陶哲轩也在用的人工智能数学证明验证工具lean [线性代数篇1]从零开始证明矩阵的逆

我还做了一个视频专门讲解哦，有空支持一下点个赞：

陶哲轩也在用的人工智能数学证明验证工具lean [线性代数篇1]从零开始证明矩阵的逆_哔哩哔哩_bilibili

import Paperproof

import Mathlib.LinearAlgebra.Matrix.Adjugate

import Mathlib.Data.Real.Sqrt

-- set_option trace.Meta.synthInstance true

-- 要解释每一个名词的实际数学意义，别忘了提一下gpt的帮助，虽然不能直接用，但是大致代码是有的。

namespace Matrix

-- universe u2 u2' v2

def m2 : Type := ℕ

def n2 : Type := ℕ

def α2 : Type := ℝ

variable

-- {m2 := ℕ } --三个类型

-- {n2 : ℕ }

-- {α2 : ℝ }

-- Fintype α意思是α是有限的（即只有有限多个不同的类型元素α）。

[Fintype n2]

-- 断言α具有可判定的相等性（即对全部a b : α，a = b是可判定的）

[DecidableEq n2]

-- 交换的环，例如实数R

-- 一个带有两个二元运算的集合 R 是环，即将环中的任意两个元素变为第三个的运算。

-- 他们称为加法与乘法，通常记作 + 与 ⋅ ，例如 a + b 与 a ⋅ b。

-- 为了形成一个群这两个运算需满足一些性质：

-- 环在加法下是一个阿贝尔群（即满足交换律），

-- 在乘法下为一个幺半群，使得乘法对加法有分配律，即 a ⋅ (b + c) = (a ⋅ b) + (a ⋅ c)。

-- 关于加法与乘法的单位元素分别记作 0 和 1。

-- 另外如果乘法也是交换的，即a ⋅ b = b ⋅ a，环 R 称为交换的。

[CommRing α2]

-- open Equiv Equiv.Perm Finset Function --这个不用

-- ---/ 引入MainGoal需要定义的变量

variable (A : Matrix n2 n2 α2) (B : Matrix n2 n2 α2)

-- ---/

-- 先看几个前置知识，然后后面涉及到的不懂的其实可以忽略，抓住形式化证明的核心，就是“一样的形式，可以rfl替换”

-- 实际案例：

def matrix1 : Matrix (Fin 2) (Fin 2) ℝ :=

![![1, 2],

![3, 4]]

def matrix2 : Matrix (Fin 2) (Fin 2) ℝ :=

![![5, 6],

![7, 8]]

def matrixUnit : Matrix (Fin 2) (Fin 2) ℝ :=

![![1, 0],

![0, 1]]

-- def matrix3 : Matrix (Fin 2) (Fin 3) ℝ :=

-- ![![1, 2, 3],

-- ![4 ,5, 6]]

-- #eval matrix3 1 0

 

-- #check A * B

def matrix1_adjugate : Matrix (Fin 2) (Fin 2) ℝ := adjugate matrix1

def matrix1_det := matrix1.det

-- #eval matrix1

-- [ 1 2

-- 3 4 ]

-- #eval matrix1_adjugate -- 伴随矩阵（伴随矩阵即每一项先变余子式行列式，再加正负号(定义为-1的i+j次方)，再转置）

-- [ 4 -2

-- -3 1 ]

-- #eval (matrix1_adjugate * matrix1) -- 伴随矩阵 矩阵乘 矩阵

-- [ -2 0

-- 0 -2 ]

#eval matrix1_det -- 矩阵的行列式，是一个实数

-- (-2)

-- #eval matrix1_det • matrixUnit -- 矩阵的行列式 数乘 矩阵

-- [ -2 0

-- 0 -2 ]

-- 可以看出matrix1_adjugate * matrix1 和 matrix1_det • matrixUnit 结果相等

 

-- Finset.sum Finset.univ的使用：

def my_set := (Finset.univ : (Finset (Fin 2)))

-- #eval my_set -- {0, 1}

-- Finset.sum需要两个参数：

-- 1.一个有限集合，表示对该集合中的元素进行求和。

-- 2.一个返回可相加的类型（即带有has_add类型类）的函数表达式，用于指定如何将集合中的元素相加。

def sum_of_numbers : ℕ

:= Finset.sum (Finset.range 11) (fun x => x) -- 也就是x为0到10自然数，f(x)=x求和

-- #eval sum_of_numbers -- 55

def sum_of_numbers2 : ℕ

:= Finset.sum my_set (fun x => x) -- 也就是x为{0, 1}，f(x)=x求和

-- #eval sum_of_numbers2 -- 1

-- cramer 的使用

def matrixb : Fin 2 → ℝ :=

![5, 6]

#eval matrixb

def cramer001 := (cramer matrix1 matrixb)

-- 可以看成一个n*1维的矩阵；也可以看成Fin 2 → ℝ，类似于数列；相当于 A.det • x ； 比如这里![8 -9]里，8就是matrix1第一列换成matrixb之后的矩阵，计算出来的行列式；9就是第2列替换matrixb后计算的行列式

#eval cramer001

def solution := (matrix1_det) • (cramer matrix1 matrixb)

-- 如何表示除法要有理数才行的

#eval solution -- 解应该是x=![-4 4.5]

 

-- Pi.single 的使用

def matrixPiSingle : Matrix (Fin 3) (Fin 3) ℝ :=

![![1, 2, 3],

![4, 5, 6],

![7, 8, 9]]

#eval matrixPiSingle 0 0

#eval matrixPiSingle 0 1

#eval matrixPiSingle 2 0

-- def Single001 (i k:Fin 3):= Pi.single k (matrixPiSingle i k)

-- def Single001 (A : Matrix n2 n2 α2) (i k:n2)

-- :n2 → α2

-- := (Pi.single k (A i k))

def Single001 (i k j:Fin 3)

:Fin 3 → ℝ

:= Pi.single j (matrixPiSingle (i-1) (k-1)) -- 这里j是标志判断位，

#eval (Single001 3 1 2) 2 --最后一个输入2才是重点，如何和j相同，就输出预设好的(matrixPiSingle (i-1) (k-1))的值，否则输出0

 

-- 抽象证明：

-- 四个领域 1.adjugate 2.cramer 3.det 4.Pi.single

-- 1↔2,4 2↔3,4 1↔3

-- #check (cramer Aᵀ) --: (n2 → α2) →ₗ[α2] n2 → α2

-- 1↔2,4的桥梁

lemma mul_adjugate_apply2 (A : Matrix n2 n2 α2) (i j k) :

(A i k) * (adjugate A k j) = (cramer Aᵀ) (Pi.single k (A i k)) j

:= by

have test: (cramer Aᵀ) (A i k • Pi.single k 1) j

= (A i k • (cramer Aᵀ) (Pi.single k 1)) j

:= by

simp only [SMulHomClass.map_smul]---我知道了，你要知道f代表什么，f代表(cramer Aᵀ) (参数一) j

rw [

← smul_eq_mul,

adjugate, -- 1↔2,4 伴随矩阵的定义来的。伴随矩阵即每一项先变余子式行列式，再加正负号(定义为-1的i+j次方)，再转置

-- asfsadf,

of_apply,

← Pi.smul_apply,

← test,

]

rw [← Pi.single_smul',

smul_eq_mul,

mul_one]

done

-- 1↔3 的桥梁(由1↔2,4 和 2↔3,4 和 4↔null 得到)

lemma mul_adjugate2

(A : Matrix n2 n2 α2)

: A * adjugate A = A.det • (1 : Matrix n2 n2 α2)

:= by

-- have h1:= A * adjugate A -- : Matrix n n α

-- have h2:= A.det • (1 : Matrix n2 n2 α2) -- : Matrix n2 n2 α2

ext i k

rw [

mul_apply, -- 作用：(M * N) i k = Finset.sum Finset.univ fun j ↦ M i j * N j k

-- 将 (A * adjugate A) i k

-- 其中 M=>A, N=>adjugate A

-- 变成了等号右边 (Finset.sum Finset.univ fun j ↦ A i j * adjugate A j k)

Pi.smul_apply, -- 作用：(b • x) i = b • (x i)

-- 将 (det A • 1) i k

-- 其中 b=>det A,x=>1,i=>i

-- 变成了 ( det A • (1 i) ) k

-- * 暂时理解成OfNat.ofNat 1 就是 1的单位矩阵(1 : Matrix n n α)

Pi.smul_apply,

-- 再作用一次 (b • x) i = b • (x i)

-- 其中 b=>det A,x=>(1 i),i=>k

-- 变成了det A • (1 i k)

one_apply,

smul_eq_mul,

mul_boole]

simp only [mul_adjugate_apply2] -- 1↔2,4的桥梁

simp only [sum_cramer_apply]

-- have :sorry:=sorry

simp only [Finset.sum_pi_single] -- Pi.single就是一个按特定索引得到单值，其他索引得到0 ； 这里理解是：

-- 首先对于Finset.sum Finset.univ fun x ↦ Pi.single x (A i x) j 我们知道x会进行遍历n2，其实只有x=j时有值，其余为0，所以j是否属于n2就决定了一切

simp only [Finset.mem_univ]

simp only [ite_true]

-- simp only [ne_eq, Finset.sum_pi_single, Finset.mem_univ, ite_true]

simp only [cramer_transpose_row_self] --好像是这么一回事，这就是行列式有两列相等，行列式就是0 -- 2↔3,4的桥梁 --单独cramer Aᵀ是再穿一个系数矩阵b，就得到由行列式组成的n*1维矩阵或看成数列

simp only [Pi.single_apply] -- 4↔null的桥梁

simp only [eq_comm]

done

-- 1↔3 的桥梁

theorem MainGoal [Invertible A.det] : A * (⅟(det A) • adjugate A) = (1 : Matrix n2 n2 α2)

:= by

rw [

mul_smul_comm,

mul_adjugate2,

smul_smul,

invOf_mul_self,

one_smul]

done

 

end Matrix