准次序不同的时候，就说他构成一个逆序
一个排列中的所有逆序的总数叫做这个排列的逆序数
逆序数为奇数的排列叫做奇排列
逆序数为偶数的排列叫做偶排列

对换

在排列中将任意两个元素对调，其余元素不动，这种做出新排列的手续叫做对换
如果是两个向量的元素对换，叫做相邻对换
定理
一个排列中任意两个元素对换，排列改变奇偶性
推论
奇排列对换成标准排列的次数为奇数，偶排列对换成标准排列的次数为偶数

$n$ 阶行列式（$n\times n$）

$$D=\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|$$
简记作$\det (a_{ij})$,其中$a_{ij}$为行列式$D$的$(i,j)$元。

转置行列式

$$D^T=\left|\begin{array}{cccc}{a}_{11}& a_{21}& \cdots & a_{n1}\\ a_{12}& a_{22}& \cdots & a_{n2}\\ ⋮& ⋮& \ddots & ⋮\\ a_{1n}& a_{2n}& \cdots & a_{nn}\end{array}\right|$$
行列式$D^T$称为行列式$D$的转置行列式

行列式相关性质

性质1：
行列式与它的转置行列式相等
性质2：
对换行列式的两行(列)，行列式变号
推论：
如果行列式有两行(列)完全相同，则此行列式等于零
性质3：
行列式的某一行(列)中所有元素都同乘一个数$k$，等于用数$k$乘此行列式
记作$r_i\times k$或者$c_i\times k$
推论：
行列式中某一行(列)的所有元素都的公因子可以提到行列式记号的外面
性质4：
行列式中如果有两行(列)元素成比例，则此行列式等于零
性质5：
若行列式的某一行(列)的元素都是两数之和,例如第$i$行的元素都是两数之和：
$$D=\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{i1}+a_{i1}^{{}^{\prime }}& a_{i2}+a_{i2}^{{}^{\prime }}& \cdots & a_{in}+a_{in}^{{}^{\prime }}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|$$
则$D$等于下面两个行列式之和：
$$D=\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{i1}& a_{i2}& \cdots & a_{in}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|+\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{i1}^{{}^{\prime }}& a_{i2}^{{}^{\prime }}& \cdots & a_{in}^{{}^{\prime }}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|$$
性质6：
把行列式的某一行(列)的各个元素乘同一个数然后加到另一行(列)，对应元素上，行列式的值不变
$$\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{i1}& a_{i2}& \cdots & a_{in}\\ ⋮& ⋮& \ddots & ⋮\\ a_{j1}& a_{j2}& \cdots & a_{jn}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|=\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{i1}& a_{i2}& \cdots & a_{in}\\ ⋮& ⋮& \ddots & ⋮\\ a_{j1}+k{a}_{i1}& a_{j2}+k{a}_{i2}& \cdots & a_{jn}+k{a}_{in}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|(i̸=j)$$

行列式按照行(列)展开

余子式

在$n$阶行列式中，把$(i,j)$元$a_{ij}$所在的第$i$行和第$j$列划去后，留下来的$n-1$阶行列式叫做$(i,j)$元的$a_{ij}$余子式,记作$M_{ij}$；记：
$$A_{ij}=(-1{)}^{i+j}{M}_{ij}$$
$A_{ij}$叫做$(i,j)$元$a_{ij}$的代数余子式
引理
一个$n$阶行列式，如果其中第$i$行所有元素除了$(i,j)$元$a_{ij}$外都为零，那么这个行列式等于$a_{ij}$与它的代数余子式的乘积，即：
$$D=a_{ij}{A}_{ij}$$

行列式展开法则

定理
行列式等于它的任意一行(列)的各个元素与其对应的代数余子式乘积之和,即：
$$D=a_{i1}{A}_{i1}+a_{i2}{A}_{i2}+\cdots +a_{in}{A}_{in}(i=1,2,\cdots ,n)$$
或者
$$D=a_{1j}{A}_{1j}+a_{2j}{A}_{2j}+\cdots +a_{nj}{A}_{nj}(j=1,2,\cdots ,n)$$
这个定理就是行列式按行(列)展开法则

范德蒙德行列式

$$D=\left|\begin{array}{cccc}1& 1& \cdots & 1\\ x_1& x_2& \cdots & x_n\\ x_1^2& x_2^2& \cdots & x_n^2\\ ⋮& ⋮& \ddots & ⋮\\ x_1^n& x_2^n& \cdots & x_n^n\end{array}\right|=\Pi {}_{n\ge i>j\ge 1}(x_i-x_j)$$
推论：
行列式某一行(列)的元素与另一行(列)的对应元素的代数余子式乘积之和等于零，即：
$$a_{i1}{A}_{j1}+a_{i2}{A}_{j2}+\cdots +a_{in}{A}_{jn}=0(i̸=j)$$
或者
$$a_{1i}{A}_{1j}+a_{2i}{A}_{2j}+\cdots +a_{ni}{A}_{nj}=0(i̸=j)$$

克拉默法则

含有$n$个未知数$x_1,x_2,\dots ,x_n$的$n$个线性方程的线性方程组
$$\{\begin{array}{rl}& a_{11}{x}_1+a_{12}{x}_2+\cdots +a_{1n}{x}_n=b_1,\\ & a_{21}{x}_1+a_{22}{x}_2+\cdots +a_{2n}{x}_n=b_2,\\ & \cdots \cdots \\ & a_{m1}{x}_1+a_{m2}{x}_2+\cdots +a_{mn}{x}_n=b_n,\end{array}\text{\hspace{1em}(A)}$$
它的解可以用$n$阶行列式表示，即有
如果线性方程组$(A)$的系数矩阵$A$的行列式不等于零，即
$$|A|=\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|̸=0$$
那么方程组$(A)$有唯一解
$$x_1=\frac{|A_1|}{|A|},x_2=\frac{|A_2|}{|A|},\dots ,x_n=\frac{|A_n|}{|A|}$$
其中$A_j(j=1,2,\dots ,n)$是把系数矩阵$A$中第$j$列的元素用方程右端的常数项代替后得到的$n$阶矩阵，即：
$$A_j=\left(\begin{array}{ccccccc}{a}_{11}& \cdots & a_{1,j-1}& b_1& a_{1,j+1}& \cdots & a_{1n}\\ a_{21}& \cdots & a_{2,j-1}& b_2& a_{2,j+1}& \cdots & a_{2n}\\ ⋮& \ddots & ⋮& ⋮& ⋮& \ddots & ⋮\\ a_{n1}& \cdots & a_{n,j-1}& b_n& a_{n,j+1}& \cdots & a_{nn}\end{array}\right)$$