线性代数|余子式和代数余子式的性质

这篇具有很好参考价值的文章主要介绍了线性代数|余子式和代数余子式的性质。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。

前置知识:

  • 【定义】n阶行列式
  • 行列式的性质
  • 阶梯形行列式的性质
  • 【定义】余子式和代数余子式

引理1 设
D = ∣ a 11 ⋯ a 1 k ⋮ ⋮ 0 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 ∣ D = \begin{vmatrix} a_{11} & \cdots & a_{1k} & & & \\ \vdots & & \vdots & & 0 & \\ 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} D= a11ak1c11cn1a1kakkc1kcnkb11bn10b1nbnn

D 1 = d e t ( a i j ) = ∣ a 11 ⋯ a 1 k ⋮ ⋮ a k 1 ⋯ a k k ∣ , D 2 = d e t ( b i j ) = ∣ b 11 ⋯ b 1 k ⋮ ⋮ b k 1 ⋯ b k k ∣ D_1 = det(a_{ij}) = \begin{vmatrix} a_{11} & \cdots & a_{1k} \\ \vdots & & \vdots \\ a_{k1} & \cdots & a_{kk} \\ \end{vmatrix}, \hspace{1em} D_2 = det(b_{ij}) = \begin{vmatrix} b_{11} & \cdots & b_{1k} \\ \vdots & & \vdots \\ b_{k1} & \cdots & b_{kk} \\ \end{vmatrix} D1=det(aij)= a11ak1a1kakk ,D2=det(bij)= b11bk1b1kbkk

满足 D = D 1 D 2 D = D_1 D_2 D=D1D2

证明见 “阶梯形行列式的性质”。

引理2 对换行列式的两行(列),行列式变号。

证明见 “行列式的性质”。

引理3 若行列式中某一行(列)的元素都是两数之和,则行列式关于该行(列)可分解为两个行列式。

证明见 “行列式的性质”。

引理4 如果行列式有两行(列)完全相同,则此行列式等于零。

证明见 “行列式的性质”。


我们考虑用低阶行列式来表示高阶行列式的问题。首先,我们考虑一种特殊情况;根据余子式和代数余子式的定义,有引理及证明如下:

引理 一个 n n n 阶行列式,如果其中第 i i i 行所有元素除 ( i , j ) (i,j) (i,j) a i j a_{ij} aij 外都为零,那么这行列式等于 a i j a_{ij} aij 与它的代数余子式的乘积,即
D = a i j A i j D = a_{ij} A_{ij} D=aijAij

证明 首先证 ( i , j ) = ( 1 , 1 ) (i,j) = (1,1) (i,j)=(1,1) 的情形。此时
D = ∣ a 11 0 ⋯ 0 a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ D = \begin{vmatrix} a_{11} & 0 & \cdots & 0 \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix} D= a11a21an10a22an20a2nann
根据引理 1 可知 D = a 11 M 11 D = a_{11} M_{11} D=a11M11,于是有 A 11 = ( − 1 ) i + j M 11 = M 11 A_{11} = (-1)^{i+j} M_{11} = M_{11} A11=(1)i+jM11=M11,从而
D = a 11 A 11 D = a_{11} A_{11} D=a11A11
再证一般情形,此时
D = ∣ a 11 ⋯ a 1 j ⋯ a 1 n ⋮ ⋮ ⋮ 0 ⋯ a i j ⋯ 0 ⋮ ⋮ ⋮ a n 1 ⋯ a n j ⋯ a n n ∣ D = \begin{vmatrix} a_{11} & \cdots & a_{1j} & \cdots & a_{1n} \\ \vdots & & \vdots & & \vdots \\ 0 & \cdots & a_{ij} & \cdots & 0 \\ \vdots & & \vdots & & \vdots \\ a_{n1} & \cdots & a_{nj} & \cdots & a_{nn} \end{vmatrix} D= a110an1a1jaijanja1n0ann
为了利用前面的结果,将 D D D 的第 i i i 行依次与第 i − 1 i-1 i1 行、第 i − 2 i-2 i2 行……第 1 1 1 行对换,这样数 a i j a_{ij} aij 就换成了 ( 1 , j ) (1,j) (1,j) 元,对换次数为 i − 1 i-1 i1;在将 D D D 的第 j j j 列依次与第 j − 1 j-1 j1 列、第 j − 2 j-2 j2 列……第 1 1 1 列对换,这样数 a i j a_{ij} aij 就换成了 ( 1 , 1 ) (1,1) (1,1) 元,对换次数为 j − 1 j-1 j1。根据引理 2,因为累计进行 i + j − 2 i+j-2 i+j2 次对换,所以所得行列式 D 1 = ( − 1 ) i + j − 2 D = ( − 1 ) i + j D D_1 = (-1)^{i+j-2} D = (-1)^{i+j} D D1=(1)i+j2D=(1)i+jD,而 D 1 D_1 D1 ( 1 , 1 ) (1,1) (1,1) 元的余子式就是 D D D ( i , j ) (i,j) (i,j) 元的余子式 M i j M_{ij} Mij

由于 D 1 D_1 D1 ( 1 , 1 ) (1,1) (1,1) 元为 a i j a_{ij} aij,第 1 1 1 行其余元素都为 0 0 0,利用已证 ( i , j ) = ( 1 , 1 ) (i,j) = (1,1) (i,j)=(1,1) 的特殊情形,有
D 1 = a i j M i j D_1 = a_{ij} M_{ij} D1=aijMij
于是
D = ( − 1 ) i + j D 1 = ( − 1 ) i + j a i j M i j = a i j A i j D = (-1)^{i+j} D_1 = (-1)^{i+j} a_{ij} M_{ij} = a_{ij} A_{ij} D=(1)i+jD1=(1)i+jaijMij=aijAij

接着,我们考虑一般情况;根据上述引理,有如下定理和证明:

定理2 行列式等于它的任一行(列)的各元素与其对应的代数余子式的乘积之和,即
D = a i 1 A i 1 + a i 2 A i 2 + ⋯ + a i n A i n ( i = 1 , 2 , ⋯   , n ) D= a_{i1} A_{i1} + a_{i2} A_{i2} + \cdots + a_{in} A_{in} \hspace{1em} (i=1,2,\cdots,n) D=ai1Ai1+ai2Ai2++ainAin(i=1,2,,n)

D = a 1 j A 1 j + a 2 j A 2 j + ⋯ + a n j A n j ( j = 1 , 2 , ⋯   , n ) D = a_{1j} A_{1j} + a_{2j} A_{2j} + \cdots + a_{nj} A_{nj} \hspace{1em} (j=1,2,\cdots,n) D=a1jA1j+a2jA2j++anjAnj(j=1,2,,n)

证明 首先证行列式等于它的任一行的个元素与其对应的代数余子式的乘积之和。根据引理 3,可将行列式拆分为 n n n 个行列式,其中每个行列式中第 i i i 行仅有一个元素不为 0 0 0,即
D = ∣ 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 ∣ = ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 + 0 + ⋯ + 0 0 + a i 2 + ⋯ + 0 ⋯ 0 + ⋯ + 0 + a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 0 ⋯ 0 ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ + ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ 0 a i 2 ⋯ 0 ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ + ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ 0 0 ⋯ 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_{i2} & \cdots & a_{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} + 0 + \cdots + 0 & 0 + a_{i2} + \cdots + 0 & \cdots & 0 + \cdots + 0+a_{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} & 0 & \cdots & 0 \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix} + \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ 0 & a_{i2} & \cdots & 0 \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix} + \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ 0 & 0 & \cdots & a_{in} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix} \end{align*} D= a11ai1an1a12ai2an2a1nainann = a11ai1+0++0an1a120+ai2++0an2a1n0++0+ainann = a11ai1an1a120an2a1n0ann + a110an1a12ai2an2a1n0ann + a110an1a120an2a1nainann

根据引理,即得
D = a i 1 A i 1 + a i 2 A i 2 + ⋯ + a i n A i n ( i = 1 , 2 , ⋯   , n ) D= a_{i1} A_{i1} + a_{i2} A_{i2} + \cdots + a_{in} A_{in} \hspace{1em} (i=1,2,\cdots,n) D=ai1Ai1+ai2Ai2++ainAin(i=1,2,,n)

根据引理 2 ,同理可证行列式等于它的任一列的个元素与其对应的代数余子式的乘积之和。

这个定理叫做行列式按行(按列)展开法则。

根据引理 4,有推论及其证明如下:

推论 行列式某一行(列)的元素与另一行(列)的对应元素的代数余子式乘积之和等于零,即
a i 1 A j 1 + a i 2 A j 2 + ⋯ a i n A j n = 0 , i ≠ j a_{i1} A_{j1} + a_{i2} A_{j2} + \cdots a_{in} A_{jn} = 0, \hspace{1em} i \ne j ai1Aj1+ai2Aj2+ainAjn=0,i=j

a 1 i A 1 j + a 2 i A 2 j + ⋯ a n i A n j , i ≠ j a_{1i} A_{1j} + a_{2i} A_{2j} + \cdots a_{ni} A_{nj}, \hspace{1em} i \ne j a1iA1j+a2iA2j+aniAnj,i=j

证明 首先证明,行列式某一行的元素与另一行的对应元素的代数余子式乘积之和等于零。设有 n n n 阶行列式 D = d e t ( a i j ) D = det(a_{ij}) D=det(aij),则它的按第 j j j 行展开式
D = a j 1 A j 1 + a j 2 A j 2 + ⋯ a j n A j n D = a_{j1} A_{j1} + a_{j2} A_{j2} + \cdots a_{jn} A_{jn} D=aj1Aj1+aj2Aj2+ajnAjn
因诸 A j k ( k = 1 , 2 , ⋯   , n ) A_{jk} (k=1,2,\cdots,n) Ajk(k=1,2,,n) 都是先划去了 D D D 中第 j j j 行再经计算而得,所以当第 j j j 行元素依次取为 b 1 , b 2 , ⋯   , b n b_1,b_2,\cdots,b_n b1,b2,,bn 时就有
D j = ∣ a 11 ⋯ a 1 n ⋮ ⋮ a j − 1 , 1 ⋯ a j − 1 , n b 1 ⋯ b n a j + 1 , 1 ⋯ a j + 1 , n ⋮ ⋮ a n 1 ⋯ a m n ∣ = b 1 A j 1 + b 2 A j 2 + ⋯ b n A j n D_j = \begin{vmatrix} a_{11} & \cdots & a_{1n} \\ \vdots & & \vdots \\ a_{j-1,1} & \cdots & a_{j-1,n} \\ b_1 & \cdots & b_n \\ a_{j+1,1} & \cdots & a_{j+1,n} \\ \vdots & & \vdots \\ a_{n1} & \cdots & a_{mn} \end{vmatrix} = b_1 A_{j1} + b_2 A_{j2} + \cdots b_n A_{jn} Dj= a11aj1,1b1aj+1,1an1a1naj1,nbnaj+1,namn =b1Aj1+b2Aj2+bnAjn
这里 D j D_j Dj 表示除第 j j j 行外其余各行均与 D D D 相同的行列式。

特别,当 b 1 , b 2 , ⋯   , b n b_1,b_2,\cdots,b_n b1,b2,,bn 依次取与 D = d e t ( a i j ) D = det(a_{ij}) D=det(aij) 的第 i i i 行( i ≠ j i \ne j i=j)各元素时,上式仍成立。但此时因 D j D_j Dj 中第 j j j 行与第 i i i 行两行相同,根据引理 4, D j = 0 D_j = 0 Dj=0,从而有
a i 1 A j 1 + a i 2 A j 2 + ⋯ a i n A j n = 0 , i ≠ j a_{i1} A_{j1} + a_{i2} A_{j2} + \cdots a_{in} A_{jn} = 0, \hspace{1em} i \ne j ai1Aj1+ai2Aj2+ainAjn=0,i=j
根据引理 2 ,同理可证行列式某一列的元素与另一列的对应元素的代数余子式乘积之和等于零。

根据定理 2 和推论,可得代数余子式的重要性质如下:
∑ k = 1 n a k i A k j = { D , i = j , 0 , i ≠ j \sum_{k=1}^n a_{ki} A_{kj} = \begin{cases} D, \hspace{1em} & i = j, \\ 0, \hspace{1em} & i \ne j \end{cases} k=1nakiAkj={D,0,i=j,i=j

∑ k = 1 n a i k A j k = { D , i = j , 0 , i ≠ j \sum_{k=1}^n a_{ik} A_{jk} = \begin{cases} D, \hspace{1em} & i = j, \\ 0, \hspace{1em} & i \ne j \end{cases} k=1naikAjk={D,0,i=j,i=j文章来源地址https://www.toymoban.com/news/detail-725292.html

到了这里,关于线性代数|余子式和代数余子式的性质的文章就介绍完了。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|矩阵的秩的性质

    前置知识: 行列式的性质 逆矩阵的性质 【定义】矩阵的秩 线性方程组与矩阵的秩 矩阵初等变换与矩阵乘法的联系 前置定义 2 设在矩阵 A boldsymbol{A} A 中有一个不等于 0 0 0 的 r r r 阶子式 D D D ,且所有 r + 1 r+1 r + 1 阶子式(如果存在的话)全等于 0 0 0 ,那么 D D D 称为矩阵

    2024年02月05日
    浏览(46)
  • 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。。。) 首先来看一下考研数学一种对这一章

    2024年02月15日
    浏览(69)
  • 线性代数|分块对角矩阵的定义和性质

    前置知识: 阶梯形行列式的性质 定义 设 A boldsymbol{A} A 为 n n n 阶方阵,若 A boldsymbol{A} A 的分块矩阵只有在对角线上有非零子块,其余子块都为零矩阵,且在对角线上的子块都是方阵,即 A = ( A 1 O A 2 ⋱ O A s ) boldsymbol{A} = begin{pmatrix} boldsymbol{A}_1 boldsymbol{O} \\\\ boldsymbol{A}_

    2024年02月07日
    浏览(40)
  • 考研数学笔记:线性代数中抽象矩阵性质汇总

    在考研线性代数这门课中,对抽象矩阵(矩阵 A A A 和矩阵 B B B 这样的矩阵)的考察几乎贯穿始终,涉及了很多性质、运算规律等内容,在这篇考研数学笔记中,我们汇总了几乎所有考研数学要用到的抽象矩阵的性质,详情在这里: 线性代数抽象矩阵(块矩阵)运算规则(性

    2024年02月03日
    浏览(47)
  • 线性代数——特征值与特征向量的性质

    (1)设A为方阵,则A与 A T A^{T} A T 有相同的特征值。 此处用到了两个关键性质,一:单位阵的转置为其本身,二:转置并不改变行列式的值。 (2): 设n阶方阵A=( a i j a_{ij} a ij ​ )的n个特征值为 λ 1 lambda_{1} λ 1 ​ , λ 2 lambda_{2} λ 2 ​ ,… λ n lambda_{n} λ n ​ ,则 λ 1 + λ

    2024年02月04日
    浏览(45)
  • 线性代数矩阵秩的8大性质、重要定理以及关系

             

    2024年02月11日
    浏览(46)
  • 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(44)
  • 线性代数的学习和整理2:什么是线性,线性相关,线性无关 以及什么是线性代数?

    目录 1 写在前面的话 1.1 为什么要先总结一些EXCEL计算矩阵的工具性知识, 而不是一开始就从基础学起呢?  1.2 关于线性代数入门时的各种灵魂发问: 1.3 学习资料 2 什么是线性(关系)? 2.1 线性的到底是一种什么关系: 线性关系=正比例/正相关关系 ≠ 直线型关系 2.2 一次函数

    2024年02月10日
    浏览(53)
  • 线性代数的学习和整理2:什么是线性,线性相关,线性无关 及 什么是线性代数?

    目录 1 写在前面的话 1.1 为什么要先总结一些EXCEL计算矩阵的工具性知识, 而不是一开始就从基础学起呢?  1.2 关于线性代数入门时的各种灵魂发问: 1.3 学习资料 2 什么是线性(关系)? 2.1 线性的到底是一种什么关系: 线性关系=正比例/正相关关系 ≠ 直线型关系 2.2 一次函数

    2024年02月11日
    浏览(135)
  • 线性代数思维导图--线性代数中的线性方程组(1)

    1.解线性方程组 2.线性方程组解的情况 3.线性方程组的两个基本问题 1.阶梯型矩阵性质 2.简化阶梯型矩阵(具有唯一性) 3.行化简算法 4.线性方程组的解 1.R^2中的向量 2.R^2中的几何表示 3.R^n中的向量 4.线性组合与向量方程 5.span{v},span{u,v}的几何解释 1.定义 2.定理 3.解的存在性

    2024年02月02日
    浏览(88)

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