首页 > 其他分享 >线性代数5.矩阵的行列式-相关性质

线性代数5.矩阵的行列式-相关性质

时间:2025-01-01 23:29:31浏览次数:5  
标签:... &...& cdot ...... 矩阵 vmatrix 线性代数 行列式 lambda

5.矩阵的行列式-相关性质

若存在行列式:

\[|A|= \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix} \]

则\(|A|\)具有以下性质:

5.1 性质1:\(|A|^T=|A|\)

性质1的证明:

由矩阵转置相关性质可知:

\[(a_{ij})^T=a(_{ji})\\ \]

而:

\[|A|=\sum (-1)^ta_{1p_1}\cdot a_{2p_2}\cdot a_{3p_3}...\cdot a_{np_n}\\ |A|^T=\sum (-1)^ta_{p_11}\cdot a_{p_22}\cdot a_{p_33}\cdot ... a_{p_nn} \]

故:

\[\tag{1}|A|^T=|A| \]

5.2 性质2:将行列式任意两行(或两列)进行互换,行列式变号

性质2的证明:

若\(|A|=\sum (-1)^ta_{1p_1}\cdot a_{2p_2}\cdot a_{3p_3}...a_{jp_j}...a_{kp_k}...\cdot a_{np_n}\)

设将|A|中第\(j\)行和第\(k\)行进行互换形成的行列式为\(|A^{kj}|\):

相对\(|A|\)而言,\(|A^{kj}|\)中的全排列变为:\(p_1p_2p_3...p_k...p_j...p_n\),即产生(或减少)了1个逆序数:

\[\\ \Rightarrow |A^{kj}|=\sum (-1)^{t\pm1}a_{1p_1}\cdot a_{2p_2}\cdot a_{3p_3}...a_{kp_k}...a_{jp_j}...\cdot a_{np_n}\\ \]

\[\Rightarrow\tag{2} |A^{kj}|=-|A| \]

5.3 性质3:若行列式任意两行的值完全相同,则行列式的值为0

性质3的证明:

根据性质2可知:\(|A^{kj}|=-|A|\)

若\(|A|\)中\(k,j\)两行的值完全相同,则:

\[|A^{kj}|=|A|\\ \Rightarrow |A| =-|A| \]

\[\Rightarrow\tag{3} |A| = 0 \]

5.4 性质4:\(\lambda \cdot |A|=\lambda\) 乘以 \(|A|\)中任意一行(或任意一列)的元素

性质4的证明:

由\(|A|=\sum (-1)^ta_{1p_1}\cdot a_{2p_2}\cdot a_{3p_3}...\cdot a_{np_n}\)可知:

\[\lambda \cdot |A|=\sum (-1)^t \cdot \lambda \cdot a_{1p_1}\cdot a_{2p_2}\cdot a_{3p_3}...\cdot a_{np_n} \]

由性质1可知:\(|A|=|A|^T\)

\[\Rightarrow \lambda \cdot |A|=\lambda \cdot |A|^T=\sum (-1)^ta_{p_11}\cdot a_{p_22}\cdot a_{p_33}\cdot ... a_{p_nn} \]

又知\(p_1p_2p_3......p_n\) 是|A|中的全排列,故\(a_{ip_i}\)表示第i行任一元素,\(a_{p_ii}\)表示第i列任一元素(i=1,2,3...,n),则:

\[\lambda \cdot |A|=\sum (-1)^t \cdot (\lambda \cdot a_{1p_1})\cdot a_{2p_2}\cdot a_{3p_3}...\cdot a_{np_n}\\ \qquad\quad=\sum (-1)^t \cdot a_{1p_1}\cdot a_{2p_2}\cdot a_{3p_3}...\cdot (\lambda \cdot a_{np_n})\\ \]

\[\qquad\quad\quad\quad=\lambda \cdot |A|^T=\sum (-1)^t(\lambda \cdot a_{p_11})\cdot a_{p_22}\cdot a_{p_33}\cdot ... a_{p_nn}\\ \qquad\quad\quad\quad......\\ \qquad\quad\quad\quad=\lambda \cdot |A|^T=\sum (-1)^ta_{p_11}\cdot a_{p_22}\cdot a_{p_33}\cdot ... (\lambda \cdot a_{p_nn})\\ \qquad\quad\quad\quad...... \]

\[\Rightarrow \lambda \cdot |A|= \begin{vmatrix} \lambda \cdot a_{11} & \lambda \cdot a_{12} & \lambda \cdot a_{13} &...& \lambda \cdot a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix}\\ \]

\[\tag{4}\qquad\qquad= \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ \lambda \cdot a_{n1} & \lambda \cdot a_{n2} & \lambda \cdot a_{n3} &...& \lambda \cdot a_{nn}\\ \end{vmatrix} \]

\[=\lambda \cdot|A|^T= \begin{vmatrix} \lambda \cdot a_{11} & a_{12} & a_{13} &...& a_{1n}\\ \lambda \cdot a_{21} & a_{22} & a_{23} &...& a_{2n}\\ \lambda \cdot a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ \lambda \cdot a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix}\\ \]

\[...... \]

\[\tag{5} \qquad\qquad = \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& \lambda \cdot a_{1n}\\ a_{21} & a_{22} & a_{23} &...& \lambda \cdot a_{2n}\\ a_{31} & a_{32} & a_{33} &...& \lambda \cdot a_{3n}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& \lambda \cdot a_{nn}\\ \end{vmatrix} \]

5.5 性质5:若行列式任意两行(或两列)元素成比例,则行列值为0

设\(|A|\)存在第\(x\)行:

\[|A|= \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{x1} & a_{x2} & a_{x3} &...& a_{xn}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix}\\ \]

若\(|A|\)中满足:\(a_{1i}=\lambda \cdot a_{xi}(i=1,2,3,...,n)\),则\(|A|\)可写为如下形式:

\[|A|= \begin{vmatrix} \lambda \cdot a_{x1} & \lambda \cdot a_{x2} & \lambda \cdot a_{x3} &...& \lambda \cdot a_{xn}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{x1} & a_{x2} & a_{x3} &...& a_{xn}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix}\\ \]

\[=\lambda \cdot \begin{vmatrix} a_{x1} & a_{x2} & a_{x3} &...& a_{xn}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{x1} & a_{x2} & a_{x3} &...& a_{xn}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix} \]

则根据性质4,可得:

\[\lambda \cdot \begin{vmatrix} a_{x1} & a_{x2} & a_{x3} &...& a_{xn}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{x1} & a_{x2} & a_{x3} &...& a_{xn}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix}=\lambda \cdot0=0 \qquad \qquad \qquad(6) \\ \]

5.6 性质6:行列式的两行(或两列)相加

设\(|A|\)存在第\(z\)行:

\[|A|= \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{z1} & a_{z2} & a_{z3} &...& a_{zn}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix}\\ \]

若第z行元素均满足:\(a_{z_i}=a_{x_i}+a_{y_i}\;(i=1,2,3,...,n)\)
则:

\[|A|=\sum(-1)^ta_{1p_1} \cdot a_{2p_2} \cdot ... \cdot a_{zp_z}\cdot ... \cdot a_{np_n}\\ \qquad \qquad \quad=\sum(-1)^ta_{1p_1} \cdot a_{2p_2} \cdot ... \cdot (a_{xp_x}+a_{yp_y})\cdot ... \cdot a_{np_n}\\ \qquad \qquad \quad=\sum(-1)^ta_{1p_1} \cdot a_{2p_2} \cdot ... \cdot a_{xp_x}\cdot ... \cdot a_{np_n}+\sum(-1)^ta_{1p_1} \cdot a_{2p_2} \cdot ... \cdot a_{yp_y}\cdot ... \cdot a_{np_n}\\ \]

则\(|A|\)可具有以下性质:

\[|A|= \tag{7} \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{z1} & a_{z2} & a_{z3} &...& a_{zn}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix}\\ =\begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{x1} & a_{x2} & a_{x3} &...& a_{xn}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix} +\begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3n}\\ & & ......\\ a_{y1} & a_{y2} & a_{y3} &...& a_{yn}\\ & & ......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nn}\\ \end{vmatrix} \]

同理,可通过性质1证得以下性质(过程略):

\[\begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1z} & ... & a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2z} & ... & a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3z} & ... & a_{3n}\\ & & &......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nz} & ... & a_{nn}\\ \end{vmatrix}\\ =\begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1x} & ... & a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2x} & ... & a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3x} & ... & a_{3n}\\ & & &......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nx} & ... & a_{nn}\\ \end{vmatrix} +\begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1y} & ... & a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2y} & ... & a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3y} & ... & a_{3n}\\ & & &......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{ny} & ... & a_{nn}\\ \end{vmatrix} \]

5.6.1 性质6推论:使行列式中两行(或两列)相加,但保持行列式值不变的方法:

设行列式|A|中存在第x列、第y列:

\[|A|= \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1x} & ... & a_{1y} & ... & a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2x} & ... & a_{2y} & ... & a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3x} & ... & a_{3y} & ... & a_{3n}\\ & & &......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nx} & ... & a_{ny} & ... & a_{nn}\\ \end{vmatrix} \]

若使第x列的数值产生以下变化,则|A|的值保持不变:

\[\tag {8} 由a_{ix}变为(a_{ix}+\lambda \cdot a_{iy})\quad(i=1,2,3,...,n) \]

则新生成的行列式\(|A|'\)为:

\[|A|'= \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& (a_{1x}+\lambda \cdot a_{1y}) & ... & a_{1y} & ... & a_{1n}\\ a_{21} & a_{22} & a_{23} &...& (a_{2x}+\lambda \cdot a_{2y}) & ... & a_{2y} & ... & a_{2n}\\ a_{31} & a_{32} & a_{33} &...& (a_{3x}+\lambda \cdot a_{3y}) & ... & a_{3y} & ... & a_{3n}\\ & & &......\\ a_{n1} & a_{n2} & a_{n3} &...& (a_{nx}+\lambda \cdot a_{ny}) & ... & a_{ny} & ... & a_{nn}\\ \end{vmatrix} \]

根据性质6可得:

\[|A|'= \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& a_{1x} & ... & a_{1y} & ... & a_{1n}\\ a_{21} & a_{22} & a_{23} &...& a_{2x} & ... & a_{2y} & ... & a_{2n}\\ a_{31} & a_{32} & a_{33} &...& a_{3x} & ... & a_{3y} & ... & a_{3n}\\ & & &......\\ a_{n1} & a_{n2} & a_{n3} &...& a_{nx} & ... & a_{ny} & ... & a_{nn}\\ \end{vmatrix}\\ + \begin{vmatrix} a_{11} & a_{12} & a_{13} &...& \lambda \cdot a_{1y} & ... & a_{1y} & ... & a_{1n}\\ a_{21} & a_{22} & a_{23} &...& \lambda \cdot a_{2y} & ... & a_{2y} & ... & a_{2n}\\ a_{31} & a_{32} & a_{33} &...& \lambda \cdot a_{3y} & ... & a_{3y} & ... & a_{3n}\\ & & &......\\ a_{n1} & a_{n2} & a_{n3} &...& \lambda \cdot a_{ny} & ... & a_{ny} & ... & a_{nn}\\ \end{vmatrix} \]

\[\Rightarrow |A|'=|A|+0=|A| \]

同理,设行列式|A|中存在第x行、第y行,若使x行产生以下变化,则|A|的值保持不变:

\[\tag{9} 由a_{xj}变为(a_{xi}+\lambda \cdot a_{yi})\quad(i=1,2,3,...,n) \]

5.7 性质7:\(|A|\cdot |B|=|A\cdot B|\)

(证明过程参考后续知识点)

标签:...,&...&,cdot,......,矩阵,vmatrix,线性代数,行列式,lambda
From: https://www.cnblogs.com/efancn/p/18646508

相关文章

  • 搜索二维矩阵(回溯)
    给你一个满足下述两条属性的 mxn 整数矩阵:每行中的整数从左到右按非严格递增顺序排列。每行的第一个整数大于前一行的最后一个整数。给你一个整数 target ,如果 target 在矩阵中,返回 true ;否则,返回 false 。 示例1:输入:matrix=[[1,3,5,7],[10,11,16,20],[2......
  • 矩阵
    基本概念矩阵基本概念\(\begin{bmatrix}a_{11}&a_{12}&...&a_{1n}\\a_{21}&a_{22}&...&a_{2n}\\\cdots&\cdots&\cdots&\cdots\\a_{m1}&a_{m2}&\cdots&a_{mn}\\\end{bmatrix}\)称......
  • 团队管理必备:RACI责任矩阵让分工更高效
    在团队合作中,最怕的就是责任不清、任务分工混乱。谁该做什么,谁对结果负责,谁需要提供帮助,谁需要被通知?如果这些问题没有理清楚,就很容易出现任务没完成、团队内耗或者“甩锅”的情况。RACI责任矩阵正是为了解决这些问题的神器。什么是RACI矩阵?RACI矩阵可以简单理解为一个“责任分......
  • 线性代数3.矩阵的行列式
    3.矩阵的行列式3.1二阶行列式定义:\[形如\begin{vmatrix}a&b\\c&d\end{vmatrix}的式子为二阶行列式,其中\begin{vmatrix}a&b\\c&d\end{vmatrix}=ad-bc\]应用:设存在以下二元线性方程组:\[\begin{cases}a_{11}x_1+a_{12}x_2=b_1\\a_{21}x_1+a_{22}x_2=b_2......
  • 11.29混淆矩阵展示
    importpandasaspdimportnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromsklearn.ensembleimportRandomForestClassifierfromsklearn.metricsimportconfusion_matrix,ConfusionMatrixDisplayimportmatplotlib.pyplotaspltfromsklearn.pre......
  • 6 求解三对角矩阵
    6求解三对角矩阵背景对于求解线性代数方程组\(Ax=B\)​,有两种方法:直接法:通过有限步骤的算术运算求解线性方程组。克拉默法则(Cramer'sRule)​这里D是矩阵A的行列式(det(A)),\(D_j\)是把矩阵A的第j列替换成b后求得的新矩阵A'的行列式。矩阵求逆:\(x=A^{-1}B\)​高斯消元法:通......
  • 一个人能做短视频矩阵吗?这个方法让你流量不断!
    你知道短视频矩阵怎么做吗?其实挺简单的,只要你会用电脑就能轻松上手。有了这个系统,一个人就能批量管理好几百上千个账号,它集成了Ai视频智能剪辑大模型,功能超强大。用于实体行业的短视频批量创作、高效发布及管理,支持4大平台的内容发布,帮你批量管理50个账号,一年发几万条视频都......
  • 2025流量新开始,你真的了解抖音短视频矩阵怎么做吗
    短视频矩阵玩法是一种高效的多平台内容发布策略,旨在通过多个社交媒体平台上,创建并管理多个账号来最大化内容的覆盖面和影响力。以下是对矩阵营销常见问题的专业解答:1.矩阵营销的基本原理:通过注册多个账号(例如30个抖音账号),每个账号定期发布内容(如每天3个视频),从而实现大规模的......
  • 图---基于邻接矩阵表示的广度优先遍历
    6-3基于邻接矩阵表示的广度优先遍历实现基于邻接矩阵表示的广度优先遍历。函数接口定义:voidBFS(GraphG,intv);其中G是基于邻接矩阵存储表示的无向图,v表示遍历起点。裁判测试程序样例:#include<stdio.h>#include<stdlib.h>#defineMVNum10     ......
  • 实现基于邻接矩阵表示的深度优先遍历
    6-4实现基于邻接矩阵表示的深度优先遍历函数接口定义:voidDFS(GraphG,intv);其中G是基于邻接矩阵存储表示的无向图,v表示遍历起点。裁判测试程序样例:#include<stdio.h>#include<stdlib.h>#defineMVNum10             intvisite......