次对角线行列式的计算

定义

  1. 行列式次对角线:设 n n n阶行列式
    ∣ A ∣ = ∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ∣ , \left| A \right|=\left| \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} \right|, A=a11a21an1a12a22an2a1na2nann,
    则元素 a 1 n ,   a 2 , n − 1 ,   ⋯   ,   a j , n − j ,   ⋯   ,   a n − 1 ,   2 ,   a n 1 { {a}_{1n}},\text{ }{ {a}_{2,n-1}},\text{ }\cdots ,\text{ }{ {a}_{j,n-j}},\text{ }\cdots ,\text{ }{ {a}_{n-1,\text{ }2}},\text{ }{ {a}_{n1}} a1n, a2,n1, , aj,nj, , an1, 2, an1所在的这条线称为行列式 ∣ A ∣ \left| A \right| A的次对角线。

  2. 次对角线行列式:次对角线元素不全为零,其余元素全为零的行列式。

题目

  求证: n n n阶行列式 ∣ 0 0 ⋯ 0 b 1 0 0 ⋯ b 2 0 ⋮ ⋮ ⋮ ⋮ 0 b n − 1 ⋯ 0 0 b n 0 ⋯ 0 0 ∣ = ( − 1 ) 1 2 n ( n − 1 ) b 1 b 2 ⋯ b n . \left| \begin{matrix} 0 & 0 & \cdots & 0 & { {b}_{1}} \\ 0 & 0 & \cdots & { {b}_{2}} & 0 \\ \vdots & \vdots & {} & \vdots & \vdots \\ 0 & { {b}_{n-1}} & \cdots & 0 & 0 \\ { {b}_{n}} & 0 & \cdots & 0 & 0 \\\end{matrix} \right|={ {\left( -1 \right)}^{\frac{1}{2}n\left( n-1 \right)}}{ {b}_{1}}{ {b}_{2}}\cdots { {b}_{n}}. 000bn00bn100b200b1000=(1)21n(n1)b1b2bn.

证明

  1. 先将行列式中 ( b 1 , 0 , 0 , ⋯   , 0 ) T { {\left( { {b}_{1}},0,0,\cdots ,0 \right)}^{T}} (b1,0,0,,0)T一列一步步交换到第 1 1 1列的位置:
    ∣ A 1 ∣ : = ∣ 0 0 ⋯ 0 0 b 1 0 0 ⋯ 0 b 2 0 0 0 ⋯ b 3 0 0 ⋮ ⋮ ⋮ ⋮ ⋮ 0 b n − 1 ⋯ 0 0 0 b n 0 ⋯ 0 0 0 ∣ → ∣ 0 0 ⋯ 0 b 1 0 0 0 ⋯ 0 0 b 2 0 0 ⋯ b 3 0 0 ⋮ ⋮ ⋮ ⋮ ⋮ 0 b n − 1 ⋯ 0 0 0 b n 0 ⋯ 0 0 0 ∣ → ∣ 0 0 ⋯ b 1 0 0 0 0 ⋯ 0 0 b 2 0 0 ⋯ 0
  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
eigen库中的行列式计算是基于矩阵的LU分解的。在LU分解中,一个矩阵A被分解为A=P^(-1)LUQ^(-1),其中L是下三角矩阵,U是上三角矩阵,P和Q是置换矩阵。行列式计算可以通过将L和U的对角线元素相乘得到,即det(A) = det(L) * det(U)。在LU分解中,U的对角线元素是矩阵A的主对角线元素,而L的对角线元素都是1。因此,det(A)等于矩阵A的主对角线元素的乘积。 需要注意的是,eigen库中的determinant()函数只能用于浮点数类型的矩阵,如果矩阵的类型是整数,会导致报错。另外,eigen库还提供了其他的矩阵分解方法,如LU分解和QR分解,可以用于求解矩阵的行列式以及其他的线性代数问题。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [矩阵库eigen的用法(三)————求行列式值和三角分解求线性方程组的解](https://blog.csdn.net/l93919861/article/details/86557974)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [Eigen 简单矩阵运算](https://blog.csdn.net/gwh1010/article/details/105205707)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

此账号已停更

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值