Determinants





The Properties Of Determinants

  • 行列式的表示: det A A A 或者 | A A A|

1. n by n 的单位阵的行列式是1
∣ 1 0 ⋯ 0 0 1 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 1 ∣ = 1 \left| \begin{matrix} 1 & 0 & \cdots & 0 \\0 & 1 & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 &0 & \cdots & 1\\ \end{matrix} \right|=1 100010001=1

2. 如果方阵的两行互换,则行列式的符号改变,变成相反数
− ∣ a b c d ∣ = ∣ c d a b ∣ -\left| \begin{matrix} a & b \\ c & d \end{matrix} \right|= \left| \begin{matrix} c & d \\ a& b \end{matrix} \right| acbd=cadb

3. 行列式是 行 的线性函数
∣ t a t b c d ∣ = t ∣ a b c d ∣ \left| \begin{matrix} ta & tb \\ c & d \end{matrix} \right|= t\left| \begin{matrix} a & b \\ c & d \end{matrix} \right| tactbd=tacbd

∣ a + a ′ b + b ′ c d ∣ = ∣ a b c d ∣ + ∣ a ′ b ′ c d ∣ \left| \begin{matrix} a+a' & b+b' \\ c & d \end{matrix} \right|= \left| \begin{matrix} a & b \\ c & d \end{matrix} \right|+ \left| \begin{matrix} a' & b' \\ c & d \end{matrix} \right| a+acb+bd=acbd+acbd


4. 如果有两行相等 ,则行列式为0
∣ a b a b ∣ = 0 \left| \begin{matrix} a & b \\ a & b \end{matrix} \right|=0 aabb=0


5. 一行乘以一个数加到另一行,行列式不变
∣ a b c − ρ a d − ρ b ∣ = ∣ a b c d ∣ \left| \begin{matrix} a & b \\ c-\rho a & d-\rho b \end{matrix} \right|= \left| \begin{matrix} a & b \\ c & d \end{matrix} \right| acρabdρb=acbd


6. 有全0行的方阵 的行列式为0
∣ 0 0 c d ∣ = 0 \left|\begin{matrix} 0 & 0\\ c & d \end{matrix} \right|=0 0c0d=0


7. 三角阵的行列式:对角元素乘积
∣ a 0 c d ∣ = a d          ∣ a b 0 d ∣ = a d \left|\begin{matrix} a & 0\\ c & d \end{matrix} \right|=ad\space\space\space\space\space\space\space\space \left| \begin{matrix} a & b\\ 0 & d \end{matrix} \right|=ad ac0d=ad        a0bd=ad


8. 如果行列式为0,方阵是奇异矩阵(不可逆)。如果方阵可逆,行列式不为0


9. A B AB AB的行列式等于 A A A的行列式乘以 B B B的行列式
∣ A B ∣ = ∣ A ∣ ∣ B ∣ |AB|=|A||B| AB=AB

10. A A A转置的行列式等于 A A A的行列式(意味着以上的性质也适应于列)
∣ A T ∣ = ∣ A ∣ |A^T|=|A| AT=A




The Methods To Culculate Determinants

  • Big Formula(其实是一个公式)

1. n ∗ n n*n nn的矩阵有 n ! n! n!项 ,一半是正数,一半是负数,
2 ∗ 2 方 阵          ∣ a b c d ∣ = a d − b c 2*2方阵\space\space\space\space\space\space\space\space \left|\begin{matrix} a & b\\ c & d \end{matrix} \right|=ad-bc 22        acbd=adbc
3 ∗ 3 方 阵      ∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 − a 11 a 23 a 32 − a 12 a 21 a 33 − a 13 a 22 a 31 3*3方阵\space\space\space\space \left|\begin{matrix} a11 & a12 &a13 \\ a21 & a22 & a23 \\ a31 & a32 & a33 \end{matrix} \right|=a11 a22 a33+a12a23a31+a13a21a32-a11a23a32-a12a21a33-a13a22a31 33    a11a21a31a12a22a32a13a23a33=a11a22a33+a12a23a31+a13a21a32a11a23a32a12a21a33a13a22a31





2. 有时候可以进行快速计算,我们遵循一个原则:每项中的entry来自不同的行和列,所有可能结果之和就是行列式。如:4*4方阵,每项有4个entrys
[ 1 0 a 0 0 1 b 0 0 0 c 0 0 0 d 1 ] \left[ \begin{matrix} 1 & 0&a &0\\ 0 & 1 & b&0\\ 0& 0 & c&0\\ 0 & 0 & d&1 \end{matrix} \right] 10000100abcd0001

  • 第 1、2、4列只能选1,其他都是0,第三列我们可以选 a b c d,但是,1 2 4 行已经有值,所以只能选c。只有一种可能:1 1 c 1,行列式为c
  • 如果经过换列或者行才能将entry都放在对角上,变换次数是偶数,行列式不变,变换次数是奇数,行列式还需要乘以-1。如下:

    [ 1 0 a 0 0 1 b 0 0 1 c 0 0 0 d 1 ] \left[ \begin{matrix} 1 & 0&a &0\\ 0 & 1 & b&0\\ 0& 1& c&0\\ 0 & 0 & d&1 \end{matrix} \right] 10000110abcd0001
    那么可选择的有下面两个,但是右边的需要第二列 和第三列互换,才能得到对角矩阵,所以行列式为-b。最终结果加起来:c-b
    [ 1 0 0 0 0 1 0 0 0 0 c 0 0 0 0 1 ]         [ 1 0 0 0 0 0 b 0 0 1 0 0 0 0 0 1 ] \left[ \begin{matrix} 1 & 0&0&0\\ 0 & 1 &0&0\\ 0& 0& c&0\\ 0 & 0 & 0&1 \end{matrix} \right] \space\space\space\space\space\space\space \left[ \begin{matrix} 1 & 0&0&0\\ 0 & 0& b&0\\ 0& 1& 0&0\\ 0 & 0 & 0&1 \end{matrix} \right] 1000010000c00001       100000100b000001


  • Cofactors(余子式)
  1. 余子式:设一个entry为 a i j aij aij,去掉其所在的行和列,剩下的SubMatrix 的行列式,记作: M i j Mij Mij

  2. 一个方阵的行列式等于 任意一行的的各元素与其对应的代数式余子式乘积之和。Mij 的系数是 ( − 1 ) i + j (-1)^{i+j} (1)i+j
    ∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ = ∣ a 11 a 22 a 23 a 32 a 33 ∣ + ∣ a 12 a 21 a 23 a 31 a 33 ∣ + ∣ a 13 a 21 a 22 a 31 a 32 ∣ = a 11 M 11 + ( − 1 ) a 12 M 12 + a 13 M 13 \left|\begin{matrix} a11 & a12 &a13 \\ a21 & a22 & a23 \\ a31 & a32 & a33 \end{matrix} \right|=\left|\begin{matrix} a11 & & \\ & a22 & a23 \\ & a32 & a33 \end{matrix} \right|+\left|\begin{matrix} & a12 & \\ a21 & & a23 \\ a31 & & a33 \end{matrix} \right|+\left|\begin{matrix} & &a13 \\ a21 & a22 & \\ a31 & a32 & \end{matrix} \right| = a11M11 +(-1)a12M12+a13M13 a11a21a31a12a22a32a13a23a33=a11a22a32a23a33+a21a31a12a23a33+a21a31a22a32a13=a11M11+(1)a12M12+a13M13


如:
∣ 2 − 1 − 1 2 − 1 − 1 2 − 1 − 1 2 ∣ = 2 ∗ ∣ 2 − 1 − 1 2 − 1 − 1 2 ∣ − ( − 1 ) ∗ ∣ − 1 − 1 2 − 1 − 1 2 ∣ \left|\begin{matrix} 2& -1 & &&\\ -1 &2&-1& \\ & -1 & 2&-1\\ &&-1&2 \end{matrix} \right|=2*\left|\begin{matrix} 2 & -1&\\ -1 & 2 & -1 \\ & -1& 2 \end{matrix} \right|-(-1)*\left|\begin{matrix} -1 & -1&\\ & 2 & -1 \\ & -1& 2 \end{matrix} \right| 2112112112=22112112(1)112112




Cramers’s Rule, Inverses and Volumes

  • Cramer’s Rule

1. 如果 A A A的行列式不是0, A x = b Ax=b Ax=b 可以用行列式来解

Key idea:
[ a 1 a 2 a 3 ] [ x 1 0 0 x 2 1 0 x 3 0 1 ] = [ b 1 a 12 a 13 b 2 a 22 a 23 b 3 a 32 a 33 ] = B 1 \left[\begin{matrix} & &\\ a1& a2 & a3 \\ & & \end{matrix} \right]\left[\begin{matrix} x1& 0&0\\ x2& 1 & 0 \\ x3& 0& 1 \end{matrix} \right]=\left[\begin{matrix} b1& a12&a13\\ b2& a22 & a23 \\ b3& a32& a33 \end{matrix} \right]=B1 a1a2a3x1x2x3010001=b1b2b3a12a22a32a13a23a33=B1


设中间矩阵为 X X X

d e t ( A ) d e t ( X ) = d e t ( B 1 ) det(A)det(X)=det(B1) det(A)det(X)=det(B1)
d e t ( A ) x 1 = d e t ( B 1 ) det(A)x1=det(B1) det(A)x1=det(B1)
x 1 = d e t ( B 1 ) / d e t ( A ) x1=det(B1)/det(A) x1=det(B1)/det(A)


同理:
[ a 1 a 2 a 3 ] [ 1 x 1 0 0 x 2 0 0 x 3 1 ] = [ a 1 b a 3 ] = B 2 \left[\begin{matrix} & &\\ a1& a2 & a3 \\ & & \end{matrix} \right]\left[\begin{matrix} 1& x1&0\\ 0& x2 & 0 \\ 0& x3& 1 \end{matrix} \right]=\left[\begin{matrix} & &\\ a1&b & a3 \\ & & \end{matrix} \right]=B2 a1a2a3100x1x2x3001=a1ba3=B2

x 2 = d e t ( B 2 ) / d e t ( A ) x2=det(B2)/det(A) x2=det(B2)/det(A)


同理:

x 3 = d e t ( B 3 ) / d e t ( A ) x3=det(B3)/det(A) x3=det(B3)/det(A)





例题

3 x 1 + 4 x 2 = 2 5 x 1 + 6 x 2 = 4 \begin{array}{l} 3x1+4x2=2\\ 5x1+6x2=4 \end{array} 3x1+4x2=25x1+6x2=4

d e t A = ∣ 3 4 5 6 ∣    d e t B 1 = ∣ 3 4 5 6 ∣    d e t B 2 = ∣ 3 4 5 6 ∣ det A=\left|\begin{matrix} 3& 4\\ 5& 6 \end{matrix} \right|\space \space det B1=\left|\begin{matrix} 3& 4\\ 5& 6 \end{matrix} \right|\space \space det B2=\left|\begin{matrix} 3& 4\\ 5& 6 \end{matrix} \right| detA=3546  detB1=3546  detB2=3546

C r a m e r ′ s R u l e :      x 1 = − 4 − 2 = 2      x 2 = 2 − 2 = − 1 Cramer's Rule :\space\space\space\space x1=\frac{-4}{-2}=2\space\space\space\space x2=\frac{2}{-2}=-1 CramersRule:    x1=24=2    x2=22=1

c h e c k [ 3 4 5 6 ] [ 2 − 1 ] = [ 2 4 ] check \left[\begin{matrix} 3& 4\\ 5& 6 \end{matrix} \right] \left[\begin{matrix} 2\\ -1 \end{matrix} \right] =\left[\begin{matrix} 2\\ 4 \end{matrix} \right] check[3546][21]=[24]



2. A − 1 A^{-1} A1

C表示余子式,最后的每项 C j i C_{ji} Cji的系数 是 ( − 1 ) i + j (-1)^{i+j} 1i+j
( A − 1 ) i j = C j i d e t   A (A^{-1})_{ij}=\frac{C_{ji}}{det\space A} (A1)ij=det ACji
比 如 : ( A − 1 ) 31 = C 13 d e t   A 比如:(A^{-1})_{31}=\frac{C_{13}}{det\space A} (A1)31=det AC13





例题:
A = [ a b c d ] A= \left[ \begin{matrix} a &b \\ c & d \end{matrix} \right] A=[acbd]
C 11 = d ∣ A ∣ ,    C 21 = − c ∣ A ∣ ,    C 12 = − b ∣ A ∣ ,    C 22 = a ∣ A ∣ C_{11}=\frac{d}{|A|} ,\space\space C_{21}=\frac{-c}{|A|},\space\space C_{12}=\frac{-b}{|A|},\space\space C_{22}=\frac{a}{|A|} C11=Ad,  C21=Ac,  C12=Ab,  C22=Aa
∣ A ∣ = 1 a d − b c |A|=\frac{1}{ad-bc} A=adbc1
A − 1 = 1 a d − b c [ d − b − c a ] A^{-1}= \frac{1}{ad-bc}\left[ \begin{matrix} d &-b \\ -c & a \end{matrix} \right] A1=adbc1[dcba]





3. 行列式的几何意义


  • x   y x\space y x y 坐标平面中,3个点的坐标分别是 ( x 1 , y 1 )   ( x 2 , y 2 )   ( x 3 , y 3 ) (x1,y1)\space (x2,y2)\space (x3,y3) (x1,y1) (x2,y2) (x3,y3) ,那么它组成三角形的面积是:
    d e t e r m i n a n t 2 = 1 2 ∣ x 1 y 1 1 x 2 y 2 1 x 3 y 3 1 ∣ \frac{determinant}{2}=\frac{1}{2} \left| \begin{matrix} x1 & y1 & 1\\ x2 & y2 & 1 \\ x3 & y3& 1 \end{matrix} \right| 2determinant=21x1x2x3y1y2y3111
    如果 ( x 3 , y 3 ) (x3,y3) (x3,y3) 是(0,0)的话 面积等于:
    1 2 ∣ x 1 y 1 x 2 y 2 ∣ \frac{1}{2} \left| \begin{matrix} x1 & y1 \\ x2 & y2 \end{matrix} \right| 21x1x2y1y2
    平行四边形的面积=determinant,不需要除以2
    如果求出的值是负数,那么取它的绝对值。



  • x   y   z x\space y\space z x y z 三维空间中,三个三维向量 ( a 11 a 12 a 13 ) ( a 21 a 22 a 23 ) ( a 31 a 32 a 33 ) (a_{11}a_{12}a_{13}) (a_{21}a_{22}a_{23})(a_{31}a_{32}a_{33}) (a11a12a13)(a21a22a23)(a31a32a33)分别对应平行六面体的三条边,三个三维向量 不要求垂直,只需要能构成体积就行。那么它的体积等于:
    ∣ a 11 a 21 a 31 a 12 a 22 a 32 a 13 a 23 a 33 ∣ \left| \begin{matrix} a_{11}& a_{21}& a_{31} \\ a_{12} & a_{22} & a_{32} \\ a_{13} &a_{23}& a_{33} \end{matrix} \right| a11a12a13a21a22a23a31a32a33
    可以这样想:如果三个向量两两垂直,假设为 ( 2 , 0 , 0 ) ( 0 , 3 , 0 ) ( 0 , 0 , 4 ) (2,0,0) (0,3,0)(0,0,4) (2,0,0)(0,3,0)(0,0,4),那么体积为三个边长之积:2*3*4=24,将边长放在矩阵中,求行列式也是2*3*4=24,如下:
    ∣ 2 0 0 0 3 0 0 0 4 ∣ = 2 ∗ 3 ∗ 4 = 24 \left| \begin{matrix} 2& 0 & 0 \\ 0 & 3& 0 \\ 0 & 0 & 4 \end{matrix} \right|=2*3*4=24 200030004=234=24



  • 内积 、外积、三重积

(1) 内积(Dot Product):两个向量的内积大小是一个长度,是一个数。


两个向量 ( x 1 , x 2 , x 3 )   ( y 1 , y 2 , y 3 ) (x1,x2,x3)\space (y1,y2,y3) (x1,x2,x3) (y1,y2,y3)的内积对应坐标乘积之和: x 1 y 1 + x 2 y 2 + x 3 y 3 x1y1+x2y2+x3y3 x1y1+x2y2+x3y3,通常写成 x T y x^Ty xTy





(2)外积(Cross Product):两个向量的外积大小是面积,还是一个向量。
u × v = ∣ i j k u 1 u 2 u 3 v 1 v 2 v 3 ∣ = ( u 2 v 3 − u 3 v 2 ) i + ( u 3 v 1 − u 1 v 3 ) j + ( u 1 v 2 − u 2 v 1 ) k u\times v= \left| \begin{matrix} i & j & k \\ u_{1} & u_{2} & u_{3} \\ v_{1} & v_{2} & v_{3} \end{matrix} \right|=(u_{2}v_{3}- u_{3}v_{2} )i+(u_{3} v_{1}- u_{1}v_{3} )j+(u_{1}v_{2} -u_{2} v_{1} )k u×v=iu1v1ju2v2ku3v3=(u2v3u3v2)i+(u3v1u1v3)j+(u1v2u2v1)k
得到的这个向量大小等于 u u u v v v 组成的四边形面积,方向垂直于这个平面,符合右手定则, x × y x\times y x×y的方向如下图 。
在这里插入图片描述
x × y = − ( y × x ) x\times y=-(y\times x) x×y=(y×x)



(3)三重积(Triple Product)三个向量的三重积大小是体积


u   v   w   u\space v \space w\space u v w 的Triple Product定义为: ( u × v   ) ⋅ w (u\times v \space )\cdot w (u×v )w =
d e t e r m i n a t = ∣ w 1 w 2 w 3 u 1 u 2 u 3 v 1 v 2 v 3 ∣ = ∣ u 1 u 2 u 3 v 1 v 2 v 3 w 1 w 2 w 3 ∣ determinat=\left| \begin{matrix} w_{1} & w_{2} & w_{3} \\ u_{1} & u_{2} & u_{3} \\ v_{1} & v_{2} & v_{3} \end{matrix} \right|=\left| \begin{matrix} u_{1} & u_{2} & u_{3} \\ v_{1} & v_{2} & v_{3}\\ w_{1} & w_{2} & w_{3} \end{matrix} \right| determinat=w1u1v1w2u2v2w3u3v3=u1v1w1u2v2w2u3v3w3



行列式的几何意义

矩阵和行列式的几何意义

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
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