【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(7):逆矩阵

本文主要是介绍【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(7):逆矩阵,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 前言
  • 往期文章
  • 2.3 逆矩阵
    • 定义
    • 写法
    • 定理1
      • 内容
      • 证明
    • 定理2
      • 内容
      • 证明
      • 推论​
      • 运算规律
  • 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!

往期文章

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(1):二阶与三阶行列式、全排列及其逆序数

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(2):n阶行列式、对换

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(3):行列式的性质

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(4):行列式按行(列)展开

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(5):克拉默法则

【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(6):矩阵的运算

2.3 逆矩阵

定义

对于n阶矩阵 A A A,如果有一个n阶矩阵 B B B,使得
A B = B A = E AB=BA=E AB=BA=E

说明矩阵A是可逆的,并把矩阵B称为A的逆矩阵,简称逆阵

记住

如果矩阵A是可逆的,那么A的逆矩阵一定是唯一的。

证:

假设 B、C均是A的逆矩阵,有

B = B E = B ( A C ) = ( B A ) C = E C = C B=BE=B(AC)=(BA)C=EC=C B=BE=B(AC)=(BA)C=EC=C

得出 B=C

所以

A的逆矩阵是唯一的。

写法

A A A的逆矩阵记作 A − 1 A^{-1} A1

A B = B A = E , 则 B = A − 1 AB=BA=E,则B=A^{-1} AB=BA=EB=A1

定理1

内容

若矩阵A可逆,那么 ∣ A ∣ ≠ 0 |A|\neq 0 A=0

证明

因为 矩阵A可逆

那么一定有 A − 1 A^{-1} A1,使得

A A − 1 = E AA^{-1}=E AA1=E

推出

∣ A A − 1 ∣ = ∣ E ∣ = = > ∣ A ∣ ∣ A − 1 ∣ = ∣ E ∣ = 1 = = > ∣ A ∣ ≠ 0 |AA^{-1}|=|E| \\==> |A||A^{-1}|=|E|=1\\ ==> |A|\neq 0 AA1=E==>AA1=E=1==>A=0

定理2

内容

∣ A ∣ ≠ 0 |A|\neq 0 A=0,则矩阵 A A A可逆,且 A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A^* A1=A1A,其中 A ∗ A^* A A A A的伴随矩阵

证明

已知 A A ∗ = ∣ A ∣ E AA^*=|A|E AA=AE (|A|是一个常数)

因为 ∣ A ∣ ≠ 0 |A|\neq 0 A=0

所以 1 ∣ A ∣ A A ∗ = A 1 ∣ A ∣ A ∗ = A ( 1 ∣ A ∣ A ∗ ) = E \frac{1}{|A|}AA^*=A\frac{1}{|A|}A^*=A(\frac{1}{|A|}A^*)=E A1AA=AA1A=A(A1A)=E

又因为 A ∗ A = A A ∗ A^*A=AA^* AA=AA

所以 1 ∣ A ∣ A A ∗ = 1 ∣ A ∣ A ∗ A = ( 1 ∣ A ∣ A ∗ ) A = E \frac{1}{|A|}AA^*=\frac{1}{|A|}A^*A=(\frac{1}{|A|}A^*)A=E A1AA=A1AA=(A1A)A=E

{ A ( 1 ∣ A ∣ A ∗ ) = E ( 1 ∣ A ∣ A ∗ ) A = E \begin{cases} A(\frac{1}{|A|}A^*)=E \\ (\frac{1}{|A|}A^*)A=E \end{cases} {A(A1A)=E(A1A)A=E

得知 矩阵A存在逆矩阵,

A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A^* A1=A1A

证明完成!

推论​

A B = E ( 或 B A = E AB=E(或BA=E AB=EBA=E,则 B = A − 1 B=A^{-1} B=A1

证明:

因为 A B = E AB=E AB=E

所以 ∣ A ∣ ∣ B ∣ = ∣ E ∣ = 1 |A||B|=|E|=1 AB=E=1

∣ A ∣ ≠ 0 |A|\neq0 A=0 A − 1 A^{-1} A1存在

B = E B = ( A − 1 A ) B = A − 1 ( A B ) = A − 1 E = A − 1 B=EB=(A^{-1}A)B=A^{-1}(AB)=A^{-1}E=A^{-1} B=EB=(A1A)B=A1(AB)=A1E=A1

证明完成!

运算规律

方阵的逆矩阵满足运算规律

(1) A A A可逆,则 A − 1 A^{-1} A1也可逆,且 ( A − 1 ) − 1 = A (A^{-1})^{-1}=A (A1)1=A

证明:

因为 A A A可逆

所以

A A − 1 = A − 1 A = E AA^{-1}=A^{-1}A=E AA1=A1A=E

这里令 B = A B=A B=A,得到

B A − 1 = A − 1 B = E BA^{-1}=A^{-1}B=E BA1=A1B=E

推出

A − 1 可 逆 A^{-1}可逆 A1

( A − 1 ) − 1 = B = A (A^{-1})^{-1}=B=A (A1)1=B=A

证明完成!

(2) A A A可逆,数 λ ≠ 0 \lambda \neq 0 λ=0,则 λ A \lambda A λA可逆,且 ( λ A ) − 1 = 1 λ A − 1 (\lambda A)^{-1}=\frac{1}{\lambda}A^{-1} (λA)1=λ1A1

证明:

因为 A A A可逆

所以

A B = B A = E AB=BA=E AB=BA=E

对于 λ A \lambda A λA来说

一定存在 1 λ B \frac{1}{\lambda} B λ1B使得

( λ A ) ( 1 λ B ) = ( 1 λ B ) ( λ A ) = E (\lambda A)(\frac{1}{\lambda}B)=(\frac{1}{\lambda}B)(\lambda A)=E (λA)(λ1B)=(λ1B)(λA)=E
所以

λ A \lambda A λA 也可逆

同时

( λ A ) − 1 = 1 λ B = 1 λ A − 1 (\lambda A)^{-1}=\frac{1}{\lambda}B=\frac{1}{\lambda}A^{-1} (λA)1=λ1B=λ1A1

(3) A 、 B A、B AB为同阶矩阵且均可逆,则 A B AB AB均可逆,且 ( A B ) − 1 = B − 1 A − 1 (AB)^{-1}=B^{-1}A^{-1} (AB)1=B1A1

证明:

因为 A 、 B A、B AB为同阶矩阵且均可逆

所以

  • A C = C A = E ( C = A − 1 ) AC=CA=E (C=A^{-1}) AC=CA=E(C=A1)
  • B D = D B = E ( D = B − 1 ) BD=DB=E (D=B^{-1}) BD=DB=E(D=B1)

因为

  • ( A B ) ( D C ) = A ( B D ) C = A E C = A C = E (AB)(DC)=A(BD)C=AEC=AC=E (AB)(DC)=A(BD)C=AEC=AC=E
  • ( D C ) ( A B ) = D ( C A ) B = D E B = D B = E (DC)(AB)=D(CA)B=DEB=DB=E (DC)(AB)=D(CA)B=DEB=DB=E

所以

A B AB AB可逆,且 ( A B ) − 1 = D C = B − 1 A − 1 (AB)^{-1}=DC=B^{-1}A^{-1} (AB)1=DC=B1A1

证明完成!

(4) A A A可逆,则 A T A^{T} AT也可逆,且 ( A T ) − 1 = ( A − 1 ) T (A^{T})^{-1}=(A^{-1})^{T} (AT)1=(A1)T

证明:

因为 A A A可逆

A A − 1 = A − 1 A = E AA^{-1}=A^{-1}A=E AA1=A1A=E

进行转置,得

( A A − 1 ) T = ( A − 1 A ) T = E T (AA^{-1})^T=(A^{-1}A)^T=E^T (AA1)T=(A1A)T=ET

( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT

( A − 1 ) T A T = A T ( A − 1 ) T = E T = E (A^{-1})^TA^T=A^T(A^{-1})^T=E^T=E (A1)TAT=AT(A1)T=ET=E

所以

A T A^T AT可逆

( A T ) − 1 = ( A − 1 ) T (A^T)^{-1}=(A^{-1})^T (AT)1=(A1)T

证明完成!

结语

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

如果您觉得写得可以的话,请点个赞吧

谢谢支持 ❤️

在这里插入图片描述

这篇关于【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(7):逆矩阵的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/401505

相关文章

mysql的基础语句和外键查询及其语句详解(推荐)

《mysql的基础语句和外键查询及其语句详解(推荐)》:本文主要介绍mysql的基础语句和外键查询及其语句详解(推荐),本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋... 目录一、mysql 基础语句1. 数据库操作 创建数据库2. 表操作 创建表3. CRUD 操作二、外键

Python基础语法中defaultdict的使用小结

《Python基础语法中defaultdict的使用小结》Python的defaultdict是collections模块中提供的一种特殊的字典类型,它与普通的字典(dict)有着相似的功能,本文主要... 目录示例1示例2python的defaultdict是collections模块中提供的一种特殊的字

Python基础文件操作方法超详细讲解(详解版)

《Python基础文件操作方法超详细讲解(详解版)》文件就是操作系统为用户或应用程序提供的一个读写硬盘的虚拟单位,文件的核心操作就是读和写,:本文主要介绍Python基础文件操作方法超详细讲解的相... 目录一、文件操作1. 文件打开与关闭1.1 打开文件1.2 关闭文件2. 访问模式及说明二、文件读写1.

C#基础之委托详解(Delegate)

《C#基础之委托详解(Delegate)》:本文主要介绍C#基础之委托(Delegate),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. 委托定义2. 委托实例化3. 多播委托(Multicast Delegates)4. 委托的用途事件处理回调函数LINQ

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

numpy求解线性代数相关问题

《numpy求解线性代数相关问题》本文主要介绍了numpy求解线性代数相关问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 在numpy中有numpy.array类型和numpy.mat类型,前者是数组类型,后者是矩阵类型。数组

使用C#代码计算数学表达式实例

《使用C#代码计算数学表达式实例》这段文字主要讲述了如何使用C#语言来计算数学表达式,该程序通过使用Dictionary保存变量,定义了运算符优先级,并实现了EvaluateExpression方法来... 目录C#代码计算数学表达式该方法很长,因此我将分段描述下面的代码片段显示了下一步以下代码显示该方法如

MySQL中my.ini文件的基础配置和优化配置方式

《MySQL中my.ini文件的基础配置和优化配置方式》文章讨论了数据库异步同步的优化思路,包括三个主要方面:幂等性、时序和延迟,作者还分享了MySQL配置文件的优化经验,并鼓励读者提供支持... 目录mysql my.ini文件的配置和优化配置优化思路MySQL配置文件优化总结MySQL my.ini文件