【高等代数】行列式的定义和性质

2023-11-09

逆序数

逆序数的定义

一个排列中的某两个数字,如果前面的数大于后面的数,那么它们就是一个逆序。一个排列中逆序的总数就称为这个排列的逆序数。逆序数用 τ ( j 1 j 2 . . . j n ) \tau(j_1j_2...j_n) τ(j1j2...jn)表示,其中 j 1 j 2 . . . j n j_1j_2...j_n j1j2...jn就是n个数字的一个排列。

【例1】	τ(1234) = 0,因为1234就是按大小顺序排的
【例2】	τ(2134) = 1,因为只有21是一对逆序。23,24,13,14,34都是顺序
【例3】	τ(4123) = 3,其中41,42,43是三个逆序,其他是顺序
【例4】	τ(4321) = 6 (= 3+2+1 = C42)

逆序数的一个重要性质

	上例中相比例1,例2相当于调换了1和2的位置;例3相当于调换了1和4的位置。
	在排列中调换了一对数,逆序数由偶数变为了奇数,这并非巧合。我们有以下结论:

在排列中如果调换两个数的位置,则逆序数的奇偶性发生改变。


行列式的定义


∣ 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 \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ a_{21}&a_{22} &\cdots &a_{2n} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = \sum_{j_1j_2...j_n}(-1)^{\tau(j_1j_2...j_n)}a_{1j_1}a_{2j_2}...\ a_{nj_n} a11a21an1a12a22an2a1na2nann=j1j2...jn(1)τ(j1j2...jn)a1j1a2j2... anjn

其中 j 1 j 2 . . . j n j_1j_2...j_n j1j2...jn n n n元排列, ∑ j 1 j 2 . . . j n \sum_{j_1j_2...j_n} j1j2...jn 表示对所有n元排列的情况求和。



行列式不但可以按列展开,也可以按行展开 ∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∑ i 1 i 2 . . . i n ( − 1 ) τ ( i 1 i 2 . . . i n ) a i 1 1 a i 2 2 . . .   a i n n \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ a_{21}&a_{22} &\cdots &a_{2n} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = \sum_{i_1i_2...i_n}(-1)^{\tau(i_1i_2...i_n)}a_{i_11}a_{i_22}...\ a_{i_nn} a11a21an1a12a22an2a1na2nann=i1i2...in(1)τ(i1i2...in)ai11ai22... ainn
这意味着,在行列式中,行和列的地位是一样的!

【例1】二阶行列式

∣ a 11 a 12 a 21 a 22 ∣ = a 11 a 22 − a 12 a 21 \begin{vmatrix} a_{11} & a_{12}\\ a_{21} & a_{22} \end{vmatrix} = a_{11}a_{22}-a_{12}a_{21} a11a21a12a22=a11a22a12a21



【例2】 上三角行列式

∣ a 11 a 12 a 13 ⋯ a 1 , n − 2 a 1 , n − 1 a 1 n 0 a 22 a 23 ⋯ a 2 , n − 2 a 2 , n − 1 a 2 n 0 0 a 33 ⋯ a 3 , n − 2 a 3 , n − 1 a 3 n ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ 0 0 0 ⋯ 0 a n − 1 , n − 1 a n − 1 , n 0 0 0 ⋯ 0 0 a n n ∣ = a 11 a 22 . . . a n n \begin{vmatrix} a_{11} &a_{12} &a_{13} &\cdots &a_{1,n-2} &a_{1,n-1}&a_{1n} \\ 0 &a_{22} &a_{23}&\cdots &a_{2,n-2} &a_{2,n-1} &a_{2n}\\ 0 &0 &a_{33} &\cdots &a_{3,n-2} &a_{3,n-1} &a_{3n}\\ \vdots &\vdots &\vdots &\ddots &\vdots &\vdots &\vdots \\ 0 &0 &0 &\cdots &0 &a_{n-1,n-1} &a_{n-1,n} \\ 0 &0 &0 &\cdots &0 &0 &a_{nn} \\ \end{vmatrix} = a_{11}a_{22}...a_{nn} a110000a12a22000a13a23a3300a1,n2a2,n2a3,n200a1,n1a2,n1a3,n1an1,n10a1na2na3nan1,nann=a11a22...ann



行列式的性质

  1. 行列互换(转置),行列式的值不变,即
    ∣ 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 21 ⋯ a n 1 a 12 a 22 ⋯ a n 2 ⋮ ⋮ ⋮ a 1 n a 2 n ⋯ a n n ∣ \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ a_{21}&a_{22} &\cdots &a_{2n} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = \begin{vmatrix} a_{11}&a_{21} &\cdots &a_{n1} \\ a_{12}&a_{22} &\cdots &a_{n2} \\ \vdots&\vdots & &\vdots \\ a_{1n}&a_{2n} &\cdots&a_{nn} \\ \end{vmatrix} a11a21an1a12a22an2a1na2nann=a11a12a1na21a22a2nan1an2ann

    这意味着行列式中行和列的地位是对称的。因此行列式有关行的性质,对于列也成立。
    

    ⭐ 接下来行的性质,对于列也成立!

  2. 行列式中某一行的公因子可以提出行列式。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ k a i 1 k a i 2 ⋯ k a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = k ∣ 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{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ ka_{i1}&ka_{i2} &\cdots &ka_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = k \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} a11kai1an1a12kai2an2a1nkainann=ka11ai1an1a12ai2an2a1nainann

    写出定义式,将累加项里的因子k提出来即可证明。
    

  3. ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ b 1 + c 1 b 2 + c 2 ⋯ b n + c n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ b 1 b 2 ⋯ b n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ + ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ c 1 c 2 ⋯ c n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ b_1+c_1&b_2+c_2 &\cdots &b_n+c_n \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ b_1 & b_2 &\cdots & b_n\\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} + \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ c_1 & c_2 &\cdots & c_n\\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} a11b1+c1an1a12b2+c2an2a1nbn+cnann=a11b1an1a12b2an2a1nbnann+a11c1an1a12c2an2a1ncnann

    由行列式定义和乘法分配律得到。
    
  4. 两行互换,行列式反号。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a k 1 a k 2 ⋯ a k n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = − ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a k 1 a k 2 ⋯ a k n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{k1}&a_{k2} &\cdots &a_{kn} \\ \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_{k1}&a_{k2} &\cdots &a_{kn} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} a11ai1ak1an1a12ai2ak2an2a1nainaknann=a11ak1ai1an1a12ak2ai2an2a1naknainann

     左边是 Σ(-1)^τ(j1...ji...jk...jn) * ...
     右边是 Σ(-1)^τ(j1...jk...ji...jn) * ...
     而排列中,两个数对换则逆序数的奇偶性改变。由此可推。
    
  5. 两行相同,行列式的值为0。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = 0 \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = 0 a11ai1ai1an1a12ai2ai2an2a1nainainann=0

     运用性质4,将相同的两行换一下得到 det = - det,因此det = 0.
    
  6. 两行成比例, 行列式的值为0。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ k a i 1 k a i 2 ⋯ k a i n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = 0 \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ ka_{i1}&ka_{i2} &\cdots &ka_{in} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} = 0 a11ai1kai1an1a12ai2kai2an2a1nainkainann=0

     由性质2和性质5得到。
    
  7. 把一行的倍数加到另一行上,行列式的值不变。即
    ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 a i 2 ⋯ a i n ⋮ ⋮ ⋮ a k 1 + l a i 1 a k 2 + l a i 2 ⋯ a k n + l a i 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 k 1 a k 2 ⋯ a k n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix} a_{11}&a_{12} &\cdots &a_{1n} \\ \vdots&\vdots & &\vdots \\ a_{i1}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{k1}+la_{i1} &a_{k2}+la_{i2} &\cdots &a_{kn}+la_{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}&a_{i2} &\cdots &a_{in} \\ \vdots&\vdots & &\vdots \\ a_{k1}&a_{k2} &\cdots &a_{kn} \\ \vdots&\vdots & &\vdots \\ a_{n1}&a_{n2} &\cdots&a_{nn} \\ \end{vmatrix} a11ai1ak1+lai1an1a12ai2ak2+lai2an2a1nainakn+lainann=a11ai1ak1an1a12ai2ak2an2a1nainaknann

     先利用性质3,再利用性质6即可推出。
    

这意味着计算行列式时可以用“消元法”,将行列式变成上三角行列式。

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

【高等代数】行列式的定义和性质 的相关文章

  • 基于核概念的KCCA算法

    基于核概念的KCCA算法 1 由CCA算法过渡至KCCA算法 2 KCCA算法的原理与推导 1 由CCA算法过渡至KCCA算法 典型相关分析 CCA 算法是一种标准的统计技术 用于寻找两个最大相关的随机向量的线性投影 CCA算法是一个计算两
  • 2023华为od机试统一考试B卷Java【稀疏矩阵】

    前言 本题使用Java解答 如果需要Python代码 请参考以下链接 点我 题目描述 稀疏矩阵的定义是 矩阵中有很多系数都是 0 现在我们有一个矩阵 我们进行逐行逐列扫描 在扫描的过程中 如果某一行或者某一列内 如果 0 的个数超过了当前的
  • python 读写pcd

    1 读点云的3种方式 第一种 pip3 install python pcl import pcl pcd ndarray pcl load args pcd path to array 3 不要intensity pcd ndarray
  • 蓝桥杯2021年第十二届真题第一场-砝码称重

    题目 题目链接 题解 动态规划 状态定义 dp i j 表示前i个砝码是否能称出重量为j的物品 状态转移 对于第i个砝码 选和不选两种情况 对于选又可以分为放在左边和放在右边 看样例 存在加和减的情况 也就是放在左边和右边的情况 我们规定放
  • 线性代数 - 特征向量和特征值

    今天在看到这个马汉诺拉距离的时候 又看到了这个东西 就是利用特征值来进行协方差方向上的伸缩 突然感觉到了线性代数的作用了 但是实际上 我今天看到了非常多的内容 但是都没有吸收完 很多内容都是线性代数的东西 但是这些东西我都忘了 这里先挖个坑
  • numpy广播机制

    NumPy的广播机制 文章目录 NumPy的广播机制 Broadcast 最简单的广播机制 稍微复杂的广播机制 广播机制到底做了什么 一个典型的错误案例 一个正确的经典示例 一种更便捷的计算方式 Broadcast 广播是numpy对不同形
  • 4.9-4.10 矩阵乘法的性质 & 矩阵的幂运算 & 矩阵的转置及其性质

    矩阵乘法的性质 矩阵的乘法不遵守交换律 矩阵乘法遵守结合律 分配律 对于任意r行c列的矩阵A 存在c行x列的矩阵O 满足 A Ocx Orx 对于任意r行c列的矩阵A 存在x行r列的矩阵O 满足 Oxr A Oxc 证明思路 A B C A
  • 点积,内积,哈达玛积的区别

    哈达玛积哈达玛积 Hadamard product 是矩阵的一类运算 若A aij 和B bij 是两个同阶矩阵 若cij aij bij 则称矩阵C cij 为A和B的哈达玛积 或称基本积 乘完之后还是矩阵 点积点积在数学中 又称数量积
  • 11-矩阵(matrix)_方阵_对称阵_单位阵_对角阵

    矩阵 向量是对数的拓展 一个向量表示一组数 矩阵是对向量的拓展 一个矩阵表示一组向量 1 2
  • 2022年第十四届华中杯数学建模A题解题思路附代码

    A 题 分拣系统优化问题 某电商公司配送中心的工作流程分为统计汇总 转运上架 按订单分拣 核对打包等 步骤 其中 分拣环节操作复杂 耗时较长 其效率是影响配送中心整体性能的关键因素 首先 系统统计汇总出当天全部待配送订单所包含的所有货品及相
  • 线性代数的本质(九)——二次型与合同

    文章目录 二次型与合同 二次型与标准型 二次型的分类 度量矩阵与合同 二次型与合同 二次型与标准型 Grant 二次型研究的是二次曲面在不同基下的坐标变换 由解析几何的知识 我们了解到二次函数的一次项和常数项只是对函数图像进行平移 并不会改
  • 问题 D: 稀疏矩阵类型判断

    题目描述 输入一个稀疏矩阵 输出其类型 类型包括 上三角 对角线及其右上方的元素非0 其它元素为0 下三角 对角线及其左下方的元素非0 其它元素为0 对称 沿对角线对称的元素非0且相等 空矩阵 所有元素都为0 其它为普通矩阵 输入 输入包括
  • 提取任务相关成分的TRCA算法

    提取任务相关成分的TRCA算法 1 TRCA算法简介 2 TRCA算法原理与推导 3 Ensemble TRCA算法原理简介 1 TRCA算法简介 虽然基于CCA的方法在识别SSVEP信号方面具有不错的表现 但这类方法的性能仍旧易受到自发脑
  • C++ 代码实现定义法计算行列式的值

    一 前言 最近在捣鼓C 学到线代的行列式之后就想着来捣鼓一下求行列式的值 主要原因是当时群里有人在捣鼓着用上下三角来求值 所以我最后就去玩定义法求值了 二 n阶行列式的定义 从定义中我们可以看出值计算公式由三个部分组成 分别是逆序数r 行列
  • 变分模态分解(VMD)运算步骤及源码解读

    1 简述 VMD的目标是将实值输入信号 f f f分解为离散数量的子信号 模态 u k u k uk 我们先假设每个模态在一个中心频率
  • 泊松重建算法原理介绍

    目录 1 泊松重建算法 2 泊松重建核心思想及原理 3 泊松算法流程 本文出自CSDN点云侠 原文链接 爬虫自重 把自己当个人 1 泊松重建算法 泊松重建是Kazhdan M在2006年提出的基于八叉树和泊松方程的一种网格三维重建算法 其本
  • OSQP二次规划求解库使用说明

    OSQP二次规划求解库使用说明 贺志国 2023 5 10 1 凸二次规划的一般表达式 m i n 1 2 x
  • Latex公式中矩阵的方括号和圆括号表示方法

    一 背景 在使用Latex写论文时 不可避免的涉及到矩阵公式 有的期刊要求矩阵用方括号 有的期刊要求矩阵用圆括号 因此 特记录一下Latex源码在两种表示方法上的区别 以及数组和方程组的扩展 二 矩阵的方括号表示 首先所有的矩阵肯定都是在标
  • MIT_线性代数笔记:第 23 讲 微分方程和 exp(At)

    目录 微分方程 Differential equations 矩阵指数函数 Matrix exponential e A t e At
  • 矩阵基本操作

    问题描述 已知一个n n的矩阵 方阵n lt 100 把矩阵主副对角线上的元素值加上x 然后输出这个新矩阵 输入格式 一行两个变量 用空格隔开 代表n和x 接下来的n行每行n列 表示矩阵的数值 用空格隔开 输出格式 输出新矩阵 每个数字5个

随机推荐