3D數學基礎:矩陣的行列式
矩陣的行列式
在任意方陣中都存在一個標量,稱作該方陣的行列式。
方陣M的行列式記作|M|或“det M”。非方陣矩陣的行列式是未定義的。
2X2階矩陣行列式的定義:
∣
M
∣
=
∣
m
11
m
12
m
21
m
22
∣
=
m
11
m
22
−
m
12
m
21
\begin{vmatrix}M\end{vmatrix}=\begin{vmatrix}m_{11}&m_{12}\\m_{21}&m_{22}\end{vmatrix}=m_{11}m_{22}-m_{12}m_{21}
∣∣M∣∣=∣∣∣∣m11m21m12m22∣∣∣∣=m11m22−m12m21
將主對角線和反對角線的元素各自相乘,然後用主對角線元素的積減去反對角線元素的積。
3X3階矩陣的行列式定義:
∣
m
11
m
12
m
13
m
21
m
22
m
23
m
31
m
32
m
33
∣
=
m
11
m
22
m
33
+
m
12
m
23
m
31
+
m
13
m
21
m
32
−
m
13
m
22
m
31
−
m
12
m
21
m
33
−
m
11
m
23
m
32
\begin{vmatrix}m_{11}&m_{12}&m_{13}\\m_{21}&m_{22}&m_{23}\\m_{31}&m_{32}&m_{33}\end{vmatrix}=\begin{gathered}m_{11}m_{22}m_{33}+m_{12}m_{23}m_{31}+m_{13}m_{21}m_{32}\\-m_{13}m_{22}m_{31}-m_{12}m_{21}m_{33}-m_{11}m_{23}m_{32}\end{gathered}
∣∣∣∣∣∣m11m21m31m12m22m32m13m23m33∣∣∣∣∣∣=m11m22m33+m12m23m31+m13m21m32−m13m22m31−m12m21m33−m11m23m32
餘子式和代數餘子式
假設矩陣M有r行,c列。記法 M { i j } M^{\{ij\}} M{ij}表示從矩陣M中除去第i行和第j列後剩下的矩陣。矩陣 M { i j } M^{\{ij\}} M{ij}稱作M的餘子式。
對方陣M,給定行、列元素的代數餘子式等於相應餘子式的有符號行列式:
c
i
j
=
(
−
1
)
i
j
∣
M
{
i
j
}
∣
c_{ij} = (-1)^{ij}\begin{vmatrix}M^{\{ij\}}\end{vmatrix}
cij=(−1)ij∣∣M{ij}∣∣
那麼可以用上式推匯出矩陣的行列式:
∣
M
∣
=
∑
j
=
1
n
m
i
j
c
i
j
=
∑
j
=
1
n
(
−
1
)
i
j
∣
M
{
i
j
}
∣
\begin{vmatrix}M\end{vmatrix} = \displaystyle\sum_{j=1}^{n}m_{ij}c_{ij} = \sum_{j=1}^n(-1)^{ij}\begin{vmatrix}M^{\{ij\}}\end{vmatrix}
∣∣M∣∣=j=1∑nmijcij=j=1∑n(−1)ij∣∣M{ij}∣∣
高階行列式的計算複雜性是呈指數遞增的。幸運的是,有一種叫做“主元選擇”的計算方法,有興趣的可以瞭解一下。
行列式的一些重要性質
- 矩陣積的行列式等於矩陣行列式的積: ∣ A B ∣ = ∣ A ∣ ∣ B ∣ |AB| = |A||B| ∣AB∣=∣A∣∣B∣
- 上一個性質可以擴充套件到多個矩陣的情況
- 矩陣轉置的行列式等於原矩陣的行列式: ∣ M T ∣ = ∣ M ∣ |M^T|=|M| ∣MT∣=∣M∣
- 如果矩陣的任意行或列全為0,那麼它的行列式為0
- 交換矩陣的任意兩行或兩列,行列式變負
- 任意行或列的非零積加到另一行或列上不會改變行列式的值
幾何解釋
2D中,行列式等於以基向量為兩邊的平行四邊形的有符號面積。
3D中,行列式等於以變換後的基向量為三邊的平行六面體的有符號體積。
相關文章
- 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
- 人工智慧數學基礎—-矩陣人工智慧矩陣
- 人工智慧數學基礎----矩陣人工智慧矩陣
- 第三章,矩陣,03-矩陣與行列式矩陣
- Unity開發中常用的基礎3D數學(向量,點乘,叉乘,矩陣,四元數,尤拉角)Unity3D點乘矩陣
- 【scipy 基礎】--稀疏矩陣矩陣
- pytorch基礎七(矩陣運算)PyTorch矩陣
- 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
- 3D旋轉矩陣的推導3D矩陣
- 「管理數學基礎」1.7 矩陣理論:方陣特徵值估計、圓盤定理、譜與譜半徑矩陣特徵
- 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
- 人工智慧之機器學習線代基礎——矩陣分類人工智慧機器學習矩陣
- 基礎|什麼是張量、資料立體、矩陣、向量和純數矩陣
- 矩陣指數的定義矩陣
- 巨大的矩陣(矩陣加速)矩陣
- 社交網路分析的 R 基礎:(三)向量、矩陣與列表矩陣
- numpy.linalg包函式用法集錦(求逆矩陣,求矩陣行列式的值,求特徵值和特徵向量,解方程組)函式矩陣特徵
- 《神經網路的梯度推導與程式碼驗證》之數學基礎篇:矩陣微分與求導神經網路梯度矩陣求導
- 演算法學習:矩陣快速冪/矩陣加速演算法矩陣
- 基向量 變換矩陣矩陣
- 巨大的數(dp+矩陣加速)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
- 高等代數1 矩陣矩陣
- 線性代數--矩陣矩陣
- 如何用GSL數學庫求解矩陣方程組?矩陣
- 數學建模例題2.28 矩陣合併示例矩陣
- 數學建模例題例 2.29 矩陣分割示例矩陣
- 數學建模例題2.30 矩陣元素求和示例矩陣
- 求任意矩陣的伴隨矩陣矩陣
- 數學基礎
- 基於勝率矩陣的PageRank排序矩陣排序
- OpenGL/OpenGL ES 入門:基礎變換 - 初識向量/矩陣矩陣
- matlab計算含有未知數的矩陣Matlab矩陣
- 矩陣的乘法運算與css的3d變換(transform)矩陣CSS3DORM
- 【機器學習|數學基礎】Mathematics for Machine Learning系列之線性代數(1):二階與三階行列式、全排列及其逆序數機器學習Mac
- 跟我一起學《深度學習》 第二章 線性代數(2.3 單位矩陣和逆矩陣)深度學習矩陣
- 鄰接矩陣、度矩陣矩陣
- 奇異矩陣,非奇異矩陣,偽逆矩陣矩陣