#机器学习--线性代数基础--第一章:行列式

#机器学习--线性代数基础--第一章:行列式

    • 引言
    • 1、排列及其逆序数
    • 2、行列式定义
    • 2、行列式性质
    • 3、行列式按行展开
    • 4、本章总结

引言

        本系列博客旨在为机器学习(深度学习)提供数学理论基础。因此内容更为精简,适合二次学习的读者快速学习或查阅。


1、排列及其逆序数

        将 n n n 个元素排成一列,叫做这 n n n 个元素的排列。排列数量有 n ! n! n! 个,其中一般认为 1 , 2 , . . . , n 1,2,...,n 1,2,...,n标准排列
        一个排列中,当某一对元素的先后次序与标准排列中的次序不同时,就说它构成 1 1 1 个逆序。一个排列中所有逆序的总数叫做这个排列的逆序数。如排列 3 , 2 , 5 , 1 , 4 3,2,5,1,4 3,2,5,1,4 的逆序数为 5 5 5


2、行列式定义

         n n n n n n 列的数表即为 n n n 阶行列式, n n n 阶行列式 D D D 可按如下规则展开:
D = ∣ a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 . . . a n n ∣ = ∑ ( − 1 ) t a 1 p 1 a 2 p 2 … a n p n D=\begin{vmatrix} a_{11} &a_{12} &... &a_{1n} \\ a_{21} &a_{22} &... &a_{2n} \\ \vdots &\vdots & & \vdots \\ a_{n1} &a_{n2} &... &a_{nn} \end{vmatrix}=\sum (-1)^{t}a_{1p_{1}}a_{2p_{2}}\dots a_{np_{n}} D=a11a21an1a12a22an2.........a1na2nann=(1)ta1p1a2p2anpn
         其中, t t t 为排列 p 1 , p 2 , . . . , p n p_{1},p_{2},...,p_{n} p1,p2,...,pn 的逆序数,而 ∑ \sum 表示对 1 , 2 , 3 , . . . , n 1,2,3,...,n 1,2,3,...,n 的所有排列 p 1 , p 2 , . . . , p n p_{1},p_{2},...,p_{n} p1,p2,...,pn 取和。
         如下即为 3 3 3 阶行列式的展开:
D = ∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 − a 11 a 23 a 32 − a 12 a 21 a 33 − a 13 a 22 a 31 D=\begin{vmatrix} a_{11} &a_{12} &a_{13} \\ a_{21} &a_{22} &a_{23} \\ a_{31} &a_{32} &a_{33} \end{vmatrix}\\=a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{13}a_{21}a_{32}-a_{11}a_{23}a_{32}-a_{12}a_{21}a_{33}-a_{13}a_{22}a_{31} D=a11a21a31a12a22a32a13a23a33=a11a22a33+a12a23a31+a13a21a32a11a23a32a12a21a33a13a22a31


2、行列式性质

        1、行列式与它的转置行列式相等。这一性质说明了行列式中的行与列具有同等的地位,即对行成立的定理与性质,对列也同样成立。
        2、对换行列式的两行,行列式变号
        3、用数 k k k 乘此行列式,等于行列式中某一行所有元素乘 k k k
        4、两个行列式若除第 i i i 行外全部相同,则它们之和等于第 i i i 行相应元素求和后的行列式。如:
D = ∣ a 11 a 12 a 13 a 21 + a 21 ′ a 22 + a 22 ′ a 23 + a 23 ′ a 31 a 32 a 33 ∣ = ∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ + ∣ a 11 a 12 a 13 a 21 ′ a 22 ′ a 23 ′ a 31 a 32 a 33 ∣ D=\begin{vmatrix} a_{11} &a_{12} &a_{13} \\ a_{21}+a_{21}^{'} &a_{22}+a_{22}^{'} &a_{23}+a_{23}^{'} \\ a_{31} &a_{32} &a_{33} \end{vmatrix}\\=\begin{vmatrix} a_{11} &a_{12} &a_{13} \\ a_{21} &a_{22} &a_{23} \\ a_{31} &a_{32} &a_{33} \end{vmatrix}+\begin{vmatrix} a_{11} &a_{12} &a_{13} \\ a_{21}^{'} &a_{22}^{'} &a_{23}^{'} \\ a_{31} &a_{32} &a_{33} \end{vmatrix} D=a11a21+a21a31a12a22+a22a32a13a23+a23a33=a11a21a31a12a22a32a13a23a33+a11a21a31a12a22a32a13a23a33
        5、行列式中某一行所有元素乘 k k k 后加到另一行对应元素上去,行列式不变。如:
D = ∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ = r 3 + k r 1 ∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 + k a 11 a 32 + k a 12 a 33 + k a 13 ∣ D=\begin{vmatrix} a_{11} &a_{12} &a_{13} \\ a_{21} &a_{22} &a_{23} \\ a_{31} &a_{32} &a_{33} \end{vmatrix}\xlongequal{\rm r_{3}+kr_{1}}\begin{vmatrix} a_{11} &a_{12} &a_{13} \\ a_{21} &a_{22} &a_{23} \\ a_{31}+ka_{11} &a_{32}+ka_{12} &a_{33}+ka_{13} \end{vmatrix} D=a11a21a31a12a22a32a13a23a33r3+kr1 a11a21a31+ka11a12a22a32+ka12a13a23a33+ka13
        通过以上性质,将原行列式转换为另一种更易求值的等价行列式,即为行列式的初等变换。


3、行列式按行展开

        在 n n n 阶行列式中,把 a i j a_{ij} aij 所在的第 i i i 行和第 j j j 列划去后,留下来的 n − 1 n-1 n1 阶行列式叫做 a i j a_{ij} aij余子式,记为 M i j M_{ij} Mij
        令 A i j = ( − 1 ) i + j M i j A_{ij}=(-1)^{i+j}M_{ij} Aij=(1)i+jMij,将 A i j A_{ij} Aij 叫做 a i j a_{ij} aij代数余子式
        行列式等于它的任一行的各元素与其对应的代数余子式乘积之和。即:
D = a i 1 A i 1 + a i 2 A i 2 + ⋯ + a i n A i n D=a_{i1}A_{i1}+a_{i2}A_{i2}+\dots +a_{in}A_{in} D=ai1Ai1+ai2Ai2++ainAin


4、本章总结

        行列式总共有三种求解方法:
        1、直接使用定义进行展开,但当阶数较高时,展开难度大。
        2、对行列式进行初等变换,将其转换为上(下)三角行列式后进行求值。
        3、对行列式进行初等变换,使某一行出现尽可能多的0后再使用行列式按行展开定理求值。

你可能感兴趣的:(机器学习,矩阵,线性代数)