一、克拉默法则
直接给出二阶矩阵的逆矩阵形式:
[
a
b
c
d
]
−
1
=
1
a
d
−
b
c
[
d
−
b
−
c
a
]
\begin{bmatrix} a&b\\c&d \end{bmatrix}^{-1}=\frac{1}{ad-bc}\begin{bmatrix}d&-b\\-c&a\end{bmatrix}
[acbd]−1=ad−bc1[d−c−ba]
观察上式,似乎有以下等式:
A
−
1
=
1
∣
A
∣
C
T
A^{-1}=\frac{1}{\vert A\vert}C^T
A−1=∣A∣1CT
注:
C
C
C表示代数余子式(cofactor),去掉行列后的带正负号的行列式。对于任意阶矩阵是否有类似的结论? 要证明这个结论,等价于证明:
A
C
T
=
∣
A
∣
I
(1)
AC^T=\vert A\vert I\tag{1}
ACT=∣A∣I(1)
展开一下:
[
a
11
⋯
a
1
n
⋯
⋯
⋯
a
n
1
⋯
a
n
n
]
[
c
11
⋯
c
n
1
⋯
⋯
⋯
c
n
1
⋯
c
n
n
]
=
[
∣
A
∣
⋯
0
0
∣
A
∣
0
0
0
∣
A
∣
]
\begin{bmatrix} a_{11}&\cdots&a_{1n}\\ \cdots&\cdots&\cdots\\ a_{n1}&\cdots&a_{nn} \end{bmatrix}\begin{bmatrix}c_{11}&\cdots&c_{n1}\\ \cdots&\cdots&\cdots\\ c_{n1}&\cdots&c_{nn}\end{bmatrix}=\begin{bmatrix}\vert A\vert&\cdots&0\\ 0&\vert A\vert&0\\ 0&0&\vert A\vert \end{bmatrix}
⎣
⎡a11⋯an1⋯⋯⋯a1n⋯ann⎦
⎤⎣
⎡c11⋯cn1⋯⋯⋯cn1⋯cnn⎦
⎤=⎣
⎡∣A∣00⋯∣A∣000∣A∣⎦
⎤
可以看出等式(1)是成立的。这里用到了一个代数余子式的推论:行列式某一行(列)与另一行(列)的对应元素的代数余子式乘积之和等于零。证明见同济版的教材,简单来说就是某一行的代数余子式按行展开,将原来按行展开的行用其他行替换,因为相同行所以最后的结果应为0。
(1)告诉我们改变某个元素对可逆矩阵的影响。回忆之前讲到的方程组
A
x
=
b
Ax=b
Ax=b,现在可以写成:
x
=
A
−
1
b
=
1
∣
A
∣
C
T
b
(2)
x=A^{-1}b=\frac{1}{\vert A\vert}C^Tb\tag{2}
x=A−1b=∣A∣1CTb(2)
利用行列式的概念可以表达,未知数的实际值,也就是:
x
1
=
B
1
∣
A
∣
x
2
=
B
2
∣
A
∣
⋯
x
n
=
B
n
∣
A
∣
(3)
x_1=\frac{B_1}{\vert A\vert}\\ x_2=\frac{B_2}{\vert A\vert}\\ \cdots\\ x_n=\frac{B_n}{\vert A\vert}\tag{3}
x1=∣A∣B1x2=∣A∣B2⋯xn=∣A∣Bn(3)
其中
B
j
B_j
Bj是用系数替代
A
A
A中对应的列得到的。不得不说,Grammer 法则给出了一种求唯一解的一种方法,但是看上去计算量非常之大,求行列式
∣
A
∣
\vert A\vert
∣A∣,替换之后求未知数个
∣
B
∣
\vert B\vert
∣B∣,计算起来简直大的离谱,所以计算机还是采用的消元法而不是此方法(手工算也不会这么算)。
二、行列式的几何意义
以下内容参考了课本。在讲行列式的几何意义之前,复习一下行列式的性质:
-
性质1:单位矩阵的行列式值为1
-
性质2:交换行符号相反
-
性质3:行列式行符合线性运算法则
-
性质4:两行相等行列式值为0
-
性质5:某行减去其他行倍数行列式值不变
-
性质6:有零行行列式值为0
-
性质7:三角行列式值为对角线乘积
-
性质8:如果矩阵是奇异的,那么行列式值为0;行列式不为0,矩阵是可逆的
-
性质9:矩阵乘积的行列式等于其分别行列式后乘积
-
性质10:矩阵转置行列式值不变
接下来将会从平面和三维空间上对行列式意义进行解释。
2.1 平面行列式
已知平面上的三个点:
(
x
1
,
y
1
)
(x_1,y_1)
(x1,y1)、
(
x
2
,
y
2
)
(x_2,y_2)
(x2,y2)和
(
x
3
,
y
3
)
(x_3,y_3)
(x3,y3),求其围成的三角形面积
S
S
S:
没有学习行列式之前,一般的做法是先求出底边大小,再求出高。学习了行列式后,其面积等于坐标值组成的行列式值的一半:
S
=
d
e
t
e
r
m
i
n
a
t
2
S=\frac{determinat}{2}
S=2determinat
也就是:
S
=
1
2
∣
x
1
y
1
1
x
2
y
2
1
x
3
y
3
1
∣
(4)
S=\frac{1}{2}\left |\begin{matrix}x_1&y_1&1\\x_2&y_2&1\\x_3&y_3&1\end{matrix}\right|\tag{4}
S=21∣
∣x1x2x3y1y2y3111∣
∣(4)
如果
x
3
=
y
3
=
0
x_3=y_3=0
x3=y3=0,那么还可以继续简化成:
S
=
1
2
∣
x
1
y
1
x
2
y
2
∣
(5)
S=\frac{1}{2}\left |\begin{matrix}x_1&y_1\\x_2&y_2\end{matrix}\right|\tag{5}
S=21∣
∣x1x2y1y2∣
∣(5)
事实上,在平面上行列式值恰好等于平行四边形的面积,要证明(5)等价于证明行列式值等于平行四边形的面积。如果能够证明一个事物完全符合另外一个事物的所有特征,那么我们可以认为概念是等价的。行列式性质1 2 3是对应上的:
- 假如向量属于单位正交向量,几何上是边长为1的正方向, S = ∣ I ∣ = 1 S=\vert I\vert=1 S=∣I∣=1;
- 假如向量进行行交换,符号相反但是行列式绝对值是相同的,几何上不会因为交换边长而导致面积不同;
- 假如向量某一行变成原来的 t t t倍,边长变长 k k k倍,面积也扩大 k k k倍,这是符合行列式性质3的。
所以认为,行列式值的绝对值和面积是等价的。
2.2 三维空间
上图是四个向量构成的平行体,检查其是否符合行列式的三个性质:
- 如果向量是相互正交的,那么体积等于1,行列式也等于1;
- 如果其中一个向量扩大 n n n倍,整个体积也扩大 n n n倍,行列式也扩大 n n n倍;
- 如果将向量交换,并不影响体积大小,行列式符号发生改变,但是绝对值大小不变;
符合行列式定义,所以行列式绝对值等于其体积。