高等数学:线性代数-第一章

这篇具有很好参考价值的文章主要介绍了高等数学:线性代数-第一章。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

第1章 行列式

1.1 全排列和对换

全排列 把 n 个不同的元素排成一列,叫做这 n 个元素的全排列,简称排列。

例如, { 5 , 3 , 4 , 2 , 1 } \{ 5, 3, 4, 2, 1 \} {5,3,4,2,1} 是一个排列。

全排列的个数 记 P n P_{n} Pn 为 n 个元素的全排列的个数,则有
P n = n ! P_{n} = n! \\ Pn=n!
排列数 记 P n m P_{n}^{m} Pnm 为从 n 个不同的元素中取出 m 个元素的全排列的个数,则有
P n m = A n m = n ! ( n − m ) ! P_{n}^{m} = A_{n}^{m} = \frac{n!}{(n - m)!} \\ Pnm=Anm=(nm)!n!
特别地,当 m=n 时, P n m = P n P_{n}^{m} = P_{n} Pnm=Pn成立。

逆序 在全排列中,当某一对元素的先后次序与标准次序不同时,就说它构成 1 个逆序。

逆序数 一个排列中所有逆序的总数叫做这个排列的逆序数。记排列 a n a_{n} an 的逆序数为 t ,则有
t = ∑ i = 1 n ∑ j = 1 i − 1 [ a i < a j ] t = \sum_{i = 1}^{n}{\sum_{j = 1}^{i - 1}{[a_{i} < a_{j}]}} \\ t=i=1nj=1i1[ai<aj]
奇排列与偶排列 逆序数为奇数的排列叫做奇排列,逆序数为偶数的排列叫做偶排列。

对换 在排列中,将任意两个元素对调,其余的元素不动的操作叫做对换。特别地,将相邻的两个元素对换,叫做相邻对换。

对换定理 一个排列中的任意两个元素对换,排列改变奇偶性。

1.2 n阶行列式

n \bm{n} n 阶行列式 设有 n 2 n^{2} n2个数,排成 n 行 n 列的数表
a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n \begin{matrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{matrix} \\ a11a21an1a12a22an2a1na2nann
定义 n! 项代数和
$$
D = \sum_{i = 1}^{n} (-1)^{t}\prod_{j = 1}^{n} a_{jp_{j}} \
$
其中 p 1 , p 2 , ⋯   , p n p_{1}, p_{2}, \cdots, p_{n} p1,p2,,pn为 n 的所有排列, t 为排列 p n p_{n} pn 的逆序数。则称上式为n 阶行列式,记作

D = ∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ∣ D = \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} \\ D= a11a21an1a12a22an2a1na2nann
简记作 det ⁡ ( a i j ) \det(a_{ij}) det(aij),其中 a i j a_{ij} aij 为行列式 D 的 (i,j) 元。

上(下)三角行列式 主对角线以下(上)的元素都为 0 的行列式叫做上(下)三角行列式;特别地,除主对角线以外,其余元素都为 0 的行列式叫做对角行列式。

上(下)三角行列式和对角行列式满足
∣ a 11 a 21 a 22 ⋮ ⋮ ⋱ a n 1 a n 2 ⋯ a n n ∣ = ∏ i = 1 n a i i ∣ λ 1 λ 2 ⋱ λ n ∣ = ∏ i = 1 n λ i \begin{vmatrix} a_{11} & & & \\ a_{21} & a_{22} & & \\ \vdots & \vdots & \ddots & \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} = \prod_{i = 1}^{n}{a_{ii}} \\ \begin{vmatrix} \lambda_{1} & & & \\ & \lambda_{2} & & \\ & & \ddots & \\ & & & \lambda_{n} \\ \end{vmatrix} = \prod_{i = 1}^{n}{\lambda_{i}} \\ a11a21an1a22an2ann =i=1naii λ1λ2λn =i=1nλi

1.3 行列式的性质

性质1 行列式 D 与它的转置行列式 D^{T} 相等,即
det ⁡ ( a i j ) = det ⁡ ( a j i ) \det(a_{ij}) = \det(a_{ji}) det(aij)=det(aji)
性质2 对换行列式的两行(列),行列式变号。

性质2推论 若行列式 D 存在两行(列)完全相同,则 D = 0 .

性质3 行列式的某一行(列)中的所有元素都乘同一数 k ,等于用数 k 乘此行列式,即
D = r i × k k D D = c j × k k D D \xlongequal{r_{i} \times k}{} kD \\ D \xlongequal{c_{j} \times k}{} kD \\ Dri×k kDDcj×k kD
性质4 若行列式 D 中存在两行(列)元素成比例,则 D = 0 .

性质5 若行列式 D 的某一行(列)的元素都是两数之和,则行列式 D 满足
D = ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 + a i 1 ′ a i 2 + a i 2 ′ ⋯ a i n + a i n ′ ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ = ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ + ∣ a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋮ a i 1 ′ a i 2 ′ ⋯ a i n ′ ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ \begin{align} D &= \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ a_{i1} + a_{i1}^{\prime} & a_{i2} + a_{i2}^{\prime} & \cdots & a_{in} + a_{in}^{\prime} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} \\ &= \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} + \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ \vdots & \vdots & & \vdots \\ a_{i1}^{\prime} & a_{i2}^{\prime} & \cdots & a_{in}^{\prime} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{vmatrix} \\ \end{align} \\ D= a11ai1+ai1an1a12ai2+ai2an2a1nain+ainann = a11a21an1a12a22an2a1na2nann + a11ai1an1a12ai2an2a1nainann
性质6 把行列式 D 的某一行(列)的各元素的 k 倍加到另一行(列),行列式不变,即
D = r j + k r i k D D = c q + k c p k D D \xlongequal{r_{j} + kr_{i}}{} kD \\ D \xlongequal{c_{q} + kc_{p}}{} kD \\ Drj+kri kDDcq+kcp kD
分块(矩阵)行列式 设
D = ∣ a 11 ⋯ a 1 k ⋮ ⋮ a k 1 ⋯ a k k c 11 ⋯ c 1 k b 11 ⋯ b 1 n ⋮ ⋮ ⋮ ⋮ c n 1 ⋯ c n k b n 1 ⋯ b n n ∣ = ∣ A O C B ∣ D = \begin{vmatrix} a_{11} & \cdots & a_{1k} & & & & \\ \vdots & & \vdots & & & & \\ a_{k1} & \cdots & a_{kk} & & & & \\ c_{11} & \cdots & c_{1k} & b_{11} & \cdots & b_{1n} & \\ \vdots & & \vdots & \vdots & & \vdots & \\ c_{n1} & \cdots & c_{nk} & b_{n1} & \cdots & b_{nn} & \\ \end{vmatrix} = \begin{vmatrix} A & O \\ C & B \\ \end{vmatrix} \\ D= a11ak1c11cn1a1kakkc1kcnkb11bn1b1nbnn = ACOB
则有
D = ∣ a 11 ⋯ a 1 k ⋮ ⋮ a k 1 ⋯ a k k ∣ ∣ b 11 ⋯ b 1 n ⋮ ⋮ b n 1 ⋯ b n n ∣ = A B D = \begin{vmatrix} a_{11} & \cdots & a_{1k} \\ \vdots & & \vdots \\ a_{k1} & \cdots & a_{kk} \\ \end{vmatrix} \begin{vmatrix} b_{11} & \cdots & b_{1n} \\ \vdots & & \vdots \\ b_{n1} & \cdots & b_{nn} \\ \end{vmatrix} = AB \\ D= a11ak1a1kakk b11bn1b1nbnn =AB
类似地,有
∣ A C O B ∣ = A B \begin{vmatrix} A & C \\ O & B \\ \end{vmatrix} =AB \\ AOCB =AB

1.4 行列式按行(列)展开

余子式 在 n 阶行列式中,把 a i j a_{ij} aij 所在的行和列划去后,留下的 n-1 阶行列式叫做 a i j a_{ij} aij的余子式,记作 M i j M_{ij} Mij .

代数余子式 记
A i j = ( − 1 ) i + j M i j A_{ij} = (-1)^{i + j}M_{ij} \\ Aij=(1)i+jMij
A i j A_{ij} Aij 叫做 a i j a_{ij} aij的代数余子式。

行列式按行(列)展开法则 行列式 D 等于它任一行(列)的各元素与其对应的代数余子式乘积之和,即
D = ∑ i = 1 n a p i A p i = ∑ i = 1 n a i q A i q D = \sum_{i = 1}^{n}a_{pi}A_{pi} = \sum_{i = 1}^{n}a_{iq}A_{iq} \\ D=i=1napiApi=i=1naiqAiq
Vandermonde行列式
D n = ∣ 1 1 ⋯ 1 x 1 x 2 ⋯ x n x 1 2 x 2 2 ⋯ x n 2 ⋮ ⋮ ⋱ ⋮ x 1 n − 1 x 2 n − 1 ⋯ x n n − 1 ∣ = ∏ n ≥ i > j ≥ 1 ( x i − x j ) D_{n} = \begin{vmatrix} 1 & 1 & \cdots & 1 \\ x_{1} & x_{2} & \cdots & x_{n} \\ x_{1}^{2} & x_{2}^{2} & \cdots & x_{n}^{2} \\ \vdots & \vdots & \ddots & \vdots \\ x_{1}^{n - 1} & x_{2}^{n - 1} & \cdots & x_{n}^{n - 1} \\ \end{vmatrix} = \prod_{n \geq i > j \geq 1}(x_{i} - x_{j}) \\ Dn= 1x1x12x1n11x2x22x2n11xnxn2xnn1 =ni>j1(xixj)文章来源地址https://www.toymoban.com/news/detail-669152.html

到了这里,关于高等数学:线性代数-第一章的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数(魏福义)——第一章:向量与线性空间

    坐标系中可使用向量处理几何与运动学的问题,一般使用到二维或者三维有序数组,如(x,y)、(x,y,z),这样的数组称作 向量, 实际问题会用到更多维的向量。 1.1.1向量 以有序数组表示向量。n个数排成的有序数组就是n维向量。 α=(a1,a2,a3...,an)称为 行向量 ;将其

    2024年03月21日
    浏览(53)
  • 线性代数 第一章 行列式

    一、概念 不同行不同列元素乘积的代数和(共n!项) 二、性质 经转置行列式的值不变,即 ; 某行有公因数k,可把k提到行列式外。特别地,某行元素全为0,则行列式的值为0; 两行互换行列式变号,特别地,两行相等行列式值为0,两行成比例行列式值为0; 某行所有元素都

    2024年02月06日
    浏览(52)
  • 【线性代数及其应用 —— 第一章 线性代数中的线性方程组】-1.线性方程组

    所有笔记请看: 博客学习目录_Howe_xixi的博客-CSDN博客 https://blog.csdn.net/weixin_44362628/article/details/126020573?spm=1001.2014.3001.5502 思维导图如下:  内容笔记如下:

    2024年02月06日
    浏览(67)
  • 线性代数(基础篇):第一章:行列式 、第二章:矩阵

    1. A可逆 ⇦⇨①|A|≠0 ⇦⇨②r(A)=n,A满秩 ⇦⇨③A的列向量 α₁,α₂,…α n 线性无关 ⇦⇨④Ax=0仅有零解 (系数矩阵的秩 = 列数,列满秩) ⇦⇨⑤ A的特征值均不为0 【17年5.】 2.  A不可逆 ⇦⇨①|A|=0 ⇦⇨②r(A)n,A不满秩 ⇦⇨③A的列向量 α₁,α₂,…α n 线性相关 ⇦⇨④Ax=0有非

    2024年02月16日
    浏览(53)
  • 线性代数中涉及到的matlab命令-第一章:行列式

    目录 1,逆序数  2,行列式定义和性质 2.1,常用特性及命令  2.2,求行列式 2.3,行列式的性质  2,行列式按行(列)展开  3,范德蒙德行列式   在学习线性代数过程中,发现同步使用MATLAB进行计算验证可以加深对概念的理解,并能掌握MATLAB的命令和使用方法; 使用的线性

    2024年02月04日
    浏览(45)
  • 从零开始学数据分析之——《线性代数》第一章 行列式

    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

    2024年02月12日
    浏览(48)
  • 高等代数(七)-线性变换03:线性变换的矩阵

    § 3 § 3 §3 线性变换的矩阵 设 V V V 是数域 P P P 上 n n n 维线性空间, ε 1 , ε 2 , ⋯   , ε n varepsilon_{1}, varepsilon_{2}, cdots, varepsilon_{n} ε 1 ​ , ε 2 ​ , ⋯ , ε n ​ 是 V V V 的一组基, 现在我们来建立线性变换与矩阵的关系. 空间 V V V 中任一向量 ξ xi ξ 可以经 ε 1 , ε 2 , ⋯  

    2024年02月20日
    浏览(53)
  • 高等代数--多项式与线性空间

    1.多项式的定义: 形如 f(x)= an*x^n+.......ai*x^i+...a0 ,叫做多项式,其中ai 是系数,x 是未知数,i 叫做 指数。 若an 不为0称f(x)位 n 次多项式,记作 deg f(x) 如果 a0 !=0,且 ai ==0 (i=1.2....n)则称f(x)为零次多项式,f(x)=b;等同于K 中非零元 规定 0 多项式 的次数,d

    2024年02月04日
    浏览(64)
  • 高等代数(八)-线性变换07:矩阵的有理标准形

    § 7 矩阵的有理标准形 前一节中证明了复数域上任一矩阵 A boldsymbol{A} A 可相似于一个若尔当形矩阵, 这一节将对任意数域 P P P 来讨论类似的问题. 我们证明 P P P 上任一矩阵必相似于一个有理标准形矩阵. 定义 8 对数域 P P P 上的一个多项式 d ˙ ( λ ˙ ) = λ n ˙ + a 1 λ n − 1 + ⋯

    2024年02月19日
    浏览(48)
  • 高等代数(八)-线性变换02:λ-矩阵在初等变换下的标准形

    § 2 λ § 2 lambda §2 λ -矩阵在初等变换下的标准形 λ lambda λ -矩阵也可以有初等变换. 定义 3 下面的三种变换叫做 λ lambda λ -矩阵的初等变换: 矩阵的两行 (列) 互换位置; 矩阵的某一行 (列) 乘非零常数 c c c ; 矩阵的某一行 (列) 加另一行 (列) 的 φ ( λ ) varphi(lambda) φ ( λ ) 倍

    2024年02月19日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包