求逆矩阵 时用到的矩阵的性质

本文最希望通过维度变换的角度来思考矩阵的逆、行列式、以及行变换、列变换。

1.1、矩阵的逆是什么

我们依旧把矩阵理解为函数或者说是映射。假设存在矩阵  向量 那么可以看成是 。

我们令矩阵F的逆矩阵为 也就是函数  。 

1.2、矩阵不可逆的情况

如果你了解些许函数的概念的话你就能够明白矩阵可逆的條件了。既然矩阵可以映射还能够通过映射的值找到原来的值。那么矩阵运算过程中就不能有数据丢失就是函数中的一对一函数。

关於矩阵的秩大家都知道,矩阵有n个行向量不平行矩阵的秩就是n。矩阵的秩就是矩阵的维度

我们也知道,矩阵*向量时输出的向量的维喥会与矩阵的维度相等所以说:矩阵的秩,或者说矩阵的维度就是该矩阵把向量映射后的维度

假设矩阵的秩为 2向量的维度是 3。  矩陣*向量后向量的维度也是2。这里的信息是必然丢失的可以想象,一个三维的向量被投射到一个二维的平面上那么你永远不会知道它原来长什么样,因为肯定有无穷多多个不同的三维向量被投射到了同一个二维向量上例:

假设我遮住原向量,给你矩阵和乘法的结果伱能知道原向量吗?显然是不可能的如下:

    将这个为题变成方程组,也是三个未知数两个方程。不可能得出唯一解所以这不是一对┅的,也就意味着你永远找不到原来的向量

PS:如果大家无法还是难以理解,可以思考这样一个矩阵

假设三维空间的三个坐标轴为X Y Z,假設矩阵 M 作用是将向量投影到X Y 平面上。

那么什么样的向量被投影到 X Y平面之后会变成 零向量呢答案就是与X Y垂直的向量,都会被投影成零向量换而言之,与Z轴平行的向量都会被投影成零向量

即,若向量 V与Z轴平行那么  。也就是说无穷多个向量会被投影成零向量而不仅仅昰零向量,X Y平面的所有向量都可以被无穷多个三维向量投影而成同样,不仅仅是X Y平面任何一个平面都有这样的性质矩阵的秩不满僦意味着矩阵乘法会把维度减少,从而把向量投影到一个更低的维度这一点有一个比较“实用”的应用,就是方程组通解的个数与矩阵秩的关系就是这个原理

最后得出结论:矩阵满秩时(不为0的行数等于列数),也就是说矩阵没有减少维度时矩阵是可逆的

1.2.2矩阵中向量平行

矩阵中有向量是平行的就说明,可以通过某种变换让矩阵降维(使某一行全为0矩阵的秩减少。这种变换就是行变换行变换不會改变矩阵原有的信息,后面我们会谈到)此时,矩阵是不可逆的

不过,除了矩阵的秩减少我们可以换一个思维模式得到不可逆这個结论。例如:

 显然矩阵的两个列向量 与    平行或者说共线同时行向量也平行。

如果你有阅读过我的上一篇线性代数博客你应该还记得,矩阵乘法就是对矩阵中向量的线性组合

向量  是由 向量 和  线性组合而来。同时这两个向量是共线的所以  也与这两个向量共线。应该说矩陣  所有的映射(即A与向量做矩阵乘法)都会与这两条向量共线

向量  原本是二维向量,现在被映射到了一条直线上(一维)明显数据是丢失嘚。

再次得出结论:矩阵中有平行的向量时矩阵不可逆

1.2.3矩阵映射后出现出现0向量

 时矩阵不可逆。

再回到线性组合的思想在矩阵Φ的向量组合中,有0向量这就说明了某个向量与其他全部向量的某种组合共线

这么说的特别的拗口如图:

 ,我们利用前面两种向量線性组合就能获得所有的二维的向量,所以说第三个向量是多余的

同样,很容易证明这个矩阵不是一对一映射的这里就不多赘述了。

当我想要组合某一个向量时我只需要对前面两个向量设置参数就行了。可以说第三个向量与所有的组成方式都没有关系就是说第三個向量的参数一直设置为0,也不会让某种二维向量映射不出来也许你听说过这个现象的另一个名字,线性无关

矩阵对于其逆矩阵。就恏像函数对于其反函数

函数具有一个性质, 函数内嵌套复合函数,其函数值为x(假设函数将集合映射到集合 ,那么就是将集合中的え素映射回原来中的元素)

其逆矩阵  是反函数。 那么就相当于 (这里不得不提,在矩阵乘法时我们总是从右往左乘,虽然矩阵乘法囿交换律但是从右向左乘理解会方便很多后面讲到矩阵变换时,其作用就会很明显)

函数与反函数给我们的启发是,它们复合(无论誰在外层)的函数我们输入  依旧会得到一个  。映射前后输入的值没有变化。这一点也同样可以放到矩阵乘法中也就是说存在向量和矩阵        。

这也就意味着   ( 矩阵往往作为单位矩阵的标识出现所谓的单位矩阵,就是它乘某个向量时向量不会变化)。 同理: 

我们来举個例子求逆矩阵:

 (单位矩阵上的左对角线全部为1,其余部分都为0)

      这里利用矩阵乘法直接解方程就能得到各个字母等于多少。从而求絀逆矩阵

我并不太喜欢增广矩阵这个说法,虽然这个名词很重要但是这里我还是想用原理说清楚为什么可以利用增广矩阵。

我们常常看到的通过增广矩阵的解法是这样的

 那么画出矩阵  这个矩阵的左边是原矩阵,右边是单位矩阵通过行变换,将矩阵变成   这个时候右邊的矩阵  就是原矩阵的逆矩阵。

这里我们需要理解行变换行变换就是矩阵乘某些变换矩阵,让行移位或者相消

例如:对矩阵 变换成  就昰行二减二倍行一。前后矩阵蕴含的信息和性质不变

这个变换过程可以通过矩阵乘法实现,令行二变换的矩阵为     . 再令行一变换的矩阵為。

(记得我前面写的矩阵从右往左乘。但是在此强调矩阵乘法是函数嵌套,同理通过乘逆矩阵变回原来的矩阵就要先乘最后一个被乘的矩阵的逆矩阵。你脱鞋子之后再脱袜子逆过程就是先穿袜子再穿鞋子)。

所有右边的矩阵就是的逆矩阵

关于行变换矩阵,我将介绍具体怎么写这个矩阵已经里面蕴含的思想。

虽然我说了我们常常把矩阵乘法想像为从右往左乘但是现在你需要反过来,从左往右塖

这里你得需要前置知识在我的上一篇博客中:

这里重申最为重要的一点:矩阵相乘可以理解成,对左边矩阵的列向量的线性组合也鈳以是对右边矩阵行向量的线性组合

那么我假设你理解这句话:

也就是说变换矩阵不需要计算,可以直接写出来变换矩阵 记录的是變换前的矩阵  的某一行对变换后的贡献。

当然这里肯定需要先理解矩阵乘法。再次安利我的上一篇

首先总结一下、我一共介绍了一下幾点

1、矩阵逆不存在的情况

结语没啥好说的。假设你看到这篇博客欢迎你给出你的宝贵建议。欢迎评论讨论问题

}

首先我们先来看看这个数的倒數:

其实矩阵的逆矩阵也跟倒数的性质一样,不过只是我们习惯用A-1表示:

问题来了既然是和倒数的性质类似,那为什么不能写成1/A

其实原因很简单,主要是因为矩阵不能被除不过 1/8倒可以被写成 8-1

矩阵的逆倒数还有其他相似之处吗

  • 当我们将一个数乘以它的倒数我们嘚到1。
  • 当一个矩阵乘以逆时我们得到了单位矩阵(而单位矩阵,其实也就是矩阵中的“1”)
  • 而此时我们将矩阵的逆放在前面,很明显结果还是一样的

模友:超模君,刚才讲的“单位矩阵”是什么意思你还没说明呢

超模君:别急,慢慢来!关于单位矩阵其实就是一個相当于数字“1”的矩阵:

那怎样的矩阵才是单位矩阵呢?

①它是“正方形”(行数与列数相同);

②它的对角线上的数字都是1其他地方都是0。

  • 那问题来了我们该如何去计算矩阵的逆呢?

换句话说:交换a和d的位置将负数置于b和c的前面,并将所有事物除以行列式(ad-bc)

不過该如何去判断这是正确的答案呢

那这个时候就要用到我们最开始讲的公式:

所以,让我们检查一下当我们将矩阵乘以矩阵的逆时,會是怎样的

嘿嘿嘿嘿!我们最终得到了单位矩阵!

留个作业:试试这样,能不能得到单位矩阵呢

其实,在了解矩阵的过程中总是会囿个疑问:为什么我们需要矩阵的逆呢?

其主要原因是:矩阵没办法被除(这个时间各位模友可以回想一下:是不是从来都没看过矩阵被除

换句话说,矩阵根本就没有被除的概念

而矩阵的逆,正好是被我们用来解决“矩阵除法”的问题

各位模友,假如我们没有“除法”这个规则那当有人问你“如何把10分苹果平分给两个人”

那我们是不是可以采取2的倒数(1/2=0.5)来计算那答案就很清晰啦:

也就是每個人5个苹果

那我们是不是也可以将同样的方法应用到矩阵上呢

那故事就这么开始了,我们知道矩阵A矩阵B并且想要找到矩阵X

那最恏的方法就是直接除以A(得到X = B / A)但事实上我们不能直接除以矩阵A。

但是我们却可以在公式两边都乘以A-1:

因为我们都知道AA-1=I所以也就能得到

洏此时单位矩阵I我们是可以直接去掉的,也就能得到:

所以呢此时我们只要知道怎么计算A-1,那就可以直接算出矩阵X(而对于计算A-1早已解決)

有一个几个家庭组团出去旅行,出发的时候是乘坐大巴每位儿童3元,每个大人3.2元一共花费了118.4元。

在回程时他们选择乘坐火车,每名儿童3.5元每名成人3.6元,总计135.20元

那问题来了,这里边有多少个小孩和大人呢

虽然这道题用线性方程组来解很简单,但这次我们尝試用矩阵思维来解答

首先,我们设置好矩阵(此时要注意好矩阵的行和列是否正确)

要解决这个问题那也就是得到矩阵A的倒数:

现茬我们可以使用以下方法来解决:

结果很明显,一共有16个孩子22个大人

  • 那问题来了矩阵的逆到底有什么用?

事实上像这样的计算其實非常有利于工程师设计建筑物视频游戏和计算机动画等许多地方

此外,它也是解决线性方程组的一种方法

虽然求矩阵的逆,只要咑开MATLAB, 输入inv(A)

但超模君这里就要插一句话:

虽然这个过程是由计算机完成,但我们还是有必要去了解公式因为这正是数学的美妙之处!

}

我要回帖

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信