机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式

线性代数是连贯性很强的一门学科,上课时稍一走神有可能就听不懂老师接下来讲的内容。之前跟着B站一位从事人工智能多年的大佬的机器学习路线图来学习,他建议小白基础知识学习中,线性代数先掌握向量、矩阵、运算、范数、特征向量和特征值就可以了。

不过,在学习了矩阵和向量后,发现矩阵秩和向量秩涉及到行列式的知识点了,这两块内容根本听不懂。所以又返回来复习行列式。

如果这篇文章有幸被正在上大学的同学们看到,接受大哥哥的劝:要好好学习每一门课程,说不定参加工作后会用到。如果像大哥哥以前那样荒废光阴,现在就要起早贪黑的把知识补回来[捂脸]

如果这篇文章有幸被参加多年工作的同学们看到,说明大家都找到了志同道合的人。看到机器学习要复习的知识点很多,有时候一天下来学习的东西微不足道,也自我怀疑过,也想过放弃,但是咬牙坚持了下来了,学过了,然后进行复习,再去运用到工作中,相信会熟能生巧。大家一起加油,共勉!

学习线性代数,推荐大家看B站宋浩老师的视频,视频链接:https://www.bilibili.com/video/BV1aW411Q7x1?p=8&vd_source=7621d9b6568d814ad80158fea1c47dcc

n阶行列式

排列:由1,2,...n组成的一个有序(中间不能缺数)数组叫n级排列

像 123 132 213 231 312 321就叫3级排列

n级排列有多少种可能:n(n-1)...3×2×1=n!

逆序:比较大的数排到了比较小的数的前面

逆序数:数一数排列中有多少数,即逆序的总数

逆序数表示:如排列4213,从左到右,4比2、1、3都大,所以逆序数有3个;依次类推,2 比1大,所以逆序数有1个;1小于3,所以没有逆序数。

逆序数一般用N表示,因此,N(4213) = 3 1 = 4

逆序数是奇数的叫奇排列;逆序数是偶数的叫偶排列

N(1 2 3 ...n)=0 这种从1到2到3...n标准排列,逆序数等于0,就叫做n级标准排列或n级自然排列

下面举一个例子推导一个定理:

N(54123) = 4 3 0 0 = 7

N(54213) = 4 3 1 0 = 8

逆序数对换两个数,逆序数的奇偶性就发生了改变。可推出经过多方证明得到的定理:

n级排列中,奇排列、偶排列各占

下图中的3阶行列式,行标取标准排列。列标取排列的所有可能,从不同行不同列取出3个元素相乘,符号由列标排列的奇偶性决定:列表排列的逆序数是奇数,三个元素相乘取负;列表排列的逆序数是偶数,三个元素相乘取正

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(1)

行列式正负号求导

经过一系列推导,行按标准排列展开的n阶行列式得出的结果为

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(2)

n阶行列式按行展开求导

n阶行列式计算还有些特殊的形式:

1、上三角、下三角、对角形的行列式等于主对角线乘积

2、以次对角线为界,此对角线以上全为0,这里就叫它山寨下三角行列式,依此类推,山寨上三角、山寨下三角、山寨对角形的行列式的值为:

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(3)

n阶行列式的特殊形式

除了按行排列求行列式、特殊行列式的求值外,还有按列求行列式、既不按列又不按行求行列式的求法。经过一系列推导,得到下图公式:

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(4)

按列、既不按行也不按列的行列式求值推导公式

行列式的性质

转置的符号是 、,不过很少用

什么是转置呢?就是将行列式的每一列按每一行表示,组成新的行列式,就叫转置

行列式的性质:

性质1: = 对行成立的性质,对列也成立

性质2:两行互换,值变号 推论:两行(列)相等,D=0

性质3:某一行都乘以k 等于用k乘以D

推论:行列式所有元素均有公因子k,k外提n次

还有一个重要推论:两行对应成比例、某一行全为0、两行相等都可以推出D=0;但是,D=0,未必推出两行对应成比例、某一行全为0、两行相等

性质4:行列式某一行等于两数之和,和的那一列分开,其余行保持不变

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(5)

行列式某一行等于两个行列式某一行之和

性质5:某一行(列)乘以一个数,加到零一行(列)上去,D不变

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(6)

性质5的推导

行列式的计算

行列式的计算:把行列式换算为上三角,然后D=主对角线乘积进行计算

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(7)

行列式的计算

行列式按行展开

余子式:把行列式中某一元素所在的行所在地列去掉,剩余的子集就叫余子式。余子式用M表示,M的下标i j 分别代表该元素所在的行、列

代数余子式:与余子式相比,代数余子式多了符号(-1)的行、列次方相加

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(8)

余子式、代数余子式

D =

定理(异乘变零):某行元素与另一行元素的代数余子式乘积之和等于零

拉普拉斯定理

k阶子式:行列式中取n行n列所得交叉部分的元素组成的行列式

余子式:行列式中去除k阶子式剩余的子集行列式

代数余子式:(-1)的行列次方相加乘以余子式

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(9)

k阶子式

拉普拉斯定理:取定k行,由k行元素组成的所有k阶子式与代数余子式乘积之和=D

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(10)

运用拉普拉斯定理求行列式的值

范德蒙德行列式

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(11)

范德蒙德行列式计算方法

反对称行列式:1>主对角线全为0;2>上下位置对应成相反数

对称行列式:1>主对角线元素无要求;2>上下对应相等

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(12)

反对称行列式、对称行列式的表示方法

宋浩老师讲到了克拉姆法则,计算量大,一般不用,这里也稍微提一下吧

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(13)

克拉姆法则表示

定理:齐次线性方程组的方程个数等于未知数个数且D≠0时,未知数只有零解;

齐次线性方程的方程个数≠未知数个数且未知数有非零解时 D = 0

机器学习基础知识学习-线性代数之行列式 机器学习基础知识学习-线性代数之行列式(14)

齐次线性方程组

#创作挑战赛#

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页