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: [ a i , j ] \begin{bmatrix} a_{i,j}\end{bmatrix} [ai,j]
元: a i , j a_{i,j} ai,j为矩阵的元(即元素), 也称为矩阵的 ( i , j ) (i,j) (i,j)元;
方阵: 若 n = m n=m n=m, 该矩阵 又称为 n n n阶方阵;
行向量: 若 m = 1 m=1 m=1, 该矩阵 又称为 n n n维行向量(形如 [ a 1 , . . . , a n ] [a_1, ..., a_n] [a1,...,an]);
列向量: 若 n = 1 n=1 n=1, 该矩阵 又称为 m m m维列向量(形如 [ a 1 . . . a n ] \begin{bmatrix} a_1 \\ ... \\ a_n \end{bmatrix} a1...an , 也可写成 [ a 1 , . . . , a n ] T [a_1, ..., a_n]^T [a1,...,an]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|
∣A∣;
.
A
A
A和
∣
A
∣
|A|
∣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| = 0
∣A∣=0
⟺
\iff
⟺
A
A
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 0 0;
单位矩阵: 对角线元素均为1, 的对角阵;
.
因为任何
m
∗
n
m*n
m∗n矩阵A, 不论是左乘一个单位矩阵
E
m
,
m
E_{m,m}
Em,m, 还是右乘一个单位矩阵
E
n
,
n
E_{n,n}
En,n, 进行矩阵乘法后, 得到的 依然是原矩阵
A
A
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
1
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
k
k的纯量阵, 他等价于
k
∗
E
k*E
k∗E(E为单位阵), 对于一个
m
∗
n
m*n
m∗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
∗
A
k * A
k∗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
k
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: { a 11 x 1 + . . . + a 1 n x n = b 1 . . . a m 1 x 1 + . . . + a m n a n = b m \left\{ \begin{matrix} a_{11}x_1 + ... + a_{1n}x_n = b_1\\ ...\\ a_{m1}x_1 + ... + a_{mn}a_n = b_m \end{matrix} \right. ⎩ ⎨ ⎧a11x1+...+a1nxn=b1...am1x1+...+amnan=bm;
其中,
[
a
i
,
j
]
[a_{i,j}]
[ai,j]组成的
m
∗
n
m*n
m∗n矩阵为: 系数矩阵;
[
x
1
,
.
.
.
,
x
n
]
T
[x_1, ..., x_n]^T
[x1,...,xn]T组成的
n
∗
1
n*1
n∗1矩阵为: 未知数矩阵;
[
b
1
,
.
.
.
,
b
m
]
T
[b_1, ..., b_m]^T
[b1,...,bm]T组成的
m
∗
1
m*1
m∗1矩阵为: 常数矩阵;
[
a
i
,
j
,
b
i
]
[a_{i,j},\ b_i]
[ai,j, bi]组成的
m
∗
(
n
+
1
)
m * (n+1)
m∗(n+1)矩阵为: 增广矩阵;
@DELIMITER
{矩阵的幂}
对于 n ∗ n n*n n∗n的方阵 A A A, A a A^a Aa表示 a a a的矩阵A的连乘(即 A ∗ A ∗ . . . ∗ A A*A*...*A A∗A∗...∗A);
@DELIMITER
方阵的行列式
对于 n ∗ n n*n n∗n的方阵A, ∣ A ∣ |A| ∣A∣(或 d e t A det \ A det A)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 ∗ B A*B A∗B与 B ∗ A B*A B∗A 不一定相同;
虽然根据@MARK_3
, 我们知道
∣
A
∗
B
∣
=
∣
B
∗
A
∣
|A*B| = |B*A|
∣A∗B∣=∣B∗A∣, 但是,
A
∗
B
A*B
A∗B和
B
∗
A
B*A
B∗A这两个矩阵 不一定是相同的;
比如
A
=
[
1
0
1
0
]
,
B
=
[
1
1
1
1
]
A = \begin{bmatrix} 1 & 0 \\ 1 & 0 \end{bmatrix}, B = \begin{bmatrix} 1 & 1 \\ 1 & 1 \end{bmatrix}
A=[1100],B=[1111];
.
A
∗
B
=
[
1
1
1
1
]
A*B = \begin{bmatrix} 1 & 1 \\ 1 & 1 \end{bmatrix}
A∗B=[1111], 而
B
∗
A
=
[
1
0
1
0
]
B*A = \begin{bmatrix} 1 & 0 \\ 1 & 0 \end{bmatrix}
B∗A=[1100];
.
他俩的行列式 确实相同, 都等于
0
0
0;
@DELIMITER
矩阵与行列式的 数乘;
对于n阶矩阵 [ k 0 0 0 k 0 0 0 k ] \begin{bmatrix} k & 0 & 0 \\ 0 & k & 0 \\ 0 & 0 & k \end{bmatrix} k000k000k , 把常数给提出来, 得到 k ∗ [ 1 0 0 0 1 0 0 0 1 ] k * \begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix} k∗ 100010001 ;
但是, 对于n阶行列式 ∣ k 0 0 0 k 0 0 0 k ∣ \begin{vmatrix} k & 0 & 0 \\ 0 & k & 0 \\ 0 & 0 & k \end{vmatrix} k000k000k , 把常数给提出来, 得到 k n ∗ ∣ 1 0 0 0 1 0 0 0 1 ∣ k^n * \begin{vmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{vmatrix} kn∗ 100010001 ;
即, 要提出来常数
k
k
k, 对于矩阵 是每个元素都进行
/
k
/ k
/k的操作;
但对于行列式, 只能对{某一行/ 某一列}进行
/
k
/k
/k操作;
@DELIMITER
1 ∗ 1 1*1 1∗1的矩阵, 等于标量
对于矩阵 [ a ] [a] [a], 其就等于一个标量 a a a;
因此, 设
A
A
A为行矩阵(
[
a
1
,
a
2
,
.
.
.
,
a
n
]
[a1,a2,...,an]
[a1,a2,...,an]), 则
A
∗
A
T
A* A^T
A∗AT的值 为一个标量 等于
a
1
2
+
a
2
2
+
.
.
.
+
a
n
2
a1^2 + a2^2 + ... + an^2
a12+a22+...+an2;
.
但如果
A
A
A是列矩阵, 则
A
∗
A
T
A*A^T
A∗AT为一个
n
∗
n
n*n
n∗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
∗
B
∣
=
∣
A
∣
∗
∣
B
∣
|A*B| = |A| * |B|
∣A∗B∣=∣A∣∗∣B∣; @MARK_3
-{ 证明
令
A
,
B
:
m
∗
m
A,B: m*m
A,B:m∗m, 令
2
m
∗
2
m
2m*2m
2m∗2m的行列式
D
=
∣
A
0
−
E
B
∣
D = \begin{vmatrix} A & 0 \\ -E & B \end{vmatrix}
D=
A−E0B
(
−
E
-E
−E表示其对角线都是
−
1
-1
−1);
.
D为特殊三角形行列式(参见: 130092391/ @MARK_3
, 即
D
=
∣
A
∣
∗
∣
B
∣
D = |A| * |B|
D=∣A∣∗∣B∣;
遍历
[
m
+
1
,
m
+
2
,
.
.
.
,
2
m
]
[m+1, m+2, ..., 2m]
[m+1,m+2,...,2m]这些列, 比如当前列为
C
i
C_i
Ci, 设
B
B
B在该列上的元素(从上到下)依次为:
b
1
,
b
2
,
.
.
.
,
b
m
b1, b2, ..., bm
b1,b2,...,bm;
.
则执行:
C
i
+
b
1
∗
C
1
+
b
2
∗
C
2
+
.
.
.
+
b
m
∗
C
m
C_i + b1 * C_1 + b2*C_2 + ... + bm * C_m
Ci+b1∗C1+b2∗C2+...+bm∗Cm;
然后, D = ∣ A C − E 0 ∣ D = \begin{vmatrix} A & C \\ -E & 0\end{vmatrix} D= A−EC0 其中, C = A ∗ B C = A*B C=A∗B(矩阵乘法)
遍历
i
:
[
1
,
2
,
.
.
.
,
n
]
i : [1,2,...,n]
i:[1,2,...,n]: 交换
R
i
,
R
i
+
n
R_i, R_{i+n}
Ri,Ri+n; 此时
D
=
(
−
1
)
n
∣
−
E
0
A
C
∣
D = (-1)^n \begin{vmatrix} -E & 0 \\ A & C \end{vmatrix}
D=(−1)n
−EA0C
;
.
再次根据特殊三角形行列式, 得到:
D
=
(
−
1
)
n
∗
(
−
1
)
n
∗
∣
C
∣
=
∣
C
∣
D = (-1)^n * (-1)^n * |C| = |C|
D=(−1)n∗(−1)n∗∣C∣=∣C∣;
故, D = ∣ A ∣ ∗ ∣ B ∣ = ∣ C ∣ D = |A| * |B| = |C| D=∣A∣∗∣B∣=∣C∣, 又因为 C = A ∗ B C = A*B C=A∗B, 故 ∣ A ∗ B ∣ = ∣ A ∣ ∗ ∣ B ∣ |A*B| = |A| * |B| ∣A∗B∣=∣A∣∗∣B∣;
-}
推论: ∣ A ∗ B ∣ = ∣ B ∗ A ∣ |A * B| = |B* A| ∣A∗B∣=∣B∗A∣;
{线性变换, 线性映射}
定义
设
V
,
W
V,W
V,W是定义在域
K
K
K上的向量空间, 若函数
f
:
V
→
W
f: V \to W
f:V→W满足:
∀
x
,
y
∈
V
,
a
∈
K
\forall x,y \in V, a \in K
∀x,y∈V,a∈K:
1 可加性
f
(
x
+
y
)
=
f
(
x
)
+
f
(
y
)
f(x + y) = f(x) + f(y)
f(x+y)=f(x)+f(y);
2 齐次性
f
(
a
∗
x
)
=
a
∗
f
(
x
)
f(a*x) = a * f(x)
f(a∗x)=a∗f(x);
则称
f
f
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
↦
2
x
+
2
x \mapsto 2x + 2
x↦2x+2, 他是线性函数, 但不是线性映射;
.
线性函数只有
k
x
+
b
kx + b
kx+b中
b
=
0
b = 0
b=0时, 才是线性映射;
@DELIMITER
m
∗
n
m*n
m∗n的实数矩阵
A
A
A, 那么映射
f
:
R
n
→
R
m
f
(
x
)
=
A
x
f: R^n \to R^m \quad f(x)= Ax
f:Rn→Rmf(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
⟺
\iff
⟺ 矩阵;
矩阵运算 @MARK_1
定义
{加/减}法: 两个 m ∗ n m*n m∗n的矩阵 A , B A,B A,B, A ± B = [ A i , j ± B i , j ] m ∗ n A \pm B = [A_{i,j} \pm B_{i,j}]_{m*n} A±B=[Ai,j±Bi,j]m∗n;
数乘: m ∗ n m*n m∗n的矩阵 A A A 与 标量 a a a的乘积为: [ a ∗ A i , j ] m ∗ n [a * A_{i,j}]_{m*n} [a∗Ai,j]m∗n;
转置: 根据主对角线进行翻转, 一个 m ∗ n m*n m∗n的矩阵A, 转置后得到 A n ∗ m T A^T_{n*m} An∗mT, 满足: A i , j = A j , i T A_{i,j} = A^T_{j,i} Ai,j=Aj,iT;
矩阵乘法: m ∗ n m*n m∗n的矩阵A 乘以 n ∗ k n*k n∗k的矩阵B, 得到 m ∗ k m * k m∗k的矩阵C ( C i , j C_{i,j} Ci,j为: A的第 i i 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
( A B ) T = B T ∗ A T (AB)^T = B^T * A^T (AB)T=BT∗AT;
@DELIMITER
矩阵乘法具有结合律;
A
B
C
D
E
ABCDE
ABCDE 一般来讲 我们会按照
(
(
(
A
B
)
C
)
D
)
E
(((AB)C)D)E
(((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 ∗ n m*n m∗n的矩阵A, E m ∗ A E_m * A Em∗A 还是 A ∗ E n A * E_n A∗En之后, 依然是 A A A;
伴随矩阵
定义
任意
n
∗
n
n*n
n∗n的方阵
A
A
A, 的伴随矩阵 记作
A
∗
A^*
A∗ (或
a
d
j
(
A
)
adj(A)
adj(A) adjugate
伴随);
.
令
n
∗
n
n*n
n∗n的方阵
B
B
B,
B
i
,
j
=
A
l
g
e
(
i
,
j
)
B_{i,j} = Alge(i,j)
Bi,j=Alge(i,j) (
A
l
g
e
Alge
Alge为方阵A的代数余子式);
.
则
A
∗
=
B
T
A^* = B^T
A∗=BT (即转置后的
B
B
B, 就是
A
A
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 ∗ A ∗ = A ∗ ∗ A A * A^* = A^* * A A∗A∗=A∗∗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
∗
∗
A
A^* * A
A∗∗A的结果, 也是
∣
A
∣
∗
E
|A| * E
∣A∣∗E;
@DELIMITER
A
∗
A
∗
=
∣
A
∣
∗
E
A * A^* = |A| * E
A∗A∗=∣A∣∗E; @MARK_2
.
E
E
E为单位矩阵, 不是单位行列式;
.
注意,
A
,
A
∗
A, A^*
A,A∗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
∗
)
T
B = (A^*)^T
B=(A∗)T, A的第i行 乘以 B的第j行, 当
i
=
j
i = j
i=j时 结果为
∣
A
∣
|A|
∣A∣, 否则
i
≠
j
i \neq j
i=j 则结果为
0
0
0;
.
因此, 只有当A的第i行 乘以
A
∗
A^*
A∗的第i列时, 结果为
∣
A
∣
|A|
∣A∣; 否则结果均为
0
0
0;
故, A ∗ A ∗ = [ ∣ A ∣ 0 0 0 0 ∣ A ∣ 0 0 0 0 ∣ A ∣ 0 0 0 0 ∣ A ∣ ] A * A^* = \begin{bmatrix} |A| & 0 & 0 & 0 \\ 0 & |A| & 0 & 0 \\ 0 & 0 & |A| & 0 \\ 0 & 0 & 0 & |A| \end{bmatrix} A∗A∗= ∣A∣0000∣A∣0000∣A∣0000∣A∣
-}
逆矩阵
定义
对于n阶方阵A, 若存在一个n阶方阵B, 满足:
A
B
=
E
AB = E
AB=E (E为单位矩阵);
.
则B称为A的 逆矩阵, 记作
A
−
1
A^{-1}
A−1; 称A是可逆的;
.
类似于
x
x
x的倒数是
x
−
1
x^{-1}
x−1, 满足
x
∗
x
−
1
=
1
x * x^{-1} = 1
x∗x−1=1; 而且,
x
x
x可能没有倒数, 当
x
=
0
x=0
x=0时 他是没有倒数的;
性质
@DELI;
MARK: @LOC_7
;
#方阵A可逆 ⟺ \iff ⟺ A的最简形矩阵 一定是单位矩阵#;
#证明#;
可逆矩阵
∣
A
∣
≠
0
|A| \neq 0
∣A∣=0, 他经过初等行变换 后 得到最简形矩阵
B
B
B (因为初等行变换 对行列式的影响, 如果
∣
A
∣
≠
0
|A| \neq 0
∣A∣=0, 那么
∣
B
∣
=
k
∗
∣
A
∣
,
k
≠
0
|B| = k*|A|, k \neq 0
∣B∣=k∗∣A∣,k=0), 因此
∣
B
∣
≠
0
|B| \neq 0
∣B∣=0;
#引理#: 行最简形方阵B 如果
∣
B
∣
≠
0
|B| \neq 0
∣B∣=0, 那么一定有
B
B
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 < N <N;
@DELI;
#方阵A可逆
⟺
\iff
⟺ 令
E
i
Ei
Ei为初等矩阵,
A
A
A一定可以表示成
E
1
∗
E
2
∗
.
.
.
∗
E
n
E1*E2*...*En
E1∗E2∗...∗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
(
E
n
∗
.
.
.
∗
E
1
)
∗
A
=
E
(En * ... * E1) *A = E
(En∗...∗E1)∗A=E; 因为初等矩阵都可逆, 故
A
=
E
1
−
1
∗
.
.
.
∗
E
n
−
1
∗
E
=
E
1
−
1
∗
.
.
.
∗
E
n
−
1
A = E1^{-1} * ... * En^{-1} * E = E1^{-1} * ... * En^{-1}
A=E1−1∗...∗En−1∗E=E1−1∗...∗En−1;
#必要性#: 因为 E i Ei 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
=
E
1
∗
.
.
.
∗
E
n
A = E1*...*En
A=E1∗...∗En(
E
i
Ei
Ei表示初等矩阵);
因为
X
∗
E
=
E
∗
X
=
X
X * E = E * X = X
X∗E=E∗X=X ({左乘/右乘}单位矩阵, 原矩阵不变);
故
A
=
E
1
∗
.
.
.
∗
E
n
∗
E
A = E1*...*En * E
A=E1∗...∗En∗E, 从初等行变换的角度, 即对
E
E
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
∗
E
1
∗
.
.
.
∗
E
n
A = E*E1*...*En
A=E∗E1∗...∗En, 从初等列变换的角度, 即对
E
E
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
E
1
(
表示第
1
(
行
/
列
)
进行
∗
2
变换
)
=
[
[
2
,
0
]
,
[
0
,
1
]
]
,
E
2
(
表示第
1
,
2
(
行
/
列
)
进行交换变换
)
=
[
[
0
,
1
]
,
[
1
,
0
]
]
E1(表示第1(行/列)进行 *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]]
E1(表示第1(行/列)进行∗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
]
]
=
E
1
∗
E
2
A=[[0,2],[1,0]] = E1 * E2
A=[[0,2],[1,0]]=E1∗E2;
那么
A
=
E
1
∗
E
2
∗
E
A = E1 * E2 * E
A=E1∗E2∗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
∗
E
1
∗
E
2
A = E * E1 * E2
A=E∗E1∗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 = A B X = AB X=AB (AB均为同阶方阵, 且均可逆, 设逆矩阵为{A1,B1}), 则 X X X也可逆, 且 X − 1 = B 1 ∗ A 1 X^{-1} = B1 * A1 X−1=B1∗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
E
i
Ei
Ei, 设
X
=
A
B
=
(
E
1
∗
E
2
)
∗
(
E
3
∗
E
4
)
X = AB = (E1 * E2) * (E3 * E4)
X=AB=(E1∗E2)∗(E3∗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
=
(
E
4
∗
E
3
)
∗
(
E
2
∗
E
1
)
=
B
−
1
∗
A
−
1
X^{-1} = (E4 * E3) * (E2 * E1) = B^{-1} * A^{-1}
X−1=(E4∗E3)∗(E2∗E1)=B−1∗A−1;
#推论#;
如果A可逆, 即
A
=
E
1
∗
E
2
∗
E
3
A = E1 * E2 * E3
A=E1∗E2∗E3, 那么
A
−
1
=
E
3
−
1
∗
E
2
−
1
∗
E
1
−
1
A^{-1} = E3^{-1} * E2^{-1} * E1^{-1}
A−1=E3−1∗E2−1∗E1−1;
#推论#;
令B矩阵可逆
B
=
E
1
∗
E
2
∗
E
3
B = E1 * E2 * E3
B=E1∗E2∗E3, 对于
B
∗
A
B*A
B∗A:
如果
A
=
B
−
1
A = B^{-1}
A=B−1 (即AB=E), 那么 我们有
B
A
=
A
B
BA = AB
BA=AB, 也就是
(
E
1
E
2
E
3
)
A
=
A
(
E
1
E
2
E
3
)
(E1 E2 E3) A = A(E1 E2 E3)
(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
≠
B
−
1
A \neq B^{-1}
A=B−1, 那么就没有
B
A
=
A
B
BA = AB
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
A
B
=
B
A
=
E
AB = BA = E
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 ∗ B A*B A∗B也可逆, 且逆矩阵为 B − 1 ∗ A − 1 B^{-1} * A^{-1} B−1∗A−1;
A
B
∗
x
=
E
AB * x = E
AB∗x=E (x即为AB的逆矩阵)
.
令
x
=
B
−
1
∗
A
−
1
x = B^{-1} * A^{-1}
x=B−1∗A−1, 则
A
B
∗
x
=
A
∗
E
∗
A
−
1
=
A
∗
A
−
1
=
E
AB * x = A * E * A^{-1} = A * A^{-1} = E
AB∗x=A∗E∗A−1=A∗A−1=E;
@DELI;
若A可逆, 则对于 k ≠ 0 k \neq 0 k=0, k ∗ A k*A k∗A的逆矩阵为: 1 k ∗ A − 1 \displaystyle \frac{1}{k} * A^{-1} k1∗A−1;
因为 ( k ∗ A ) ∗ ( A − 1 k ) = E (k * A) * (\frac{A^{-1}}{k}) = E (k∗A)∗(kA−1)=E;
@DELI;
若方阵A可逆 (即 A A − 1 = E AA^{-1} = E AA−1=E), 则 A − 1 A A^{-1} A A−1A也等于 E E E;
即 A ∗ A − 1 = A − 1 ∗ A = E A * A^{-1} = A^{-1} * A = E A∗A−1=A−1∗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
A
∗
∣
A
∣
\displaystyle \frac{A^*}{|A|}
∣A∣A∗; (证明参见@MARK_4
)
@DELIMITER
A可逆
⟺
\iff
⟺
∣
A
∣
≠
0
|A| \neq 0
∣A∣=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
A
B
=
E
AB = E
AB=E, 根据方阵相乘的行列式, 可拆开 (参见@MARK_3
), 因此:
∣
A
B
∣
=
∣
A
∣
∗
∣
B
∣
=
1
|AB| = |A| * |B| = 1
∣AB∣=∣A∣∗∣B∣=1, 因此
∣
A
∣
|A|
∣A∣一定不为0;
必要性 @MARK_4
.
伴随矩阵最重要的公式是:
A
∗
A
∗
=
∣
A
∣
∗
E
A * A^* = |A| * E
A∗A∗=∣A∣∗E, 可以发现 他其实和逆矩阵的定义
A
∗
A
−
1
=
E
A * A^{-1} = E
A∗A−1=E非常相像, 只是多一个常数
∣
A
∣
|A|
∣A∣;
.
当
∣
A
∣
≠
0
|A| \neq 0
∣A∣=0时, 他才可以移动到左侧 (否则就是除0错误了), 得到:
A
∗
A
∗
∣
A
∣
=
E
\displaystyle A * \frac{A^*}{|A|} = E
A∗∣A∣A∗=E, 因此, 他的逆矩阵即
A
∗
∣
A
∣
\frac{A^*}{|A|}
∣A∣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 A^T AT也可逆;
A
∗
A
−
1
=
E
A * A^{-1} = E
A∗A−1=E, 两侧同时取转置,
(
A
∗
A
−
1
)
T
=
E
(A * A^{-1})^T = E
(A∗A−1)T=E, 根据@MARK_5
的转置性质,
(
A
−
1
)
T
∗
A
T
=
E
(A^{-1})^T * A^T = E
(A−1)T∗AT=E;
.
因此,
A
T
A^T
AT 与
(
A
−
1
)
T
(A^{-1})^T
(A−1)T 互为逆矩阵;
例题
@DELI;
假如 A B AB AB是可逆方阵 (不一定同阶), A X B = C AXB = C AXB=C, 求 X X X;
根据130116452--@MARK_4
的方程等效变换, [两侧左乘
A
−
1
A^{-1}
A−1]–[两侧右乘
B
−
1
B^{-1}
B−1], 得到:
E
1
X
E
2
=
X
=
A
−
1
C
B
−
1
E_1 X E_2 = X = A^{-1} C B^{-1}
E1XE2=X=A−1CB−1;
错误
@DELI;
如果AB都可逆, 你不可以说 A B = B A AB = BA 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 A B E ≠ B A E ABE \neq BAE ABE=BAE;
如果 A B = E AB = E AB=E, 那么是有 A B = B A AB = BA AB=BA的 (AB互为逆矩阵);
如果 A , B A,B A,B不可逆, 也可能有 A B = B A AB = BA AB=BA (比如AB都是零矩阵, 再比如 A E = E A AE = EA 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
∗
A
=
E
A^{-1} * A = E
A−1∗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
1...
E
n
A^{-1} = E1...En
A−1=E1...En (Ei为初等矩阵), 那
E
1...
E
n
∗
A
E1...En * A
E1...En∗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
=
E
1
A^{-1} = E1
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 ∣ |A| ∣A∣ 是否不等于0;
求逆矩阵, A − 1 = A ∗ / ∣ A ∣ A^{-1} = A^{*} / |A| A−1=A∗/∣A∣;
例题
已知A可逆, 求 A − 1 ∗ B A^{-1}*B A−1∗B的值;
朴素的做法是: 分两步, 先求出 A − 1 A^{-1} A−1 然后做一次矩阵乘法;
更好的做法:
因为
A
−
1
=
E
1
∗
.
.
.
∗
E
n
A^{-1} = E1*...*En
A−1=E1∗...∗En(初等矩阵), 那么答案
A
−
1
∗
B
A^{-1}*B
A−1∗B意味着 让B依次执行[En, ..., E1]
初等行变换, 最终的
B
1
B1
B1矩阵 就是答案
A
−
1
∗
B
A^{-1}*B
A−1∗B;
而
A
−
1
A
A^{-1}A
A−1A的含义 也是让A依次执行[En, ..., E1]
初等行变换, 最终得到
A
1
A1
A1是答案矩阵;
因此, 对矩阵
[
A
,
B
]
[A, B]
[A,B] 让他变成行最简形矩阵
[
E
,
B
1
]
[E, B1]
[E,B1], 那么
B
1
B1
B1就等于
A
−
1
∗
B
A^{-1}*B
A−1∗B;