• 线性代数学习笔记6-2:行列式的理解、行列式的性质


    再次强调,方阵才有行列式!

    行列式尽可能多的压缩了方阵的信息,之前说过行列式代表线性变换中有向面积/有向体积的变化比例
    因此, d e t ( A ) = ∣ A ∣ = 0    ⟺    det(\mathbf A)=| A |=0\iff det(A)=A=0矩阵 A \mathbf A A不可逆/为奇异矩阵

    行列式的运算性质

    我们不从显式表达式来认识行列式,因为有计算机运算,而是从公理化的抽象角度来认识行列式

    通过三条基本性质,我们就能描述什么是行列式,并且这三条性质能推导出后续所有行列式性质

    1. 单位阵的 d e t ( I ) = 1 det(\mathbf I)=1 det(I)=1
    2. 交换行列式的两行,行列式正负反号
      推论:所有置换矩阵(即单位阵交换行后的矩阵),行列式为 ± 1 \pm 1 ±1

    另外,要说明的是,行的交换次数为奇数次/偶数次,根本上区分了两个不同行列式(反号);
    这里隐含一个重要事实:置换(即行的交换)分两类:奇数次行交换和偶数次行交换
    ①如果5次行交换能得到一种置换,那么23次行交换能得到相同的置换(只要都是奇数次行交换,则一定可以用更多奇数次交换得到相同结果);
    奇数次行交换和偶数次行交换,不可能得到两个相同的矩阵,因为两个行列式必然反号(除非是有相同行的不可逆矩阵/奇异矩阵,其行列式为0)

    1. 关于“线性性质”
      ①矩阵某一行元素乘以k,行列式变为k倍: ∣ t a t b c d ∣ = t ∣ a b c d ∣ \left|
      tatbcd" role="presentation" style="position: relative;">tatbcd
      \right|=t\left|
      abcd" role="presentation" style="position: relative;">abcd
      \right|
      tactbd =t acbd

      ②行列式的“行”有线性性(强调一行,而非整个行列式有线性性): ∣ a + a ′ b + b ′ c d ∣ = ∣ a b c d ∣ + ∣ a ′ b ′ c d ∣ \left|
      a+ab+bcd" role="presentation" style="position: relative;">a+ab+bcd
      \right|=\left|
      abcd" role="presentation" style="position: relative;">abcd
      \right|+\left|
      abcd" role="presentation" style="position: relative;">abcd
      \right|
      a+acb+bd = acbd + acbd

    推论:其他重要性质

    用上述三条性质推出更多重要性质:

    1. A \mathbf A A有两行相同,则必有 d e t ( A ) = 0 det(\mathbf A)=0 det(A)=0
      证明:交换相同的两行,行列式的样子不变值也应不变,则通过性质2, d e t ( A ) = − d e t ( A ) ⇒ d e t ( A ) = 0 det(\mathbf A)=-det(\mathbf A)\Rightarrow det(\mathbf A)=0 det(A)=det(A)det(A)=0

    理解:行线性相关,从而矩阵不可逆

    1. i i i行减去 j j j行的 k k k倍(类似“消元”),行列式不变
      证明: ∣ a − k c b − k c c d ∣ = ∣ a b c d ∣ − ∣ k c k c c d ∣ = ∣ a b c d ∣ − k ⋅ 0 \left|
      akcbkccd" role="presentation" style="position: relative;">akcbkccd
      \right|= \left|
      abcd" role="presentation" style="position: relative;">abcd
      \right|-\left|
      kckccd" role="presentation" style="position: relative;">kckccd
      \right|= \left|
      abcd" role="presentation" style="position: relative;">abcd
      \right|-k\cdot 0
      akccbkcd = acbd kcckcd = acbd k0

    与“消元”内容联系:矩阵 A = L U \mathbf{A=LU} A=LU分解,相当于消元,则 d e t ( A ) = d e t ( U ) det(\mathbf A)=det(\mathbf U) det(A)=det(U)

    1. A \mathbf A A有全零行,则必有 d e t ( A ) = 0 det(\mathbf A)=0 det(A)=0
      证明:[发1]对应前一部分的3①中, t = 0 t=0 t=0的情况 [法2]由这里的性质2,可以再次构造“两行相同”的矩阵,又回到性质1

    理解:由上一个性质2,“消元”后行列式不变,则这里全零行代表了消元得到全零,即“行线性相关”,从而不可逆

    1. 对于上三角阵, ∣ d 1 ∗ ∗ ⋯ ∗ 0 d 2 ∗ ⋯ ∗ 0 0 ⋱ ⋱ ⋮ ⋮ ⋮ ⋱ ⋱ ⋮ 0 0 ⋯ ⋯ d n ∣ = ∣ d 1 0 0 ⋯ 0 0 d 2 0 ⋯ 0 0 0 ⋱ ⋱ ⋮ ⋮ ⋮ ⋱ ⋱ ⋮ 0 0 ⋯ ⋯ d n ∣ = d 1 d 2 ⋯ d n \left|
      d10d20000dn" role="presentation" style="position: relative;">d10d20000dn
      \right|=\left|
      d10000d2000000dn" role="presentation" style="position: relative;">d10000d2000000dn
      \right|=d_{1} d_{2}\cdots d_n
      d1000d200dn = d10000d2000000dn =d1d2dn

      证明:利用“消元”不改变行列式的性质+提取每行倍数因子的性质
      这就是说,计算行列式的通用且高效的方法是对其进行消元,并且消元可以用于导出其余大多数性质

    但注意,一般的消元过程可能涉及了所有三种初等行变换:①矩阵某行乘以非零常数②交换两行③某一行乘以常数加到另一行,所以过程中可能变号、变倍数

    1. 矩阵 A \mathbf A A不可逆/为奇异矩阵    ⟺    \iff d e t ( A ) = 0 det(\mathbf A)=0 det(A)=0
      证明:,那么矩阵 A \mathbf A A不可逆一切行列式可以“消元”为上三角阵,若有“主元”为0,这对应了不可逆,也对应了 d e t ( A ) = 0 det(\mathbf A)=0 det(A)=0

    小结:结合3和5,只要有全零行(存在非零列向量 x \boldsymbol x x使 A x = 0 \mathbf A \boldsymbol x=\boldsymbol 0 Ax=0),一定不可逆,必有 d e t ( A ) = 0 det(\mathbf A)=0 det(A)=0
    即使没有全零行,也可推广:只要矩阵列向量线性相关,同样不可逆,有 d e t ( A ) = 0 det(\mathbf A)=0 det(A)=0

    1. d e t ( A B ) = d e t ( A ) d e t ( B ) det(\mathbf A\mathbf B)=det(\mathbf A)det(\mathbf B) det(AB)=det(A)det(B)
      推论:
      d e t ( A − 1 ) = d e t ( I ) / d e t ( A ) = 1 / d e t ( A ) det(\mathbf A^{-1})=det(\mathbf I)/det(\mathbf A)=1/det(\mathbf A) det(A1)=det(I)/det(A)=1/det(A),注意式子仅当 A \mathbf A A可逆时/ d e t ( A ) ≠ 0 det(\mathbf A)\neq 0 det(A)=0时成立
      d e t ( A 2 ) = ( d e t ( A ) ) 2 det(\mathbf A^{2})=(det(\mathbf A))^2 det(A2)=(det(A))2,但注意 d e t ( 2 A ) = 2 n d e t ( A ) det(2\mathbf A)=2^ndet(\mathbf A) det(2A)=2ndet(A)(原始性质3①,每行提出倍数)
    2. d e t ( A T ) = d e t ( A ) det(\mathbf A^{T})=det(\mathbf A) det(AT)=det(A)
      证明:矩阵消元对应LU分解 A = L U \mathbf{A=LU} A=LU,则就是要证明 d e t ( U T L T ) = d e t ( L U ) det(\mathbf U^T \mathbf L^T)=det(\mathbf L \mathbf U) det(UTLT)=det(LU),就是证明 d e t ( U T ) d e t ( L T ) = d e t ( L ) d e t ( U ) det(\mathbf U^T)det(\mathbf L^T)=det(\mathbf L)det(\mathbf U) det(UT)det(LT)=det(L)det(U),由于分解后的两个矩阵 L \mathbf L L U \mathbf U U都是三角矩阵,根据上述性质4显然有 d e t ( U T ) = d e t ( U ) det(\mathbf U^T)=det(\mathbf U) det(UT)=det(U) d e t ( L T ) = d e t ( L ) det(\mathbf L^T)=det(\mathbf L) det(LT)=det(L)
      推论:上述所有关于“行”的性质,通过转置可以得到对应的“列”的性质,这里不再一一列举
  • 相关阅读:
    【Linux】《Linux命令行与shell脚本编程大全 (第4版) 》笔记-Chapter16-脚本控制
    JUnit 面试题及答案整理,最新面试题
    Mybatis的一级缓存
    边缘计算节点 BEC 实践:如何快速准备裸金属服务器 Windows 自定义镜像?
    牛客多校2 - Link with Bracket Sequence I(括号序列,三维DP)
    UNITY 多屏幕显示代码
    java数据结构与算法 --- 第十章 数结构基础
    大数据之Flink优化
    深兰科技与西班牙BOMAPA集团签订数千万采购订单
    xcode15-mergeable libraries
  • 原文地址:https://blog.csdn.net/Insomnia_X/article/details/126109621