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
知几蜗牛几秒前
GPT-6 Astra来了:AI真的开始像“数字员工”一样工作了吗?
人工智能
夏文强3 分钟前
DeepSeek Harness 可观测性:用 OpenTelemetry 把会话遥测出去
人工智能·开源·大模型·agent·deepseek
艾莉丝努力练剑3 分钟前
【AI大模型接入SDK】Gemini模型接入知识体系
java·开发语言·网络·人工智能·网络协议·学习·http
AC赳赳老秦4 分钟前
电力能源公开数据采集实操:用 OpenClaw 合规抓取电网电价与发电量数据,生成区域能源供需分析报告
大数据·数据库·人工智能·python·php·deepseek·openclaw
一切皆是因缘际会5 分钟前
资源的适配
大数据·人工智能·算法
计算机编程-吉哥6 分钟前
小麦叶病害识别系统:基于MobileNet的智能农业病害检测实战【计算机毕业设计选题推荐、深度学习】
人工智能·深度学习·毕业设计·课程设计·计算机毕业设计选题·机器学习毕业设计·大数据毕业设计选题推荐
新知图书8 分钟前
第11章 智能体应用设计模式
人工智能·智能体
LlmCraft|大模型工程实践11 分钟前
09 大语言模型(LLM)演进与 Prompt 入门
人工智能·语言模型·prompt
刘广睿12 分钟前
AI 配音怎么做?语音合成 TTS 技术选型与本地部署实战(edge-tts / GPT-SoVITS / CosyVoice / Piper)
人工智能·音视频·效率工具·语音合成·tts
一见已难忘15 分钟前
鸿蒙 AI 竞技场:用蓝耘 MaaS 一个 Key 让五个大模型同台 PK,Token 消耗实测差 5 倍
人工智能