线性代数小trick(附行列式一些性质)

Posted 。✧* ꧁王者꧂✧*

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了线性代数小trick(附行列式一些性质)相关的知识,希望对你有一定的参考价值。

线性代数小trick

  1. 行列式
    ∣ a i j ∣ n |a_i^j|_n aijn = ∣ a 1 1 . . . a 1 n . . . a n 1 . . . a n n ∣ \\begin{vmatrix} a_1^1&...&a_1^n \\\\ &...\\\\ a_n^1&...&a_n^n \\end{vmatrix} a11an1.........a1nann
    n n n个元素构成的 n n n阶行列式:
    通式: a [ i , j ] n = a[i,j]n= a[i,j]n= ∑ j 1 , j 2 . . . j n ( − 1 ) r ( j 1 , j 2 , . . . , j n ) a 1 j 1 a 2 j 2 . . . a n j n \\sum_{j_{1},j_{2}...j_{n}}(-1)^{r(j_{1},j_{2},...,j_{n})}a_{1j_{1}}a_{2j_{2}}...a_{nj_{n}} j1,j2...jn(1)r(j1,j2,...,jn)a1j1a2j2...anjn r ( j 1 , j 2 , . . . j n ) r(j_{1},j_{2},...j_{n}) r(j1,j2,...jn)表示逆序对个数。 行列式的某些性质:
    1. 1. 1. a [ i , j ] n = a [ j , i ] n a[i,j]n=a[j,i]n a[i,j]n=a[j,i]n。(行与列交换后的转置行列式和原行列式相同)
    说真的,我找遍了全网,都没找到一个让我满意的证明。于是,献上一份我自己理解的行列变换后行列式值不变的证明(数形结合):
    首先,这是一种情况:在这里插入图片描述
    我们想一下,求逆序对个数,我们就图像来看怎么求?
    是不是对于每个黑块,我们都要求出它右上方有多少个黑块,那么,它对逆序对个数的贡献就是它的右上和左下方的黑方块数(因为它既与右上的黑方块构成逆序对,又与左下的黑方块构成逆序对)。
    将其翻转后,图像是这样的:
    在这里插入图片描述
    对于上图的逆序对个数,我们还是要求每一个黑方块的右上和左下有多少黑方块,然后,我们就会惊奇地发现,变换后图像中,每一个方块的右上就对应了变换前每一个方块的左下,也就是说,二者等价!!!这样,就可以证明性质1了。
    2. 2. 2.交换行列式任意两行,得到 a [ i , j ] n ∗ a[i,j]n* a[i,j]n a [ i , j ] n = − a [ i , j ] n ∗ a[i,j]n=-a[i,j]n* a[i,j]n=a[i,j]n
    这是因为:对于一组数: i , a 1 , a 2 , a 3 . . a n , j i,a_{1},a_{2},a_{3}..a_{n},j i,a1,a2,a3..an,j, i ! = j i!=j i!=j,将 i i i j j j交换,逆序对个数奇偶性相反。
    3. 3. 3.行列式中的每一行都乘上k,得到的结果是原来的k倍。
    4. 4. 4.对于两个行列式 a , b a,b a,b,若只有第 i i i行不同,那么两者之和为一个新的矩阵的行列式,这个矩阵的第 i i i行的对应值为 a i + b i a_{i}+b_{i} ai+bi,其他行的值与原来相同,根据加法原理。
    5. 5. 5.一个矩阵中,若某两行 i , j i,j i,j完全相同,那这个矩阵的行列式为 0 0 0,根据性质2可得。
    6. 6. 6.一个矩阵,若某两行: i , j i,j i,j,变换为: a [ j ] = a [ j ] + k ∗ a [ i ] a[j]=a[j]+k*a[i] a[j]=a[j]+ka[i],行列式的值不变。根据性质4和性质5可证。
    代数余子式
    n n n 阶行列式 D D D 中划去任意选定的 k k k 行、 k ( 0 < k < n ) k (0 < k < n) k(0<k<n)列后,余下的元素按原来顺序组成的 n − k n - k nk 阶行列式 M M M ,称为 M M M 是其中一个行列式 D D D k k k 阶余子式。
    主子式:去掉的行和列相同。
    范德蒙德行列式
    D n D_n Dn = ∣ 1 1 . . . 1 x 1 x 2 . . . x n x 1 2 x 2 2 . . . x n 2 . . . x 1 n x 2 n . . . x n n ∣ \\begin{vmatrix} 1&1&...&1 \\\\ x_1&x_2&...&x_n\\\\ x_1^2&x_2^2&...&x_n^2\\\\ &...\\\\ x_1^n&x_2^n&...&x_n^n \\end{vmatrix} 1x1x12x1线性代数行列式计算之元素拆分与凑项法

    P17 行列式及性质线性代数

    机器学习|数学基础Mathematics for Machine Learning系列之线性代数:行列式的性质

    新东方薛威线性代数60句必备口诀

    线性代数的本质

    n阶行列式的计算方法(以标准形式为例)