В линейной алгебре, минор матрицы A- это определитель некоторой меньшей квадратной матрицы, вырезанной из A путем удаления одной или нескольких ее строк и столбцов. Миноры, полученные путем удаления только одной строки и одного столбца из квадратных матриц (первые миноры ), необходимы для вычисления матричных сомножителей, которые, в свою очередь, полезны для вычисления как определителя, так и обратный квадратных матриц.
Содержание
- 1 Определение и иллюстрация
- 1.1 Первые миноры
- 1.2 Общее определение
- 1.3 Дополнение
- 2 Применение миноров и сомножителей
- 2.1 Расширение сомножителя определителя
- 2.2 Обращение матрицы
- 2.3 Другие приложения
- 3 Подход с использованием полилинейной алгебры
- 4 Замечание о различных обозначениях
- 5 См. Также
- 6 Ссылки
- 7 Внешние ссылки
Определение и иллюстрация
Первые миноры
Если A представляет собой квадратную матрицу, то младшие элементы записи в i-й строке и j-м столбце (также называемые (i, j) minor, или первый второстепенный) - это определитель подматрицы , образованной удалением i-й строки и j-го столбца. Это число часто обозначается M i, j. Кофактор (i, j) получается путем умножения младшего на .
Чтобы проиллюстрировать эти определения, рассмотрим следующие 3 по матрице 3,
Чтобы вычислить минор M 2,3 и сомножитель C 2,3, мы находим определитель указанной выше матрицы с строка 2 и столбец 3 удалены.
Итак, кофактор (2,3) запись:
Общее определение
Пусть A будет матрицей m × n, а k - целым числом с 0 < k ≤ m, and k ≤ n. A k × k minor of A, также называемым второстепенным определителем порядка k A или, если m = n, (n-k) -м второстепенным определителем A ( слово «определитель» часто опускается, а слово «степень» иногда используется вместо «порядок») - это определитель матрицы размером k × k, полученной из A путем удаления m − k строк и n− k столбцов. Иногда этот термин используется для обозначения матрицы k × k, полученной из A, как указано выше (путем удаления m − k строк и n − k столбцов), но эту матрицу следует называть (квадрат) подматрица A, оставляя термин «второстепенный» для ссылки на определитель этой матрицы. Для матрицы A, как указано выше, всего существует несовершеннолетние размером k × k. Минор нулевого порядка часто определяется как 1. Для квадратной матрицы нулевой минор является просто определителем матрицы.
Пусть
Дополнение
Дополнение, B ijk..., pqr..., младшего, M ijk..., pqr... квадратной матрицы, A, формируется определителем матрицы A, из которой все строки (ijk...) и столбцы (pqr...), связанные с M ijk..., pqr..., были удалены. Дополнение к первому минору элемента a ij является просто этим элементом.
Применение миноров и сомножителей
Расширение сомножителя определителя
Кофакторы занимают видное место в формуле Лапласа для разложения детерминантов, которая представляет собой метод вычисления больших детерминант через меньшие. Для матрицы размера n × n A = (aij) {\ displaystyle A = (a_ {ij})}определитель матрицы A, обозначенный det (A), может быть записан как сумма сомножителей любой строки или столбца матрицы, умноженных на элементы, которые их сгенерировали. Другими словами, определение C ij = (- 1) i + j M ij {\ displaystyle C_ {ij} = (- 1) ^ {i + j} M_ {ij}}, тогда расширение кофактора по j-му столбцу дает:
- det (A) = a 1 j C 1 j + a 2 j C 2 j + a 3 j C 3 j + ⋯ + anj C nj = ∑ i = 1 naij С ij знак равно ∑ я знак равно 1 naij (- 1) я + j M ij {\ displaystyle \ \ det (\ mathbf {A}) = a_ {1j} C_ {1j} + a_ {2j} C_ {2j} + a_ {3j} C_ {3j} + \ cdots + a_ {nj} C_ {nj} = \ sum _ {i = 1} ^ {n} a_ {ij} C_ {ij} = \ sum _ {i = 1} ^ {n} a_ {ij} (- 1) ^ {i + j} M_ {ij}}
Расширение кофактора вдоль i-й строки дает:
- det (A) = ai 1 C i 1 + ai 2 C я 2 + ai 3 C я 3 + ⋯ + ain C in = ∑ j = 1 naij C ij = ∑ j = 1 naij (- 1) i + j M ij {\ displaystyle \ \ det (\ mathbf {A }) = a_ {i1} C_ {i1} + a_ {i2} C_ {i2} + a_ {i3} C_ {i3} + \ cdots + a_ {in} C_ {in} = \ sum _ {j = 1} ^ {n} a_ {ij} C_ {ij} = \ sum _ {j = 1} ^ {n} a_ {ij} (- 1) ^ {i + j} M_ {ij}}
Инверсия к матрица
Можно записать обратную обратимую матрицу путем вычисления ее сомножителей с помощью правила Крамера следующим образом. Матрица, образованная всеми сомножителями квадратной матрицы A, называется кофакторной матрицей (также называемой матрицей кофакторов или коматрикс):
- C = [C 11 C 12 ⋯ C 1 n C 21 C 22 ⋯ C 2 N ⋮ ⋮ ⋱ ⋮ C N 1 C N 2 ⋯ C nn] {\ displaystyle \ mathbf {C} = {\ begin {bmatrix} C_ {11} C_ {12} \ cdots C_ {1n } \\ C_ {21} C_ {22} \ cdots C_ {2n} \\\ vdots \ vdots \ ddots \ vdots \\ C_ {n1} C_ {n2} \ cdots C_ {nn} \ end {bmatrix}}}
Тогда обратная величина к A - это транспонирование матрицы кофакторов, умноженное на обратную величину определителя A:
- A - 1 = 1 det (A) CT. {\ displaystyle \ mathbf {A} ^ {- 1} = {\ frac {1} {\ operatorname {det} (\ mathbf {A})}} \ mathbf {C} ^ {\ mathsf {T}}.}
Транспонирование матрицы кофакторов называется сопряженной матрицей (также называемой классической сопряженной) для A.
Вышеупомянутая формула может быть обобщена следующим образом: Пусть 1 ≤ i 1 < i 2 < … < i k ≤ n {\displaystyle 1\leq i_{1}и 1 ≤ j 1 < j 2 < … < j k ≤ n {\displaystyle 1\leq j_{1}- упорядоченные последовательности (в естественном порядке) индексов (здесь A - это матрица размера n × n). Тогда
- [A - 1] I, J = ± [A] J ′, I ′ det A, {\ displaystyle [\ mathbf {A} ^ {- 1}] _ {I, J} = \ pm { \ frac {[\ mathbf {A}] _ {J ', I'}} {\ det \ mathbf {A}}},}
где I ′, J ′ обозначают упорядоченные последовательности индексов (индексы в естественном порядке величины, как указано выше), дополняющих I, J, так что каждый индекс 1,..., n появляется ровно один раз либо в I, либо в I ', но не в обоих (аналогично для J и J') и [A] I, J {\ displaystyle [\ mathbf {A}] _ {I, J}}обозначает определитель подматрицы A, сформированный путем выбора строки индексного набора I и столбцы индексного набора J. Также [A] I, J = det ((A ip, jq) p, q = 1,…, k) {\ displaystyle [\ mathbf { A}] _ {I, J} = \ det \ left ((A_ {i_ {p}, j_ {q}}) _ {p, q = 1, \ ldots, k} \ right)}. Простое доказательство можно дать, используя произведение клина. Действительно,
- [A - 1] I, J (e 1 ∧… ∧ en) = ± (A - 1 ej 1) ∧… ∧ (A - 1 ejk) ∧ ei 1 ′ ∧… ∧ ein - k ′, {\ displaystyle [\ mathbf {A} ^ {- 1}] _ {I, J} (e_ {1} \ wedge \ ldots \ wedge e_ {n}) = \ pm (\ mathbf {A} ^ {- 1} e_ {j_ {1}}) \ wedge \ ldots \ wedge (\ mathbf {A} ^ {- 1} e_ {j_ {k}}) \ wedge e_ {i '_ {1}} \ wedge \ ldots \ wedge e_ {i '_ {nk}},}
где e 1,…, en {\ displaystyle e_ {1}, \ ldots, e_ {n}}- базисные векторы. Действуя A с обеих сторон, получаем
- [A - 1] I, J det A (e 1 ∧… ∧ en) = ± (ej 1) ∧… ∧ (ejk) ∧ ( A ei 1 ′) ∧… ∧ (A ein - k ′) = ± [A] J ′, I ′ (e 1 ∧… ∧ en). {\ displaystyle [\ mathbf {A} ^ {- 1}] _ {I, J} \ det \ mathbf {A} (e_ {1} \ wedge \ ldots \ wedge e_ {n}) = \ pm (e_ { j_ {1}}) \ wedge \ ldots \ wedge (e_ {j_ {k}}) \ wedge (\ mathbf {A} e_ {i '_ {1}}) \ wedge \ ldots \ wedge (\ mathbf {A } e_ {i '_ {nk}}) = \ pm [\ mathbf {A}] _ {J', I '} (e_ {1} \ wedge \ ldots \ wedge e_ {n}).}
Знак можно вычислить следующим образом: (- 1) ∑ s = 1 kis - ∑ s = 1 kjs {\ displaystyle (-1) ^ {\ sum _ {s = 1} ^ {k} i_ {s } - \ sum _ {s = 1} ^ {k} j_ {s}}}, поэтому знак определяется суммами элементов в I и J.
Другие приложения
Для матрицы m × n с вещественными записями (или записями из любого другого поля ) и rank r, тогда существует по крайней мере один ненулевой минор r × r, в то время как все более крупные миноры равны нулю.
Мы будем использовать следующие обозначения для миноров: если A - это матрица m × n, I - подмножество из {1,..., m} с k элементами, а J - подмножество {1,..., n} с k элементами, то мы пишем [A]I, J для k × k минор A который соответствует строкам с индексом в I и столбцам с индексом в J.
- Если I = J, то [A]I, J называется основным второстепенным.
- Если матрица, соответствующая главному минору, является квадратичной верхней левой частью большей матрицы (т. е. состоит из матричных элементов в строках и столбцах от 1 до k), тогда главный минор называется ведущим главным минором (порядка k) или угловой (основной) минор (порядка k). Для квадратной матрицы размера n × n существует n ведущих основных миноров.
- Базовый минор матрицы - это определитель квадратной подматрицы максимального размера с отличным от нуля определителем.
- Для Эрмитовы матрицы, ведущие главные миноры могут использоваться для проверки положительной определенности, а главные миноры могут использоваться для проверки положительной полуопределенности. Подробнее см. критерий Сильвестра.
И формула для обычного умножения матриц, и формула Коши – Бине для определителя произведения двух матриц являются частными случаями следующего общего утверждения о минорах произведения двух матриц. Предположим, что A - матрица размера m × n, B - матрица размера n × p, I - подмножество из {1,..., m} с k элементами, а J - подмножество {1,..., p} с k элементами. Тогда
- [AB] I, J = ∑ K [A] I, K [B] K, J {\ displaystyle [\ mathbf {AB}] _ {I, J} = \ sum _ {K} [\ mathbf {A}] _ {I, K} [\ mathbf {B}] _ {K, J} \,}
где сумма распространяется на все подмножества K из {1,..., n} с k элементы. Эта формула является прямым расширением формулы Коши – Бине.
Подход полилинейной алгебры
Более систематическое алгебраическое рассмотрение миноров дается в полилинейной алгебре с использованием произведения клина : k-миноров матрицы являются элементами k-й карты внешней мощности.
Если столбцы матрицы соединяются вместе k за раз, миноры k × k появляются как компоненты результирующих k-векторов. Например, миноры 2 × 2 матрицы
- (1 4 3 - 1 2 1) {\ displaystyle {\ begin {pmatrix} 1 4 \\ 3 \! \! - 1 \\ 2 1 \\\ end { pmatrix}}}
равны −13 (из первых двух строк), −7 (из первой и последней строки) и 5 (из последних двух строк). Теперь рассмотрим произведение клина
- (e 1 + 3 e 2 + 2 e 3) ∧ (4 e 1 - e 2 + e 3) {\ displaystyle (\ mathbf {e} _ {1} +3 \ mathbf { e} _ {2} +2 \ mathbf {e} _ {3}) \ wedge (4 \ mathbf {e} _ {1} - \ mathbf {e} _ {2} + \ mathbf {e} _ {3 })}
где два выражения соответствуют двум столбцам нашей матрицы. Используя свойства продукта клина, а именно то, что оно билинейно и чередуется,
- ei ∧ ei = 0, {\ displaystyle \ mathbf {e} _ {i} \ wedge \ mathbf { e} _ {i} = 0,}
и антисимметричный,
- ei ∧ ej = - ej ∧ ei, {\ displaystyle \ mathbf {e} _ {i} \ wedge \ mathbf {e} _ {j} = - \ mathbf {e} _ {j} \ wedge \ mathbf {e} _ {i},}
мы можем упростить это выражение до
- - 13 e 1 ∧ e 2 - 7 e 1 ∧ е 3 + 5 е 2 ∧ е 3 {\ displaystyle -13 \ mathbf {e} _ {1} \ wedge \ mathbf {e} _ {2} -7 \ mathbf {e} _ {1} \ wedge \ mathbf {e} _ {3} +5 \ mathbf {e} _ {2} \ wedge \ mathbf {e} _ {3}}
где коэффициенты совпадают с минорами, вычисленными ранее.
Замечание о разных обозначениях
В некоторых книгах вместо кофактора используется термин «добавка». Более того, он обозначается как Aijи определяется так же, как кофактор:
- A ij = (- 1) i + j M ij {\ displaystyle \ mathbf {A} _ {ij} = (- 1) ^ {i + j} \ mathbf {M} _ {ij}}
Используя эти обозначения, обратная матрица записывается следующим образом:
- M - 1 = 1 det (M) [A 11 A 21 ⋯ A n 1 A 12 A 22 ⋯ A N 2 ⋮ ⋮ ⋱ ⋮ A 1 n A 2 n ⋯ A nn] {\ displaystyle \ mathbf {M} ^ {- 1} = {\ frac {1} {\ det (M)} } {\ begin {bmatrix} A_ {11} A_ {21} \ cdots A_ {n1} \\ A_ {12} A_ {22} \ cdots A_ {n2} \\\ vdots \ vdots \ ddots \ vdots \\ A_ {1n} A_ {2n} \ cdots A_ {nn} \ end {bmatrix}}}
Имейте в виду, что добавочный элемент не примыкающий или присоединенный. В современной терминологии «сопряженная» матрица чаще всего относится к соответствующему сопряженному оператору.
См. Также
Ссылки
Внешние ссылки
- Лекция по линейной алгебре MIT о кофакторах в Google Video, из MIT OpenCourseWare
- запись PlanetMath о кофакторах
- Энциклопедия математики Springer, запись для младшего