线性代数(19)——行列式(下)

行列式

  • 行列式计算
    • 对角矩阵行列式计算
    • 上、下三角矩阵行列式计算
  • 初等矩阵与行列式
  • 行式就是列式

行列式计算

在之前的基础上对行列式的性质进一步拓展,如果一个行列式的一行加(减)另一行的 k k k倍,行列式的值不变。具体的证明过程如下,
线性代数(19)——行列式(下)_第1张图片
整个过程与Gauss-Jordan消元法的过程是一致的。行列式的值与其经过Gauss-Jordan消元法后得到的行最简形式的行列式的结果是相等的。有一点不同的是,在行列式消元的时候不能进行归一化,因为归一化后,行列式的值就改变了。

Gauss-Jordan消元法的过程最理想的情况是将矩阵转换为一个对角矩阵,行列式的求取过程也是如此。

对角矩阵行列式计算

线性代数(19)——行列式(下)_第2张图片

上、下三角矩阵行列式计算

线性代数(19)——行列式(下)_第3张图片
如果Gauss-Jordan消元的结果存在零行,则行列式的值为0。

故总结行列式计算步骤,

  1. 对方阵进行Gauss消元(即没有Gauss-Jordan消元法后向过程)
  2. 不进行归一化处理
  3. 如果消元结果中存在零行,则行列式的值为0
  4. 如果不存在零行,则行列式的值为主对角线全部元素乘积

这也是大多数线性代数计算库计算行列式值的算法过程,这个过程本身的运算效率是较高的。

初等矩阵与行列式

d e t ( A ⋅ B ) = d e t ( A ) ⋅ d e t ( B ) det(A\cdot B)=det(A)\cdot det(B) det(AB)=det(A)det(B)
这条性质在求取特征值的时候很关键。

对上面的式子取特殊情况,
d e t ( A ⋅ A − 1 ) = d e t ( A ) ⋅ d e t ( A − 1 ) d e t ( I ) = d e t ( A ) ⋅ d e t ( A − 1 ) d e t ( A ) ⋅ d e t ( A − 1 ) = 1 d e t ( A − 1 ) = 1 d e t ( A − 1 ) det(A\cdot A^{-1})=det(A)\cdot det(A^{-1})\\det(I)=det(A)\cdot det(A^{-1})\\ det(A)\cdot det(A^{-1})=1\\det(A^{-1})=\frac{1}{det(A^{-1})} det(AA1)=det(A)det(A1)det(I)=det(A)det(A1)det(A)det(A1)=1det(A1)=det(A1)1
因为矩阵 A A A的逆存在,故无需担心 d e t ( A ) = 0 det(A)=0 det(A)=0,具体见行列式性质拓展。

行式就是列式

在之前,行列式的理解都是以行为单位的。但是实际上,对于行列式而言“行式就是列式”,即 d e t ( A ) = d e t ( A T ) det(A) = det(A^T) det(A)=det(AT)
线性代数(19)——行列式(下)_第4张图片
所以之前证明的基于行的行列式的性质对于列也都是适用的,
线性代数(19)——行列式(下)_第5张图片
正是因为这个定理,使得行列式从行角度和列角度看都是相同的。这也为之后的特征值、奇异值打下了良好的基础。

你可能感兴趣的:(线性代数)