线性代数笔记18--行列式公式、代数余子式

1. 行列式公式推导

二阶行列式推导
[ a b c d ] = [ a 0 c d ] + [ 0 b c d ] = [ a 0 0 d ] + [ a 0 c 0 ] + [ 0 b c 0 ] + [ 0 b 0 d ] = [ a 0 0 d ] − [ b 0 0 c ] = a d − b c \begin{align} \begin{bmatrix} a & b \\ c & d \end{bmatrix}&= \begin{bmatrix} a & 0 \\ c & d \end{bmatrix}+ \begin{bmatrix} 0 & b \\ c & d \end{bmatrix}\nonumber \\ &= \begin{bmatrix} a & 0 \\ 0 & d \end{bmatrix}+ \begin{bmatrix} a & 0 \\ c & 0 \end{bmatrix}+ \begin{bmatrix} 0 & b \\ c & 0 \end{bmatrix}+ \begin{bmatrix} 0 & b \\ 0 & d \end{bmatrix} \nonumber\\ &=\begin{bmatrix} a & 0 \\ 0 & d \end{bmatrix}- \begin{bmatrix} b & 0 \\ 0 & c \end{bmatrix} \nonumber\\ &= ad -bc\nonumber \end{align} [acbd]=[ac0d]+[0cbd]=[a00d]+[ac00]+[0cb0]+[00bd]=[a00d][b00c]=adbc

三阶行列式推导

[ a b c d e f g h i ] = [ a 0 0 d e f g h i ] + [ 0 b 0 d e f g h i ] + [ 0 0 c d e f g h i ] = [ a 0 0 0 e 0 g h i ] + [ a 0 0 0 0 f g h i ] + [ 0 b 0 d 0 0 g h i ] + [ 0 b 0 0 0 f g h i ] + [ 0 0 c d 0 0 g h i ] + [ 0 0 c 0 e 0 g h i ] = [ a 0 0 0 e 0 0 0 i ] + [ a 0 0 0 0 f 0 h 0 ] + [ 0 b 0 d 0 0 0 0 i ] + [ 0 b 0 0 0 f g 0 0 ] + [ 0 0 c d 0 0 0 h 0 ] + [ 0 0 c 0 e 0 g 0 0 ] = a e i + b f g + c d h − a h f − b d i − c e g \begin{bmatrix} a & b & c\\ d & e & f\\ g & h & i\\ \end{bmatrix} =\begin{bmatrix} a & 0 & 0\\ d & e & f\\ g & h & i\\ \end{bmatrix}+ \begin{bmatrix} 0 & b & 0\\ d & e & f\\ g & h & i\\ \end{bmatrix} +\begin{bmatrix} 0 & 0 & c\\ d & e & f\\ g & h & i\\ \end{bmatrix}\\ =\begin{bmatrix} a & 0 & 0\\ 0 & e & 0\\ g & h & i\\ \end{bmatrix} +\begin{bmatrix} a & 0 & 0\\ 0 & 0 & f\\ g & h & i\\ \end{bmatrix}+ \begin{bmatrix} 0 & b & 0\\ d & 0 & 0\\ g & h & i\\ \end{bmatrix}+ \begin{bmatrix} 0 & b & 0\\ 0 & 0 & f\\ g & h & i\\ \end{bmatrix}+ \begin{bmatrix} 0 & 0 & c\\ d & 0 & 0\\ g & h & i\\ \end{bmatrix}+ \begin{bmatrix} 0 & 0 & c\\ 0 & e & 0\\ g & h & i\\ \end{bmatrix}\\= \begin{bmatrix} a & 0 & 0\\ 0 & e & 0\\ 0 & 0 & i\\ \end{bmatrix}+ \begin{bmatrix} a & 0 & 0\\ 0 & 0 & f\\ 0 & h & 0\\ \end{bmatrix} +\begin{bmatrix} 0 & b & 0\\ d & 0 & 0\\ 0 & 0 & i\\ \end{bmatrix}+ \begin{bmatrix} 0 & b & 0\\ 0 & 0 & f\\ g & 0 & 0\\ \end{bmatrix}+ \begin{bmatrix} 0 & 0 & c\\ d & 0 & 0\\ 0 & h & 0\\ \end{bmatrix} +\begin{bmatrix} 0 & 0 & c\\ 0 & e & 0\\ g & 0 & 0\\ \end{bmatrix} \\= aei+bfg+cdh-ahf-bdi-ceg adgbehcfi = adg0eh0fi + 0dgbeh0fi + 0dg0ehcfi = a0g0eh00i + a0g00h0fi + 0dgb0h00i + 00gb0h0fi + 0dg00hc0i + 00g0ehc0i = a000e000i + a0000h0f0 + 0d0b0000i + 00gb000f0 + 0d000hc00 + 00g0e0c00 =aei+bfg+cdhahfbdiceg

行列式公式
d e t A = ∑ j 1 , j 2 , j 3 i s p e r m u t a i o n ± a 1 j 1 a 2 j 2 . . . a n j n ∀ j t 1 , j t 2 ∧ t 1 ≠ t 2 ⇒ j t 1 ≠ j t 2 det\ A=\sum_{j_1,j_2,j_3\quad is\ permutaion}\pm a_{1j_1}a_{2j_2}...a_{nj_n}\\ \forall j_{t_1},j_{t_2} \wedge t_1 \ne t_2 \Rightarrow j_{t_1} \ne j_{t_2} det A=j1,j2,j3is permutaion±a1j1a2j2...anjnjt1,jt2t1=t2jt1=jt2

即选取的列坐标不重复,构成了一个排列。
所以非0项共有 n ! n! n!项。

余子式
M i j : 方阵去掉 i 行 j 列后的方阵的行列式 M_{ij}:方阵去掉i行j列后的方阵的行列式 Mij:方阵去掉ij列后的方阵的行列式
代数余子式
A i j : ( − 1 ) i + j M i j A_{ij}:(-1)^{i+j}M_{ij} Aij:(1)i+jMij

方阵行列式:
d e t A = ∑ 1 n A i k , 1 ≤ i ≤ n det\ A=\sum_{1}^{n}A_{ik}, 1 \le i \le n det A=1nAik,1in

2. 三对角线矩阵

[ 1 1 0 0 1 1 1 0 0 1 1 1 0 0 1 1 ] \begin{bmatrix} 1 & 1 & 0 & 0\\ 1 & 1 & 1 & 0\\ 0 & 1 & 1 & 1\\ 0 & 0 & 1 & 1\\ \end{bmatrix} 1100111001110011

∣ A 1 ∣ = 1 |A_1|=1 A1=1
∣ A 2 ∣ = 0 |A_2|=0 A2=0
∣ A 3 ∣ = − − 1 |A_3|=--1 A3=1
∣ A 4 ∣ = − 1 |A_4|=-1 A4=1
∣ A 5 ∣ = − 0 |A_5|=-0 A5=0
∣ A 6 ∣ = 1 |A_6|=1 A6=1

周期为6

A n A_n An的意思是以 1 , 1 1,1 1,1为起始点的向右向下扩展 k k k个单位的矩阵。


A 3 = [ 1 1 0 1 1 1 0 1 1 ] A_3= \begin{bmatrix} 1 & 1 & 0\\1 & 1 & 1 \\0 & 1 & 1 \end{bmatrix} A3= 110111011

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/748311.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

51单片机基础篇系列-超声波测距

🌈个人主页:会编辑的果子君 💫个人格言:“成为自己未来的主人~” HC-SR04产品特点 典型工作用电压:5V 超小静态工作电流:小于2mA 感应角度:不大于15度 探测距离:2cm-400cm 高精度&#…

论文阅读:LAPFormer: A Light and Accurate PolypSegmentation Transformer

这是一个基于Transformer的轻量级图像分割模型。作者们使用MiT(Mix Transformer)作为编码器,并为LAPFormer设计了一个新颖的解码器,该解码器利用多尺度特征,并包含特征精炼模块和特征选择模块,以生成精细的…

16. UE5 RPG获取GE应用的回调,并根据Tag设置数据显示到窗口

在上一篇介绍了对标签如何在项目中设置,这一篇先讲解一下如何在GE里面使用GameplayTag标签。 之前我在第十一章节中 11. UE5 RPG使用GameplayEffect修改角色属性(二)介绍了一些GE的属性,在UE 5.3版本中,修改的配置方式…

药店在线客服机器人的设计与开发

摘要 随着信息技术的快速发展和人工智能领域的不断进步,药店在线客服机器人已经成为现代药店服务模式中不可或缺的一部分,这种机器人技术通过模拟人类客服代表,能够提供24/7的咨询服务,从而大幅提高服务效率和顾客满意度&#xff…

集合系列(二) -List接口详解

一、List简介 List 的数据结构就是一个序列,存储内容时直接在内存中开辟一块连续的空间,然后将空间地址与索引对应。 以下是List集合简易架构图 由图中的继承关系,可以知道,ArrayList、LinkedList、Vector、Stack都是List的四个…

软件设计和体系结构

软件设计和体系结构 一、引言 软件 定义:一系列按照特定顺序组织的计算机数据、指令的集合 特点: 软件不是生产制造,是设计开发软件不会磨损和老化软件需要根据实际情况进行定制开发 软件设计的基本原则 抽象方法 过程抽象:是指…

进程和ELF文件

程序的二进制格式: 关联知识:GCC编译原理与使用-CSDN博客 linux二进制程序的严格格式:ELF(Executeable and Linkable format) 一 预处理,编译,汇编得到的.o文件,就是ELF的第一种类…

obdiag如何实现一键采集20+故障场景的诊断信息——《OceanBase诊断系列》之九

作者简介:靖顺,OcenaBase 开发工程师,专注于数据库诊断与调优 1. 前言 在2024年初,我与一线运维人员交流时,他们纷纷提及在运维过程中遭遇的难题——OceanBase出现问题时,排查工作不容易,有时需…

AI推介-大语言模型LLMs论文速览(arXiv方向):2024.03.10-2024.03.15

文章目录~ 1.Large Language Models and Causal Inference in Collaboration: A Comprehensive Survey2.VisionGPT-3D: A Generalized Multimodal Agent for Enhanced 3D Vision Understanding3.MT-PATCHER: Selective and Extendable Knowledge Distillation from Large Langu…

【类脑智能】类脑智能研究中的专业术语

类脑智能研究中的专业术语 持续更新中 复杂网络(Complex networks):拓扑结构不复杂的网络,具有模块化结构、枢纽节点或小世界结构等特征。 连接体(Connectomes):神经元之间的结构连接网络。根…

Altium Designer快速入门及项目实战教程之层次原理图PCB设计(七)

一、简介 层次PCB设计是电子工程领域中一项至关重要的任务,它涉及到电路板的各个层面的功能分配和布局规划。这一设计过程的关键在于如何合理安排每一层的功能和布局,以确保电路板的性能达到最佳状态,并同时保证其可靠性。 首先&#xff0c…

数据结构 第3章:栈与队列

文章目录 1. 栈1.1 栈的基本概念1.2 栈的基本操作1.3 栈的顺序存储实现1.4 栈的链式存储实现 2. 队列2.1 队列的基本概念2.2 队列的基本操作2.3. 队列的顺序存储实现2.4 队列的链式存储实现2.5 双端队列 3. 栈与队列的应用3.1 栈在括号匹配中的应用3.2 栈在表达式求值中的应用3…

6.JavaWebJDBC连接池、JDBCTemplate

目录 导语: 一、JDBC连接池概述 常见JDBC连接池: JDBC连接池的优点 二、JDBCTemplate介绍 JDBCTemplate的核心组件 JDBCTemplate的使用方法 JDBCTemplate的优点 结语: ​​​​​​​ 导语: 在Java数据库编程中&#xf…

macOS Monterey 12.7.4 (21H1123) Boot ISO 原版可引导镜像下载

macOS Monterey 12.7.4 (21H1123) Boot ISO 原版可引导镜像下载 3 月 8 日凌晨,macOS Sonoma 14.4 发布,同时带来了 macOS Ventru 13.6.5 和 macOS Monterey 12.7.4 安全更新。 本站下载的 macOS 软件包,既可以拖拽到 Applications&#xf…

Hive-技术补充-初识ANTLR

一、背景 要清晰的理解一条Hql是如何编译成MapReduce任务的,就必须要学习ANTLR。下面是ANTLR的官方网址,下面让我们一起来跟着官网学习吧,在学习的过程中我参考了《antlr4权威指南》,你也可以读下这本书,一定会对你有…

在idea中配置tomcat服务器,部署一个项目(下载教程加链接)

第一步:把Tomcat下载好 ww​​​​​​​Apache Tomcat - Welcome! 链接如上:进去后在左边找到Tomcat8点击进去后 找到图下内容 第二步: 打开这个文件点击bin进去 会出现一个黑色框框,也就是服务器 完成后就可以在浏览器输入…

【C++】实现红黑树

目录 一、认识红黑树1.1 概念1.2 定义 二、实现红黑树2.1 插入2.2 与AVL树对比 一、认识红黑树 1.1 概念 红黑树是一个二叉搜索树,与AVL树相比,红黑树不再使用平衡因子来控制树的左右子树高度差,而是用颜色来控制平衡,颜色为红色…

Keil笔记(缘更)

Keil 一、使用Keil时可能会出现的问题1.Project框不见了2.添加文件时找不到3.交换文件位置4.main.c测试报1 warning 二、STLINK点灯操作1.配置寄存器进行点灯2.使用库函数进行点灯 3.GPIO1.LED闪烁 一、使用Keil时可能会出现的问题 1.Project框不见了 view->Project Windo…

Naive Ui Admin:企业级中后台项目开箱即用框架/让你少写一些代码

欢迎加入我们的前端组件学习交流群,可添加群主微信,审核通过后入群。 Naive Ui Admin:企业级中后台项目开箱即用框架/让你少写一些代码 在数字化时代,中后台系统对于企业的运营至关重要。然而,构建这样的系统往往需要…

【NLP】如何实现快速加载gensim word2vec的预训练的词向量模型

1 问题 通过以下代码,实现加载word2vec词向量,每次加载都是几分钟,效率特别低。 from gensim.models import Word2Vec,KeyedVectors# 读取中文词向量模型(需要提前下载对应的词向量模型文件) word2vec_model KeyedV…