线性代数 1

最新推荐文章于 2022-07-24 21:53:09 发布

Hundred_Xu

最新推荐文章于 2022-07-24 21:53:09 发布

阅读量2.8k

点赞数

文章标签：线性代数矩阵

本文链接：https://blog.csdn.net/Hundred_Xu/article/details/120990840

版权

第一课方程组的几何解释

置换矩阵[一个m*n(m<=n)的(0,1)矩阵P为置换矩阵的充要条件是P的每一行恰有一个1，每一列恰有一个1，其余系数均为0]

[注意区别置换矩阵和转置矩阵，两者关系：置换矩阵的逆等于其转置，即 $P^{-1}$ = $P^{T}$ ]

{置换矩阵是单位矩阵的延伸版，是单位矩阵进行初等变换(行交换和列交换)后得到的矩阵,其必然为正交矩阵[若A $A^{T}$ =E或 $A^{T}$ A=E,则称n阶实矩阵为正交矩阵(其中 $A^{T}$ 表示A的转置矩阵，E为单位矩阵)]}

[通过单位矩阵(使用行变换或列变换)找置换矩阵更容易]

一.“左行右列”

1。交换 $r_1{}$ , $r_2{}$ (行交换~左乘）

$\begin{bmatrix} 0 & 1\\ 1 & 0 \end{bmatrix}$ $\begin{bmatrix} a &b \\ c & d \end{bmatrix}$ $=\begin{bmatrix} c & d\\ a& b \end{bmatrix}$

P(置换矩阵）P中[0 1]表示0个 $r_1{}$ ,1个 $r_2{}$ ,即得到[c d]

2。交换 $c_1{}$ , $c_2{}$ (列交换~右乘)

$\begin{bmatrix} a &b \\ c & d \end{bmatrix}$ $\begin{bmatrix} 0 & 1\\ 1 & 0 \end{bmatrix}$ $=\begin{bmatrix} b&a \\ d &c \end{bmatrix}$

P(置换矩阵）P中[0 1]表示0个 $c_1{}$ ,1个 $c_2{}$ ，即得到[b d]

第二课矩阵消元

二.关于运算

1。消元(消元，为了正确认识矩阵的概念）

（每个台阶的第一个元素称为主元)

[0不能做主元，若0占据主元位置，0下面有非0元素，则可进行行交换(暂时性失效)]

2。a.结合律成立(即括号可以移动)，交换律不成立(即乘法顺序不能改变),因而除非两者可以交换，否则不满足完全平方公式和平方差公式

b.减多少就加多少回来

3。矩阵内部元素表示含义

$\begin{bmatrix} 1 &0 &0 \\3 &1 & 0\\0 &0 & 1 \end{bmatrix}$ $\begin{bmatrix} 1 &0 &0 \\ -3 & 1 &0 \\ 0&0 &1 \end{bmatrix}=$ $=\begin{bmatrix} 1 & 0 &0 \\ 0 & 1 &0 \\ 0 & 0 & 1 \end{bmatrix}$

$A^{-1}$ A I(单位阵,也可用E表示,并无差别)

$A^{-1}$ 中 $r_1{},r_3{}$ 表示A的 $r_1{},r_3{}$ 各乘以1分别得到I中的 $r_1{},r_3{}$ ， $A^{-1}$ 中 $r_2{}$ 表示A的3 $r_1{}$ + $r_2{}$ 得到I中的 $r_2{}$

第三课乘法和逆矩阵

三.矩阵乘法(矩阵相乘不一定要是方阵，若是方阵，则大小必须相同；若不是方阵，则大小不同，但须满足特定格式： $A_{m*n}*B_{n*p}=C_{m*p}$ )

AB=C

1。常规方法(求和公式） $c_{34}=row3ofA*colum4of B=a_{31}b_{14}+a_{32}b_{24}+...=\sum_{k=1}^{n}a_{3k}b_{k4}$

2。列方法(将B看作p个单独的列向量，C中各列是A中各列的线性组合~A*向量，B中的元素相当于表明这是怎样的线性组合）

$AB_{c_1{}}=C_{c_1{}}$

3。行方法(与列方法相似，注意左行右列即可）

$A_{r_1{}}B=C_{r_1{}}$

4。列*行

$A_{c_1{}}B_{r_1{}}+A_{c_2{}}B_{c_2{}}$

(行空间即行所有可能的线性组合）

5。分块矩阵(分块乘法法则）

四.逆

$A^{-1}A=I=AA^{-1}$ (对于方阵而言，只要A有逆，左逆右逆都可以 ;

左逆单位阵右逆而非方阵因为形状不同无法相乘，左逆并不等于右逆)

1。奇异矩阵(没有逆)

判定方法：a.行列式 $\left | A \right |=0$ （常用) $\begin{bmatrix} 1 & 2\\3 &6 \end{bmatrix} A$ b.假设AB=C，C中各列为A中相应列的倍数，

$\because$ A中两列共线(向量角度)，所有的线性组合均在此条直线(1,3)上

而(1，0）不在其上，则 $I\begin{bmatrix} 1 &0 \\ & \end{bmatrix}$ 不可能是A这些列的线性组合

$\therefore$ C不是单位阵，A是奇异矩阵

$\exists$ 非零向量X，使得AX=0，这样的矩阵A没有逆

$\begin{bmatrix} 1 & 3\\ 2 &6 \end{bmatrix}$ $\begin{bmatrix} 3\\ -1 \end{bmatrix}=3\begin{bmatrix} 1\\3 \end{bmatrix}+(-1)\begin{bmatrix} 2\\6 \end{bmatrix}=\begin{bmatrix} 0\\0 \end{bmatrix}$ (如果其中一列对线性组合毫无贡献，矩阵 3个 $c_{1}$ 加上-1个 $c_{2}$ 不可能有逆)

假设 $A^{-1}(AX)=X$ ,又 $A^{-1}(AX)=OA^{-1}=0$ , $X=\begin{bmatrix} 3\\-1 \end{bmatrix}\neq 0$ $\therefore$ 假设不成立

结论：不可逆(奇异)矩阵其列能通过线性组合(非零向量X)得到0

(若左乘其逆，则X=0,所以不成立)

2。非奇异矩阵(可逆)

1.判定方法：a.行列式 $\left | A \right |\neq 0$

$\begin{bmatrix} 1 &3 \\2 &7 \end{bmatrix} A$ b.各列的方向不同，组合能得到任何向量

$\begin{bmatrix} 1 &3 \\2 &7 \end{bmatrix}\begin{bmatrix} a &c \\b &d \end{bmatrix}=\begin{bmatrix} 1 & 0\\0 &1 \end{bmatrix}$ $AA^{-1}_{c_{1}}=I_{c_{1}}$ $AA^{-1}_{c_{2}}=I_{c_{2}}$

A $A^{-1}$ I (求逆~解2个方程组)

2.求逆方法

a.高斯-若尔当消元法[即初等变换(利用增广矩阵能同时处理两个方程组)]

(求逆~求解方程组）

$\begin{bmatrix} A &I \end{bmatrix}\sim \begin{bmatrix} I & A^{-1} \end{bmatrix}$ 即 $E\begin{bmatrix} A &I \end{bmatrix}= \begin{bmatrix} I &A^{-1} \end{bmatrix}$ (消元矩阵E：消元法的矩阵形式)

$EA=I\Rightarrow E=A^{-1}$ $EI=E=A^{-1}$

b. 待定系数求解方程

$AA^{-1}=I$ 设 $A^{-1}=\begin{bmatrix} a & b\\ c& d \end{bmatrix}$ 用 $A^{-1}$ 中的系数表示 I（单位矩阵)

c.利用伴随矩阵求解

公式： $A^{-1}=\frac{A^{*}}{\begin{vmatrix} A \end{vmatrix}}$

[方阵 $A_{n*n}$ (即行数=列数)可逆的充分必要条件是 $\begin{vmatrix} A \end{vmatrix}\neq 0$ ,当A可逆时, $A^{-1}=\frac{A^{*}}{\begin{vmatrix} A \end{vmatrix}}$ ]

d.特殊

二阶矩阵[特殊口诀得到伴随矩阵(主对角线交换，副对角线变号)，根据方法c求解]

第四课 A的LU分解

A=LU

(总的消元公式，最基础的矩阵分解）

1。消元矩阵的乘法(相关见第二课）

$\left ( AB \right )\left ( B^{-1}A^{-1} \right )=A\left ( BB^{-1} \right )A^{-1}=I$ [括号可以移动，即结合律(相关见第一课)]

$\left ( B^{-1}A^{-1} \right )\left ( AB \right )=B^{-1}\left ( A^{-1}A \right )B=I$ (放另一侧检验)

2。转置(相关见第一课)

$AA^{-1}=I$ $\left ( A^{-1} \right )^{T}A^{T}=I$ $\left ( A^{-1} \right )^{T}=\left ( A^{T} \right )^{-1}$

(类比记忆:1,复合函数求导 2,先脱鞋子，再脱袜子，其逆动作是先穿袜子，再穿鞋子)

3。可逆矩阵A经过行变换得到U

1，假设主元上没有0，不需要行交换

a.二阶矩阵(阶只对方阵定义)

$\begin{bmatrix}1&0\\-4&1\end{bmatrix}$ $\begin{bmatrix} 2 &1 \\ 8 &7 \end{bmatrix}$ $=\begin{bmatrix} 2 &1 \\ 0& 3 \end{bmatrix}$ 即 $E_{21}A=U$ (消元矩阵 $E_{21}$ :把 $r_2c_1$ 位置上的数消成0)

$\begin{bmatrix} 2 &1 \\ 8 & 7 \end{bmatrix}=\begin{bmatrix} 1 & 0\\ 4& 1 \end{bmatrix}\begin{bmatrix} 2 &1 \\ 0 & 3 \end{bmatrix}=\begin{bmatrix} 1 &0 \\ 4& 1 \end{bmatrix}\begin{bmatrix} 2 &0 \\ 0& 3 \end{bmatrix}\begin{bmatrix} 1 & \frac{1}{2}\\ 0 &1 \end{bmatrix}$ 即 $A=LU=LDU$ 其中， $L=E_{21}^{-1}$ [ $E_{21}$ 的逆(即 $E_{21}^{-1}$ )的求解方法详见第三课]

L:lower 下三角 U:upper 上三角 (对角线均为1) D:diagonal 对角矩阵

b.三阶矩阵

$E_{32}E_{31}E_{21}A=U$ $A=E_{21}^{-1}E_{31}^{-1}E_{32}^{-1}U=LU$

(乘积的逆，只需要分别求逆，然后反顺序相乘即可）

$\begin{bmatrix} 1 &0 &0 \\ 0 &1 &0 \\ 0&-5 &1 \end{bmatrix}$ $\begin{bmatrix} 1 &0 &0 \\ -2 & 1 &0 \\ 0 & 0 &1 \end{bmatrix}$ $=\begin{bmatrix} 1 & 0 & 0\\ -2& 1 & 0\\ 10 &-5 & 1 \end{bmatrix}$ 即 $E_{32}E_{21}=E$ 则 EA=U

( $\because$ A中 $r_{3}c_{1}$ 处的位置为0， $\therefore$ 没有 $E_{31}$ )

[上三角矩阵与上三角矩阵的乘积都是上三角矩阵(即对角线的数保持不变)]

$\begin{bmatrix} 1 &0 &0 \\ 2 &1 & 0\\ 0& 0 &1 \end{bmatrix}$ $\begin{bmatrix} 1 &0 &0 \\ 0& 1 &0 \\ 0&5 &1 \end{bmatrix}$ $=\begin{bmatrix} 1 &0 &0 \\ 2 &1 & 0\\ 0 &5 &1 \end{bmatrix}$ 即 $E_{21}^{-1}E_{32}^{-1}=L$ 则A=LU

(把EA=U转换成A=LU,这样2和5不会冲突得到10,消元乘数还在L里，则L不用运算，只需要写出所有消元乘数，简便了运算)

[如果不存在行互换，消元乘数(即消元步骤中需要乘以并减去的那个倍数),可直接写入L中]

$\bullet$ 关于(以矩阵形式进行)消元:比如进行消元步骤，只要步骤正确，可在得到LU的过程中把 A抛开， $\because$ A的信息都包含于LU中， $\therefore$ 当完成A的消元，只需要记住得到的U和由消元所用乘数构成的L，A可以不管了。

第五课转置 — 置换 — 向量空间R

2，如果主元上有0，允许行互换(置换矩阵可以用来进行行互换) —— 转置与置换

$\bigstar$ 置换矩阵：一个m*n(m<=n)的(0,1)矩阵P为置换矩阵的充要条件是P的每一行恰有一个1，每一列也恰有一个1，其余系数均为0。

$\bullet$ 置换矩阵是单位矩阵的延伸版，是单位矩阵进行初等变换(行交换和列交换)后得到的矩阵(即行重新排列了的单位矩阵),其必然为正交矩阵[若A $A^{T}$ =E或 $A^{T}$ A=E,则称n 阶实矩阵为正交矩阵(其中 $A^{T}$ 表示A的转置矩阵，E为单位矩阵)]。

$\bullet$ 单位矩阵是不做任何变换(即毫无作为)的置换矩阵，是最基本的置换矩阵，通过单位矩阵(使用行变换或列变换)找置换矩阵更容易。

$\bullet$ 所有n阶置换矩阵P(用来完成行互换的矩阵)的个数共有n!种(即n阶单位矩阵各行重新排列后所有可能的数目),其中,阶只对方阵定义，n阶即为n*n。

如3*3的置换矩阵P共有6种( $P_{12}$ 表示由单位矩阵交换 $r_{1}$ 和 $r_{2}$ 得到的置换矩阵),

$\begin{bmatrix} 1 &0 &0 \\ 0&1 &0 \\ 0& 0 &1 \end{bmatrix}$ $\begin{bmatrix} 0& 1 & 0\\ 1& 0 &0 \\ 0& 0 &1 \end{bmatrix}$ $\begin{bmatrix} 0 &0 &1 \\ 0& 1 &0 \\ 1 &0 &0 \end{bmatrix}$ $\begin{bmatrix} 1 &0 &0 \\ 0& 0 &1 \\ 0& 1 &0 \end{bmatrix}$ $\begin{bmatrix} 0 &1 &0 \\ 0& 0 &1 \\ 1& 0 &0 \end{bmatrix}$ $\begin{bmatrix} 0 & 0 &1 \\ 1& 0 &0 \\ 0& 1 &0 \end{bmatrix}$

$\circ$ 将它们两两相乘,其结果仍在它们之中产生,即重复进行行互换,结果仍然是行互换 $\circ$ 如果取其逆，只用将行换回去即可，即其逆也在它们之中。

$\bigstar$ 性质：所有置换矩阵均可逆( $\because$ 各行还原后得到单位矩阵)

$P^{-1}=P^{T}$ (较少见) $P^{T}P=I$ (不止P有这种性质)

$\bigstar$ 转置 $(A^{T})_{ij}=A_{ji}$

$\begin{bmatrix} 1 & 3\\ 2& 3\\ 4 & 1 \end{bmatrix}^{T}$ $=\begin{bmatrix} 1 &2 &4 \\ 3&3 &1 \end{bmatrix}$ 即 $R^{T}_{3*2}=R_{2*3}$

$\bigstar$ 对称矩阵：矩阵转置后没有改变，即 $A^{T}=A$ (较常见)

$\bullet$ 所有的 $R^{T}*R$ 都是对称矩阵

[验证对称性的不二法门：取个转置，看是否不变（即 $A^{T}=A$ ) ]

$(R^{T}R)=R^{T}*R^{TT}=R^{T}R\rightarrow$ 对称矩阵，证毕

转置乘法法则：转置后，改变乘法顺序（该性质与逆的乘法法则一样）

$R^{TT}$ ,也可写作 $(R^{T})^{T}$ ，即绕对角线互换一次，再互换一次，最终还是R本身，即

$R^{TT}$ [或 $(R^{T})^{T}$ ] $=R$

第一，二两章（完）

Hundred_Xu

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
线性代数 1

一.线性代数1.置换矩阵[一个m*n(m<=n)的(0,1)矩阵P为置换矩阵的充要条件是P的每一行恰有一个1，每一列恰有一个1，其余系数均为0][注意区别置换矩阵和转置矩阵，两者关系：置换矩阵的逆等于其转置，即P^(-1)=P^T][置换矩阵是单位矩阵的延伸版，是单位矩阵进行初等变换(行交换和列交换)后得到的矩阵,其必然为正交矩阵(若AA^T=E或(A^T)A=E,则称n阶实矩阵为正交矩阵(其中A^T表示A的转置矩阵，E为单位矩阵)][通过单位矩阵(使用行变换或列变换)找置换矩阵更容易
复制链接

扫一扫