矩阵初等变换与矩阵乘法的联系
前置知识:
- 【定义】矩阵
- 逆矩阵的性质
- 【定义】矩阵初等变换和矩阵等价
前置定义 1(矩阵等价) 如果矩阵 A\boldsymbol{A}A 经有限次初等行变换变成矩阵 B\boldsymbol{B}B,就称矩阵 A\boldsymbol{A}A 与 B\boldsymbol{B}B 行等价,记作 A∼rB\boldsymbol{A} \stackrel{r}{\sim} \boldsymbol{B}A∼rB
证明见 “【定义】矩阵初等变换和矩阵等价”。
前置定理 2 有限个可逆矩阵的乘积仍可逆。
证明 不妨设 nnn 阶方阵 A\boldsymbol{A}A 和 B\boldsymbol{B}B 均可逆,则有 (AB)(AB)−1=(AB)(B−1A−1)=E(\boldsymbol{A} \boldsymbol{B})(\boldsymbol{A} \boldsymbol{B})^{-1} = (\boldsymbol{A} \boldsymbol{B}) (\boldsymbol{B}^{-1} \boldsymbol{A}^{-1}) = \boldsymbol{E}(AB)(AB)−1=(AB)(B−1A−1)=E,即 AB\boldsymbol{A} \boldsymbol{B}AB 可逆。以此类推,有限个可逆矩阵的乘积仍可逆。得证。
定义 由单位矩阵 E\boldsymbol{E}E 经过一次初等变换得到的矩阵称为初等矩阵。
(1)对换两行
把单位矩阵中第 i,ji,ji,j 两行对换(或将第 i,ji,ji,j 两列对换),得到初等矩阵
E(i,j)=(1⋱10⋯11⋮⋱⋮11⋯01⋱1)\boldsymbol{E}(i,j) = \begin{pmatrix} 1 \\ & \ddots \\ & & 1 \\ & & & 0 & & \cdots & & 1 \\ & & & & 1 & & & \\ & & & \vdots & & \ddots & & \vdots \\ & & & & & & 1 & \\ & & & 1 & & \cdots & & 0 \\ & & & & & & & & 1 \\ & & & & & & & & & \ddots \\ & & & & & & & & & & 1 \\ \end{pmatrix} E(i,j)=⎝⎛1⋱10⋮11⋯⋱⋯11⋮01⋱1⎠⎞
可以验知:
- 用 mmm 阶初等矩阵 Em(i,j)\boldsymbol{E}_m(i,j)Em(i,j) 左乘矩阵 A=(aij)m×n\boldsymbol{A} = (a_{ij})_{m \times n}A=(aij)m×n,其结果相当于对矩阵 A\boldsymbol{A}A 施行第一种初等行变换:把 A\boldsymbol{A}A 的第 iii 行与第 jjj 列对换(ri↔rjr_i \leftrightarrow r_jri↔rj);
- 用 nnn 阶初等矩阵 En(i,j)\boldsymbol{E}_n(i,j)En(i,j) 右乘矩阵 A\boldsymbol{A}A,其结果相当于对矩阵 A\boldsymbol{A}A 施行第一种初等列变换:把 A\boldsymbol{A}A 的第 iii 列与第 jjj 列对换(ci↔cjc_i \leftrightarrow c_jci↔cj)。
(2)以数 k≠0k \ne 0k=0 乘某一行中的所有元
以数 k≠0k \ne 0k=0 乘单位矩阵的第 iii 行(或第 iii 列),得到初等矩阵
E(i(k))=(1⋱1k1⋱1)\boldsymbol{E}(i(k)) = \begin{pmatrix} 1 \\ & \ddots \\ & & 1 \\ & & & k \\ & & & & 1 \\ & & & & & \ddots \\ & & & & & & 1 \end{pmatrix} E(i(k))=⎝⎛1⋱1k1⋱1⎠⎞
可以验知:
- 以 Em(i(k))E_m(i(k))Em(i(k)) 左乘矩阵 A\boldsymbol{A}A,其结果相当于以数 kkk 乘 A\boldsymbol{A}A 的第 iii 行(ri×kr_i \times kri×k);
- 以 En(i(k))E_n(i(k))En(i(k)) 右乘矩阵 A\boldsymbol{A}A,其结果相当于以数 kkk 乘 A\boldsymbol{A}A 的第 iii 列(ci×kc_i \times kci×k)。
(3)把某一行所有元的 kkk 倍加到另一行对应的元上去
以 kkk 乘单位矩阵的第 jjj 行加到第 iii 行上或以 kkk 乘单位矩阵的第 iii 列加到第 jjj 列上,得初等矩阵
E(ij(k))=(1⋱1⋯k⋱⋮1⋱1)\boldsymbol{E}(ij(k)) = \begin{pmatrix} 1 \\ & \ddots \\ & & 1 & \cdots & k\\ & & & \ddots & \vdots\\ & & & & 1 \\ & & & & & \ddots \\ & & & & & & 1 \end{pmatrix} E(ij(k))=⎝⎛1⋱1⋯⋱k⋮1⋱1⎠⎞
可以验知:
- 以 Em(ij(k))\boldsymbol{E}_{m}(ij(k))Em(ij(k)) 左乘矩阵 A\boldsymbol{A}A,其结果相当于把 A\boldsymbol{A}A 的第 jjj 行乘 kkk 加到第 iii 行上(ri+krjr_i + k r_jri+krj);
- 以 Em(ij(k))\boldsymbol{E}_{m}(ij(k))Em(ij(k)) 右乘矩阵 A\boldsymbol{A}A,其结果相当于把 A\boldsymbol{A}A 的第 iii 列乘 kkk 加到第 jjj 列上(cj+kcic_j + k c_icj+kci)。
根据以上讨论,得到性质如下:
性质 1 设 A\boldsymbol{A}A 是一个 m×nm \times nm×n 矩阵,对 A\boldsymbol{A}A 施行一次初等行变换,相当于在 A\boldsymbol{A}A 的左边乘相应的 mmm 阶初等矩阵;对 A\boldsymbol{A}A 施行一次初等列变换,相当于在 A\boldsymbol{A}A 的右边乘相应的 nnn 阶初等矩阵。
观察上述初等矩阵,显然有
性质 2 初等矩阵都是可逆的,且其可逆矩阵是同一类型的初等矩阵。具体地:
- E(i,j)−1=E(i,j)\boldsymbol{E}(i,j)^{-1} = \boldsymbol{E}(i,j)E(i,j)−1=E(i,j);
- E(i(k))−1=E(i(1k))\boldsymbol{E}(i(k))^{-1} = \boldsymbol{E}(i(\frac{1}{k}))E(i(k))−1=E(i(k1));
- E(ij(k))−1=E(ij(−k))\boldsymbol{E}(ij(k))^{-1} = \boldsymbol{E}(ij(-k))E(ij(k))−1=E(ij(−k))。
根据以上性质,我们得到定理和证明如下:
定理 设 A\boldsymbol{A}A 和 B\boldsymbol{B}B 为 $m \times n $ 矩阵,那么
- A∼rB\boldsymbol{A} \stackrel{r}{\sim} \boldsymbol{B}A∼rB 的充分必要条件是存在 mmm 阶可逆矩阵 P\boldsymbol{P}P,使 PA=B\boldsymbol{P} \boldsymbol{A} = \boldsymbol{B}PA=B;
- A∼cB\boldsymbol{A} \stackrel{c}{\sim} \boldsymbol{B}A∼cB 的充分必要条件是存在 nnn 阶可逆矩阵 Q\boldsymbol{Q}Q,使 AQ=B\boldsymbol{A} \boldsymbol{Q} = \boldsymbol{B}AQ=B;
- A∼B\boldsymbol{A} \sim \boldsymbol{B}A∼B 的充分必要条件是存在 mmm 阶可逆矩阵 P\boldsymbol{P}P 和 nnn 阶可逆矩阵 Q\boldsymbol{Q}Q,使 PAQ=B\boldsymbol{P} \boldsymbol{A} \boldsymbol{Q} = \boldsymbol{B}PAQ=B。
证明 这里证明第 1 条,类似可证明第 2 条和第 3 条。
根据前置定义 1,可知:A∼rB\boldsymbol{A} \stackrel{r}{\sim} \boldsymbol{B}A∼rB;等价于矩阵 A\boldsymbol{A}A 经有限次初等行变换变成矩阵 B\boldsymbol{B}B。
根据性质 1,可知:矩阵 A\boldsymbol{A}A 经有限次初等行变换变成矩阵 B\boldsymbol{B}B;等价于矩阵 A\boldsymbol{A}A 左乘有限个 mmm 阶初等矩阵可以得到 B\boldsymbol{B}B;即存在有限个 mmm 阶初等矩阵 P1,P2,⋯,Pl\boldsymbol{P}_1, \boldsymbol{P}_2, \cdots, \boldsymbol{P}_lP1,P2,⋯,Pl,使得 Pl⋯P2P1A=B\boldsymbol{P}_l \cdots \boldsymbol{P}_2 \boldsymbol{P}_1 \boldsymbol{A} = \boldsymbol{B}Pl⋯P2P1A=B。
因为初等矩阵都是可逆矩阵,根据前置定理 2,可知:存在有限个 mmm 阶初等矩阵 P1,P2,⋯,Pl\boldsymbol{P}_1, \boldsymbol{P}_2, \cdots, \boldsymbol{P}_lP1,P2,⋯,Pl,使得 Pl⋯P2P1A=B\boldsymbol{P}_l \cdots \boldsymbol{P}_2 \boldsymbol{P}_1 \boldsymbol{A} = \boldsymbol{B}Pl⋯P2P1A=B;等价于存在 mmm 阶可逆矩阵 P\boldsymbol{P}P,使得 PA=B\boldsymbol{P} \boldsymbol{A} = \boldsymbol{B}PA=B。
综上所述,得到 A∼rB\boldsymbol{A} \stackrel{r}{\sim} \boldsymbol{B}A∼rB 的充分必要条件是存在 mmm 阶可逆矩阵 P\boldsymbol{P}P,使 PA=B\boldsymbol{P} \boldsymbol{A} = \boldsymbol{B}PA=B。得证。
上述定理表明,如果 A∼rB\boldsymbol{A} \stackrel{r}{\sim} \boldsymbol{B}A∼rB 则有可逆矩阵 P\boldsymbol{P}P,使 PA=B\boldsymbol{P} \boldsymbol{A} = \boldsymbol{B}PA=B。下面讨论如何求得这个可逆矩阵 P\boldsymbol{P}P。
由于 PA⇔{PA=BPE=P⇔P(A,E)=(B,P)⇔(A,E)∼r(B,P)\boldsymbol{P} \boldsymbol{A} \Leftrightarrow \begin{cases} \boldsymbol{P} \boldsymbol{A} = \boldsymbol{B} \\ \boldsymbol{P} \boldsymbol{E} = \boldsymbol{P} \end{cases} \Leftrightarrow \boldsymbol{P} (\boldsymbol{A}, \boldsymbol{E}) = (\boldsymbol{B}, \boldsymbol{P}) \Leftrightarrow (\boldsymbol{A},\boldsymbol{E}) \stackrel{r}{\sim} (\boldsymbol{B},\boldsymbol{P})PA⇔{PA=BPE=P⇔P(A,E)=(B,P)⇔(A,E)∼r(B,P)。因此,如果对矩阵 (A,E)(\boldsymbol{A}, \boldsymbol{E})(A,E) 作初等行变换,那么当把 A\boldsymbol{A}A 变成 B\boldsymbol{B}B 时,E\boldsymbol{E}E 就变成了P\boldsymbol{P}P。于是就得到所求的可逆矩阵 P\boldsymbol{P}P。
矩阵初等变换与矩阵乘法的联系相关推荐
- 【定义】矩阵初等变换和矩阵等价
前置知识: [定义]矩阵 定义 1(初等行变换) 下面三种变换称为矩阵的行初等变换: 对换两行(对换 i,ji,ji,j 两行,记作 ri↔rjr_i \leftrightarrow r_jri↔r ...
- 矩阵初等变换与方阵可逆的条件
前置知识: [定义]逆矩阵 逆矩阵的性质 [定义]行阶梯形矩阵.行最简形矩阵和标准形 矩阵初等变换与矩阵乘法的联系 前置定理 1 初等矩阵都是可逆的,且其逆矩阵是同一类型的初等矩阵. 证明见 &quo ...
- c#矩阵类的实现包括伴随矩阵求逆,初等变换求逆,矩阵的加,乘法转置等功能
c#好像没有自带的矩阵类,而很多的算法中需要用到矩阵类,今天分享一个c#实现的矩阵类,包含了矩阵的加,乘法,转置求逆(伴随矩阵求逆:当行列式的值特别大或特别小的时候不适用.初等变换:求逆效率要高,不受 ...
- LA@分块矩阵@初等变换@初等矩阵#逆矩阵计算@初等变换法
文章目录 LA@分块矩阵@初等变换@初等矩阵#逆矩阵计算@初等变换法 分块矩阵 乘法 逆 例 准对角矩阵 转置 矩阵的初等变换
- 数学/线性代数 {矩阵初等变换,[阶梯形/最简形]矩阵,初等矩阵}
数学/线性代数 {矩阵初等变换,[阶梯形/最简形]矩阵,初等矩阵}; @LOC_COUNTER: 3; 矩阵的初等变换 定义 矩阵的初等变换 和行列式的变换 是完全一样的; . LINK: (http ...
- 【Android 应用开发】Paint 滤镜原理 之 颜色矩阵 ( 颜色模式 | 颜色通道 | 颜色矩阵 | 矩阵运算 | 矩阵乘法 | 矩阵加法 | 颜色矩阵深入解析 )
文章目录 颜色模式 颜色通道 Android 中的颜色矩阵 矩阵乘法运算 滤镜中的矩阵乘法运算 矩阵加法运算 滤镜中的矩阵乘法运算 滤镜运算原理 ( 总结 ) 实际滤镜理论示例 颜色模式 颜色模式 : ...
- 如何将矩阵化为约旦标准型_【解题方法】矩阵初等变换的应用
[本文为了赚点知乎盐值而写, 供各位同学一笑 :P] 本文将介绍并总结矩阵初等变换的一系列的解题应用包括,内容全部整理自本人本科期间的学习笔,对于正在学习高等代数的同学解题应该很有用. 本文主要内容 ...
- 离散数学16__矩阵的加法、乘法
常见的矩阵有 4*4 一 矩阵的加法,就是一个矩阵的第几行第几列,与 另一个矩阵相同的第几行第几列,相加. 也就是说,矩阵相加是相同位置加一下. 得到一个新矩阵. 二 矩阵的乘法 这里以矩阵的平方 ...
- python三维矩阵乘法_tensorflow 二维矩阵乘以三维矩阵,高维矩阵相乘
最近看论文时看到了一个让我费解的操作. 二维矩阵 * 三维矩阵 * 二维矩阵 得到了一个二维矩阵. 即: (n * c1) x (m * c1 * c2) x (n * c2) 得 n * m 实现主 ...
最新文章
- 【通知】CCIE LAB北京考场9月1日起开放考试
- JUC多线程:ThreadLocal 原理总结
- int型 判断奇偶_XSS(Reflected) 反射型跨站攻击
- 微信公众号开发之授权获取用户信息
- Is it cold in Shinjuku?
- 深度学习进行领域适应(Domain Adaptation)开山之作
- python安装sqlalchemy-Python流行ORM框架sqlalchemy安装与使用教程
- 总结全网最全的数据学习平台
- 手机误删联系人恢复方法 快速找回丢失数据
- 80286 与 80386,实模式与保护模式切换编程
- 技术总监岗位职责和要求
- Hive操作——复制表结构和数据
- selenium+python基本知识
- 单元测试报错Wanted but not invoked:
- 基于angular上传图片并能对图片裁剪,放大缩小,压缩size及在图片上添加文字等编辑操作,并能手动限制上传图片数量
- 积分球测试软件无法创建新文档,积分球测试光通量不准确的解决方案
- Android 引入高德地图 SDK
- 计算机学霸的电视剧,10部经典青春校园剧,每一部都让人怀念青春
- 100句非常经典的读书名言
- Q.me推出! Amortech展示了它的卡尔加里软件开发技能
热门文章
- 关于样本标准差(SD)与样本标准误差(SE)
- EN 14315-1建筑物用隔热产品-现场制喷涂硬质聚氨酯(PUR)和聚异氰脲酯(PIR)泡沫产品,第1部分:硬质泡沫喷雾系统安装前规范--CE认证
- 【窈窕一身】韩版女装 3页
- Java面试学习笔记——MySQL底层分析
- 在后台控制一个a标签或者button(控件)的显示与否,或者禁用与否
- 天猫店农村淘宝扣多少钱
- 【Java工具类】(10)—java中给图片添加水印
- element 表格排序之远程排序去除默认排序
- 2019年终总结,一位本命年程序猿的年终总结
- 华盛顿学校心理健康调查使学生的性别和性行为数据受到威胁