第三章,矩陣,03-矩陣與行列式
第三章,矩陣,03-矩陣與行列式
玩轉線性代數(15)矩陣與行列式的筆記
矩陣與行列式的轉置
將一個
m
×
n
m×n
m×n矩陣A的行列互換得到的
n
×
m
n×m
n×m矩陣,稱為A的轉置矩陣,記作
A
T
A^T
AT
行列式轉置值不變,矩陣轉置為一個新矩陣
矩陣轉置規則:
- ( A T ) T = A (A^T)^T=A (AT)T=A
- ( A + B ) T = A T + B T (A+B)^T=A^T+B^T (A+B)T=AT+BT
- ( k A ) T = k A T (kA)^T=kA^T (kA)T=kAT,(k為實數)
- ( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT
證明 ( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT
設
A
=
(
a
i
j
)
m
×
s
,
B
=
(
b
i
j
)
s
×
n
A=(a_{ij})_{m×s},B=(b_{ij})_{s×n}
A=(aij)m×s,B=(bij)s×n,
記
(
A
B
)
T
=
(
c
i
j
)
n
×
m
,
B
T
A
T
=
(
d
i
j
)
n
×
m
(AB)^T=(c_{ij})_{n×m},B^TA^T=(d_{ij})_{n×m}
(AB)T=(cij)n×m,BTAT=(dij)n×m,
則有
c
i
j
c_{ij}
cij為
(
A
B
)
T
(AB)^T
(AB)T的第i行第j列,也為AB的第j行第i列,即A的第j行與B的第i行的乘積,即
c
i
j
=
∑
k
=
1
s
a
j
k
b
k
i
c_{ij}=\sum_{k=1}^sa_{jk}b_{ki}
cij=∑k=1sajkbki,
同理,
d
i
j
d_{ij}
dij為
B
T
B^T
BT的第i行與
A
T
A^T
AT的第j列的乘積,也即B的第i列與A的第j行的乘積,有
d
i
j
=
∑
k
=
1
s
a
j
k
b
k
i
=
c
i
j
d_{ij}=\sum_{k=1}^sa_{jk}b_{ki}=c_{ij}
dij=∑k=1sajkbki=cij
故:
(
A
B
)
T
=
B
T
A
T
(AB)^T=B^TA^T
(AB)T=BTAT
證明 ( A B C ) T = C T B T A T (ABC)^T=C^TB^TA^T (ABC)T=CTBTAT
( A B C ) T = [ ( A B ) C ] T = C T ( A B ) T = C T B T A T (ABC)^T=[(AB)C]^T=C^T(AB)^T=C^TB^TA^T (ABC)T=[(AB)C]T=CT(AB)T=CTBTAT
推廣: ( A 1 A 2 . . . A k ) T = A k T . . . A 1 T (A_1A_2...A_k)^T=A^T_k...A^T_1 (A1A2...Ak)T=AkT...A1T
方陣、對稱矩陣
行列數相等:方陣
轉置矩陣與原矩陣相等:對稱陣
矩陣的k階子式
定義
在 m × n m×n m×n階矩陣A中任意選定矩陣的k行和k列,將位於這些行列的交點上的 k 2 k^2 k2個元素按原來的次序組成的一個新的行列式,稱為矩陣的一個k階子式。
方陣的行列式(方陣的最高階子式)
n階方陣A的元素構成的行列式,叫做方陣A的行列式,記作 ∣ A ∣ |A| ∣A∣或 d e t A detA detA,它的最高階子式就是n階
- 性質:
∣ k A ∣ = k n ∣ A ∣ |kA|=k^n|A| ∣kA∣=kn∣A∣
A = ∣ A T ∣ A=|A^T| A=∣AT∣ - 拉普拉斯公式
∣ A O C B ∣ = ∣ A ∣ ∣ B ∣ \begin{vmatrix} A & O \\ C & B \end{vmatrix}=|A||B| ∣∣∣∣ACOB∣∣∣∣=∣A∣∣B∣ -
∣
A
B
∣
=
∣
A
∣
∣
B
∣
|AB|=|A||B|
∣AB∣=∣A∣∣B∣
證明:
僅就n=2的情況寫出證明, n ≥ 3 n\geq3 n≥3的情況類似可證。
設 A = ( a i j ) , B = ( b i j ) A=(a_{ij}),B=(b_{ij}) A=(aij),B=(bij),記四階行列式
D = ∣ a 11 a 12 0 0 a 21 a 22 0 0 − 1 0 b 11 b 12 0 − 1 b 21 b 22 ∣ = ∣ A 0 − E B ∣ D=\begin{vmatrix} a_{11} & a_{12} & 0 & 0\\ a_{21} & a_{22} & 0 & 0\\ -1 & 0 & b_{11} & b_{12}\\ 0 & -1 & b_{21} & b_{22} \end{vmatrix}=\begin{vmatrix} A & 0 \\ -E & B \end{vmatrix} D=∣∣∣∣∣∣∣∣a11a21−10a12a220−100b11b2100b12b22∣∣∣∣∣∣∣∣=∣∣∣∣A−E0B∣∣∣∣
由拉普拉斯公式, D = ∣ A ∣ ∣ B ∣ D=|A||B| D=∣A∣∣B∣
D中第1列乘以 b 11 b_{11} b11,第2列乘以 b 21 b_{21} b21都加到第3列上;再將第1列乘以 b 12 b_{12} b12,第2列乘以 b 22 b_{22} b22都加到第4列上,即
D = ∣ a 11 a 12 a 11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 a 22 a 21 b 11 + a 22 b 21 a 21 b 12 + a 22 b 22 − 1 0 b 11 b 12 0 − 1 b 21 b 22 ∣ = ∣ A A B − E B ∣ D=\begin{vmatrix} a_{11} & a_{12} & a_{11}b_{11}+a_{12}b_{21} & a_{11}b_{12}+a_{12}b_{22} \\ a_{21} & a_{22} & a_{21}b_{11}+a_{22}b_{21} & a_{21}b_{12}+a_{22}b_{22} \\ -1 & 0 & b_{11} & b_{12}\\ 0 & -1 & b_{21} & b_{22} \end{vmatrix}=\begin{vmatrix} A & AB \\ -E & B \end{vmatrix} D=∣∣∣∣∣∣∣∣a11a21−10a12a220−1a11b11+a12b21a21b11+a22b21b11b21a11b12+a12b22a21b12+a22b22b12b22∣∣∣∣∣∣∣∣=∣∣∣∣A−EABB∣∣∣∣
對上式作二次行變換,第1、3行,2、4行互換,得
D = ( − 1 ) 2 ∣ − E 0 A A B ∣ = ( − 1 ) 2 ∣ − E ∣ ∣ A B ∣ = ∣ A B ∣ D=(-1)^2\begin{vmatrix} -E & 0 \\ A & AB \end{vmatrix}=(-1)^2|-E||AB|=|AB| D=(−1)2∣∣∣∣−EA0AB∣∣∣∣=(−1)2∣−E∣∣AB∣=∣AB∣
於是:
∣ A B ∣ = ∣ A ∣ ∣ B ∣ |AB|=|A||B| ∣AB∣=∣A∣∣B∣
相關文章
- 巨大的矩陣(矩陣加速)矩陣
- 鄰接矩陣、度矩陣矩陣
- 奇異矩陣,非奇異矩陣,偽逆矩陣矩陣
- 資料結構:陣列,稀疏矩陣,矩陣的壓縮。應用:矩陣的轉置,矩陣相乘資料結構陣列矩陣
- 矩陣矩陣
- 求任意矩陣的伴隨矩陣矩陣
- 演算法-陣列與矩陣演算法陣列矩陣
- 矩陣和陣列矩陣陣列
- 奇異矩陣與非奇異矩陣的定義與區別矩陣
- 3D數學基礎:矩陣的行列式3D矩陣
- 人工智慧之機器學習線代基礎——行列式、矩陣的 逆(inverse)、伴隨矩陣人工智慧機器學習矩陣
- 矩陣乘法矩陣
- 螺旋矩陣矩陣
- 8.6 矩陣?矩陣
- 找矩陣矩陣
- 海浪矩陣矩陣
- 矩陣相乘矩陣
- 稀疏矩陣矩陣
- 矩陣分解矩陣
- 理解矩陣矩陣
- 快手矩陣管理平臺,矩陣管理有方法矩陣
- 機器學習中的矩陣向量求導(五) 矩陣對矩陣的求導機器學習矩陣求導
- 矩陣類及其常規運算(加、減、乘、轉置、求逆、行列式、代數餘子式、伴隨矩陣)矩陣
- 演算法學習:矩陣快速冪/矩陣加速演算法矩陣
- 矩陣:如何使用矩陣操作進行 PageRank 計算?矩陣
- 矩陣樹定理與BEST定理矩陣
- P5159 WD與矩陣矩陣
- 矩陣求逆矩陣
- 雅可比矩陣矩陣
- leetcode:螺旋矩陣LeetCode矩陣
- 矩陣置0矩陣
- 矩陣快速冪矩陣
- 隨機矩陣隨機矩陣
- 矩陣求導矩陣求導
- 矩陣計算矩陣
- 置換矩陣矩陣
- 視訊矩陣矩陣
- 矩陣樹定理矩陣