MIT 线性代数导论 第十八讲:行列式及其性质

从这一讲开始新的章节。这一讲主要是一些基础概念性质,所以比较简单。

本讲的主要内容:

  • 行列式的概念
  • 行列式的重要性质

行列式的概念以及基本的三个性质

行列式是由方阵 A A A 确定的一个标量,记作 d e t a det \enspace a deta 或者 ∣ A ∣ |A| A, 可以看作是面积或者体积向高维空间的拓展。这里要注意的概念是我们一般意义上的考虑都是考虑方阵的行列式
行列式的三个基本性质:

  • 1 d e t I = 1 det \enspace I = 1 detI=1 也就是单位矩阵的行列式值等于1(其实是对角线的数值的乘积)
  • 2 交换矩阵的两行,行列式的值会改变符号,所以由这个性质可以得出,任意的一个置换矩阵,它的行列式值是0或者1
  • 3.1关于提取行列式中某一行的公因数的操作: ∣ t a t b c d ∣ = t ∣ a b c d ∣ \begin{vmatrix} ta & tb\\ c & d \end{vmatrix}= t\begin{vmatrix} a &b \\ c &d \end{vmatrix} tactbd=tacbd
  • 3.2 关于拆分行列式: ∣ a + a ′ b + b ′ c d ∣ = ∣ a b c d ∣ + ∣ a ′ b ′ c d ∣ \begin{vmatrix} a+ a{}' & b+b{}'\\ c & d \end{vmatrix}= \begin{vmatrix} a &b \\ c &d \end{vmatrix} + \begin{vmatrix} a{}' &b{}' \\ c & d \end{vmatrix} a+acb+bd=acbd+acbd

上面的三个性质作为行列式的最重要的三个性质,后边的结论都可以有这三条推出。

重要推论

  • 如果方阵的某两行一样,则行列式值为0,可以使用性质2推出
  • 将某一行的乘以某个数加到另一行上,行列式的值不会变,比如: ∣ a b c − l a d − l b ∣ = ∣ a b c d ∣ + ∣ a b − l a − l b ∣ = ∣ a b c d ∣ \begin{vmatrix} a &b \\ c-la &d-lb \end{vmatrix} = \begin{vmatrix} a & b\\ c & d \end{vmatrix}+\begin{vmatrix} a &b \\ -la & -lb \end{vmatrix}=\begin{vmatrix} a & b\\ c & d \end{vmatrix} aclabdlb=acbd+alablb=acbd
  • 如果方阵中有某一行全为0,则行列式的值为0
  • 关于上三角矩阵的行列式: U = ∣ d 1 ∗ ∗ ∗ 0 d 2 ∗ ∗ . . . . . . . . . . . . 0 0 0 d n ∣ ⇒ d e t U = d 1 d 2 . . . d n U=\begin{vmatrix} d_{1} & * & * & *\\ 0 & d_{2} & * & *\\ ... & ... & ... &... \\ 0 & 0 & 0 & d_{n} \end{vmatrix}\Rightarrow det U = d_{1}d_{2}...d_{n} U=d10...0d2...0...0...dndetU=d1d2...dn 这里可以继续进行消元直到化简为和行最简形,这一条也是我们计算行列式的重要方法,实际上,在很多计算软件中,都是先进性消元过程将矩阵转化为上三角矩阵,然后再进行计算。
  • 如果行列式的值为0,则矩阵是奇异矩阵,也就是矩阵没有逆。
  • d e t A B = ( d e t A ) ( d e t B ) det \enspace AB =(det\enspace A )(det \enspace B) detAB=(detA)(detB)
  • d e t A − 1 = 1 d e t A det A^{-1} = \frac{1}{detA} detA1=detA1 d e t A 2 = ( d e t A ) 2 detA^{2} = (detA)^{2} detA2=(detA)2
  • d e t 2 A = 2 n d e t A det 2A = 2^{n}detA det2A=2ndetA 这三条都可以通过矩阵乘积的行列式分解得出
  • d e t A T = d e t A det A^{T} = det A detAT=detA 这一条结论可以先将方阵进行LU分解,那么得到的是矩阵等于下三角矩阵乘上三角矩阵的形式,在这种形式下,行列式的值会比较好计算,结论就会很明显。

这一讲的这些性质会在之后的计算中用到。

以上~

你可能感兴趣的:(Linear,Algebra)