线性代数拾遗(1)—— 行列式的三种公理化构造

  • 在前文 线性代数(1)—— 行列式中,我们已经对行列式有了比较直观的理解。
    1. 行列式最初用于表示线性方程组的系数,其值可以用于判别齐次线性方程组的解情况,也可以用于计算一般线性方程组的通解
    2. 可以从几何角度直观地表示行列式
    3. 从几何和代数两个角度,都可以得出行列式的若干性质
  • 下面我们首先补充一些离散数学中的概念,然后给出行列式的三种正统定义方式

0. 符号规定和补充内容

0.1 群相关内容

0.1.1 补充定义

  1. < G , o > <G,o> <G,o>是含有一个二元运算的代数系统,若满足以下条件,则称G是一个群

    1. o运算满足结合律
    2. 存在 e ∈ G e∈G eG 是关于 o o o 运算的单位元
    3. 任何 x ∈ G x∈G xG x x x关于 o o o 运算的逆元 x − 1 ∈ G x^{-1}∈G x1G
  2. 变换一一变换:设A是非空集合, f : A → A f:A \to A f:AA 称为A上的一个变换。若 f f f 是双射的,则称 f f f 为A上的一个一一变换

  3. 变换的乘法:设 f , g f,g f,g A A A上的两个变换,则 f , g f,g f,g的函数合成(即先按 f f f变换,再按 g g g变换)称为 f f f g g g的乘积,记为 f g fg fg

  4. 一一变换群:设 E ( A ) E(A) E(A) A A A上全体一一变换构成的集合,则 E ( A ) E(A) E(A) 关于变换的乘法构成一个群,称为 A A A的一一变换群

  5. n元置换(σ):当 A A A是有穷集合时, A A A上的一一变换称为 A A A上的置换。当 ∣ A ∣ = n |A|=n A=n时称 A A A上的变换为n元置换。为了叙述方便,常将 A A A记作 { 1 , 2 , . . . , n } \{1,2,...,n\} {1,2,...,n},于是可以将 A A A上的n元置换 σ \sigma σ记作
    σ = ( 1 2 … n σ ( 1 ) σ ( 2 ) σ ( n ) ) \sigma = \begin{pmatrix} 1 & 2 & \dots & n \\ \sigma (1) & \sigma(2) & & \sigma (n) \end{pmatrix} σ=(1σ(1)2σ(2)nσ(n))
    易见, s i g m a ( 1 ) , s i g m a ( 2 ) , . . . , s i g m a ( n ) sigma (1),sigma (2),...,sigma (n) sigma(1),sigma(2),...,sigma(n)恰为 1 , 2 , . . . , n 1,2,...,n 1,2,...,n的一个全排列,在A上的所有置换和A的所有全排列之间存在着一一对应, n n n元集合有 n ! n! n! n n n元置换。

  6. n元对称群n元置换群(Sn) n n n元集合的所有 n ! n! n! n n n元置换的集合记作 S n S_n Sn,它关于置换的乘法构成一个群,称为 n n n元对称群。 S n S_n Sn的子群称为 n n n元置换群

  7. k阶轮换:设 σ ∈ S n \sigma ∈ S_n σSn,若 σ \sigma σ { 1 , 2 , . . , n } \{1,2,..,n\} {1,2,..,n}中的 k k k个元素 i 1 , i 2 , . . . , i k i_1,i_2,...,i_k i1,i2,...,ik进行如下变换: σ ( i 1 ) = i 2 , σ ( i 2 ) = i 3 , . . . , σ ( i k − 1 ) = i k , σ ( i k ) = i 1 \sigma(i_1) = i_2 ,\sigma(i_2) = i_3,...,\sigma(i_{k-1}) = i_k ,\sigma(i_k) = i_1 σ(i1)=i2,σ(i2)=i3,...,σ(ik1)=ik,σ(ik)=i1,而其他元素保持不变,可将 σ \sigma σ记作 ( i 1 , i 2 , . . . i n ) (i_1,i_2,...i_n) (i1,i2,...in),称为一个k阶轮换

    1. 恒等置换:一阶轮换称为恒等置换,相当于不变

    2. 对换:二阶轮换称为对换,相当于交换两个数
      S 3 = { σ 1 , σ 2 , . . . , σ 6 } S_3 = \{\sigma_1,\sigma_2,...,\sigma_6\} S3={σ1,σ2,...,σ6}

      σ 1 = ( 1 ) = ( 1 2 3 1 2 3 ) , σ 2 = ( 23 ) = ( 1 2 3 1 3 2 ) \sigma_1 = (1) = \begin{pmatrix} 1&2&3\\ 1&2&3 \end{pmatrix}, \sigma_2 = (23) = \begin{pmatrix} 1&2&3\\ 1&3&2 \end{pmatrix} σ1=(1)=(112233)σ2=(23)=(112332)

      σ 3 = ( 12 ) = ( 1 2 3 2 1 3 ) , σ 4 = ( 123 ) = ( 1 2 3 2 3 1 ) \sigma_3 = (12) = \begin{pmatrix} 1&2&3\\ 2&1&3 \end{pmatrix}, \sigma_4 = (123) = \begin{pmatrix} 1&2&3\\ 2&3&1 \end{pmatrix} σ3=(12)=(122133)σ4=(123)=(122331)

      σ 5 = ( 132 ) = ( 1 2 3 3 1 2 ) , σ 6 = ( 13 ) = ( 1 2 3 3 2 1 ) \sigma_5 = (132) = \begin{pmatrix} 1&2&3\\ 3&1&2 \end{pmatrix}, \sigma_6 = (13) = \begin{pmatrix} 1&2&3\\ 3&2&1 \end{pmatrix} σ5=(132)=(132132)σ6=(13)=(132231)

  8. 奇(偶)置换:可以表示为偶数个对换的乘积的置换叫做偶置换。 可以表示为奇数个对换的乘积的置换叫做奇置换。

  9. 逆序数:设 π = i 1 , i 2 , . . . , i n \pi = i_1,i_2,...,i_n π=i1,i2,...,in 1 , 2 , . . . , n 1,2,...,n 1,2,...,n的一个排列,若 i k > i l 且 k < l i_k>i_l且k<l ik>ilk<l,称 i k i l i_ki_l ikil是一个逆序。排列中逆序的总数称为逆序数

0.1.2 补充定理

  1. 任何一个n元置换,可以表示为若干对换之积,这些对换是可以相交的,且表法不唯一。但是不同表法中对换个数的奇偶性是不变的
  2. σ ∈ S n \sigma ∈ S_n σSn,且 σ ( j ) = i j , j = 1 , 2 , . . . , n \sigma(j) = i_j,j=1,2,...,n σ(j)=ij,j=1,2,...,n,则在 σ \sigma σ的对换表示中,对换的个数和排列 π = i 1 , i 2 , . . . , i n \pi = i_1,i_2,...,i_n π=i1,i2,...,in的逆序数的奇偶性一致
    σ = ( 1 2 … n i 1 i 2 … i n ) \sigma_ = \begin{pmatrix} 1&2& \dots & n\\ i_1&i_2&\dots & i_n \end{pmatrix} σ=(1i12i2nin)

0.2 符号说明

  • 以下是构造中会用到的符号

    符号解释
    R \mathbb{R} R实数集R
    M n ( R ) M_n(\mathbb{R}) Mn(R)是指实数域上的n阶方阵
    E E E单位矩阵
    d e t ( A ) det(A) det(A)矩阵A对应的行列式
    S n S_n Snn元置换群
    σ \sigma σn元置换
    ε σ \varepsilon_\sigma εσn元置换 σ \sigma σ 的符号(奇置换取-1,偶置换取1)
    A i A_{i} Ai矩阵A的第 i i i

1. 第二公理化构造

  • 第二公理化构造和线性方程组比较贴近,我们从此起步

1.1 从线性方程入手

  • 有以下三种初等变换,经过初等变换,线性方程组的解不变
    1. 倍加:将某行的k倍加到另一行
    2. 互换:互换某两行
    3. 倍乘:给某行乘一非零数
  • 引入矩阵、向量、矩阵乘法等概念后,线性方程组简化为 A x = b Ax = b Ax=b,其中 A A A称为系数矩阵,我们可以完全平行地引入矩阵的初等变换
  • 根据上文分析的克莱姆法则,系数矩阵所对应的系数行列式 D = d e t ( A ) D = det(A) D=det(A)有一个优良性质:可以根据 D D D是否为0判断齐次线性方程组解的情况

1.2 一个猜测

  • 现在假设我们不知道行列式的定义,希望找到一个映射关系 D : M n ( R ) → R D:M_n(\mathbb{R}) \to \mathbb{R} D:Mn(R)R,它可以把系数矩阵映射为一个实数,并且可以利用这个实数是否为0判断齐次线性方程组解的情况

  • 如果真的存在上述映射,显然,在系数矩阵 A A A的初等变化下, D ( M n ( R ) ) D(M_n(\mathbb{R})) D(Mn(R))是否为0的结果不能改变。这样的具体条件不一定唯一,但有一个可行的条件如下

    1. 将某行的k倍加到另一行, D D D结果不变(倍加
    2. 给某行乘一非零数k, D D D结果也变为k倍(倍乘
    3. D ( E ) = 1 D(E) = 1 D(E)=1

    由前两个条件可以推出:互换两行, D D D结果反号(互换),这个推导是简单的

  • 可见,符合上述条件的 D : M n ( R ) → R D:M_n(\mathbb{R}) \to \mathbb{R} D:Mn(R)R,满足了在 “系数矩阵 A A A的初等变化下,是否为0的结果不变” 这一要求。至于第三条,规定 D ( E ) D(E) D(E)为任何非零数都不影响,规定为1是简单的。

  • 上面这三条条件,正是行列式的第二公理化构造,以此为定义,可以唯一确定行列式的展开表达式,即各大教材上的行列式逆序数定义式。

1.3 行列式的第二公理化构造

  • 行列式是满足以下三条性质的函数 D : M n ( R ) → R D:M_n(\mathbb{R}) \to \mathbb{R} D:Mn(R)R
    1. D ( . . . , λ A i , . . . ) = λ D ( . . . , A i , . . . ) D(...,\lambda A_i,...) = \lambda D(...,A_i,...) D(...,λAi,...)=λD(...,Ai,...),其中 λ ∈ R \lambda ∈ \mathbb{R} λR
    2. D ( . . . , A i + A j , . . . , A j , . . . ) = D ( . . . , A i , . . . , A j , . . . ) D(...,A_i+A_j,...,A_j,...) = D(...,A_i,...,A_j,...) D(...,Ai+Aj,...,Aj,...)=D(...,Ai,...,Aj,...)
    3. D ( E ) = 1 D(E) = 1 D(E)=1

2. 第一公理化构造

2.1 行列式的第一公理化构造

  • 行列式是满足以下三条性质的函数 D : M n ( R ) → R D:M_n(\mathbb{R}) \to \mathbb{R} D:Mn(R)R
    1. 斜对称性:互换两行,行列式反号
    2. 多重线性 D ( . . . , A i + A i ′ , . . . ) = D ( . . . , A i , . . . ) + D ( . . . , A i ′ , . . . ) D(...,A_i+A_i',...) = D(...,A_i,...)+D(...,A_i',...) D(...,Ai+Ai,...)=D(...,Ai,...)+D(...,Ai,...)
    3. 正规化条件 D ( E ) = 1 D(E) = 1 D(E)=1

2.2 从第二公理化构造到第一公理化构造

  • 第一公理化构造可以由第二公理化构造推出,具体过程如下
    1. 性质0(倍加) D ( . . . , A i + λ A j , . . . , A j , . . . ) = D ( . . . , A i , . . . , A j , . . . ) D(...,A_i+\lambda A_j,...,A_j,...) = D(...,A_i,...,A_j,...) D(...,Ai+λAj,...,Aj,...)=D(...,Ai,...,Aj,...),证明如下
      λ D ( . . . , A i , . . . , A j , . . . ) = D ( . . . , A i , . . . , λ A j , . . . ) = D ( . . . , A i + λ A j , . . . , λ A j , . . . ) = λ D ( . . . , A i + λ A j , . . . , A j , . . . ) \begin{aligned} \lambda D(...,A_i,...,A_j,...) &= D(...,A_i,...,\lambda A_j,...)\\ &= D(...,A_i+\lambda A_j,...,\lambda A_j,...)\\ &= \lambda D(...,A_i+\lambda A_j,...,A_j,...) \end{aligned} λD(...,Ai,...,Aj,...)=D(...,Ai,...,λAj,...)=D(...,Ai+λAj,...,λAj,...)=λD(...,Ai+λAj,...,Aj,...)

      两边消去 λ \lambda λ即可

    2. 性质1(线性相关时,结果为0) D ( . . . , ∑ l = 1 n a l A l , . . . ) = D ( . . . , 0 , . . . ) = 0 D(...,\displaystyle\sum_{l=1}^na_lA_l,...) = D(...,0,...) = 0 D(...,l=1nalAl,...)=D(...,0,...)=0。重复使用性质0即可证明

    3. 证明斜对称性
      在这里插入图片描述

    4. 证明多重线性:推导过程转载自:行列式的逆序数定义是怎么想出来的
      在这里插入图片描述
      在这里插入图片描述

2.3 行列式的解析展开式与逆序数定义

  • 利用第一公理化构造,可以推出行列式的解析展开式在这里插入图片描述
  • 推导过程转载自:行列式的逆序数定义是怎么想出来的
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  • 在各大教材上常见到一种行列式的逆序数定义,如下
    在这里插入图片描述
    其中 N ( j 1 , j 2 . . . j n ) N(j_1,j_2...j_n) N(j1,j2...jn)代表求排列 j 1 , j 2 . . . j n j_1,j_2...j_n j1,j2...jn的逆序数,其实引入这个逆序数定义,就是为了确认置换的奇偶性,从而给出行列式公式里每项前面那个正负号 ε σ \varepsilon_\sigma εσ

3. 第三公理化构造

  • 对于阶数超过3的行列式,无法用交叉技巧求解,用逆序数法展开又太麻烦,这时就适用于从第三公理化构造的角度考虑。

3.1 余子式

  1. 余子式:在n阶行列式中,划去元 a i j a_{ij} aij所在的第i行与第j列的元,剩下的元不改变原来的顺序所构成的n-1阶行列式称为元 a i j a_{ij} aij的余子式,记作 M i j M_{ij} Mij,即
    在这里插入图片描述

  2. 代数余子式:余子式乘上 ( − 1 ) i + j (-1)^{i+j} (1)i+j后称为 a i j a_{ij} aij的代数余子式,记作 A i j A_{ij} Aij,即
    A i j = ( − 1 ) i + j M i j A_{ij} = (-1)^{i+j}M_{ij} Aij=(1)i+jMij
    显然也有
    M i j = ( − 1 ) i + j A i j M_{ij} = (-1)^{i+j}A_{ij} Mij=(1)i+jAij

3.2 行列式按某行(列)展开公式

  • 行列式的值等于行列式的某行(列)元素分别乘以其相应的代数余子式后再求和,即
    ∣ A ∣ = { 按 第 i 行 展 开 : a i 1 A i 1 + a i 2 A i 2 + . . . + a i n A i n = ∑ j = 1 n a i j A i j ( i = 1 , 2 , . . . , n ) 按 第 j 列 展 开 : a 1 j A 1 j + a 2 j A 2 j + . . . + a n j A n j = ∑ i = 1 n a i j A i j ( j = 1 , 2 , . . . , n ) |A| = \left\{\begin{matrix} &按第 i 行展开:&a_{i1}A_{i1}+a_{i2}A_{i2}+...+a_{in}A_{in} = \displaystyle\sum_{j=1}^na_{ij}A_{ij} (i=1,2,...,n) \\ &按第 j 列展开:&a_{1j}A_{1j}+a_{2j}A_{2j}+...+a_{nj}A_{nj} = \displaystyle\sum_{i=1}^na_{ij}A_{ij} (j=1,2,...,n) \end{matrix}\right. A=ijai1Ai1+ai2Ai2+...+ainAin=j=1naijAij(i=1,2,...,n)a1jA1j+a2jA2j+...+anjAnj=i=1naijAij(j=1,2,...,n)
    这样可以把一个n阶行列式转化为n个(n-1)阶行列式,实现降阶,直到最后可以用交叉技巧求解

  • 行列式的某行(列)元素分别乘以另一行(列)元素的代数余子式后再求和,结果为0
    a i 1 A k 1 + a i 2 A k 2 + . . . + a i n A k n = 0 , i ≠ k a 1 j A 1 k + a 2 j A 2 k + . . . + a n j A n k = 0 , j ≠ k a_{i1}A_{k1}+a_{i2}A_{k2}+...+a_{in}A_{kn} = 0,i \neq k \\ a_{1j}A_{1k}+a_{2j}A_{2k}+...+a_{nj}A_{nk} = 0,j \neq k ai1Ak1+ai2Ak2+...+ainAkn=0,i=ka1jA1k+a2jA2k+...+anjAnk=0,j=k
    分析一下第一行的式子,使用第 i i i 行元素乘以第 k k k 行代数余子式,就相当于把原行列式中第 k k k 行内容替换为第 i i i 行内容,再按第 k k k 行展开,这个行列式中出现了两行相同,自然结果为 0

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

云端FFF

所有博文免费阅读,求打赏鼓励~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值