线性代数(2)行列式6种运算性质

本文介绍了行列式的六种常用运算性质,包括特殊矩阵的计算公式、行列式为零的条件、行列式的拆分方法、余子式及代数余子式的计算方式,并通过实例详细解析了每种性质的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

来自B站《猴博士爱讲课》,摘取行列式6种常用的运算性质

1.对角线x,其余a

[xa⋯aax⋯a⋮⋮⋱⋮aa⋯x]=(x−a)n−1[x+(n−1)a]\begin{bmatrix}x&a&\cdots&a\\a&x&\cdots&a\\\vdots&\vdots&\ddots&\vdots\\a&a&\cdots&x\end{bmatrix}=(x-a)^{n-1}[x+(n-1)a]xaaaxaaax=(xa)n1[x+(n1)a]

  • 矩阵特点:n行n列,除对角线均是x外,矩阵其他数均是a
  • 实例:
    对于矩阵[2333323333233332]\begin{bmatrix}2&3&3&3\\3&2&3&3\\3&3&2&3\\3&3&3&2\end{bmatrix}2333323333233332,这里x=2;a=3;n=4x=2;a=3;n=4x=2;a=3;n=4代入公式得(2−3)4−1[2+(4−1)3](2-3)^{4-1}[2+(4-1)3](23)41[2+(41)3],化简得-11。

2.矩阵内两行(列)等比矩阵为0

(1)矩阵内两行(列)相同或者成比例时,矩阵为0
(2)某行(列)为两项相加减时,行列式可拆成两个行列式相加减

  • 实例
    对于[123246568]\begin{bmatrix}1&2&3\\2&4&6\\5&6&8\end{bmatrix}125246368,由于r2=2r1r_2=2r_1r2=2r1,因此此矩阵为0.

3.某行(列)为两项加减的时,可拆成两个行列式加减形式

  • 实例
    已知[a1b1c1a2b2c2a3b3c3]=1\begin{bmatrix}a_1&b_1&c_1\\a_2&b_2&c_2\\a_3&b_3&c_3\end{bmatrix}=1a1a2a3b1b2b3c1c2c3=1,求[a1b1a1+c1a2b2a2+c2a3b3a3+c3]\begin{bmatrix}a_1&b_1&a_1+c_1\\a_2&b_2&a_2+c_2\\a_3&b_3&a_3+c_3\end{bmatrix}a1a2a3b1b2b3a1+c1a2+c2a3+c3?
    由上述行列式加减的性质,可将原式拆成两个行列式相加的形式,则原式[a1b1a1+c1a2b2a2+c2a3b3a3+c3]=[a1b1a1a2b2a2a3b3a3]+[a1b1c1a2b2c2a3b3c3]\begin{bmatrix}a_1&b_1&a_1+c_1\\a_2&b_2&a_2+c_2\\a_3&b_3&a_3+c_3\end{bmatrix}=\begin{bmatrix}a_1&b_1&a_1\\a_2&b_2&a_2\\a_3&b_3&a_3\end{bmatrix}+\begin{bmatrix}a_1&b_1&c_1\\a_2&b_2&c_2\\a_3&b_3&c_3\end{bmatrix}a1a2a3b1b2b3a1+c1a2+c2a3+c3=a1a2a3b1b2b3a1a2a3+a1a2a3b1b2b3c1c2c3,由于前面矩阵c1=c3c_1=c_3c1=c3,因此为0;后面的矩阵是已知的,因此,最终结果就是1。

4.求余子式(M)、代数余子式(A)

  • 余子式(M),求MxyM_{xy}Mxy就是去掉矩阵的x行y列后剩下的数重组矩阵
  • 代数余子式(A),Axy=(−1)x+y∗MxyA_{xy}=(-1)^{x+y}*M_{xy}Axy=(1)x+yMxy
  • 实例
    求矩阵[123246568]\begin{bmatrix}1&2&3\\2&4&6\\5&6&8\end{bmatrix}125246368M23M_{23}M23A23A_{23}A23
    去掉第2行第3列后得到新矩阵[1256]\begin{bmatrix}1&2\\5&6\end{bmatrix}[1526],求得结果为-4。
    A23=(−1)2+3∗M23=(−1)∗(−4)=4A_{23}=(-1)^{2+3}*M_{23}=(-1)*(-4)=4A23=(1)2+3M23=(1)(4)=4

5.多个余子式或代数余子式加减

已知D=[1234]D=\begin{bmatrix}1&2\\3&4\end{bmatrix}D=[1324],求3A11+2A123A_{11}+2A_{12}3A11+2A12?
求A步骤:
1.找到AxyA_{xy}Axy对应位置,这里是1行1列的1和1行2列的2的位置
2.将A前的系数替换到对应的位置形成新的行列式
这里,新的行列式是[3234]\begin{bmatrix}3&2\\3&4\end{bmatrix}[3324]
3.求新生成行列式的值即得到最终结果
[3234]=3∗4−3∗2=6\begin{bmatrix}3&2\\3&4\end{bmatrix}=3*4-3*2=6[3324]=3432=6
这里用直接计算A的方式验证一下:
M11=4M_{11}=4M11=4A11=(−1)1+1∗4=4A_{11}=(-1)^{1+1}*4=4A11=(1)1+14=4
M12=3M_{12}=3M12=3A12=(−1)1+2∗3=−3A_{12}=(-1)^{1+2}*3=-3A12=(1)1+23=3
3A11+2A12=3∗4+2∗(−3)=63A_{11}+2A_{12}=3*4+2*(-3)=63A11+2A12=34+2(3)=6

求M步骤:
因为Axy=(−1)x+y∗MxyA_{xy}=(-1)^{x+y}*M_{xy}Axy=(1)x+yMxy,因此可通过该式将MxyM_{xy}Mxy转换成AxyA_{xy}Axy,再按照求代数余子式的方法进行计算。
示例:
已知D=[1234]D=\begin{bmatrix}1&2\\3&4\end{bmatrix}D=[1324],求3M11+2M123M_{11}+2M_{12}3M11+2M12?
因为A11=(−1)1+1∗M11A_{11}=(-1)^{1+1}*M_{11}A11=(1)1+1M11,所以M11=A11M_{11}=A_{11}M11=A11
因为A12=(−1)1+2∗M12A_{12}=(-1)^{1+2}*M_{12}A12=(1)1+2M12,所以M12=−A12M_{12}=-A_{12}M12=A12
所以原式3M11+2M12=3A11−2A123M_{11}+2M_{12}=3A_{11}-2A_{12}3M11+2M12=3A112A12
所以新行列式[3−234]=3∗4−(−2)∗3=18\begin{bmatrix}3&-2\\3&4\end{bmatrix}=3*4-(-2)*3=18[3324]=34(2)3=18
直接代入MxyM_{xy}Mxy验证,原式3M11+2M12=3∗4+2∗3=183M_{11}+2M_{12}=3*4+2*3=183M11+2M12=34+23=18,得到同样的结果。

6.给一个方程组,判断其解

判断{x1+2x2=04x1+5x2=0\begin{cases}x_1+2x_2=0\\4x_1+5x_2=0\end{cases}{x1+2x2=04x1+5x2=0是否有唯一解。
判断依据:

方程组D≠0D\neq0D̸=0D=0D=0D=0
齐次只有一组零解有零解与非零解
非齐次只有一组非零解有多个解或者非零解

注:
齐次是指方程组除了带x的项和0项,没有常数项
非齐次则是方程组除了带x的项,还有常数项
零解是指方程的解是0

原式{x1+2x2=04x1+5x2=0\begin{cases}x_1+2x_2=0\\4x_1+5x_2=0\end{cases}{x1+2x2=04x1+5x2=0没有常数项,又:D=[1245]=−3≠0D=\begin{bmatrix}1&2\\4&5\end{bmatrix}=-3\neq0D=[1425]=3̸=0,根据上表可知原式只有一组零解

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值