线性代数(二)(Linear Algobra with Application)steven J.Leon(Eighth Edition)
2013-07-22 16:05
435 查看
第二章 行列式
每一个方形矩阵都有一个可以和其对应的数字(标量),我们可以通过这个数字来得出该矩阵是奇异的还是非奇异的。2.1 矩阵的行列式
矩阵的行列式有以下情形:情形1、1X1矩阵
det(A) = a,要判断矩阵是否奇异只要看a是不是等于0.
情形2、2X2矩阵
det([1,2,3;3,21,1;4,5,7])
情形3、3X3矩阵
道理是一样的,综上我们可以得到det (A)是否等于0 是判定矩阵是否奇异的一种方法
这一节中有几个重要的概念就是子式(minor)和余子式(cofactor)
有这个可以得出一个det(A)可表示成A的任何行或列的余子式展开
定理:设A为nXn的矩阵则
det(A) = det(A')
定理:设A为一个nXn三角形矩阵,则A的行列式等于A的对角元素的乘积
定理:A为一个nXn的矩阵
(1)若A有一行或一列包含的元素全是0,则det(A) = 0
(2)若有两行全为0,则det(A) = 0
求出幻方矩阵的行列式
tic for i = 3:10 disp('the result is:'); disp(magic(i)); disp(det(magic(i))); end toc
2.2 行列式的性质
总结:①交换矩阵的两行(列)改变行列式的符号
②矩阵的某行(列)乘以一个标量等于行列式的值乘以这个标量
这个有一个推理-----------det(a A)= andet(A)
道理很简单相当于把矩阵的每一行都乘以一个标量执行n遍②就可以得到结果
③将某行(列)的倍数加到其他行(列)不改变行列式的值(这个就为后面的行列式的计算提供了一种方法,将行列式化成行阶梯形就好计算了)
2.3 附加主题研究
伴随矩阵在Matlab里面貌似没有直接的命令我是这么求出来的inv(A)*det(A)
道理很简单,我暂时还没有明白伴随矩阵有什么用
克拉默法则
x = det(Ai)/det(A)
最后提到了向量积这个概念,其实是引入了一个和X和Y同时垂直的向量
相关文章推荐
- 线性代数(一)(Linear Algobra with Application)steven J.Leon(Eighth Edition)
- 线性代数 -- Linear Algebra with Applications
- Machine Learing by Andrew Ng笔记 (二):Linear Regression with One Variable部分二+部分线性代数
- 【线性代数公开课MIT Linear Algebra】 第二十二课 特征分解与矩阵的幂
- 线性代数的直观理解 -- Intuition in Linear Algebra
- Stanford机器学习---第二讲. 多变量线性回归Linear Regression with multiple variables
- 线性代数的本质(Essense Of Linear Algebra)[1]
- 【线性代数公开课MIT Linear Algebra】 第三课 矩阵乘法和矩阵的逆
- 【线性代数公开课MIT Linear Algebra】 第十四课 正交,再次回到Ax=b
- 【线性代数公开课MIT Linear Algebra】 第十九课 行列式的公式
- 算法库:基础线性代数子程序库(Basic Linear Algebra Subprograms,BLAS)介绍
- 线性代数的本质(Essense Of Linear Algebra)[2]
- 【线性代数公开课MIT Linear Algebra】 实际应用——python中的线性代数(1)
- 【线性代数公开课MIT Linear Algebra】 第二十三课 微分方程与exp(At)
- 线性代数的本质(Essense Of Linear Algebra)[3]
- 【线性代数公开课MIT Linear Algebra】 第一课 矩阵的行图像与列图像
- 【线性代数公开课MIT Linear Algebra】 第十一课 矩阵空间和秩1矩阵
- 【线性代数公开课MIT Linear Algebra】 第十二课 从矩阵角度看点边结构
- 【线性代数公开课MIT Linear Algebra】 第十六课 Ax=b的解、最小二乘法与矩阵