MIT-线性代数笔记2-矩阵消元

目录

1. 消元(Elimination)

2. 回代(Back substitution)

3. 消元矩阵(Elimination matrices)

4. 置换矩阵(Permutation Matrices)

5. 逆矩阵(Inverse)

总结


Bilibili-MIT-线性代数34讲视频-2

1. 消元(Elimination)

高斯消元法(Gauss elimination)就是通过对方程组中的某两个方程进行适当的数乘和加减,以达到将某一未知数系数变为零,从而削减未知数个数的目的。

\left\{\begin{matrix} x+2y+z=2\\ 3x+8y+z=12\\ 4y+z=2 \end{matrix}\right.

Ax=b

A=\begin{bmatrix} 1 &2 &1 \\ 3&8 &1 \\ 0& 4 & 1 \end{bmatrix}    x=\begin{bmatrix} x\\ y\\ z \end{bmatrix}    b=\begin{bmatrix} 2\\ 12\\ 2 \end{bmatrix}

首先将x看作主元1(the first pivot),A中row2-3*row1,得到

\begin{bmatrix} 1 & 2 &1 \\ 0 & 2 & -2\\ 0& 4 & 1 \end{bmatrix}

同理,将y看作主元2,上述矩阵row3-2*row2,得到三角矩阵u

U=\begin{bmatrix} 1& 2 &1 \\ 0&2 &-2 \\ 0& 0& 5 \end{bmatrix}

\begin{vmatrix} A \end{vmatrix}=\begin{vmatrix} U \end{vmatrix}=1\times 2\times 5=10

上述消元过程对于任意的矩阵,是否都能成立呢?

  • Success 如上述矩阵,主元存在,可进行加减
  • Failure    主元为0,可通过换行以使得主元非0,这种失效为暂时性失效,若仍无法解决,则无法继续进行消元

2. 回代(Back substitution)

增广矩阵(augmented matrix):

系数矩阵的右边添上一列,这一列是线性方程组等号右边的值

\left ( A|b \right )=\begin{bmatrix} 1 &2 &1 &2 \\ 3& 8 &1 &12 \\ 0&4 & 1 & 2 \end{bmatrix}

消元后得到

\begin{bmatrix} 1 & 2 &1 &2 \\ 0& 2 & -2& 6\\ 0& 0 & 5 &-10 \end{bmatrix}

Ax=b可写为Ux=c,其中c

c=\begin{bmatrix} 2\\ 6\\ -10 \end{bmatrix}

回代方程即可得到新的方程组如下

\left\{\begin{matrix} x+2y+z=2\\ 2y-2z=6\\ 5z=-10 \end{matrix}\right.\rightarrow \left\{\begin{matrix} x=1\\ y=1\\ z=-2 \end{matrix}\right.

3. 消元矩阵(Elimination matrices)

矩阵运算的核心内容就是对“行”或者“列”进行独立操作。

如线性代数笔记1中“列图像”(column picture)所言,系数矩阵右乘以未知数列向量,相当于对系数矩阵的列向量进行线性组合。与之相对称,矩阵左乘行向量则是对矩阵的行向量进行线性组合。

(1) 通过左乘矩阵E21实现原矩阵A的row2-3*row1

E21的第二行使矩阵A的行向量进行前述的线性组合,而其它两行为了保持与原矩阵相同,采用同阶单位阵I (identity matrix)的行向量。左乘的这个矩阵为“初等矩阵”(Elementary Matrix),因此记做E

第一行

    

\begin{bmatrix} 1 &0&0 \end{bmatrix}\begin{bmatrix} 1& 2 &1 \\ 3 & 8& 1\\ 0 & 4& 1 \end{bmatrix}=\begin{bmatrix} 1 & 2 & 1 \end{bmatrix}

第三行

\begin{bmatrix} 0 & 0& 1 \end{bmatrix}\begin{bmatrix} 1 & 2 &1 \\ 3& 8& 1\\ 0& 4 & 1 \end{bmatrix}=\begin{bmatrix} 0 & 4 & 1 \end{bmatrix}

第二行(实现row2-3*row1)

\begin{bmatrix} -3 &1 &0 \end{bmatrix}\begin{bmatrix} 1 &2 &1 \\ 3&8 & 1\\ 0 & 4& 1 \end{bmatrix}=\begin{matrix} -3\begin{bmatrix} 1 & 2& 1 \end{bmatrix}\\ \\ +1\begin{bmatrix} 3 & 8& 1 \end{bmatrix}\\ \\ +0\begin{bmatrix} 0 & 4& 1 \end{bmatrix} \end{matrix} =\begin{bmatrix} 0 & 2 & -2 \end{bmatrix}

可记作

\begin{matrix} \begin{bmatrix} 1 &0 &0 \\ -3& 1& 0\\ 0 &0 & 1 \end{bmatrix} \\E_{21} \end{matrix} \begin{matrix} \begin{bmatrix} 1 & 2 & 1\\ 3&8 &1 \\ 0& 4 & 1 \end{bmatrix}\\A \end{matrix} =\begin{matrix} \begin{bmatrix} 1 & 2&1 \\ 0& 2& -2\\ 0 & 4 &1 \end{bmatrix}\\ E_{21}A \end{matrix}

(2)通过左乘矩阵E32实现矩阵E21A的row3-2*row2

\begin{matrix} \begin{bmatrix} 1 &0 &0 \\ 0& 1& 0\\ 0 &-2 & 1 \end{bmatrix} \\E_{32} \end{matrix} \begin{matrix} \begin{bmatrix} 1 & 2 & 1\\ 0&2 &-2 \\ 0& 4 & 1 \end{bmatrix}\\E_{21}A \end{matrix} =\begin{matrix} \begin{bmatrix} 1 & 2&1 \\ 0& 2& -2\\ 0 & 0 &5 \end{bmatrix}\\ E_{32}(E_{21}A) \end{matrix}

上述消元过程中由于第三行第一列为0,故可理解为E_{31}=I,省去了此步骤,可总结为

E_{32}(E_{31}(E_{21}A))=U

由于E31为单元矩阵(identity matrix, I),结合矩阵运算的结合律(associate law)

(E_{32}E_{21})A=EA=U

同理,有

Eb=c

回代方程,即可得

Ux=EAx=Eb=c

4. 置换矩阵(Permutation Matrices)

上文中说到,若主元为0,无法消元,存在暂时性失效情况时,需要进行换行/列,那如何实现置换得步骤呢?为此,引入了置换矩阵P

以2阶矩阵为例,换行,左乘置换矩阵P

 换列,右乘置换矩阵P

若是扩展到3阶呢?

\begin{bmatrix} 0&0 &1 \\0 &1 &0 \\ 1&0 & 0\end{bmatrix}\begin{bmatrix} a & b &c \\ d& e &f \\ g&h & i \end{bmatrix}=\begin{bmatrix} g & h & i\\ d& e& f\\ g& h & i \end{bmatrix}

 式中左乘P,p13=1可以理解为把row3置换为row1,p31=1可理解为row1置换至row3,p22=1由于下标相等均为2,故row2不动。

\begin{bmatrix} a & b &c \\ d& e &f \\ g&h & i \end{bmatrix}\begin{bmatrix} 0&0 &1 \\0 &1 &0 \\ 1&0 & 0\end{bmatrix}=\begin{bmatrix} c & b &a\\ f& e& d\\ i& h & g \end{bmatrix}

  式中右乘P,p13=1可以理解为把column3置换为column1,p31=1可理解为column1置换至column3,p22=1由于下标相等均为2,故column2不动。以此类推。

In short, to do row operations, the matrix multiplies on the left.

To do column operations, it multiplies on the right.

5. 逆矩阵(Inverse)

A是一个n阶矩阵,若存在另一个n阶矩阵B,使得: AB=BA=,则称方阵A可逆,并称方阵B是A的逆矩阵。

本节课程则主要针对上述消元过程,讨论是否存在逆矩阵使得U变换回A,引出下节课程。

对于上述消元矩阵E21,相当于row2-3*row1,为还原这一过程,逆矩阵则应对矩阵E21A的3*row1+row2,由此

\begin{matrix} \begin{bmatrix} 1 & 0 &0 \\ 3& 1 & 0\\ 0& 0 & 1 \end{bmatrix}\\ E_{21}^{-1} \end{matrix}\begin{matrix} \begin{bmatrix} 1 & 0 &0 \\ -3 &1 &0 \\ 0 & 0 & 1 \end{bmatrix}\\ E_{21} \end{matrix}=\begin{matrix} \begin{bmatrix} 1 & 0 & 0\\ 0& 1&0 \\ 0 &0 & 1 \end{bmatrix}\\ I \end{matrix}

总结

本节课程以线性方程组的高斯消元法引入,讲述了矩阵消元、回代、置换的过程,以及各元素在其中的意义。

  • 1
    点赞
  • 2
    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