Determinantti

Jokaisella neliömatriisilla on skalaariarvoinen determinantti, joka kuvaa tiettyjä sitä vastaavan lineaarikuvauksen ominaisuuksia. Esimerkiksi ${\displaystyle 3\times 3}$ matriisin determinantin itseisarvo kertoo kuinka paljon tilavuus muuttuu lineaarikuvauksessa. Neliömatriisin ${\displaystyle A}$ determinantti merkitään:^[1]

${\displaystyle \det A={\begin{vmatrix}A\end{vmatrix}}={\begin{vmatrix}a&b&c\\d&e&f\\g&h&i\end{vmatrix}}}$

Matriisin ${\displaystyle A}$ alimatriisi ${\displaystyle A_{ij}}$ saadaan poistamalla matriisista ${\displaystyle i}$:s vaakarivi ja ${\displaystyle j}$:s pystyrivi. Saadun matriisin determinanttia ${\displaystyle \displaystyle \det A_{ij}}$ sanotaan alkion ${\displaystyle a_{ij}}$ alideterminantiksi.

Määritelmä

Determinantin määritelmä voidaan esittää permutaatioiden avulla:

Matriisin ${\displaystyle A=[a_{ij}]_{n\times n}}$ determinantti on

${\displaystyle \det A=\sum _{j_{1},j_{2},j_{3},...,j_{n}}^{}\sigma \left(j_{1},j_{2},j_{3},\ldots ,j_{n}\right)\cdot a_{1j_{1}}\cdot a_{2j_{2}}\cdot a_{3j_{3}}\cdot \ldots \cdot a_{nj_{n}},}$

jossa ${\displaystyle (j_{1},j_{2},j_{3},\dots ,j_{n})}$ on eräs ${\displaystyle \{1,\dots ,n\}}$:n permutaatio ja summa kulkee kaikkien näiden permutaatioiden ylitse ja

${\displaystyle \sigma \left(j_{1},j_{2},j_{3},...,j_{n}\right)={\begin{cases}1,&{\mbox{jos }}{j_{1},j_{2},j_{3},...,j_{n}}{\mbox{ on parillinen}}\\-1,&{\mbox{jos }}{j_{1},j_{2},j_{3},...,j_{n}}{\mbox{ on pariton}}\end{cases}}}$

Permutaation parillisuus tarkoittaa sitä voiko sen saada parillisella määrällä vaihtoja permutaatiosta {1,2,3,...,n}. esimerkiksi {1,3,2} on pariton, koska se saadaan yhdellä vaihdolla permutaatiosta {1,2,3}, nimittäin vaihtamalla 2:n ja 3:n.

Tämä määritelmä on varsin kehittynyt ja sopii erityisesti determinanttien lukuisten laskusääntöjen osoitukseen. Se ei kuitenkaan sovellu determinantin varsinaiseen laskemiseen, mutta esimerkiksi ${\displaystyle 2\times 2}$ determinantin laskukaavan sillä saa hyvin:

${\displaystyle {\begin{vmatrix}a&b\\c&d\end{vmatrix}}=\sigma (1,2)\cdot a\cdot d+\sigma (2,1)\cdot b\cdot c=a\cdot d-b\cdot c}$

Laskusääntöjä

• ${\displaystyle \det \left(A^{\operatorname {T} }\right)=\det \left(A\right)}$

• ${\displaystyle \det \left(A\cdot B\right)=\det \left(A\right)\cdot \det \left(B\right)}$, jossa A ja B ovat molemmat n ${\displaystyle \times }$ n -matriiseja.

• Jos A:n jokin rivi (tai sarake) on nolla, 1. kohdan nojalla

${\displaystyle \det \left(A\right)=0}$

• Jos A:n rivit (tai sarakkeet) ovat lineaarisesti riippuvia,

${\displaystyle \det \left(A\right)=0}$

• Jos matriisi A₁ saadaan matriisista A kertomalla jokin rivi vakiolla c,

${\displaystyle \det \left(A_{1}\right)=c\cdot \det \left(A\right)}$

• Jos matriisi A on yläkolmio-, alakolmio- tai diagonaalimatriisi, determinantti on kyseisen matriisin diagonaalialkioiden tulo.

• Jos matriisi A₁ saadaan matriisista A vaihtamalla kaksi riviä keskenään,

${\displaystyle \det \left(A_{1}\right)=-\det \left(A\right)}$

Sarrus’n sääntö on eräs menetelmä ja muistisääntö 3×3-matriisin determinantin laskemiseksi.

Determinantin laskeminen

Edellisten tulosten perusteella voidaan perustella matriisin determinantin laskeminen rekursiivisesti kaavalla:

${\displaystyle \det A=\sum _{k=1}^{n}\left(-1\right)^{i+k}\cdot a_{ik}\cdot A_{ik}\,,\quad A\in \mathbb {R} ^{n\times n},}$

jossa A_ik on determinantti matriisista, joka saadaan kun poistetaan A:sta i:s rivi ja k:s sarake. Sama operaatio voidaan tehdä mille tahansa sarakkeelle, kuten alla esimerkissä näytetään.

Esimerkki:

${\displaystyle {\begin{aligned}{\begin{vmatrix}1&5&7\\6&0&1\\3&2&0\end{vmatrix}}&=1\cdot {\begin{vmatrix}0&1\\2&0\end{vmatrix}}-5\cdot {\begin{vmatrix}6&1\\3&0\end{vmatrix}}+7\cdot {\begin{vmatrix}6&0\\3&2\end{vmatrix}}\\&=1\cdot \left(0\cdot 0-2\cdot 1\right)-5\cdot \left(6\cdot 0-1\cdot 3\right)+7\cdot \left(6\cdot 2-0\cdot 3\right)=97\end{aligned}}}$

Determinantin määrittäminen näin on varsin tehotonta, koska jo ${\displaystyle 25\times 25}$ matriisin determinantin laskeminen rekursiivisesti vie tietokoneelta 25! laskutoimitusta. Koska jokainen matriisi voidaan saattaa yläkolmiomuotoon tietyillä elementaarisilla rivioperaatioilla, saadaan determinantiksi silloin:

${\displaystyle \det \left(A\right)=c\cdot d_{11}\cdot d_{22}\cdot d_{33}\cdot \ldots \cdot d_{nn}}$

,jossa vakio c määräytyy tehtyjen rivioperaatioiden mukaan ja ${\displaystyle d_{ii}}$ ovat A:sta saadun yläkolmiomatriisin diagonaalialkio. Rivioperaatioiden vaikutus c:hen näkyy alla:

1. Kun vaihdetaan kahta riviä aikaisempi vakiokertoja: ${\displaystyle c=-1c_{0}}$.
2. Kun lisätään toinen rivi kerrottuna vakiolla: ${\displaystyle c=c_{0}}$.
3. Kun kerrotaan rivi vakiolla k: ${\displaystyle c=kc_{0}}$.

Kohta kolme on epäolennainen, koska matriisien rivejä ei tarvitse kertoa.

Alkion komplementti

määritellään alkion ${\displaystyle a_{ij}\,\!}$ komplementti eli kofaktori

${\displaystyle C_{ij}=(-1)^{i+j}\det A_{ij}\,\!}$.

Matriisin ${\displaystyle A=(a_{ij})\,\!}$ adjungoitu matriisi saadaan, kun alkiot korvataan niiden komplementilla ja saatu matriisi lopuksi transponoidaan. Merkitään

${\displaystyle \operatorname {adj} A={\begin{bmatrix}C_{11}&\cdots &C_{1n}\\\vdots &\ddots &\vdots \\C_{n1}&\cdots &C_{nn}\end{bmatrix}}^{\operatorname {T} }}$.

Determinantin käyttäminen

Neliömatriisia ${\displaystyle A}$ sanotaan kääntyväksi tai säännölliseksi, jos ${\displaystyle \det A\neq 0}$. Jos ${\displaystyle \det A=0}$, matriisi on singulaarinen.

Säännölliselle matriisille ${\displaystyle A}$ pätee

${\displaystyle A\left({\frac {1}{\det A}}\operatorname {adj} A\right)=I}$ ja ${\displaystyle \left({\frac {1}{\det A}}\operatorname {adj} A\right)A=I}$.

Tulosta käytetään määrittelemään matriisin käänteismatriisi.

Geometrisia tulkintoja

Kahdessa ja kolmessa ulottuvuudessa determinantti vastaa lineaarikuvauksen geometrisia ominaisuuksia. Determinantin itseisarvo vastaa joko pinta-alan tai tilavuuden muutosta lineaarikuvauksessa. Determinantin positiivinen etumerkki tarkoittaa, että kätisyys ei muutu kuvauksessa, kun taas kätisyyden peilaavien kuvauksien determinantti on negatiivinen. Jos determinantti on ${\displaystyle 0}$, lineaarikuvaus litistää pienempään ulottuvuuteen, suoralle tai tasolle.

Lisäksi determinantti vastaa matriisin määrittämän monikulmion pinta-alaa tai kappaleen tilavuutta. Fysiikassa matriisin determinantti merkitsee momenttia.

Lähteet

Kirjallisuutta

• Axler, Sheldon Jay (1997), Linear Algebra Done Right (2nd ed.), Springer-Verlag, ISBN 0-387-98259-0
• de Boor, Carl (1990), "An empty exercise" (PDF), ACM SIGNUM Newsletter, 25 (2): 3–7, doi:10.1145/122272.122273.
• Lay, David C. (22 elokuuta 2005), Linear Algebra and Its Applications (3rd ed.), Addison Wesley, ISBN 978-0-321-28713-7
• Meyer, Carl D. (15 helmikuuta 2001), Matrix Analysis and Applied Linear Algebra, Society for Industrial and Applied Mathematics (SIAM), ISBN 978-0-89871-454-8, archived from the original on 2009-10-31
• Muir, Thomas (1960) [1933], A treatise on the theory of determinants, Revised and enlarged by William H. Metzler, New York, NY: Dover
• Poole, David (2006), Linear Algebra: A Modern Introduction (2nd ed.), Brooks/Cole, ISBN 0-534-99845-3
• G. Baley Price (1947) "Some identities in the theory of determinants", American Mathematical Monthly 54:75–90 MR0019078
• Horn, R. A.; Johnson, C. R. (2013), Matrix Analysis (2nd ed.), Cambridge University Press, ISBN 978-0-521-54823-6
• Anton, Howard (2005), Elementary Linear Algebra (Applications Version) (9th ed.), Wiley International
• Leon, Steven J. (2006), Linear Algebra With Applications (7th ed.), Pearson Prentice Hall

Muita lineaarialgebraan liittyviä kirjoja

• Fearnley-Sander, Desmond, "Hermann Grassmann and the Creation of Linear Algebra", American Mathematical Monthly 86 (1979), pp. 809–817.
• Grassmann, Hermann (1844), Die lineale Ausdehnungslehre ein neuer Zweig der Mathematik: dargestellt und durch Anwendungen auf die übrigen Zweige der Mathematik, wie auch auf die Statik, Mechanik, die Lehre vom Magnetismus und die Krystallonomie erläutert, Leipzig: O. Wigand
• Anton, Howard (2005), Elementary Linear Algebra (Applications Version) (9th ed.), Wiley International
• Banerjee, Sudipto; Roy, Anindya (2014), Linear Algebra and Matrix Analysis for Statistics, Texts in Statistical Science (1st ed.), Chapman and Hall/CRC, ISBN 978-1420095388
• Bretscher, Otto (2004), Linear Algebra with Applications (3rd ed.), Prentice Hall, ISBN 978-0-13-145334-0
• Farin, Gerald; Hansford, Dianne (2004), Practical Linear Algebra: A Geometry Toolbox, AK Peters, ISBN 978-1-56881-234-2
• Hefferon, Jim (2008), Linear Algebra
• Kolman, Bernard; Hill, David R. (2007), Elementary Linear Algebra with Applications (9th ed.), Prentice Hall, ISBN 978-0-13-229654-0
• Lay, David C. (2005), Linear Algebra and Its Applications (3rd ed.), Addison Wesley, ISBN 978-0-321-28713-7
• Leon, Steven J. (2006), Linear Algebra With Applications (7th ed.), Pearson Prentice Hall, ISBN 978-0-13-185785-8
• Murty, Katta G. (2014) Computational and Algorithmic Linear Algebra and n-Dimensional Geometry, World Scientific Publishing, ISBN 978-981-4366-62-5. Chapter 1: Systems of Simultaneous Linear Equations
• Poole, David (2010), Linear Algebra: A Modern Introduction (3rd ed.), Cengage – Brooks/Cole, ISBN 978-0-538-73545-2
• Ricardo, Henry (2010), A Modern Introduction To Linear Algebra (1st ed.), CRC Press, ISBN 978-1-4398-0040-9
• Sadun, Lorenzo (2008), Applied Linear Algebra: the decoupling principle (2nd ed.), AMS, ISBN 978-0-8218-4441-0
• Strang, Gilbert (2016), Introduction to Linear Algebra (5th ed.), Wellesley-Cambridge Press, ISBN 978-09802327-7-6
• The Manga Guide to Linear Algebra (2012), by Shin Takahashi, Iroha Inoue and Trend-Pro Co., Ltd., ISBN 978-1-59327-413-9
• Axler, Sheldon (February 26, 2004), Linear Algebra Done Right (2nd ed.), Springer, ISBN 978-0-387-98258-8
• Bhatia, Rajendra (November 15, 1996), Matrix Analysis, Graduate Texts in Mathematics, Springer, ISBN 978-0-387-94846-1
• Demmel, James W. (August 1, 1997), Applied Numerical Linear Algebra, SIAM, ISBN 978-0-89871-389-3
• Dym, Harry (2007), Linear Algebra in Action, AMS, ISBN 978-0-8218-3813-6
• Gantmacher, Felix R. (2005), Applications of the Theory of Matrices, Dover Publications, ISBN 978-0-486-44554-0
• Gantmacher, Felix R. (1990), Matrix Theory Vol. 1 (2nd ed.), American Mathematical Society, ISBN 978-0-8218-1376-8
• Gantmacher, Felix R. (2000), Matrix Theory Vol. 2 (2nd ed.), American Mathematical Society, ISBN 978-0-8218-2664-5
• Gelfand, Israel M. (1989), Lectures on Linear Algebra, Dover Publications, ISBN 978-0-486-66082-0
• Glazman, I. M.; Ljubic, Ju. I. (2006), Finite-Dimensional Linear Analysis, Dover Publications, ISBN 978-0-486-45332-3
• Golan, Johnathan S. (January 2007), The Linear Algebra a Beginning Graduate Student Ought to Know (2nd ed.), Springer, ISBN 978-1-4020-5494-5
• Golan, Johnathan S. (August 1995), Foundations of Linear Algebra, Kluwer, ISBN 0-7923-3614-3
• Golub, Gene H.; Van Loan, Charles F. (October 15, 1996), Matrix Computations, Johns Hopkins Studies in Mathematical Sciences (3rd ed.), The Johns Hopkins University Press, ISBN 978-0-8018-5414-9
• Greub, Werner H. (October 16, 1981), Linear Algebra, Graduate Texts in Mathematics (4th ed.), Springer, ISBN 978-0-8018-5414-9
• Hoffman, Kenneth; Kunze, Ray (1971), Linear algebra (2nd ed.), Englewood Cliffs, N.J.: Prentice-Hall, Inc., MR 0276251
• Halmos, Paul R. (August 20, 1993), Finite-Dimensional Vector Spaces, Undergraduate Texts in Mathematics, Springer, ISBN 978-0-387-90093-3
• Friedberg, Stephen H.; Insel, Arnold J.; Spence, Lawrence E. (September 7, 2018), Linear Algebra (5th ed.), Pearson, ISBN 978-0-13-486024-4
• Horn, Roger A.; Johnson, Charles R. (February 23, 1990), Matrix Analysis, Cambridge University Press, ISBN 978-0-521-38632-6
• Horn, Roger A.; Johnson, Charles R. (June 24, 1994), Topics in Matrix Analysis, Cambridge University Press, ISBN 978-0-521-46713-1
• Lang, Serge (March 9, 2004), Linear Algebra, Undergraduate Texts in Mathematics (3rd ed.), Springer, ISBN 978-0-387-96412-6
• Marcus, Marvin; Minc, Henryk (2010), A Survey of Matrix Theory and Matrix Inequalities, Dover Publications, ISBN 978-0-486-67102-4
• Meyer, Carl D. (February 15, 2001), Matrix Analysis and Applied Linear Algebra, Society for Industrial and Applied Mathematics (SIAM), ISBN 978-0-89871-454-8, archived from the original on October 31, 2009
• Mirsky, L. (1990), An Introduction to Linear Algebra, Dover Publications, ISBN 978-0-486-66434-7
• Roman, Steven (March 22, 2005), Advanced Linear Algebra, Graduate Texts in Mathematics (2nd ed.), Springer, ISBN 978-0-387-24766-3
• Shafarevich, I. R.; Remizov, A. O (2012), Linear Algebra and Geometry, Springer, ISBN 978-3-642-30993-9
• Shilov, Georgi E. (June 1, 1977), Linear algebra, Dover Publications, ISBN 978-0-486-63518-7
• Shores, Thomas S. (December 6, 2006), Applied Linear Algebra and Matrix Analysis, Undergraduate Texts in Mathematics, Springer, ISBN 978-0-387-33194-2
• Smith, Larry (May 28, 1998), Linear Algebra, Undergraduate Texts in Mathematics, Springer, ISBN 978-0-387-98455-1
• Trefethen, Lloyd N.; Bau, David (1997), Numerical Linear Algebra, SIAM, ISBN 978-0-898-71361-9
• Leduc, Steven A. (May 1, 1996), Linear Algebra (Cliffs Quick Review), Cliffs Notes, ISBN 978-0-8220-5331-6
• Lipschutz, Seymour; Lipson, Marc (December 6, 2000), Schaum's Outline of Linear Algebra (3rd ed.), McGraw-Hill, ISBN 978-0-07-136200-9
• Lipschutz, Seymour (January 1, 1989), 3,000 Solved Problems in Linear Algebra, McGraw–Hill, ISBN 978-0-07-038023-3
• McMahon, David (October 28, 2005), Linear Algebra Demystified, McGraw–Hill Professional, ISBN 978-0-07-146579-3
• Zhang, Fuzhen (April 7, 2009), Linear Algebra: Challenging Problems for Students, The Johns Hopkins University Press, ISBN 978-0-8018-9125-0