美文网首页深度学习
线性代数(6) 逆矩阵

线性代数(6) 逆矩阵

作者: zidea | 来源:发表于2020-07-28 21:16 被阅读0次
linearalgebra.png

逆矩阵

这是矩阵的难点,矩阵只有逆矩阵,矩阵是不能被放在分母上,给一个矩阵 A

方阵的行列式,给一个方阵
A=\left( \begin{matrix} 2 & 2 & 2 \\ 3 & 3 & 3 \\ 1 & 1 & 1 \end{matrix} \right)

|A|=\left| \begin{array}{c} 2 & 2 & 2 \\ 3 & 3 & 3 \\ 1 & 1 & 1 \end{array} \right|

那么方阵和行列式之间关系,行列式一定是一个数,而矩阵是一个数表。
矩阵有很多属性,那么矩阵有那些属性呢?

  • 特征值
  • 特征向量
  • 行列式

方阵的行列式

  • |A^T| = |A| 行列式转置值是不变的
  • |kA| = k^n|A|
  • |AB| = |A||B| 前提条件同阶

伴随矩阵

  • 只有方阵才有伴随矩阵
  • 求所有元素的代数余子式
  • 按行求的代数余子式按列放构成矩阵就是伴随矩阵
伴随矩阵表示方法

伴随矩阵表示方法就是矩阵上加星号上标来表示伴随矩阵
A= \left( \begin{matrix} 1 & 1 & 1 \\ 2 & 1 & 3 \\ 1 & 1 & 4 \end{matrix} \right)

\begin{aligned} A_{11} = 1 & A_{12} = -5 & A_{13} = 1 \\ A_{21} = -3 & A_{22} = 3 & A_{23} = 0 \\ A_{31} = 2 & A_{32} = -1 & A_{33} = -1 \\ \end{aligned} \rightarrow A^{*} = \left(\begin{matrix} 1 & -3 & 2\\ -5 & 3 & -1\\ 1 & 0 & -1 \end{matrix}\right)

  • 定理:对于任意方阵AA^{*} = A^{*}A = |A|E

AA^{*} = \left( \begin{matrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{matrix}\right) \left( \begin{matrix} A_{11} & A_{21} & \cdots & A_{n1} \\ A_{12} & a_{22} & \cdots & A_{n2} \\ \vdots & \vdots & \vdots & \vdots \\ A_{1n} & a_{2n} & \cdots & A_{nn} \\ \end{matrix}\right) = \left( \begin{matrix} |A| & 0 & \cdots & 0 \\ 0 & |A| & \cdots &0 \\ \vdots & \vdots & \vdots & \vdots \\ 0 & 0 & \cdots & |A| \\ \end{matrix}\right)

我们先复习一下,在行列式中如果一个数乘以其代数余子式,就是该行列式值,如果乘以不是自己的代数余子式那么就是 0。有了这些基础内容,我们就可以计算上面式子。

是不是所有方阵都有伴随矩阵,答案是肯定的,任何矩阵都有伴随矩阵

A=(5) 的伴随矩阵 A^{*} = (1),下面就来推导一下
AA^{*} = |A|E \Rightarrow (5)A^{*}= 5(5) \Rightarrow A^{*} = (1)

其实在numpy 中并没有直接提供伴随矩阵求解方法,因为引出伴随矩阵是为解释如何求矩阵的逆矩阵。不过我们可以通过下面介绍如何使用伴随矩阵来求逆矩阵的公式反向求出伴随矩阵。

逆矩阵的定义

逆矩阵 A 的 n 阶方程,才进一步讨论可逆还是不可逆。若存在 n 阶方阵 B,AB = BA = E

A^{-1} = B

A 的逆矩阵是 B,这里上标-1并不是表示 1/A

  • 未必所有方阵均可逆,零矩阵就不可以因为 OB = BO = 0
  • 若可逆,逆矩阵是唯一的

AB_1 = B_1A = E
AB_2 = B_2A = E

B_1 = B_1E = B_1(AB_2) = EB_2 = B_2 \Rightarrow B_1 = B_2
一个方阵满足什么条件才可逆,以及如何求一个矩阵的逆矩阵。|A| \neq 0 这样矩阵也称为非奇异、非退化、满秩、可逆矩阵。
定理:A 可逆的充要条件|A| \neq 0 A^{-1} = \frac{1}{|A|}A^{*}
有关公式证明,在这里就介绍,毕竟我们是一个为机器学习分享的内容。大部分我们了解结论就行了。

\begin{aligned} AA^{*} = A^{*}A = |A|E \\ A(\frac{1}{|A|}A^{*}) = (\frac{1}{|A|}A^{*})A = E \end{aligned}

推论

相关文章

  • opengl-todo

    切面空间,再好好理解 立体贴图 线性代数,逆矩阵,法线矩阵

  • 矩阵基础11- 广义逆矩阵及应用

    一. 广义逆矩阵 1.1 广义逆矩阵概述 可逆矩阵在线性代数中地位重要,应用方便。但遗憾的是,不是所有的矩阵都是可...

  • numpy -- 实现线性代数

    Python 实现线性代数 m_n 与 n_k 这样的矩阵才能相乘 矩阵求逆 矩阵和矩阵的逆相乘结果为单位矩阵 qr分解

  • 线性代数(6) 逆矩阵

    逆矩阵 这是矩阵的难点,矩阵只有逆矩阵,矩阵是不能被放在分母上,给一个矩阵 A 方阵的行列式,给一个方阵 那么方阵...

  • numpy.linalg矩阵求逆或伪逆

    最近做数据挖掘又接触到线性代数,把逆和伪逆简单总结一下。 求逆 该函数求矩阵的逆,要求矩阵a是方阵并且非奇异。 判...

  • 线性代数之逆矩阵

    在之前的文章《线性代数之矩阵》中已经介绍了一些关于矩阵的基本概念,本篇文章主要就求解逆矩阵进行进一步总结。 余子式...

  • 透析矩阵,由浅入深娓娓道来—高数-线性代数-矩阵

    线性代数在科学领域有很多应用的场景,如下: 矩阵,是线性代数中涉及的内容, 线性代数是用来描述状态和变化的,而矩阵...

  • Tensorflow快餐教程(6) - 矩阵分解

    摘要:特征分解,奇异值分解,Moore-Penrose广义逆 矩阵分解 特征向量和特征值 我们在《线性代数》课学过...

  • 伪逆矩阵(广义逆矩阵)

    Inverse Matrix(逆矩阵)& Pseudoinverse Matrix(伪逆矩阵/广义逆矩阵)概念 伪...

  • NumPy 中的线性代数

    NumPy 中的线性代数 矩阵 线性代数 多项式 曲线拟合

网友评论

    本文标题:线性代数(6) 逆矩阵

    本文链接:https://www.haomeiwen.com/subject/edbqrktx.html