初等矩阵的几何意义
一般而言,初等矩阵 I + u v T \mathbf I+\bold {u} \bold {v}^T I+uvT的几何意义是:将向量 x \bold x x平移 ( v T x ) u (\bold {v}^T\bold x)\bold u (vTx)u,i.e. ( I + u v T ) x = x + u ( v T x ) (\mathbf I+\bold {u} \bold {v}^T)\bold x=\bold x+\bold u(\bold {v}^T\bold x) (I+uvT)x=x+u(vTx)
- 对于任意两个向量
x
,
y
\mathbf x,\mathbf y
x,y,一定存在初等矩阵
I
−
σ
u
v
T
\mathbf I-\sigma\bold {u} \bold {v}^T
I−σuvT,使得
(
I
−
σ
u
v
T
)
x
=
y
(\mathbf I-\sigma\bold {u} \bold {v}^T)\mathbf x=\mathbf y
(I−σuvT)x=y
也就是说,初等矩阵能完成任意两向量之间的映射
特别的,当 u \bold {u} u和 v \bold {v} v满足一些特殊关系时,初等矩阵又有其他一些特殊几何意义,下面一一介绍
一些特殊的初等矩阵
引入初等矩阵,实际上是希望将很多常用的矩阵归纳为相同的表达形式,从而简化矩阵的设计
例如,初等行变换所乘的矩阵 E 1 = [ 0 1 0 1 0 0 0 0 1 ] , E 2 = [ 1 0 0 0 3 0 0 0 1 ] , E 3 = [ 1 0 0 4 1 0 0 0 1 ] E_{1} =\left[\begin{array}{lll}0 & 1 & 0 \\1 & 0 & 0 \\0 & 0 & 1\end{array}\right], E_{2}=\left[\begin{array}{lll}1 & 0 & 0 \\0 & 3 & 0 \\0 & 0 & 1\end{array}\right], E_{3}=\left[\begin{array}{lll}1 & 0 & 0 \\4 & 1 & 0 \\0 & 0 & 1\end{array}\right] E1= 010100001 ,E2= 100030001 ,E3= 140010001 、正交投影至XY平面的矩阵 P = [ 1 0 0 0 1 0 0 0 0 ] P =\left[\begin{array}{lll}1 & 0 & 0 \\0 & 1 & 0 \\0 & 0 & 0\end{array}\right] P= 100010000 、以Y轴做镜面反射的矩阵(Householder矩阵) H = [ 1 0 0 0 − 1 0 0 0 1 ] H =\left[\begin{array}{ccc}1 & 0 & 0 \\0 & -1 & 0 \\0 & 0 & 1\end{array}\right] H= 1000−10001 ,都是初等矩阵
Householder矩阵 /基本镜射矩阵
当 ∥ u ∥ = 1 \|\bold u\|=1 ∥u∥=1且 v = − 2 u \bold v=-2\bold u v=−2u,初等矩阵 H = I − 2 u u T \bold H=\bold I-2\bold u\bold u^T H=I−2uuT为Householder矩阵
-
H
T
=
H
=
H
−
1
\bold H^T=\bold H=\bold H^{-1}
HT=H=H−1
Householder矩阵是一个实对称、正交矩阵( H T = H \bold H^T=\bold H HT=H)
另外 H 2 = I \bold H^2=\bold I H2=I,镜射两次相当于不变 - 变换前后的向量
x
\bold x
x和
H
x
\bold H\bold x
Hx关于镜射超平面
s
p
a
n
{
u
}
⊥
span\{\bold u\}^{\bot }
span{u}⊥对称
基本投影矩阵
当 ∥ u ∥ = 1 \|\bold u\|=1 ∥u∥=1且 v = − u \bold v=-\bold u v=−u,初等矩阵 P = I − u u T \bold P=\bold I-\bold u\bold u^T P=I−uuT为基本投影矩阵
要注意的是,由于 v T u = u T v = − 1 \bold {v}^T\bold {u}=\bold {u}^T\bold {v}= -1 vTu=uTv=−1,基本投影矩阵并不是一个初等矩阵(因为不可逆)
但这里仍然介绍,用于对比学习
- 可以验证基本投影矩阵满足 P 2 = P = P T \bold P^{2}=\bold P=\bold P^T P2=P=PT
-
P
\bold P
P将向量
x
\bold x
x投影到超平面
s
p
a
n
{
u
}
⊥
span\{\bold u\}^{\bot }
span{u}⊥内
实际上,投影矩阵 P = I − u u T \bold P=\bold I-\bold u\bold u^T P=I−uuT将向量投影到 s p a n { u } ⊥ span\{\bold u\}^{\bot } span{u}⊥;
而投影矩阵 I − P = u u T \bold I-\bold P=\bold u\bold u^T I−P=uuT则是将向量投影到 s p a n { u } span\{\bold u\} span{u}( u \bold u u所处直线);
初等行变换
初等行变换包括三种:①交换两行;②某行乘以 c c c倍;③某行乘以 c c c倍后,加到另一方
初等行变换不改变行空间、左零空间,可能改变列空间、零空间,但是能保持列向量之间的相关性
我们已经知道,对矩阵做初等行变换,等价于用初等变换矩阵左乘该矩阵
实际上,这些初等变换矩阵,都可以写成如下的初等矩阵形式:
ps. 其中
e
i
\bold{e}_i
ei是第
i
i
i个标准单位向量(第
i
i
i个元素为1,其余为0)
- 交换 i i i和 j j j行: E 1 = I n + ( e i − e j ) ( e j − e i ) T E_1=I_n+(\bold{e}_i-\bold{e}_j)(\bold{e}_j-\bold{e}_i)^T E1=In+(ei−ej)(ej−ei)T
几何意义:
保证 ∥ u ∥ = 1 \|\bold u\|=1 ∥u∥=1,可得 u = 1 2 ( e i − e j ) \bold u=\frac{1}{\sqrt 2}(\bold{e}_i-\bold{e}_j) u=21(ei−ej), v = − u \bold v=-\bold u v=−u
则 E 1 = I − u u T E_1=\bold I-\bold u\bold u^T E1=I−uuT,这是Householder矩阵,对应镜射变换
- i i i行变为原来的 c c c倍: E 2 = I n + ( c − 1 ) e i e i T E_2=I_n+(c-1)\bold{e}_i\bold{e}_i^T E2=In+(c−1)eieiT
几何意义:
保证 ∥ u ∥ = 1 \|\bold u\|=1 ∥u∥=1,可得 u = e i \bold u=\bold{e}_i u=ei, v = ( c − 1 ) e i \bold v=(c-1)\bold{e}_i v=(c−1)ei, E 2 E_2 E2是伸缩矩阵
E 2 x = ( I n + ( c − 1 ) e i e i T ) x = x + ( c − 1 ) e i ( e i T x ) = x + ( c − 1 ) x i e i E_2\bold x=(I_n+(c-1)\bold{e}_i\bold{e}_i^T)\bold x=\bold x+(c-1)\bold {e}_i(\bold {{e}_i}^T\bold x)=\bold x+(c-1)x_i\bold {e}_i E2x=(In+(c−1)eieiT)x=x+(c−1)ei(eiTx)=x+(c−1)xiei,这是将 x \bold x x的第 i i i个分量变为原来的 c c c倍
- j j j行乘以 c c c倍加到 i i i行: E 3 = I n + c e i e j T E_3=I_n+c\bold{e}_i\bold{e}_j^T E3=In+ceiejT
几何意义:
保证 ∥ u ∥ = 1 \|\bold u\|=1 ∥u∥=1,可得 u = e i \bold u=\bold{e}_i u=ei, v = c e j \bold v=c\bold{e}_j v=cej
E 3 x = ( I n + c e i e j T ) x = x + c x j e i E_3\bold x=(I_n+c\bold{e}_i\bold{e}_j^T)\bold x=\bold x+cx_j\bold {e}_i E3x=(In+ceiejT)x=x+cxjei,这是将 x \bold x x的第 j j j个分量变为原来的 c c c倍加到第 i i i个分量上
E 3 E_3 E3是一个切变 (shear) 矩阵,他将向量 x \mathbf{x} x沿着 e i \mathbf{e}_i ei方向平移 c x j cx_j cxj 个单位。
reference:
特殊矩阵 (10):基本矩阵
基本矩阵的几何意义