数学基础 -- 线性代数之行列式

行列式

行列式（Determinant）是线性代数中的一个重要概念，通常与矩阵相关联。行列式是一个标量值，可以从一个方阵（即行数与列数相同的矩阵）中计算得出。它在求解线性方程组、判断矩阵的可逆性、特征值和特征向量的计算等方面有广泛应用。

行列式的定义

对于一个 $n\times n$ 的方阵 $A$，其行列式 $\text{det}(A)$ 或 $|A|$ 是一个通过以下递归方式定义的标量值：

2x2 矩阵

对于一个 2x2 矩阵：

$$A=\left(\begin{array}{cc}a& b\\ c& d\end{array}\right)$$

其行列式为：

$$\text{det}(A)=ad-bc$$

3x3 矩阵

对于一个 3x3 矩阵：

$$A=\left(\begin{array}{ccc}a& b& c\\ d& e& f\\ g& h& i\end{array}\right)$$

其行列式通过按行展开法（拉普拉斯展开公式）计算为：

$$\text{det}(A)=a(ei-fh)-b(di-fg)+c(dh-eg)$$

n x n 矩阵

对于更高维度的方阵，行列式通常通过递归展开法计算。具体来说，一个 $n\times n$ 矩阵的行列式可以展开成 $n$ 个子矩阵的行列式之和，每个子矩阵是通过去掉矩阵的一行和一列得到的较小矩阵。这被称为余子式展开法。

行列式的性质

1. 交换行或列会改变符号： 如果交换矩阵的两行或两列，行列式的值会改变符号。
2. 行或列全为0时，行列式为0： 如果矩阵的某一行或某一列全为零，则行列式为零。
3. 比例性： 如果矩阵的某一行或某一列的所有元素都乘以一个常数，那么行列式的值也乘以这个常数。
4. 矩阵可逆性的判定： 如果矩阵的行列式不为0，则该矩阵是可逆的；如果行列式为0，则矩阵不可逆。

行列式的排列定义与例子

行列式的排列定义

给定一个 $n\times n$ 的矩阵 $A$，其行列式可以用所有可能的排列来表示：

$$\text{det}(A)=\sum _{\sigma \in S_n}\text{sgn}(\sigma )\prod _{i=1}^n{a}_{i,\sigma (i)}$$

这里我们详细解释公式中的符号：

1. $S_n$：所有 $n$ 个元素的全排列集合。
2. $\sigma$：排列 $\sigma$ 是 $S_n$ 中的一个排列，它决定了矩阵每行选择哪一列的元素。
3. $\text{sgn}(\sigma )$：排列 $\sigma$ 的符号，若为偶排列则符号为 $+1$，若为奇排列则符号为 $-1$。
4. ${\prod }_{i=1}^n{a}_{i,\sigma (i)}$：表示从矩阵 $A$ 的第 $i$ 行和排列 $\sigma (i)$ 指定的列中选出的元素的乘积。
5. ${\sum }_{\sigma \in S_n}$：对所有排列的上述乘积项求和。

例子：3x3 矩阵的行列式

考虑一个 $3\times 3$ 的矩阵 $A$：

$$A=\left(\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\\ 7& 8& 9\end{array}\right)$$

我们需要计算其行列式。对于一个 3x3 的矩阵，我们需要考虑列的全排列。列的全排列有 $3!=6$ 种：

• $(1,2,3)$
• $(1,3,2)$
• $(2,1,3)$
• $(2,3,1)$
• $(3,1,2)$
• $(3,2,1)$

通过这些排列，我们计算行列式如下：

1. 排列 $(1,2,3)$：

   • 对应的元素：$a_{1,1},a_{2,2},a_{3,3}$
   • 对应的乘积：$1\times 5\times 9=45$
   • $\text{sgn}(1,2,3)=+1$ （偶排列）
   • 贡献项：$+45$

2. 排列 $(1,3,2)$：

   • 对应的元素：$a_{1,1},a_{2,3},a_{3,2}$
   • 对应的乘积：$1\times 6\times 8=48$
   • $\text{sgn}(1,3,2)=-1$ （奇排列）
   • 贡献项：$-48$

3. 排列 $(2,1,3)$：

   • 对应的元素：$a_{1,2},a_{2,1},a_{3,3}$
   • 对应的乘积：$2\times 4\times 9=72$
   • $\text{sgn}(2,1,3)=-1$ （奇排列）
   • 贡献项：$-72$

4. 排列 $(2,3,1)$：

   • 对应的元素：$a_{1,2},a_{2,3},a_{3,1}$
   • 对应的乘积：$2\times 6\times 7=84$
   • $\text{sgn}(2,3,1)=+1$ （偶排列）
   • 贡献项：$+84$

5. 排列 $(3,1,2)$：

   • 对应的元素：$a_{1,3},a_{2,1},a_{3,2}$
   • 对应的乘积：$3\times 4\times 8=96$
   • $\text{sgn}(3,1,2)=+1$ （偶排列）
   • 贡献项：$+96$

6. 排列 $(3,2,1)$：

   • 对应的元素：$a_{1,3},a_{2,2},a_{3,1}$
   • 对应的乘积：$3\times 5\times 7=105$
   • $\text{sgn}(3,2,1)=-1$ （奇排列）
   • 贡献项：$-105$

最终行列式的计算

将所有贡献项加起来：

$$\text{det}(A)=+45-48-72+84+96-105=0$$

因此，矩阵 $A$ 的行列式为 0。

行列式按行（列）展开

行列式的按行或按列展开，是计算行列式的一种方法，称为 Laplace 展开 或 余子式展开。这种方法通过把一个大的行列式分解为若干个较小的行列式来进行计算。我们可以按任意一行或一列展开，但通常选择包含较多零元素的行或列，以减少计算量。

行列式按行（或列）展开的步骤如下：

1. 选定展开的行（或列）：可以任意选择一个行或列，通常选择包含零较多的行或列，以减少计算量。

2. 计算代数余子式：对于行列式中的每一个元素 $a_{ij}$，去掉其所在的行和列，得到一个新的子行列式，称为 余子式，记为 $M_{ij}$。

3. 符号判断：每个元素 $a_{ij}$ 对应的代数余子式需要乘上一个符号 $(-1{)}^{i+j}$，其中 $i$ 和 $j$ 分别是该元素所在的行和列的编号。

4. 计算展开式：行列式按行（或列）展开为各元素与其代数余子式乘积之和。即对于第 $k$ 行展开，行列式为：

$$\text{det}(A)=\sum _{j=1}^n(-1{)}^{k+j}{a}_{kj}\cdot M_{kj}$$

按列展开同理。

示例

考虑一个 $3\times 3$ 的行列式：

$$\text{det}(A)=\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|$$

按第一行展开：

$$\text{det}(A)=a_{11}\cdot \left|\begin{array}{cc}{a}_{22}& a_{23}\\ a_{32}& a_{33}\end{array}\right|-a_{12}\cdot \left|\begin{array}{cc}{a}_{21}& a_{23}\\ a_{31}& a_{33}\end{array}\right|+a_{13}\cdot \left|\begin{array}{cc}{a}_{21}& a_{22}\\ a_{31}& a_{32}\end{array}\right|$$

按第一列展开：

$$\text{det}(A)=a_{11}\cdot \left|\begin{array}{cc}{a}_{22}& a_{23}\\ a_{32}& a_{33}\end{array}\right|-a_{21}\cdot \left|\begin{array}{cc}{a}_{12}& a_{13}\\ a_{32}& a_{33}\end{array}\right|+a_{31}\cdot \left|\begin{array}{cc}{a}_{12}& a_{13}\\ a_{22}& a_{23}\end{array}\right|$$

通过按行或按列展开，我们能够把大行列式分解为小行列式，最终得到行列式的值。这种方法适用于各种规模的行列式，但手工计算时，规模较大的行列式可能比较繁琐，通常借助计算工具。

行列式的意义

行列式（determinant）的意义在于它揭示了矩阵所对应的线性变换的一些核心特性。以下是行列式在不同上下文中的意义和应用：

1. 几何意义

行列式可以理解为线性变换对空间体积的缩放因子。对于一个 $n\times n$ 的矩阵 $A$，其行列式 $\text{det}(A)$ 表示该矩阵将单位体积（如二维的面积，三维的体积）变换后的新体积。

• 二维空间：对于 $2\times 2$ 矩阵，行列式的绝对值表示该矩阵作用于一个单位正方形（面积为 1）后，变换得到的平行四边形的面积。
• 三维空间：对于 $3\times 3$ 矩阵，行列式的绝对值表示该矩阵作用于一个单位立方体（体积为 1）后，变换得到的新立体的体积。

如果行列式为 0，意味着矩阵将空间压缩到一个更低维的空间（如二维变成一条线），因此该线性变换是“不可逆”的。

2. 代数意义

代数上，行列式的值揭示了矩阵的一些重要性质：

• 可逆性：矩阵 $A$ 是可逆的当且仅当它的行列式不为 0。如果行列式为 0，则矩阵不可逆，或称为“奇异矩阵”。
• 特征值与特征向量：行列式在特征值问题中也发挥重要作用。例如，矩阵 $A$ 的特征方程是 $\text{det}(A-\lambda I)=0$，其中 $\lambda$ 是特征值。

3. 线性代数中的应用

行列式在解决线性代数问题时有广泛应用：

• 线性方程组的解：通过克拉默法则（Cramer’s Rule），行列式可以用于求解线性方程组。对于一个方程组，如果系数矩阵的行列式不为 0，则方程组有唯一解。
• 矩阵的特性：行列式能够判断矩阵的满秩性。如果行列式不为 0，则矩阵是满秩的，表示矩阵的行和列是线性无关的。

4. 变换性质

行列式具有一些重要的代数性质，使其在研究矩阵的性质时非常有用：

• 乘法性质：对于两个 $n\times n$ 矩阵 $A$ 和 $B$，有 $\text{det}(AB)=\text{det}(A)\cdot \text{det}(B)$。
• 转置性质：行列式的值与矩阵的转置相同，即 $\text{det}(A)=\text{det}(A^T)$。
• 行列交换：如果交换矩阵的两行或两列，行列式的符号会改变。

总结

行列式不仅是一个数值计算工具，还在多种数学和物理场景中代表着重要的几何和代数性质。它揭示了线性变换的体积变化、矩阵的可逆性以及线性方程组的解的性质等。

这些特点使行列式在线性代数、微分几何、物理学等领域有着广泛的应用。