【高等代数】行列式的定义和性质

2023-11-09

逆序数

逆序数的定义

一个排列中的某两个数字,如果前面的数大于后面的数,那么它们就是一个逆序。一个排列中逆序的总数就称为这个排列的逆序数。逆序数用 τ ( j 1 j 2 . . . j n ) \tau(j_1j_2...j_n) τ(j1j2...jn)表示,其中 j 1 j 2 . . . j n j_1j_2...j_n j1j2...jn就是n个数字的一个排列。

【例1】	τ(1234) = 0,因为1234就是按大小顺序排的
【例2】	τ(2134) = 1,因为只有21是一对逆序。23,24,13,14,34都是顺序
【例3】	τ(4123) = 3,其中41,42,43是三个逆序,其他是顺序
【例4】	τ(4321) = 6 (= 3+2+1 = C42)

逆序数的一个重要性质

	上例中相比例1,例2相当于调换了1和2的位置;例3相当于调换了1和4的位置。
	在排列中调换了一对数,逆序数由偶数变为了奇数,这并非巧合。我们有以下结论:

在排列中如果调换两个数的位置,则逆序数的奇偶性发生改变。


行列式的定义


∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∑ 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 \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ a_{21}&a_{22} &\cdots &a_{2n} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = \sum_{j_1j_2...j_n}(-1)^{\tau(j_1j_2...j_n)}a_{1j_1}a_{2j_2}...\ a_{nj_n} a11a21an1a12a22an2a1na2nann=j1j2...jn(1)τ(j1j2...jn)a1j1a2j2... anjn

其中 j 1 j 2 . . . j n j_1j_2...j_n j1j2...jn n n n元排列, ∑ j 1 j 2 . . . j n \sum_{j_1j_2...j_n} j1j2...jn 表示对所有n元排列的情况求和。



行列式不但可以按列展开,也可以按行展开 ∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∑ i 1 i 2 . . . i n ( − 1 ) τ ( i 1 i 2 . . . i n ) a i 1 1 a i 2 2 . . .   a i n n \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ a_{21}&a_{22} &\cdots &a_{2n} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = \sum_{i_1i_2...i_n}(-1)^{\tau(i_1i_2...i_n)}a_{i_11}a_{i_22}...\ a_{i_nn} a11a21an1a12a22an2a1na2nann=i1i2...in(1)τ(i1i2...in)ai11ai22... ainn
这意味着,在行列式中,行和列的地位是一样的!

【例1】二阶行列式

∣ a 11 a 12 a 21 a 22 ∣ = a 11 a 22 − a 12 a 21 \begin{vmatrix} a_{11} & a_{12}\\ a_{21} & a_{22} \end{vmatrix} = a_{11}a_{22}-a_{12}a_{21} a11a21a12a22=a11a22a12a21



【例2】 上三角行列式

∣ a 11 a 12 a 13 ⋯ a 1 , n − 2 a 1 , n − 1 a 1 n 0 a 22 a 23 ⋯ a 2 , n − 2 a 2 , n − 1 a 2 n 0 0 a 33 ⋯ a 3 , n − 2 a 3 , n − 1 a 3 n ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ 0 0 0 ⋯ 0 a n − 1 , n − 1 a n − 1 , n 0 0 0 ⋯ 0 0 a n n ∣ = a 11 a 22 . . . a n n \begin{vmatrix} a_{11} &a_{12} &a_{13} &\cdots &a_{1,n-2} &a_{1,n-1}&a_{1n} \\ 0 &a_{22} &a_{23}&\cdots &a_{2,n-2} &a_{2,n-1} &a_{2n}\\ 0 &0 &a_{33} &\cdots &a_{3,n-2} &a_{3,n-1} &a_{3n}\\ \vdots &\vdots &\vdots &\ddots &\vdots &\vdots &\vdots \\ 0 &0 &0 &\cdots &0 &a_{n-1,n-1} &a_{n-1,n} \\ 0 &0 &0 &\cdots &0 &0 &a_{nn} \\ \end{vmatrix} = a_{11}a_{22}...a_{nn} a110000a12a22000a13a23a3300a1,n2a2,n2a3,n200a1,n1a2,n1a3,n1an1,n10a1na2na3nan1,nann=a11a22...ann



行列式的性质

  1. 行列互换(转置),行列式的值不变,即
    ∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∣ a 11 a 21 ⋯ a n 1 a 12 a 22 ⋯ a n 2 ⋮ ⋮ ⋮ a 1 n a 2 n ⋯ a n n ∣ \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ a_{21}&a_{22} &\cdots &a_{2n} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = \begin{vmatrix} a_{11}&a_{21} &\cdots &a_{n1} \\ a_{12}&a_{22} &\cdots &a_{n2} \\ \vdots&\vdots & &\vdots \\ a_{1n}&a_{2n} &\cdots&a_{nn} \\ \end{vmatrix} a11a21an1a12a22an2a1na2nann=a11a12a1na21a22a2nan1an2ann

    这意味着行列式中行和列的地位是对称的。因此行列式有关行的性质,对于列也成立。
    

    ⭐ 接下来行的性质,对于列也成立!

  2. 行列式中某一行的公因子可以提出行列式。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ k a i 1 k a i 2 ⋯ k a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = k ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ ka_{i1}&ka_{i2} &\cdots &ka_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = k \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} a11kai1an1a12kai2an2a1nkainann=ka11ai1an1a12ai2an2a1nainann

    写出定义式,将累加项里的因子k提出来即可证明。
    

  3. ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ b 1 + c 1 b 2 + c 2 ⋯ b n + c n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ b 1 b 2 ⋯ b n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ + ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ c 1 c 2 ⋯ c n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ b_1+c_1&b_2+c_2 &\cdots &b_n+c_n \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ b_1 & b_2 &\cdots & b_n\\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} + \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ c_1 & c_2 &\cdots & c_n\\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} a11b1+c1an1a12b2+c2an2a1nbn+cnann=a11b1an1a12b2an2a1nbnann+a11c1an1a12c2an2a1ncnann

    由行列式定义和乘法分配律得到。
    
  4. 两行互换,行列式反号。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a k 1 a k 2 ⋯ a k n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = − ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a k 1 a k 2 ⋯ a k n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{k1}&a_{k2} &\cdots &a_{kn} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = - \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{k1}&a_{k2} &\cdots &a_{kn} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} a11ai1ak1an1a12ai2ak2an2a1nainaknann=a11ak1ai1an1a12ak2ai2an2a1naknainann

     左边是 Σ(-1)^τ(j1...ji...jk...jn) * ...
     右边是 Σ(-1)^τ(j1...jk...ji...jn) * ...
     而排列中,两个数对换则逆序数的奇偶性改变。由此可推。
    
  5. 两行相同,行列式的值为0。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = 0 \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = 0 a11ai1ai1an1a12ai2ai2an2a1nainainann=0

     运用性质4,将相同的两行换一下得到 det = - det,因此det = 0.
    
  6. 两行成比例, 行列式的值为0。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ k a i 1 k a i 2 ⋯ k a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = 0 \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ ka_{i1}&ka_{i2} &\cdots &ka_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = 0 a11ai1kai1an1a12ai2kai2an2a1nainkainann=0

     由性质2和性质5得到。
    
  7. 把一行的倍数加到另一行上,行列式的值不变。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a k 1 + l a i 1 a k 2 + l a i 2 ⋯ a k n + l a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a k 1 a k 2 ⋯ a k n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{k1}+la_{i1} &a_{k2}+la_{i2} &\cdots &a_{kn}+la_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{k1}&a_{k2} &\cdots &a_{kn} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} a11ai1ak1+lai1an1a12ai2ak2+lai2an2a1nainakn+lainann=a11ai1ak1an1a12ai2ak2an2a1nainaknann

     先利用性质3,再利用性质6即可推出。
    

这意味着计算行列式时可以用“消元法”,将行列式变成上三角行列式。

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

【高等代数】行列式的定义和性质 的相关文章

  • 证明正定矩阵的充要条件:全部顺序主子式大于0

    定理 f x T A x f x TAx f xTAx 正定的充要条件是
  • 矩阵论——正交向量

    向量正交 向量 u u u与向量 v v v正交 u
  • 应用MATLAB求解线性代数题目(五)——特征值与特征向量

    目录 特征值和特征向量 相似矩阵 orth 将矩阵正交规范化 特征值和特征向量 我们先看一下特征值和特征向量的定义 可见 特征值可以通过特征方程 行列式 求得 则特征值与特征向量只存在于方阵中 根据MATLAB中的帮助文档 help eig
  • 叉积的意义

    我们知道 向量的叉积可以帮助我们求出一个和已知两个向量构成的平面相互垂直的另一个向量 例如求法向量 而且一般来说 都是求三维空间的向量的叉积 下面我们要讨论的就是各种 为什么如此 考虑两个相互不平行的三维向量 它们的叉积 以行列式形式来表示
  • 一个矩阵乘以它本身的转置等于什么

    如果一个矩阵 A 乘以它本身的转置 AT 那么结果就是一个对角矩阵 对角线上的元素就是 A 矩阵中每一列的平方和 其余的元素都是 0 例如 如果 A 矩阵是 a11 a12 a21 a22 那么 A 乘以 AT 就是 a11 2 a21 2
  • 第一章----行列式知识点汇总

    目录 线性代数 1 来自b站网课截屏 本人亲自截屏作为笔记 在这里供大家学习分享 需要线性代数全部内容请通过传送门自行下载 第一章 行列式 1 1行列式的定义 二阶行列式的定义 排列与逆序 排列 逆序 定理1 1 1 一个对换 奇偶排列改变
  • 宋浩线性代数笔记(二)矩阵及其性质

    更新线性代数第二章 矩阵 本章为线代学科最核心的一章 知识点多而杂碎 务必仔细学习 重难点在于 1 矩阵的乘法运算 2 逆矩阵 伴随矩阵的求解 3 矩阵的初等变换 4 矩阵的秩 去年写的字 属实有点ugly 大家尽量看
  • (邱维声)高等代数课程笔记:极大线性无关组,向量组的秩

    极大线性无关组 向量组的秩 quad 一般地 设 V V V 是数域 K K K 上的一个线性空间
  • 线性代数-----行列式的性质

    行列式的性质 设 D a 11
  • 4.9-4.10 矩阵乘法的性质 & 矩阵的幂运算 & 矩阵的转置及其性质

    矩阵乘法的性质 矩阵的乘法不遵守交换律 矩阵乘法遵守结合律 分配律 对于任意r行c列的矩阵A 存在c行x列的矩阵O 满足 A Ocx Orx 对于任意r行c列的矩阵A 存在x行r列的矩阵O 满足 Oxr A Oxc 证明思路 A B C A
  • GAMES101:作业3

    GAMES101 作业3 附其他所有作业超链接如下 Games101 作业0 作业0 Games101 作业1 作业1 Games101 作业2 作业2 Games101 作业3 作业3 Games101 作业4 作业4 Games101
  • 【线性代数】向量组的线性相关性

    文章目录 向量组及其线性组合 一 向量 二 线性表示 1 线性组合的定义 2 线性表示的定义 3 线性表示的充要条件 三 向量组等价 1 向量组等价定义 2 向量组线性表示的充要条件 3 向量组等价的充要条件 4 向量组线性表示的必要条件
  • 18. 线性代数 - 线性变换

    文章目录 线性空间 线性变换 线性变换的几何意义 特征值与特征向量 NumPy的矩阵操作 Hi 你好 我是茶桁 经历了几节线性代数课程之后 终于咱们到了最后一节课了 本节课的内容说多不多 说少也不少 我们先是要理解一下线性空间和线性变换 并
  • 蓝桥杯---貌似化学---逆矩阵

    试题 算法训练 貌似化学 资源限制 时间限制 1 0s 内存限制 256 0MB 问题描述 现在有a b c三种原料 如果他们按x y z混合 就能产生一种神奇的物品d 当然不一定只产生一份d 但a b c的最简比一定是x y z 现在给你
  • 2022年第十四届华中杯数学建模A题解题思路附代码

    A 题 分拣系统优化问题 某电商公司配送中心的工作流程分为统计汇总 转运上架 按订单分拣 核对打包等 步骤 其中 分拣环节操作复杂 耗时较长 其效率是影响配送中心整体性能的关键因素 首先 系统统计汇总出当天全部待配送订单所包含的所有货品及相
  • 【论文笔记】基于Control Barrier Function的二次规划(QP)控制

    文章目录 写在前面 问题描述 RBF 1 Logarithmic 2 Inverse type 3 Reciprocal ZBF 两者的联系 CBF构建 RCBF ZCBF QP设计 ES CLF CLF CBF QP 写在前面 原论文 C
  • 问题 D: 稀疏矩阵类型判断

    题目描述 输入一个稀疏矩阵 输出其类型 类型包括 上三角 对角线及其右上方的元素非0 其它元素为0 下三角 对角线及其左下方的元素非0 其它元素为0 对称 沿对角线对称的元素非0且相等 空矩阵 所有元素都为0 其它为普通矩阵 输入 输入包括
  • TRMF 辅助论文:最小二乘法复现TRMF

    1 目标函数 总 论文笔记 Temporal Regularized Matrix Factorization forHigh dimensional Time Series Prediction UQI LIUWJ的博客 CSDN博客 1
  • matlab 计算点云中值

    目录 一 概述 1 算法概述 2 主要函数 二 代码示例 三 结果展示 四 参数解析 输入参数 输出参数 五 参考链接 本文由CSDN点云侠原创 原文链接 如果你不是在点云侠的博客中看到该文章 那么此处便是不要脸的爬虫 一 概述
  • MIT_线性代数笔记:第 23 讲 微分方程和 exp(At)

    目录 微分方程 Differential equations 矩阵指数函数 Matrix exponential e A t e At

随机推荐