矩阵,求矩阵秩、逆矩阵
求矩阵秩的方法:
- 高斯消元法:通过行变换将矩阵化为行阶梯形矩阵,然后数非零行的数量。
- LU分解:通过分解矩阵成上下三角矩阵,计算非零对角元素的数量。
- SVD分解:通过奇异值分解,计算非零奇异值的数量。
- 行列式法:检查所有可能的子矩阵行列式,寻找最大的非零子矩阵。
求逆矩阵的方法:
- 高斯-约当消去法(Gauss-Jordan Elimination):将增广矩阵 [ A ∣ I ] [A | I] [A∣I]化为 [ I ∣ A − 1 ] [I | A^{-1}] [I∣A−1]。
- 伴随矩阵法(Adjugate Matrix Method):通过计算伴随矩阵和行列式求逆矩阵。
- LU分解:通过上下三角矩阵分解求逆矩阵。
- SVD分解:通过奇异值分解求逆矩阵。
- Cholesky分解:适用于正定矩阵,通过分解求逆矩阵。
这些方法各有其优点和适用场景,根据具体问题选择合适的方法。
用高斯消元法求三阶矩阵的秩
假设我们有矩阵 A A A:
A = ( 1 2 3 2 4 6 1 1 1 ) A = \begin{pmatrix} 1 & 2 & 3 \\ 2 & 4 & 6 \\ 1 & 1 & 1 \end{pmatrix} A= 121241361
步骤:
-
用第二行减去第一行的2倍:
A ′ = ( 1 2 3 0 0 0 1 1 1 ) A' = \begin{pmatrix} 1 & 2 & 3 \\ 0 & 0 & 0 \\ 1 & 1 & 1 \end{pmatrix} A′= 101201301 -
用第三行减去第一行:
A ′ ′ = ( 1 2 3 0 0 0 0 − 1 − 2 ) A'' = \begin{pmatrix} 1 & 2 & 3 \\ 0 & 0 & 0 \\ 0 & -1 & -2 \end{pmatrix} A′′= 10020−130−2
此时行阶梯形矩阵中有2个非零行,因此矩阵 A A A的秩为2。
用行列式法求三阶矩阵的秩
假设我们有同样的矩阵 A A A:
A = ( 1 2 3 2 4 6 1 1 1 ) A = \begin{pmatrix} 1 & 2 & 3 \\ 2 & 4 & 6 \\ 1 & 1 & 1 \end{pmatrix} A= 121241361
步骤:
-
计算 3 × 3 3 \times 3 3×3矩阵的行列式:
det ( A ) = 1 ∣ 4 6 1 1 ∣ − 2 ∣ 2 6 1 1 ∣ + 3 ∣ 2 4 1 1 ∣ \text{det}(A) = 1 \begin{vmatrix} 4 & 6 \\ 1 & 1 \end{vmatrix} - 2 \begin{vmatrix} 2 & 6 \\ 1 & 1 \end{vmatrix} + 3 \begin{vmatrix} 2 & 4 \\ 1 & 1 \end{vmatrix} det(A)=1 4161 −2 2161 +3 2141
det ( A ) = 1 ( 4 ⋅ 1 − 6 ⋅ 1 ) − 2 ( 2 ⋅ 1 − 6 ⋅ 1 ) + 3 ( 2 ⋅ 1 − 4 ⋅ 1 ) \text{det}(A) = 1 (4 \cdot 1 - 6 \cdot 1) - 2 (2 \cdot 1 - 6 \cdot 1) + 3 (2 \cdot 1 - 4 \cdot 1) det(A)=1(4⋅1−6⋅1)−2(2⋅1−6⋅1)+3(2⋅1−4⋅1)
det ( A ) = 1 ( − 2 ) − 2 ( − 4 ) + 3 ( − 2 ) \text{det}(A) = 1 (-2) - 2 (-4) + 3 (-2) det(A)=1(−2)−2(−4)+3(−2)
det ( A ) = − 2 + 8 − 6 = 0 \text{det}(A) = -2 + 8 - 6 = 0 det(A)=−2+8−6=0 -
行列式为0,表示矩阵 A A A的秩小于3。我们需要检查所有 2 × 2 2 \times 2 2×2子矩阵:
∣ 1 2 2 4 ∣ = 1 ⋅ 4 − 2 ⋅ 2 = 0 \begin{vmatrix} 1 & 2 \\ 2 & 4 \end{vmatrix} = 1 \cdot 4 - 2 \cdot 2 = 0 1224 =1⋅4−2⋅2=0
∣ 1 3 1 1 ∣ = 1 ⋅ 1 − 3 ⋅ 1 = − 2 \begin{vmatrix} 1 & 3 \\ 1 & 1 \end{vmatrix} = 1 \cdot 1 - 3 \cdot 1 = -2 1131 =1⋅1−3⋅1=−2
∣ 2 3 4 6 ∣ = 2 ⋅ 6 − 3 ⋅ 4 = 0 \begin{vmatrix} 2 & 3 \\ 4 & 6 \end{vmatrix} = 2 \cdot 6 - 3 \cdot 4 = 0 2436 =2⋅6−3⋅4=0
找到一个非零子矩阵,表示矩阵的秩为2。
用增广矩阵法求三阶矩阵的逆矩阵
假设我们有矩阵 B B B:
B = ( 2 − 1 0 − 1 2 − 1 0 − 1 2 ) B = \begin{pmatrix} 2 & -1 & 0 \\ -1 & 2 & -1 \\ 0 & -1 & 2 \end{pmatrix} B= 2−10−12−10−12
步骤:
-
构建增广矩阵 [ B ∣ I ] [B | I] [B∣I]:
( 2 − 1 0 ∣ 1 0 0 − 1 2 − 1 ∣ 0 1 0 0 − 1 2 ∣ 0 0 1 ) \begin{pmatrix} 2 & -1 & 0 & | & 1 & 0 & 0 \\ -1 & 2 & -1 & | & 0 & 1 & 0 \\ 0 & -1 & 2 & | & 0 & 0 & 1 \end{pmatrix} 2−10−12−10−12∣∣∣100010001 -
通过高斯-约当消去法将其化为 [ I ∣ B − 1 ] [I | B^{-1}] [I∣B−1]:
( 1 0 0 ∣ 3 4 1 2 1 4 0 1 0 ∣ 1 2 1 1 2 0 0 1 ∣ 1 4 1 2 3 4 ) \begin{pmatrix} 1 & 0 & 0 & | & \frac{3}{4} & \frac{1}{2} & \frac{1}{4} \\ 0 & 1 & 0 & | & \frac{1}{2} & 1 & \frac{1}{2} \\ 0 & 0 & 1 & | & \frac{1}{4} & \frac{1}{2} & \frac{3}{4} \end{pmatrix} 100010001∣∣∣43214121121412143
得到矩阵 B B B的逆矩阵为:
B − 1 = ( 3 4 1 2 1 4 1 2 1 1 2 1 4 1 2 3 4 ) B^{-1} = \begin{pmatrix} \frac{3}{4} & \frac{1}{2} & \frac{1}{4} \\ \frac{1}{2} & 1 & \frac{1}{2} \\ \frac{1}{4} & \frac{1}{2} & \frac{3}{4} \end{pmatrix} B−1= 43214121121412143
用伴随矩阵法求三阶矩阵的逆矩阵
假设我们有同样的矩阵 B B B:
B = ( 2 − 1 0 − 1 2 − 1 0 − 1 2 ) B = \begin{pmatrix} 2 & -1 & 0 \\ -1 & 2 & -1 \\ 0 & -1 & 2 \end{pmatrix} B= 2−10−12−10−12
步骤:
-
计算矩阵的行列式:
det ( B ) = 2 ∣ 2 − 1 − 1 2 ∣ − ( − 1 ) ∣ − 1 − 1 0 2 ∣ + 0 \text{det}(B) = 2 \begin{vmatrix} 2 & -1 \\ -1 & 2 \end{vmatrix} - (-1) \begin{vmatrix} -1 & -1 \\ 0 & 2 \end{vmatrix} + 0 det(B)=2 2−1−12 −(−1) −10−12 +0
det ( B ) = 2 ( 4 − 1 ) − ( − 1 ) ( − 2 ) \text{det}(B) = 2 (4 - 1) - (-1)(-2) det(B)=2(4−1)−(−1)(−2)
det ( B ) = 2 ⋅ 3 − 2 = 4 \text{det}(B) = 2 \cdot 3 - 2 = 4 det(B)=2⋅3−2=4 -
计算伴随矩阵(Cofactor Matrix的转置):
adj ( B ) = ( ∣ 2 − 1 − 1 2 ∣ − ∣ − 1 − 1 − 1 2 ∣ ∣ − 1 2 − 1 2 ∣ − ∣ − 1 0 − 1 2 ∣ ∣ 2 0 0 2 ∣ − ∣ 2 − 1 0 − 1 ∣ ∣ − 1 0 2 − 1 ∣ − ∣ 2 − 1 − 1 − 1 ∣ ∣ 2 − 1 − 1 2 ∣ ) \text{adj}(B) = \begin{pmatrix} \begin{vmatrix} 2 & -1 \\ -1 & 2 \end{vmatrix} & -\begin{vmatrix} -1 & -1 \\ -1 & 2 \end{vmatrix} & \begin{vmatrix} -1 & 2 \\ -1 & 2 \end{vmatrix} \\ -\begin{vmatrix} -1 & 0 \\ -1 & 2 \end{vmatrix} & \begin{vmatrix} 2 & 0 \\ 0 & 2 \end{vmatrix} & -\begin{vmatrix} 2 & -1 \\ 0 & -1 \end{vmatrix} \\ \begin{vmatrix} -1 & 0 \\ 2 & -1 \end{vmatrix} & -\begin{vmatrix} 2 & -1 \\ -1 & -1 \end{vmatrix} & \begin{vmatrix} 2 & -1 \\ -1 & 2 \end{vmatrix} \end{pmatrix} adj(B)= 2−1−12 − −1−102 −120−1 − −1−1−12 2002 − 2−1−1−1 −1−122 − 20−1−1 2−1−12 -
计算每个代数余子式:
∣ 2 − 1 − 1 2 ∣ = 4 − 1 = 3 \begin{vmatrix} 2 & -1 \\ -1 & 2 \end{vmatrix} = 4 - 1 = 3 2−1−12 =4−1=3
− ∣ − 1 − 1 − 1 2 ∣ = − ( − 1 ( 2 ) − ( − 1 ) ( − 1 ) ) = − ( − 2 − 1 ) = 3 -\begin{vmatrix} -1 & -1 \\ -1 & 2 \end{vmatrix} = -(-1(2) - (-1)(-1)) = -(-2 - 1) = 3 − −1−1−12 =−(−1(2)−(−1)(−1))=−(−2−1)=3
∣ − 1 2 − 1 2 ∣ = − 1 ( 2 ) − 2 ( − 1 ) = − 2 + 2 = 0 \begin{vmatrix} -1 & 2 \\ -1 & 2 \end{vmatrix} = -1(2) - 2(-1) = -2 + 2 = 0 −1−122 =−1(2)−2(−1)=−2+2=0
− ∣ − 1 0 − 1 2 ∣ = − ( − 1 ( 2 ) − 0 ( − 1 ) ) = − ( − 2 ) = 2 -\begin{vmatrix} -1 & 0 \\ -1 & 2 \end{vmatrix} = -(-1(2) - 0(-1)) = -(-2) = 2 − −1−102 =−(−1(2)−0(−1))=−(−2)=2
∣ 2 0 0 2 ∣ = 4 \begin{vmatrix} 2 & 0 \\ 0 & 2 \end{vmatrix} = 4 2002 =4
− ∣ 2 − 1 0 − 1 ∣ = − ( 2 ( − 1 ) − 0 ) = 2 -\begin{vmatrix} 2 & -1 \\ 0 & -1 \end{vmatrix} = -(2(-1) - 0) = 2 − 20−1−1 =−(2(−1)−0)=2
∣ − 1 0 2 − 1 ∣ = ( − 1 ) ( − 1 ) − 0 = 1 \begin{vmatrix} -1 & 0 \\ 2 & -1 \end{vmatrix} = (-1)(-1) - 0 = 1 −120−1 =(−1)(−1)−0=1
− ∣ 2 − 1 − 1 − 1 ∣ = − ( − 2 + 1 ) = 1 -\begin{vmatrix} 2 & -1 \\ -1 & -1 \end{vmatrix} = -(-2 + 1) = 1 − 2−1−1−1 =−(−2+1)=1
∣ 2 − 1 − 1 2 ∣ = 4 − 1 = 3 \begin{vmatrix} 2 & -1 \\ -1 & 2 \end{vmatrix} = 4 - 1 = 3 2−1−12 =4−1=3 -
转置得到伴随矩阵:
adj ( B ) = ( 3 2 1 3 4 1 0 2 3 ) \text{adj}(B) = \begin{pmatrix} 3 & 2 & 1 \\ 3 & 4 & 1 \\ 0 & 2 & 3 \end{pmatrix} adj(B)= 330242113 -
计算逆矩阵:
B − 1 = 1 det ( B ) adj ( B ) = 1 4 ( 3 2 1 3 4 1 0 2 3 ) = ( 3 4 1 2 1 4 3 4 1 1 4 0 1 2 3 4 ) B^{-1} = \frac{1}{\text{det}(B)} \text{adj}(B) = \frac{1}{4} \begin {pmatrix} 3 & 2 & 1 \\ 3 & 4 & 1 \\ 0 & 2 & 3 \end{pmatrix} = \begin{pmatrix} \frac{3}{4} & \frac{1}{2} & \frac{1}{4} \\ \frac{3}{4} & 1 & \frac{1}{4} \\ 0 & \frac{1}{2} & \frac{3}{4} \end{pmatrix} B−1=det(B)1adj(B)=41 330242113 = 4343021121414143
通过这些简单的例子和步骤,可以清楚地了解如何用高斯消元法、行列式法求矩阵秩,以及用增广矩阵和伴随矩阵法求逆矩阵。
相关文章:
矩阵,求矩阵秩、逆矩阵
求矩阵秩的方法: 高斯消元法:通过行变换将矩阵化为行阶梯形矩阵,然后数非零行的数量。LU分解:通过分解矩阵成上下三角矩阵,计算非零对角元素的数量。SVD分解:通过奇异值分解,计算非零奇异值的数…...
指针和const
const int* ptr,int* const ptr,const int* const ptr 这三种指针定义有什么区别?用法有什么不同? 指向的地址是否可变指向的地址上存储的内容是否可变const属性const int* ptr可改变不可改*ptr具有const属性int* const pts不可改…...
基于C#调用文心一言大模型制作桌面软件(可改装接口)
目录 开发前的准备账号注册应用创建应用接入 开始开发创建项目设计界面使用 AK,SK 生成鉴权签名窗体代码 百度智能云千帆大模型平台什么是百度智能云千帆大模型平台模型更新记录 开发前的准备 账号注册 访问百度智能云平台,通过百度账号登录或手机号验证…...
VScode插件安装
一、常用插件 Chinese (Simplified) (简体中文) Language Pack for Visual Studio Code vscode 中文插件 Auto Rename Tag 闭合标签 Path Intellisense 一个非常实用的工具,它提供了文件路径的自动补全功能,可以极大地提高开发效率。路径自动补全、…...
《Milvus Cloud向量数据库指南》——高可用黄金标准:深入解析与业务策略考量
高可用黄金标准:深入解析与业务策略考量 在信息技术飞速发展的今天,高可用性(High Availability, HA)已成为衡量企业IT系统性能与稳定性的关键指标之一。它不仅仅关乎技术层面的优化与配置,更是企业保障业务连续性、提升客户体验、增强市场竞争力的重要基石。尽管高可用性…...
sqli-labs注入练习1,2关
sqli-labs第一关 判断是否存在sql注入 可见,根据输入数字的不同,结果也不同 判断sql语句是否是拼接,且是字符型还是数字型 由上可见,这关指定是字符型且存在sql注入漏洞 使用联合注入 第一步:首先知道表格有几列&…...
B站宋红康JAVA基础视频教程个人笔记chapter04
文章目录 1.IDEA安装好后的一些设置和学习1.1关于IDEA内部jdk版本的设置1.2 一些样式以及快捷键的常用设置(强烈推荐) 2.工程与模块管理3.如何彻底的卸载IDEA 1.IDEA安装好后的一些设置和学习 1.1关于IDEA内部jdk版本的设置 1.File—>Project Struc…...
关于java枚举为什么可以拿来当单例实现这件事看看ikun怎么说
为什么枚举可以保证单例 枚举可以保证单例的原因主要可以归结为以下几个方面: 1. 枚举的实例化过程 线程安全:枚举的实例化过程是由JVM控制的,在类加载时就完成了枚举常量的初始化。由于这个初始化过程是线程安全的(JVM在加载枚…...
Hugging Face下载模型
1、安装 huggingface-cli pip install -U huggingface_hub 2、设置环境变量(如果你打算使用 HF_ENDPOINT 环境变量来指定下载镜像站点): export HF_ENDPOINThttps://hf-mirror.com 3、使用 huggingface-cli 下载模型: 使用下面的命令来下…...
JVM-垃圾回收
什么是JVM的垃圾回收? 垃圾回收(Garbage Collection, GC)是Java虚拟机(JVM)自动管理内存的一种机制,其目的是自动回收不再使用的对象所占用的内存空间,以防止内存泄漏和提升内存利用效率。 运…...
8.C基础_指针基础
指针概述 1、定义与初始化 形式:<数据类型>* <变量名> <地址>; int a 10; int *p &a; 指针的类型不同,p时的偏移地址量不同,偏移地址 sizeof(类型)Byte 注意点: 指针的类型要与数据的类型保持一…...
安泰功率放大器使用注意事项有哪些内容和要求
功率放大器是一种广泛应用于音频系统、通信系统和实验室等领域的设备,其作用是将输入信号放大到足够大的功率输出。为了安全使用功率放大器并保证其性能和寿命,以下是一些使用功率放大器时需要注意的事项和要求。 一、选择适当的功率放大器: …...
windows下,使用vs code远程连接云服务器【以CentOS7为例】
windows下,使用vs code远程连接云服务器 1. 下载VS code并准备相关插件2. 使用Remote - SSH远程控制Linux 1. 下载VS code并准备相关插件 1. VS code官网: 下载地址:https://code.visualstudio.com/Download下载合适版本的vs code。 2. 推荐…...
x264 中像素扩边算法源码分析
介绍 在视频编码中,特别是在使用x264这样的H.264/MPEG-4 AVC编码器时,像素扩边(或称为边缘扩展)是一项重要的预处理步骤。像素扩边的目的是在帧的边缘添加额外的像素,这样在编码过程中可以应用滤波器,如去块滤波器(deblocking filter)和水平/垂直滤波器,而不会受到帧…...
数据结构——双链表详解(超详细)
前言: 小编在之前已经写过单链表的创建了,接下来要开始双链表的讲解了,双链表比单链表要复杂一些,不过确实要比单链表更好进行实现!下面紧跟小编的步伐,开启今天的双链表之旅! 目录 1.概念和结构…...
银行项目利润问题(贪心思想)
import java.util.Comparator; import java.util.PriorityQueue;public class test32 {//输入正数数组costs、正数数组profits、正数K、正数M//costs[i]表示i号项目花费,profits[i]表示i号项目在扣除花费后还挣的钱//K表示有多少项目//M表示初始资金//每做完一个项目…...
SQLite
SQLite Insert 插入 语句 方式1: INSERT INTO TABLE_NAME [(column1, column2, column3,...columnN)] VALUES (value1, value2, value3,...valueN); 方式2: INSERT INTO TABLE_NAME VALUES (value1,value2,value3,...valueN); (如果要…...
浅谈 Mybatis 框架
文章目录 一、什么是MyBatis?1.2、JDBC 二、使用Mybatis2.1、配置MyBatis开发环境2.1.1、配置连接字符串2.1.2、配置MyBatis中的XML路径 2.2、使用MyBatis模式和语法操作数据库 三、使用 Mybatis 进行增删改查操作的要点3.1、ResultMap的用法 四、Mybatis操作难点4.1、#{ } 和…...
【星海随笔】OSPF协议
OSPF OSPF 可在单一自治系统(Autonomous System, AS)内决策路由。OSPF 是目前内部网关协议中使用最为广泛、性能最优的一个动态路由协议。 (1) OSPF 的特点。可适应大规模的网,路由变化收敛速度块,无路由自环,支持变…...
Vue 使用elementUI-plus el-calendar加 公历转农历 是否节假日 等
效果图: 1. 使用到自定文件 calendar.js /*** 1900-2100区间内的公历、农历互转* charset UTF-8* Author Jea杨(JJonlineJJonline.Cn)* Time 2014-7-21* Time 2016-8-13 Fixed 2033hex、Attribution Annals* Time 2016-9-25 Fixed lunar LeapMonth Param…...
Python扩展模块发布即弃坑?PyPI审核新规+manylinux2014/2023+musllinux多目标轮子构建全流程(含CI/CD自动化脚本)
第一章:Python扩展模块发布即弃坑?PyPI审核新规manylinux2014/2023musllinux多目标轮子构建全流程(含CI/CD自动化脚本)PyPI自2023年起强化了对二进制轮子(wheel)的合规性审查,尤其针对C/C扩展模…...
FastAPI文档示例:请求响应样例配置的终极指南
FastAPI文档示例:请求响应样例配置的终极指南 【免费下载链接】fastapi FastAPI framework, high performance, easy to learn, fast to code, ready for production 项目地址: https://gitcode.com/GitHub_Trending/fa/fastapi FastAPI是一个高性能、易于学…...
独角数卡:10分钟开启数字商品自动售卖新时代
独角数卡:10分钟开启数字商品自动售卖新时代 【免费下载链接】dujiaoka 🦄独角数卡(自动售货系统)-开源站长自动化售货解决方案、高效、稳定、快速!🚀🚀🎉🎉 项目地址: https://gitcode.com/g…...
RVC语音训练实战:从零开始3分钟极速训练模型,打造你的专属AI歌手
RVC语音训练实战:从零开始3分钟极速训练模型,打造你的专属AI歌手 1. RVC简介与准备工作 RVC(Retrieval-based-Voice-Conversion)是一款强大的AI语音转换工具,能够让你快速训练出专属的AI歌手模型。与传统语音合成技术…...
万字长文 解析串口通信
一.目标 处理器与外部设备通信的两种方式 单工只允许一个方向 半双工就像对讲机 全双工就像打电话 按照有无时钟同步 分为 1帧等于1个起始位 加上数据位 加上效验位 停止位 波特率是一秒传输的字节数 起始位(Start Bit): 起始位是数据帧的同步标志位,固定为低电平(…...
SAR成像CS算法实战:从原理到点目标仿真的MATLAB实现
1. CS算法在SAR成像中的核心价值 第一次接触SAR成像处理时,我被CS(Chirp Scaling)算法的精妙设计震撼到了。这个算法就像一位经验丰富的魔术师,能够将雷达回波中的距离徙动(RCMC)和二次距离压缩(…...
正铲单斗液压挖掘机工作装置设计【课程设计说明书+CAD图纸+Creo三维】
正铲单斗液压挖掘机工作装置是土方工程中的核心执行部件,其设计质量直接影响挖掘效率、作业稳定性及设备寿命。该装置主要由动臂、斗杆、铲斗及液压缸等关键零件构成,通过液压系统驱动实现挖掘、提升、卸料等动作。设计过程中需重点考虑力学性能优化、结…...
终结碎片化:基于GB28181/RTSP协议网关与边缘协同的企业级AI视频平台架构深度解析(附源码交付)
引言:设备接入的“泥潭”与破局之道 在安防行业的十年间,我最常听到开发团队抱怨的不是算法不准,而是“设备拉不下来流”。传统的开发模式中,我们需要为海康写一套SDK调用,为大华写一套,甚至为了支持ONVIF…...
突破Windows 7系统限制:Python 3.9+版本的创新兼容方案
突破Windows 7系统限制:Python 3.9版本的创新兼容方案 【免费下载链接】PythonVista Python 3.9 installers that support Windows 7 SP1 and Windows Server 2008 R2 项目地址: https://gitcode.com/gh_mirrors/py/PythonVista 一、经典系统的现代Python支持…...
深入BRPC的MPSC队列:为什么ExecutionQueue比传统队列更适合网络编程?
深入解析BRPC的MPSC队列:ExecutionQueue如何重塑网络编程任务调度 在网络编程的世界里,任务调度效率往往成为系统性能的瓶颈。传统队列在面对高并发网络请求时,常常因为锁竞争、内存分配等问题导致吞吐量下降。BRPC框架中的ExecutionQueue以…...
