关于矩阵的知识点

行列式

行列式的基本性质

  1. 单位阵行列式的值为1
  2. 交换行或者列,行列式的值乘 -1
  3. |2a 3b c d| = 2*3*|a b c d|
    |a b+c d e| = |a b d e| + |a c d e|
  4. 某一行加上k倍其他行,行列式的值不变(用到性质3)
  5. |AB| = |A|*|B|
  6. |A| = |AT|,利用A = LU和上条性质可证明

矩阵

矩阵的类别

  • 置换矩阵(permutation)
    定义:P的每行和每列有且仅有一个1,其余填零。PA即为行变换,AP即为列变换。
    求行列式:1或 -1,看其经过多少次变换可以成为单位阵,奇数次取-1,偶数次取1。
    求特征值:1和 -1,再根据迹和行列式的值看有几个1几个-1。
  • 正交矩阵
    各列两两正交且为单位向量、各行两两正交且为单位向量。置换矩阵即为正交矩阵。
    求行列式:1或 -1,具体需要看矩阵是什么样子的。
    求逆:正交矩阵的转置即为其逆矩阵,置换矩阵是正交矩阵,故同样符合该求逆规则。
    求特征值:容易出现复数
  • 对称矩阵(symmetric)
    对称矩阵的转置还是其本身。
    形成:AAT结果即为对称矩阵。
    求逆:结果仍为对称矩阵。
    求行列式:各列或各行相加得到的列中的元素值一样,提出该值,依次计算。
    求特征值:高斯消元后,主元的符号就是特征值的符号。对称矩阵可对角化。对角阵上的值即为对应的特征值。特征值对应的特征向量都是正交的。
  • 正定矩阵
    特征值均为正数的对称矩阵即为正定矩阵。0和正数同时存在称作半正定矩阵。
    求逆:结果仍为正定矩阵。
    求行列式:各列或各行相加得到的列中的元素值一样,提出该值,依次计算。
    求特征值:全为正数
  • 代数余子式矩阵
    矩阵中某一元素的代数余子式是除去该元素所在的行和列,剩下元素形成的行列式的值,对矩阵中所有元素求该值,形成的矩阵即为代数余子式矩阵。
  • 伴随矩阵
    矩阵A的伴随矩阵是A的代数余子式矩阵的转置。
    形成:A* = |A|A-1
    求逆:A / |A|
  • 上三角矩阵
    对角线及其上方有值(该值可为0),其余填0。
    求逆:仍为上三角,对角线上的元素取倒数,其余稍稍计算即可
    求行列式:对角线元素相乘
    求特征值:对角线元素即为特征值
  • 下三角矩阵
    对角线及其下方有值(该值可为0),其余填0。
    求逆:仍为下三角,对角线上的元素取倒数,其余稍稍计算即可
    求行列式:对角线元素相乘
    求特征值:对角线元素即为特征值
  • 对角阵
    只在对角线上有值的矩阵(该值可以为0),其余填0。既是上三角阵,也是下三角阵
    求逆:每一个元素取倒数形成的矩阵即为逆矩阵
    行列式:对角线元素相乘
    求特征值:对角线元素即为特征值

矩阵求解逆矩阵、特征值、行列式常用性质

  • 逆矩阵
    |A||A-1| = E
  • 特征值
    特征值的和等于迹(对角元素相加之和),特征值的积等于行列式的值
  • 行列式
    若存在线性相关向量(不满秩),行列式的值为0

矩阵的分解

  • LU分解(A = LU)
    U是高斯消元结果,可视为对A左乘P进行行变换,PA = U,有A = P-1U,则行变换矩阵的逆即为L。L对角线上为1。
  • QR分解(A = QR)
    Q是A正交化的结果,是A列空间的标准正交基,因为Q是以第一列为初始方向向量,对其他列向量进行变换,故R的第一列只有第一个元素有值,则R是上三角矩阵。a1 = R11 * q1,R11是一个数。
  • 特征值分解(A = S\LambdaS-1)
    S为特征向量组成的矩阵,\Lambda是特征值组成的对角阵。前提条件:S可逆要求所有特征向量线性无关。
    若A为正定阵(光对称不行,因为奇异值是非负的),则S为正交阵,此时A = S\LambdaST,正好可看作奇异值分解,正交阵乘非负特征值阵乘正交阵。
  • 奇异值分解(A = U\SigmaVT)
    U是列空间的一组正交基,V是行空间的一组正交基,\Sigma是奇异值矩阵。U、V通过AAT、ATA可求得。\Sigma是AAT或者ATA的特征值的平方根。
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,744评论 6 502
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,505评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,105评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,242评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,269评论 6 389
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,215评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,096评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,939评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,354评论 1 311
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,573评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,745评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,448评论 5 344
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,048评论 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,683评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,838评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,776评论 2 369
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,652评论 2 354

推荐阅读更多精彩内容