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]=ad−bc
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+cdh−ahf−bdi−ceg
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...anjn∀jt1,jt2∧t1=t2⇒jt1=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i行j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=1∑nAik,1≤i≤n
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。
如
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
相关文章:
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 &…...
最新2024年项目基金撰写与技巧及GPT融合应用
随着社会经济发展和科技进步,基金项目对创新性的要求越来越高。申请人需要提出独特且有前瞻性的研究问题,具备突破性的科学思路和方法。因此,基金项目申请往往需要进行跨学科的技术融合。申请人需要与不同领域结合,形成多学科交叉…...

Java八股文(Element Plus)
Java八股文のElement Plus Element Plus Element Plus 什么是Element UI 和 Element Plus? Element UI 和 Element Plus 是基于 Vue.js 的一套非常受欢迎的开源 UI 组件库,用于快速构建具有现代化设计和丰富交互效果的前端界面。 Element UI 和 Element…...

【Hadoop】Hadoop概述与核心组件
目录 Hadoop概述Hadoop 发展历史Hadoop 三大发行版本1.Apache Hadoop(常用)2.Cloudera Hadoop3.Hortonworks Hadoop优势优势总结——4高(高可靠、高扩展、高效、高容错) Hadoop组成1.HDFS管理者:NameNode(n…...

3D地图在BI大屏中的应用实践
前言 随着商业智能的不断发展,数据可视化已成为一项重要工具,有助于用户更好地理解数据和分析结果。其中,3D地图作为一种可视化工具,已经在BI大屏中得到了广泛地应用。 3D地图通过将地理信息与数据相结合,以更加直观…...

JavaScript 进阶(二)
一、深入对象 1.1创建对象三种方式 1. 利用对象字面量创建对象 2. 利用 new Object 创建对象 3.利用构造函数创建对象 1.2 构造函数 构造函数 : 是一种特殊的函数,主要用来初始化对象。 使用场景: 常规的 {...} 语法允许创建一个对象。…...

基于ssm+layui的图书管理系统
基于ssmlayui的图书管理系统 账户类型分为:管理员,用户管理员私有功能用户私有功能公共功能技术栈功能实现图 视频演示 账户类型分为:管理员,用户 图书管理系统主要登录账户类型为管理员账户与用户账户 管理员私有功能 账户管理…...

2024年最新阿里云和腾讯云云服务器价格租用对比
2024年阿里云服务器和腾讯云服务器价格战已经打响,阿里云服务器优惠61元一年起,腾讯云服务器61元一年,2核2G3M、2核4G、4核8G、4核16G、8核16G、16核32G、16核64G等配置价格对比,阿腾云atengyun.com整理阿里云和腾讯云服务器详细配…...

双指针算法_复写零
题目: 给一个固定长度的数组arr,将数组中出现的每一个0都复写一遍,并且将其余元素都往右移动 且不要再超过数组长度的位置写入元素,在数组上直接修改 示例: 双数组模拟操作: 从示例来看,因为…...

自习室预订系统|基于springboot框架+ Mysql+Java+B/S架构的自习室预订系统设计与实现(可运行源码+数据库+设计文档+部署说明)
推荐阅读100套最新项目 最新ssmjava项目文档视频演示可运行源码分享 最新jspjava项目文档视频演示可运行源码分享 最新Spring Boot项目文档视频演示可运行源码分享 目录 前台功能效果图 学生功能模块 管理员功能登录前台功能效果图 系统功能设计 数据库E-R图设计 lunwen参…...

基于Java+SpringMVC+vue+element宠物管理系统设计实现
基于JavaSpringMVCvueelement宠物管理系统设计实现 博主介绍:5年java开发经验,专注Java开发、定制、远程、文档编写指导等,csdn特邀作者、专注于Java技术领域 作者主页 央顺技术团队 Java毕设项目精品实战案例《1000套》 欢迎点赞 收藏 ⭐留言 文末获取源…...

用miniconda建立PyTorch、Keras、TensorFlow三个环境
一、配置清华镜像conda源 由于网络问题,直接使用conda默认的源下载包可能会非常慢。为了解决这个问题,可以配置国内镜像源来加速包的下载。清华大学TUNA协会提供了一个常用的conda镜像源。下面是如何配置清华镜像源的步骤: 1. 配置清华conda…...

【QT 5 +Linux下qt软件点击.sh脚本运行+Dconf编辑器+学习他人文章+番外篇:点击脚本运行软件】
【QT 5 Linux下qt软件点击.sh脚本运行Dconf编辑器学习他人文章番外篇:点击脚本运行软件】 1、前言2、实验环境3、自我学习总结-本篇总结1、说明:代替qt的快捷方式2、适用性更广3、了解工具:Dconf编辑器注意事项: 4、参考链接-感谢…...

多模态大模型Claude 3正式接入集简云与语聚!对标GPT-4且支持中文
自OpenAI发布GPT-4以来,引发了业务模式与应用使用的巨大变革,掀起了各大企业对于多模态大模型的研究热潮。3月初,AnthropicClaude在官网正式发布Claude 3系列多模态大模型,据了解,该模型在多个维度上超越了GPT-4&#…...
.NET后端返回File文件,及前端处理直接在浏览器下载
后端代码 [AllowAnonymous] public System.Web.Mvc.ActionResult ExportByteExcel(string datatab, string columnnames, string schemecode) { 返回excel。 string ReportName "ExcelTemplete" DateTime.Now.Ticks.ToString(); …...

如何压缩图片文件大小?教大家几种方法
当图片文件较大时,图片压缩可以有效的缩小图片kb,从而使图片储存起来更加方便,也可以解决上传时图片大小被限制的问题,那么我们有什么方法可以简单快速的将图片大小压缩呢?下面就来给大家分享几个如何修改照片大小kb的…...

Qt 如何搭建Lua的运行环境
一、Lua简介 Lua 是一种强大的、高效的、轻量级的、可嵌入的脚本语言。它支持过程(procedural)编程、面向对象编程、函数式编程以及数据描述。Lua 是动态类型的,运行速度快,支持自动内存管理,因此被广泛用于配置、脚本…...

产品推荐 - ALINX XILINX FPGA开发板 Artix-7 XC7A100T-2FGG484I
01开发板介绍 此款开发板采用核心板扩展板的模式,方便用户对核心板的二次开发利用。FPGA使用的是Xilinx公司的ARTIX-7系列的芯片,型号为XC7A100T-2FGG484I。在核心板使用了2片MICRON公司的MT41J256M16HA-125 DDR3芯片,组合成32bit的数据总线…...

Github 2024-03-16 开源项目日报Top10
根据Github Trendings的统计,今日(2024-03-16统计)共有10个项目上榜。根据开发语言中项目的数量,汇总情况如下: 开发语言项目数量Python项目5非开发语言项目2TypeScript项目1C++项目1Lua项目1Swift项目1《Hello 算法》:动画图解、一键运行的数据结构与算法教程 创建周期:4…...

【使用postman测试python接口】
打开python服务 设置postman如下,并发送: postman新建请求设置请求方式为post设置地址、raw、json方式、内容如下 结果: python如下: from flask import Flask, request, jsonifyapp Flask(__name__) # 实例化对象app.route…...

【人工智能】神经网络的优化器optimizer(二):Adagrad自适应学习率优化器
一.自适应梯度算法Adagrad概述 Adagrad(Adaptive Gradient Algorithm)是一种自适应学习率的优化算法,由Duchi等人在2011年提出。其核心思想是针对不同参数自动调整学习率,适合处理稀疏数据和不同参数梯度差异较大的场景。Adagrad通…...

基于uniapp+WebSocket实现聊天对话、消息监听、消息推送、聊天室等功能,多端兼容
基于 UniApp + WebSocket实现多端兼容的实时通讯系统,涵盖WebSocket连接建立、消息收发机制、多端兼容性配置、消息实时监听等功能,适配微信小程序、H5、Android、iOS等终端 目录 技术选型分析WebSocket协议优势UniApp跨平台特性WebSocket 基础实现连接管理消息收发连接…...

大数据零基础学习day1之环境准备和大数据初步理解
学习大数据会使用到多台Linux服务器。 一、环境准备 1、VMware 基于VMware构建Linux虚拟机 是大数据从业者或者IT从业者的必备技能之一也是成本低廉的方案 所以VMware虚拟机方案是必须要学习的。 (1)设置网关 打开VMware虚拟机,点击编辑…...

FFmpeg:Windows系统小白安装及其使用
一、安装 1.访问官网 Download FFmpeg 2.点击版本目录 3.选择版本点击安装 注意这里选择的是【release buids】,注意左上角标题 例如我安装在目录 F:\FFmpeg 4.解压 5.添加环境变量 把你解压后的bin目录(即exe所在文件夹)加入系统变量…...

海云安高敏捷信创白盒SCAP入选《中国网络安全细分领域产品名录》
近日,嘶吼安全产业研究院发布《中国网络安全细分领域产品名录》,海云安高敏捷信创白盒(SCAP)成功入选软件供应链安全领域产品名录。 在数字化转型加速的今天,网络安全已成为企业生存与发展的核心基石,为了解…...
OpenGL-什么是软OpenGL/软渲染/软光栅?
软OpenGL(Software OpenGL)或者软渲染指完全通过CPU模拟实现的OpenGL渲染方式(包括几何处理、光栅化、着色等),不依赖GPU硬件加速。这种模式通常性能较低,但兼容性极强,常用于不支持硬件加速…...

MLP实战二:MLP 实现图像数字多分类
任务 实战(二):MLP 实现图像多分类 基于 mnist 数据集,建立 mlp 模型,实现 0-9 数字的十分类 task: 1、实现 mnist 数据载入,可视化图形数字; 2、完成数据预处理:图像数据维度转换与…...
uniapp获取当前位置和经纬度信息
1.1. 获取当前位置和经纬度信息(需要配置高的SDK) 调用uni-app官方API中的uni.chooseLocation(),即打开地图选择位置。 <button click"getAddress">获取定位</button> const getAddress () > {uni.chooseLocatio…...

虚拟机网络不通的问题(这里以win10的问题为主,模式NAT)
当我们网关配置好了,DNS也配置好了,最后在虚拟机里还是无法访问百度的网址。 第一种情况: 我们先考虑一下,网关的IP是否和虚拟机编辑器里的IP一样不,如果不一样需要更改一下,因为我们访问百度需要从物理机…...

Python爬虫(52)Scrapy-Redis分布式爬虫架构实战:IP代理池深度集成与跨地域数据采集
目录 一、引言:当爬虫遭遇"地域封锁"二、背景解析:分布式爬虫的两大技术挑战1. 传统Scrapy架构的局限性2. 地域限制的三种典型表现 三、架构设计:Scrapy-Redis 代理池的协同机制1. 分布式架构拓扑图2. 核心组件协同流程 四、技术实…...