数学/线性代数 {矩阵,线性变换,矩阵运算,伴随矩阵,逆矩阵}

数学/线性代数 {矩阵,线性变换,矩阵运算,伴随矩阵,逆矩阵}

@LOC_COUNTER: 8

矩阵

定义

m行n列的矩阵: $\left[\begin{array}{c}{a}_{i,j}\end{array}\right]$

元: $a_{i,j}$为矩阵的元(即元素), 也称为矩阵的$(i,j)$元;

方阵: 若$n=m$, 该矩阵 又称为$n$阶方阵;

行向量: 若$m=1$, 该矩阵 又称为$n$维行向量(形如$[a_1,...,a_n]$);

列向量: 若$n=1$, 该矩阵 又称为$m$维列向量(形如$\left[\begin{array}{c}{a}_1\\ ...\\ a_n\end{array}\right]$, 也可写成$[a_1,...,a_n{]}^T$ , 即将行向量进行转置 即变成了列向量);

相关术语

方阵的行列式

对于任意方阵A, 他可以进行行列式操作, 即一个方阵 可以转换为行列式 记作$|A|$;
. $A$和$|A|$ 他俩的元素都一样, 只不过 一个是矩阵$[]$ 一个是行列式$||$;

@DELIMITER

{奇异矩阵, 非奇异矩阵}

令A为方阵, 则 $|A|=0$ $⟺$ $A$为奇异矩阵;
. 一个方阵, 不是奇异矩阵, 就是非奇异矩阵;

@DELIMITER

{对角阵, 单位矩阵, 纯量阵}

对角阵: 除了对角线, 其余元素均为$0$;

单位矩阵: 对角线元素均为1, 的对角阵;
. 因为任何$m\ast n$矩阵A, 不论是左乘一个单位矩阵$E_{m,m}$, 还是右乘一个单位矩阵$E_{n,n}$, 进行矩阵乘法后, 得到的 依然是原矩阵$A$; 因此, 单位矩阵又称为恒等变换;
. 即, 单位矩阵在矩阵乘法中的角色, 就类似于乘法中的 常数$1$;

纯量阵: 对角线元素均相同, 的对角阵;
. 比如对角线元素均为$k$的纯量阵, 他等价于$k\ast E$(E为单位阵), 对于一个$m\ast n$的矩阵A, 无论是左乘一个纯量阵, 还是右乘一个纯量阵, 结果都是$k\ast A$;
. 即, 纯量阵在矩阵乘法中的角色, 就类似于乘法中的 常数$k$;

@DELIMITER

{系数矩阵, 未知数矩阵, 常数矩阵, 增广矩阵}

MARK: @LOC_0

线性方程组: $\{\begin{array}{c}{a}_{11}{x}_1+...+a_{1n}{x}_n=b_1\\ ...\\ a_{m1}{x}_1+...+a_{mn}{a}_n=b_m\end{array}$;

其中, $[a_{i,j}]$组成的$m\ast n$矩阵为: 系数矩阵;
$[x_1,...,x_n{]}^T$组成的$n\ast 1$矩阵为: 未知数矩阵;
$[b_1,...,b_m{]}^T$组成的$m\ast 1$矩阵为: 常数矩阵;
$[a_{i,j},b_i]$组成的$m\ast (n+1)$矩阵为: 增广矩阵;

@DELIMITER

{矩阵的幂}

对于$n\ast n$的方阵$A$, $A^a$表示$a$的矩阵A的连乘(即$A\ast A\ast ...\ast A$);

@DELIMITER

方阵的行列式

对于$n\ast n$的方阵A, $|A|$(或$detA$)表示其对应的n阶行列式;

相关知识点

@DELIMITER

矩阵运算 , 参见: @MARK_1;

性质

若AB为同阶方阵, $A\ast B$与$B\ast A$ 不一定相同;

虽然根据@MARK_3, 我们知道$|A\ast B|=|B\ast A|$, 但是, $A\ast B$和$B\ast A$这两个矩阵 不一定是相同的;

比如$A=\left[\begin{array}{cc}1& 0\\ 1& 0\end{array}\right],B=\left[\begin{array}{cc}1& 1\\ 1& 1\end{array}\right]$;
. $A\ast B=\left[\begin{array}{cc}1& 1\\ 1& 1\end{array}\right]$, 而$B\ast A=\left[\begin{array}{cc}1& 0\\ 1& 0\end{array}\right]$;
. 他俩的行列式 确实相同, 都等于$0$;

@DELIMITER

矩阵与行列式的 数乘;

对于n阶矩阵$\left[\begin{array}{ccc}k& 0& 0\\ 0& k& 0\\ 0& 0& k\end{array}\right]$, 把常数给提出来, 得到$k\ast \left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]$;

但是, 对于n阶行列式$\left|\begin{array}{ccc}k& 0& 0\\ 0& k& 0\\ 0& 0& k\end{array}\right|$, 把常数给提出来, 得到$k^n\ast \left|\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right|$;

即, 要提出来常数$k$, 对于矩阵 是每个元素都进行$/k$的操作;
但对于行列式, 只能对{某一行/ 某一列}进行$/k$操作;

@DELIMITER

$1\ast 1$的矩阵, 等于标量

对于矩阵$[a]$, 其就等于一个标量$a$;

因此, 设$A$为行矩阵($[a1,a2,...,an]$), 则$A\ast A^T$的值 为一个标量 等于$a{1}^2+a{2}^2+...+a{n}^2$;
. 但如果$A$是列矩阵, 则$A\ast A^T$为一个$n\ast n$的矩阵;

@DELIMITER

方阵相乘的行列式, 可拆开;

若AB均为同阶的方阵, 则$|A\ast B|=|A|\ast |B|$; @MARK_3

-{ 证明

令$A,B:m\ast m$, 令$2m\ast 2m$的行列式$D=\left|\begin{array}{cc}A& 0\\ -E& B\end{array}\right|$ ($-E$表示其对角线都是$-1$);
. D为特殊三角形行列式(参见: 130092391/ @MARK_3, 即$D=|A|\ast |B|$;

遍历$[m+1,m+2,...,2m]$这些列, 比如当前列为$C_i$, 设$B$在该列上的元素(从上到下)依次为: $b1,b2,...,bm$;
. 则执行: $C_i+b1\ast C_1+b2\ast C_2+...+bm\ast C_m$;

然后, $D=\left|\begin{array}{cc}A& C\\ -E& 0\end{array}\right|$其中, $C=A\ast B$(矩阵乘法)

遍历$i:[1,2,...,n]$: 交换$R_i,R_{i+n}$; 此时$D=(-1{)}^n\left|\begin{array}{cc}-E& 0\\ A& C\end{array}\right|$;
. 再次根据特殊三角形行列式, 得到: $D=(-1{)}^n\ast (-1{)}^n\ast |C|=|C|$;

故, $D=|A|\ast |B|=|C|$, 又因为$C=A\ast B$, 故$|A\ast B|=|A|\ast |B|$;

-}

推论: $|A\ast B|=|B\ast A|$;

{线性变换, 线性映射}

定义

设$V,W$是定义在域$K$上的向量空间, 若函数$f:V\to W$满足: $\forall x,y\in V,a\in K$:
1 可加性 $f(x+y)=f(x)+f(y)$;
2 齐次性 $f(a\ast x)=a\ast f(x)$;
则称$f$函数为: 线性映射;

性质

这里的线性, 和线性函数中的线性(函数图像为直线), 是不同的;

映射$x\mapsto 2x+2$, 他是线性函数, 但不是线性映射;
. 线性函数只有$kx+b$中 $b=0$时, 才是线性映射;

@DELIMITER

$m\ast n$的实数矩阵$A$, 那么映射$f:R^n\to R^{m}f(x)=Ax$为线性映射;
并且 反过来说, 任意两个向量空间之间的 任意线性映射, 都可以用矩阵的方式来表达;
即: 两个向量空间之间的线性映射 $⟺$ 矩阵;

矩阵运算 @MARK_1

定义

{加/减}法: 两个$m\ast n$的矩阵$A,B$, $A\pm B=[A_{i,j}\pm B_{i,j}{]}_{m\ast n}$;

数乘: $m\ast n$的矩阵$A$ 与 标量$a$的乘积为: $[a\ast A_{i,j}{]}_{m\ast n}$;

转置: 根据主对角线进行翻转, 一个$m\ast n$的矩阵A, 转置后得到$A_{n\ast m}^T$, 满足: $A_{i,j}=A_{j,i}^T$;

矩阵乘法: $m\ast n$的矩阵A 乘以 $n\ast k$的矩阵B, 得到$m\ast k$的矩阵C ($C_{i,j}$为: A的第$i$行的n个元素 与 B的第j列n个元素, 的对应元素依次乘积, 之和);

性质

#矩阵乘法的本质, 就是线性组合#;

LINK: (https://editor.csdn.net/md?not_checkout=1&articleId=131262488)-(@LOC_0);

@DELI;

矩阵乘法的转置, 可拆分性; @MARK_5

$(AB{)}^T=B^T\ast A^T$;

@DELIMITER

矩阵乘法具有结合律;

$ABCDE$ 一般来讲 我们会按照$(((AB)C)D)E$的顺序 来计算, 其实这只是一种次序 他可以有很多种次序, 结果是一样的;
. 逆序: A(B(C(DE))), (AB) (C (DE))这是正确的;

@DELIMITER

{左乘/右乘}单位矩阵, 矩阵不变;

对于$m\ast n$的矩阵A, $E_m\ast A$ 还是$A\ast E_n$之后, 依然是$A$;

伴随矩阵

定义

任意$n\ast n$的方阵$A$, 的伴随矩阵 记作$A^{\ast }$ (或$adj(A)$ adjugate伴随);
. 令$n\ast n$的方阵$B$, $B_{i,j}=Alge(i,j)$ ($Alge$为方阵A的代数余子式);
. 则$A^{\ast }=B^T$ (即转置后的$B$, 就是$A$的伴随矩阵);

错误

注意, 伴随矩阵用的是代数余子式 不是余子式;

A = [ [1, 1], [1, 0]]
求逆矩阵, 因为|A|=-1, 所以有逆矩阵, 为`A* / |A|`;
伴随矩阵为: [ [0, 1], [1, 1]]这是错误的, 因为这是代数余子式 是*要带符号的*
. 即(1,2)/(2,1)元的余子式是`1`, 但他的代数余子式是`-1 * 1`;
. 因此, A的伴随矩阵是[ [0, -1], [-1, 1]]; 逆矩阵自然为`[ [0, 1], [1, -1]]`;

性质

$A\ast A^{\ast }=A^{\ast }\ast A$;

这是两个矩阵的乘法, 虽然矩阵乘法不具有交换性, 但对这两个特殊矩阵的乘法, 他们是具有交换性的;

具体证明可参照@MARK_2, 会得到: $A^{\ast }\ast A$的结果, 也是$|A|\ast E$;

@DELIMITER

$A\ast A^{\ast }=|A|\ast E$; @MARK_2
. $E$为单位矩阵, 不是单位行列式;
. 注意, $A,A^{\ast }$都是矩阵, 他们的结果 也是矩阵, 不是行列式;

-{

证明;

根据变形的拉普拉斯展开 (参见130069550/@MARK_0), 令$B=(A^{\ast }{)}^T$, A的第i行 乘以 B的第j行, 当$i=j$时 结果为$|A|$, 否则$i\ne j$ 则结果为$0$;
. 因此, 只有当A的第i行 乘以 $A^{\ast }$的第i列时, 结果为$|A|$; 否则结果均为$0$;

故, $A\ast A^{\ast }=\left[\begin{array}{cccc}|A|& 0& 0& 0\\ 0& |A|& 0& 0\\ 0& 0& |A|& 0\\ 0& 0& 0& |A|\end{array}\right]$

-}

逆矩阵

定义

对于n阶方阵A, 若存在一个n阶方阵B, 满足: $AB=E$ (E为单位矩阵);
. 则B称为A的 逆矩阵, 记作$A^{-1}$; 称A是可逆的;
. 类似于$x$的倒数是$x^{-1}$, 满足$x\ast x^{-1}=1$; 而且, $x$可能没有倒数, 当$x=0$时 他是没有倒数的;

性质

@DELI;

MARK: @LOC_7;

#方阵A可逆 $⟺$ A的最简形矩阵 一定是单位矩阵#;

#证明#;
可逆矩阵$|A|\ne 0$, 他经过初等行变换 后 得到最简形矩阵$B$ (因为初等行变换 对行列式的影响, 如果$|A|\ne 0$, 那么$|B|=k\ast |A|,k\ne 0$), 因此$|B|\ne 0$;
#引理#: 行最简形方阵B 如果$|B|\ne 0$, 那么一定有$B$ 为单位矩阵;
. #证明#: B一定没有零行 (否则行列式为0), 因此每一行 都必须得有主元, 所以他一定是单位矩阵;

#推论#: 如果A不可逆, 则他的最简形矩阵 不是单位矩阵, 即主元个数$<N$;

@DELI;

#方阵A可逆 $⟺$ 令$Ei$为初等矩阵, $A$一定可以表示成$E1\ast E2\ast ...\ast En$的形式#;
. 注意, 对于同阶的初等矩阵 只要是同种变换类型(比如[交换12行, 交换12列]是同种类型), 那么不存在初等{行,列}矩阵的区分; 也就是 他俩对应的初等矩阵 是相同的! (你让单位矩阵E, 进行{交换12行/ 交换12列}操作, 结果是完全相同的);

#充分性#: 根据LINK: @LOC_7, 此时有$(En\ast ...\ast E1)\ast A=E$; 因为初等矩阵都可逆, 故$A=E{1}^{-1}\ast ...\ast E{n}^{-1}\ast E=E{1}^{-1}\ast ...\ast E{n}^{-1}$;

#必要性#: 因为$Ei$可逆, 故他们的乘积 也可逆;

@DELI;

#可逆矩阵A的本质是: 对单位矩阵 进行若干次初等{行/列}变换#;

令$A=E1\ast ...\ast En$($Ei$表示初等矩阵);
因为$X\ast E=E\ast X=X$ ({左乘/右乘}单位矩阵, 原矩阵不变);
故$A=E1\ast ...\ast En\ast E$, 从初等行变换的角度, 即对$E$进行了若干次 初等行变换(以En,...,E1的顺序), 就会得到A矩阵;
故$A=E\ast E1\ast ...\ast En$, 从初等列变换的角度, 即对$E$进行了若干次 初等列变换(以E1,...,En的顺序), 就会得到A矩阵;

#举例#;
令方阵22, 初等矩阵$E1(表示第1(行/列)进行\ast 2变换)=[[2,0],[0,1]],E2(表示第1,2(行/列)进行交换变换)=[[0,1],[1,0]]$, 可逆矩阵$A=[[0,2],[1,0]]=E1\ast E2$;
那么 $A=E1\ast E2\ast E$ 表示, 单位矩阵 进行: [ (交换(1,2)行变换), (第1行2变换)]后, 会变成A;
同样 $A=E\ast E1\ast E2$表示, 单位矩阵 进行: [ (第1列*2变换), (交换(1,2)列变换)]后, 会变成A;

@DELI;

$X=AB$ (AB均为同阶方阵, 且均可逆, 设逆矩阵为{A1,B1}), 则$X$也可逆, 且$X^{-1}=B1\ast A1$;

#证明#;
因为可逆矩阵 都可以表示为 若干个(初等矩阵的乘法), 令初等矩阵是$Ei$, 设$X=AB=(E1\ast E2)\ast (E3\ast E4)$;
在根据如果可逆矩阵A = E1 * E2 * E3, 那么其逆矩阵等于E3 * E2 * E1, 因此, $X^{-1}=(E4\ast E3)\ast (E2\ast E1)=B^{-1}\ast A^{-1}$;

#推论#;
如果A可逆, 即$A=E1\ast E2\ast E3$, 那么$A^{-1}=E{3}^{-1}\ast E{2}^{-1}\ast E{1}^{-1}$;

#推论#;
令B矩阵可逆 $B=E1\ast E2\ast E3$, 对于$B\ast A$:
如果$A=B^{-1}$ (即AB=E), 那么 我们有$BA=AB$, 也就是$(E1E2E3)A=A(E1E2E3)$;
. 从初等变换的角度即: 对A依次进行[E3, E2, E1]所对应的行变换操作后 (会得到E), 相同的 对A依次进行[E1, E2, E3]所对应的列变换操作后 (也会得到E);
但是, 如果$A\ne B^{-1}$, 那么就没有$BA=AB$这样的结论;

@DELI;

MARK: @LOC_6;

如果A方阵可逆, 则他的任意行/列 一定不会全是0;
. 如果A的某一行i全是0, 则A * ? = C (?为任意方阵) C方阵里 第i行为零行, C就一定不是单位矩阵;
. 同理A的某一列j全是0, 则? * A = C (?为任意方阵) C方阵里 第j列为零行, C也不会是单位矩阵;

以上分析的基础 是建立在, 如果A的逆矩阵为B, 则AB = BA (逆矩阵是满足交换律的);

@DELI;

若A方阵的逆矩阵为B, 则$AB=BA=E$, 也就是 左乘或右乘 都可以, 虽然矩阵乘法不满足交换律 但矩阵与其逆矩阵的乘法 是满足交换律的;
. 比如: A = [ [1, 1], [1, 0]], 他的逆矩阵 B = ?, 那么你AB 和 BA 都会得到E;

@DELI;

若A,B为同阶方阵, 且均可逆, 则 $A\ast B$也可逆, 且逆矩阵为$B^{-1}\ast A^{-1}$;

$AB\ast x=E$ (x即为AB的逆矩阵)
. 令$x=B^{-1}\ast A^{-1}$, 则$AB\ast x=A\ast E\ast A^{-1}=A\ast A^{-1}=E$;

@DELI;

若A可逆, 则对于$k\ne 0$, $k\ast A$的逆矩阵为: $\frac{1}{k}\ast A^{-1}$;

因为$(k\ast A)\ast (\frac{A^{-1}}{k})=E$;

@DELI;

若方阵A可逆 (即$A{A}^{-1}=E$), 则$A^{-1}A$也等于$E$;

即$A\ast A^{-1}=A^{-1}\ast A=E$, 满足交换律;

@DELIMITER

任何矩阵, 都存在伴随矩阵, 但不一定存在逆矩阵;

@DELIMITER

若A可逆, 则其逆矩阵为$\frac{A^{\ast }}{|A|}$; (证明参见@MARK_4)

@DELIMITER

A可逆 $⟺$ $|A|\ne 0$;
. 因此, 可逆矩阵A, 一定是非奇异矩阵;

充分性
. 记A的逆矩阵为B, 则$AB=E$, 根据方阵相乘的行列式, 可拆开 (参见@MARK_3), 因此: $|AB|=|A|\ast |B|=1$, 因此$|A|$一定不为0;

必要性 @MARK_4
. 伴随矩阵最重要的公式是: $A\ast A^{\ast }=|A|\ast E$, 可以发现 他其实和逆矩阵的定义$A\ast A^{-1}=E$非常相像, 只是多一个常数$|A|$;
. 当$|A|\ne 0$时, 他才可以移动到左侧 (否则就是除0错误了), 得到: $A\ast \frac{A^{\ast }}{|A|}=E$, 因此, 他的逆矩阵即$\frac{A^{\ast }}{|A|}$;

@DELIMITER

若A可逆 记A的逆矩阵为B, 则B也是可逆的 且B的逆矩阵为A;

即满足对称性; A的逆矩阵为B, 则B的逆矩阵为A;

@DELIMITER

若可逆, 则逆矩阵是唯一的

@DELIMITER

若A可逆, 则$A^T$也可逆;

$A\ast A^{-1}=E$, 两侧同时取转置, $(A\ast A^{-1}{)}^T=E$, 根据@MARK_5的转置性质, $(A^{-1}{)}^T\ast A^T=E$;
. 因此, $A^T$ 与 $(A^{-1}{)}^T$ 互为逆矩阵;

例题

@DELI;

假如$AB$是可逆方阵 (不一定同阶), $AXB=C$, 求$X$;

根据130116452--@MARK_4的方程等效变换, [两侧左乘$A^{-1}$]–[两侧右乘$B^{-1}$], 得到: $E_{1}X{E}_2=X=A^{-1}C{B}^{-1}$;

错误

@DELI;

如果AB都可逆, 你不可以说 $AB=BA$;

比如, A是(交换12{行/列})的初等矩阵, B是(将第1{行/列}*K)的初等矩阵, 那么 显然$ABE\ne BAE$;

如果$AB=E$, 那么是有$AB=BA$的 (AB互为逆矩阵);

如果$A,B$不可逆, 也可能有$AB=BA$ (比如AB都是零矩阵, 再比如 $AE=EA$ 其中A可以是任意方阵);

@DELI;

只要|A| != 0, 则他一定存在逆矩阵, 这是真理; 如果你找不到 肯定是你自己计算出错; 就通过A* / |A| (伴随矩阵 除以 A的行列式), 就是逆矩阵;

求逆矩阵(以及判断是否可逆)

定义

方式1: 变成行最简形矩阵

$A^{-1}\ast A=E$, 引理: 任何可逆矩阵 一定可以写成 若干个初等矩阵的乘积;
设$A^{-1}=E\mathrm{1...}En$ (Ei为初等矩阵), 那$E\mathrm{1...}En\ast A$ 从初等矩阵的角度看 意味着: 对A矩阵 依次进行[En, ..., E1] 所对应的 初等行变换操作后 会变成单位矩阵E;
. 根据LINK: LOC_7, 我们可以让A 使用初等行变换变成 行最简; 如果该行最简矩阵 不是单位矩阵E 则表明A不可逆; 否则 比如通过初等行变换[R1, ..., Rn] A变成了单位矩阵 即Rn * ... * R1 * A = E (根据矩阵乘法的结合律, 即运算次序是: 让A左乘R1 然后左乘R2 … 最后左乘Rn), 因此 逆矩阵为Rn * ... * R1;

这里有个技巧, 不需要去得到这些初等矩阵 然后进行矩阵乘法, 即Rn * ... * R1便是A的逆矩阵, 这很麻烦 有更方便的做法;
LINK: (https://editor.csdn.net/md/?not_checkout=1&articleId=130755938)-(@LOC_2);
. 我们要计算Rn * ... * R1 他等于Rn * ... * R1 * E, 也就是 让E也去进行依次进行R1, R2, ..., Rn的初等行变换, 最终就会变成Rn * ... * R1这个矩阵;

即令分块矩阵(A, E) 你使用初等行变换(高斯消元法) 让他变成 行最简形 (A1, E1)
如果A1 = E, 则A可逆 且$A^{-1}=E1$; 否则 A1 != E 则A不可逆;

方式2: 伴随矩阵

判断是否可逆: $|A|$ 是否不等于0;

求逆矩阵, $A^{-1}=A^{\ast }/|A|$;

例题

已知A可逆, 求$A^{-1}\ast B$的值;

朴素的做法是: 分两步, 先求出$A^{-1}$ 然后做一次矩阵乘法;

更好的做法:
因为$A^{-1}=E1\ast ...\ast En$(初等矩阵), 那么答案$A^{-1}\ast B$意味着 让B依次执行[En, ..., E1] 初等行变换, 最终的$B1$矩阵 就是答案$A^{-1}\ast B$;
而$A^{-1}A$的含义 也是让A依次执行[En, ..., E1] 初等行变换, 最终得到$A1$是答案矩阵;
因此, 对矩阵$[A,B]$ 让他变成行最简形矩阵 $[E,B1]$, 那么$B1$就等于$A^{-1}\ast B$;