【线代笔记】2.5 Inverse Matrices - 逆矩阵

最新推荐文章于 2023-09-26 22:50:26 发布

倦时眠

最新推荐文章于 2023-09-26 22:50:26 发布

阅读量796

点赞数 2

分类专栏：线性代数文章标签：线性代数

本文链接：https://blog.csdn.net/xvvoly/article/details/104525185

版权

线性代数专栏收录该内容

10 篇文章 10 订阅

订阅专栏

2.5 Inverse Matrices - 逆矩阵

一个矩阵的逆乘上自身，结果为单位矩阵

对于一个矩阵A，如果可逆，就存在逆矩阵A^-1，满足
$A^{-1}A=I \quad and \quad AA^{-1}=I$

方阵A是否一定存在逆？关于逆矩阵有以下6点需要知道

当且仅当消元产生了n个主元的时候，逆矩阵才存在
矩阵A不能够同时拥有两个逆矩阵
若A可逆，则 $A\mathbf{x}=\mathbf{b}$ 的唯一解就是 $\mathbf{x}=A^{-1} \mathbf{b}$
若存在非零解使得 $A\mathbf{x}=\mathbf{0}$ ，那A就不可逆

因为若有x满足上述情况，则A的各列并非线性独立，有一列可以用其他列的线性组合来表示

则不满足后文所说的一定要有n个主元的情况
一个（2,2）的矩阵可逆当且仅当 $a d - b c$ 不为零
有逆矩阵的对角矩阵的对角项不为零

The Inverse of a Product - 点积AB的逆

点积AB有逆当且仅当两个因子A和B都各自有逆，且矩阵大小相同

如果A，B都可逆的话，AB也是可逆的
$AB)^{-1}=B^{-1}A^{-1}$

对于消元矩阵E，它的逆矩阵很好理解，就是相反的操作
$E=\left[\begin{array}{rrr} {1} & {0} & {0} \\ \mathbf{-5} & {1} & {0} \\ {0} & {0} & {1} \end{array}\right]\quad \text { and } \quad E^{-1}=\left[\begin{array}{ccc} {1} & {0} & {0} \\ \mathbf{5} & {1} & {0} \\ {0} & {0} & {1} \end{array}\right]$

若是连续的两个消元操作呢，我们有另一个消元矩阵F
$F=\left[\begin{array}{rrr} {1} & {0} & {0} \\ {0} & {1} & {0} \\ {0} & \mathbf{-4} & {1} \end{array}\right] \quad \text { and } \quad F^{-1}=\left[\begin{array}{lll} {1} & {0} & {0} \\ {0} & {1} & {0} \\ {0} & \mathbf{4} & {1} \end{array}\right]$

连续操作FE以及他们的逆如下所述
$E=\left[\begin{array}{rrr} {1} & {0} & {0} \\ {-5} & {1} & {0} \\ \mathbf{20} & {-4} & {1} \end{array}\right] \quad \text { is inverted by } \quad E^{-1} F^{-1}=\left[\begin{array}{ccc} {1} & {0} & {0} \\ \mathbf{5} & {1} & {0} \\ \mathbf{0} & \mathbf{4} & {1} \end{array}\right]$

不同原因在于，左侧矩阵使用F消元的时候，第二行已经在矩阵E的作用下变化了，在矩阵FE的顺序下，第三行的20表明了第一行对其的影响，而右侧矩阵的顺序并不会造成这样的影响

Calculating A^-1 by Gauss-Jordan Elimination - 高斯-若尔当消元法

我们需要逆，但是很多时候我们不需要直接计算逆

高斯-若尔当消元法的基础是，我们已经知道 $AA^{-1}=I$ ，A与A^-1 的第一列的结果即为单位矩阵的第一列（1,0,0）
$AA^{-1}=A[x_1 \ x_2 \ x_3]=[e_1 \ e_2 \ e_3]=I$

高斯若尔当的方法使用了块状矩阵 $\quad I]$ ，有点和增广矩阵类似，但是右侧向量变为了多个列

以下举例，利用高斯-若尔当消元法，求出矩阵K的逆
$\left[\begin{array}{llll} {K} & {e_{1}} & {e_{2}} & {e_{3}} \end{array}\right]=\left[\begin{array}{rrrrrr} \mathbf{2} & \mathbf{-1} & \mathbf{0} & {1} & {0} & {0} \\ \mathbf{-1} & \mathbf{2} & \mathbf{-1} & {0} & {1} & {0} \\ \mathbf{0} & \mathbf{-1} & \mathbf{2} & {0} & {0} & {1} \end{array}\right]$

$①\rightarrow\left[\begin{array}{rrrrrr}{2} & {-1} & {0} & {1} & {0} & {0} \\\mathbf{0} & \mathbf{\frac{3}{2}} & \mathbf{-1} & \mathbf{\frac{1}{2}} & \mathbf{1} & \mathbf{0} \\{0} & {-1} & {2} & {0} & {0} & {1}\end{array}\right]\quad(\frac{1}{2}\text{row}1+\text{row}2)$

$②\rightarrow\left[\begin{array}{rrrrrr}{2} & {-1} & {0} & {1} & {0} & {0} \\{0} & {\frac{3}{2}} & {-1} & {\frac{1}{2}} & {1} & {0} \\\mathbf{0} & \mathbf{0} & \mathbf{\frac{4}{3}} & \mathbf{\frac{1}{3}} & \mathbf{\frac{2}{3}} & \mathbf{1}\end{array}\right]\quad(\frac{2}{3}\text{row}2+\text{row}3)$

$③\rightarrow\left[\begin{array}{rrrrrr}{2} & {-1} & {0} & {1} & {0} & {0} \\\mathbf{0} & \mathbf{\frac{3}{2}} & \mathbf{0} & \mathbf{\frac{3}{4}} & \mathbf{\frac{3}{2}} & \mathbf{\frac{3}{4}} \\{0} & {0} & {\frac{4}{3}} & {\frac{1}{3}} & {\frac{2}{3}} & {1}\end{array}\right]\quad(\frac{3}{4}\text{row}3+\text{row}2)$

$④\rightarrow\left[\begin{array}{cccccc}\mathbf{2} & \mathbf{0} & \mathbf{0} & \mathbf{\frac{3}{2}} & \mathbf{1} & \mathbf{\frac{1}{2}} \\{0} & {\frac{3}{2}} & {0} & {\frac{3}{4}} & {\frac{3}{2}} & {\frac{3}{4}} \\{0} & {0} & {\frac{4}{3}} & {\frac{1}{3}} & {\frac{2}{3}} & {1}\end{array}\right]\quad(\frac{2}{3}\text{row}2+\text{row}1)$

$⑤\rightarrow\left[\begin{array}{cccccc}\mathbf{1} & {0} & {0} & \mathbf{\frac{3}{4}} & \mathbf{\frac{1}{2}} & \mathbf{\frac{1}{4}} \\{0} & \mathbf{1} & {0} & \mathbf{\frac{1}{2}} & \mathbf{1} & \mathbf{\frac{1}{2}} \\{0} & {0} & \mathbf{1} & \mathbf{\frac{1}{4}} & \mathbf{\frac{1}{2}} & \mathbf{\frac{3}{4}}\end{array}\right]=\begin{bmatrix}I & x_1 & x_2 & x_3\end{bmatrix}=\begin{bmatrix}I & K^{-1}\end{bmatrix}$

高斯-若尔当整个消元法的过程就是
$\text{Multiply}\quad\begin{bmatrix}A & I\end{bmatrix}\quad\text{by}\quad A^{-1}\quad\text{to get}\quad\begin{bmatrix}I & A^{-1}\end{bmatrix}$

在消元的过程中，由于矩阵 $K$ 是一个对称矩阵，所以我们也发现了一些特性

对称矩阵的逆依然是对称的
K是一个三对角线的矩阵，但K的逆是一个密集矩阵（全部填满的）
第四步得到的K的消元结果的主对角线的积是 $2(\frac{3}{2})(\frac{4}{3})=4$ ，这也是K的行列式值
K的逆可以写成矩阵除以K的行列式值的形式
$K^{-1}=\frac{1}{4} \begin{bmatrix} 3&2&1\\ 2&4&2\\ 1&2&3 \end{bmatrix}$

这也间接说明了为什么可逆矩阵的行列式值不能为0

回到核心的问题上，哪一类的矩阵是可逆的？

$A^{-1}$ 存在的条件为： $A$ 含有完整的n个主元的集合。该结论可通过高斯-若尔当消元法验证

同理一个三角矩阵，若要可逆，则必须对角线上没有任何一项为0

另外还有一个结论
$\text{If} \quad AC=I \quad \text{then} \quad CA=I \quad \text{and} \quad C=A^{-1}$

Recognizing an Invertible Matrix - 直接判断矩阵可逆

我们已经知道判断一个矩阵是否可逆可以看它是否含有完整的n个主元的集合

但有些矩阵我们可以很快的判断其可逆性，因为每一个 $a_{ii}$ 元素都主导了这一行的非对角元素

对角占优矩阵是可逆的，即每一个 $a_{ii}$ 都比同行的其他元素的和要大
$|a_{ii}| > \sum_{j\neq i} |a_{ij}|$

解释：取任何非0向量x，假设最大的分量为 $x_i|$ ，那要使得 $A\mathbf{x}=\mathbf{0}$ ，就需要该行满足
$a_{i 1} x_{1}+\cdots+a_{i i} x_{i}+\cdots+a_{i n} x_{n}=0$

显然，在对角占优的情况下，不可能满足条件这样的条件，因为 $x_j|<|x_i|$ ，则有
$\sum_{j\neq i}|a_{ij}x_j|\leq\sum_{j \neq i}|a_{ij}||x_i|<|a_{ii}||x_i|$

总结：本节介绍了逆矩阵，求逆方法，以及判断方法

倦时眠

关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
【线代笔记】2.5 Inverse Matrices - 逆矩阵

2.5 Inverse Matrices - 逆矩阵一个矩阵的逆乘上自身，结果为单位矩阵对于一个矩阵A，如果可逆，就存在逆矩阵A-1，满足A−1A=IandAA−1=IA^{-1}A=I \quad and \quad AA^{-1}=IA−1A=IandAA−1=I方阵A是否一定存在逆？关于逆矩阵有以下6点需要知道当且仅当消元产生了n个主元的时候，逆矩阵才存在矩阵A不...
复制链接

扫一扫