线性代数 --- 为什么LU分解中L矩阵的行列式一定等于正负1?

以下是关于下三角矩阵L的行列式一定等于+-1的一些说明

笔者的一些话(写在最前面):

这是一篇小文,是我写的关于求解矩阵行列式的一篇文章中的一部分。之所以把这一段专门提溜出来,是因为这一段相对于原文是可以完全独立的,也是因为我自认为这是原文中很精彩的一段论证。为了便于我自己后续翻阅和查找,也是为了给我CSDN文章里面凑数,这才有了这篇文章。

证明:在LU分解中,下三角矩阵L的行列式一定是.

在证明之前,我这里先补充几条关于行列式的性质:

**性质1:**对于三角矩阵而言,不论是上三角矩阵还是下三角矩阵,其行列式的值都等于主对角线上元素的乘积。

此处引用Gilbert strang的线性代数教科书《introduction to linear algebra》中,第251页处的一段关于矩阵行列式的相应说明:

截图中第七条性质说:如果矩阵A是一个三角矩阵,则矩阵A的行列式等于其对角线上元素的乘积。

**性质2:**两个矩阵A,B的积AB的行列式|AB|等于这两个矩阵各自的行列式|A|和|B|的积,即:

**性质3:**单位矩阵I的行列式为1。

**性质4:**对矩阵进行行与行之间的交换后,需要改变原矩阵行列式的正负号。

在LU分解中,下三角阵L是高斯消元的逆过程,是多个消元矩阵E的逆矩阵的乘积(形如下图中的矩阵)。

首先,根据上面说的性质1 可知,所有消元矩阵E的逆矩阵的行列式等于其对角线上所有元素的乘积。又因为矩阵对角线上元素都是1,所以,的行列式一定等于1。此外,根据性质2 ,L的行列式等于多个的行列的乘积,所以,L的行列式必然等于1,即:

可是,如果对矩阵A进行高斯消元的过程中,遇到对角线上的元素为0的情况,就需要对矩阵进行行交换,则上式就会包含一些置换矩阵:

这种情况下计算出来的L矩阵可就不一定是标准的下三角矩阵了,比如说下面这个矩阵:

这样一来就需要对L矩阵进行行交换,把他变成标准的下三角矩阵,以确保他的det等于1。而交换的过程需要用置换矩阵P记录下来,使得原来的L,变成PL(这时的L已经是标准的下三角矩阵了)。因为置换矩阵P只不过是对单位矩阵I进行行交换后的结果,因此,综合性质3性质4 可知,置换矩阵P的行列式的值只能是+1或-1。在结合前面得出的L矩阵的行列式一定是1的结论,最终PL的行列式只能是+1或-1。

因此,当我们基于矩阵A的LU分解计算出L的det后(必然是1),如果高斯消元的过程中进行过行交换,还要再根据行交换的次数(置换矩阵P)去调整det的符号。

事实上,在matlab中自带的计算矩阵行列式的det函数就利用了这一点。

按照Matlab的官方说明文档,首先,他在计算矩阵的det时先调了lu分解函数,对矩阵进行分解。

注意,matlab的lu分解函数有很多,只是他在计算行列式时,调用的是[L,U]=lu(A)。

按照他官方文档的说法,分解后的L矩阵和U矩阵中,L矩阵有被置换过,也就不是标准的三角矩阵。这和我们前面提到的,如果消元时进行过行交换的情况是一致的。

然后,对这个"经过置换的下三角矩阵L"进行行交换,并记录交换过程得到:

最后一步,求出矩阵U(他一定是一个标准的上三角矩阵)中主对角线上所有元素的乘积,然后和前一步的结果相乘,得到矩阵A的行列式:

例子:


(全文完)

作者 --- 松下J27

参考文献(鸣谢):

1,https://en.wikipedia.org/wiki/Determinant

2,Determinant of a Matrix

3,矩阵行列式 - MATLAB det- MathWorks 中国

4,线性代数 --- LU分解(Gauss消元法的矩阵表示)_矩阵的lu分解-CSDN博客

5,线性代数 --- Gauss消元的部分主元法和完全主元法_部分选主元高斯matlab-CSDN博客

(配图与本文无关)

**版权声明:**所有的笔记,可能来自很多不同的网站和说明,在此没法一一列出,如有侵权,请告知,立即删除。欢迎大家转载,但是,如果有人引用或者COPY我的文章,必须在你的文章中注明你所使用的图片或者文字来自于我的文章,否则,侵权必究。 ----松下J27

相关推荐
知乎的哥廷根数学学派6 小时前
面向可信机械故障诊断的自适应置信度惩罚深度校准算法(Pytorch)
人工智能·pytorch·python·深度学习·算法·机器学习·矩阵
你要飞21 小时前
考研线代第三课:向量组
笔记·线性代数·考研·矩阵
aigcapi21 小时前
AI 获客系统哪个好?矩阵系统哪个好?2026 客观测评 TOP4
大数据·人工智能·矩阵
一碗姜汤2 天前
【统计基础】卡尔曼滤波,矩阵对迹求导,Joseph Form,条件数
线性代数·矩阵
sunfove2 天前
麦克斯韦方程组 (Maxwell‘s Equations) 的完整推导
线性代数·算法·矩阵
yyy(十一月限定版)2 天前
matlab矩阵的操作
算法·matlab·矩阵
ComputerInBook2 天前
代数学基本概念理解——幺正矩阵(Unitary matrix)(酉矩阵?)
线性代数·矩阵·正交矩阵·幺正矩阵·酉矩阵
AI科技星2 天前
光速飞行器动力学方程的第一性原理推导、验证与范式革命
数据结构·人工智能·线性代数·算法·机器学习·概率论
一碗姜汤2 天前
【统计基础】从线性代数的直观角度理解SVD奇异值分解
线性代数
好奇龙猫2 天前
【大学院-筆記試験練習:线性代数和数据结构(5)】
数据结构·线性代数