线性代数学习笔记(十)——矩阵运算(二)

本篇笔记讲解矩阵的幂运算和矩阵的转置,其中矩阵进行幂运算的前提是矩阵为方阵,矩阵幂运算的两条性质与数的幂运算规则类似;矩阵转置的定义与行列式转置类似,但要注意由于矩阵的行数和列数不同,所以转置之后行数和列数变换。

1 矩阵的幂

1.1 矩阵幂的定义

如果 A A A是方阵,矩阵的幂定义如下:
A k = A A . . . A ⏟ k A^k=\underbrace{AA...A}_k Ak=k AA...A

特别地:我们规定: A 0 = E A^0=E A0=E

两条性质:
A k 1 A k 2 = A k 1 + k 2 A^{k_1}A^{k_2}=A^{k_1+k_2} Ak1Ak2=Ak1+k2
验证: A k 1 A k 2 = A A . . . A ⏟ k 1 A A . . . A ⏟ k 2 = A k 1 + k 2 A^{k_1}A^{k_2}=\underbrace{AA...A}_{k_1}\underbrace{AA...A}_{k_2}=A^{k_1+k_2} Ak1Ak2=k1 AA...Ak2 AA...A=Ak1+k2

( A k 1 ) k 2 = A k 1 k 2 (A^{k_1})^{k_2}=A^{k_1k_2} (Ak1)k2=Ak1k2
验证: ( A k 1 ) k 2 = A k 1 A k 1 . . . A k 1 ⏟ k 2 = A A . . . A ⏟ k 1 A A . . . A ⏟ k 1 . . . A A . . . A ⏟ k 1 ⏟ k 2 = A k 1 k 2 (A^{k_1})^{k_2}=\underbrace{A^{k_1}A^{k_1}...A^{k_1}}_{k_2}=\underbrace{\underbrace{AA...A}_{k_1}\underbrace{AA...A}_{k_1}...\underbrace{AA...A}_{k_1}}_{k_2}=A^{k_1k_2} (Ak1)k2=k2 Ak1Ak1...Ak1=k2 k1 AA...Ak1 AA...A...k1 AA...A=Ak1k2

因为矩阵相乘不满足交换律,一般情况下:
( A B ) k ≠ A k B k (AB)^k{\neq}A^kB^k (AB)k=AkBk

举例:
( A B ) 2 ≠ A 2 B 2 (AB)^2{\neq}A^2B^2 (AB)2=A2B2
因为: ( A B ) 2 = A B A B (AB)^2=ABAB (AB)2=ABAB
而: A 2 B 2 = A A B B A^2B^2=AABB A2B2=AABB
很显然:中间的 A B AB AB一般是 ≠ B A ≠BA =BA的。

思考1:
( A + B ) 2 (A+B)^2 (A+B)2 A 2 + 2 A B + B 2 A^2+2AB+B^2 A2+2AB+B2是否相等?
答案是否定的。
因为: ( A + B ) 2 = ( A + B ) ( A + B ) (A+B)^2=(A+B)(A+B) (A+B)2=(A+B)(A+B),根据矩阵相乘的分配律:
= ( A + B ) A + ( A + B ) B =(A+B)A+(A+B)B =(A+B)A+(A+B)B
= A 2 + B A + A B + B 2 =A^2+BA+AB+B^2 =A2+BA+AB+B2

很显然: 2 A B 2AB 2AB一般与 B A + A B BA+AB BA+AB是不相等的。
所以,同样的, ( A − B ) 2 (A-B)^2 (AB)2 A 2 − 2 A B + B 2 A^2-2AB+B^2 A22AB+B2一般也是不相等的。

思考2:
( A + E ) 2 (A+E)^2 (A+E)2 A 2 + 2 A E + E 2 A^2+2AE+E^2 A2+2AE+E2是否相等?
答案是肯定的。
因为: ( A + E ) 2 = ( A + E ) ( A + E ) (A+E)^2=(A+E)(A+E) (A+E)2=(A+E)(A+E),根据矩阵相乘的分配律:
= ( A + E ) A + ( A + E ) E =(A+E)A+(A+E)E =(A+E)A+(A+E)E
= A 2 + E A + A E + E 2 =A^2+EA+AE+E^2 =A2+EA+AE+E2
又因为: E A = A , A E = A EA=A,AE=A EA=AAE=A
所以: = A 2 + 2 A + E 2 =A^2+2A+E^2 =A2+2A+E2
故: ( A + E ) 2 = A 2 + 2 A E + E 2 (A+E)^2=A^2+2AE+E^2 (A+E)2=A2+2AE+E2
注意 E 2 E^2 E2就等于 E E E E n E^n En也等于 E E E

同样的, ( A − E ) 2 (A-E)^2 (AE)2 A 2 − 2 A E + E 2 A^2-2AE+E^2 A22AE+E2一般也是相等的。

1.2 矩阵相乘练习

该部分内容请参考上一篇博客线性代数学习笔记(九)——矩阵运算(一)

例8:已知矩阵 A = [ 1 1 1 ] A=\begin{bmatrix}1\\1\\1\end{bmatrix} A=111,矩阵 B = [ 1 2 3 ] B=\begin{bmatrix}1&2&3\end{bmatrix} B=[123],求 A B AB AB B A BA BA ( A B ) 2 (AB)^2 (AB)2 ( A B ) 10 (AB)^{10} (AB)10

解:
A B = [ 1 1 1 ] 3 × 1 [ 1 2 3 ] 1 × 3 AB=\begin{bmatrix}1\\1\\1\end{bmatrix}_{3×1}\begin{bmatrix}1&2&3\end{bmatrix}_{1×3} AB=1113×1[123]1×3

= [ 1 2 3 1 2 3 1 2 3 ] 3 × 3 =\begin{bmatrix}1&2&3\\1&2&3\\1&2&3\end{bmatrix}_{3×3} =1112223333×3

② 同理: B A = [ 1 2 3 ] 1 × 3 [ 1 1 1 ] 3 × 1 = 6 BA=\begin{bmatrix}1&2&3\end{bmatrix}_{1×3}\begin{bmatrix}1\\1\\1\end{bmatrix}_{3×1}=6 BA=[123]1×31113×1=6

( A B ) 2 = A B A B (AB)^2=ABAB (AB)2=ABAB
= [ 1 2 3 1 2 3 1 2 3 ] [ 1 2 3 1 2 3 1 2 3 ] =\begin{bmatrix}1&2&3\\1&2&3\\1&2&3\end{bmatrix}\begin{bmatrix}1&2&3\\1&2&3\\1&2&3\end{bmatrix} =111222333111222333

= [ 6 12 18 6 12 18 6 12 18 ] =\begin{bmatrix}6&12&18\\6&12&18\\6&12&18\end{bmatrix} =666121212181818

另外一种思路:
( A B ) 2 = A B A ‾ B (AB)^2=A\underline{BA}B (AB)2=ABAB
先计算中间的 B A BA BA,由②可知其值为6,则原式:
= 6 A B =6AB =6AB
= 6 [ 1 2 3 1 2 3 1 2 3 ] =6\begin{bmatrix}1&2&3\\1&2&3\\1&2&3\end{bmatrix} =6111222333

= [ 6 12 18 6 12 18 6 12 18 ] =\begin{bmatrix}6&12&18\\6&12&18\\6&12&18\end{bmatrix} =666121212181818

( A B ) 10 = A B A ‾ B A ‾ . . . B A ‾ ⏟ 9 B (AB)^{10}=A\underbrace{\underline{BA}\underline{BA}...\underline{BA}}_9B (AB)10=A9 BABA...BAB
= 6 9 A B =6^9AB =69AB
= 6 9 [ 1 2 3 1 2 3 1 2 3 ] =6^9\begin{bmatrix}1&2&3\\1&2&3\\1&2&3\end{bmatrix} =69111222333

注意:一般求矩阵高次幂的运算都是通过一定技巧化简的。

例9:略

2 矩阵的转置

2.1 矩阵转置的定义

矩阵的转置和行列式的转置类似,即将原来的行做成列,将原来的列做成行。

A = [ 1 2 3 1 1 1 ] 2 × 3 A=\begin{bmatrix}1&2&3\\1&1&1\end{bmatrix}_{2×3} A=[112131]2×3
A T = [ 1 1 2 1 3 1 ] 3 × 2 A^T=\begin{bmatrix}1&1\\2&1\\3&1\end{bmatrix}_{3×2} AT=1231113×2

与行列式一样, A A A的转置表示为 A T A^T AT A ’ A^’ A
如果 A A A m × n m×n m×n的矩阵,则 A T A^T AT n × m n×m n×m的矩阵。

( A T ) T = [ 1 2 3 1 1 1 ] 2 × 3 (A^T)^T=\begin{bmatrix}1&2&3\\1&1&1\end{bmatrix}_{2×3} (AT)T=[112131]2×3

2.2 矩阵转置的性质

★ ① ( A T ) T = A (A^T)^T=A (AT)T=A
( A + B ) T = A T + B T (A+B)^T=A^T+B^T (A+B)T=AT+BT
( k A ) T = k A T (kA)^T=kA^T (kA)T=kAT
★ ④ ( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT

注意:不是 ( A B ) T = A T B T (AB)^T=A^TB^T (AB)T=ATBT,例如 A 3 × 2 A_{3×2} A3×2 B 2 × 5 B_{2×5} B2×5,那么 A 2 × 3 T A^T_{2×3} A2×3T B 5 × 2 T B^T_{5×2} B5×2T中间不等,所以不能相乘;而 B 5 × 2 T B^T_{5×2} B5×2T A 2 × 3 T A^T_{2×3} A2×3T中间相等,可以相乘。

性质④推广: ( A 1 A 2 A 3 A 4 ) T = A 4 T A 3 T A 2 T A 1 T (A_1A_2A_3A_4)^T=A_4^TA_3^TA_2^TA_1^T (A1A2A3A4)T=A4TA3TA2TA1T
同样,性质②也有类似推广: ( A + B + C ) T = A T + B T + C T (A+B+C)^T=A^T+B^T+C^T (A+B+C)T=AT+BT+CT

3 引用

《线性代数》高清教学视频 “惊叹号”系列 宋浩老师_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili_2.2 矩阵运算(二)

  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
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