MIT 线性代数导论 第十九、二十讲:行列式公式、代数余子式、克拉默法则

本文主要是介绍MIT 线性代数导论 第十九、二十讲:行列式公式、代数余子式、克拉默法则,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这一部分内容没有重要的内容(个人觉得哈,毕竟没有谁会手算行列式之类的吧,所以简单了解一下就好了…反正我已经修过线性代数了哈哈)

本讲的主要内容:

  • 行列式公式
  • 代数余子式的概念以及计算方法
  • 三对角线矩阵行列式规律
  • 矩阵逆的公式
  • 克拉默法则
  • 行列式与体积的关系

行列式公式

利用上一讲里拆分的性质,可以归纳出这个公式,就比如这样:

最终公式为:
d e t A = ∑ ± a 1 α a 1 β a 1 γ . . . a 1 ω , α , β , γ . . . . ω , p e r m ( 1... n ) det \enspace A = \sum \pm a_{1\alpha }a_{1\beta }a_{1\gamma }...a_{1\omega },\alpha ,\beta ,\gamma ....\omega , perm(1...n) detA=±a1αa1βa1γ...a1ωα,β,γ....ω,perm(1...n)
这个求和公式共有 n ! n! n! 项相加,简单来说,行列式的值就是从每列每行中取出一个元素,对这些元素进行累乘,,而对于一个 n n n阶的方阵,这张排列方式有 n ! n! n! 中,对这些项求和,同时要考虑这些项的符号问题,其实就是看将这些排列恢复成从小到大(按列)的标准顺序所需要交换的次数,我们之前的性质里讲到了交换会使得行列式换号,所以如果总的交换次数是奇数,那么就是-1,反之就是1。(比如按列的序号排列是132,那么恢复成标准顺序是123,交换了一次,所以应该是-1,这里其实是有逆序数的概念,不过意思就是这样)

代数余子式(cofactor)

代数余子式用来对原来的方阵进行划分,直接描述:
c o f a c t o r a i j = ± ( ( n − 1 ) m a t r i x w i t h o u t r o w i , c o l u m n j ) cofactor \enspace a_{ij} = \pm((n-1)matrix \enspace without \enspace row_{i}, column_{j}) cofactoraij=±((n1)matrixwithoutrowi,columnj)
关于某个元素的代数余子式,其数值部分等于去掉这个元素所在的行列之后的矩阵的行列式,对于符号,如果 ( i + j ) (i+j) (i+j) 是奇数࿰

这篇关于MIT 线性代数导论 第十九、二十讲:行列式公式、代数余子式、克拉默法则的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/535212

相关文章

numpy求解线性代数相关问题

《numpy求解线性代数相关问题》本文主要介绍了numpy求解线性代数相关问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 在numpy中有numpy.array类型和numpy.mat类型,前者是数组类型,后者是矩阵类型。数组

hdu 4565 推倒公式+矩阵快速幂

题意 求下式的值: Sn=⌈ (a+b√)n⌉%m S_n = \lceil\ (a + \sqrt{b}) ^ n \rceil\% m 其中: 0<a,m<215 0< a, m < 2^{15} 0<b,n<231 0 < b, n < 2^{31} (a−1)2<b<a2 (a-1)^2< b < a^2 解析 令: An=(a+b√)n A_n = (a +

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

【高等代数笔记】线性空间(一到四)

3. 线性空间 令 K n : = { ( a 1 , a 2 , . . . , a n ) ∣ a i ∈ K , i = 1 , 2 , . . . , n } \textbf{K}^{n}:=\{(a_{1},a_{2},...,a_{n})|a_{i}\in\textbf{K},i=1,2,...,n\} Kn:={(a1​,a2​,...,an​)∣ai​∈K,i=1,2,...,n

二维旋转公式

二维旋转公式 ros的tf工具包可以很方便的实现任意坐标系之间的坐标转换。但是,如果只是想简单的测试想法,而又不想编写过于庞杂的代码,考虑自己写二维旋转的函数。而与二维旋转问题对偶的另一个问题便是二维坐标系旋转变换。这两个问题的形式基本一样,只是旋转的角度相差一个负号。就是这个容易搞混,所以做个笔记,以备查用。 1. 二维旋转公式(算法) 而(此文只针对二维)旋转则是表示某一坐标点 ( x

word转PDF后mathtype公式乱码以及图片分辨率降低等一系列问题|完美解决

word转PDF后mathtype公式乱码以及图片分辨率降低等一系列问题|完美解决 问题描述 最近在投一篇期刊论文,直接提交word文档,当时没有查看提交预览,一审审稿意见全是:公式乱码、公式乱码、乱码啊!!!是我大意了,第二次提交,我就决定将word文档转成PDF后再提交,避免再次出现公式乱码的问题。接着问题又来了,我利用‘文件/导出’或‘文件/另存为’的方式将word转成PDF后,发现公式

线性代数|机器学习-P35距离矩阵和普鲁克问题

文章目录 1. 距离矩阵2. 正交普鲁克问题3. 实例说明 1. 距离矩阵 假设有三个点 x 1 , x 2 , x 3 x_1,x_2,x_3 x1​,x2​,x3​,三个点距离如下: ∣ ∣ x 1 − x 2 ∣ ∣ 2 = 1 , ∣ ∣ x 2 − x 3 ∣ ∣ 2 = 1 , ∣ ∣ x 1 − x 3 ∣ ∣ 2 = 6 \begin{equation} ||x

【线性代数】正定矩阵,二次型函数

本文主要介绍正定矩阵,二次型函数,及其相关的解析证明过程和各个过程的可视化几何解释(深蓝色字体)。 非常喜欢清华大学张颢老师说过的一段话:如果你不能用可视化的方式看到事情的结果,那么你就很难对这个事情有认知,认知就是直觉,解析的东西可以让你理解,但未必能让你形成直觉,因为他太反直觉了。 正定矩阵 定义 给定一个大小为 n×n 的实对称矩阵 A ,若对于任意长度为 n 的非零向量 ,有 恒成

【机器人工具箱Robotics Toolbox开发笔记(二十)】机器人工具箱SerialLink I类函数参数说明

机器人工具箱中的SerialLink表示串联机器人型机器人的具体类。该类使用D-H参数描述,每个关节一组。SerialLink I类包含的参数如表1所示。 表1 SerialLink I类参数 参  数 意    义 参  数 意    义 plot 显示机器人的图形表示 jacobn 工具坐标系中的雅可比矩阵 plot3D 显示机器人3D图形模型 Jacob_dot

python科学计算:NumPy 线性代数与矩阵操作

1 NumPy 中的矩阵与数组 在 NumPy 中,矩阵实际上是一种特殊的二维数组,因此几乎所有数组的操作都可以应用到矩阵上。不过,矩阵运算与一般的数组运算存在一定的区别,尤其是在点积、乘法等操作中。 1.1 创建矩阵 矩阵可以通过 NumPy 的 array() 函数创建。矩阵的形状可以通过 shape 属性来访问。 import numpy as np# 创建一个 2x3 矩阵mat