线性代数 - 初等矩阵

线性代数 - 初等矩阵

flyfish

单位矩阵

单位矩阵是一种特殊的方阵,:主对角线(从左上到右下)上的元素全是1,其余位置的元素全是0。

比如3阶单位矩阵I3=100010001\mathbf{I}_3 = \begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}I3= 100010001

它的作用类似数字"1"------任何矩阵和它相乘,结果都等于原矩阵(前提是乘法规则允许)。

初等矩阵

初等矩阵是单位矩阵经过一次初等行变换或初等列变换后得到的矩阵,用它左乘原矩阵等价于对原矩阵做相同的初等行变换,右乘则等价于做相同的初等列变换。

矩阵
A=211433879\mathbf{A} = \begin{bmatrix} 2 & 1 & 1 \\ 4 & 3 & 3 \\ 8 & 7 & 9 \end{bmatrix}A= 248137139

1. 交换两行(列)对应的初等矩阵

初等变换:交换A\mathbf{A}A的第1行和第2行(记为r1↔r2r_1 \leftrightarrow r_2r1↔r2)

构造初等矩阵:对单位矩阵I3=100010001\mathbf{I}_3 = \begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}I3= 100010001 做同样的行交换,得到E1=010100001\mathbf{E}_1 = \begin{bmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{bmatrix}E1= 010100001

验证效果:左乘E1A=010100001211433879=433211879\mathbf{E}_1\mathbf{A} = \begin{bmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{bmatrix}\begin{bmatrix} 2 & 1 & 1 \\ 4 & 3 & 3 \\ 8 & 7 & 9 \end{bmatrix} = \begin{bmatrix} 4 & 3 & 3 \\ 2 & 1 & 1 \\ 8 & 7 & 9 \end{bmatrix}E1A= 010100001 248137139 = 428317319 ,结果正是A\mathbf{A}A交换1、2行后的矩阵。

2. 某行(列)乘非零常数对应的初等矩阵

初等变换:将A\mathbf{A}A的第1行乘2(记为2r12r_12r1)

构造初等矩阵:对单位矩阵I3\mathbf{I}_3I3的第1行乘2,得到E2=200010001\mathbf{E}_2 = \begin{bmatrix} 2 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}E2= 200010001

验证效果:左乘E2A=200010001211433879=422433879\mathbf{E}_2\mathbf{A} = \begin{bmatrix} 2 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}\begin{bmatrix} 2 & 1 & 1 \\ 4 & 3 & 3 \\ 8 & 7 & 9 \end{bmatrix} = \begin{bmatrix} 4 & 2 & 2 \\ 4 & 3 & 3 \\ 8 & 7 & 9 \end{bmatrix}E2A= 200010001 248137139 = 448237239

结果正是A\mathbf{A}A第1行乘2后的矩阵。

3. 某行(列)的k倍加到另一行(列)对应的初等矩阵

初等变换:将A\mathbf{A}A第1行的2倍加到第2行(记为r2+2r1r_2 + 2r_1r2+2r1)

构造初等矩阵:对单位矩阵I3\mathbf{I}_3I3做同样变换(第1行乘2加至第2行),得到E3=100210001\mathbf{E}_3 = \begin{bmatrix} 1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}E3= 120010001

验证效果:左乘E3A=100210001211433879=211855879\mathbf{E}_3\mathbf{A} = \begin{bmatrix} 1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}\begin{bmatrix} 2 & 1 & 1 \\ 4 & 3 & 3 \\ 8 & 7 & 9 \end{bmatrix} = \begin{bmatrix} 2 & 1 & 1 \\ 8 & 5 & 5 \\ 8 & 7 & 9 \end{bmatrix}E3A= 120010001 248137139 = 288157159 ,结果正是A\mathbf{A}A做r2+2r1r_2 + 2r_1r2+2r1变换后的矩阵。

相关推荐
明王明王29 分钟前
从零搭建一个 AI Infra 实验室㉑:llm-d——从单个 vLLM 走向分布式推理
人工智能·ai infra
武子康31 分钟前
图片删了,为什么旧链接还能打开、后台还能生成回来?
人工智能·agent
yuanyuan3341 小时前
2026枣庄带检测报告伸缩门品牌测评|本地服务
大数据·数据库·人工智能·伸缩门
无所畏俱的老尹1 小时前
Agent 落地为什么需要影子对照:同输入只读双跑、写动作变提案、差异报警,比直接切全量更安全
人工智能·机器学习·云计算·aigc·devops
会飞锦鲤1 小时前
基于 SVM + HOG 的铸造缺陷检测系统
python·opencv·机器学习·计算机视觉·缺陷检测·图像分类·svm
神鹰手哥_起飞版2 小时前
深度研判任务里,开思考、换更强的模型、套方法论,哪个更有用?
人工智能
ObserverX212 小时前
我是如何用 13KB 纯 Python,发现本地 RAG 的“隐式递归记忆”的
人工智能
Jason_gao9992 小时前
Github Copilot 新手极速上手指南
人工智能·github·copilot
用户360055579002 小时前
Kestrel_VLLM - 35 · 把 m 循环搬进内核:一次「先量发射、再合并发射」的完整回合
人工智能
Linye2 小时前
为什么让 AI 修个小 Bug 却把底层全重写了?聊聊 Coding Agent 的最小修改边界
人工智能·架构