行列式基础知识,重要定理和公式

这篇具有很好参考价值的文章主要介绍了行列式基础知识,重要定理和公式。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、线性代数定义

线性代数是计算机专业考研的必考科目,可见它在计算机领域的重要性。相比高等数学,线性代数内容相对较少,也比较好学,但入门偏难,需要认真钻研。

线性代数主要处理线性关系问题,也称线性问题。如果数学对象之间的关系是一次形式(一阶导数为常数的函数)就称它们是线性关系。线性关系指对象之间按比例、成直线的关系

在解析几何中,平面上直线的方程是二元一次方程。空间平面的方程是三元一次方程,空间直线可视为两个空间平面相交,由两个三元一次方程所组成的方程组来表示。因此,含有n个未知量的一次方程称为线性方程,关于变量是一次的函数称为线性函数。解线性方程组是最简单的线性问题。

二、行列式——贯穿线性代数

(一)思维导图

行列式的七个基本公式,研0,线性代数,算法

(二)基础知识

定义1.1 n 阶行列式是不同行不同列的n个元素的乘积的代数和(共n!项)
∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \left|\begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n} \end{array}\right| a11a21an1a12a22an2a1na2nann

n阶行列式的完全展开式(求值)
∣ 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 \left|\begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n} \end{array}\right|=\sum_{j_{1} j_{2} \cdots j_{n}}(-1)^{\tau\left(j_{1} j_{2} \cdots j_{n}\right)} a_{1 j_{1}} a_{2 j_{2}} \cdots a_{n j_{n}} a11a21an1a12a22an2a1na2nann =j1j2jn(1)τ(j1j2jn)a1j1a2j2anjn
τ ( j 1 j 2 ⋯ j n ) \tau\left(j_{1} j_{2} \cdots j_{n}\right) τ(j1j2jn)表示排列 j 1 j 2 ⋯ j n j_{1} j_{2} \cdots j_{n} j1j2jn的n阶行列式的逆序数,如何计算逆序数呢?
对于一个排列,从左往右,从第一个数开始,往后数比它小的数的个数,直到最后一个数。例如排列25134,逆序数等于1+3+0+0+0=4

定义1.2 在n阶行列式中划去元素 a i j a_{ij} aij所在的第 i {i} i行第j列
∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \left|\begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n} \end{array}\right| a11a21an1a12a22an2a1na2nann 由剩下的元素按原来的排法构成一个n-1阶的行列式就称为 a i j a_{ij} aij余子式,记为 M i j M_{ij} Mij代数余子式记为 A i j A_{ij} Aij= ( − 1 ) i + j M i j (-1)^{i+j} M_{i j} (1)i+jMij(带正负)
∣ a 11 ⋯ a 1 , j − 1 a 1 , j + 1 ⋯ a 1 n ⋮ ⋮ ⋮ ⋮ a i − 1 , 1 ⋯ a i − 1 , j − 1 a i − 1 , j + 1 ⋯ a i − 1 , n a i + 1 , 1 ⋯ a i + 1 , j − 1 a i + 1 , j + 1 ⋯ a i + 1 , n ⋮ ⋮ ⋮ ⋮ a n 1 ⋯ a n , j − 1 a n , j + 1 ⋯ a n n ∣ \left|\begin{array}{cccccc} a_{11} & \cdots & a_{1, j-1} & a_{1, j+1} & \cdots & a_{1 n} \\ \vdots & & \vdots & \vdots & & \vdots \\ a_{i-1,1} & \cdots & a_{i-1, j-1} & a_{i-1, j+1} & \cdots & a_{i-1, n} \\ a_{i+1,1} & \cdots & a_{i+1, j-1} & a_{i+1, j+1} & \cdots & a_{i+1, n} \\ \vdots & & \vdots & \vdots & & \vdots \\ a_{n 1} & \cdots & a_{n, j-1} & a_{n, j+1} & \cdots & a_{n n} \end{array}\right| a11ai1,1ai+1,1an1a1,j1ai1,j1ai+1,j1an,j1a1,j+1ai1,j+1ai+1,j+1an,j+1a1nai1,nai+1,nann

(三)重要定理

定理1.1 n阶行列式D等于它的任意一行的所有元素与它们各自对应的代数余子式的成绩之和
D = a k 1 A k 1 + a k 2 A k 2 + ⋯ + a k n A k n ( k = 1 , 2 , ⋯   , n ) D=a_{k 1} A_{k 1}+a_{k 2} A_{k 2}+\cdots+a_{k n} A_{k n} \quad(k=1,2, \cdots, n) D=ak1Ak1+ak2Ak2++aknAkn(k=1,2,,n)
定理1.2 n阶行列式D的任意一行的所有元素与另外一行对应的代数余子式之和等于0
a i 1 A k 1 + a i 2 A k 2 + ⋯ + a i n A k n = 0 ( i ≠ k ) ( i , k = 1 , 2 , ⋯   , n ) a_{i 1} A_{k 1}+a_{i 2} A_{k 2}+\cdots+a_{i n} A_{k n}=0(i \neq k)(i, k=1,2, \cdots, n) ai1Ak1+ai2Ak2++ainAkn=0i=k(i,k=1,2,,n)

(四)重要公式

1. 上(下)三角行列式的值等于主对角线元素的乘积
∣ a 11 a 12 ⋯ a 1 n 0 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ a n n ∣ = ∣ a 11 0 ⋯ 0 a 21 a 22 ⋯ 0 ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ∣ = a 11 a 22 ⋯ a n n \left|\begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1 n} \\ 0 & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & a_{n n} \end{array}\right|=\left|\begin{array}{cccc} a_{11} & 0 & \cdots & 0 \\ a_{21} & a_{22} & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n} \end{array}\right|=a_{11} a_{22} \cdots a_{nn} a1100a12a220a1na2nann = a11a21an10a22an200ann =a11a22ann
2. 关于副对角线的行列式
∣ a 11 a 12 ⋯ a 1 , n − 1 a 1 n a 21 a 22 ⋯ a 2 , n − 1 0 ⋮ ⋮ ⋮ ⋮ a n 1 0 ⋯ 0 0 ∣ = ∣ 0 ⋯ 0 a 1 n 0 ⋯ a 2 , n − 1 a 2 n ⋮ ⋮ ⋮ a n 1 ⋯ a n , n − 1 a n n ∣ = ( − 1 ) n ( n − 1 ) 2 a 1 n a 2 , n − 1 ⋯ a n 1 \begin{aligned} \left|\begin{array}{ccccc} a_{11} & a_{12} & \cdots & a_{1, n-1} & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2, n-1} & 0 \\ \vdots & \vdots & & \vdots & \vdots \\ a_{n 1} & 0 & \cdots & 0 & 0 \end{array}\right| &=\left|\begin{array}{cccc} 0 & \cdots & 0 & a_{1 n} \\ 0 & \cdots & a_{2, n-1} & a_{2 n} \\ \vdots & & \vdots & \vdots \\ a_{n 1} & \cdots & a_{n, n-1} & a_{n n} \end{array}\right| \\ &=(-1)^{\frac{n(n-1)}{2}} a_{1 n} a_{2, n-1} \cdots a_{n 1} \end{aligned} a11a21an1a12a220a1,n1a2,n10a1n00 = 00an10a2,n1an,n1a1na2nann =(1)2n(n1)a1na2,n1an1
3. 两个特殊的拉普拉斯展开式
∣ A ∗ O B ∣ = ∣ A O ∗ B ∣ = ∣ A ∣ ⋅ ∣ B ∣ , ∣ O A B ∗ ∣ = ∣ ∗ A B O ∣ = ( − 1 ) m n ∣ A ∣ ⋅ ∣ B ∣ \begin{array}{l} \left|\begin{array}{ll} \boldsymbol{A} & * \\ \boldsymbol{O} & \boldsymbol{B} \end{array}\right|=\left|\begin{array}{ll} \boldsymbol{A} & \boldsymbol{O} \\* & \boldsymbol{B} \end{array}\right|=|\boldsymbol{A}| \cdot|\boldsymbol{B}|, \\ \left|\begin{array}{ll} \boldsymbol{O} & \boldsymbol{A} \\ \boldsymbol{B} & * \end{array}\right|=\left|\begin{array}{ll}* & \boldsymbol{A} \\ \boldsymbol{B} & \boldsymbol{O} \end{array}\right|=(-1)^{m n}|\boldsymbol{A}| \cdot|\boldsymbol{B}| \end{array} AOB = AOB =AB, OBA = BAO =(1)mnAB
m,n分别是矩阵A,B的阶数

4. 范德蒙行列式
∣ 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 ∣ = ∏ 1 ⩽ j < i ⩽ n ( x i − x j ) \left|\begin{array}{cccc} 1 & 1 & \cdots & 1 \\ x_{1} & x_{2} & \cdots & x_{n} \\ x_{1}^{2} & x_{2}^{2} & \cdots & x_{n}^{2} \\ \vdots & \vdots & & \vdots \\ x_{1}^{n-1} & x_{2}^{n-1} & \cdots & x_{n}^{n-1} \end{array}\right|=\prod_{1 \leqslant j<i \leqslant n}\left(x_{i}-x_{j}\right) 1x1x12x1n11x2x22x2n11xnxn2xnn1 =1j<in(xixj)

(五)方阵的行列式

  1. 若A是n阶矩阵,则 A T A^T AT是A的转置矩阵,则 ∣ A T ∣ = ∣ A ∣ |A^T|=|A| AT=A;
  2. 若A是n阶矩阵,则 ∣ k A ∣ = k n ∣ A ∣ |kA|=k^n|A| kA=knA;
  3. 若A,B是n阶矩阵,则 ∣ A B ∣ = ∣ A ∣ ∣ B ∣ |AB|=|A||B| AB=A∣∣B;
  4. 若A是n阶矩阵, A A ∗ = A ∗ A = ∣ A ∣ E AA^*=A^*A=|A|E AA=AA=AE ( A ∗ = [ A 11 A 21 A 31 A 12 A 22 A 32 A 13 A 23 A 33 ] ) A^*= \left [\begin{array}{lll} A_{11} & A_{21} & A_{31} \\ A_{12} & A_{22} & A_{32} \\ A_{13} & A_{23} & A_{33} \end{array}\right]) A= A11A12A13A21A22A23A31A32A33 );
  5. 若A是n阶可逆矩阵,则 ∣ A − 1 ∣ = ∣ A ∣ − 1 |A^{-1}|=|A|^{-1} A1=A1(逆矩阵行列式等于原矩阵行列式的倒数);
  6. 若A是n阶矩阵,则 ∣ A ∗ ∣ |A^*| A= ∣ A ∣ n − 1 |A|^{n-1} An1;
  7. 行列式的值等于特征值的积;
  8. 若n阶矩阵A和B相似,则 ∣ A ∣ = ∣ B ∣ |A|=|B| A=B , ∣ A + k E ∣ = ∣ B + k E ∣ |A+kE|=|B+kE| A+kE=B+kE.

(六)克拉默法则

n个方程n个未知数的非齐次线性方程组为
{ a 11 x 1 + a 12 x 2 + ⋯ + a 1 n x n = b 1 , a 21 x 1 + a 22 x 2 + ⋯ + a 2 n x n = b 2 , ⋮ ⋮ a n 1 x 1 + a n 2 x 2 + ⋯ + a n n x n = b n   \left\{\begin{array}{c} a_{11} x_{1}+a_{12} x_{2}+\cdots+a_{1 n} x_{n}=b_{1}, \\ a_{21} x_{1}+a_{22} x_{2}+\cdots+a_{2 n} x_{n}=b_{2}, \\ \vdots \\ \vdots \\ a_{n 1} x_{1}+a_{n 2} x_{2}+\cdots+a_{n n} x_{n}=b_{n} \end{array}\right.\ a11x1+a12x2++a1nxn=b1,a21x1+a22x2++a2nxn=b2,an1x1+an2x2++annxn=bn 
其系数行列式D为
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=\left|\begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n} \end{array}\right| D= a11a21an1a12a22an2a1na2nann
如果D不等于0,则方程组有唯一解
x 1 = D 1 D , x 2 = D 2 D , ⋯   , x n = D n D , \begin{array}{c} x_{1}=\frac{D_{1}}{D}, x_{2}=\frac{D_{2}}{D}, \cdots, x_{n}=\frac{D_{n}}{D}, \end{array} x1=DD1,x2=DD2,,xn=DDn,
D j = ∣ a 11 ⋯ a 1 , j − 1 b 1 a 1 , j + 1 ⋯ a 1 n a 21 ⋯ a 2 , j − 1 b 2 a 2 , j + 1 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ ⋮ a n 1 ⋯ a n , j − 1 b n a n , j + 1 ⋯ a n n ∣ \begin{array}{c} D_{j}=\left|\begin{array}{ccccccc} a_{11} & \cdots & a_{1, j-1} & b_{1} & a_{1, j+1} & \cdots & a_{1 n} \\ a_{21} & \cdots & a_{2, j-1} & b_{2} & a_{2, j+1} & \cdots & a_{2 n} \\ \vdots & & \vdots & \vdots & \vdots & & \vdots \\ a_{n 1} & \cdots & a_{n, j-1} & b_{n} & a_{n, j+1} & \cdots & a_{n n} \end{array}\right| \end{array} Dj= a11a21an1a1,j1a2,j1an,j1b1b2bna1,j+1a2,j+1an,j+1a1na2nann
D j D_j Dj就是把系数行列式第j列换成常数项 D j = ∣ b 1 b 2 ⋮ b n ∣ \begin{array}{c} D_{j}=\left|\begin{array}{ccccccc} b_{1} \\ b_{2}\\ \vdots \\ b_{n} \end{array}\right| \end{array} Dj= b1b2bn
如果D等于0,则方程组有无穷解或者无解,如何进一步判断?

非齐次线性方程组AX=b

A不动,将b加到A的最后一列,变换成增广矩阵,记为 A ˉ \bar{A} Aˉ,比较A和 A ˉ \bar{A} Aˉ的秩
①若r(A)≠r( A ˉ \bar{A} Aˉ),则AX=b无解
②若r(A)=r( A ˉ \bar{A} Aˉ),则AX=b有无穷解

对于齐次线性方程组而言,如果系数行列式D不等于0,则方程组只有零解,如果D等于0,则方程组有无穷解文章来源地址https://www.toymoban.com/news/detail-539541.html

到了这里,关于行列式基础知识,重要定理和公式的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数(基础篇):第一章:行列式 、第二章:矩阵

    1. A可逆 ⇦⇨①|A|≠0 ⇦⇨②r(A)=n,A满秩 ⇦⇨③A的列向量 α₁,α₂,…α n 线性无关 ⇦⇨④Ax=0仅有零解 (系数矩阵的秩 = 列数,列满秩) ⇦⇨⑤ A的特征值均不为0 【17年5.】 2.  A不可逆 ⇦⇨①|A|=0 ⇦⇨②r(A)n,A不满秩 ⇦⇨③A的列向量 α₁,α₂,…α n 线性相关 ⇦⇨④Ax=0有非

    2024年02月16日
    浏览(53)
  • 线性代数——(期末突击)行列式(上)-行列式计算、行列式的性质

    目录 行列式 行列式计算 逆序数  行列式的性质 转置 两行(列)互换 两行(列)对应相等 提公因子 两行(列)对应成比例 某行(列)为零 行列式分裂 行列式变换及三角行列式 行列式:(i是行标,j是列标)  计算方法(以二阶行列式为例):主对角线(ad)减去次对角线

    2024年02月03日
    浏览(46)
  • 0105行列式按行(列)展开-行列式-线性代数

    在n阶行列式中,把 ( i , j ) 元 a i j (i,j)元a_{ij} ( i , j ) 元 a ij ​ 所在的第 i 行和第 j i行和第j i 行和第 j 列划去后,留下来的 n − 1 n-1 n − 1 阶行列式叫做 ( i , j ) 元 a i j (i,j)元a_{ij} ( i , j ) 元 a ij ​ 的余子式,记作 M i j M_{ij} M ij ​ ;记 A i j = ( − 1 ) i + j M i j , A i j 叫做 (

    2024年03月21日
    浏览(51)
  • 线性代数笔记1-二阶行列式和三阶行列式

    本笔记记录自B站《线性代数》高清教学视频 “惊叹号”系列 宋浩老师第一课 有2行2列,4个元素 ∣ a 11 a 12 a 21 a 22 ∣ begin{vmatrix} a_{11} a_{12}\\\\ a_{21} a_{22} end{vmatrix} ∣ ∣ ​ a 11 ​ a 21 ​ ​ a 12 ​ a 22 ​ ​ ∣ ∣ ​ a i j a_{ij} a ij ​ : i是行标,j是列标 ∣ a 11 a 12 a 21 a 22 ∣

    2023年04月09日
    浏览(46)
  • 【线性代数】P4 行列式相乘+范德蒙德行列式+克莱姆法则 cramer

    行列式相乘的原则,就是将第一个行列式中依次将每行的每个元素分别与第二个行列式每列的每个元素进行相加再相乘。 其实这样理解:已知两个行列式,如上,相乘有新行列式,新行列式左上角第一个值为: a 11 *b 11 +a 12 *b 21 +a 13 *b 31 实例2: 当然,三阶行列式无法与四阶

    2024年02月02日
    浏览(50)
  • LA@行列式性质

    设行列式 ∣ A ∣ = d e t ( a i j ) |A|=mathrm{det}(a_{ij}) ∣ A ∣ = det ( a ij ​ ) ,行列式性质主要有5条 转置不变性质 行列式与它的转置行列式相等 或说经过转置,行列式的值不变(方阵 A A A 转置前后取行列式的值相等) ∣ A T ∣ = ∣ A ∣ |A^T|=|A| ∣ A T ∣ = ∣ A ∣ n n n 阶方阵 B = A T B=

    2024年02月14日
    浏览(46)
  • 摆(行列式、杜教筛)

    有一个 n × n ntimes n n × n 的矩阵 A A A ,满足: A i , j = { 1 i = j 0 i ≠ j ∧ i ∣ j C otherwise A_{i,j}=begin{cases} 1 i=j\\\\ 0 inot=jland imid j\\\\ C text{otherwise} end{cases} A i , j ​ = ⎩ ⎨ ⎧ ​ 1 0 C ​ i = j i  = j ∧ i ∣ j otherwise ​ 求 det ⁡ ( A ) det(A) det ( A ) 。答案模 998244353 998244353 998244

    2024年02月19日
    浏览(37)
  • 线性代数——行列式

    一、行列式的性质 性质1 行列互换,其值不变,即 |A|=|A^{T}| 性质2 若行列式中某行(列)元素全为 0, 则行列式为 0 性质3 若行列式中某行(列)元素有公因子 k(kneq0) ,则 k 可提到行列式外面( 倍乘性质 ) $$ begin{vmatrix}a_{11}a_{12}cdotsa_{1n}\\\\vdotsvdotsvdots\\\\ka_{i1}ka_{i2}cdotska_{in}\\\\

    2024年04月26日
    浏览(35)
  • 讨论行列式的几何意义

    先给结论:行列式是线性变化的伸缩因子  给定一个二阶行列式: 由行列式的计算方法可得:  矩阵可表示为二维空间上的两个向量和,这两个向量可以组成一个平行四边形。 下面证明 (平行四边形) 由: 三角形的面积公式:                 得:  平行四边形的面积

    2024年02月01日
    浏览(74)
  • 线性代数复习:行列式

    求行列式就是求这个行列式的值 二,三阶行列式:可以用:对角线法则和沙路法做 对角线法则: 主对角线和的值减去 副对角线积的和值。 a b c d : 值就是ad-bc 注意:n阶:n行n列. 1.下三角法则(主对角线以上都为0): 把行列式化为下三角行列式值等于主对角线的元素的值的

    2024年02月07日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包