MIT 18.06 Gilbert Strang《线性代数》L4. A 的 LU 分解

这里是 MIT 18.06 Gilbert Strang《线性代数》笔记汇总.

AB 的逆矩阵：
$$\begin{array}{rl}A\cdot A^{-1}=I& =A^{-1}\cdot A\\ (AB)\cdot (B^{-1}{A}^{-1})& =I\\ \text{则}AB\text{的逆矩阵为}& B^{-1}{A}^{-1}\end{array}$$
$A^T$ 的逆矩阵：
$$\begin{array}{rl}(A\cdot A^{-1}{)}^T& =I^T\\ (A^{-1}{)}^T\cdot A^T& =I\\ \text{则}{A}^T\text{的逆矩阵为}& (A^{-1}{)}^T\end{array}$$

A 的 LU 分解

我们熟悉的消元法都是直接使用行变换得来的。而由于消元矩阵的存在，说明用矩阵乘法也可以达到与之一样的消元效果。所以，现在的假设有可逆矩阵 A ，若有 $\mathrm{A}\underset{\text{ 初等行变换 }}{⟶}\mathrm{U}\text{ (上三角矩阵) }$，就一定有 $E_{21}\ast \mathrm{A}=\mathrm{U}$ 的等式存在，相当于使 A 进行了初等行变换成为 U 。而我们已经学习了逆矩阵，$E_{21} $ 这样的矩阵一定有逆矩阵，因为它本身 就是单位阵变化过来的。所以原式可以改写成: $A={\left(E_{21}\right)}^{-1}\mathrm{U}$。这一形式即为 A = LU 形式，这个过程就是分解过程。

那么矩阵 L 是不是有什么特殊之处呢？通过下面一道例题来探讨一下

这就给了我们启示，在使用 A = LU 分解矩阵的时候，我们只需要从 U 入手，反过来考虑，看如何通过行变换可以将上三角矩阵 U 变为 L，然后再将单位阵按此形式变化，就得到了 L 矩阵。这个性质也是 A = LU 形式分解矩阵的 最大优点，我们甚至不需要知道类似的值到底是什么，我们只需要知道变换形式， 即可求出 L，写出 A = LU 等式

置换矩阵

置换矩阵是一个方形二进制矩阵，它在每行和每列中只有一个1，而在其他地方则为0。

我们之前接触过行变换所用到的矩阵，即是将单位阵 $I$ 按照对应行变换方式进行操作之后得到的矩阵。它可以交换矩阵中的两行，代替矩阵行变换。什么时候需要使用矩阵行变换呢？一个经典的例子就是：在消元过程中，当矩阵主元位置上面不是 1 时，我们就需要用行变换将主元位置换回 1。 这样的由单位阵变换而来的矩阵，通过矩阵乘法可以使被乘矩阵行交换。我们将这样的矩阵称为置换矩阵 P。

通过一个例子来熟悉一下置换矩阵：求三阶单位矩阵的所有置换矩阵。
$$\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}0& 1& 0\\ 1& 0& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}0& 0& 1\\ 0& 1& 0\\ 1& 0& 0\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 1\\ 0& 1& 0\end{array}\right]\left[\begin{array}{ccc}0& 1& 0\\ 0& 0& 1\\ 1& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& 0& 1\\ 1& 0& 0\\ 0& 1& 0\end{array}\right]$$
3阶方阵的置换矩阵有6个：

n阶方阵的置换矩阵有 $\left(\genfrac{}{}{0ex}{}{n}{1}\right)=n!$ 个。