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
a
n
d
A
A
−
1
=
I
A^{-1}A=I \quad and \quad AA^{-1}=I
A−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不能够同时拥有两个逆矩阵
-
若A可逆,则 A x = b A\mathbf{x}=\mathbf{b} Ax=b的唯一解就是 x = A − 1 b \mathbf{x}=A^{-1} \mathbf{b} x=A−1b
-
若存在非零解使得 A x = 0 A\mathbf{x}=\mathbf{0} Ax=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 ad-bc ad−bc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
(
A
B
)
−
1
=
B
−
1
A
−
1
(AB)^{-1}=B^{-1}A^{-1}
(AB)−1=B−1A−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
=
[
1
0
0
−
5
1
0
0
0
1
]
and
E
−
1
=
[
1
0
0
5
1
0
0
0
1
]
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]
E=⎣⎡1−50010001⎦⎤ and E−1=⎣⎡150010001⎦⎤
若是连续的两个消元操作呢,我们有另一个消元矩阵F
F
=
[
1
0
0
0
1
0
0
−
4
1
]
and
F
−
1
=
[
1
0
0
0
1
0
0
4
1
]
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]
F=⎣⎡10001−4001⎦⎤ and F−1=⎣⎡100014001⎦⎤
连续操作FE以及他们的逆如下所述
F
E
=
[
1
0
0
−
5
1
0
20
−
4
1
]
is inverted by
E
−
1
F
−
1
=
[
1
0
0
5
1
0
0
4
1
]
F 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]
FE=⎣⎡1−52001−4001⎦⎤ is inverted by E−1F−1=⎣⎡150014001⎦⎤
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
A
A
−
1
=
I
AA^{-1}=I
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)
A
A
−
1
=
A
[
x
1
x
2
x
3
]
=
[
e
1
e
2
e
3
]
=
I
AA^{-1}=A[x_1 \ x_2 \ x_3]=[e_1 \ e_2 \ e_3]=I
AA−1=A[x1 x2 x3]=[e1 e2 e3]=I
高斯若尔当的方法使用了块状矩阵 [ A I ] [A \quad I] [AI],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
[
K
e
1
e
2
e
3
]
=
[
2
−
1
0
1
0
0
−
1
2
−
1
0
1
0
0
−
1
2
0
0
1
]
\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]
[Ke1e2e3]=⎣⎡2−10−12−10−12100010001⎦⎤
① → [ 2 − 1 0 1 0 0 0 3 2 − 1 1 2 1 0 0 − 1 2 0 0 1 ] ( 1 2 row 1 + row 2 ) 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) ①→⎣⎡200−123−10−121210010001⎦⎤(21row1+row2)
② → [ 2 − 1 0 1 0 0 0 3 2 − 1 1 2 1 0 0 0 4 3 1 3 2 3 1 ] ( 2 3 row 2 + row 3 ) 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) ②→⎣⎡200−12300−134121310132001⎦⎤(32row2+row3)
③ → [ 2 − 1 0 1 0 0 0 3 2 0 3 4 3 2 3 4 0 0 4 3 1 3 2 3 1 ] ( 3 4 row 3 + row 2 ) 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) ③→⎣⎡200−1230003414331023320431⎦⎤(43row3+row2)
④ → [ 2 0 0 3 2 1 1 2 0 3 2 0 3 4 3 2 3 4 0 0 4 3 1 3 2 3 1 ] ( 2 3 row 2 + row 1 ) 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) ④→⎣⎡200023000342343311233221431⎦⎤(32row2+row1)
⑤ → [ 1 0 0 3 4 1 2 1 4 0 1 0 1 2 1 1 2 0 0 1 1 4 1 2 3 4 ] = [ I x 1 x 2 x 3 ] = [ I K − 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} ⑤→⎣⎡10001000143214121121412143⎦⎤=[Ix1x2x3]=[IK−1]
高斯-若尔当整个消元法的过程就是
Multiply
[
A
I
]
by
A
−
1
to get
[
I
A
−
1
]
\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}
Multiply[AI]byA−1to get[IA−1]
在消元的过程中,由于矩阵 K K 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 ( 3 2 ) ( 4 3 ) = 4 2(\frac{3}{2})(\frac{4}{3})=4 2(23)(34)=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 = 1 4 [ 3 2 1 2 4 2 1 2 3 ] K^{-1}=\frac{1}{4} \begin{bmatrix} 3&2&1\\ 2&4&2\\ 1&2&3 \end{bmatrix} K−1=41⎣⎡321242123⎦⎤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 A^{-1} A−1存在的条件为: A A 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
If
A
C
=
I
then
C
A
=
I
and
C
=
A
−
1
\text{If} \quad AC=I \quad \text{then} \quad CA=I \quad \text{and} \quad C=A^{-1}
IfAC=IthenCA=IandC=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 i i a_{ii} aii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
i
i
a_{ii}
aii都比同行的其他元素的和要大
∣
a
i
i
∣
>
∑
j
≠
i
∣
a
i
j
∣
|a_{ii}| > \sum_{j\neq i} |a_{ij}|
∣aii∣>j=i∑∣aij∣
解释:取任何非0向量x,假设最大的分量为
∣
x
i
∣
|x_i|
∣xi∣,那要使得
A
x
=
0
A\mathbf{x}=\mathbf{0}
Ax=0,就需要该行满足
a
i
1
x
1
+
⋯
+
a
i
i
x
i
+
⋯
+
a
i
n
x
n
=
0
a_{i 1} x_{1}+\cdots+a_{i i} x_{i}+\cdots+a_{i n} x_{n}=0
ai1x1+⋯+aiixi+⋯+ainxn=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
∣
|x_j|<|x_i|
∣xj∣<∣xi∣,则有
∑
j
≠
i
∣
a
i
j
x
j
∣
≤
∑
j
≠
i
∣
a
i
j
∣
∣
x
i
∣
<
∣
a
i
i
∣
∣
x
i
∣
\sum_{j\neq i}|a_{ij}x_j|\leq\sum_{j \neq i}|a_{ij}||x_i|<|a_{ii}||x_i|
j=i∑∣aijxj∣≤j=i∑∣aij∣∣xi∣<∣aii∣∣xi∣
总结:本节介绍了逆矩阵,求逆方法,以及判断方法