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 ,a_{11} a_{12} a_{13}或者a_{11}a_{23}a_{32},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  det(A)^T=det(A)

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  M_{ij}  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:   C_{ij} ={-1}^{i+j} ⋅M_{ij}

例如:对于一个 3×3的矩阵

元素 a11的代数余子式 C11 = {-1}^{(1+1)} * M_{11}=M_{11}

        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) = a_{11}C_{11}+a_{12}C_{12}+a_{13}C_{13}

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);

        

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/890487.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Node.js入门——fs、path模块、URL端口号、模块化导入导出、包、npm软件包管理器

Node.js入门 1.介绍 定义:跨平台的JS运行环境,使开发者可以搭建服务器端的JS应用程序作用:使用Node.Js编写服务器端代码Node.js是基于Chrome V8引擎进行封装,Node中没有BOM和DOM 2.fs模块-读写文件 定义:封装了与…

Python异常处理详解:try, except, else, finally的使用方法与示例

💝💝💝欢迎莅临我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:「storm…

【Iceberg分析】Spark集成Iceberg采集输出

Spark集成Iceberg采集输出 文章目录 Spark集成Iceberg采集输出Iceberg提供了两类指标和提供了两类指标输出器ScanReportCommitReport LoggingMetricsReporterRESTMetricsReporter验证示例相关环境配置结果说明 Iceberg提供了两类指标和提供了两类指标输出器 ScanReport 包含在…

论文笔记:Prompt-Based Meta-Learning For Few-shot Text Classification

论文来源:EMNLP 2022 论文地址:2022.emnlp-main.87.pdf (aclanthology.org) 代码地址:GitHub - MGHZHANG/PBML GB/T 7714 Zhang H, Zhang X, Huang H, et al. Prompt-Based Meta-Learning For Few-shot Text Classification[C]//Proceedi…

一维数组的引用

#define SIZE 5 int main(void) { int i 0; int arr[SIZE] { 86,85,85,896,45 };//同理五个数据只是偶然&#xff0c;可能会更多 //输入 for (i 0;i < SIZE;i) { printf("请输入你的第%d个值&#xff1a;",i1); scanf_s(&…

设计模式之适配器模式(通俗易懂--代码辅助理解【Java版】)

文章目录 设计模式概述1、适配器模式2、适配器模式的使用场景3、优点4、缺点5、主要角色6、代码示例1&#xff09;UML图2&#xff09;源代码&#xff08;1&#xff09;定义一部手机&#xff0c;它有个typec口。&#xff08;2&#xff09;定义一个vga接口。&#xff08;3&#x…

拆解学习【无线充,EMMC,锂电池电量计,OTA】(二)

主要学习到了&#xff1a;无线充&#xff0c;EMMC&#xff0c;手表CPU方案&#xff0c;锂电池电量计&#xff0c;OTA。 无线充电功能是产品的核心卖点之一&#xff0c;充电头网通过拆解发现&#xff0c;手表内部使用恒玄BES2500BP智能手表单芯片解决方案&#xff0c;内置四核C…

图书馆自习室座位预约管理微信小程序+ssm(lw+演示+源码+运行)

摘 要 随着电子商务快速发展世界各地区,各个高校对图书馆也起来越重视.图书馆代表着一间学校或者地区的文化标志&#xff0c;因为图书馆丰富的图书资源能够带给我们重要的信息资源&#xff0c;图书馆管理系统是学校管理机制重要的一环&#xff0c;,面对这一世界性的新动向和新…

linux线程 | 线程的控制(二)

前言&#xff1a; 本节内容是线程的控制部分的第二个小节。 主要是列出我们的线程控制部分的几个细节性问题以及我们的线程分离。这些都是需要大量的代码去进行实验的。所以&#xff0c; 准备好接受新知识的友友们请耐心观看。 现在开始我们的学习吧。 ps:本节内容适合了解线程…

如何用AI两小时上线自己的小程序

ChatGPT这个轰动全球的产品自问世以来&#xff0c;已经过了将近2年的时间&#xff0c;各行各业的精英们如火如荼的将AI能力应用到自己生产的产品中来。 为分担人类的部分工作&#xff0c;AI还具有非常大的想象空间&#xff0c;例如对于一个程序员来说&#xff0c;使用AI生成快…

Redis——持久化

文章目录 Redis持久化Redis的两种持久化的策略定期备份&#xff1a;RDB触发机制rdb的触发时机&#xff1a;手动执行save&bgsave保存测试不手动执行bgsave测试bgsave操作流程测试通过配置&#xff0c;自动生成rdb快照RDB的优缺点 实时备份&#xff1a;AOFAOF是否会影响到red…

Redis:分布式 - 主从复制

Redis&#xff1a;分布式 - 主从复制 概念配置主从模式info replicationslave-read-onlytcp-nodelay 命令slaveof 主从结构一主一从一主多从 主从复制流程数据同步命令全量同步部分同步实时同步 节点晋升 概念 Redis的最佳应用&#xff0c;还是要在分布式系统中。对于非分布式…

前端优化,解决页面加载慢

问题&#xff1a;vue项目使用vite打包后&#xff0c;部署在nginx服务器上&#xff0c;页面上访问时很慢&#xff0c;发现有个js文件很大导致加载很慢 先说结论&#xff1a; 方式时间未优化前21s开启压缩&#xff08;6级&#xff09;6s去掉大依赖&#xff08;flowable&#xf…

YoloV8改进策略:BackBone改进|CAFormer在YoloV8中的创新应用,显著提升目标检测性能

摘要 在目标检测领域,模型性能的提升一直是研究者和开发者们关注的重点。近期,我们尝试将CAFormer模块引入YoloV8模型中,以替换其原有的主干网络,这一创新性的改进带来了显著的性能提升。 CAFormer,作为MetaFormer框架下的一个变体,结合了深度可分离卷积和普通自注意力…

解决海外社媒风控问题的工具——云手机

随着中国企业逐步进入海外市场&#xff0c;海外社交媒体的风控问题严重影响了企业的推广效果与账号运营。这种背景下&#xff0c;云手机作为一种新型技术解决方案&#xff0c;正日益成为企业应对海外社媒风控的重要工具。 由于海外社媒的严格监控&#xff0c;企业经常面临账号流…

【计算机网络 - 基础问题】每日 3 题(三十八)

✍个人博客&#xff1a;https://blog.csdn.net/Newin2020?typeblog &#x1f4e3;专栏地址&#xff1a;http://t.csdnimg.cn/fYaBd &#x1f4da;专栏简介&#xff1a;在这个专栏中&#xff0c;我将会分享 C 面试中常见的面试题给大家~ ❤️如果有收获的话&#xff0c;欢迎点赞…

MongoDB初学者入门教学:与MySQL的对比理解

&#x1f3dd;️ 博主介绍 大家好&#xff0c;我是一个搬砖的农民工&#xff0c;很高兴认识大家 &#x1f60a; ~ &#x1f468;‍&#x1f393; 个人介绍&#xff1a;本人是一名后端Java开发工程师&#xff0c;坐标北京 ~ &#x1f389; 感谢关注 &#x1f4d6; 一起学习 &…

利用弹性盒子完成移动端布局(第二次实验作业)

需要实现的效果如下&#xff1a; 下面是首先是这个项目的框架&#xff1a; 然后是html页面的代码&#xff1a; <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8"><meta name"viewport" content"wid…

基于SpringBoot+Vue+uniapp的高校教务管理小程序系统设计和实现

2. 详细视频演示 文章底部名片&#xff0c;联系我获取更详细的演示视频 3. 论文参考 4. 项目运行截图 代码运行&#xff0c;效果展示图 代码运行&#xff0c;效果展示图 代码运行&#xff0c;效果展示图 代码运行&#xff0c;效果展示图 代码运行&#xff0c;效果展示图 5. 技…

深入Semantic Kernel:插件开发与实践应用(进阶篇)

文章目录 一、引言二、开发Semantic Kernel插件三、实战3.1 时间信息插件3.2 小部件工厂插件3.3 初始化Semantic Kernel实例3.4 四个实战示例3.4.1 模型幻觉3.4.2 给模型提供时间信息3.4.3 AI自动调用函数3.4.4 AI自动调用和使用枚举 四、结论 一、引言 在上一篇入门文章《探索…