如何求解逆矩阵

2×2矩阵的逆矩阵一般形式




当行相加时矩阵行列式的规律


有相同行的行列式
有两行相同则行列式为0,也就是,该矩阵简化后的梯形矩阵非单位矩阵,所以不可逆,并且行列式为0时,不可逆
矩阵的行向量表达方式,之前我们经常用列向量的方式


上三角阵行列式
上三角矩阵,就是,主对角线以下元素全是零。余子式

化简4*4矩阵行列式
利用 上三角阵行列式为对角线相乘 和 行交换结果取反两个特点,化简求解

到底行列式 有什么用?不就是求解逆矩阵的一个重要参数么?
行列式与平行四边形面积
22矩阵 行向量构成的平行四边形的面积等于 22矩阵行列式的绝对值。这就是行列式的一个用途,很奇妙吧!!!想不到
向量投影的计算公式在 右上角

行列式作为面积因子
简介:一个区域在线性变换下映射到另一个区域,这两个区域的面积比就是变换矩阵的行列式的绝对值
- 2*2矩阵行列式是矩阵内两个列向量组成平行四边形的面积。
- 如果平行四边形A经过可逆矩阵变换后的A',A和A'的面积之比就是 可逆矩阵的行列式


矩阵的转置
矩阵转置的转置又变成了原矩阵

矩阵乘积的转置

转置矩阵的加法与求逆运算
转置矩阵的加法等于每个矩阵 转置后相加

逆矩阵的转置 等于 转置后的逆矩阵

求向量的转置


行空间和左零空间
视频是对 列空间、零空间、行空间、左零空间的总结。可以多看几遍。A的转置的零空间,叫做左零空间(left nullspace of A)
求A的行空间就是A的转置后的矩阵形成的列空间。转置的列空间。
求A的左零空间就是A的转置后的矩阵对应的零空间,也就是行(?)空间的零空间。
如何求左零空间呢?


行空间和列空间的关系就是是否发生了转置
左零空间和行空间的可视


如何求行空间?基行空间?
张成空间一定有 不用考虑有x1\x2\x3组成的系数么?
张成空间,如何再转化为矩阵呢?求张成空间的 零空间?
垂直于一个平面的线or面?
A的行空间(也就是A转置的列空间) 正交于 A的零空间? 在几何学上,A列空间和A的零空间是什么关系?A 列空间 和 A的转置的零空间是什么关系?


正交补(没有看懂正交补的定义? 就是在同维空间,和V内任何向量都垂直的向量的集合)

矩阵A的秩等于A转置的秩
没怎么看懂如何计算 A转置的秩的过程 !!!!!
这样的。把行空间中每一个行看作是 向量积。
dim(V)+dim(V正交补)=n
用子空间中的向量表示Rn中的向量 (V 和 V补 可以组成 Rn的一组基向量)
从几何上来说,V和V补都是同维空间的向量或平面,V是平面,V补是V的法向量,所以V和V补的结合可以张成Rn空间。
** 零空间 和 正交补有什么关系。**
- 正交补空间 和 V 在同维空间,是通过在 几何中得到的。在同维内的垂直。计算方式是,N(V转置)。
- 零空间在几何中和V是啥样的关系?

正交补空间的正交补空间(为啥不考虑平移呢?比如三维空间的一个向量对应的正交补空间是固定的么?)



方程Ax=b在行空间中的解的例子



子空间上的投影是线性变换



最小二乘逼近
投影就是逼近解


最小二乘求三条直线的最短交点
最短的含义是? 到各个点的距离之和最小么? 解的含义是?


最小二乘求过平面上四个点的逼近直线
现实的问题,被转化为 矩阵,矩阵再映射到 几何,借助矩阵得到结果,牛逼了!!
网友评论