线性代数让我想想:快速求三阶矩阵的逆矩阵

这篇具有很好参考价值的文章主要介绍了线性代数让我想想:快速求三阶矩阵的逆矩阵。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

快速求三阶矩阵的逆矩阵

前言

一般情况下,我们求解伴随矩阵是要注意符号问题和位置问题的(如下所示)
A − 1 = 1 [    ] [ − [    ] − [    ] − [    ]    − [    ] ] = A − 1 = 1 [    ] [     M 11 − [ M 12 ]     M 13 − [ M 21 ]     M 22 − [ M 23 ]        M 31 − [ M 32 ]     M 33 ] ⊤ \begin{aligned} & A^{-1}=\frac{1}{[\ \ ]} \left[\begin{array}{cccccc} & -[\ \ ] & \\ -[\ \ ] & & -[\ \ ]\ \ \\ & -[\ \ ] & \\ \end{array}\right]= \\ \\ & A^{-1}=\frac{1}{[\ \ ]} \left[\begin{array}{cccccc} \ \ \ M_{11} & -[M_{12}] & \ \ \ M_{13}\\ -[M_{21}] & \ \ \ M_{22} & -[M_{23}]\ \ \\ \ \ \ M_{31} & -[M_{32}] & \ \ \ M_{33}\\ \end{array}\right]^\top\\ \end{aligned} A1=[  ]1[  ][  ][  ][  ]  =A1=[  ]1   M11[M21]   M31[M12]   M22[M32]   M13[M23]     M33
我们根据位置安排(行调换)的策略可以避免符号问题,将问题进行化简。

例题一

求矩阵 D D D 的逆矩阵
D = [ 2 1 1 1 2 1 2 3 1 ] D=\left[\begin{array}{lll} 2 & 1 & 1 \\ 1 & 2 & 1 \\ 2 & 3 & 1 \end{array}\right] D=212123111
我们把第一二列抄写到矩阵后面
D 1 = [ 2 1 1 2 1 1 2 1 1 2 2 3 1 2 3 ] D_1=\left[\begin{array}{lll|ll} 2 & 1 & 1 & 2 & 1 \\ 1 & 2 & 1 & 1 & 2 \\ 2 & 3 & 1 & 2 & 3 \end{array}\right] D1=212123111212123
然后把第一二行抄写到矩阵下面(新矩阵 D 1 D_1 D1 的第一二行),
这样我们就得到了一个五阶矩阵:
D 2 = [ 2 1 1 2 1 1 2 1 1 2 2 3 1 2 3 2 1 1 2 1 1 2 1 1 2 ] = [ 2 1 1 2 1 1 2 1 1 2 2 3 1 2 3 2 1 1 2 1 1 2 1 1 2 ] D_2=\left[\begin{array}{lll|ll} 2 & 1 & 1 & 2 & 1 \\ 1 & 2 & 1 & 1 & 2 \\ 2 & 3 & 1 & 2 & 3 \\ \hline 2 & 1 & 1 & 2 & 1 \\ 1 & 2 & 1 & 1 & 2 \\ \end{array}\right]= \left[\begin{array}{lllll} \textcolor{cornflowerblue}{2} & \textcolor{cornflowerblue}{1} & \textcolor{cornflowerblue}{1} & \textcolor{cornflowerblue}{2} & \textcolor{cornflowerblue}{1} \\ \textcolor{cornflowerblue}{1} & 2 & 1 & 1 & 2 \\ \textcolor{cornflowerblue}{2} & 3 & 1 & 2 & 3 \\ \textcolor{cornflowerblue}{2} & 1 & 1 & 2 & 1 \\ \textcolor{cornflowerblue}{1} & 2 & 1 & 1 & 2 \\ \end{array}\right] D2=2122112312111112122112312=2122112312111112122112312
然后我们把第一行和第一列删除(新矩阵 D 2 D_2 D2 的第一行和第一列,将标蓝的元素删除)
D 3 = [ 2 1 1 2 3 1 2 3 1 1 2 1 2 1 1 2 ] D_3=\left[\begin{array}{lllll} 2 & 1 & 1 & 2 \\ 3 & 1 & 2 & 3 \\ 1 & 1 & 2 & 1 \\ 2 & 1 & 1 & 2 \\ \end{array}\right] D3=2312111112212312
然后我们算出矩阵分块组成的九个二阶行列式:

线性代数让我想想:快速求三阶矩阵的逆矩阵

然后我们将求出的九个行列式结果填充到伴随矩阵的框架里,记得加上转置符号
[ − 1     1 − 1     2     0 − 4 − 1 − 1     2 ] ⊤ = [ − 1     2 − 1     1     0 − 1 − 1 − 4     2 ] \left[\begin{array}{lllll} -1 &\ \ \ 1 & -1 \\ \ \ \ 2 &\ \ \ 0 & -4 \\ -1 & -1 &\ \ \ 2 \\ \end{array}\right]^\top= \left[\begin{array}{lllll} -1 &\ \ \ 2 & -1 \\ \ \ \ 1 &\ \ \ 0 & -1 \\ -1 & -4 &\ \ \ 2 \\ \end{array}\right] 1   21   1   0114   2=1   11   2   0411   2
这样我们就得到了伴随矩阵,然后计算矩阵对应的行列式 ∣ D ∣ = − 2 |D|=-2 D=2

最后根据公式 A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A^* A1=A1A,求出逆矩阵 D − 1 D^{-1} D1
D − 1 = 1 ∣ D ∣ D ∗ =     1 − 2 [ − 1     2 − 1     1     0 − 1 − 1 − 4     2 ] = [     1 2 − 1     1 2 − 1 2     0     1 2     1 2     2 − 1 ] D^{-1}=\frac{1}{|D|}D^*=\frac{\ \ \ 1}{-2} \left[\begin{array}{lllll} -1 &\ \ \ 2 & -1 \\ \ \ \ 1 &\ \ \ 0 & -1 \\ -1 & -4 &\ \ \ 2 \\ \end{array}\right]= \left[\begin{array}{lllll} \ \ \ \frac{1}{2} &-1 & \ \ \ \frac{1}{2} \\ -\frac{1}{2} &\ \ \ 0 & \ \ \ \frac{1}{2} \\ \ \ \ \frac{1}{2} &\ \ \ 2 & -1 \\ \end{array}\right] D1=D1D=2   11   11   2   0411   2=   2121   211   0   2   21   211

例题二

求矩阵 A A A 的逆矩阵
A = [ 1 1 1 4 2 1 9 3 1 ] A=\left[\begin{array}{lll} 1 & 1 & 1 \\ 4 & 2 & 1 \\ 9 & 3 & 1 \end{array}\right] A=149123111
抄写后对应的五阶矩阵为:
A 1 = [ 1 1 1 1 1 4 2 1 4 2 9 3 1 9 3 1 1 1 1 1 4 2 1 4 2 ] A_1=\left[\begin{array}{lll} 1 & 1 & 1 &1 & 1\\ 4 & 2 & 1 &4 & 2\\ 9 & 3 & 1 &9 & 3\\ 1 & 1 & 1 &1 & 1\\ 4 & 2 & 1 &4 & 2 \end{array}\right] A1=1491412312111111491412312
删除后得到的四阶矩阵为:
A 2 = [ 2 1 4 2 3 1 9 3 1 1 1 1 2 1 4 2 ] A_2=\left[\begin{array}{lll} 2 & 1 &4 & 2\\ 3 & 1 &9 & 3\\ 1 & 1 &1 & 1\\ 2 & 1 &4 & 2 \end{array}\right] A2=2312111149142312
那么对应的伴随矩阵为:
A ∗ = [ − 1     5 − 6     2 − 8     6 − 1     3 − 2 ] ⊤ = [ − 1     2 − 1     5 − 8     3 − 6     6 − 2 ] A^*=\left[\begin{array}{lllll} -1 &\ \ \ 5 & -6 \\ \ \ \ 2 & -8 & \ \ \ 6 \\ -1 & \ \ \ 3 & -2 \\ \end{array}\right]^\top= \left[\begin{array}{lllll} -1 &\ \ \ 2 & -1 \\ \ \ \ 5 & -8 & \ \ \ 3 \\ -6& \ \ \ 6 & -2 \\ \end{array}\right] A=1   21   58   36   62=1   56   28   61   32
矩阵对应的行列式为 ∣ A ∣ = − 2 |A|=-2 A=2,根据公式计算得到逆矩阵:
A − 1 = 1 ∣ A ∣ A ∗ =     1 − 2 [ − 1     2 − 1     5 − 8     3 − 6     6 − 2 ] = [     1 2 − 1     1 2 − 5 2     4 − 3 2     3 − 3     1 2 ] A^{-1}=\frac{1}{|A|}A^*=\frac{\ \ \ 1}{-2} \left[\begin{array}{lllll} -1 &\ \ \ 2 & -1 \\ \ \ \ 5 & -8 & \ \ \ 3 \\ -6& \ \ \ 6 & -2 \\ \end{array}\right]= \left[\begin{array}{lllll} \ \ \ \frac{1}{2} &-1 & \ \ \ \frac{1}{2} \\ -\frac{5}{2} &\ \ \ 4 & -\frac{3}{2} \\ \ \ \ 3 & -3 & \ \ \ \frac{1}{2} \\ \end{array}\right] A1=A1A=2   11   56   28   61   32=   2125   31   43   2123   21文章来源地址https://www.toymoban.com/news/detail-406350.html

到了这里,关于线性代数让我想想:快速求三阶矩阵的逆矩阵的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • MIT线性代数笔记-第27讲-复数矩阵,快速傅里叶变换

    对于实矩阵而言,特征值为复数时,特征向量一定为复向量,由此引入对复向量的学习 求模长及内积 假定一个复向量 z ⃗ = [ z 1 z 2 ⋮ z n ] vec{z} = begin{bmatrix} z_1 \\\\ z_2 \\\\ vdots\\\\ z_n end{bmatrix} z = ​ z 1 ​ z 2 ​ ⋮ z n ​ ​ ​ ,其中 z 1 , z 2 , ⋯   , z n z_1 , z_2 , cdots , z_n z 1 ​

    2024年02月05日
    浏览(52)
  • MIT_线性代数笔记:第 26 讲 复矩阵;快速傅里叶变换

    实矩阵也可能有复特征值,因此无法避免在矩阵运算中碰到复数,本讲学习处理复数矩阵和复向量。 最重要的复矩阵是傅里叶矩阵,它用于傅里叶变换。而对于大数据处理快速傅里叶变换(FFT)显得更为重要,它将傅立叶变换的矩阵乘法中运算的次数从 n 2 n^2 n 2 次降至 n l

    2024年01月17日
    浏览(44)
  • 线性代数 --- 计算斐波那契数列第n项的快速算法(矩阵的n次幂)

    The n-th term of Fibonacci Numbers:         斐波那契数列的是一个古老而又经典的数学数列,距今已经有800多年了。关于斐波那契数列的计算方法不难,只是当我们希望快速求出其数列中的第100,乃至第1000项时,有没有又准又快的方法,一直是一个值得探讨和研究的问题。笔者

    2024年04月27日
    浏览(46)
  • 线性代数的学习和整理2:什么是线性,线性相关,线性无关 以及什么是线性代数?

    目录 1 写在前面的话 1.1 为什么要先总结一些EXCEL计算矩阵的工具性知识, 而不是一开始就从基础学起呢?  1.2 关于线性代数入门时的各种灵魂发问: 1.3 学习资料 2 什么是线性(关系)? 2.1 线性的到底是一种什么关系: 线性关系=正比例/正相关关系 ≠ 直线型关系 2.2 一次函数

    2024年02月10日
    浏览(56)
  • 线性代数的学习和整理2:什么是线性,线性相关,线性无关 及 什么是线性代数?

    目录 1 写在前面的话 1.1 为什么要先总结一些EXCEL计算矩阵的工具性知识, 而不是一开始就从基础学起呢?  1.2 关于线性代数入门时的各种灵魂发问: 1.3 学习资料 2 什么是线性(关系)? 2.1 线性的到底是一种什么关系: 线性关系=正比例/正相关关系 ≠ 直线型关系 2.2 一次函数

    2024年02月11日
    浏览(139)
  • 线性代数思维导图--线性代数中的线性方程组(1)

    1.解线性方程组 2.线性方程组解的情况 3.线性方程组的两个基本问题 1.阶梯型矩阵性质 2.简化阶梯型矩阵(具有唯一性) 3.行化简算法 4.线性方程组的解 1.R^2中的向量 2.R^2中的几何表示 3.R^n中的向量 4.线性组合与向量方程 5.span{v},span{u,v}的几何解释 1.定义 2.定理 3.解的存在性

    2024年02月02日
    浏览(90)
  • 【线性代数及其应用 —— 第一章 线性代数中的线性方程组】-1.线性方程组

    所有笔记请看: 博客学习目录_Howe_xixi的博客-CSDN博客 https://blog.csdn.net/weixin_44362628/article/details/126020573?spm=1001.2014.3001.5502 思维导图如下:  内容笔记如下:

    2024年02月06日
    浏览(67)
  • 线性代数的学习和整理9:线性代数的本质(未完成)

    目录 1 相关英语词汇 1.1 元素 1.2 计算 1.3 特征 1.4 线性相关 1.5 各种矩阵 1.6 相关概念 2 可参考经典线性代数文档 2.1 学习资料 2.2 各种文章和视频 2.3 各种书 2.4 下图是网上找的思维导图 3 线性代数的本质 3.1 线性代数是第2代数学模型 一般的看法 大牛总结说法: 3.2   线性代

    2024年02月09日
    浏览(59)
  • 线性代数 4 every one(线性代数学习资源分享)

            版权说明,以下我分享的都是一个名叫Kenji Hiranabe的日本学者,在github上分享的,关于Gilbert Strang教授所撰写的《Linear Algebra for Everyone》一书的总结,更像是一个非常精美的线性代数手册,欢迎大家下载收藏。如果我的的这篇分享文章中涉嫌侵犯版权,我会立即删

    2024年02月15日
    浏览(52)
  • 线性代数·关于线性相关和线性组合

    我本来对线性相关和线性组合的理解是,如果几个向量线性相关,那么等价于他们可以互相线性表示。但其实这是一个误区。 线性相关是对一组向量之间的关系而言的,这里面会存在极大线性无关组。极大线性无关组确定了一个空间,线性相关表示向量都落在这个空间里,会

    2024年02月12日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包