【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换

阿里云国内75折 回扣 微信号:monov8
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6


文章目录

  • ​​前言​​
  • ​​往期文章​​
  • ​​3.1 矩阵的初等变换​​
  • ​​定义​​
  • ​​等价具有的性质​​
  • ​​矩阵类型​​
  • ​​性质​​
  • ​​性质1​​
  • ​​性质2​​
  • ​​定理1​​
  • ​​推论​​
  • ​​补充​​
  • ​​结语​​

前言

Hello!小伙伴!
非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~
 
自我介绍 ଘ(੭ˊᵕˋ)੭
昵称:海轰
标签:程序猿|C++选手|学生
简介:因C语言结识编程,随后转入计算机专业,有幸拿过一些国奖、省奖…已保研。目前正在学习C++/Linux/Python
学习经验:扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语!
 
机器学习小白阶段
文章仅作为自己的学习笔记 用于知识体系建立以及复习
知其然 知其所以然!


3.1 矩阵的初等变换

定义

矩阵的初等变换

  1. 对调两行(对调i,j两行,记作【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_15


    2、行最简形矩阵

    在行阶梯形矩阵定义的基础之上还要求:

    • 非零行的第一个非零元为1
    • 且这些非零元所处的列的其他元素为0.

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_16


    任何矩阵【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_18


    用m阶初等矩阵【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_21

    观察结果,可以发现最终结果其实就是将A矩阵中第i、j行进行了对调【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_python_24

    可以发现,矩阵【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_27


    左乘时,相当于把矩阵A的第j行乘k加到第i行上

    举个实际例子(左乘):

    单位矩阵第3行乘以k=2加到第2行上

    同理,右乘时,相当于把矩阵A的第j列乘k加到第i列上

    性质

    从上面的讨论中,可以得出

    性质1

    设A是一个m*n矩阵

    • 对A施加一次初等变换,相当于在A的左边乘以相应的m阶初等矩阵;
    • 对A施加一次初等变换,相当于在A的右边乘以相应的n阶初等矩阵

    初等矩阵都是可逆的,且其逆矩阵都是同一类型的初等矩阵

    • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_28
    • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_python_29
    • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_python_30

    注意

    • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_31
    • 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_32

    实例演示

    设3阶单位阵E

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_33

    很显然

    • (E)E=E
    • E(E)=E

    所以单位阵的逆矩阵为其本身 即 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_34

    假设对E的第二行乘以2

    得到【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_35

    那么【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_36


    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_37

    假设对E的第3行乘以2 再加到第2行上

    得到【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_38

    那么【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_python_39


    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_40

    性质2

    方阵A可逆的充分必要条件是存在有限个初等矩阵【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_41使得【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_42

    证明:

    先证明充分性:

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_42

    因为初等矩阵可逆,有限个可逆矩阵的乘积依然可逆

    所以A可逆

    证必要性:

    假设n阶方阵A可逆

    A通过一系列变换转换为标准形矩阵F

    那么F也可以通过一系列初等变换转换为A

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_44

    所以

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_python_45

    因为A可逆,【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_41也可逆

    所以F也可逆

    又因为

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_47

    若r<n

    那么|F|=0 说明F不可逆 与前提条件相反

    所以r=n

    即F=E(F为单位矩阵)

    所以

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_48

    定理1

    设A、B均为m×n矩阵,那么

    1. 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_49【指对A进行初等行变换】的充分必要条件是存在m阶可逆矩阵P,使得【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_50
    2. 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_python_51【指对A进行初等列变换】的充分必要条件是存在n阶可逆矩阵Q,使得【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_52
    3. 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_11的充分必要条件是存在m阶可逆矩阵P、n阶可逆矩阵Q,使得【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_54

    推论

    方阵A可逆的条件是 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_55

    证明充分性:

    因为【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_55

    所以存在初等矩阵P,使得【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_57

    因为E可逆、 P可逆

    那么A一定可逆

    证明必要性:

    首先A通过初等行变换一定可以变为F A~F

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_58

    若r<n 说明|F|=0

    因为A可逆 所以F可逆

    若|F|=0 则不可逆

    所以|F|!=0

    那么 r=n

    即 F=E

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_55

    补充

    定理1表明,如果【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_60,即A经过一系列初等行变换可以变为B,则一定存在可逆矩阵P,使得【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_Machine_61,那么如何求P呢?

    假设已知A、B的情况下

    首先依据题意可得

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_python_62

    所以

    【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_63

    推出

    矩阵(A,E)通过初等行变换可以变为矩阵(B,P)

    A、E、B已知,那么P就一目了然啦

    注意:

    矩阵(A,E)的意思是矩阵A与矩阵E横行拼接

    比如【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_python_64【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_线性代数_65

    那么矩阵【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_python_66

    当B=E时,此时求的P就是A的逆矩阵【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换_机器学习_67(求逆矩阵的一个常用方法!)

    结语

    说明:

    • 参考于 课本《线性代数》第五版 同济大学数学系编
    • 配合书中概念讲解 结合了自己的一些理解及思考

    文章仅作为学习笔记,记录从0到1的一个过程

    希望对您有所帮助,如有错误欢迎小伙伴指正~

    我是 海轰ଘ(੭ˊᵕˋ)੭


    阿里云国内75折 回扣 微信号:monov8
    阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6
    标签: 机器学习