线性代数 行列式

一、行列式

1、定义

一个数学概念,主要用于 线性代数中,它是一个可以从方阵(即行数和列数相等的矩阵)形成的一个标量(即一个单一的数值)

2、二阶行列式

像这样将一个式子收缩称为一个 2*2 的表达形式

二阶行列式计算:对角线法,左上到右下(主对角线)减去右上到左下(副对角线)

3、三阶行列式

对角线法则计算:

4、n阶行列式

4.1、排列

从一组元素中选出若干个元素,并按照一定的顺序排列起来。对于一个包含 n 个元素的集合,其所有元素的全排列数目是 n!(即 n 的阶乘)

4.2、逆序

如果一个较大 的数排在一个较小的数前面,则称这两个数构成一个逆序;逆序的总数称为逆序数;逆序数可以帮助我们理解排列的"混乱"程度。

例如,在排列 (3,1,4,2) 中,逆序有: 3 和 1 构成一个逆序、3 和 2 构成一个逆序、4 和 2 构成一个逆序;这个排列的逆序数是 3;逆序的表示符号为N或者为τ(读作涛)

4.3、奇排列和偶排列

如果一个排列的逆序数是奇数,则称该排列为奇排列;如果是偶数,则称该排列为偶排列。

例如:N(1432) = 3,则 (1432) 为奇排列;N(4321)=6,则 (4321) 为偶排列。

4.4、对换

排列中的任意两个元素进行交换(称为对换),会改变排列的奇偶性。例如:N(651243) = 10,为偶排列,将5和1兑换,则 N(615243) = 9,为奇排列。

4.5、行列式展开

按行展开

3阶行列式按行展开后为6项,每项为3个不同行不同列的3个元素相乘,aij元素的行标i都是123的自然排列,aij元素列标j则为:123、231、312、321、213、132,总数为3!=6(保证 按照行顺序进行,则逆序数就可用列顺序排列即可

分别计算列标排列的逆序数:

N(123) = 0 偶数

N(231) = 1 + 1 = 2 偶数

N(312) = 2 偶数

N(321) = 2 + 1 = 3 奇数

N(213) = 1 奇数

N(132) = 1 奇数

通过观察公式可以看出,逆序数为偶数的排列的运算符号为+,为奇数的排列的运算符号为-

总结:

1.行标取自然排列(一般以第一行为准,按照从左到右依次排队)

2.不同行不同列的3个元素相乘 (第一行取了第一列的数据,那么第二行的数据只能从第二列或第三列获取)

3.列标取排列的所有可能 (第一行取了第一列的数据,那么就产生两种数据 ,或者,同理类推,在第一个确定的情况,后面只会有两种排列

4.列标排列的逆序数的奇偶性决定运算符号,逆序数为偶数的运算符号为+,奇数的运算符号为-

那么得到n阶行列式的表达式为

也就是挨个列举第一行的值乘上排列得到值的累加之和;使用逆序数来判断符号

例如:

按列展开

同按行展开,列标按顺序获取,列举所有可能行标,判断行标的逆序数,将所有可能值相机得到最终结果

4.6、特殊n阶行列式

行列式某一行(列)全为0,则行列式为0;

三角形行列式等于对角线元素的乘积(逆序数判断正负号 ,主对角线为正、副对角线为负);

二、行列式性质

1、行列式的转置等于行列式本身 =

2、交换行列式的两行(任意行列)会导致行列式的值变为其原来的相反数;

3、行列式两行(列)相等,则行列式为0;

4、用k乘以行列式某一行的所有元素 ,等于用k乘以行列式

5、如果一个行列式的两行(或两列)对应成比例 ,那么这个行列式的值必定为零。(与3类似)

6、如果一个行列式的某一行(或某一列)是两个数之和,那么这个行列式可以表示为两个行列式的和 det⁡(A)=det⁡(B)+det⁡(C)

7、将行列式的某一行(列)乘以一个数加到另一行(列)上,行列式的值保持不变。(切记,归根结底是行列式的行相加或者列相加,不是行乘外来数值赋值到本行列式)

三、行列式扩展

1、代数余子式

余子式 给定一个 n×n的矩阵 A,其第 i 行第j 列的元素 aij的余子式 Mij是指去掉第i行和第j列后得到的 (n−1)×(n−1) 子矩阵的行列式;余子式的一个重要应用是计算行列式的值 ,行列式 det⁡(A)等于任意一行或一列 的元素与其对应的余子式的乘积(代数余子式)的累计之和。

代数余子式 给定一个 n×n 的矩阵 A,其第i行第j列的元素 aij 的代数余子式 Cij定义为: =

例如:对于一个 3×3的矩阵

元素 a11的代数余子式 C11 = * =

拉普拉斯展开定理 行列式等于它的某一行元素与其代数余子式的乘积之和 (det⁡(A) = ++

2、克莱姆法则

假设有一个由 n 个线性方程组成的n 元线性方程组如下,可以将方程组写成 AX=B(不存在部分系数等于0);

相关推荐
HPC_fac130520678161 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
小陈phd3 小时前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉
Guofu_Liao5 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama
ZHOU_WUYI8 小时前
3.langchain中的prompt模板 (few shot examples in chat models)
人工智能·langchain·prompt
如若1238 小时前
主要用于图像的颜色提取、替换以及区域修改
人工智能·opencv·计算机视觉
老艾的AI世界9 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲
DK221519 小时前
机器学习系列----关联分析
人工智能·机器学习
Robot2519 小时前
Figure 02迎重大升级!!人形机器人独角兽[Figure AI]商业化加速
人工智能·机器人·微信公众平台
FreedomLeo19 小时前
Python数据分析NumPy和pandas(四十、Python 中的建模库statsmodels 和 scikit-learn)
python·机器学习·数据分析·scikit-learn·statsmodels·numpy和pandas
浊酒南街10 小时前
Statsmodels之OLS回归
人工智能·数据挖掘·回归