0103n阶行列式-行列式-线性代数

文章目录

    • 一 n阶行列式
    • 二 三阶行列式
    • 三 特殊行列式
    • 结语

一 n阶行列式

∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋯ ⋯ ⋯ ⋯ a n 1 a n 2 ⋯ a n n ∣ \begin{vmatrix}a_{11}&a_{12}&\cdots&a_{1n}\\a_{21}&a_{22}&\cdots&a_{2n}\\\cdots&\cdots&\cdots&\cdots\\a_{n1}&a_{n2}&\cdots&a_{nn}\\\end{vmatrix} a11a21an1a12a22an2a1na2nann n 2 n^2 n2个数,取不同行不同列数乘积的和或差,成为n阶行列式,记作 D n D_n Dn

D n = ∑ ( − 1 ) τ ( p 1 p 2 ⋯ p n ) a a 1 p 1 a a 2 p 3 ⋯ a a n p n ( n ! 项的和或差 ) D_n=\sum(-1)^{\tau(p_1p_2\cdots p_n)}a_{a_1p_1}a_{a_2p_3}\cdots a_{a_np_n}(n!项的和或差) Dn=(1)τ(p1p2pn)aa1p1aa2p3aanpn(n!项的和或差)

p 1 p 2 ⋯ p n 为 12 ⋅ n p_1p_2\cdots p_n为1 2 \cdot n p1p2pn12n的全排列

D n = ∑ ( − 1 ) τ ( q 1 q 2 ⋯ q n ) a q 1 1 a q 2 2 ⋯ a q n n ( n ! 项的和或差 ) D_n=\sum(-1)^{\tau(q_1q_2\cdots q_n)}a_{q_11}a_{q_22}\cdots a_{q_nn}(n!项的和或差) Dn=(1)τ(q1q2qn)aq11aq22aqnn(n!项的和或差)

q 1 q 2 ⋯ q n 为 12 ⋅ n q_1q_2\cdots q_n为1 2 \cdot n q1q2qn12n的全排列

二 三阶行列式

三阶行列式 ∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ \begin{vmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\\\end{vmatrix} a11a21a31a12a22a32a13a23a33
∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ = a 11 a 22 a 33 − a 11 a 23 a 32 + a 12 a 23 a 31 − a 12 a 21 a 33 + a 13 a 21 a 32 − a 12 a 22 a 31 \begin{vmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\\\end{vmatrix}=\\ a_{11}a_{22}a_{33}-a_{11}a_{23}a_{32}+a_{12}a_{23}a_{31}-a_{12}a_{21}a_{33}+a_{13}a_{21}a_{32}-a_{12}a_{22}a_{31} a11a21a31a12a22a32a13a23a33 =a11a22a33a11a23a32+a12a23a31a12a21a33+a13a21a32a12a22a31

三阶行列式对角线法则:三条实线看做是平行于主对角线的连线,三条虚线看做是平行于副对角线的连线,实线上三元素的乘积为正好,虚线上三元素的乘积为负号。

在这里插入图片描述

例 计算 D = ∣ 1 2 − 4 − 2 2 1 − 3 4 − 2 ∣ D=\begin{vmatrix}1&2&-4\\-2&2&1\\-3&4&-2\\\end{vmatrix} D= 123224412
∣ 1 2 − 4 − 2 2 1 − 3 4 − 2 ∣ = − 4 − 4 − 6 − 8 + 32 − 24 = − 14 \begin{vmatrix}1&2&-4\\-2&2&1\\-3&4&-2\\\end{vmatrix}=\\ -4-4-6-8+32-24\\ =-14 123224412 =4468+3224=14
例 解方程 ∣ 1 1 1 2 3 x 4 9 x 2 ∣ = 0 \begin{vmatrix}1&1&1\\2&3&x\\4&9&x^2\\\end{vmatrix}=0 1241391xx2 =0
D = 3 x 2 − 9 x + 4 x − 2 x 2 + 18 − 12 = x 2 − 5 x + 6 = 0 x = 2 或者 x = 3 D=3x^2-9x+4x-2x^2+18-12=\\ x^2-5x+6=0\\ x=2或者x=3 D=3x29x+4x2x2+1812=x25x+6=0x=2或者x=3

  1. 四阶行列式总共 4 ! = 24 项 4!=24项 4!=24;五阶行列式总共120项……因此对角线法则只适用于二、三阶行列式的计算。
  2. 一节行列式 ∣ − 2 ∣ = − 2 \begin{vmatrix}-2\end{vmatrix}=-2 2 =2

三 特殊行列式

∣ a 11 a 12 a 13 a 14 0 a 22 a 23 a 24 0 0 a 33 a 34 0 0 0 a 44 ∣ \begin{vmatrix}a_{11}&a_{12}&a_{13}&a_{14}\\0&a_{22}&a_{23}&a_{24}\\0&0&a_{33}&a_{34}\\0&0&0&a_{44}\end{vmatrix} a11000a12a2200a13a23a330a14a24a34a44
D = a 11 a 22 a 33 a 44 D=a_{11}a_{22}a_{33}a_{44} D=a11a22a33a44
推广: ∣ a 11 a 12 ⋯ a 1 n 0 a 22 ⋯ a 2 n ⋯ ⋯ ⋯ ⋯ 0 0 0 a n n ∣ = a 11 a 22 ⋯ a n n \begin{vmatrix}a_{11}&a_{12}&\cdots&a_{1n}\\0&a_{22}&\cdots&a_{2n}\\\cdots&\cdots&\cdots&\cdots\\0&0&0&a_{nn}\end{vmatrix}=a_{11}a_{22}\cdots a_{nn} a1100a12a2200a1na2nann =a11a22ann,称为上山角行列式。

推广: ∣ a 11 0 ⋯ 0 a 21 a 22 ⋯ 0 ⋯ ⋯ ⋯ ⋯ a n 1 a n 2 ⋯ a n n ∣ = a 11 a 22 ⋯ a n n \begin{vmatrix}a_{11}&0&\cdots&0\\a_{21}&a_{22}&\cdots&0\\\cdots&\cdots&\cdots&\cdots\\a_{n1}&a_{n2}&\cdots&a_{nn}\end{vmatrix}=a_{11}a_{22}\cdots a_{nn} a11a21an10a22an200ann =a11a22ann,称为下山角行列式。

特别地: ∣ a 11 a 22 ⋯ a n n ∣ = a 11 a 22 ⋯ a n n \begin{vmatrix}a_{11}\\&a_{22}\\&&\cdots\\&&&a_{nn}\end{vmatrix}=a_{11}a_{22}\cdots a_{nn} a11a22ann =a11a22ann称为对角行列式。

例: f ( x ) = ∣ x 1 1 2 1 x 1 − 1 3 2 x 1 1 1 2 x 1 ∣ 中 x 3 f(x)=\begin{vmatrix}x&1&1&2\\1&x&1&-1\\3&2&x&1\\1&1&2x&1\end{vmatrix}中x^3 f(x)= x1311x2111x2x2111 x3的系数
通过观察有 x 3 的项只有两项 x ⋅ x ⋅ x ⋅ 1 − x ⋅ x ⋅ 1 ⋅ 2 x = − x 3 所以 x 3 的系数为 − 1 通过观察有x^3的项只有两项\\ x\cdot x\cdot x\cdot1-x\cdot x\cdot1\cdot 2x=-x^3\\ 所以x^3的系数为-1 通过观察有x3的项只有两项xxx1xx12x=x3所以x3的系数为1

推广: ∣ 0 0 ⋯ a 1 n 0 ⋯ a 2 n − 1 a 2 n ⋯ ⋯ ⋯ ⋯ a n 1 a n 2 ⋯ a n n ∣ = ( − 1 ) n ( n − 1 ) 2 a 1 n a 2 n − 1 ⋯ a n 1 \begin{vmatrix}0&0&\cdots&a_{1n}\\0&\cdots&a_{2n-1}&a_{2n}\\\cdots&\cdots&\cdots&\cdots\\a_{n1}&a_{n2}&\cdots&a_{nn}\end{vmatrix}=(-1)^{\frac{n(n-1)}{2}}a_{1n}a_{2n-1}\cdots a_{n1} 00an10an2a2n1a1na2nann =(1)2n(n1)a1na2n1an1称为反下山角行列式。

推广: ∣ a 11 a 12 ⋯ a 1 n a 21 ⋯ a 2 n − 1 a 0 ⋯ ⋯ ⋯ ⋯ a n 1 0 ⋯ 0 ∣ = ( − 1 ) n ( n − 1 ) 2 a 1 n a 2 n − 1 ⋯ a n 1 \begin{vmatrix}a_{11}&a_{12}&\cdots&a_{1n}\\a_{21}&\cdots&a_{2n-1}&a_{0}\\\cdots&\cdots&\cdots&\cdots\\a_{n1}&0&\cdots&0\end{vmatrix}=(-1)^{\frac{n(n-1)}{2}}a_{1n}a_{2n-1}\cdots a_{n1} a11a21an1a120a2n1a1na00 =(1)2n(n1)a1na2n1an1称为反上三角行列式。

推广: ∣ a 1 n a 2 n − 1 ⋯ a n 1 ∣ = ( − 1 ) n ( n − 1 ) 2 a 1 n a 2 n − 1 ⋯ a n 1 \begin{vmatrix}&&&a_{1n}\\&&a_{2n-1}\\&&\cdots\\a_{n1}&&&\end{vmatrix}=(-1)^{\frac{n(n-1)}{2}}a_{1n}a_{2n-1}\cdots a_{n1} an1a2n1a1n =(1)2n(n1)a1na2n1an1称为反对角行列式。

结语

❓QQ:806797785

⭐️文档笔记地址:https://gitee.com/gaogzhen/math

参考:

[1]同济大学数学系.工程数学.线性代数 第6版 [M].北京:高等教育出版社,2014.6.p4-5.

[2]同济六版《线性代数》全程教学视频[CP/OL].2020-02-07.p3.

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.mzph.cn/news/735053.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

知名比特币质押协议项目Babylon确认参加Hack.Summit()2024区块链开发者大会

Babylon项目已确认将派遣其项目代表出席2024年在香港数码港举办的Hack.Summit()2024区块链开发者大会。作为比特币生态的领军项目,Babylon积极参与全球区块链领域的交流与合作,此次出席大会将为其提供一个展示项目进展、交流技术与创新思路的重要平台。B…

深入了解二叉搜索树:原理、实现与应用

目录 一、介绍二叉搜索树 二、二叉搜索树的基本性质 三、二叉搜索树的实现 四、总结 在计算机科学中,数据结构是构建算法和程序的基础。其中,二叉搜索树(Binary Search Tree,简称 BST)作为一种常见的数据结构&#…

Java开发从入门到精通(一):Java的进阶语法知识

Java大数据开发和安全开发 Java的方法1.1 方法是什么1.1.1 方法的定义1.1.2 方法如何执行?1.1.3 方法定义时注意点1.1.4 使用方法的好处是? 1.2 方法的多种形式1.2.1 无参数 无返回值1.2.2 有参数 无返回值 1.3 方法使用时的常见问题1.4 方法的设计案例1.4.1 计算1-n的和1.4.…

uniapp隐藏状态栏并强制横屏

uniapp隐藏状态栏并强制横屏 1.manifest.json中: "screenOrientation": ["landscape-primary", //可选,字符串类型,支持横屏"landscape-secondary" //可选,字符串类型,支持反向横屏]…

表单进阶(5)-文本域

默认文本框可以用自由拖动控制大小 通过设置在css中设置控制: resize:重新设置文本框大小 horizontal(水平),vertical(垂直),none(不能控制大小),默认both&…

部署LVS+Keepalived高可用群集(抢占模式,非抢占模式,延迟模式)

目录 一、LVSKeepalived高可用群集 1、实验环境 2、 主和备keepalived的配置 2.1 yum安装ipvsadm和keepalived工具 2.2 添加ip_vs模块并开启ipvsadm 2.3 修改keepalived的配置文件 2.4 调整proc响应参数,关闭linux内核的重定向参数响应 2.5 将主服务器的kee…

23 经典卷积神经网络 LeNet【李沐动手学深度学习v2课程笔记】 (备注:提到如何把代码从CPU改到在GPU上使用)

目录 1. LeNet 2. 实现代码 3. 模型训练 4. 小结 本节将介绍LeNet,它是最早发布的卷积神经网络之一,因其在计算机视觉任务中的高效性能而受到广泛关注。 这个模型是由AT&T贝尔实验室的研究员Yann LeCun在1989年提出的(并以其命名&…

VMware下载与安装

准备一个Linux的系统,成本最低的方式就是在本地安装一台虚拟机,VMware是业界最好用的虚拟机软件之一 官网:https://www.vmware.com/ 下载页面:https://www.vmware.com/products/workstation-pro/workstation-pro-evaluation.html …

小文件问题及GlusterFS的瓶颈

01海量小文件存储的挑战 为了解决海量小文件的存储问题,必须采用分布式存储,目前分布式存储主要采用两种架构:集中式元数据管理架构和去中心化架构。 (1)集中式元数据架构: 典型的集中式元数据架构的分布式存储有GFS&#xff0…

【深度学习笔记】7_1 优化与深度学习

注:本文为《动手学深度学习》开源内容,部分标注了个人理解,仅为个人学习记录,无抄袭搬运意图 7.1 优化与深度学习 本节将讨论优化与深度学习的关系,以及优化在深度学习中的挑战。在一个深度学习问题中,我们…

SQL 注入攻击 - delete注入

环境准备:构建完善的安全渗透测试环境:推荐工具、资源和下载链接_渗透测试靶机下载-CSDN博客 一、注入原理: 对于后台来说,delete操作通常是将对应的id传递到后台,然后后台会删除该id对应的数据。 如果后台没有对接收到的 id 参数进行充分的验证和过滤,恶意用户可能会…

数据治理实践——YY 直播业务指标治理实践

目录 一、问题背景 1.1 问题场景 1.2 问题小结 二、治理方案 2.1 治理目标 2.2 团队协同,共建规范 2.3 指标管理的定位 2.4 指标管理的目标及思路 2.5 指标管理,规范内容落地 2.6 数仓设计-关联指标维度 2.7 数据报表开发-配置口径说明 2.8 …

StableDiffusion3 官方blog论文研究

博客源地址:Stable Diffusion 3: Research Paper — Stability AI 论文源地址:https://arxiv.org/pdf/2403.03206.pdf Stability.AI 官方发布了Stable diffusion 3.0的论文研究,不过目前大家都沉浸在SORA带来的震撼中,所以这个水…

chrome插件chrome.storage数据写入失败QUOTA_BYTES_PER_ITEM quota exceeded

Unchecked runtime.lastError while running storage.set: QUOTA_BYTES_PER_ITEM quota exceeded at Object.callback 在开发浏览器插件的时候,报错提示:超出存储限制,浏览器插件存储官方文档:https://developer.chrome.com/docs…

Golang-channel合集——源码阅读、工作流程、实现原理、已关闭channel收发操作、优雅的关闭等面试常见问题。

前言 面试被问到好几次“channel是如何实现的”,我只会说“啊,就一块内存空间传递数据呗”…所以这篇文章来深入学习一下Channel相关。从源码开始学习其组成、工作流程及一些常见考点。 NO!共享内存 Golang的并发哲学是“要通过共享内存的…

【AI辅助研发】-开端:未来的编程范式

编程的四种范式 面向机器编程范式 面向机器编程范式是最原始的编程方式,它直接针对计算机硬件进行操作。程序员需要了解计算机的内部结构、指令集和内存管理等细节。在这种范式下,编程的主要目标是编写能够直接控制计算机硬件运行的机器代码。面向机器…

redis使用笔记

redis使用笔记 1、Redis简介1.1 含义1.2 功能1.3 特点 2. 常用的数据结构2.1 HASH 3 redis接口定义3.1 redisReply3.2 redisContext3.3 redisCommand 4 实践操作4.1 遇到问题4.1.1 Get哈希的时候返回error4.1.2 长度一直为0,str没法打印(未解决&#xff…

java正则表达式概述及案例

前言: 学习了正则表达式,记录下使用心得。打好基础,daydayup! 正则表达式 什么是正则表达式 正则表达式由一些特定的字符组成,代表一个规则。 正则表达式的功能 1:用来校验数据格式是否合规 2:在一段文本…

2024,互联网打工人最终没能逃得过 AI

时间很快就来到了三月份,回首看过去的一年,如果要选择最令人着迷的新技术,那非 ChatGPT 莫属。 从美国的硅谷、华尔街到中国的后厂村、中关村,几乎所有的科技大厂们都在讨论“AIGC”。 既 ChatGPT 之后,几乎每天都有…

【深度学习笔记】7_2 梯度下降和随机梯度下降

注:本文为《动手学深度学习》开源内容,部分标注了个人理解,仅为个人学习记录,无抄袭搬运意图 7.2 梯度下降和随机梯度下降 在本节中,我们将介绍梯度下降(gradient descent)的工作原理。虽然梯度…