线性代数考研笔记(一)
行列式:
- 線性代數(shù)考研筆記(一):行列式
- 行列式相關概念:
- 行列式的運算性質(zhì):
- 特殊行列式:
線性代數(shù)考研筆記(一):行列式
-
行列式相關概念:
- k階子式:對于矩陣A,任取k行和k列,將位于這些行和列的交點上的元素按照原來的次序組成的k階方陣的行列式,叫做A的一個k階子式;
- k階余子式:對于n階行列式DDD,把某k階子式劃去之后,所留下來的n-k階行列式D′D'D′叫DDD的一個k階余子式;
- k階代數(shù)余子式:對于劃去第i1,i2,..,iki_1,i_2,..,i_ki1?,i2?,..,ik?行和第j1,j2,..,jkj_1,j_2,..,j_kj1?,j2?,..,jk?列的元素的k階余子式D′D'D′,稱M=(?1)∑i+∑jD′M = (-1)^{\sum i+\sum j}D'M=(?1)∑i+∑jD′為D′D'D′對應的k階代數(shù)余子式;
-
行列式的運算性質(zhì):
-
行列式運算原理:D=Σ(?1)ka1k1a2k2...anknD = \Sigma(-1)^ka_{1k_1}a_{2k_2}...a_{nk_n}D=Σ(?1)ka1k1??a2k2??...ankn??
其中,ki是行列式的列序號的某一種排列,k是其對應的逆序數(shù),若行序號同樣取任意排列,則k為兩個排列的逆序數(shù)之和;
由表達式可知,行列式的某一個加數(shù)一定是取自不同行且不同列的元相乘得到的,這種本質(zhì)規(guī)則在很多時候能簡化行列式的運算;
-
初等變換:
- 交換變換:對換兩行/列,行列式變號 ?\Rightarrow? 若行列式某兩行/列相等,則為零;
- 數(shù)乘變換:若行列式某行/列有公因數(shù)k,則可以將k提到行列式外部 ?\Rightarrow? 若行列式數(shù)乘k,則相當于行列式中某一行/列乘以k,而不是全部元素;
- 消法變換:行列式不變 ?\Rightarrow? 若行列式兩行/列成比例,則行列式為零;
-
行列式的加法拆分:
如果行列式的某一行/列的每個元素都可以拆成兩個數(shù)之和,則該行列式可以拆成兩個行列式之和;其中這兩個行列式的某行以原行列式對應元素拆成的兩個數(shù)分別組成;
-
拉普拉斯展開定理:
-
在n階行列式D=∣aij∣D=|a_{ij}|D=∣aij?∣中任取k行(k列),則由這k行(k列)元素組成的所有k階子式與它們的代數(shù)余子式的乘積之和等于∣D∣|D|∣D∣;
-
當k=1k=1k=1時,行列式DDD的任一行(任一列)元素與其對應代數(shù)余子式乘積之和為∣D∣|D|∣D∣,與另一行(另一列)的代數(shù)余子式乘積之和為0,即:
∑k=1naikMjk={∣D∣,j=i0,j≠i∑k=1nakiMkj={∣D∣,j=i0,j≠i\sum\limits_{k=1}^n a_{ik}M_{jk} = \begin{cases}|D|,&j=i\\\space 0,&j\neq i\end{cases}\\ \sum\limits_{k=1}^n a_{ki}M_{kj} = \begin{cases}|D|,&j=i\\\space 0,&j\neq i\end{cases} k=1∑n?aik?Mjk?={∣D∣,?0,?j=ij?=i?k=1∑n?aki?Mkj?={∣D∣,?0,?j=ij?=i? -
兩個特殊的拉普拉斯展開式:設A,BA,BA,B分別為m,nm,nm,n階矩陣,則:
∣A?OB∣=∣AO?B∣=∣A∣∣B∣∣OAB?∣=∣?ABO∣=(?1)mn∣A∣∣B∣\left|\begin{matrix} A & *\\ O & B \end{matrix} \right| = \left|\begin{matrix} A & O\\* & B \end{matrix} \right| = |A||B|\\ \left|\begin{matrix} O & A\\ B & * \end{matrix} \right| = \left|\begin{matrix}* & A\\ B & O \end{matrix} \right| = (-1)^{mn}|A||B|\\ ∣∣∣∣?AO??B?∣∣∣∣?=∣∣∣∣?A??OB?∣∣∣∣?=∣A∣∣B∣∣∣∣∣?OB?A??∣∣∣∣?=∣∣∣∣??B?AO?∣∣∣∣?=(?1)mn∣A∣∣B∣
-
-
比內(nèi)特-柯西公式:
設A,BA,BA,B分別是n×s,s×nn\times s,s\times nn×s,s×n矩陣,則:
det(AB)={0,n>sdet(A)×det(B),n=s∑k1,k2,..,kndetA(12..n;k1k2..kn)×detB(k1k2..kn;12..n),n<sdet(AB) = \begin{cases} 0,& n > s\\ det(A)\times det(B), & n = s\\ \sum\limits_{k_1,k_2,..,k_n}detA(12..n;k_1k_2..k_n)\times detB(k_1k_2..k_n;12..n),&n<s \end{cases} det(AB)=????????0,det(A)×det(B),k1?,k2?,..,kn?∑?detA(12..n;k1?k2?..kn?)×detB(k1?k2?..kn?;12..n),?n>sn=sn<s? -
常用運算公式:
- ∣D∣=∣DT∣|D| = |D^T|∣D∣=∣DT∣;
- ∣kD∣=kn∣D∣|kD| = k^n|D|∣kD∣=kn∣D∣;
- ∣AB∣=∣A∣∣B∣|AB| = |A||B|∣AB∣=∣A∣∣B∣;
- ∣An∣=∣A∣n,n∈N或n=?1|A^n| = |A|^n,n\in N或n=-1∣An∣=∣A∣n,n∈N或n=?1;
- ∣A?∣=∣A∣n?1|A^*| = |A|^{n-1}∣A?∣=∣A∣n?1;
- ∣A∣=∏λi|A| = \prod \lambda_i∣A∣=∏λi?,其中λi\lambda_iλi?是AAA的第i個特征根;
-
-
特殊行列式:
-
主對角線的上、下三角行列式:
∣a11a12..a1n0a22..a2n........00..ann∣=∣a110..0a21a22..0........an1an2..ann∣=∏aii\left|\begin{matrix} a_{11} & a_{12} & .. & a_{1n}\\ 0 & a_{22} & .. & a_{2n}\\ .. & .. & .. & ..\\ 0 & 0 & .. & a_{nn} \end{matrix} \right| = \left|\begin{matrix} a_{11} & 0 & .. & 0\\ a_{21} & a_{22} & .. & 0\\ .. & .. & .. & ..\\ a_{n1} & a_{n2} & .. & a_{nn} \end{matrix} \right| = \prod a_{ii} ∣∣∣∣∣∣∣∣?a11?0..0?a12?a22?..0?........?a1n?a2n?..ann??∣∣∣∣∣∣∣∣?=∣∣∣∣∣∣∣∣?a11?a21?..an1??0a22?..an2??........?00..ann??∣∣∣∣∣∣∣∣?=∏aii? -
副對角線的上、下三角行列式:
∣a11a12..a1na21a22..0........an10..0∣=∣00..a1n0a22..a2n........an1an2..ann∣=(?1)n(n?1)2∏ai(n?i)\left|\begin{matrix} a_{11} & a_{12} & .. & a_{1n}\\ a_{21} & a_{22} & .. & 0\\ .. & .. & .. & ..\\ a_{n1} & 0 & .. & 0 \end{matrix} \right| = \left|\begin{matrix} 0 & 0 & .. & a_{1n}\\ 0 & a_{22} & .. & a_{2n}\\ .. & .. & .. & ..\\ a_{n1} & a_{n2} & .. & a_{nn} \end{matrix} \right| = (-1)^{\frac{n(n-1)}{2}}\prod a_{i(n-i)} ∣∣∣∣∣∣∣∣?a11?a21?..an1??a12?a22?..0?........?a1n?0..0?∣∣∣∣∣∣∣∣?=∣∣∣∣∣∣∣∣?00..an1??0a22?..an2??........?a1n?a2n?..ann??∣∣∣∣∣∣∣∣?=(?1)2n(n?1)?∏ai(n?i)? -
范德蒙德行列式:
∣11..1x1x2..xnx12x22..xn2........x1n?1x2n?1..xnn?1∣=∏1≤j<i≤n(xi?xj)\left|\begin{matrix} 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} \end{matrix} \right| = \prod\limits_{1\le j < i \le n}(x_i-x_j) ∣∣∣∣∣∣∣∣∣∣?1x1?x12?..x1n?1??1x2?x22?..x2n?1??..........?1xn?xn2?..xnn?1??∣∣∣∣∣∣∣∣∣∣?=1≤j<i≤n∏?(xi??xj?) -
三對角行列式:
Dn=∣ba0..00cba..000cb..00............000..ba000..cb∣=bDn?1?cDn?2D1=∣b∣=b,D2=∣bacb∣=b2?acD_n = \left|\begin{matrix} b & a & 0 & .. & 0 & 0\\ c & b & a & .. & 0 & 0\\ 0 & c & b & .. & 0 & 0\\ .. & .. & .. & .. & .. & .. \\ 0 & 0 & 0 & .. & b & a\\ 0 & 0 & 0 & .. & c & b\\ \end{matrix} \right| = bD_{n-1}-cD_{n-2}\\ D_1 = \left|\begin{matrix} b \end{matrix} \right| = b,\space D_2 = \left|\begin{matrix} b & a\\ c & b \end{matrix} \right| = b^2-ac Dn?=∣∣∣∣∣∣∣∣∣∣∣∣?bc0..00?abc..00?0ab..00?............?000..bc?000..ab?∣∣∣∣∣∣∣∣∣∣∣∣?=bDn?1??cDn?2?D1?=∣∣?b?∣∣?=b,?D2?=∣∣∣∣?bc?ab?∣∣∣∣?=b2?ac
-
總結
以上是生活随笔為你收集整理的线性代数考研笔记(一)的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: SHEN ZHEN归来!
- 下一篇: 压缩png命令cmd_使用pngquan