矩阵的加法、乘法、转置、求逆、行列式

• 矩阵运算 及 md表示 记录
• python需要用到的库 numpy
  
  • import numpy as np

---

矩阵加法

• 两个 相同维数 矩阵的加法可以通过对应元素的相加得到， $a_{ij} + b_{ij}$

$$\begin{Bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{Bmatrix} + \begin{Bmatrix} 4 & 5 & 6 \\ 7 & 8 & 9 \end{Bmatrix} = \begin{Bmatrix} 5 & 7 & 9 \\ 11 & 13 & 15 \end{Bmatrix}$$

---

矩阵乘法

• 定义 设矩阵 $A=(a_{ij})_{m \times n}$, $B=(b_{ij})_{s \times n}$ ，那么 矩阵A 与 矩阵B 的乘积是一个 $m \times n$ 矩阵$C=(c_{ij})_{m \times n}$ ，其中 $c_{ij}=a_{i1}b_{1j}+a_{i2}b_{2j}+...+a_{is}b_{sj}=\sum_{k=1}^s{a_{ik}b_{kj}}$

• 只有当 矩阵A 的 列数 等于 矩阵B 的 行数 时，两个矩阵才能相乘

• 例如
  

  $$C=A \times B = \begin{Bmatrix} 1 & 2 & 3\\ 4 & 5 & 6 \end{Bmatrix} \times \begin{Bmatrix} 1 & 4\\ 2 & 5\\ 3 & 6 \end{Bmatrix} = \begin{Bmatrix} 1x1+2x2+3x3 & 1x4+2x5+3x6\\ 4x1+5x2+6x3 & 4x4+5x5+6x6 \end{Bmatrix} = \begin{Bmatrix} 14 & 32\\ 32 & 77 \end{Bmatrix}$$

• python代码测试

  def matTest2():
    ma = [[1, 2, 3],
        [4, 5, 6]]
    ma = np.mat(ma) # 转为ndarray对象，矩阵化
    mb = [[1, 4],
        [2, 5],
        [3, 6]]
    mb = np.mat(mb)
    mc = ma.dot(mb) # 矩阵乘法
    print(mc)
    pass
  
  结果
  [[14 32]
  [32 77]]

---

转置矩阵

• 定义：把矩阵 A 的 行列互换 所得到的矩阵称为 原矩阵 的 转置矩阵，以 $A^T$ 表示。

• 即 $A=(a_{ij})_{m \times n}$ ， $A^T = (a_{ji})_{n \times m}$

  ​
  

  $$A = \begin{Bmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{21} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m1} & \cdots & a_{mn} \\ \end{Bmatrix} ,A^T = \begin{Bmatrix} a_{11} & a_{21} & \cdots & a_{m1} \\ a_{12} & a_{22} & \cdots & a_{m2} \\ \vdots & \vdots & \ddots & \vdots \\ a_{1n} & a_{2n} & \cdots & a_{nm} \\ \end{Bmatrix}$$

• 例如：
  

  $$A= \begin{Bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{Bmatrix} , A^T= \begin{Bmatrix} 1 & 4\\ 2 & 5\\ 3 & 6 \end{Bmatrix}$$

• python代码测试

  def matTest3():
    ma = [[1, 2, 3],
        [4, 5, 6]]
    ma = np.mat(ma)
    mb = ma.T #矩阵转置
    print(mb)
    pass
  
  结果
  [[1 4]
  [2 5]
  [3 6]]

---

矩阵求逆

• 定义：一个n阶 方阵A 称为可逆的，或非奇异的，如果存在一个n阶 方阵B，使得 $A \times B = B \times A = E$ 并称B是A的一个 逆矩阵。不可逆的矩阵称为 奇异矩阵。A 的逆矩阵记作 $A^{-1}$。且 $A \times A^{-1}$ 得到的矩阵为 对角线元素全为1，其他元素全为0

• 例如：
  

  $$A= \begin{Bmatrix} -2 & 1\\ 4 & -3 \end{Bmatrix} ,B= \begin{Bmatrix} -\frac{3}{2} & -\frac{1}{2}\\ -2 & -1 \end{Bmatrix}$$
  $$A \times B = \begin{Bmatrix} -2 & 1\\ 4 & -3 \end{Bmatrix} \times \begin{Bmatrix} -\frac{3}{2} & -\frac{1}{2}\\ -2 & -1 \end{Bmatrix} = \begin{Bmatrix} 1 & 0\\ 0 & 1 \end{Bmatrix}$$

• 所以判断两个矩阵是否为互逆矩阵，直接相乘即可判断

• 性质：

  1. 可逆矩阵一定是方阵。
  2. （唯一性）如果矩阵A是可逆的，其逆矩阵是唯一的。
  3. A的逆矩阵的逆矩阵还是A。记作 $(A^{-1})^{-1} = A$
  4. 可逆矩阵A的转置矩阵AT也可逆，并且 $(A^T)^{-1} = (A^{-1})^T$ (转置的逆等于逆的转置）
  5. 若矩阵A可逆，则矩阵A满足消去律。即AB=O（或BA=O），则B=O，AB=AC（或BA=CA），则B=C。
  6. 两个可逆矩阵的乘积依然可逆。
  7. 矩阵可逆当且仅当它是满秩矩阵。

• python代码测试

  def matTest4():
    ma = [[-2, 1],
        [4, -3]]
    ma = np.mat(ma)
    mb = np.linalg.inv(ma) # 矩阵求逆
    print(mb)
    mc = ma.dot(mb)
    print(mc)
    pass
  
  结果
  [[-1.5 -0.5]
  [-2.  -1. ]]
  [[ 1.  0.]
  [ 0.  1.]]

---

矩阵行列式

1. 对角线展开
   

   $$二阶： \begin{Bmatrix} a_1 & b_1\\ a_2 & b_2 \end{Bmatrix} = a_1b_2-a_2b_1$$
   $$三阶： \begin{Bmatrix} a_1 & b_1 & c_1\\ a_2 & b_2 & c_2\\ a_3 & b_3 & c_3 \end{Bmatrix} =a_1b_2c_3+b_1c_2a_3+c_1a_2b_3-a_3b_2c_1-b_3c_2a_1-c_3a_2b_1$$

2. 降阶展开（适合高阶行列式）
   

   $$按第一阶展开： \begin{Bmatrix} a_1 & b_1 & c_1\\ a_2 & b_2 & c_2\\ a_3 & b_3 & c_3 \end{Bmatrix} = a_1 \times \begin{Bmatrix} b_2 & c_2\\ b_3 & c_3 \end{Bmatrix} - b_1 \times \begin{Bmatrix} a_2 & c_2\\ a_3 & c_3 \end{Bmatrix} + c_1 \times \begin{Bmatrix} a_2 & b_2\\ a_3 & b_3 \end{Bmatrix}$$
   $$按中阶展开： \begin{Bmatrix} a_1 & b_1 & c_1\\ a_2 & b_2 & c_2\\ a_3 & b_3 & c_3 \end{Bmatrix} = b_2 \times \begin{Bmatrix} a_1 & c_1\\ a_3 & c_3 \end{Bmatrix} - a_2 \times \begin{Bmatrix} b_1 & c_1\\ b_3 & c_3 \end{Bmatrix} + c_2 \times \begin{Bmatrix} a_1 & b_1\\ a_3 & b_3 \end{Bmatrix}$$

3. python代码测试

   def matTest5():
      ma = [[1, 2],
         [1, 3]]
      ma = np.mat(ma)
      mb = np.linalg.det(ma)
      print(mb)
   
      mf = [[1, 2, 3],
         [4, 5, 6],
         [7, 8, 9]]
      mf = np.mat(mf)
      me = np.linalg.det(mf)
      print(me)
   
   结果
   1.0
   6.66133814775e-16

---

附_矩阵的markdown表示

$$
\left\{
 \begin{matrix}
   1 & 2 & 3 \\
   4 & 5 & 6 \\
   7 & 8 & 9
  \end{matrix}
  \right\} \tag{2}
$$

$$\left\{ \begin{matrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{matrix} \right\} \tag{2}$$

---

$$
\begin{Bmatrix}
   1 & 2 & 3 \\
   4 & 5 & 6 \\
   7 & 8 & 9
  \end{Bmatrix} \tag{5}
$$

$$\begin{Bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{Bmatrix} \tag{5}$$

$$
\left[
 \begin{matrix}
   1 & 2 & 3 \\
   4 & 5 & 6 \\
   7 & 8 & 9
  \end{matrix}
  \right] \tag{3}
$$

$$\left[ \begin{matrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{matrix} \right] \tag{3}$$

---

$$
\begin{bmatrix}
   1 & 2 & 3 \\
   4 & 5 & 6 \\
   7 & 8 & 9
  \end{bmatrix} \tag{4}
$$

$$\begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{bmatrix} \tag{4}$$

---

$$
\left[
\begin{matrix}
 1      & 2      & \cdots & 4      \\
 7      & 6      & \cdots & 5      \\
 \vdots & \vdots & \ddots & \vdots \\
 8      & 9      & \cdots & 0      \\
\end{matrix}
\right]  \tag {6}
$$

$$\left[ \begin{matrix} 1 & 2 & \cdots & 4 \\ 7 & 6 & \cdots & 5 \\ \vdots & \vdots & \ddots & \vdots \\ 8 & 9 & \cdots & 0 \\ \end{matrix} \right] \tag {6}$$

---

$$
\left[
    \begin{array}{cc|c}
      1 & 2 & 3 \\
      4 & 5 & 6
    \end{array}
\right] 
=>
\left[
    \begin{array}{cc|c}
      1 & 2 & 3 \\
      4 & 5 & 6
    \end{array}
\right] \tag{7}
$$

$$\left[ \begin{array}{cc|c} 1 & 2 & 3 \\ 4 & 5 & 6 \end{array} \right] => \left[ \begin{array}{cc|c} 1 & 2 & 3 \\ 4 & 5 & 6 \end{array} \right] \tag{7}$$

---

我们使用矩阵 $\bigl( \begin{smallmatrix} a & b \\ c & d \end{smallmatrix} \bigr)$ 作为因子矩阵，将其...

我们使用矩阵 $\bigl( \begin{smallmatrix} a & b \\ c & d \end{smallmatrix} \bigr)$ 作为因子矩阵，将其…