线性代数【二】:矩阵的概念与计算
本节为线性代数复习笔记的第二部分,矩阵的概念与计算,主要包括:几个特殊特殊矩阵,矩阵乘法,伴随矩阵,逆矩阵的运算性质以及求矩阵逆的五个方法。
1. 几个特殊矩阵
- 单位矩阵:主对角元素均为1,其余元素全为0的n阶方阵,称为n阶单位矩阵;
- 数量矩阵:数k和单位矩阵的乘积;
- 对角矩阵:非主对角元素均为0的矩阵;
- 对称矩阵:满足条件AT=AA^T=AAT=A的矩阵;
- 反对称矩阵:满足条件AT=A−1A^T=A^{-1}AT=A−1的矩阵;
- 正交矩阵:满足条件AT=A−1A^T=A^{-1}AT=A−1或AAT=ATA=EAA^T=A^TA=EAAT=ATA=E的矩阵。
2. 矩阵乘法
设A是m×sm \times sm×s矩阵,B是s×ns \times ns×n矩阵,则A,B可乘,乘积AB是m×nm \times nm×n矩阵。记C=AB=(cij)m×nC=AB=(c_{ij})_{m\times n}C=AB=(cij)m×n,C的i行j列元素是A的第i行的s个元素和B的第j列的s个元素两两乘积之和。
eg.α=[α1,α2,α3]T,β=[b1,b2,b3]Teg.\alpha=[\alpha_1,\alpha_2,\alpha_3]^T,\beta=[b_1,b_2,b_3]^Teg.α=[α1,α2,α3]T,β=[b1,b2,b3]T,A=αβT,求An.A=\alpha\beta^T,求A^n.A=αβT,求An.
解:An=(αβT)(αβT)...(αβT)解:A^n=(\alpha\beta^T)(\alpha\beta^T)...(\alpha\beta^T)解:An=(αβT)(αβT)...(αβT)=α(βTα)n−1βT=\alpha(\beta^T\alpha)^{n-1}\beta^T=α(βTα)n−1βT
=∣α1α2α3∣([b1,b2,b3]∣α1α2α3∣)n−1[b1,b2,b3]=\left|\begin{matrix}\alpha_1\\\alpha_2\\\alpha_3\end{matrix}\right|\left([b_1,b_2,b_3]\left|\begin{matrix}\alpha_1\\\alpha_2\\\alpha_3\end{matrix}\right|\right)^{n-1}[b_1,b_2,b_3]=∣∣∣∣∣∣α1α2α3∣∣∣∣∣∣⎝⎛[b1,b2,b3]∣∣∣∣∣∣α1α2α3∣∣∣∣∣∣⎠⎞n−1[b1,b2,b3]
=[Σi=13αibi]n−1A=[\Sigma_{i=1}^3\alpha_ib_i]^{n-1}A=[Σi=13αibi]n−1A.
3. 矩阵的逆
3.1 概念
A,B是n阶方阵,E是n阶单位矩阵,若AB=BA=E,则称A是可逆矩阵,并称B是A的逆矩阵,逆矩阵是唯一的,记为A−1A^{-1}A−1.
|A|不为0是矩阵A可逆的充要条件。
3.2 伴随矩阵
3.2.1 展开定理的推广对于余子式有这样一个推理:k1Ai1+k2Ai2+...+knAin=∣∗k1k2...kn∗∣k_1A_{i1}+k_2A_{i2}+...+k_nA_{in}=\left|\begin{matrix}&*&&\\k_1&k_2&...&k_n\\&*&& \end{matrix}\right|k1Ai1+k2Ai2+...+knAin=∣∣∣∣∣∣k1∗k2∗...kn∣∣∣∣∣∣
3.2.2 伴随矩阵的定义将行列式|A|的n2n^2n2个元素的代数余子式【代数余子式本质上是一个“缺斤少两”的原行列式,是一个数】按如下形式排列成的矩阵,称为A的伴随矩阵,记为A∗A^*A∗,有AA∗=∣A∣EAA^*=|A|EAA∗=∣A∣E.
AA∗=[a11a12...a1na21a22...a2n............an1an2...ann][A11A12...A1nA21A22...A2n............An1An2...Ann]AA^*=\left[\begin{matrix}a_{11}&a_{12}&...&a_{1n}\\a_{21}&a_{22}&...&a_{2n}\\...&...&...&...\\a_{n1}&a_{n2}&...&a_{nn}\end{matrix}\right]\left[\begin{matrix}A_{11}&A_{12}&...&A_{1n}\\A_{21}&A_{22}&...&A_{2n}\\...&...&...&...\\A_{n1}&A_{n2}&...&A_{nn}\end{matrix}\right]AA∗=⎣⎢⎢⎡a11a21...an1a12a22...an2............a1na2n...ann⎦⎥⎥⎤⎣⎢⎢⎡A11A21...An1A12A22...An2............A1nA2n...Ann⎦⎥⎥⎤
=[∣A∣0...00∣A∣...0............00...∣A∣]=∣A∣E=\left[\begin{matrix}|A|&0&...&0\\0&|A|&...&0\\...&...&...&...\\0&0&...&|A|\end{matrix}\right]=|A|E=⎣⎢⎢⎡∣A∣0...00∣A∣...0............00...∣A∣⎦⎥⎥⎤=∣A∣E.
[注]:[a11a12...a1n][A21A22...A2n][注]:\left[\begin{matrix}a_{11}&a_{12}&...&a_{1n}\end{matrix}\right]\left[\begin{matrix}A_{21}\\A_{22}\\...\\A_{2n}\end{matrix}\right][注]:[a11a12...a1n]⎣⎢⎢⎡A21A22...A2n⎦⎥⎥⎤
=a11A21+a12A22+...+a1nA2n=a_{11}A_{21}+a_{12}A_{22}+...+a_{1n}A_{2n}=a11A21+a12A22+...+a1nA2n
=[a11a12...a1na11a12...a1n............an1an2...ann](有两行相同,行列式为0)=\left[\begin{matrix}a_{11}&a_{12}&...&a_{1n}\\a_{11}&a_{12}&...&a_{1n}\\...&...&...&...\\a_{n1}&a_{n2}&...&a_{nn}\end{matrix}\right](有两行相同,行列式为0)=⎣⎢⎢⎡a11a11...an1a12a12...an2............a1na1n...ann⎦⎥⎥⎤(有两行相同,行列式为0)
于是有A−1=1∣A∣A∗A^{-1}=\frac1{|A|}A^*A−1=∣A∣1A∗
3.2.3 逆矩阵运算的性质
- (kA)−1=1kA−1(kA)^{-1}=\frac1kA^{-1}(kA)−1=k1A−1
- (AB)−1=B−1A−1(AB)^{-1}=B^{-1}A^{-1}(AB)−1=B−1A−1
- (AT)−1=(A−1)T(A^T)^{-1}=(A^{-1})^T(AT)−1=(A−1)T
- ∣A−1∣=∣A∣−1|A^{-1}|=|A|^{-1}∣A−1∣=∣A∣−1
3.2.4 求逆矩阵的方法
- 根据伴随矩阵,若|A|不为0,则A−1=1∣A∣A∗A^{-1}=\frac1{|A|}A^*A−1=∣A∣1A∗
- 初等变换:初等行变换[A∣E]⟹[E∣A−1][A|E]\Longrightarrow[E|A^{-1}][A∣E]⟹[E∣A−1]或者初等列变换[AE]⟹[EA−1]\left[\begin{matrix}A\\E\end{matrix}\right]\Longrightarrow\left[\begin{matrix}E\\A^{-1}\end{matrix}\right][AE]⟹[EA−1]
- A−1=(BC)−1=C−1B−1A^{-1}=(BC)^{-1}=C^{-1}B^{-1}A−1=(BC)−1=C−1B−1
- [AOOB]−1=[A−1OOB−1]\left[\begin{matrix}A&O\\O&B\end{matrix}\right]^{-1}=\left[\begin{matrix}A^{-1}&O\\O&B^{-1}\end{matrix}\right][AOOB]−1=[A−1OOB−1],[OABO]−1=[OA−1B−1O]\left[\begin{matrix}O&A\\B&O\end{matrix}\right]^{-1}=\left[\begin{matrix}O&A^{-1}\\B^{-1}&O\end{matrix}\right][OBAO]−1=[OB−1A−1O]
- 特殊地,对于二阶矩阵A=[abcd]A=\left[\begin{matrix}a&b\\c&d\end{matrix}\right]A=[acbd],A−1=1ad−bc[d−bca]−1(主对调,副变号)A^{-1}=\frac1{ad-bc}\left[\begin{matrix}d&-b\\c&a\end{matrix}\right]^{-1}(主对调,副变号)A−1=ad−bc1[dc−ba]−1(主对调,副变号)
eg.A=[02−1112−1−1−1]的逆矩阵。eg.A=\left[\begin{matrix}0&2&-1\\1&1&2\\-1&-1&-1\end{matrix}\right]的逆矩阵。eg.A=⎣⎡01−121−1−12−1⎦⎤的逆矩阵。
解:[A∣E]=[02−1100112010−1−1−1001]→[100−12−32−52010121612001011]解:[A|E]=\left[\begin{matrix}0&2&-1&1&0&0\\1&1&2&0&1&0\\-1&-1&-1&0&0&1\end{matrix}\right]\rightarrow\left[\begin{matrix}1&0&0&-\frac12&-\frac32&-\frac52\\0&1&0&\frac12&\frac16&\frac12\\0&0&1&0&1&1\end{matrix}\right]解:[A∣E]=⎣⎡01−121−1−12−1100010001⎦⎤→⎣⎡100010001−21210−23611−25211⎦⎤
(具体变换为1行2行互换,3行加到1行,3行的-2倍加到1行,3行加到2行,2行取半,2行的-1倍加到1行)
欢迎扫描二维码关注微信公众号 深度学习与数学 [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]
线性代数【二】:矩阵的概念与计算相关推荐
- Codeforces 947E Perpetual Subtraction (线性代数、矩阵对角化、DP)
Codeforces 947E Perpetual Subtraction (线性代数.矩阵对角化.DP) 手动博客搬家: 本文发表于20181212 09:37:21, 原地址https://blo ...
- 矩阵乘法 算法训练 试题_线性代数入门——矩阵乘法的定义及其意义
系列简介:这个系列文章讲解线性代数的基础内容,注重学习方法的培养.线性代数课程的一个重要特点(也是难点)是概念众多,而且各概念间有着千丝万缕的联系,对于初学者不易理解的问题我们会不惜笔墨加以解释.在内 ...
- 人工智能数学基础之线性代数(二)
前言 本文只会记录人工智能中所用到的线性代数知识,并不会记录大学线性代数教材中的所有知识. 现在CSDN不能发超长的文章了,只能分成多篇发布. 人工智能数学基础之线性代数(一) 人工智能数学基础之线性 ...
- 【线性代数】矩阵及其特性
[线性代数]矩阵及其特性 写在前面 只拉伸不旋转的方向 特征值和特征向量 相似和对角化 正交,对称矩阵 拉伸最大的方向 二次型理论 从曲线而来 合同矩阵 正定二次型 参考资料 写在前面 本文是笔者用于 ...
- 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 ...
- python矩阵运算与线形代数_[译] 线性代数:矩阵基本运算
线性代数:矩阵基本运算 在本文中,我们将介绍矩阵的大部分基本运算,依次是矩阵的加减法.矩阵的标量乘法.矩阵与矩阵的乘法.求转置矩阵,以及深入了解矩阵的行列式运算.本文将不会涉及逆矩阵.矩阵的秩等概念, ...
- 漫步线性代数二——线性方程的几何形状
漫步线性代数二--线性方程的几何形状 2016年08月15日 23:10:10 会敲键盘的猩猩 阅读数:1818 几何形状 理解这个主题的方法是举例说明.我们以两个极其简单的方程开始,可以说大家在没有 ...
- 区块链教程(二):基础概念介绍
注:本教程为技术教程,不谈论且不涉及炒作任何数字货币 本系列重点在于以太坊基础知识.以太坊客户端以及以太坊solidity编程,因此博客重点在于以太坊核心知识点的掌握,区块链部分的基础知识可以作为补充 ...
- 【机器学习】隐马尔可夫模型及其三个基本问题(二)观测序列概率计算算法及python实现
[机器学习]隐马尔可夫模型及其三个基本问题(二)观测序列概率计算算法及python实现 一.前向算法 二.后向算法 三.前向-后向算法的python实现 参考资料 隐马尔可夫(HMM)模型的第一个基本 ...
- arcpy投影(二)——基准面变换概念及参数、空间参考对象获取、变换关系获取方法梳理与解析(Spatial Reference、ListTransformations)
arcpy投影这一个专题从文件位置.文件含义.空间参照获取.转换关系查询.投影定义.自定义转换关系.投影变换这几个角度上系统的进行了介绍,整理出了: arcpy投影(一)--prj.gtf文件定义.路 ...
最新文章
- Httprunner生成Allure格式HTML报告
- Linux文件索引节点相关概念
- Coolite Cool Study 3 MVC + Coolite 的例子
- Android NDK开发之旅1 NDK介绍
- 【Echarts】 绘制世界地图和中国省份
- 从 0 到 1 实现 React 系列 —— 2.组件和 state|props
- java c++ python哪个好_程序员学java好还是python语言好 c++又如何
- html插入图片出现红叉,网页图片显示红色叉怎么回事 网页图片有些不显示的有效解决方法...
- cpuid linux,Linux下获取CPUID、硬盘序列号与MAC地址(2)
- 对象 复制构造函数
- 老实人spring源码解析目录
- 一道线性代数证明题:若AX=0的解空间为U,则U的正交补是由A的行向量组张成的
- 爬小猪短租发布的房子信息
- .net MVC全局定时器执行作业
- vue实现农历日期选择器
- android vendor接口,HIDL众多service在那启动的--/vendor/etc/init/android.hardware.*@2.0-service.rc...
- Cannot create symlink/symbolic to `xxx': Operation not supported
- error redefinition of 'xxx' 问题解决
- MixIO平台初体验
- HCE-OS基础介绍
热门文章
- 静态HTML模板渲染
- 操作系统,语言分类,变量
- Xcode8上传app一直显示正在处理
- 【VMware虚拟机】【克隆问题】在VMware 9.0下克隆CentOS6.5虚拟机无法识别eth网卡
- 如何在ogre游戏界面添加自己的信息,比如显示某变量的值
- Windows PowerShell和命令行的区别
- 利用ObjectMapper进行对象与JSON互相转化
- 服务注册中心---服务发现nacos
- MySQL 判断表中是否存在某条数据
- 电脑键盘下划线怎么打_电脑键盘失灵鼠标不动怎么办 键盘失灵鼠标不动解决办法...