线性代数 Linear Algebra
文章目录
矩阵 Matrix
矩阵的乘法 A × B A\times B A×B和 r × A r\times A r×A
- 矩阵 × \times ×矩阵:
![image-20220709211540970](image-20220709211540970.png)
-
矩阵 × \times ×标量:就是标量r和矩阵的每个元素都相乘
-
矩阵乘法的性质:满足(左/右)分配律,结合律,不满足交换律
转置: ( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT
用结合律可以简化多个矩阵相乘,先算结果维度小的部分
转置矩阵 A T A^T AT
A T A^T AT为 A A A的转置矩阵,就是将行列互换, a i j a_{ij} aij和 a j i a_{ji} aji互换位置
若 A A A= A T A^T AT, A A A为对称矩阵
矩阵的逆 A − 1 A^{-1} A−1
定义
如果 A A A为n阶方阵,存在n阶方阵 B B B使得 A B = B A = E AB=BA=E AB=BA=E,则 A A A为可逆矩阵,并称 B = A − 1 B=A^{-1} B=A−1,为 A A A的逆
性质
A − 1 A^{-1} A−1存在(矩阵可逆)等价于 ∣ A ∣ ≠ 0 |A|\neq0 ∣A∣=0
- 也等价于 A A A满秩(即 r ( A ) = n r(A)=n r(A)=n)
- 也等价于 A T A^T AT可逆
由 ∣ A ∣ ≠ 0 |A|\neq0 ∣A∣=0也可得 A A A可逆也等价于:
- A A A标准型为单位矩阵/ A A A化成阶梯形矩阵没有零行
- 齐次线性方程组 A X = 0 AX=0 AX=0只有零解
求解逆矩阵 A − 1 A^{-1} A−1
一般常用:
-
定义法
-
初等变换法:
[ A ∣ E ] → [ E ∣ A − 1 ] [A|E]\to[E|A^{-1}] [A∣E]→[E∣A−1],通过初等行变换将矩阵 [ A ∣ E ] [A|E] [A∣E] 左半边化成单位矩阵,右半边就是所求逆矩阵 A − 1 A^{-1} A−1
[考]矩阵的秩 r ( A ) r(A) r(A)
相关定义:子矩阵 子式
子矩阵:从原矩阵截取的矩阵(包括其本身)
子式:子矩阵的行列式
秩 r ( A ) r(A) r(A)的定义和性质
秩 r ( A ) r(A) r(A)是矩阵A中不等于0的子式的最高阶数
等于 A A A化成行阶梯型矩阵后非零行的个数
-
与向量组的关系
矩阵的秩等于它行/列向量组的秩
向量组的秩定义为向量组的极大线性无关组所含向量数
-
与向量空间的关系(几何意义)矩阵的其他概念
矩阵的秩等于它行/列空间的维数
-
与线性方程组解的关系:
设A是m×n矩阵,若 r ( A ) < n r(A)<n r(A)<n,则齐次线性方程组 A X = 0 AX=0 AX=0有基础解系,且每个基础解系都含 n − r n-r n−r个解向量。
-
与线性变换的关系
矩阵的初等变换:
初等(行)变换的定义包括: elementary
- 用非零数r乘以矩阵某一行
- 把矩阵某行的k倍加到另一行
- 互换矩阵两行的位置
性质:
-
经过有限次初等(行)变换的矩阵相互(行)等价 A ∼ B A\sim B A∼B equivalence
等价具有反身性,对称性,传递性
-
矩阵的初等(行)变换 等同于 行列式的初等(行)变换 等同于 线性方程组的初等变换,都可运用Cramer法则求解方程组的根
单位矩阵 初等矩阵 等价标准型:
单位矩阵 E E E:主对角线全为1,其他部分全为0的方阵
初等矩阵: 单位矩阵通过一次初等变换得到的矩阵
矩阵的一次初等变换等同于和一个初等矩阵相乘
任意矩阵总可以经过有限次初等变换化为等价标准型:
此标准型只由矩阵大小m,n和矩阵的秩唯一确定
相关算法
快速矩阵乘法
一般矩阵乘法(定义法)时间复杂度为 O ( N 3 ) O(N^3) O(N3) (方阵相乘)
分块算法,Strassen 算法,Coppersmith-Winograd算法
快速矩阵幂
相当于套用快速实数幂,就是矩阵+快速幂,依旧是分治方法:
![image-20220709211225413](image-20220709211225413.png)
行列式 Determinant
本质是在一个方块矩阵上计算得到的标量
行列式运算性质
行列式的初等行变换:
-
行列式某行乘以k等同于行列式乘以k(提取系数)
-
某行加上k倍另一行,行列式值不变
-
互换任意两行,行列式变号
行列式值为0或者不为0 ∣ A ∣ = 0 |A|=0 ∣A∣=0?
∣ A ∣ = 0 |A|=0 ∣A∣=0:
![image-20220710100022523](image-20220710100022523.png)
∣ A ∣ ≠ 0 |A|\neq 0 ∣A∣=0:
![image-20220710100039411](image-20220710100039411.png)
向量 Vector
本质:有序数组
概念
- 线性组合和线性表示:
![image-20220710181835335](image-20220710181835335.png)
-
线性相关性(线性相关与线性无关)
性质
n维向量 β \beta β可以由n维向量组 α 1 , α 2 , . . . , α m \alpha_1,\alpha_2,...,\alpha_m α1,α2,...,αm线性表示
与矩阵的关联:
![image-20220710182702201](image-20220710182702201.png)
![image-20220710182723154](image-20220710182723154.png)