从零开始学数据分析之——《线性代数》第一章 行列式

写在前面

三十而立之年,开始自学数据分析,工作比较清闲,现发帖记录自己的数据分析之路,数据分析要学很多的东西,经过多月的摸索,目前分两个方面开始学习:

·知识方面:数学为王,拿起书本,重学《概率与统计》、《微积分》、《线性代数》

·软件方面:MySQL、Python

将暂时更新这几个序列,以便记录。

此篇为《线性代数》,第四版,经济科学出版社出版,为B站宋浩老师《线性代数》教学视频所用教材,自己也是跟着宋老师学,边学边做笔记,在此特别感谢像宋老师一样无私奉献的人。本书共7章,纯手工码字,视内容多少,分批次发布。

第一章  行列式

1.1 n阶行列式

1.1.1 二阶、三阶行列式

二阶行列式:2行2列4个元素

a_{ij},i-行标,j-列标

主对角线:从左上角到右下角的对角线

次对角线:从右上角到左下角的对角线

三阶行列式:3行3列9个元素

三阶行列式的对角线展开法:

从零开始学数据分析之——《线性代数》第一章 行列式_第1张图片

 1.1.2 排列与逆序

排列:由1,2,···,n组成的一个有序数组称为一个n级排列。(中间不能缺数)

n级排列共有n!种

逆序:大数排在小数的前面

逆序数:逆序的总数

例题:N(4213)=4

逆序数为偶数的排列称为偶排列,逆序数为奇数的排列为奇排列。

N(1,2,3,···n) 标准排列

数逆序数:(1)从第一个开始,数后面有几个比它小的(2)切记顺序不能乱来

对换:交换两个数

例题:N(54123)=7

           N(54213)=8

一个排列经过一个对换后,奇偶性改变。

定理:n级排列中,奇偶排列各占一半,是\frac{n!}{2}

1.1.3 n阶行列式

从零开始学数据分析之——《线性代数》第一章 行列式_第2张图片

n阶行列式

第一种定义(按行展开)

行标取标准排列,列标取排列的所有可能,从不同行不同列取出n个元素相乘,符号由列标排列的奇偶性决定。

第二种定义(按列展开)

列标取标准排列,行标取排列的所有可能,从不同行不同列取出n个元素相乘,符号由行标排列的奇偶性决定。

\begin{vmatrix} a_{11} & a_{12} & \cdot \cdot \cdot & a_{1n}\\ a_{21} & a_{22} & \cdot \cdot \cdot & a_{2n}\\ \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot &\cdot \cdot \cdot \\ a_{n1} & a_{n2} & \cdot \cdot \cdot & a_{nn} \end{vmatrix}=\sum_{j_1j_2\cdot \cdot \cdot j_n}^{}(-1)^{N(j_1j_2\cdot \cdot \cdot j_n)}a_{1j_1}a_{2j_2}\cdot \cdot \cdot a_{nj_n}

简记为D=|a_{ij}|

下三角行列式:

\begin{vmatrix} a_{11} & 0 & \cdot \cdot \cdot & 0\\ a_{21} & 0 & \cdot \cdot \cdot & 0\\ \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot &\cdot \cdot \cdot \\ a_{n1} & a_{n2} & \cdot \cdot \cdot & a_{nn} \end{vmatrix}=主对角线上所有元素的乘积

上三角行列式:

\begin{vmatrix} a_{11} & a_{12} & \cdot \cdot \cdot & a_{1n}\\ 0 & a_{22} & \cdot \cdot \cdot & a_{2n}\\ \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot &\cdot \cdot \cdot \\ 0 & 0 & \cdot \cdot \cdot & a_{nn} \end{vmatrix}=主对角线上所有元素的乘积

对角线行列式:

\begin{vmatrix} a_{11} & 0 & \cdot \cdot \cdot & 0\\ 0 & a_{22} & \cdot \cdot \cdot & 0\\ \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot &\cdot \cdot \cdot \\ 0 & 0 & \cdot \cdot \cdot & a_{nn} \end{vmatrix}=主对角线上所有元素的乘积

1.2 行列式的性质

转置:将原来行列式D的行和列互换,转置后的记作D^TD'.

性质1:D^T=D,对行成立的性质,对列也成立

性质2:两行(列)互换,行列式值变号

性质3:两行(列)相等,D=0

性质4:某一行都乘k,等于用k乘以D

推论:行列式某一行有公因子k,k可以提到外面去

行列式所有元素,均有公因子k,k外提n次

性质5:行列式两行(列)对应成比例,则D=0

推论:行列式某一行(列)全为0,则D=0

性质6:若行列式的某一行(列)中所有元素都是两项和,则该行列式可表为两个行列式相加

(注:是和的那一行分开,其余行保持不变)

性质7:某一行(列)乘以一个数加到另一行(列)上去,行列式的值不变

1.3 行列式按行(列)展开

余子式:将元素a_{ij}所在第i行和第j列去掉,剩下的元素按原来相对位置所构成的n-1阶行列式称为D中元素a_{ij}的余子式,记为M_{ij}.

代数余子式:A_{ij}=(-1)^{i+j}M_{ij}

定理(按某行(列)展开):

D=a_{i1}A_{i1}+a_{i2}A_{i2}+\cdot \cdot \cdot +a_{in}A_{in.}

(1)降阶(2)选0多的行(列)展开

定理(异乘变零):

某行元素与另一行元素的代数余子式乘积之和等于0

拉普拉斯定理:

取定k行,由k行元素组成的所有k阶子式与代数余子式乘积之和=D

k阶子式:任选k行k列,交叉处的k^2个元素构成的行列式

行列式相乘法则(同阶行列式):第一个行列式每一行去乘第二个行列式每一列,相加放在第一行,以此计算,最终得到的行列式

1.4 行列式的计算

 计算方法一般是:先选定某一行(列),且这一行(列)尽可能含有零,并利用行列式性质将其中元素尽可能多地化成零,然后再按这一行(列)展开;如此继续下去,即可求的所要的结果。

范德蒙德行列式:

D_n=\begin{vmatrix} 1 & 1 & 1 & \cdot \cdot \cdot &1 \\ x_1 & x_2 & x_3 & \cdot \cdot \cdot &x_n \\ x_1^2 & x_2^2 & x_3^2 & \cdot \cdot \cdot &x_n^{2} \\ \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot & \cdot \cdot \cdot &\cdot \cdot \cdot \\ x_1^{n-1} & x_2^{n-1} & x_3^{n-1} & \cdot \cdot \cdot & x_n^{n-1} \end{vmatrix}=\prod_{1\leqslant j< i\leqslant n}(x_i-x_j),(n\geqslant 2)

1.5 克莱姆法则

只适用于方程个数=未知量个数

系数行列式:未知数系数组成的行列式

克莱姆法则:含n个方程n个未知量的线性方程组,当其系数行列式D\neq 0时,有唯一解

                        x_j=\frac{D_j}{D}(j=1,2,\cdot \cdot \cdot,n).

齐次线性方程组:常数项全为零的线性方程组

定理:如果齐次线性方程组的系数行列式D\neq 0,则它只有零解。

齐次线性方程组有非零解的充分必要条件是其系数行列式D=0

 

你可能感兴趣的:(数据分析,线性代数,数据挖掘,算法)