高等数学:线性代数-第一章

文章目录

  • 第1章 行列式
    • 1.1 全排列和对换
    • 1.2 n阶行列式
    • 1.3 行列式的性质
    • 1.4 行列式按行(列)展开

第1章 行列式

1.1 全排列和对换

全排列 把 n 个不同的元素排成一列,叫做这 n 个元素的全排列,简称排列。

例如, { 5 , 3 , 4 , 2 , 1 } \{ 5, 3, 4, 2, 1 \} {5,3,4,2,1} 是一个排列。

全排列的个数 记 P n P_{n} Pn 为 n 个元素的全排列的个数,则有
P n = n ! P_{n} = n! \\ Pn=n!
排列数 记 P n m P_{n}^{m} Pnm 为从 n 个不同的元素中取出 m 个元素的全排列的个数,则有
P n m = A n m = n ! ( n − m ) ! P_{n}^{m} = A_{n}^{m} = \frac{n!}{(n - m)!} \\ Pnm=Anm=(nm)!n!
特别地,当 m=n 时, P n m = P n P_{n}^{m} = P_{n} Pnm=Pn成立。

逆序 在全排列中,当某一对元素的先后次序与标准次序不同时,就说它构成 1 个逆序。

逆序数 一个排列中所有逆序的总数叫做这个排列的逆序数。记排列 a n a_{n} an 的逆序数为 t ,则有
t = ∑ i = 1 n ∑ j = 1 i − 1 [ a i < a j ] t = \sum_{i = 1}^{n}{\sum_{j = 1}^{i - 1}{[a_{i} < a_{j}]}} \\ t=i=1nj=1i1[ai<aj]
奇排列与偶排列 逆序数为奇数的排列叫做奇排列,逆序数为偶数的排列叫做偶排列。

对换 在排列中,将任意两个元素对调,其余的元素不动的操作叫做对换。特别地,将相邻的两个元素对换,叫做相邻对换。

对换定理 一个排列中的任意两个元素对换,排列改变奇偶性。

1.2 n阶行列式

n \bm{n} n 阶行列式 设有 n 2 n^{2} n2个数,排成 n 行 n 列的数表
a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n \begin{matrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{matrix} \\ a11a21an1a12a22an2a1na2nann
定义 n! 项代数和
$$
D = \sum_{i = 1}^{n} (-1)^{t}\prod_{j = 1}^{n} a_{jp_{j}} \
$
其中 p 1 , p 2 , ⋯   , p n p_{1}, p_{2}, \cdots, p_{n} p1,p2,,pn为 n 的所有排列, t 为排列 p n p_{n} pn 的逆序数。则称上式为n 阶行列式,记作

D = ∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ∣ D = \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} \\ D= a11a21an1a12a22an2a1na2nann
简记作 det ⁡ ( a i j ) \det(a_{ij}) det(aij),其中 a i j a_{ij} aij 为行列式 D 的 (i,j) 元。

上(下)三角行列式 主对角线以下(上)的元素都为 0 的行列式叫做上(下)三角行列式;特别地,除主对角线以外,其余元素都为 0 的行列式叫做对角行列式。

上(下)三角行列式和对角行列式满足
∣ a 11 a 21 a 22 ⋮ ⋮ ⋱ a n 1 a n 2 ⋯ a n n ∣ = ∏ i = 1 n a i i ∣ λ 1 λ 2 ⋱ λ n ∣ = ∏ i = 1 n λ i \begin{vmatrix} a_{11} & & & \\ a_{21} & a_{22} & & \\ \vdots & \vdots & \ddots & \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} = \prod_{i = 1}^{n}{a_{ii}} \\ \begin{vmatrix} \lambda_{1} & & & \\ & \lambda_{2} & & \\ & & \ddots & \\ & & & \lambda_{n} \\ \end{vmatrix} = \prod_{i = 1}^{n}{\lambda_{i}} \\ a11a21an1a22an2ann =i=1naii λ1λ2λn =i=1nλi

1.3 行列式的性质

性质1 行列式 D 与它的转置行列式 D^{T} 相等,即
det ⁡ ( a i j ) = det ⁡ ( a j i ) \det(a_{ij}) = \det(a_{ji}) det(aij)=det(aji)
性质2 对换行列式的两行(列),行列式变号。

性质2推论 若行列式 D 存在两行(列)完全相同,则 D = 0 .

性质3 行列式的某一行(列)中的所有元素都乘同一数 k ,等于用数 k 乘此行列式,即
D = r i × k k D D = c j × k k D D \xlongequal{r_{i} \times k}{} kD \\ D \xlongequal{c_{j} \times k}{} kD \\ Dri×k kDDcj×k kD
性质4 若行列式 D 中存在两行(列)元素成比例,则 D = 0 .

性质5 若行列式 D 的某一行(列)的元素都是两数之和,则行列式 D 满足
D = ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 + a i 1 ′ a i 2 + a i 2 ′ ⋯ a i n + a i n ′ ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∣ 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 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 ′ a i 2 ′ ⋯ a i n ′ ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{align} D &= \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ a_{i1} + a_{i1}^{\prime} & a_{i2} + a_{i2}^{\prime} & \cdots & a_{in} + a_{in}^{\prime} \\ \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_{21} & a_{22} & \cdots & a_{2n} \\ \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}^{\prime} & a_{i2}^{\prime} & \cdots & a_{in}^{\prime} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} \\ \end{align} \\ D= a11ai1+ai1an1a12ai2+ai2an2a1nain+ainann = a11a21an1a12a22an2a1na2nann + a11ai1an1a12ai2an2a1nainann
性质6 把行列式 D 的某一行(列)的各元素的 k 倍加到另一行(列),行列式不变,即
D = r j + k r i k D D = c q + k c p k D D \xlongequal{r_{j} + kr_{i}}{} kD \\ D \xlongequal{c_{q} + kc_{p}}{} kD \\ Drj+kri kDDcq+kcp kD
分块(矩阵)行列式 设
D = ∣ a 11 ⋯ a 1 k ⋮ ⋮ a k 1 ⋯ a k k c 11 ⋯ c 1 k b 11 ⋯ b 1 n ⋮ ⋮ ⋮ ⋮ c n 1 ⋯ c n k b n 1 ⋯ b n n ∣ = ∣ A O C B ∣ D = \begin{vmatrix} a_{11} & \cdots & a_{1k} & & & & \\ \vdots & & \vdots & & & & \\ a_{k1} & \cdots & a_{kk} & & & & \\ c_{11} & \cdots & c_{1k} & b_{11} & \cdots & b_{1n} & \\ \vdots & & \vdots & \vdots & & \vdots & \\ c_{n1} & \cdots & c_{nk} & b_{n1} & \cdots & b_{nn} & \\ \end{vmatrix} = \begin{vmatrix} A & O \\ C & B \\ \end{vmatrix} \\ D= a11ak1c11cn1a1kakkc1kcnkb11bn1b1nbnn = ACOB
则有
D = ∣ a 11 ⋯ a 1 k ⋮ ⋮ a k 1 ⋯ a k k ∣ ∣ b 11 ⋯ b 1 n ⋮ ⋮ b n 1 ⋯ b n n ∣ = A B D = \begin{vmatrix} a_{11} & \cdots & a_{1k} \\ \vdots & & \vdots \\ a_{k1} & \cdots & a_{kk} \\ \end{vmatrix} \begin{vmatrix} b_{11} & \cdots & b_{1n} \\ \vdots & & \vdots \\ b_{n1} & \cdots & b_{nn} \\ \end{vmatrix} = AB \\ D= a11ak1a1kakk b11bn1b1nbnn =AB
类似地,有
∣ A C O B ∣ = A B \begin{vmatrix} A & C \\ O & B \\ \end{vmatrix} =AB \\ AOCB =AB

1.4 行列式按行(列)展开

余子式 在 n 阶行列式中,把 a i j a_{ij} aij 所在的行和列划去后,留下的 n-1 阶行列式叫做 a i j a_{ij} aij的余子式,记作 M i j M_{ij} Mij .

代数余子式 记
A i j = ( − 1 ) i + j M i j A_{ij} = (-1)^{i + j}M_{ij} \\ Aij=(1)i+jMij
A i j A_{ij} Aij 叫做 a i j a_{ij} aij的代数余子式。

行列式按行(列)展开法则 行列式 D 等于它任一行(列)的各元素与其对应的代数余子式乘积之和,即
D = ∑ i = 1 n a p i A p i = ∑ i = 1 n a i q A i q D = \sum_{i = 1}^{n}a_{pi}A_{pi} = \sum_{i = 1}^{n}a_{iq}A_{iq} \\ D=i=1napiApi=i=1naiqAiq
Vandermonde行列式
D n = ∣ 1 1 ⋯ 1 x 1 x 2 ⋯ x n x 1 2 x 2 2 ⋯ x n 2 ⋮ ⋮ ⋱ ⋮ x 1 n − 1 x 2 n − 1 ⋯ x n n − 1 ∣ = ∏ n ≥ i > j ≥ 1 ( x i − x j ) D_{n} = \begin{vmatrix} 1 & 1 & \cdots & 1 \\ x_{1} & x_{2} & \cdots & x_{n} \\ x_{1}^{2} & x_{2}^{2} & \cdots & x_{n}^{2} \\ \vdots & \vdots & \ddots & \vdots \\ x_{1}^{n - 1} & x_{2}^{n - 1} & \cdots & x_{n}^{n - 1} \\ \end{vmatrix} = \prod_{n \geq i > j \geq 1}(x_{i} - x_{j}) \\ Dn= 1x1x12x1n11x2x22x2n11xnxn2xnn1 =ni>j1(xixj)

你可能感兴趣的:(高等数学,#,线性代数,线性代数)