【线性代数基础进阶】矩阵-part2
文章目录
- 三、初等变换、初等矩阵
- 矩阵的初等行变换
- 初等矩阵
- 初等矩阵的逆
- 行阶梯矩阵
- 行最简矩阵
- 矩阵等价
- 四、分块矩阵
- 分四块
- 行、列分块
- 五、方阵的行列式
三、初等变换、初等矩阵
矩阵的初等行变换
- 用非000常数kkk乘AAA某行的每个元素,即倍乘
- 互换AAA中两行元素的位置,即互换
- 把AAA中某行所有元素的kkk倍加到另一行的对应元上,即倍加
初等矩阵
单位矩阵经过一次初等变换所得到的矩阵称为初等矩阵
初等矩阵PPP左乘矩阵AAA,其乘积PAPAPA就是矩阵AAA作一次与PPP同样的行变换
初等矩阵PPP右乘矩阵AAA,其乘积APAPAP就是矩阵AAA作一次与PPP同样的列变换
初等矩阵的逆
(100210001)(100−210001)=(100010001)\begin{pmatrix}1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 0 & 1\end{pmatrix}\begin{pmatrix}1 & 0 & 0 \\ -2 & 1 & 0 \\ 0 & 0 & 1\end{pmatrix}=\begin{pmatrix}1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1\end{pmatrix} ⎝⎛120010001⎠⎞⎝⎛1−20010001⎠⎞=⎝⎛100010001⎠⎞
初等矩阵若为倍加矩阵,则其逆矩阵为将其倍加的元改为其相反数,例如
(100210001)−1=(100−210001)\begin{pmatrix} 1 & 0 & 0 \\ \boxed{2} & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}^{-1}=\begin{pmatrix} 1 & 0 & 0 \\ \boxed{-2} & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix} ⎝⎛120010001⎠⎞−1=⎝⎛1−20010001⎠⎞
(010100001)(010100001)=(100010001)\begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix}\begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix}=\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix} ⎝⎛010100001⎠⎞⎝⎛010100001⎠⎞=⎝⎛100010001⎠⎞
初等矩阵若为互换矩阵,则其逆矩阵为本身,例如
(010100001)−1=(010100001)\begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix}^{-1}=\begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix} ⎝⎛010100001⎠⎞−1=⎝⎛010100001⎠⎞
(100050001)(1000150001)=(100010001)\begin{pmatrix} 1 & 0 & 0 \\ 0 & 5 & 0 \\ 0 & 0 & 1 \end{pmatrix}\begin{pmatrix} 1 & 0 & 0 \\ 0 & \frac{1}{5} & 0 \\ 0 & 0 & 1 \end{pmatrix}=\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix} ⎝⎛100050001⎠⎞⎝⎛1000510001⎠⎞=⎝⎛100010001⎠⎞
初等矩阵若为倍乘矩阵,则其逆矩阵为倍乘的元的倒数,例如
(100050001)−1=(1000150001)\begin{pmatrix} 1 & 0 & 0 \\ 0 & \boxed{5} & 0 \\ 0 & 0 & 1 \end{pmatrix}^{-1}=\begin{pmatrix} 1 & 0 & 0 \\ 0 & \boxed{\frac{1}{5}} & 0 \\ 0 & 0 & 1 \end{pmatrix} ⎝⎛100050001⎠⎞−1=⎝⎛1000510001⎠⎞
初等矩阵均可逆,且其逆是同一类型的初等矩阵
例:已知aij≠0a_{ij}\ne0aij=0,如果(a11a12a13a21a22a23a31a32a33)P=(a112a12a12+a13a11a21a22a22+a23a11a31a32a32+a33)\begin{pmatrix}a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33}\end{pmatrix}P=\begin{pmatrix}a_{11}^{2} & a_{12} & a_{12}+a_{13} \\ a_{11}a_{21} & a_{22} & a_{22}+a_{23} \\ a_{11}a_{31} & a_{32} & a_{32}+a_{33}\end{pmatrix}⎝⎛a11a21a31a12a22a32a13a23a33⎠⎞P=⎝⎛a112a11a21a11a31a12a22a32a12+a13a22+a23a32+a33⎠⎞,则P=()P=()P=()
经过第一列乘a11a_{11}a11倍,第三列加第二列,因此
P=(a1100011001)P=\begin{pmatrix} a_{11} & 0 & 0 \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{pmatrix} P=⎝⎛a1100010011⎠⎞
例:已知A=(aij)A=(a_{ij})A=(aij)是三阶矩阵,∣A∣=2|A|=2∣A∣=2,把矩阵AAA的第二行的−5-5−5倍加到第三行得到矩阵BBB,则(3BA∗)−1=()(3BA^{*})^{-1}=()(3BA∗)−1=()
由题意B=PAB=PAB=PA,且
P=(1000100−51)P=\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & -5 & 1 \end{pmatrix} P=⎝⎛10001−5001⎠⎞
有
3BA∗=3PAA∗=3P(∣A∣E)=6P3BA^{*}=3PAA^{*}=3P(|A|E)=6P 3BA∗=3PAA∗=3P(∣A∣E)=6P
则
(3BA∗)−1=(6P)−1=16P−1=16(100010051)(3BA^{*})^{-1}=(6P)^{-1}=\frac{1}{6}P^{-1}=\frac{1}{6}\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 5 & 1 \end{pmatrix} (3BA∗)−1=(6P)−1=61P−1=61⎝⎛100015001⎠⎞
行阶梯矩阵
设AAA为m×nm\times nm×n矩阵,若满足
- 矩阵如有零行,则零行都在矩阵的底部
- 每个非零行的主元(即该行最左边的第111个非000元)所在列的下面的元素都是000
则称AAA为行阶梯矩阵
行最简矩阵
设AAA为m×nm\times nm×n矩阵,若AAA是行阶梯矩阵,且还满足
- 非零行的主元都是111,且主元所在列的其他元素都是000
则称AAA为行最简矩阵
矩阵等价
矩阵AAA经过有限次初等变换得到矩阵BBB就称矩阵AAA与矩阵BBB等价,记作A=∼BA\overset{\sim}{=}BA=∼B
矩阵A,BA,BA,B都是m×nm\times nm×n的矩阵,则A,BA,BA,B等价⇔r(A)=r(B)\Leftrightarrow r(A)=r(B)⇔r(A)=r(B)
设AAA是m×nm\times nm×n矩阵,则存在mmm姐可逆矩阵PPP和nnn阶可逆矩阵AAA,使
PAQ=(ErOOO)PAQ=\begin{pmatrix} E_{r} & O \\ O & O \end{pmatrix} PAQ=(ErOOO)
例:已知A=(1−1−132−1−3132−52)A=\begin{pmatrix}1 & -1 & -1 & 3 \\ 2 & -1 & -3 & 1 \\ 3 & 2 & -5 & 2\end{pmatrix}A=⎝⎛123−1−12−1−3−5312⎠⎞化其为行最简
A=(1−1−132−1−3132−52)→(1−1−1301−1−505−2−7)→(10−2−201−1−500318)从左到右各列上下同时开工→(10−2−201−1−50016)如果第一个非零元不是1,先化成1→(1001001010016)\begin{aligned} A&=\begin{pmatrix}1 & -1 & -1 & 3 \\ 2 & -1 & -3 & 1 \\ 3 & 2 & -5 & 2\end{pmatrix}\rightarrow \begin{pmatrix} 1 & -1 & -1 & 3 \\ 0 & 1 & -1 & -5 \\ 0 & 5 & -2 & -7 \end{pmatrix}\\ &\rightarrow \begin{pmatrix} 1 & 0 & -2 & -2 \\ 0 & 1 & -1 & -5 \\ 0 & 0 & 3 & 18 \end{pmatrix}从左到右各列上下同时开工\\ &\rightarrow \begin{pmatrix} 1 & 0 & -2 & -2 \\ 0 & 1 & -1 & -5 \\ 0 & 0 & 1 & 6 \end{pmatrix}如果第一个非零元不是1,先化成1\\ &\rightarrow \begin{pmatrix} 1 & 0 & 0 & 10 \\ 0 & 1 & 0 & 1 \\ 0 & 0 & 1 & 6 \end{pmatrix} \end{aligned} A=⎝⎛123−1−12−1−3−5312⎠⎞→⎝⎛100−115−1−1−23−5−7⎠⎞→⎝⎛100010−2−13−2−518⎠⎞从左到右各列上下同时开工→⎝⎛100010−2−11−2−56⎠⎞如果第一个非零元不是1,先化成1→⎝⎛1000100011016⎠⎞
对于已知PA=B,A,BPA=B,A,BPA=B,A,B,求PPP的题
已知
A⟶行变换BA\overset{行变换}{\longrightarrow}B A⟶行变换B
即存在
Pτ⋯P2P1A=BP_{\tau}\cdots P_{2}P_{1}A=B Pτ⋯P2P1A=B
记P=Pτ⋯P2P1P=P_{\tau}\cdots P_{2}P_{1}P=Pτ⋯P2P1
Pτ⋯P2P1E=PP_{\tau}\cdots P_{2}P_{1}E=P Pτ⋯P2P1E=P
即A→BA\rightarrow BA→B同时E→PE\rightarrow PE→P
(A,E)⟶行变换(B,P)(A,E)\overset{行变换}{\longrightarrow}(B,P) (A,E)⟶行变换(B,P)
对于上一道例题,要求使得AAA变为行最简的PPP
(A∣E)=(1−1−1312−1−31132−521)→(1−1−13101−1−5−2105−2−7−31)→(1−1−13101−1−5−21003187−51)→(10−2−2−111−1−5−211673−5313)→(10010113−7323010113−2313001673−5313)\begin{aligned} (A|E)&=\begin{pmatrix} 1 & -1 & -1 & 3 & 1 & & \\ 2 & -1 & -3 & 1 & & 1 & \\ 3 & 2 & -5 & 2 & & & 1 \end{pmatrix}\\ &\rightarrow \begin{pmatrix} 1 & -1 & -1 & 3 & 1 & & \\ 0 & 1 & -1 & -5 & -2 & 1 & \\ 0 & 5 & -2 & -7 & -3 & & 1 \end{pmatrix}\\ &\rightarrow \begin{pmatrix} 1 & -1 & -1 & 3 & 1 & & \\ 0 & 1 & -1 & -5 & -2 & 1 & \\ 0 & 0 & 3 & 18 & 7 & -5 & 1 \end{pmatrix}\\ &\rightarrow \begin{pmatrix} 1 & 0 & -2 & -2 & -1 & 1 & \\ & 1 & -1 & -5 & -2 & 1 & \\ & & 1 & 6 & \frac{7}{3} & - \frac{5}{3} & \frac{1}{3} \end{pmatrix}\\ & \rightarrow \begin{pmatrix} 1 & 0 & 0 & 10 & \frac{11}{3} & - \frac{7}{3} & \frac{2}{3} \\ 0 & 1 & 0 & 1 & \frac{1}{3} & - \frac{2}{3} & \frac{1}{3} \\ 0 & 0 & 1 & 6 & \frac{7}{3} & - \frac{5}{3} & \frac{1}{3} \end{pmatrix} \end{aligned} (A∣E)=⎝⎛123−1−12−1−3−5312111⎠⎞→⎝⎛100−115−1−1−23−5−71−2−311⎠⎞→⎝⎛100−110−1−133−5181−271−51⎠⎞→⎝⎛101−2−11−2−56−1−23711−3531⎠⎞→⎝⎛10001000110163113137−37−32−35323131⎠⎞
四、分块矩阵
分四块(AB,An,A−1AB,A^{n},A^{-1}AB,An,A−1),列分块、行分块(方程组的解,向量,阶)
分四块
对矩阵适当的分块处理,有以下的运算法则
(A1A2A3A4)+(B1B2B3B4)=(A1+B1A2+B2A3+B3A4+B4)(ABCD)(XYZW)=(AX+BZAY+BWCX+DZCY+DW)(ABCD)T=(ATCTBTDT)\begin{gathered} \begin{pmatrix} A_{1} & A_{2} \\ A_{3} & A_{4} \end{pmatrix}+\begin{pmatrix} B_{1} & B_{2} \\ B_{3} & B_{4} \end{pmatrix}=\begin{pmatrix} A_{1}+B_{1} & A_{2}+B_{2} \\ A_{3}+B_{3} & A_{4}+B_{4} \end{pmatrix}\\ \begin{pmatrix} A & B \\ C & D \end{pmatrix}\begin{pmatrix} X & Y \\ Z & W \end{pmatrix}=\begin{pmatrix} AX+BZ & AY+BW \\ CX+DZ & CY+DW \end{pmatrix}\\ \begin{pmatrix} A & B \\ C & D \end{pmatrix}^{T}=\begin{pmatrix} A^{T} & C^{T} \\ B^{T} & D^{T} \end{pmatrix} \end{gathered} (A1A3A2A4)+(B1B3B2B4)=(A1+B1A3+B3A2+B2A4+B4)(ACBD)(XZYW)=(AX+BZCX+DZAY+BWCY+DW)(ACBD)T=(ATBTCTDT)
如果B,CB,CB,C都是方阵
(BOOC)n=(BnOOCn)\begin{pmatrix} B & O \\ O & C \end{pmatrix}^{n}=\begin{pmatrix} B^{n} & O \\ O & C^{n} \end{pmatrix} (BOOC)n=(BnOOCn)
如果B,CB,CB,C是可逆方阵
(BOOC)−1=(B−1OOC−1),(OBCO)−1=(OC−1B−1O)\begin{pmatrix} B & O \\ O & C \end{pmatrix}^{-1}=\begin{pmatrix} B^{-1} & O \\ O & C^{-1} \end{pmatrix},\begin{pmatrix} O & B \\ C & O \end{pmatrix}^{-1}=\begin{pmatrix} O & C^{-1} \\ B^{-1} & O \end{pmatrix} (BOOC)−1=(B−1OOC−1),(OCBO)−1=(OB−1C−1O)
行、列分块
若AB=CAB=CAB=C
(γ1γ2γ3)(b11b12b13b21b22b23b31b32b33)=(δ1δ2δ3)\begin{pmatrix} \gamma_{1} & \gamma_{2} & \gamma_{3} \end{pmatrix}\begin{pmatrix} b_{11} & b_{12} & b_{13} \\ b_{21} & b_{22} & b_{23} \\ b_{31} & b_{32} & b_{33} \end{pmatrix}=\begin{pmatrix} \delta_{1} & \delta_{2} & \delta_{3} \end{pmatrix} (γ1γ2γ3)⎝⎛b11b21b31b12b22b32b13b23b33⎠⎞=(δ1δ2δ3)
对应行列式
{b11γ1+b21γ2+b31γ3=δ1b12γ1+b22γ2+b32γ3=δ2b13γ1+b23γ2+b33γ3=δ3\begin{cases} b_{11}\gamma_{1}+b_{21}\gamma_{2}+b_{31}\gamma_{3}=\delta_{1} \\ b_{12}\gamma_{1}+b_{22}\gamma_{2}+b_{32}\gamma_{3}=\delta_{2} \\ b_{13}\gamma_{1}+b_{23}\gamma_{2}+b_{33}\gamma_{3}=\delta_{3} \\ \end{cases} ⎩⎨⎧b11γ1+b21γ2+b31γ3=δ1b12γ1+b22γ2+b32γ3=δ2b13γ1+b23γ2+b33γ3=δ3
即C=ABC=ABC=AB的列向量可由AAA的列向量线性表出
同理
(a11a12a13a21a22a23a31a32a33)(α1α2α3)=(β1β2β3)\begin{pmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{pmatrix}\begin{pmatrix} \alpha_{1} \\ \alpha_{2} \\ \alpha_{3} \end{pmatrix}=\begin{pmatrix} \beta_{1} \\ \beta_{2} \\ \beta_{3} \end{pmatrix} ⎝⎛a11a21a31a12a22a32a13a23a33⎠⎞⎝⎛α1α2α3⎠⎞=⎝⎛β1β2β3⎠⎞
对应行列式
{a11α1+a12α2+a13α3=β1a21α1+a22α2+a23α3=β2a31α1+a32α2+a33α3=β3\begin{cases} a_{11}\alpha_{1}+a_{12}\alpha_{2}+a_{13}\alpha_{3}=\beta_{1} \\ a_{21}\alpha_{1}+a_{22}\alpha_{2}+a_{23}\alpha_{3}=\beta _{2} \\ a_{31}\alpha_{1}+a_{32}\alpha_{2}+a_{33}\alpha_{3}=\beta _{3} \\ \end{cases} ⎩⎨⎧a11α1+a12α2+a13α3=β1a21α1+a22α2+a23α3=β2a31α1+a32α2+a33α3=β3
即C=ABC=ABC=AB的行向量可由BBB的行向量线性表出
如果AAA可逆,AB=C→A−1C=BAB=C\rightarrow A^{-1}C=BAB=C→A−1C=B
BBB的行向量可由CCC的行向量线性表出
如果BBB可逆,AB=C→CB−1=AAB=C\rightarrow CB^{-1}=AAB=C→CB−1=A
AAA的列向量可由CCC的列向量线性表出
如果AB=CAB=CAB=C
A(β1β2β3)=(γ1γ2γ3)(Aβ1Aβ2Aβ3)=(γ1γ2γ3)\begin{aligned} A \begin{pmatrix} \beta_{1} & \beta_{2} & \beta_{3} \end{pmatrix}&=\begin{pmatrix} \gamma_{1} & \gamma_{2} & \gamma_{3} \end{pmatrix}\\ \begin{pmatrix} A \beta_{1} & A \beta_{2} & A \beta_{3} \end{pmatrix}&=\begin{pmatrix} \gamma_{1} & \gamma_{2} & \gamma_{3} \end{pmatrix} \end{aligned} A(β1β2β3)(Aβ1Aβ2Aβ3)=(γ1γ2γ3)=(γ1γ2γ3)
有
Aβ1=γ1,Aβ2=γ2,Aβ3=γ3A \beta_{1}=\gamma_{1},A \beta_{2}=\gamma_{2},A \beta_{3}=\gamma_{3} Aβ1=γ1,Aβ2=γ2,Aβ3=γ3
可知
β1\beta_{1}β1是方程组Ax=γ1Ax=\gamma_{1}Ax=γ1的解
β2\beta_{2}β2是方程组Ax=γ2Ax=\gamma_{2}Ax=γ2的解
β3\beta_{3}β3是方程组Ax=γ3Ax=\gamma_{3}Ax=γ3的解
如果AB=OAB=OAB=O
A(β1β2β3)=(OOOa)A \begin{pmatrix} \beta_{1} & \beta_{2} & \beta_{3} \end{pmatrix}=\begin{pmatrix} O & O & Oa \end{pmatrix} A(β1β2β3)=(OOOa)
可知β1,β2,β3\beta_{1},\beta_{2},\beta_{3}β1,β2,β3是Ax=OAx=OAx=O的解
例:已知X=ABAX=ABAX=ABA,其中A=(1001011001−10100−1),B=(0001001001001000)A=\begin{pmatrix}1 & 0 & 0 & 1 \\ 0 & 1 & 1 & 0 \\ 0 & 1 & -1 & 0 \\ 1 & 0 & 0 & -1\end{pmatrix},B=\begin{pmatrix}0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 \\ 0 & 1 & 0 & 0 \\ 1 & 0 & 0 & 0\end{pmatrix}A=⎝⎛1001011001−10100−1⎠⎞,B=⎝⎛0001001001001000⎠⎞,则X=()X=()X=()
本题直接求也行
令
A=(1001011001−10100−1)=(ECC−E),B=(0001001001001000)=(OCCO)A=\left(\begin{array}{cc:cc} 1&0&0&1\\ 0&1&1&0\\\hdashline 0&1&-1&0\\ 1&0&0&-1 \end{array}\right)=\begin{pmatrix} E & C \\ C & -E \end{pmatrix},B=\left(\begin{array}{cc:cc}0&0&0&1\\ 0&0&1&0\\\hdashline 0&1&0&0\\ 1&0&0&0\end{array}\right)=\begin{pmatrix} O & C \\ C & O \end{pmatrix} A=⎝⎛1001011001−10100−1⎠⎞=(ECC−E),B=⎝⎛0001001001001000⎠⎞=(OCCO)
则
X=(ECC−E)(OCCO)(ECC−E)=(EC−CE)(ECC−E)=(2EOO−2E)\begin{aligned} X&=\begin{pmatrix} E & C \\ C & -E \end{pmatrix}\begin{pmatrix} O & C \\ C & O \end{pmatrix}\begin{pmatrix} E & C \\ C & -E \end{pmatrix}\\ &=\begin{pmatrix} E & C \\ -C & E \end{pmatrix}\begin{pmatrix} E & C \\ C & -E \end{pmatrix}\\ &=\begin{pmatrix} 2E & O \\ O & -2E \end{pmatrix} \end{aligned} X=(ECC−E)(OCCO)(ECC−E)=(E−CCE)(ECC−E)=(2EOO−2E)
可得X=(22−2−2)X=\begin{pmatrix}2 & & & \\ & 2 & & \\ & & -2 & \\ & & & -2\end{pmatrix}X=⎝⎛22−2−2⎠⎞
例:设A=(12−24t33−11)A=\begin{pmatrix}1 & 2 & -2 \\ 4 & t & 3 \\ 3 & -1 & 1\end{pmatrix}A=⎝⎛1432t−1−231⎠⎞,BBB为三阶非零矩阵,且AB=OAB=OAB=O,则t=()t=()t=()
由于AB=OAB=OAB=O
AB=A(β1β2β3)=(Aβ1Aβ2Aβ3)=(OOO)AB=A \begin{pmatrix} \beta_{1} & \beta_{2} & \beta_{3} \end{pmatrix}=\begin{pmatrix} A \beta_{1} & A \beta_{2} & A \beta_{3} \end{pmatrix}=\begin{pmatrix} O & O & O \end{pmatrix} AB=A(β1β2β3)=(Aβ1Aβ2Aβ3)=(OOO)
可知Aβ1=O,Aβ2=O,Aβ3=OA \beta_{1}=O,A \beta_{2}=O,A \beta_{3}=OAβ1=O,Aβ2=O,Aβ3=O
因此,β1,β2,β3\beta_{1},\beta_{2},\beta_{3}β1,β2,β3是AX=OAX=OAX=O的解
又因为B≠0B\ne0B=0,故AX=OAX=OAX=O存在非000解,根据克拉默法则
∣A∣=∣12−24t33−11∣=5(t+3)=0|A|=\begin{vmatrix} 1 & 2 & -2 \\ 4 & t & 3 \\ 3 & -1 & 1 \end{vmatrix}=5(t+3)=0 ∣A∣=∣∣1432t−1−231∣∣=5(t+3)=0
解得t=−3t=-3t=−3
例:计算(123456789)(20001−1101)\begin{pmatrix}1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9\end{pmatrix}\begin{pmatrix}2 & 0 & 0 \\ 0 & 1 & -1 \\ 1 & 0 & 1\end{pmatrix}⎝⎛147258369⎠⎞⎝⎛2010100−11⎠⎞
简单的矩阵乘复杂的矩阵,可以考虑复杂的进行分块,复杂的在左面进行列分块,在右面进行行分块
原式=(α1α2α3)(20001−1101)=(2α1+α3α2−α2+α3)=(52114512381)\begin{aligned} 原式&=\begin{pmatrix} \alpha_{1} & \alpha_{2} & \alpha_{3} \end{pmatrix}\begin{pmatrix} 2 & 0 & 0 \\ 0 & 1 & -1 \\ 1 & 0 & 1 \end{pmatrix}\\ &=\begin{pmatrix} 2\alpha_{1}+\alpha_{3} & \alpha_{2} & -\alpha_{2}+\alpha_{3} \end{pmatrix}\\ &=\begin{pmatrix} 5 & 2 & 1 \\ 14 & 5 & 1 \\ 23 & 8 & 1 \end{pmatrix} \end{aligned} 原式=(α1α2α3)⎝⎛2010100−11⎠⎞=(2α1+α3α2−α2+α3)=⎝⎛51423258111⎠⎞
五、方阵的行列式
- ∣AT∣=∣A∣|A^{T}|=|A|∣AT∣=∣A∣
- ∣kA∣=kn∣A∣|kA|=k^{n}|A|∣kA∣=kn∣A∣
- ∣AB∣=∣A∣⋅∣B∣|AB|=|A|\cdot|B|∣AB∣=∣A∣⋅∣B∣
∣A2∣=∣A∣2|A^{2}|=|A|^{2}∣A2∣=∣A∣2 - ∣A∗∣=∣A∣n−1|A^{*}|=|A|^{n-1}∣A∗∣=∣A∣n−1
- ∣A−1∣=∣A∣−1=1∣A∣|A^{-1}|=|A|^{-1}=\frac{1}{|A|}∣A−1∣=∣A∣−1=∣A∣1
- ∣AO∗B∣=∣A∗OB∣=∣A∣⋅∣B∣\begin{vmatrix}A&O\\ *&B\end{vmatrix}=\begin{vmatrix}A&*\\O&B\end{vmatrix}=|A|\cdot|B|∣∣A∗OB∣∣=∣∣AO∗B∣∣=∣A∣⋅∣B∣
∣OAB∗∣=∣∗ABO∣=(−1)mn∣A∣⋅∣B∣\begin{vmatrix}O&A\\B&*\end{vmatrix}=\begin{vmatrix}*&A\\B&O\end{vmatrix}=(-1)^{mn}|A|\cdot|B|∣∣OBA∗∣∣=∣∣∗BAO∣∣=(−1)mn∣A∣⋅∣B∣ - 如果A∼BA\sim BA∼B,则∣A∣=∣B∣,∣A+kE∣=∣B+kE∣|A|=|B|,|A+kE|=|B+kE|∣A∣=∣B∣,∣A+kE∣=∣B+kE∣,一般∣A+B∣≠∣A∣+∣B∣|A+B|\ne|A|+|B|∣A+B∣=∣A∣+∣B∣
例:A,BA,BA,B是nnn阶矩阵,∣A∣=2,∣B∣=−3|A|=2,|B|=-3∣A∣=2,∣B∣=−3,则
∣A∗B−1−A−1B∗∣=()|A^{*}B^{-1}-A^{-1}B^{*}|=()∣A∗B−1−A−1B∗∣=()
∣A∗B−1−A−1B∗∣=∣∣A∣A−1B−1−∣B∣A−1B−1∣=∣5A−1B−1∣=−5n6\begin{aligned} |A^{*}B^{-1}-A^{-1}B^{*}|&=||A|A^{-1}B^{-1}-|B|A^{-1}B^{-1}|\\ &=|5A^{-1}B^{-1}|\\ &=-\frac{5^{n}}{6} \end{aligned} ∣A∗B−1−A−1B∗∣=∣∣A∣A−1B−1−∣B∣A−1B−1∣=∣5A−1B−1∣=−65n
∣OATB∗2B∣=()\begin{vmatrix}O&A^{T}\\B^{*}&2B\end{vmatrix}=()∣∣OB∗AT2B∣∣=()
∣OATB∗2B∣=(−1)n⋅n∣AT∣∣B∗∣=(−1)n2+n−1⋅2⋅3n−1=−2⋅3n−1\begin{aligned} \begin{vmatrix}O&A^{T}\\B^{*}&2B\end{vmatrix}&=(-1)^{n\cdot n}|A^{T}||B^{*}|\\ &=(-1)^{n^{2}+n-1}\cdot 2\cdot 3^{n-1}\\ &=-2\cdot3^{n-1} \end{aligned} ∣∣OB∗AT2B∣∣=(−1)n⋅n∣AT∣∣B∗∣=(−1)n2+n−1⋅2⋅3n−1=−2⋅3n−1
【线性代数基础进阶】矩阵-part2相关推荐
- 线性代数基础(矩阵、范数、正交、特征值分解、奇异值分解、迹运算)
目录 基础概念 矩阵转置 对角矩阵 线性相关 范数 正交 特征值分解 奇异值分解 Moore-Penrose 伪逆 迹运算 行列式 如果这篇文章对你有一点小小的帮助,请给个关注喔~我会非常开心的~ 基 ...
- 【线性代数基础进阶】向量-part2
文章目录 线性相关 秩 极大线性无关组 矩阵的秩 公式 线性相关 定义:对 m m m个 n n n维向量 α 1 , α 2 , ⋯ , α m \alpha_{1},\alpha_{2},\cdo ...
- 深度学习/机器学习入门基础数学知识整理(一):线性代数基础,矩阵,范数等
前面大概有2年时间,利用业余时间断断续续写了一个机器学习方法系列,和深度学习方法系列,还有一个三十分钟理解系列(一些趣味知识):新的一年开始了,今年给自己定的学习目标--以补齐基础理论为重点,研究一些 ...
- matlab第八章答案,MATLAB课件第八章线性代数基础
<MATLAB课件第八章线性代数基础>由会员分享,可在线阅读,更多相关<MATLAB课件第八章线性代数基础(15页珍藏版)>请在人人文库网上搜索. 1.第八章 线性代数基础1. ...
- (矩阵Part2):矩阵进阶
(矩阵Part2):矩阵进阶 一.矩阵的基本运算 给出参考:矩阵的基本运算_palawind-CSDN博客_矩阵运算 1.1定义单位矩阵 主 对 角 线 元 素 都 是 1 , 其 余 元 素 为 ...
- 干货来袭!!!3天0基础Python实战项目快速学会人工智能必学数学基础全套(含源码)(第1天)线性代数篇:矩阵、向量及python实战
第1天:线性代数篇:矩阵.向量.实战编程 第2天:微积分篇:极限与导数.梯度下降.积分.实战编程 第3天:概率分析篇:条件概率与全概率.贝叶斯公式.实战项目 目录 前言 一.矩阵在AI中的应用 二.矩 ...
- 程序员的数学【线性代数基础】
目录 前言 1.向量是什么 1.1 向量的定义 1.2 向量的表示 1.3 向量物理意义 2.行向量与列向量 3.向量运算 3.1 向量加减法 3.2 向量数乘 3.3 转置 3.4 向量内积 3.5 ...
- 科学计算:Python VS. MATLAB(3)----线性代数基础
科学计算:Python VS. MATLAB(3)----线性代数基础 按:在介绍工具之前先对理论基础进行必要的回顾是很必要的.没有理论的基础,讲再多的应用都是空中楼阁.本文主要设涉及线性代数和矩阵论 ...
- 【机器学习算法专题(蓄力计划)】十、机器学习中必备的高等数学和线性代数基础
文章目录 高等数学基础 函数 方向导数(引出梯度) 梯度 微积分 微积分基本理论 泰勒公式 线性代数基础 矩阵和特征 向量内积 SVD矩阵分解 高等数学基础 函数 WHAT:后面基本都是用函数,这里先 ...
最新文章
- JZOJ.5234【NOIP2017模拟8.7】外星人的路径
- 【程序员基础篇】开源中国私有库代码更新
- vnc连接linux时出现黑屏
- windows10环境下安装Anaconda环境
- OS- -进程详详解
- win7如何关闭密码保护共享
- 多进程IterableDataset流式读取数据的坑:每个进程会读取一遍完整数据
- [.NET]使用十年股价对比各种序列化技术
- wireshark学习使用
- linux rhce教程,RHCE之路_Linux教程_Linux公社-Linux系统门户网站
- kettle基础使用教程
- 异常-银行账户异常处理
- 【计算机系统】LC-3中断试验
- 2.2 字 母 表 和 符 号 串 的 基 本 概 念
- 蓝桥杯试题 基础练习 Fibonacci数列
- SQL Server使用快捷键查看指定表的信息(字段、备注、索引、约束信息等)
- 美国姑娘项美丽与邵洵美的跨国恋
- linux怎么检查越界,C语言指针越界访问示例
- 移动机器人差速轮运动学模型--(左右轮速度和线速度角速度的相互转换)
- 牛客多校第十场F-Popping Balloons
热门文章
- 用CSS控制浏览器滚动条样式源代码
- 斗象科技PRS-NTA交互式数据图谱:全流量可视化快速定位安全威胁
- java两个成语交叉,形容相互交叉的成语-交叉出现的成语-互相交叉在一起的成语...
- 十六进制转化为ASCII码引起的的进制的故事
- 计算机窗口的意思是什么,电脑中的窗口是什么意思,窗口是干什么用的啊?
- 1530. 字符二叉树(自己测试数据没有问题,但提交时发生系统错误,谁能帮我解答一下)
- yolov5 7.0 classify原理,1000字
- 转置卷积(反卷积)为什么姓转置
- PHPStorm+Xdebug进行emote Debug时无法进入断点问题排查
- ST-Link下载程序出错