线性代数3:矩阵

这篇具有很好参考价值的文章主要介绍了线性代数3: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。

目录

矩阵研究的是什么呢?

逆阵

什么叫做逆阵?

 例题1:

 例题2:

 逆阵的存在性

定理1:

定理2:

定理3:

定理4:

拉普拉茨方程

方阵可以的条件

 例题3:

 Note1:

例题4

 Note2:

 Note3:

Note4:

 Note5:

 Note6:

Note7:

 例题5:

 逆矩阵的求法:

方法1:伴随矩阵法:

 方法2:初等变换法

方程组的同解变形:

矩阵的初等行变换。

矩阵的初等列变换。

矩阵变换的记号:

 逆阵的求解:

求矩阵:

 例题:


矩阵研究的是什么呢?

我们拿普通的一元一次方程举一个例子:

线性代数3:矩阵,线性代数,矩阵,numpy

 对于这一个简单的一元一次方程来说,我们需要分情况讨论:

线性代数3:矩阵,线性代数,矩阵,numpy

我们知道,在矩阵的计算中,1就是单位矩阵E。

 所以:

线性代数3:矩阵,线性代数,矩阵,numpy

 我们可以把前面的这个a的倒数看作矩阵B。

所以我们可以总结出以下结论:对于n阶方阵A,存在一个n阶方阵B,使得A*B=E(单位矩阵)。

所以这里我们就引入了逆阵的概念。

逆阵

什么叫做逆阵?

对于一个n阶方阵A,存在一个n阶方阵B,使得AB=E,那么B就叫做A的逆阵,也表明矩阵A可逆。

 注意:逆阵只有在方阵中才有。

B是A的逆阵:记作

线性代数3:矩阵,线性代数,矩阵,numpy

 例题1:

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 例题2:

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 逆阵的存在性

定理1:

线性代数3:矩阵,线性代数,矩阵,numpy

 A的矩阵形成的行列式的值等于A的转置矩阵形成的行列式的值。

原因:矩阵转置是把矩阵的所有行列进行颠倒,而对于行列式来说,两个行列互相颠倒的行列式值是相同的。

定理2:

线性代数3:矩阵,线性代数,矩阵,numpy

 原因:对于矩阵来说,常数乘以矩阵等于矩阵中所有元素全部乘以常数,而每一行元素都可以提取一个K,一共n行,所以提取的结果就是K的n次方。

定理3:

线性代数3:矩阵,线性代数,矩阵,numpy

 A的逆阵的行列式的值等于A的行列式的倒数。

定理4:

线性代数3:矩阵,线性代数,矩阵,numpy

 其中,AB是两个矩阵,CD是行列式中的常数。

拉普拉茨方程

线性代数3:矩阵,线性代数,矩阵,numpy

两个同阶方阵相乘的行列式等于两个同阶方阵分别形成的行列式的乘积。

方阵可以的条件

线性代数3:矩阵,线性代数,矩阵,numpy

 方阵A可逆的充要条件是方阵A形成的行列式不等于0.

我们证明充分条件:

线性代数3:矩阵,线性代数,矩阵,numpy

 我们来证明必要条件:

线性代数3:矩阵,线性代数,矩阵,numpy

 例题3:

线性代数3:矩阵,线性代数,矩阵,numpy

这个矩阵是否可逆:

线性代数3:矩阵,线性代数,矩阵,numpy

 A的可逆矩阵等于A形成行列式的倒数×A的伴随矩阵。

对于伴随矩阵,我们要求矩阵A形成的行列式的代数余子式:

线性代数3:矩阵,线性代数,矩阵,numpy

 我们用代数余子式组成一个行列式,不过将代数余子式的行列进行颠倒得到:

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 所以:

线性代数3:矩阵,线性代数,矩阵,numpy

 注意:

线性代数3:矩阵,线性代数,矩阵,numpy

 Note1:

线性代数3:矩阵,线性代数,矩阵,numpy

 当我们已知伴随矩阵时,一定要首先把伴随矩阵转换为行列式与逆阵相乘。

例题4

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 Note2:

线性代数3:矩阵,线性代数,矩阵,numpy

A的逆阵再求逆阵等于其本身 

 Note3:

线性代数3:矩阵,线性代数,矩阵,numpy

 A的转置矩阵的逆阵等于A的逆阵的转置矩阵。

Note4:

线性代数3:矩阵,线性代数,矩阵,numpy

A的矩阵的M次方的逆阵等于A的逆阵的M次方。

 Note5:

线性代数3:矩阵,线性代数,矩阵,numpy

KA的逆阵等于K的倒数×A的逆阵。

 Note6:

线性代数3:矩阵,线性代数,矩阵,numpy

 A*B的逆阵等于B的逆阵乘以A的逆阵。

Note7:

线性代数3:矩阵,线性代数,矩阵,numpy

 例题5:

线性代数3:矩阵,线性代数,矩阵,numpy

线性代数3:矩阵,线性代数,矩阵,numpy

 逆矩阵的求法:

方法1:伴随矩阵法:

线性代数3:矩阵,线性代数,矩阵,numpy

这种方法只适用于三阶及三阶以下的矩阵使用。

 方法2:初等变换法

线性代数3:矩阵,线性代数,矩阵,numpy

 我们可以把非齐次线性方程组转换为矩阵相乘的形式。对于主体矩阵A来说,矩阵A的列数决定了未知数X的个数,矩阵A的行数决定了方程的个数。

简称”一行一方程“

方程组的同解变形:

方法1:对调两个方程的顺序。

对调方程的顺序对方程的解是没有影响的。

例如:

线性代数3:矩阵,线性代数,矩阵,numpy

 方法2:某一个方程×一个非零常数。

方程两边同时×一个非零常数,方程的解不发生改变。

例如:

线性代数3:矩阵,线性代数,矩阵,numpy

 方法3:加减消元法:

一个方程*K加到另外一个方程上,解不发生变化。

这三种方法就是方程组的同解变形。

矩阵的初等行变换。

因为矩阵和方程组是没有区别的,所以方程组可以用的矩阵也可以用。

方法1:矩阵对调两行

方法2:一行的K倍加到另一行。

方法3:让某一行×K  K不等于0.

矩阵的初等列变换。

线性代数3:矩阵,线性代数,矩阵,numpy

 但是对于方程组是不能使用初等列变换的。

矩阵的行变换与矩阵的列变换加起来叫做矩阵的初等变换。

矩阵变换的记号:

线性代数3:矩阵,线性代数,矩阵,numpy

 对于这个矩阵,我们把第二行和第三行进行对调,形成如下矩阵。

线性代数3:矩阵,线性代数,矩阵,numpy

 所以:

线性代数3:矩阵,线性代数,矩阵,numpy

 E(2,3)不仅可以代表2,3两行对调,也可以代表2,3两列对调。

线性代数3:矩阵,线性代数,矩阵,numpy线性代数3:矩阵,线性代数,矩阵,numpy

 例如:

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 这个矩阵就叫做1型初等阵。

线性代数3:矩阵,线性代数,矩阵,numpy

 因为E的结果为1,行列式交换两行或者两列的结果为原来的相反数,所以结果为-1.

线性代数3:矩阵,线性代数,矩阵,numpy

 假设我们想要把第2行×4倍应该怎么写呢?

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 这个矩阵就叫做二型初等阵。

线性代数3:矩阵,线性代数,矩阵,numpy

 例如:

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

第i行*C倍,其他位都是C,所以结果为c。

线性代数3:矩阵,线性代数,矩阵,numpy

 E的第i行的c倍的可逆矩阵是E的第i行的1/c。

线性代数3:矩阵,线性代数,矩阵,numpy

 对于E,我们想要把第一行的二倍加到第三行。

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 三型初等阵。

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

把行列式的第j行的K倍移动到第i行,行列式的值是不会发生改变的。

 线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 逆阵的求解:

线性代数3:矩阵,线性代数,矩阵,numpy

 对于这个矩阵方程,我们该如何求解。

我们可以这样想:先把A进行转化,通过一系列初等行变换,转化为E,这时候,我们就可以解出X的值。

对于这样的矩阵

线性代数3:矩阵,线性代数,矩阵,numpy

 我们先解出矩阵对应的行列式的值。

线性代数3:矩阵,线性代数,矩阵,numpy

 所以该矩阵是有逆阵的。

我们尝试把A矩阵转化为单位矩阵。

线性代数3:矩阵,线性代数,矩阵,numpy 

 所以我们可以这样写:

线性代数3:矩阵,线性代数,矩阵,numpy

这里的诸多E其实可以当作矩阵。

所以存在一组初等阵P1,P2....Ps使得,P1*P2*...Ps*A=E,也就是这一串初等阵就是矩阵A的逆阵。

我们在这里也可以使用初等列变换,与初等行变换不同的地方在于初等列变换出现的E是在矩阵A的右侧的。

求矩阵:

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 例题:

线性代数3:矩阵,线性代数,矩阵,numpy

 线性代数3:矩阵,线性代数,矩阵,numpy

 文章来源地址https://www.toymoban.com/news/detail-538294.html

 

到了这里,关于线性代数3: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

  • 线性代数-Python-01:向量的基本运算 - 手写Vector及numpy的基本用法

    https://github.com/Chufeng-Jiang/Python-Linear-Algebra-for-Beginner/tree/main 单位向量叫做 u hat Vector.py _globals.py main_vector.py main_numpy_vector.py

    2024年02月08日
    浏览(42)
  • 线性代数本质系列(一)向量,线性组合,线性相关,矩阵

    本系列文章将从下面不同角度解析线性代数的本质,本文是本系列第一篇 向量究竟是什么? 向量的线性组合,基与线性相关 矩阵与线性相关 矩阵乘法与线性变换 三维空间中的线性变换 行列式 逆矩阵,列空间,秩与零空间 克莱姆法则 非方阵 点积与对偶性 叉积 以线性变换

    2024年02月04日
    浏览(54)
  • 线性代数:线性方程求解、矩阵的逆、线性组合、线性独立

    本文参考www.deeplearningbook.org一书第二章2.3 Identity and Inverse Matrices 2.4 Linear Dependence and Span 本文围绕 线性方程求解 依次介绍矩阵的逆、线性组合、线性独立等线性代数的基础知识点。 本文主要围绕求解线性方程展开,我们先把线性方程写出来,方程如下: 其中,是已知的;,

    2024年02月08日
    浏览(54)
  • 0203逆矩阵-矩阵及其运算-线性代数

    定义7 对于 n n n 阶矩阵A,如果有一个 n n n 阶矩阵B,使 A B = B A = E AB=BA=E A B = B A = E 则说矩阵A是可逆的,并把矩阵B称为A的逆矩阵,简称逆阵。 定理1 若矩阵A可逆,则 ∣ A ∣ ≠ 0 vert Avert not = 0 ∣ A ∣  = 0 证明: A 可逆,即有 A − 1 ,使得 A A − 1 = E ∣ A A − 1 ∣ = ∣ A

    2024年04月13日
    浏览(60)
  • 线性代数基础--矩阵

     矩阵是由排列在矩形阵列中的数字或其他数学对象组成的表格结构。它由行和列组成,并且在数学和应用领域中广泛使用。 元素:矩阵中的每个数字称为元素。元素可以是实数、复数或其他数学对象。 维度:矩阵的维度表示矩阵的行数和列数。一个 m × n 的矩阵有 m 行和

    2024年02月11日
    浏览(47)
  • 线性代数基础【2】矩阵

    一、基本概念 ①矩阵 像如下图示的为矩阵,记为A=(aij)m*n ②同型矩阵及矩阵相等 若A、B为如下两个矩阵 如果A和B的行数和列数相等,那么A和B为同型矩阵,且A和B的元素相等(即:aij=bij),则称A和B相等 ③伴随矩阵 设A为n阶矩阵(如上图所示),设A的行列式|A|,则A中aij的余子式为Mij,代数余

    2024年02月04日
    浏览(53)
  • 线性代数——矩阵

    学习高等数学和线性代数需要的初等数学知识 线性代数——行列式 线性代数——矩阵 线性代数——向量 线性代数——线性方程组 线性代数——特征值和特征向量 线性代数——二次型 本文大部分内容皆来自李永乐老师考研教材和视频课。 从矩阵的转置章节到方阵和行列式

    2023年04月08日
    浏览(271)
  • 线性代数(七) 矩阵分析

    从性线变换我们得出,矩阵和函数是密不可分的。如何用函数的思维来分析矩阵。 通过这个定义我们就定义了矩阵序列的 收敛性 。 研究矩阵序列收敛性的常用方法,是用《常见向量范数和矩阵范数》来研究矩阵序列的极限。 长度是范数的一个特例。事实上,Frobenius范数对

    2024年02月08日
    浏览(50)
  • 投影矩阵推导【线性代数】

    如果两个向量垂直,那么满足。但如果两个向量不垂直,我们就将 b 投影到 a 上,就得到了二者的距离,我们也称为向量 b 到直线 a 的误差。这样就有出现了垂直:                (1) 投影向量 p 在直线上,不妨假设  ,那么误差 。带入式(1)中得到: 投影矩阵:  

    2024年02月06日
    浏览(61)
  • 线性代数-矩阵的本质

    线性代数-矩阵的本质

    2024年02月11日
    浏览(48)

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