线性代数(19)——行列式(下)
行列式
- 行列式计算
- 对角矩阵行列式计算
- 上、下三角矩阵行列式计算
- 初等矩阵与行列式
- 行式就是列式
行列式计算
在之前的基础上对行列式的性质进一步拓展,如果一个行列式的一行加(减)另一行的 k k k倍,行列式的值不变。具体的证明过程如下,
整个过程与Gauss-Jordan消元法的过程是一致的。行列式的值与其经过Gauss-Jordan消元法后得到的行最简形式的行列式的结果是相等的。有一点不同的是,在行列式消元的时候不能进行归一化,因为归一化后,行列式的值就改变了。
Gauss-Jordan消元法的过程最理想的情况是将矩阵转换为一个对角矩阵,行列式的求取过程也是如此。
对角矩阵行列式计算
上、下三角矩阵行列式计算
如果Gauss-Jordan消元的结果存在零行,则行列式的值为0。
故总结行列式计算步骤,
- 对方阵进行Gauss消元(即没有Gauss-Jordan消元法后向过程)
- 不进行归一化处理
- 如果消元结果中存在零行,则行列式的值为0
- 如果不存在零行,则行列式的值为主对角线全部元素乘积
这也是大多数线性代数计算库计算行列式值的算法过程,这个过程本身的运算效率是较高的。
初等矩阵与行列式
d e t ( A ⋅ B ) = d e t ( A ) ⋅ d e t ( B ) det(A\cdot B)=det(A)\cdot det(B) det(A⋅B)=det(A)⋅det(B)
这条性质在求取特征值的时候很关键。
对上面的式子取特殊情况,
d e t ( A ⋅ A − 1 ) = d e t ( A ) ⋅ d e t ( A − 1 ) d e t ( I ) = d e t ( A ) ⋅ d e t ( A − 1 ) d e t ( A ) ⋅ d e t ( A − 1 ) = 1 d e t ( A − 1 ) = 1 d e t ( A − 1 ) det(A\cdot A^{-1})=det(A)\cdot det(A^{-1})\\det(I)=det(A)\cdot det(A^{-1})\\ det(A)\cdot det(A^{-1})=1\\det(A^{-1})=\frac{1}{det(A^{-1})} det(A⋅A−1)=det(A)⋅det(A−1)det(I)=det(A)⋅det(A−1)det(A)⋅det(A−1)=1det(A−1)=det(A−1)1
因为矩阵 A A A的逆存在,故无需担心 d e t ( A ) = 0 det(A)=0 det(A)=0,具体见行列式性质拓展。
行式就是列式
在之前,行列式的理解都是以行为单位的。但是实际上,对于行列式而言“行式就是列式”,即 d e t ( A ) = d e t ( A T ) det(A) = det(A^T) det(A)=det(AT)
所以之前证明的基于行的行列式的性质对于列也都是适用的,
正是因为这个定理,使得行列式从行角度和列角度看都是相同的。这也为之后的特征值、奇异值打下了良好的基础。
线性代数(19)——行列式(下)相关推荐
- 线性代数之行列式矩阵术语中英对照
线性代数之行列式矩阵术语中英对照 本文基于Steven J. Leon著的第九版<Linear Algebra with Applications>整理,后续会输出其它章节,敬请期待. d ...
- 线性代数之行列式基础点
线性代数之行列式基础点 顺序和逆序 如果我们定义一个排列的每个元素从左到右按照递增的顺序的摆放的,就称这样的排列是顺序的.比 ...
- 人工智能之数学基础篇—线性代数基础(下)
人工智能之数学基础篇-线性代数基础(下) 1 转置矩阵和逆矩阵 1.1 转置矩阵 1.2 逆矩阵 2 行列式 2.1 行列式引例 2.2 行列式的定义 2.3 行列式与矩阵的区别 2.4 行列式的计算 ...
- math:线性代数之行列式
math:线性代数之行列式 提供解题的方法总结 如果存在什么问题,欢迎批评指正!谢谢!
- 线性代数矩阵行列式_矩阵的行列式 使用Python的线性代数
线性代数矩阵行列式 In linear algebra, the determinant is a scalar value that can be computed for a square mat ...
- 001 线性代数之行列式:定义、逆序数、余子式与代数余子式、n个易算行列式、范德蒙行列式
001 线性代数之行列式:定义.逆序数.余子式与代数余子式.n个易算行列式.范德蒙行列式
- 线性代数矩阵行列式_非平方矩阵的行列式| 使用Python的线性代数
线性代数矩阵行列式 Prerequisites: 先决条件: Defining a Matrix 定义矩阵 Determinant of a Matrix 矩阵的行列式 Note: Determina ...
- 高等代数第3版下 [丘维声 著] 2015年版_机器学习与线性代数简明教程(下)
机器学习与线性代数简明教程(上) 线性代数在机器学习(ML)和深度学习(DL)中是必不可少的.即使我们努力为许多理论创建精确的机器学习模型,线性代数仍然是这些研究中的重要工具. 正交矩阵 如果方形矩阵 ...
- 线性代数求行列式的值(用C++程序轻松解决)
C++代码实现行列式求值 行列式求值的基本思路 思路一--行列式展开 不利用辅助函数的递归: 辅助函数递归 奉上一个完整代码,可以直接根据提示计算 思路二--逆序数全排列 思路三--初等变换 调试分析 ...
最新文章
- 2022-2028年中国汽车工业行业研究及前瞻分析报告
- KVM virtio_net之NAPI机制(十七)
- 动手学深度学习(PyTorch实现)(三)--过拟合与欠拟合
- AD中如何查看快捷键
- 2010-10-08在浏览器中兼容+jQuery3
- python 词频统计
- redis集群原理面试回答
- 坐标拾取器功能实现demo
- JS用图片制作的走动的时间表
- 智障儿童欢乐多,蹦蹦哒哒过六一:用 Python 开发连连看小游戏
- 因果推断笔记—— 相关理论:Rubin Potential、Pearl、倾向性得分、与机器学习异同(二)
- 洛谷 [樱花] 题解
- 韩国创业公司Hdac试图通过区块链保障物联网未来
- GitLab CI部署:Runner部署及遇到的问题
- 【单片机毕业设计】【mcuclub-200】温度控制温度检测温控恒温控制恒温箱
- 立创EDA使用记录——安装、新建工程
- 真香!送一台27寸4K高清显示器
- 好多人,微软编程马拉松大赛欲创吉尼斯世界纪录
- 精研物理 格物致知(一)
- 回调地狱,解决回调地狱,回调地狱的终极解决方案