《线性代数及其应用》CH2:矩阵代数

[toc]

第二章 矩阵代数

2.1 矩阵运算

对角矩阵,零矩阵定义:

image-20210116150748619

矩阵与标量的乘法:

image-20210116151001880

一些矩阵乘法的相关性质:

image-20210116153840948

矩阵转置:

image-20210116154805235

转置的相关性质:

image-20210116154834116

前三个很简单,最后一个证明从定义入手:

image-20210116155736051

2.2 矩阵的逆

矩阵可逆:

image-20210116160937237

  • 不可逆矩阵 = 奇异矩阵
  • 可逆矩阵 = 废弃及矩阵

判断矩阵是否可逆:

image-20210116161301492

方程唯一解 与 矩阵可逆:

image-20210116161736676

image-20210116162136500

image-20210116172308887

c.证明:

image-20210117135038734

初等变换 的等价:

对于一个单位矩阵$I$, 我们进行初等变换为 $I$’, 然后再和 矩阵$E$ 相乘 等于$I’E$, 这个等价于直接对$E$做同样的初等变换。

例如:把单位矩阵的第一行的-4倍加到第3行,得到:

image-20210117140601553

image-20210117140729134

然后再和矩阵A相乘得:

image-20210117140706336

我们观察这个矩阵其实和A直接做初等变换是一样的,都是第一行的-4倍加到第3行。

这个性质可以求逆:

image-20210117142106096

我们想让$E_1$ 乘一个矩阵边为单位矩阵,那么可以让矩阵为 第一行的+4倍加到第三行就变成了单位矩阵了,这可以利用上面那个性质。

image-20210117142240873

这个矩阵相当于对单位矩阵做了第一行的+4倍加到第三行的初等变化,那么乘上$E_1$ 就相当于$E_1$做了 初等变化(第一行的+4倍加到第三行的初等变化),从而变成了单位矩阵,那么$E_1$ 的逆就是 image-20210117142240873

这也就对应上了这个定理:

image-20210117142523157

简单理解就是一个矩阵如果可以经过初等变换变成单位矩阵,那么他就有逆,且他的逆就是 单位矩阵乘上那些初等变化矩阵。

因此我们此时就可以提出求矩阵逆的算法

image-20210117143114850

这个很好理解,还是上边的意思,只不过通过矩阵这种形式化的数学语言做了简要概述,对于一个矩阵A,我通过初等变化变为了单位矩阵,说明对单位矩阵做同样的操作,这个就是A的逆矩阵,

求矩阵逆的算法的例题:

image-20210117143414963

2.3 可逆矩阵的特征

image-20210117144434093

证明上述定理只需要证明下述的这个环即可:

image-20210117144627136

2.4 分块矩阵

首先是一些基本计算和普通矩阵是没有区别的。

分块矩阵基本运算:

image-20210117150748185

分块矩阵的逆:

image-20210117150928379

不妨设:

image-20210117151423411

列出方程:

image-20210117151458449

得到:

image-20210117162850944

知道怎么来的即可,分块求逆有很多公式,对应着不同的情况。

2.5 矩阵因式分解

LU分解:

对于这样的一个问题

image-20210117165207504

我们可以一个一个的求解。

当然,如果A可逆,也可以先算$A^{-1}$, 然后直接算$x = A^{-1}b$,即可算出解。

image-20210117165532065

image-20210117173317201

我们首先可以解$Ly=b$ 这个方程得出$y$,然后算 $Ux=y$ , 解出$x$, 同时我们注意到由于L,U都是三角矩阵,很容易就可以解出来方程。

LU分解算法:

image-20210117173706927

image-20210117174212590

image-20210117175213667

image-20210117174520420

L的计算方法很简单,我们在上述将A变成阶梯型矩阵U的过程中,我们就是把每一列

image-20210117175235905

2.7 计算机图形学

这个在博文《AHU计算机图形学》有详细的解释

2.8 $R^n$的子空间

image-20210117181653194

image-20210117182335539

矩阵的列空间:

image-20210117182500074

image-20210117182654579

image-20210117184509730

矩阵的零空间:

image-20210117190707869

image-20210117191117534

子空间的基:

image-20210117191239270

标准基

image-20210117191307369

image-20210117192242118

image-20210117192259496

image-20210117193137910

零空间Null A 其实是保证了它一定是矩阵的基。

image-20210117193343288

我们可以直接找主元列作为列空间的基,即下面这个定理:

image-20210117193535647

image-20210117193745935

image-20210117193729487

2.9 维数与秩

image-20210117194910951

image-20210117195406233

image-20210117195342734

矩阵的秩:

image-20210117195552448

我们一般称子空间的维数为秩:

image-20210117195644510

image-20210117200557919

image-20210117201744608

秩与可逆矩阵定理 :

image-20210117201538673