n×n
矩阵的逆是另一个
n×n
矩阵,
A
的逆写成
当矩阵的逆
11、对于矩阵
A,B
,使得
BA=I,AB=I
,并且最多只有一个
B
,我们称它为
- 当且仅当消元过程得到
n
个主元(可以进行行交换)时矩阵的逆才存在,消元法在求解
Ax=b 时没有显示的去找 A−1 。 - 矩阵
A
不可能有两个逆,假设
BA=I 并且 AC=I ,那么 B=C 。证明如下:B(AC)=(BA)C得出BI=IC,(2)这说明左逆 B (从左边相乘)和右逆C (从右边相乘)肯定相等。 - 如果
A
可逆,那么
Ax=b 的唯一解是 x=A−1b :用A−1乘以Ax=b,得到x=A−1Ax=A−1b - (重要)假设有非零向量使得
Ax=0
,那么
A
不存在逆。再说一遍:不存在这样的矩阵可以将0变回
x 。 - 一个
2×2
矩阵是可逆的,当且仅当
ad−bc
不等于零:
[acbd]−1=1ad−bc[d−c−ba](3)ad−bc 是矩阵 A 的行列式,如果它非零那么矩阵就是可逆的(这在之后的文章会讲到)。在matlab里面,判断是否可逆就是看是否能找到
n 个主元,在行列式出现之前是用消元法产生这些主元的。 - 对于对角矩阵,如果对角元素没有零,那么它存在逆:
如果A=⎡⎣⎢⎢d1⋱dn⎤⎦⎥⎥,那么A−1=⎡⎣⎢⎢1/d1⋱1/dn⎤⎦⎥⎥并且AA−1=I当涉及两个矩阵时,对于 A+B 的逆我们无法判断,它的和可能有也可能没有逆,但是他们的乘积是可逆的,这在矩阵乘法中是非常重要的公式。这和我们数的情况类似, (a+b)−1 很难化简,而 1/ab 可以分为 1/a×1/b 。但是对于矩阵乘法,顺序非常重要,如果 ABx=y ,那么 Bx=A−1y,x=B−1A−1y ,逆的顺序正好相反。
12、乘积 AB 的可逆矩阵是 B−1A−1 :
证明:为了说明 B−1A−1 是 AB 的逆,我们将他们相乘并利用结合律去掉符号:
计算 A−1 :Gauss-Jordan方法
考虑方程
AA−1=I
,如果一次取
A−1
的一列,那么
A−1
的第一列乘以
A
得到单位矩阵的第一列:
我们继续用这个例子来说明该方法:
例1:用Gauss-Jordan法求
A−1
注解1:尽管这种方法计算
A−1
的时候非常有用,但是我不推荐,我承认
A−1
可以一步就求出
Ax=b
,但是两个三角矩阵将会更好:
注解2:纯粹出于好奇,我们可能计算出找到
考虑到
ej
中的零元素,这个结果似乎有点高了,前向消元只改变1下面的零,这部分只有
n−j
个元素,所以对
ej
来说计数应该是
(n−j)2/2
,然后将所有
j
对应的加起来得到前向次数为
这个结果明显变低了。因为矩阵乘法需要 n3 步,所以计算 A−1 的次数和计算 A2 的次数是一样多的!不管怎样,如果不需要 A−1 的话,那就不去求它。
注解3:在Gauss-Jordan计算中,我们首先一路向前得到 U ,在开始向后使主元上面为零时,这跟高斯消元法很像。另外我们可以前向进行到第二个主元时就将它上面的元素变成零,但是这不是明智之举,那样的话当我们反向将主元上方变零的时候,该行几乎是满的而上面的那行却是零。
逆=非奇异
最终,我们想要知道哪些矩阵是可逆的,哪些不可逆。这个问题非常重要,它有很多的答案。
测试可逆性的方法有许多(但是互相等效),有时测试可以延伸到长方形矩阵。我们可以通过找出不相关的行列来测试,找出非零行列式或非零特征值或非零主元来测试,也可以用高斯消元法来测试。
假设
严格来讲,我们还必须将 A−1 写成左逆的形式。求解 AA−1=I 和求解 A−1A=I 是花费相同的时间,为什么呢?为了理解原因,注意每一步Gauss-Jordan都是在乘上一个初等矩阵,我们将会有三种类型的初等矩阵:
-
Eij
就是从
i
行减去
j 行的 ℓ 倍 - Pij 就是简化行 i,j
- D(D−1) 就是用主元除以所有行
Gauss-Jordan过程实际是一系列矩阵乘法:
反过来也是如此:如果
转置矩阵
我们还需要介绍一种矩阵,幸运的是它比逆简单得多。
如果我们将两个矩阵相加然后转置,这和先转置后相加得结果一样:
13、
(i).
AB
的转置是
(AB)T=BTAT
(ii).
A−1
的转置是
(A−1)T=(AT)−1
注意两个形式非常像,都是反转了顺序。逆的证明很容易,需要用到矩阵乘法。因为
(AB)T
的第一行是
(AB)
的第一列,
B
的第一列是
对称矩阵
根据已经建立的规则,现在我们介绍一种特殊的矩阵,可能非常重要,那就是对称矩阵。对称矩阵就是转置等于本身的矩阵:
AT=A
,这种矩阵必须是方阵,对角线一边的元素等于另一边的镜像:
aij=aji
,这里给出两个简单的例子:
对称乘法 RTR,RRT 和 LDLT
任意选择一个矩阵
R
,也可以是长方形的。用
RRT 也是对称的,不是和 RTR 不相等。凭我的经验,大部分以长方形矩阵开始的科学问题最终都会落到 RTR 或 RRT 或他们两者身上。
例2:
R=[1,2],RT=[12]
相乘得到
RTR=[1224],RRT=[5]
乘积
RTR
是
n×n
的矩阵,而
RRT
是
m×m
。即使
m=n
,
RTR=RRT
也不一定成立,等式是可能发生的但不常见。
对称矩阵出现在许多地方,“每一个行动都存在一个与它相等但相反的反应”。元素
aij
(在
j
上施加行动
14、假设
A=AT
在不执行行变换的情况下分解为
A=LDU
,那么
U
是
A=LDU
的转置为
AT=UTDTLT
,因为
A=AT
,因此我们存在两个分解,但是三角分解是唯一的,所以
LT
必须等于
U
。