首页 > 其他分享 >线性代数行列式计算之元素拆分与凑项法

线性代数行列式计算之元素拆分与凑项法

时间:2023-02-21 10:34:00浏览次数:43  
标签:拆分 凑项 元素 线性代数 Step3 行列式 Step1 项法


线性代数行列式计算之拆分凑项法

声明与简介

线性代数行列式计算之拆项法与凑项法是行列式计算里的小技巧,拆项法是能应用行列式可变成多个行列式的性质,凑项法则是将现有行列式凑成拆项法以便计算最终结果。

拆分(项)法

拆分法即是根据行列式的性质对行列式按照的某行(列)按照拆项的方式组合出新的行列式之和。详见如下例题:

已知n阶行列式

线性代数行列式计算之元素拆分与凑项法_线性代数

 计算n阶行列式:

线性代数行列式计算之元素拆分与凑项法_线性代数_02


#1 思路

Step1 先观察行列式的特点,再整理思路

Step2 我们对行列式进行仔细观察后不难发现行列式里的每个元素都是两个子元素的和,而且从列上看都是相同的某个子元素,比如

线性代数行列式计算之元素拆分与凑项法_线性代数_03

Step3 根据行列式的性质,行列式里某行(列)由两个子式相加时可以将当前行(列)分拆为两个独立的行(列)再拼接上剩下的行(列)构成两个新的行列式再相加。


#2 实操

Step1:对第1列拆分出两个行列式之和,那么结果为:

线性代数行列式计算之元素拆分与凑项法_线性代数_04

 Step2:针对Step1里的右边的行列式做化提取公因子(这里

线性代数行列式计算之元素拆分与凑项法_线性代数_05

一般会是0),再按照第1列按照代数余子式展开,那么上式可以表达为:

线性代数行列式计算之元素拆分与凑项法_线性代数_06

 Step3:同理我们对左边的行列式按照类似的方式

线性代数行列式计算之元素拆分与凑项法_线性代数_07

线性代数行列式计算之元素拆分与凑项法_线性代数_08

拆开,那么即会得到最终结果为:

线性代数行列式计算之元素拆分与凑项法_线性代数_09

即是

线性代数行列式计算之元素拆分与凑项法_线性代数_10

Step4:整理之后更为简化的写法是:

线性代数行列式计算之元素拆分与凑项法_线性代数_11


注意:1 该式子看时需要将x和求和乘做为整理看,因为有n个x所以再有个求和。

2 如果

线性代数行列式计算之元素拆分与凑项法_线性代数_12

线性代数行列式计算之元素拆分与凑项法_线性代数_13

都相等且等于x,那么上式的结果为:

线性代数行列式计算之元素拆分与凑项法_线性代数_14

3 这里的

线性代数行列式计算之元素拆分与凑项法_线性代数_15

指的是D的代数余子式,这里实际上是个有个小的证明(借鉴临位相减法)



凑项变换法普通

凑项变换法(普通)即是对行列式进行拼凑,转换为拆分(项)里的一般形式或者其它特殊行列式已知的结论,进而得到最终结果。详见如下例题:

计算n阶行列式

线性代数行列式计算之元素拆分与凑项法_线性代数_16


#1 思路

Step1 先观察行列式的特点,再整理思路

Step2 如果直接看这个式子很难发现“玄机”,这里需要有“拆分(项)法”里的基础,即行列式里每1行(列)构造出两个子元素(其中一个元素是通用的,这里不难发现是1-a)相加。

这时就会发现2可以拆分,即2=1+a+1-a。

Step3 整理出一般式后再利用“拆分(项)法”里的结论得最终结果。

#2 实操

Step1 凑项,重新定义该行列式。过程见下:

线性代数行列式计算之元素拆分与凑项法_线性代数_17

Step2 有“拆分(项)法”里的经验,我们不难发现每一行(列)都有相同项1-a,那么可以利用下式的通用结论进行计算。

线性代数行列式计算之元素拆分与凑项法_线性代数_18

Step3 计算step2里的D和其代数余子式,即有:

 

线性代数行列式计算之元素拆分与凑项法_线性代数_19

观察D可以发现其代数余子式

线性代数行列式计算之元素拆分与凑项法_线性代数_20

有如下特点:

  1. i不等于j时 =0
  1. i等于j时 =


Step4:由step2的结论再结合Step3 里的结论,不难得到最终结果,即:

线性代数行列式计算之元素拆分与凑项法_线性代数_21

凑项变换法推导

凑项变换法(推导)即是对行列式进行拼凑,转换为拆分(项)里的一般形式或者其它特殊行列式已知的结论,这里因为拆分元素时有对称性(某个元素可以,其它元素也行),所以联立后会得到两个方程,两个未知数,进而得到最终结果。详见如下例题:

计算n阶行列式

线性代数行列式计算之元素拆分与凑项法_线性代数_22

#1 思路

Step1 先观察行列式的特点,再整理思路

Step2 如果直接看这个式子很难发现“玄机”,这里需要有“拆分(项)法”里的基础,即行列式里每1行(列)构造出两个子元素(其中一个元素是通用的,这里不难发现是b或者c)相加,即a=a-b+b、b=0+b和a=a-c+c、c=0+c。

#2 实操

Step1 凑项,重新定义该行列式先应用a=a-b+b、b=0+b。过程见下:

 

线性代数行列式计算之元素拆分与凑项法_线性代数_23

Step2 由拆分(项)法的结论Step1里的结果(即原行列式的值)等于下式:

线性代数行列式计算之元素拆分与凑项法_线性代数_24

Step3 整理Step里的式子,那么得到简化结果:

线性代数行列式计算之元素拆分与凑项法_线性代数_25

 Step4 重复Step1到3的操作,应用a=a-c+c、c=0+c,那么原行列式的值等价于:

线性代数行列式计算之元素拆分与凑项法_线性代数_26

Step5 联立Step3和Step4两个式子,进而得到最终结果:

线性代数行列式计算之元素拆分与凑项法_线性代数_27

标签:拆分,凑项,元素,线性代数,Step3,行列式,Step1,项法
From: https://blog.51cto.com/u_15080860/6075984

相关文章

  • 线性代数行列式计算之迭代法
    线性代数行列式计算之迭代法声明与简介线性代数行列式计算之迭代法是利用行列式逐阶展开式会发现或总结出n阶和n-1阶、n-2阶以及剩余阶的关系式,进而推算出整个行列式的最终......
  • 线性代数行列式计算方法之降阶法
    声明与简介线性代数行列式计算之降阶法一般针对于行列是0元素较多的情况,它的核心思想是对某行(列)能方便的进行行列式展开,即某行(列)元素与其代数余子式的乘积,而该行(列)元素为0的......
  • 线性代数 C1
    2023-02-201.1线性方程组1.线性方程组1.方程组-> rearrange(重排,化简)->未知量在同侧的等式eg.:x1 -3+x2 =3x1+2x2(未化简)---->-2x1- x2=-3(已化......
  • 用行列式求4阶逆矩阵
    矩阵M的逆矩阵等于MT的C*1/detMC=Cofactory第一步转置 第二步就是求每个位置的代数余子式的值(举个例子M的a11就变为C11的值 ) 当前位置i+j奇偶决定正负4阶的Cij......
  • 线性代数复习
    线性代数行列式非零\(\leftrightarrow\)矩阵可逆\(\leftrightarrow\)方阵满秩\(\leftrightarrow\)向量组满秩(向量个数等于维数)证明题记得数学归纳法行列式逆序......
  • 线性代数整理(upd:2023.2.3)
    线性代数byAmanoKumiko1.行列式(1)行列式交换两行(列),行列式取反(2)行列式某一行(列)加上另一行(列)的\(k\)倍,行列式不变(3)行列式某一行(列)提出公因数\(k\),行列式乘上\(......
  • 线性代数:向量空间学习笔记
    线性代数及其应用.DavidC.Lay定义:向量空间定义:子空间向量空间\(V\)的一个子空间是\(V\)的子集\(H\),且满足以下三个性质:定理1:定义:零空间定理2:定义:列空间定......
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(23):维数、基与坐
    目录​​前言​​​​往期文章​​​​6.2维数、基与坐标​​​​定义2​​​​定义3​​​​结语​​前言Hello!小伙伴!非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎......
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(24):基变换与坐标
    目录​​前言​​​​往期文章​​​​6.3基变换与坐标变换​​​​定理1​​​​结语​​前言Hello!小伙伴!非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~ ......
  • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(21):正定二次型
    目录​​前言​​​​往期文章​​​​5.7正定二次型​​​​定理9:惯性定理​​​​定义10​​​​定理10​​​​推论​​​​定理11:赫尔维茨定理​​​​举例​​​​例1......