高等代数矩阵的运算(第4章)2 逆,分块,正交,欧几里得空间,线性映射

最新推荐文章于 2024-02-07 21:01:35 发布

EdVzAs

最新推荐文章于 2024-02-07 21:01:35 发布

阅读量1.3k

点赞数 1

文章标签：逆矩阵分块矩阵欧几里得空间正交矩阵与正交化线性映射

本文链接：https://blog.csdn.net/weixin_46131409/article/details/107893989

版权

代数学专栏收录该内容

34 篇文章 35 订阅

订阅专栏

一.可逆矩阵(4.4)

注意:可逆矩阵和逆矩阵都只能是方阵

1.定义
(1)可逆矩阵:
在这里插入图片描述
(2)逆矩阵:

2.求逆矩阵
(1)伴随矩阵:

(2)求逆矩阵:

定理1:数域 $K$ 上 $n$ 阶矩阵 $A$ 可逆的充要条件是: $∣ A ∣ \neq = 0$ 当 $A$ 可逆时: $A^{-1}=\frac{1}{|A|}A^*\qquad(7)$

特别地,当 $A=\left[\begin{matrix}a&b\\c&d\end{matrix}\right]$ 则 $A$ 可逆当且仅当 $∣ A ∣ = a d - b c \neq = 0$ 当 $A$ 可逆时,有 $A^{-1}=\frac{1}{ad-bc}\left[\begin{matrix}d&-b\\-c&a\end{matrix}\right]$

(3)其他矩阵可逆的充要条件:

由定理1还可推出 $n$ 阶矩阵 $A$ 可逆的其他一些充要条件:
$\quad$ 数域 $K$ 上的 $n$ 阶矩阵 $A$ 可逆
⇔ $A$ 为满秩矩阵
⇔ $A$ 的行(列)向量组线性无关
⇔ $A$ 的行(列)向量组为 $K^n$ 的1个基
⇔ $A$ 的行(列)空间等于 $K^n$

(4)可逆矩阵与初等矩阵的关系:

性质6:矩阵 $A$ 可逆的充要条件是: $A$ 可以表示成一些初等矩阵的乘积

3.可逆矩阵的性质
(1)乘积矩阵为 $I$ 的2个矩阵互为逆矩阵:

命题1:设 $A, B$ 都是数域 $K$ 上的 $n$ 阶矩阵,如果 $A B = I$ 那么 $A, B$ 都是可逆矩阵,并且 $A^{-1}=B,B^{-1}=A$

(2)单位矩阵可逆:

性质1:单位矩阵 $I$ 可逆,且 $I^{-1}=I$

(3)逆矩阵必定可逆:

性质2:如果 $A$ 可逆,那么 $A^{-1}$ 也可逆,且 $A^{-1})^{-1}=A$

(4)可逆矩阵的乘积也可逆:

性质3:如果 $n$ 阶矩阵 $A, B$ 都可逆,那么 $A B$ 也可逆,且 $AB)^{-1}=B^{-1}A^{-1}$

推广:如果 $n$ 阶矩阵 $A_1,A_2...A_s$ 都可逆,那么 $A_1A_2...A_s$ 也可逆,且 $A_1A_2...A_s)^{-1}=A_s^{-1}...A_2^{-1}A_1^{-1}$

(5)可逆矩阵的转置也可逆:

性质4:如果 $A$ 可逆,那么 $A^{'}$ 也可逆,且 $A')^{-1}=(A^{-1})'$

(6)可逆矩阵的简化行阶梯型矩阵是单位矩阵:

性质5:可逆矩阵经过初等行变换化成的简化行阶梯型矩阵一定是单位矩阵

(7)左(右)乘可逆矩阵不改变矩阵的秩:

性质7:用1个可逆矩阵左(右)乘矩阵 $A$ ,不改变 $A$ 的秩

4.初等变换法:

又称高斯-若尔当消元法

在这里插入图片描述

5.利用逆矩阵求解线性方程组:
在这里插入图片描述
二.矩阵的分块(4.5)
1.概念:

2.分块矩阵的线性运算与转置:

3.分块矩阵的乘法
(1)分块矩阵可乘的条件:

①左矩阵的列组数等于右矩阵的行组数
②左矩阵的每个列组所含列数等于右矩阵相应的行组所含行数

(2)分块矩阵的乘积:

满足上述2个条件的分块矩阵相乘时按照矩阵乘法法则进行,即设 $A=(a_{ij})_{s×n},B=(b_{ij})_{s×n}$ ,则 $n_1\:\quad...\:\quad n_t\qquad m_1\quad\:...\quad\:m_t\qquad\qquad\qquad\qquad\qquad\qquad\qquad\quad\\\begin{matrix}s_1\\...\\s_u\end{matrix}\left[\begin{matrix}A_{11}&...&A_{1t}\\...&...&...\\A_{u1}&...&A_{ut}\end{matrix}\right]\left[\begin{matrix}B_{11}&...&B_{1t}\\...&...&...\\B_{u1}&...&B_{ut}\end{matrix}\right]\begin{matrix}n_1\\...\\n_u\end{matrix}\qquad\qquad\qquad\qquad\qquad\qquad\qquad\quad\\=\left[\begin{matrix}A_{11}B_{11}+A_{12}B_{21}+...+A_{1t}B_{t1}&...&A_{11}B_{1v}+A_{12}B_{2v}+...+A_{1t}B_{tv}\\A_{21}B_{11}+A_{22}B_{21}+...+A_{2t}B_{t1}&...&A_{21}B_{1v}+A_{22}B_{2v}+...+A_{2t}B_{tv}\\...&...&...\\A_{u1}B_{11}+A_{u2}B_{21}+...+A_{ut}B_{t1}&...&A_{u1}B_{1v}+A_{u2}B_{2v}+...+A_{ut}B_{tv}\end{matrix}\right]$

4.分块矩阵的应用:

命题2:设A是 $s \times n$ 矩阵,B是 $n \times m$ 矩阵,B的列向量组为 $β_1,β_2...β_m$ ,则 $AB=A(β_1,β_2...β_m)=(Aβ_1,Aβ_2...Aβ_m)$

推论1:设 $A_{s×n}≠0.B_{n×m}$ 的列向量组是 $β_1,β_2...β_m$ ,则 $AB=0⇔β_1,β_2...β_m都是齐次线性方程组Ax=0的解$

推论2:设 $A_{s×n}≠0.B_{n×m}$ 的列向量组是 $β_1,β_2...β_m$ , $C_{s×m}$ 的列向量组是 $δ_1,δ_...δ_m$ ,则 $AB=C⇔β_j是线性方程组Ax=δ_j的1个解\,(j=1,2...m)$

利用线性方程组求逆矩阵:

解矩阵方程:

5.分块矩阵的初等变换与分块初等矩阵
(1)分块矩阵的初等变换:
在这里插入图片描述

(2)分块初等矩阵:

6.分块上(下)三角矩阵
(1)概念:
在这里插入图片描述
(2)分块上(下)三角矩阵的行列式:

(3)分块上三角矩阵的逆矩阵:

命题3:设 $A=\left|\begin{matrix}A_1&A_3\\0&A_2\end{matrix}\right|$ 其中 $A_1,A_2$ 都是方阵,则 $A$ 可逆当且仅当 $A_1,A_2$ 都可逆,此时 $A^{-1}=\left[\begin{matrix}A_1^{-1}&-A_1^{-1}A_3A_2^{-1}\\0&A_2^{-1}\end{matrix}\right]$

从该命题看出:可逆的分块上三角矩阵的逆矩阵仍是分块上三角矩阵

7.其他分块矩阵的行列式:

命题4:设 $A, B$ 分别是 $s \times n, n \times s$ 矩阵,则 $(1)\left|\begin{matrix}I_n&B\\A&I_s\end{matrix}\right|=|I_s-AB|\qquad\qquad(2)\left|\begin{matrix}I_n&B\\A&I_s\end{matrix}\right|=|I_n-BA|\\(3)|I_s-AB|=|I_n-BA|\qquad\qquad\qquad\qquad\qquad\qquad\qquad$

三.正交矩阵与欧几里得空间(4.6)
1.正交矩阵
(1)定义:
在这里插入图片描述

正交矩阵的列向量为单位向量且不同的列向量相互正交

(2)正交矩阵的性质:

命题5:
$\quad$ 实数域上 $n$ 阶矩阵 $A$ 是正交矩阵
⇔ $A^{'} A = I$
⇔ $A$ 可逆,且 $A^{-1}=A'$
⇔ $A A^{'} = I$

正交矩阵还具有以下性质:
① $I$ 是正交矩阵
②若 $A, B$ 都是 $n$ 阶正交矩阵,则 $A B$ 也是正交矩阵
③若 $A$ 是正交矩阵,则 $A^{-1}($ 即 $A^{'})$ 也是正交矩阵
④若 $A$ 是正交矩阵,则 $∣ A ∣ = \pm 1$

(3)正交矩阵的判定:

命题6:设实数域上 $n$ 阶矩阵 $A$ 的行向量组为 $γ_1,γ_2...γ_n$ ,列向量组为 $α_1,α_2...α_n$ ,则
① $A$ 为正交矩阵当且仅当 $A$ 的行向量组满足: $γ_iγ_j'=\begin{cases}1\quad当i=j\\0\quad当i≠j\end{cases}$
② $A$ 为正交矩阵当且仅当 $A$ 的列向量组满足: $α_iα_j'=\begin{cases}1\quad当i=j\\0\quad当i≠j\end{cases}$

利用 $K r o n e c k e r$ 记号 $δ_{ij}$ ,其含义是: $δ_{ij}=\begin{cases}1\quad当i=j\\0\quad当i≠j\end{cases}$ 则该命题可简记为: $γ_iγ_j'=δ_{ij}\,(1≤i,j≤n)\qquad(1)\\α_iα_j'=δ_{ij}\,(1≤i,j≤n)\qquad(2)$

2.内积
(1)定义:
在这里插入图片描述

如果 $α, β$ 是列向量,那么标准内积可以写成 $(α,β)=α'β\qquad(5)$

(2)性质:

① $(α,β)=(β,α)\,(对称性)$
② $(α+γ,β)=(α,β)+(γ,β),(kα,β)=k(α,β)\,(线性性质)$
③ $(α,α)≥0,等号当且仅当α=0时成立\,(正定性)$
由性质①②立即得 $k_1α_1+k_2α_2,β)=k_1(α_1,β)+k_2(α_2,β)\\(α,k_1β_1+k_2β_2)=k_1(α,β_1)+k_2(α,β_2)$

3.欧几里得空间
(1)定义与向量长度:
在这里插入图片描述

欧几里得空间就是有度量(即内积)的向量空间 $R^n$ ,又称内积空间

(2)单位化:
在这里插入图片描述
(3)正交向量组:

命题7:欧几里得空间 $R^n$ 中,正交向量组一定是线性无关的

4.正交基与正交化
(1)正交基:
在这里插入图片描述
(2)正交矩阵的判定:

命题8:实数域上的 $n$ 阶矩阵 $A$ 是正交矩阵的充要条件是: $A$ 的行(列)向量组是欧几里得空间 $R^n$ 的1个标准正交基

该命题指出:构建正交矩阵等价于构建标准正交基

(3)施密特正交化(Schmidt Orthogonalization):

定理2:设 $α_1,α_2...α_s$ 是欧几里得空间 $R^n$ 中1个线性无关的向量组,令 $\begin{matrix}β_1=α_1\\β_2=α_2-\frac{(α_2,β_1)}{(β_1,β_1)}β_1\\...\\β_s=α_s-\displaystyle\sum_{j=1}^{s-1}\frac{(α_s,β_j)}{(β_j,β_j)}β_j\end{matrix}\qquad(6)$ 则 $β_1,β_2...β_s$ 是正交向量组,且 $β_1,β_2...β_s$ 与 $α_1,α_2...α_s$ 等价

单位化:

四. $K^n$ 到 $K^s$ 的线性映射(4.7)
1.映射:
在这里插入图片描述

2.映射的运算
(1)映射的和成:

定理3:结合律适用于映射的乘法,即如果 $h : S \to S^{'}, g : S^{'} \to S^{''}, f : S^{''} \to S^{'''}$ ,那么 $f (g h) = (f g) h$

注意:交换律不适用于映射的乘法

命题8:对于任意1个映射 $f : S \to S^{'}$ ,有 $f1_S=f,1_{S'}f=f$

(2)逆映射:
在这里插入图片描述

命题9:如果 $f$ 可逆,那么其逆映射唯一,把 $f$ 的逆映射记为 $f^{-1}$

定理4:映射 $f : S \to S^{'}$ 可逆的充要条件是: $f$ 是双射

3.线性映射
(1)定义:
在这里插入图片描述
(2)乘以1个矩阵是线性映射:

事实1:
$\quad$ 数域 $K$ 上 $n$ 元线性方程组 $A x = β$
⇔ $γ∈K^n$ ,使得 $A γ = β$
⇔ $γ∈K^n$ ,使得 $Ꭿ (γ) = β$
⇔ $β∈Im\,Ꭿ$
由该定理看出:使线性方程组 $A x = β$ 有解的 $β$ 组成的集合是线性映射 $Ꭿ (α) = A α$ 的象
由此立即得出:
事实2:
设数域 $K$ 上 $s \times n$ 矩阵 $A$ 的列向量组是 $α_1,α_2...α_s$ ,则
$\quadβ∈Im\,Ꭿ$
⇔线性方程组 $A x = β$ 有解
⇔ $β∈<α_1,α_2...α_n>$
因此 $Im\,Ꭿ=<α_1,α_2...α_n>\qquad(2)$ 即:由式(1)定义的线性映射 $Ꭿ$ 的象(值域)等于矩阵 $A$ 的列空间,从而 $Im\,Ꭿ$ 是 $K^s$ 的1个子空间