矩阵相关定义性质全总结
矩阵相关定义性质全总结
0.前言
矩阵是线性代数中的核心内容,所以我写这篇文章对矩阵(研究生以下阶段)进行一个完整的叙述。虽然是主要说矩阵,但是我也会将行列式、向量、线性方程组三个方面也包含在内,不过是概述的形式,具体的叙述会另外展开写。能够见到的大多数文章还是以对矩阵的介绍为主,我想可能很多人最需要的是了解矩阵的有哪些细分(比如矩阵相似、矩阵合同),以及这些细分的充要、必要、充分条件,还有这些细分的性质。所以我会在整体介绍完之后,进行一个细分的总结。
本文适合考研或在学线代者复习线性代数。
本文是总结,一些费时而又用处不大的图不会展示,见谅。
1.行列式、向量、线性方程组
将这三者写在最前面,我不会咋此进行展开,但是会另写文章叙述。
行列式、向量、线性方程组、特征值和特征向量
其中行列式是矩阵计算的基础,内容不难,但是涉及一些计算技巧。向量是构成线性方程组的重要部分,而我们都知道,矩阵最开始就是为了表示线性方程组的。
2.概念
- 定义:m×n矩阵为m×n个数排成的m行n列的表格,当m=n时,矩阵A称为n阶方阵或者n阶矩阵。
- 零矩阵:矩阵所有元素都为0。
- 同型矩阵:A矩阵为m×n矩阵,B矩阵为s×t矩阵,如果m=s,n=t,A和B即为同型矩阵。
- A和B相等:两个同型矩阵对应的元素都相等
- |A|(detA):n阶方阵A构成的行列式。
#只有方阵才有行列式
#矩阵A是表格,而行列式|A|是数
3.运算
- 加法:两个同型矩阵可以相加
- 数乘:k为数,数乘时是将k与矩阵中每一个元素进行乘积
- 乘法:设A是一个m×s矩阵,B是一个s×t矩阵(A的列数=B的行数),则A、B可乘,且乘积AB是一个m×t矩阵,记为C。其中C的第i行、第j列元素Cij是A的第i行s个元素和B的第j列s个对应元素两两乘积之和。(每个新元素等于原来两个矩阵对应行元素逐个乘上对应列元素,再加和)
- 转置:将m×n型矩阵A=[aij]m×n的行列互换的到的n×m矩阵[aji]n×m,称为A的转置矩阵。
- 矩阵多项式:设A是n阶矩阵,f(x)=amxm+……+a1x+a0是x的多项式,则称 amAm+am-1Am-1+……+a1A+a0E为矩阵多项式,记为f(A)
#性质:
Ⅰ.加法
- A+B=B+A
- (A+B)+C=A+(B+C)
- A+O=A (其中O是元素全为0的同型矩阵)
- A+(-A)=O
Ⅱ.数乘
- k(mA)=(km)A=m(kA)
- (k+m)A=kA+mA
- k(A+B)=kA+kB
- 1A=A
- 0A=O
Ⅲ.乘法
- (AB)C=A(BC)
- A(B+C)=AB+AC
- (B+C)A=BA+CA(注意顺序不可以颠倒)
Ⅳ.转置
- (A+B)T=AT+BT
- (kA)T=kAT
- (AB)T=BTAT
- (AT)T=A
#注意:
- AB≠BA
- A≠O,B≠O,但有可能AB=O
- AB=AC,A≠O不能推出B=C
- (A+B)(A+B)=A2+AB+BA+B2
- (A+E)2=A2+2A+E
- (A+E)(A-E)=A2-E2
- AB=O 可推出B的列向量是AX=0的解
4.伴随矩阵
A*由矩阵A的行列式|A|的所有代数余子式构成,列对应行。
AA* = A*A=|A|E
(A*) -1=(A-1)*=(1/A)A(|A|≠0)
(KA)*=kn-1A*
(A*)T=(AT)*
|A*|=|A|n-1
(A*)*=|A|n-2A(n>=2)
A-1=(1/|A|)*A*
(AB)*=B*A*
对于伴随矩阵的秩:
5.可逆矩阵
A、B为n阶矩阵,且AB=BA=E,当A为可逆矩阵或非奇异矩阵,
B是A的逆矩阵,A-1=B
5.1定理:
- A可逆,则A的逆矩阵唯一
- A可逆<=>|A|≠0(A满秩)
- 设A和B是n阶矩阵,且AB=E,则BA=E,A-1=B
5.2n阶矩阵A可逆的充分必要条件:
- 存在n阶矩阵B,使AB=E(BA=E).
- |A|≠0,或者A满秩,或者A的列(行)向量线性无关
- 齐次方程组Ax=0只有零解
- 任意b,非齐次线性方程组Ax=b总有唯一解
- 矩阵A的特征值全不为0
- 能表示成一些初等矩阵的乘积:PN…P2P1A=E
5.3运算性质:
- k≠0,(kA)-1=(1/k)A-1
- 如果A,B可逆,则(AB)-1=B-1A-1,特别地(A2)-1=(A-1)2
- AT可逆,则(AT)-1=(A-1)T
- (A-1)-1=A
- |A-1|=1/|A|
#即使A,B和A+B都可逆,一般的(A+B)-1≠A-1+B-1
5.4求逆矩阵的方法
- 公式法:|A|≠0,则A-1=(1/|A|)A*
- 初等变化:(A|E)---->(E|A-1)
- 用定义求B:使AB=E或BA=E,则A可逆,且A-1=B
- 分块矩阵:对角线直接求逆矩阵,副对角线求逆矩阵之外还好交换位置。
6.初等矩阵
6.1.1初等变换:设A是m×n矩阵,进行初等倍乘、互换、倍加行(列)变换,统称为初等变换。
- 倍乘:用某个非零常数k(k≠0)乘A的某行(列)的每个元素。
- 互换:互换A的某两行(列)的位置。
- 倍加行(列):将A的某行(列)元素的k 倍加到另一行(列)。
6.1.2初等矩阵:单位矩阵经一次初等变换得到的矩阵称为初等矩阵。如:
- E(2(k)):对第二行倍乘
- E(1,2):第一、二行(或一、二列)互换
- E(13(k)):第一行的k倍加到第三行,或者第三列的k倍加到第一列
6.1.3等价矩阵:矩阵A经过有限次初等变换变成矩阵B,则称A与B等价(可能有多个矩阵与A等价,其中等价的最简矩阵被称为A的等价标准型)
6.2性质:
- 初等矩阵的转置仍然是初等矩阵
- 初等矩阵均是可逆矩阵(|A|≠0,满秩),且其逆矩阵仍是初等矩阵。
- 用初等矩阵P左乘(右乘)A,其结果PA(AP)相当于对A作相应的初等行(列)变换。
6.3行阶梯矩阵,行最简矩阵
6.3.1行阶梯矩阵:
- 如果矩阵有零行(即这一行元素全是0),则零行在最底部
- 每个非零元素的主元(即该行的最左边的第一个非零元),它们的列指标随着行指标的递增而严格增大。
6.3.2行最简矩阵: - 是行阶梯矩阵
- 非零行的主元都是1
- 主元所在的列的其他元素都是0
7.分块矩阵
后补
8.方阵的行列式
- |AT|=|A|
- |kA|=kn|A|
- |AB|=|A||B|(特别的|A2|=|A|2)
- |A*|=|A|n-1
- |A-1|=|A|-1
- 对角矩阵正对角:|A||B|,副对角:|A-1|=|A|-1
9.矩阵的秩
9.1.1k阶子式:在m×n矩阵A中,任取k行与k列(k<=m,k<=n),位于这些行与列的交叉点上的k2个元素按其在原来矩阵A中的次序可构成一个k阶行列式,称其为矩阵A的一个k阶子式。
9.2矩阵的秩:设A为m×n矩阵,若A中存在r阶子式不等于0,r阶以上子式均等于0,则称矩阵A的秩为r,记为r(A).零矩阵的秩规定为0.
性质:
- r(A)=0 <=> A=O
- A≠O <=>r(A)>=1
- A是n阶矩阵,r(A)=n <=>|A|≠0 <=>A可逆,r(A)<n <=>|A|≠0 <=>A不可逆
- 若A是m×n矩阵,则r(A)<=min(m,n)
- 经过初等变换矩阵的秩不变。
- 设A是m×n矩阵,将A以行及列分块,得则有r(A)=A的行秩=A的列值
公式:
- r(A)=r(AT);r(AAT)=r(A)
- 当k≠0时,r(kA)=r(A);r(A+B)<=r(A)+r(B)
- r(AB)<=min(r(A),r(B)),max(r(A),r(B))<=r(A,B)<=r(A)+r(B)
- 若A可逆,则r(AB)=r(B),r(BA)=r(B)
- 若A时m×n矩阵,B是n×s矩阵,AB=O,r(A)+r(B)<=n
10.正交矩阵
定义:设A为n阶矩阵,若AAT=ATA=E,则称A为正交矩阵。
性质:
- AT=A-1
- A的行(列)向量都是单位向量且两两正交
- |A|=±1
11.相似矩阵
11.1定义:
- 设A,B都是n阶矩阵,若存在可逆矩阵P,使得P-1AP=B,则称B是A的相似矩阵,或A相似于B,记为A∽B
- 若A∽λ,其中λ为对角阵,则称A可相似对角化,λ是A的相似标准形。
11.2性质:
- A∽A
- 若A∽B => B∽A
- 若A∽B,B∽C =>A∽C
- n阶方阵 A可对角化的充分必要条件是A有n个线性无关的特征向量。(可得若n阶矩阵A有n个不同的特征值λ1、λ2……λn,则A可相似对角化,且对角矩阵元素一一对应特征值。)
- n阶矩阵 A可相似对角化的充分必要条件是A的每个特征值中,线性无关的特征向量的个数恰好等于该特征值的重数。
11.3相似的必要条件:
- 特征多项式相同:|λE-A|=|λE-B|
- r(A)=r(B)
- A,B有相同的特征值
- |A|=|B|=特征值之积
- A的迹=B的迹=特征值之和
- A2∽B2(An∽Bn)
- A+KE∽B+KE
- 如果A可逆,A-1∽B-1
12.实对称矩阵
12.1定义:除了主对角线,两侧相对应的数相同的矩阵
12.2性质:
- 实对称矩阵必可相似对角化
- 实对称矩阵的属于不同特征值对应的特征向量相互正交
- 设A为n阶实对称矩阵,则必存在正交阵Q,使得Q-1AQ=QTAQ=λ
13.矩阵合同
13.1定义:设A,B是两个n阶方阵,若存在可逆阵C,使得CTAC=B,则称A合同于B,记成A
13.2性质:
- 反身性
- 对称性
- 传递性
- r(A)=r(B)
- 正负惯性指数相等
14.相似、合同、等价区分
可得:
- 相似矩阵必为等价矩阵,等价矩阵未必为相似矩阵,满足 PQ=E 的等价矩阵是相似矩阵。
- 合同矩阵必为等价矩阵,等价矩阵未必为合同矩阵,满足 pA=pB,qA=qB的等价矩阵是合同矩阵。
- 相似矩阵未必合同,合同矩阵未必相似。
- 正交相似矩阵必合同,正交合同矩阵必相似。
- 实对称矩阵相似必合同,实对称矩阵合同未必相似。
矩阵相关定义性质全总结相关推荐
- 图拉普拉斯矩阵的定义、推导、性质、应用
导语:在学习图神经网络时,不可避免地要遇到拉普拉斯算子,拉普拉斯矩阵,图傅里叶变换,拉普拉斯特征分解向量等等一堆概念,了解其中的来源,定义,推导,对于后续图卷积神经网络的演进过程会有更深刻的理解 文章 ...
- 矩阵的定义及其相关运算
在将矩阵之前,我们先讲一讲'标量','向量','矩阵'. 标量(scaler)在机器学习中就是一个简单的数字,eg.1,2,3.... 矩阵(matrix) 定义:一个按照长方阵列排列的 复数 或 实 ...
- 深入解读f-散度和f-GAN训练的相关数学性质
©PaperWeekly 原创 · 作者 | 孙裕道 学校 | 北京邮电大学博士生 研究方向 | GAN图像生成.情绪对抗样本生成 引言 在深度学习中,衡量两个概率密度分布的数学工具就是 散度,不管是 ...
- 矩阵迹的性质_矩阵(含逆)的迹、行列式关于矩阵自身的导数计算与Maple验证...
常见神经网络在计算相邻层权重关系式时,矩阵对矩阵求导所涉及的维度拼接操作对理论萌新往往不太友好:对于数据型为矩阵的最小二乘问题,尽管迹对矩阵求导操作十分实用但很多人仍习惯于逐项计算偏导.本文避开&qu ...
- 备战数学建模1-MATLAB矩阵相关
目录 一.数值数据 二.常用函数 三.变量及其操作 四.矩阵的基础应用 五.MATLAB基本运算 六.字符串处理 七.特殊矩阵 八.矩阵变换 九.矩阵求值 十.矩阵的特征值与特征向量 十一.稀疏矩阵 ...
- Gram矩阵的一些性质
Gram矩阵的一些性质 定义:对于矩阵A:m×nA:m×nA:m×n,我们称矩阵ATAA^TAATA为AAA的列向量Gram矩阵,矩阵AATAA^TAAT为AAA的行向量Gram矩阵. 以下讨论时考虑 ...
- numpy中向量和矩阵相关乘法总结
numpy中矩阵相关乘法总结 一.numpy中向量和矩阵的概念 向量:1维 矩阵:至少是2维 注意:numpy中对于向量的定义与数学中对向量的定义有些不同,数学中对向量的定义是竖向写法,但由于nump ...
- Android USB OTG U盘读写相关使用最全总结
Android USB OTG U盘读写相关使用最全总结 https://blog.csdn.net/qq_29924041/article/details/80141514 androidOTG ( ...
- 线性代数(四) :矩阵乘法的性质与分块矩阵的运算
了解完矩阵与线性映射的关系后.现在可以讨论下矩阵乘法的运算性质了,这对以后推导其他结果是有帮助的: 1 对于矩阵乘法.交换律不成立 (i)对于行数和列数不相等的矩阵.很明显由于交换之后不能满足矩阵乘法 ...
- 邻接表1试在邻接表存储结构上实现图的基本操作 insert_vertex 和 insert_arc,相关定义如下:icoding---算法改进--配详细注释
邻接表1 试在邻接表存储结构上实现图的基本操作 insert_vertex 和 insert_arc,相关定义如下: typedef int VertexType; typedef enum{DG, ...
最新文章
- 【JetPack】数据绑定 DataBinding 简介 ( 使用要求 | Gradle 版本 | 定义数据类 | 定义数据绑定布局 | Activity 数据绑定 | 绑定类生成规则 )
- 作用域链(scope chain)和原型链(prototype chain)
- 团队编程项目代码设计规范(爬取豆瓣电影top250)
- 将Source Insight里面着色代码拷贝到word里面的方法
- 与gps优缺点_浅谈用于洒水车上的液位传感器和GPS模块
- this--学习笔记
- 云计算具有什么平台_如何搭建自己的云计算平台?
- office创建数据透视表
- java注解生成xml和包含CDATA问题
- 【翻译】200行代码讲透RUST FUTURES (7)
- 【转】敏捷中国十八年目睹之怪现状
- 警告: Establishing SSL connection without server
- Oracle 19c 参数列表及概要介绍
- 国内App推广终极37个方法
- Photoshop 2021 22.4.3 精简版
- 《沈剑架构师训练营》第1章 - 技术选型
- 【职场篇】游戏开发社招求职面试指南③——面试总结
- 超级删除PowerTools
- Tomcat环境搭建与常见问题详解
- 利用GitHub制作免费个人主页