xy0v0's Blog

Back

高等代数(一)1.4:矩阵与行列式展开

矩阵与行列式的区别、转置与初等变换,以及从列的多重线性推导按行(列)展开。

1 矩阵与行列式

矩阵本身是一张数表。对 nn 阶方阵 AA,按排列定义计算得到的数 称为它的行列式,记作 det⁡A\det A 或 |A||A|。例如 A=(1234),|A|=1⋅4−2⋅3=−2.A=\begin{pmatrix}1&2\\3&4\end{pmatrix}, \qquad |A|=1\cdot4-2\cdot3=-2. 这里 AA 是矩阵,|A||A| 是数;非方阵不定义通常意义下的行列式。

将矩阵的第 jj 列记为 𝜶j=(a1j,a2j,…,amj)𝖳,\boldsymbol\alpha_j=(a_{1j},a_{2j},\ldots,a_{mj})^{\mathsf T}, 则 A=(𝜶1,…,𝜶n)A=(\boldsymbol\alpha_1,\ldots,\boldsymbol\alpha_n)。 因此,nn 阶行列式也可看成一个运算:输入 nn 个 nn 维列向量,输出一个数。 记号 det⁡(𝜶1,…,𝜶n)\det(\boldsymbol\alpha_1,\ldots,\boldsymbol\alpha_n) 就是以这些向量为列的方阵的行列式。

转置

对方阵,有 det⁡A𝖳=det⁡A\det A^{\mathsf T}=\det A。用排列定义可写成 det⁡A𝖳=∑σ∈Sn(−1)τ(σ)∏i=1nai,σ(i)=∑σ∈Sn(−1)τ(σ)∏k=1naσ−1(k),k.\det A^{\mathsf T} =\sum_{\sigma\in S_n}(-1)^{\tau(\sigma)}\prod_{i=1}^n a_{i,\sigma(i)} =\sum_{\sigma\in S_n}(-1)^{\tau(\sigma)}\prod_{k=1}^n a_{\sigma^{-1}(k),k}. 第一个等号是对转置矩阵直接使用按列定义,第二个等号则令 k=σ(i)k=\sigma(i),重排同一乘积中的因子。 前一讲已证明逆排列与原排列的逆序数相等,且 σ−1\sigma^{-1} 也遍历全部排列,故末式就是 det⁡A\det A。 这里 SnS_n 表示所有 nn 元排列的集合,τ(σ)\tau(\sigma) 表示逆序数。 因此,行与列的性质相对应。

2 初等变换与行列式的变化

这些操作对矩形矩阵也适用。若 AA 为方阵、变换后得到 BB,则由行列式性质: 对矩阵所作的操作行列式的变化ri←cridet⁡B=cdet⁡Ari←ri+crjdet⁡B=det⁡Ari↔rjdet⁡B=−det⁡A\begin{array}{c|c} \text{对矩阵所作的操作}&\text{行列式的变化}\\ \hline r_i\leftarrow c r_i&\det B=c\det A\\ r_i\leftarrow r_i+c r_j&\det B=\det A\\ r_i\leftrightarrow r_j&\det B=-\det A \end{array} 列变换的结论相同。矩阵经过变换后通常改变;上表说明的是它的行列式怎样变化。

第一类变换要求 c≠0c\ne0,是为了能用乘 1/c1/c 的操作还原。 但作为行列式的数乘性质,c=0c=0 时等式仍成立,此时产生零行,行列式为零。 还应区分“某一行乘 cc”与“整个矩阵乘 cc”:后者把每一行都乘 cc,故 det⁡(cA)=cndet⁡A.\det(cA)=c^n\det A.

3 从列的多重线性到展开公式

固定其余列,只拆开一列

行列式对每一列分别线性。例如固定第 jj 列以外的各列,有 det⁡(𝜶1,…,s𝒖+t𝒗,…,𝜶n)=sdet⁡(𝜶1,…,𝒖,…,𝜶n)+tdet⁡(𝜶1,…,𝒗,…,𝜶n).\begin{align*} &\det(\boldsymbol\alpha_1,\ldots,s\boldsymbol u+t\boldsymbol v,\ldots,\boldsymbol\alpha_n)\\ &\quad=s\det(\boldsymbol\alpha_1,\ldots,\boldsymbol u,\ldots,\boldsymbol\alpha_n) +t\det(\boldsymbol\alpha_1,\ldots,\boldsymbol v,\ldots,\boldsymbol\alpha_n). \end{align*} 每次只对一列使用线性,其他列保持不动;这就是列的多重线性的含义。 它不能理解为对整个矩阵的线性,一般并没有 det⁡(A+B)=det⁡A+det⁡B\det(A+B)=\det A+\det B。 例如取 A=B=I2A=B=I_2(二阶单位矩阵),则 det⁡(A+B)=det⁡(2I2)=4\det(A+B)=\det(2I_2)=4,而 det⁡A+det⁡B=2\det A+\det B=2。

设 𝒆i\boldsymbol e_i 为第 ii 个分量等于 11、其余分量为 00 的标准单位列向量。 任意第 jj 列都可写成 𝜶j=∑i=1naij𝒆i.\boldsymbol\alpha_j=\sum_{i=1}^n a_{ij}\boldsymbol e_i. 代入行列式并利用第 jj 列的线性,得 det⁡A=∑i=1naijdet⁡(𝜶1,…,𝜶j−1,𝒆i,𝜶j+1,…,𝜶n).\det A=\sum_{i=1}^n a_{ij} \det(\boldsymbol\alpha_1,\ldots,\boldsymbol\alpha_{j-1}, \boldsymbol e_i,\boldsymbol\alpha_{j+1},\ldots,\boldsymbol\alpha_n). 式中固定的是列号 jj,求和指标 ii 遍历这一列的各行。 原行列式由此拆成 nn 项,每一项中的第 jj 列都只剩一个 11。

余子式与代数余子式

这里的 AijA_{ij} 是一个数,与矩阵 AA 本身不同。因子 (−1)i+j(-1)^{i+j} 的符号按棋盘交替排列: (+−+⋯−+−⋯+−+⋯⋮⋮⋮⋱).\begin{pmatrix}+&-&+&\cdots\\-&+&-&\cdots\\+&-&+&\cdots\\\vdots&\vdots&\vdots&\ddots\end{pmatrix}.

把上式中第 jj 列被替换为 𝒆i\boldsymbol e_i 的矩阵记为 BB。 将 BB 的第 ii 行依次交换到第一行,再将第 jj 列依次交换到第一列, 共需 (i−1)+(j−1)(i-1)+(j-1) 次对换,得到 C=(1*0Bij),det⁡C=(−1)i+j−2det⁡B.C=\begin{pmatrix}1&*\\0&B_{ij}\end{pmatrix}, \qquad \det C=(-1)^{i+j-2}\det B. 其中 BijB_{ij} 正是从 AA 删去第 ii 行、第 jj 列后的矩阵,其行列顺序未变。 由排列定义,CC 的第一列只有第一项非零,非零乘积必须选取左上角的 11; 它的行指标 11 小于其余行指标,不产生逆序。 将剩余行指标各减去 11,不改变它们之间的大小关系,因而剩余排列的符号正是 BijB_{ij} 中对应展开项的符号。 所以其余元素的带符号求和恰为 det⁡Bij=Mij\det B_{ij}=M_{ij}。因此 det⁡B=(−1)i+jMij=Aij.\det B=(-1)^{i+j}M_{ij}=A_{ij}. 所以展开式中的符号来自行、列交换的次数,而余子式来自删去那个 11 所占的行与列。

按一行或一列展开

第一式由上述列分解得到;第二式可对转置矩阵应用第一式得到。 这把一个 nn 阶行列式化为若干个 n−1n-1 阶行列式。 计算时通常选择零较多的一行或一列,以减少实际需要计算的余子式。

解. 按第二列展开,只有 a22=4a_{22}=4 非零。划去第二行、第二列,得 M22=∣1206∣=6,D=4(−1)2+2M22=24.M_{22}=\begin{vmatrix}1&2\\0&6\end{vmatrix}=6, \qquad D=4(-1)^{2+2}M_{22}=24. 也可以先作 r2←r2−3r1r_2\leftarrow r_2-3r_1,得到上三角形行列式, 再取主对角线元素的乘积 1⋅4⋅6=241\cdot4\cdot6=24。 ◻

不同行(列)的对应乘积之和

证明. 当 h=ih=i 时,就是按第 ii 行展开。 当 h≠ih\ne i 时,把 AA 的第 ii 行替换为第 hh 行,得到两行相同的矩阵,行列式为零。 沿替换后的第 ii 行展开;由于计算余子式时会删去这一行,代数余子式仍为原来的 AirA_{ir}, 故展开式正是 ∑rahrAir=0\sum_r a_{hr}A_{ir}=0。列的结论同理。 ◻

阅读 / 下载 PDF