1. 行列式
本文重点在知识归纳,不帮助理解
1.1 行列式概念
n 阶行列式(determinant)
∣ a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . . . . a n 1 a n 2 . . . a n n ∣ \begin{vmatrix} a_{11} & a_{12} & ... & a_{1n} \\ a_{21} & a_{22} & ... & a_{2n} \\ ... & ... & & ... \\ a_{n1} & a_{n2} & ... & a_{nn} \\ \end{vmatrix} ∣∣∣∣∣∣∣∣a11a21...an1a12a22...an2.........a1na2n...ann∣∣∣∣∣∣∣∣
完全展开式: ∑ j 1 j 2 . . . j n ( − 1 ) τ ( j 1 j 2 . . . j n ) a 1 j 1 a 2 j 2 . . . a n j n \sum_{j_1j_2...j_n}(-1)^{\tau(j_1j_2...j_n)}a_{1j_1}a_{2j_2}...a_{nj_n} ∑j1j2...jn(−1)τ(j1j2...jn)a1j1a2j2...anjn
- τ ( j 1 j 2 . . . j n ) \tau(j_1j_2...j_n) τ(j1j2...jn) 中的排列为逆序数,大数排小数前即一个逆序。如 2431 中,21,43,41,31 是逆序,逆序数是4,为偶排列。
拉普拉斯展开(Laplace),这里为行展开:
∣ A ∣ = a i 1 A i 1 + a i 2 A i 2 + . . . + a i n A i n = ∑ k = 1 n a i k A i k , i = 1 , 2.. n |A| = a_{i1}A_{i1} + a_{i2}A_{i2} + ... +a_{in}A_{in} = \sum_{k=1}^na_{ik}A_{ik},i = 1,2..n ∣A∣=ai1Ai1+ai2Ai2+...+ainAin=k=1∑naikAik,i=1,2..n
- 代数余子式(cofactor): A i j = ( − 1 ) i + j M i j A_{ij} = (-1)^{i+j}M_{ij} Aij=(−1)i+jMij
- 余子式(minor): M i j M_{ij} Mij,即划去 a i j a_{ij} aij 所在行和列的元素,剩下的元素组成的行列式(n-1 阶)
- 还可以按列展开,类似行展开,省略
1.2 行列式性质
- 经过转置后,行列式的值不变,即 ∣ A T ∣ = ∣ A ∣ |A^T| = |A| ∣AT∣=∣A∣
- 两行或两列互换位置,行列式的值变号
- 某行(列)有公因子 k k k 可提到行列式外
- 行列式的某行(列)是两个元素之和,可把行列式拆成两个行列式之和
- 把某行(列)的 k k k 倍加到另一行(列),行列式的值不变
总结一下可直接判断行列式为 0 的情况
- 两行(列)相同,行列式的值为 0
- 某行(列)元素全为 0 ,行列式为 0
- 两行(列)对应元素成比例,行列式为 0
1.3 几个重要公式
- 上(下)三角行列式的值: a 11 a 22 . . . a n n a_{11}a_{22}...a_{nn} a11a22...ann(主对角元素的积)
- 副对角线的行列式的值: ( − 1 ) n ( n − 1 ) 2 a 1 n a 2 , n − 1 . . . a n 1 (-1)^{\frac{n(n-1)}{2}}a_{1n}a_{2,n-1}...a_{n1} (−1)2n(n−1)a1na2,n−1...an1 (后面的为副对角线元素的积)
- 特殊的拉普拉斯展开,如果 A A A 和 B B B 分别是 m m m 阶和 n n n 阶矩阵,则
∣ A ∗ O B ∣ = ∣ A O ∗ B ∣ = ∣ A ∣ ⋅ ∣ B ∣ , ∣ O A B ∗ ∣ = ∣ ∗ A B O ∣ = ( − 1 ) m n ∣ A ∣ ⋅ ∣ B ∣ \begin{vmatrix} A & * \\ O & B \\ \end{vmatrix} = \begin{vmatrix} A & O \\ * & B \\ \end{vmatrix} = |A|\cdot|B| ,~ \begin{vmatrix} O & A \\ B & * \\ \end{vmatrix} = \begin{vmatrix} * & A \\ B & O \\ \end{vmatrix} = (-1)^{mn}|A|\cdot|B| ∣∣∣∣AO∗B∣∣∣∣=∣∣∣∣A∗OB∣∣∣∣=∣A∣⋅∣B∣, ∣∣∣∣OBA∗∣∣∣∣=∣∣∣∣∗BAO∣∣∣∣=(−1)mn∣A∣⋅∣B∣
- 范德蒙行列式(Vandermonde)
∣ 1 1 . . . 1 x 1 x 2 . . . x n x 1 2 x 2 2 . . . x n 2 . . . . . . . . . . . . x 1 n − 1 x 2 n − 1 . . . x n n − 1 ∣ = ∏ 1 ≤ j < i ≤ n ( x i − x j ) \begin{vmatrix} 1 & 1 & ... & 1 \\ x_1 & x_2 & ... & x_n \\ x_1^2 & x_2^2 & ... & x_n^2 \\ ... & ... & ... & ...\\ x_1^{n-1} & x_2^{n-1} & ... & x_n^{n-1} \\ \end{vmatrix} = \prod_{1 \leq j < i \leq n}(x_i - x_j) ∣∣∣∣∣∣∣∣∣∣1x1x12...x1n−11x2x22...x2n−1...............1xnxn2...xnn−1∣∣∣∣∣∣∣∣∣∣=1≤j<i≤n∏(xi−xj)
1.4 n 阶方阵行列式公式
- ∣ A T ∣ = ∣ A ∣ |A^T| = |A| ∣AT∣=∣A∣ ( A A A 为 n 阶方阵)
- ∣ k A ∣ = k n ∣ A ∣ |kA| = k^n|A| ∣kA∣=kn∣A∣ ( A A A 为 n 阶方阵)
- ∣ A B ∣ = ∣ A ∣ ⋅ ∣ B ∣ |AB| = |A|\cdot|B| ∣AB∣=∣A∣⋅∣B∣ ( A A A 和 B B B 均为 n 阶方阵)
- ∣ A ∗ ∣ = ∣ A ∣ n − 1 |A^*| = |A|^{n-1} ∣A∗∣=∣A∣n−1 ( A A A 为 n 阶方阵, A ∗ A^* A∗ 是 A A A 的伴随矩阵)
- ∣ A − 1 ∣ = ∣ A ∣ − 1 |A^{-1}| = |A|^{-1} ∣A−1∣=∣A∣−1 ( A A A 为 n 阶可逆方阵, A − 1 A^{-1} A−1 为 A A A 的逆矩阵)
- ∣ A ∣ = ∏ i = 1 n λ i |A| = \prod_{i = 1}^n\lambda_i ∣A∣=∏i=1nλi( A A A 为 n 阶方阵, λ \lambda λ 是 A A A 的特征值)
- A ∼ B , 则 ∣ A ∣ = ∣ B ∣ A \sim B, ~则~|A| = |B| A∼B, 则 ∣A∣=∣B∣
1.5 代数余子式补充
- 行列式任一行(列)元素与另一行(列)元素的代数余子式乘积之和为 0
- A A A 为 n 阶矩阵, A ∗ A^* A∗ 是 A A A 的伴随矩阵,则 A A ∗ = A ∗ A = ∣ A ∣ E AA^* = A^*A = |A|E AA∗=A∗A=∣A∣E
1.6 补充
行列式 ∣ A ∣ |A| ∣A∣ 是否为零的判定
行 列 式 ∣ A ∣ = 0 ⇔ 矩 阵 A 不 可 逆 ⇔ 秩 r ( A ) < n ⇔ A x = 0 有 非 零 解 ⇔ 0 是 矩 阵 A 的 特 征 值 ⇔ A 的 列 ( 行 ) 向 量 线 性 相 关 \begin{aligned} 行&列式~|A| = 0\\ \Leftrightarrow & 矩阵~A~不可逆\\ \Leftrightarrow & 秩~r(A) < n\\ \Leftrightarrow & A\bm{x}=0~有非零解\\ \Leftrightarrow & ~0~是矩阵~A~的特征值\\ \Leftrightarrow & A~的列(行)向量线性相关\\ \end{aligned} 行⇔⇔⇔⇔⇔列式 ∣A∣=0矩阵 A 不可逆秩 r(A)<nAx=0 有非零解 0 是矩阵 A 的特征值A 的列(行)向量线性相关
附:关于行列式的理解
矩阵即是映射,行列式就是“体积”扩大率,如此一来上面的性质是不是就好理解了呢。
最后推荐《程序员的数学》这本书,有助于你理解各种含义