线性代数笔记6:行列式
2018-03-27 21:05
387 查看
大部分国内的线性代数都是从行列式开始讲起,这里只列出基本性质方便回顾。
坐标系变换下的图形面积或体积的伸缩因子,即变换矩阵AA
设A=(α1,...,αn),B=(α1,...αi−1,kαi,αi+1,...αn)A=(α1,...,αn),B=(α1,...αi−1,kαi,αi+1,...αn),则det(B)=k×det(A)det(B)=k×det(A)
设A=A=(α1,...,αn),A<
20000
/span>′=(α1,...,α′i,...αn),B=(α1,...αi+α′i,..,αn)A=A=(α1,...,αn),A′=(α1,...,αi′,...αn),B=(α1,...αi+αi′,..,αn),则det(B)=det(A)+det(A′)det(B)=det(A)+det(A′)
det(A)=det(AT)det(A)=det(AT)
任意交换AA的两列得到A′A′,则det(A)=−det(A′)det(A)=−det(A′)。
将AA的某一行(列)乘上一个倍数加到另外一列(行),得到矩阵A′A′,则det(A)=det(A′)det(A)=det(A′)
若AA是一个方阵,则det(A)≠0⇔A可逆det(A)≠0⇔A可逆
设A,BA,B是两个nn阶方阵,则|AB|=|A|×|B||AB|=|A|×|B|
|A+B|≠|A|+|B|,|kA|≠k|A||A+B|≠|A|+|B|,|kA|≠k|A|
使用代数余子式(algebraic complement)计算
令Cij=(−1)i+jdet(Mij)Cij=(−1)i+jdet(Mij),则:det(A)=ai1Ci1+ai2Ci2+...+ainCindet(A)=ai1Ci1+ai2Ci2+...+ainCin
综合利用消元法和降阶法
典型例题:计算Vandermonde行列式
证明|λIm−AB|=λm−n|λIn−BA||λIm−AB|=λm−n|λIn−BA|
adj(A)=⎛⎝⎜⎜⎜C11C21...Cn1C12C22...Cn2............C1nC2n...Cnn⎞⎠⎟⎟⎟Tadj(A)=(C11C12...C1nC21C22...C2n............Cn1Cn2...Cnn)T
A−1=adj(A)|A|A−1=adj(A)|A|
r(A)=n⇒r(adj(A))=nr(A)=n⇒r(adj(A))=n
r(A)=n−1⇒A×(adj(A))=0r(A)=n−1⇒A×(adj(A))=0,因此adj(A)adj(A)的列属于AA的零空间。而dimN(A)=1⇒r(adj(A))=1dimN(A)=1⇒r(adj(A))=1
r(A)≤n−2⇒Ar(A)≤n−2⇒A的任意n-1阶子矩阵都不可逆⇒Cij=0→adj(A)=0⇒Cij=0→adj(A)=0
i,j,k为单位向量,相当于i,j,k为单位向量,相当于∣∣∣∣iu1v1ju2v2ku3v3∣∣∣∣|ijku1u2u3v1v2v3|的行列式计算
(u1+u2)×v=u1×v+u2×v(u1+u2)×v=u1×v+u2×v
行列式的几何意义
行列式中的行或列向量所构成的超平行多面体的有向面积或体积坐标系变换下的图形面积或体积的伸缩因子,即变换矩阵AA
行列式的一般性质
|In|=det(In)=1|In|=det(In)=1设A=(α1,...,αn),B=(α1,...αi−1,kαi,αi+1,...αn)A=(α1,...,αn),B=(α1,...αi−1,kαi,αi+1,...αn),则det(B)=k×det(A)det(B)=k×det(A)
设A=A=(α1,...,αn),A<
20000
/span>′=(α1,...,α′i,...αn),B=(α1,...αi+α′i,..,αn)A=A=(α1,...,αn),A′=(α1,...,αi′,...αn),B=(α1,...αi+αi′,..,αn),则det(B)=det(A)+det(A′)det(B)=det(A)+det(A′)
det(A)=det(AT)det(A)=det(AT)
任意交换AA的两列得到A′A′,则det(A)=−det(A′)det(A)=−det(A′)。
推论
若AA的两行(列)成比例,则det(A)=0det(A)=0将AA的某一行(列)乘上一个倍数加到另外一列(行),得到矩阵A′A′,则det(A)=det(A′)det(A)=det(A′)
若AA是一个方阵,则det(A)≠0⇔A可逆det(A)≠0⇔A可逆
设A,BA,B是两个nn阶方阵,则|AB|=|A|×|B||AB|=|A|×|B|
|A+B|≠|A|+|B|,|kA|≠k|A||A+B|≠|A|+|B|,|kA|≠k|A|
行列式的计算
直接利用公式计算使用代数余子式(algebraic complement)计算
令Cij=(−1)i+jdet(Mij)Cij=(−1)i+jdet(Mij),则:det(A)=ai1Ci1+ai2Ci2+...+ainCindet(A)=ai1Ci1+ai2Ci2+...+ainCin
综合利用消元法和降阶法
典型例题:计算Vandermonde行列式
证明|λIm−AB|=λm−n|λIn−BA||λIm−AB|=λm−n|λIn−BA|
求逆矩阵
设A=(aij)n×nA=(aij)n×n可逆,构造如下矩阵,称为AA的伴随矩阵(adjoint of A):adj(A)=⎛⎝⎜⎜⎜C11C21...Cn1C12C22...Cn2............C1nC2n...Cnn⎞⎠⎟⎟⎟Tadj(A)=(C11C12...C1nC21C22...C2n............Cn1Cn2...Cnn)T
A−1=adj(A)|A|A−1=adj(A)|A|
r(A)=n⇒r(adj(A))=nr(A)=n⇒r(adj(A))=n
r(A)=n−1⇒A×(adj(A))=0r(A)=n−1⇒A×(adj(A))=0,因此adj(A)adj(A)的列属于AA的零空间。而dimN(A)=1⇒r(adj(A))=1dimN(A)=1⇒r(adj(A))=1
r(A)≤n−2⇒Ar(A)≤n−2⇒A的任意n-1阶子矩阵都不可逆⇒Cij=0→adj(A)=0⇒Cij=0→adj(A)=0
外积
给定两个向量u=⎛⎝⎜u1u2u3⎞⎠⎟,v=⎛⎝⎜v1v2v3⎞⎠⎟,u×v=⎛⎝⎜u2v3−u3v2u3v1−u1v3u1v2−u2v1⎞⎠⎟u=(u1u2u3),v=(v1v2v3),u×v=(u2v3−u3v2u3v1−u1v3u1v2−u2v1)i,j,k为单位向量,相当于i,j,k为单位向量,相当于∣∣∣∣iu1v1ju2v2ku3v3∣∣∣∣|ijku1u2u3v1v2v3|的行列式计算
性质
u×v=−v×u→u×u=0u×v=−v×u→u×u=0(u1+u2)×v=u1×v+u2×v(u1+u2)×v=u1×v+u2×v
相关文章推荐
- MIT18.06线性代数课程笔记20:矩阵逆元计算、克里默法则 以及 行列式与volume、外积的关系
- 线性代数学习笔记一:行列式
- MIT18.06线性代数课程笔记18:矩阵行列式的性质
- 线性代数笔记(行列式)
- 线性代数笔记:行列式和矩阵;以及具体实战
- (9.1.1)线性代数之行列式
- 线性代数笔记7:特征向量
- 线性代数的本质(笔记二)
- 线性代数学习笔记(五)
- 线性代数学习笔记(五)
- MIT线性代数笔记-第七讲
- 线性代数的本质-学习笔记2
- MIT线性代数笔记-第十一讲
- 线性代数笔记-10 四个基本子空间
- 线性代数学习笔记(九)
- 线性代数学习笔记(三)
- MIT_线性代数笔记_09_线性无关性、基、维数
- 【线性代数公开课MIT Linear Algebra】 第十九课 行列式的公式
- 线性代数—学习笔记
- MIT18.06线性代数课程笔记15:子空间投影矩阵