线性代数介绍

线性代数介绍

线性代数是数学的一个重要分支，它研究向量空间、线性变换和线性方程组。其概念抽象，应用广泛，是现代科学技术中不可或缺的数学工具。本篇将详细解释线性代数中的核心概念，包括行列式、矩阵、向量与向量空间、线性方程组、特征值与特征向量以及二次型，力求深入浅出，帮助读者全面理解。

一、 行列式 (Determinants)

行列式是线性代数中一个 fundamental 的概念，它是一个将方阵映射到一个标量的函数。行列式在判断矩阵是否可逆、求解线性方程组以及计算特征值等方面都起着至关重要的作用。

1. 行列式的定义

对于一个 n 阶方阵 A，其行列式是一个标量，记作 det(A) 或 |A|。 行列式的定义可以通过多种方式给出，其中一种常用的定义基于排列和逆序数的概念。

• 排列： 由 1, 2, ..., n 这 n 个数组成的一个有序数组称为一个 n 阶排列。例如，(1, 2, 3) 和 (2, 1, 3) 都是 3 阶排列。

• 逆序数： 在一个排列中，如果一对数的前后位置与标准顺序（从小到大）相反，即前面的数大于后面的数，则称其为一个逆序。一个排列中逆序的总数称为该排列的逆序数。例如，在排列 (2, 1, 3) 中，逆序只有一个 (2, 1)，因此其逆序数为 1。

基于排列和逆序数，n 阶方阵 A = (aᵢⱼ) 的行列式定义为：

det(A) = ∑ (-1)^τ(p) * a₁p₁ * a₂p₂ * ... * anpn

其中：

• ∑ 表示对所有 n 阶排列 p = (p₁, p₂, ..., pn) 求和。
• p 是 n 阶排列，(p₁, p₂, ..., pn) 是行指标为 1, 2, ..., n，列指标为 p₁, p₂, ..., pn 的元素乘积。
• τ(p) 是排列 p 的逆序数。
• (-1)^τ(p) 是符号，当 τ(p) 为偶数时为 +1，当 τ(p) 为奇数时为 -1。

理解行列式的定义：

行列式的定义看起来较为复杂，但其核心思想是： 从方阵 A 中选取 n 个不同行不同列的元素相乘，并将所有可能的乘积进行代数和，其中每个乘积的符号由列指标排列的逆序数决定。

例子： 2 阶行列式和 3 阶行列式

• 2 阶行列式： 对于 2 阶方阵 A = [[a₁₁, a₁₂], [a₂₁, a₂₂]]，其行列式为：

  det(A) = a₁₁a₂₂ - a₁₂a₂₁
  

  只有两个 2 阶排列： (1, 2) 和 (2, 1)。

  • 排列 (1, 2) 的逆序数为 0，对应项为 a₁₁a₂₂，符号为 (-1)^0 = +1。
  • 排列 (2, 1) 的逆序数为 1，对应项为 a₁₂a₂₁，符号为 (-1)^1 = -1。

• 3 阶行列式： 对于 3 阶方阵 A = [[a₁₁, a₁₂, a₁₃], [a₂₁, a₂₂, a₂₃], [a₃₁, a₃₂, a₃₃]]，其行列式为：

  det(A) = a₁₁a₂₂a₃₃ + a₁₂a₂₃a₃₁ + a₁₃a₂₁a₃₂ - a₁₃a₂₂a₃₁ - a₁₁a₂₃a₃₂ - a₁₂a₂₁a₃₃
  

  共有 6 个 3 阶排列，分别计算其逆序数并按定义展开即可得到上述公式。

2. 行列式的性质

行列式具有一系列重要的性质，这些性质简化了行列式的计算，并帮助我们理解行列式的本质。

• 性质 1： 转置不变性

  det(Aᵀ) = det(A)
  

  矩阵的转置行列式等于原行列式。这意味着行列式的行和列具有对称性，关于行的性质对列也成立，反之亦然。

• 性质 2： 行（列）互换变号性

  互换行列式的两行（或两列），行列式变号。

  det([[r₂], [r₁], [r₃], ...]) = - det([[r₁], [r₂], [r₃], ...])
  

  其中 rᵢ 代表矩阵的行向量。

• 性质 3： 倍乘性

  用数 k 乘行列式的某一行（或某一列），等于用数 k 乘此行列式。

  det([[kr₁], [r₂], [r₃], ...]) = k * det([[r₁], [r₂], [r₃], ...])
  

• 性质 4： 两行（列）相同或成比例，行列式为零

  如果行列式有两行（或两列）完全相同或对应元素成比例，则行列式为零。 这是性质 2 和性质 3 的推论。

• 性质 5： 行列式的线性性

  如果行列式的某一行（或某一列）的元素都是两个数的和，则行列式可以拆成两个行列式的和。

  det([[r₁'+r₁''], [r₂], [r₃], ...]) = det([[r₁'], [r₂], [r₃], ...]) + det([[r₁''], [r₂], [r₃], ...])
  

• 性质 6： 倍加性

  把行列式的某一行（或某一列）的倍数加到另一行（或另一列），行列式的值不变。

  det([[r₁ + kr₂], [r₂], [r₃], ...]) = det([[r₁], [r₂], [r₃], ...])
  

3. 行列式的计算

• 展开定理（拉普拉斯展开）

  展开定理提供了一种递归计算行列式的方法，尤其适用于高阶行列式。

  代数余子式： 在 n 阶行列式 |A| 中，划去元素 aᵢⱼ 所在的第 i 行和第 j 列后，剩下的 (n-1) 阶行列式称为元素 aᵢⱼ 的余子式，记作 Mᵢⱼ。代数余子式 Aᵢⱼ 定义为：

  Aᵢⱼ = (-1)^(i+j) * Mᵢⱼ
  

  展开定理： 行列式 |A| 可以按任何一行（或任何一列）展开，其值等于该行（或该列）元素与其对应的代数余子式乘积之和。

  • 按第 i 行展开：

    det(A) = aᵢ₁Aᵢ₁ + aᵢ₂Aᵢ₂ + ... + aᵢnAᵢn  = ∑ⱼ=1^n aᵢⱼAᵢⱼ
    

  • 按第 j 列展开：

    det(A) = a₁ⱼA₁ⱼ + a₂ⱼA₂ⱼ + ... + anⱼAnⱼ  = ∑ᵢ=1^n aᵢⱼAᵢⱼ
    

  例子： 使用展开定理计算 3 阶行列式

  det(A) = a₁₁A₁₁ + a₁₂A₁₂ + a₁₃A₁₃
         = a₁₁ * (-1)^(1+1) * det([[a₂₂, a₂₃], [a₃₂, a₃₃]])
         + a₁₂ * (-1)^(1+2) * det([[a₂₁, a₂₃], [a₃₁, a₃₃]])
         + a₁₃ * (-1)^(1+3) * det([[a₂₁, a₂₂], [a₃₁, a₃₂]])
         = a₁₁ (a₂₂a₃₃ - a₂₃a₃₂) - a₁₂ (a₂₁a₃₃ - a₂₃a₃₁) + a₁₃ (a₂₁a₃₂ - a₂₂a₃₁)
  

• 初等变换法

  利用行列式的性质，可以通过初等行变换或初等列变换将行列式化为上三角行列式（或下三角行列式），上三角行列式的值等于对角线元素之积。

  初等行变换对行列式的影响：

  • 互换两行： 行列式变号。
  • 用非零常数 k 乘某一行： 行列式乘 k。
  • 将某一行乘常数 k 加到另一行： 行列式的值不变。

  步骤：

  1. 利用倍加性将行列式化为上三角行列式。
  2. 记录行互换的次数，设为 s。
  3. 记录倍乘运算的乘数因子，设为 k₁, k₂, ..., kt。
  4. 计算上三角行列式对角线元素之积，设为 D。
  5. 原行列式的值为 (-1)^s * (1/k₁ * 1/k₂ * ... * 1/kt) * D。

  例子： 使用初等变换法计算行列式

  通过初等行变换将行列式化为上三角形式，然后计算对角线元素之积即可。

4. 克拉默法则

克拉默法则提供了一种用行列式求解n 元线性方程组的方法，要求方程个数等于未知量个数，且系数矩阵的行列式不为零。

对于 n 元线性方程组 Ax = b，其中 A 是 n 阶方阵，x = [x₁, x₂, ..., xn]ᵀ，b = [b₁, b₂, ..., bn]ᵀ。如果 det(A) ≠ 0，则方程组有唯一解，解为：

xᵢ = det(Aᵢ) / det(A)  (i = 1, 2, ..., n)

其中 Aᵢ 是将系数矩阵 A 的第 i 列用常数项向量 b 替换后得到的矩阵。

局限性：

克拉默法则虽然提供了解析解，但在实际计算中效率较低，对于大型方程组，高斯消元法更实用。克拉默法则主要用于理论分析和求解小规模方程组。

二、 矩阵 (Matrices)

矩阵是线性代数的核心研究对象，它是一个矩形的数表，可以用来表示线性变换、线性方程组等。矩阵的运算和性质是线性代数的重要内容。

1. 矩阵的概念与运算

• 矩阵的定义： 由 m × n 个数 aᵢⱼ (i=1, 2, ..., m; j=1, 2, ..., n) 排列成 m 行 n 列的矩形数表称为 m 行 n 列矩阵，简称 m × n 矩阵，记作：

  A = [[a₁₁, a₁₂, ..., a₁n],
       [a₂₁, a₂₂, ..., a₂n],
       [..., ..., ..., ...],
       [am₁, am₂, ..., amn]]
  

  • m 称为矩阵 A 的行数，n 称为矩阵 A 的列数。
  • 当 m = n 时，矩阵 A 称为 n