线代--单位矩阵与逆矩阵
单位矩阵的特点是对角线为1(行号等于列号的单元元素值为1 )，其它元素值为0, 是一个方阵，且有 ，当 矩阵的每个行向量与 矩阵的列向量进行乘的时候，由于 矩阵的行向量第 列才有值，所以相当于从 矩阵的列向量中提取第 个元素的值
python的numpy 库初始化一个3*3单位矩阵 np.identity(n = 3)
当存在矩阵 与矩阵 相乘满足条件 ，则称 是矩阵 的逆，记作： 。可逆矩阵一定是方阵，非方阵一定不可逆， 只有方阵才有逆 。
单位矩与逆矩阵的关系:
矩阵的负幂计算： ，这一类计算应用的很少。
python的numpy 对矩阵 求逆矩阵 ： invA = np.linalg.inv(A)
在矩阵系统中，大量的矩阵不存在逆矩阵，但总体而言，可逆矩阵在矩阵系统中还是居多的，只是相比不可逆矩阵而言少的多。
满足可逆条件的矩阵称为 可逆矩阵 ，也叫做 ，意思是这种矩阵是非常平凡的矩阵，正规的矩阵(regular-matrix)；而不可逆矩阵则称为 。
① 对矩阵 而言，若存在逆矩阵 则 唯一
② ， 矩阵的逆矩阵的逆还是 ;
反证法证明如下:
③
④ ，矩阵 的转置的逆等于 的逆的转置; 求证:
绛旓細褰撳瓨鍦鐭╅樀 涓鐭╅樀 鐩镐箻婊¤冻鏉′欢 锛屽垯绉 鏄煩闃 鐨勯嗭紝璁颁綔锛 銆傚彲閫嗙煩闃典竴瀹氭槸鏂归樀锛岄潪鏂归樀涓瀹氫笉鍙嗭紝 鍙湁鏂归樀鎵嶆湁閫 銆 鍗曚綅鐭╀笌閫嗙煩闃鐨勫叧绯: 鐭╅樀鐨勮礋骞傝绠楋細 锛岃繖涓绫昏绠楀簲鐢ㄧ殑寰堝皯銆 python鐨刵umpy 瀵圭煩闃 姹傞嗙煩闃 锛 invA = np.linalg.inv(A)鍦ㄧ煩...
绛旓細棣栧厛浜嗚В涓涓鍗曚綅鐭╅樀锛屽乏涓婂埌鍙充笅鍒板瑙掔嚎绾垮奸兘鏄1锛屽叾浣欏埌鍊奸兘鏄0銆傛牴鎹煩闃靛悜閲忎箻娉曪紝鎴栬呯煩闃典箻娉曪紝璁＄畻涓嬫潵锛孍v=v锛孍A=A銆傚彲浠ヨ鍗曚綅鐭╅樀E涔樼煩闃靛悜閲弙锛寁娌℃湁鍙樺寲銆備箻鐭╅樀A锛孉涔熸病鏈夊彉鍖栥2銆佷箣鍓嶇煡閬撶煩闃靛悜閲忎箻娉曟槸琛ㄧず瀵逛竴涓悜閲忚繘琛岀嚎鎬у彉鎹紝缁撴灉鍙樻崲鍚庢槸杩欎釜鍚戦噺鍧愭爣绯讳腑浣嶇疆銆侫v=w锛...
绛旓細閫嗙煩闃碉細 璁続鏄暟鍩熶笂鐨勪竴涓猲闃舵柟闃碉紝鑻ュ湪鐩稿悓鏁板煙涓婂瓨鍦ㄥ彟涓涓猲闃剁煩闃礏锛屼娇寰楋細 AB=BA=E銆 鍒欐垜浠ОB鏄疉鐨勯嗙煩闃碉紝鑰孉鍒欒绉颁负鍙嗙煩闃銆傛浜ょ煩闃碉細浣欏瓙寮忓畾涔 锛欰鍏充簬绗琲 琛岀j 鍒楃殑 浣欏瓙寮 锛堣浣淢ij锛夋槸鍘绘帀...
绛旓細棣栧厛锛屾垜浠亣璁惧瓨鍦ㄤ竴涓煩闃 A = (I + UV^T)锛屽叾涓 I 鏄 n脳n 鐨鍗曚綅鐭╅樀銆傜劧鍚庯紝鎴戜滑瀹氫箟 B = (I + V^T U)锛屽叾涓 I 鏄 k脳k 鐨勫崟浣嶇煩闃点傛垜浠彲浠ョ湅鍒帮紝A 鍙互琚〃绀轰负 A = I - U(I + V^T U)^(-1)V^T銆傜幇鍦紝鎴戜滑鏉ヨ绠 A 鐨閫嗙煩闃 A^(-1)锛欰^(-1) = (I -...
绛旓細瀵鍙鐭╅樀A鍙繘琛屽垵绛夎鍙樻崲鎴栬呭垪鍙樻崲灏咥鍙樹负鍗曚綅鐭╅樀(鍗筹細瑕佷箞鍏ㄦ槸琛屽彉鎹紝瑕佷箞鍏ㄦ槸鍒楀彉鎹)鍦ㄥA鍋氳(鍒)鍙樻崲鐨勫悓鏃跺E杩涜鐩稿悓鐨勫彉鎹紝鏈鍚庡綋A鏄崟浣嶇煩闃垫椂锛孍灏辨垚浜嗗畠鐨勯嗙煩闃典簡
绛旓細閫嗙煩闃鐨勬眰娉曪紝鍙宠竟鎷间笂涓涓鍗曚綅鐭╅樀锛屽彧杩涜琛屽垵绛夊彉鎹紝褰撳乏闈㈠彉鎴愬崟浣嶇煩闃垫椂锛岄噳闈㈠嵆鏄叾閫嗙煩闃点傚彸杈圭殑閫嗙煩闃垫槸锛0 1 -1 1/3 -1/3 2/3 -1/3 1/3 1/3 鏈缁堢粨鏋滐細4 2 2 2 4 -2 2 -2 4 ...
绛旓細濡傚浘鎵绀猴紝灞曞嚭锛屽彲鍖栫畝
绛旓細閫嗙煩闃碉紝濡傚悓涓鍏冧竴娆℃柟绋嬩腑鐨勫掓暟锛屾槸鐭╅樀涔樻硶涓殑鍏抽敭鍏冪礌銆傚綋瀛樺湪涓涓煩闃 \( A \) 鍜屽畠鐨勯嗙煩闃 \( A^{-1} \)锛屼娇寰 \( A \times A^{-1} = I \)锛屽叾涓 \( I \) 鏄鍗曚綅鐭╅樀锛岃繖灏辨剰鍛崇潃閫嗙煩闃电殑瀛樺湪鏄‘淇濇柟绋嬬粍鏈夊敮涓瑙ｇ殑鏍囧織銆傚畾涔夊涓嬶細鑻ョ煩闃 \( A \) 婊¤冻瀛樺湪鍙︿竴...
绛旓細鑰屼粬鐨閫嗙煩闃鏄皢绗竴琛屼箻浠2鐨勫掓暟灏辨槸鐭╅樀鐨勯嗙煩闃典簡銆傚鏋滆繕鏈変笉鏄庣櫧鐨勶紝鍙摕闂垜鍝︺傦紝鎴戝緢涔愭剰甯姪浣犲摝銆傘傘傚绗竴涓槸 0 1 0 1 0 0 0 0 1浠栨槸鐢鍗曚綅鐭╅樀E缁廍锛1锛2锛夊彉鏉ョ殑銆傚垯 0 1 0 1 0 0 0 0 1鐨勯嗙煩闃垫槸鍘熸潵鐨勭煩闃 0 1 0 1 0 0 0 0 1 鍏朵粬绫讳技銆
绛旓細绗簩姝ユ槸灏咵+A鐪嬪仛涓涓暣浣擄紝鐭╅樀涔樺畠鐨閫嗙煩闃涓鍗曚綅鐭╅樀銆備篃灏辨槸锛屼护B锛滶+A锛孍锛滲B藟¹
