3.2 行列式的性质（第三章行列式）

最新推荐文章于 2021-12-23 20:24:39 发布

泰克尼客

最新推荐文章于 2021-12-23 20:24:39 发布

阅读量1.2k

点赞数 2

分类专栏：线性代数及其应用系列笔记文章标签：线性代数矩阵

本文链接：https://blog.csdn.net/wo94chunjie/article/details/105123202

版权

线性代数及其应用系列笔记专栏收录该内容

22 篇文章 59 订阅

订阅专栏

主要内容

这一节的核心内容是，将求一个矩阵的行列式的问题，转化为求该矩阵进行行变换后矩阵的行列式的问题。通过这种转化，可以非常灵活地降低求一个复杂矩阵行列式的难度。此外，还在论述过程中，顺便证明了行列式为0和矩阵可逆的关系定理。并讲解了一些围绕核心内容的推论，例如列变换定理，行列式和矩阵乘积的关系等。

行变换定理

计算某个方阵的行列式，可以转换为计算其过行变换的矩阵的行列式。有如下定理：

若 $A$ 是一个方阵
a. 若 $A$ 的某一行的倍数加到另一行得矩阵 $B$ ，则 $\ B = det\ A$
b. 若 $A$ 的两行互换得矩阵 $B$ ，则 $det\ B = -det\ A$
c. 若 $A$ 的某行乘以 $k$ 倍得到矩阵 $B$ ，则 $det\ B=k\cdot det\ A$

证明：

上述每项操作对应一个初等矩阵的操作，另外，通过简单的计算就可以知道如下结论：
$\ E = 1$ ，若 $E$ 是一个行倍加
$\ E = -1$ ，若 $E$ 是一个交换
$\ E = r$ ，若 $E$ 是一个 $r$ 倍乘
因此，上述定理其实可以转化为如下的描述：
$det\ EA = (det\ E)(det\ A)$
我们要证明的是上面的式子。
可以通过数学归纳法来证明。
对于 $2\times 2$ 的矩阵，很容易验证上述公式成立。
假设该定理对 $\times k$ 矩阵也成立。
令 $n = k + 1$ 。
令 $B = E A$ ，通过余因子展开式的方式来展开 $B$ ，选择在 $E$ 的作用下没有被改变的一行展开 $B$ 。如此一来，
$B_{ij}$ 也满足 $B_{ij}=EA_{ij}$ ，其中 $A_{ij}$ 是按同样的方式从 $A_n$ 中得到的 $k$ 维矩阵。
根据上述归纳法的假设，由于 $B_{ij}$ 和 $A_{ij}$ 均是 $k$ 维矩阵，因此有：
$det\ B_{ij} = \alpha det\ A_{ij}$
$\alpha$ 的值对应上面的 $1, - 1, k$ 。
另一方面，
$\begin{aligned} det\ B &= a_{i1}(-1)^{i+1}det\ B_{i1} + \cdots + a_{in}(-1)^{i+n}det\ B_{in}\\&=\alpha a_{i1}(-1)^{i+1}det\ A_{i1} + \cdots + \alpha a_{in}(-1)^{i+n}det\ A_{in} \\&=\alpha det\ A \end{aligned}$
由归纳法，上述定理得证。

例：

计算 $det\ A$ ，其中 $A=\begin{bmatrix}1&-4&2\\-2&8&9\\-1&7&0\end{bmatrix}$

解：

思路是，通过行变换对原始矩阵进行化简，使行列式便于计算，再通过上述定理求解。
$det\ A=\begin{vmatrix}1&-4&2\\-2&8&-9\\-1&7&0\end{vmatrix}=\begin{vmatrix}1&-4&2\\0&0&-5\\0&3&2\end{vmatrix}$
根据上述定理b，交换化简后的矩阵第二行和第三行，得：
$det\ A = -\begin{vmatrix}1&-4&2\\0&3&2\\0&0&-5\end{vmatrix}=(-1)(1)(3)(-5)=15$

例：

计算 $det\ A$ ，其中 $\begin{bmatrix}2&-8&6&8\\3&-9&5&10\\-3&0&1&-2\\1&-4&0&0\end{bmatrix}$

解：

根据上述定理c，可以提取出第一行的系数：
$det\ A=2\begin{vmatrix}1&-4&3&4\\3&-9&5&10\\-3&0&1&-2\\1&-4&0&6\end{vmatrix}$
接着，可以继续进行行变换，直至将矩阵化为三角阵：
$det\ A=2\begin{vmatrix}1&-4&3&4\\-&3&-4&-2\\0&0&-6&2\\0&0&0&1\end{vmatrix}=2(1)(3)(-6)(1)=-36$

行列式和矩阵可逆的关系

由上述定理，若一个方阵 $A$ 通过行倍加和行交换化简为阶梯形 $U$ ，且此过程经过了 $r$ 次行变换，则有：
$det\ A=(-1)^r det\ U$
另一方面，由上一节的知识可知： $det\ U$ 是主对角线上的元素 $u_{11},\cdots u_{nn}$ 的乘积。而若 $A$ 可逆，那么元素 $u_{ii}$ 都是主元（可逆矩阵定理），否则，至少有某一个位于主对角线的上的元素为0。

以上过程就证明了行列式和矩阵可逆之间的关系：

方阵 $A$ 是可逆的当且仅当 $det\ A\neq 0$

这条定理丰富了可逆矩阵定理的内容。并且会有一些有用的推论：
推论1：

若 $A$ 的列是线性相关的，则 $det\ A = 0$ 。

推论2：：

若 $A$ 的行是线性相关的，则 $det\ A = 0$ 。
注：这点可由矩阵定理中关于 $A^T$ 的性质来推导得到。

例：

计算 $det\ A$ ， $A=\begin{bmatrix}3&-1&2&-5\\0&5&-3&-6\\-6&7&-7&4\\-5&-8&0&9\end{bmatrix}$

解：

将2倍的第一行加到第3行，得到：
$det\ A=det\ \begin{vmatrix}3&-1&2&-5\\0&5&-3&-6\\0&5&-3&-6\\-5&-8&0&9\end{vmatrix}$
可以观察到，化简后的矩阵第二行和第三行是相同的，因此是线性相关的，因此 $det\ A = 0$ 。

在行列式的计算中，可以同时利用余因子展开式和本节讲述的行变换方法来简化计算。

例：

计算 $det\ A$ ， $A=\begin{bmatrix}0&1&2&-1\\2&5&-7&3\\0&3&6&2\\-2&-5&4&-2\end{bmatrix}$

解：

$det\ A=\begin{vmatrix}0&1&2&-1\\2&5&-7&3\\0&3&6&2\\0&0&-3&1\end{vmatrix}=-2\begin{vmatrix}1&2&-1\\3&6&2\\0&-3&1\end{vmatrix}=-2\begin{vmatrix}1&2&-1\\0&0&5\\0&-3&1\end{vmatrix}$
继续进行余因子展开：
$det\ A = (-2)(-1)det\ \begin{vmatrix}0&5\\-3&1\end{vmatrix}=-30$

列变换

定理：

若 $A$ 为一个 $\times n$ 矩阵，则 $det\ A^T=det\ A$ 。

证明：

可以用数学归纳法证明。
step 1:
当 $n = 1$ 时，定理显然成立。
step 2:
假设定理对 $\times k$ 行列式成立，也就是说，对于 $k$ 维方阵 $A_k$ ，满足 $det\ A_k=det\ A^T_k$ 。
step 3:
令 $n = k + 1$ ，如果用余因子展开的方法来求二者的行列式。对 $A_n$ ，沿着第一行展开，对 $A_n^T$ ，沿着第一列展开。则 $A_n$ 中 $a_{1j}$ 的余因子等于 $A_n^T$ 中 $a_{j1}$ 的余因子（这是由于每一个余因子 $C_{ij}=(-1)^{i+j}det\ A_{ij}$ ，由 $n$ 降维到 $k$ 后，每一对余因子 $A_{1j}$ 和 $A^T_{j1}$ 仍是互为转置矩阵，且维度为 $k$ ，因此满足step 2中的假设）。于是定理对 $n = k + 1$ 也成立。
结论：
得证。
因此，上文中所有针对行变换的行列式定理，对列也同样成立。

行列式与矩阵的乘积

定理：

若 $A$ 与 $B$ 均为 $n\times n$ 矩阵，则 $det\ AB=(det\ A)(det\ B)$

证明：

若 $A$ 不可逆，则 $A B$ 不可逆，此时左右两式均为0。
若 $A$ 可逆，则由于 $A$ 和 $I$ 是行等价的，所以 $A=E_pE_{p-1}\cdots E_1I_n = E_pE_{p-1}\cdots E_1$ 因此：
$\begin{vmatrix}AB\end{vmatrix}=\begin{vmatrix}E_p\cdots E_1B\end{vmatrix}$
反复利用上面的定理 $det\ EA = (det\ E)(det\ A)$ 展开左边的式子可知：
$\begin{vmatrix}E_p\cdots E_1 B\end{vmatrix}=\begin{vmatrix}E_p\end{vmatrix}\begin{vmatrix}E_{p-1}\cdots E_1B\end{vmatrix}=\begin{vmatrix}E_p\end{vmatrix}\cdots\begin{vmatrix}E_1\end{vmatrix}\begin{vmatrix}B\end{vmatrix}$
继续根据 $det\ EA = (det\ E)(det\ A)$ ，得知 $\begin{vmatrix}A\end{vmatrix}=\begin{vmatrix}E_pE_{p-1}\cdots E_1\end{vmatrix} = \begin{vmatrix}E_p\end{vmatrix}\cdots \begin{vmatrix}E_1\end{vmatrix}$ ，
因此有： $det\ AB=(det\ A)(det\ B)$

行列式的线性性质

若 $A$ 为 $\times n$ 矩阵，可将 $det\ A$ 看作 $A$ 中 $n$ 个列向量的函数。
假设 $A$ 由 $n$ 个列向量组成，且除了第 $j$ 列外，其他都是固定的向量，那么， $A$ 可写成：
$A=[\boldsymbol a_1\ \cdots\ \boldsymbol a_{j-1}\ \boldsymbol x\ \boldsymbol a_{j+1}\ \cdots\ \boldsymbol a_n]$
定义由 $\mathbb R^n$ 到 $\mathbb R$ 的变换 $T$ 为：
$T(\boldsymbol x)=det\ [\boldsymbol a_1\ \cdots\ \boldsymbol a_{j-1}\ \boldsymbol x\ \boldsymbol a_{j+1}\ \cdots\ \boldsymbol a_n]$
则有，
$T(c\boldsymbol x) = cT(\boldsymbol x)$
$T(\boldsymbol u + \boldsymbol v) = T(\boldsymbol u) + T(\boldsymbol v)$
根据上述定理（c. 若 $A$ 的某行乘以 $k$ 倍得到矩阵 $B$ ，则 $det\ B=k\cdot det\ A$ ）可以很容易得出： $T(c\boldsymbol x) = cT(\boldsymbol x)$ 。而 $T(\boldsymbol u + \boldsymbol v) = T(\boldsymbol u) + T(\boldsymbol v)$ 也可以由按第 $j$ 列的余因子展开式来证明。

泰克尼客

关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
3.2 行列式的性质（第三章行列式）

主要内容这一节的核心内容是，将求一个矩阵的行列式的问题，转化为求该矩阵进行行变换后矩阵的行列式的问题。通过这种转化，可以非常灵活地降低求一个复杂矩阵行列式的难度。此外，还在论述过程中，顺便证明了行列式为0和矩阵可逆的关系定理。并讲解了一些围绕核心内容的推论，例如列变换定理，行列式和矩阵乘积的关系等。行变换定理计算某个方阵的行列式，可以转换为计算其过行变换的矩阵的行列式。有如下定理：若AA...
复制链接

扫一扫