重温数学基础——矩阵求逆

线代——矩阵的快捷方法 分块矩阵矩阵 阅读详情

目标:给定任意一个矩阵A,求它的逆矩阵。

方案一:直接求逆

【例1】:简单的二维矩阵

A=[abcd]A=\begin{bmatrix} a & b \\ c & d\end{bmatrix}A=[acbd],则A−1=1det(A)[d−b−ca]A^{-1}=\frac{1}{det(A)} \begin{bmatrix} d & -b \\ -c & a\end{bmatrix}A1=det(A)1[dcba]
【编程实现】:
注意1.det(A)=ad-bc的值等于0时,矩阵A没有逆;
注意2.det(A)=ad-bc的值非常接近于0时,求得的逆A−1A^{-1}A1可能是不准确的(由于一些数值舍入误差?)。

int QRInvM2(double A[2][2]) {
	double detA = A[0][0] * A[1][1] - A[0][1] * A[1][0];
	if ((detA < 1.0e-20) && (detA > -1.0e-20))
		return(0);
	double t = 1/detA ;
	A[0][0] = A[0][0] * t;
	A[1][1] = A[1][1] * t;
	A[0][1] = -A[0][1] * t;
	A[1][0] = -A[1][0] * t;
	t = A[0][0];
	A[0][0] = A[1][1];
	A[1][1] = t;
	printf("%lf\n", detA);
	printf("%lf, %lf\n", A[0][0], A[0][1]);
	printf("%lf, %lf\n", A[1][0], A[1][1]);
	return(1);
}

【例2】:特殊的上三角矩阵
设矩阵A=[a00a01a02a030a11a12a1300a22a23000a33]A=\begin{bmatrix} a_{00} &amp; a_{01} &amp; a_{02} &amp; a_{03} \\ 0 &amp; a_{11} &amp; a_{12} &amp; a_{13} \\ 0 &amp; 0 &amp; a_{22} &amp; a_{23} \\ 0 &amp; 0 &amp; 0 &amp; a_{33} \\ \end{bmatrix}A=a00000a01a1100a02a12a220a03a13a23a33,同时设它的逆矩阵A−1=[a00′a01′a02′a03′a10′a11′a12′a13′a20′a21′a22′a23′a30′a31′a32′a33′]A^{-1}=\begin{bmatrix} a&#x27;_{00} &amp; a&#x27;_{01} &amp; a&#x27;_{02} &amp; a&#x27;_{03} \\ a&#x27;_{10} &amp; a&#x27;_{11} &amp; a&#x27;_{12} &amp; a&#x27;_{13} \\ a&#x27;_{20} &amp; a&#x27;_{21} &amp; a&#x27;_{22} &amp; a&#x27;_{23} \\ a&#x27;_{30} &amp; a&#x27;_{31} &amp; a&#x27;_{32} &amp; a&#x27;_{33} \\ \end{bmatrix}A1=a00a10a20a30a01a11a21a31a02a12a22a32a03a13a23a33,根据AA−1=IAA^{-1}=IAA1=I,将III第一列对应的四个方程取出有:
a00∗a00′+a01∗a10′+a02∗a20′+a03∗a30′=1a11∗a10′+a12∗a20′+a13∗a30′=0a22∗a20′+a23∗a30′=0a33∗a30′=0\begin{aligned} a_{00}*a&#x27;_{00}+a_{01}*a&#x27;_{10}+a_{02}*a&#x27;_{20}+a_{03}*a&#x27;_{30} &amp; =1 \\ a_{11}*a&#x27;_{10}+a_{12}*a&#x27;_{20}+a_{13}*a&#x27;_{30} &amp;=0 \\ a_{22}*a&#x27;_{20}+a_{23}*a&#x27;_{30} &amp;=0 \\ a_{33}*a&#x27;_{30} &amp;=0 \end{aligned}a00a00+a01a10+a02a20+a03a30a11a10+a12a20+a13a30a22a20+a23a30a33a30=1=0=0=0
则,(四个方程四个未知量)我们可以求出A−1A^{-1}A1的第一列。后面三列求取的思路与此类似。
【编程实现】:

int UInvM4(double U[4][4]) {
	double detU = U[0][0] * U[1][1] * U[2][2] * U[3][3];
	if ((detU < 1.0e-20) && (detU > -1.0e-20))
		return(0);
	double invU[4][4];
	for (int i = 0; i < 4; i++) {
		for (int j = 0; j < 4; j++) {
			invU[i][j] = 0.0;
		}
	}
	double b[4];
	for (int k = 0; k < 4; k++) {
		for (int i = 0; i < 4; i++) {
			b[i] = 0.0;
		}
		b[k] = 1.0;
		invU[3][k] = b[3] / U[3][3];
		invU[2][k] = (b[2] - U[2][3] * invU[3][k]) / U[2][2];
		invU[1][k] = (b[1] - U[1][3] * invU[3][k] - U[1][2] * invU[2][k]) / U[1][1];
		invU[0][k] = (b[0] - U[0][3] * invU[3][k] - U[0][2] * invU[2][k] - U[0][1] * invU[1][k]) / U[0][0];
	}
	return(1);
}

方案二:LU分解

行列式与矩阵究竟什么关系? AA−1A−1AIAA−1A−1AIA和A⁻¹的乘积顺序无关(交换性)结果等于单位矩阵I结构意义矩阵是代数结构中的元保证了线性变换的可性运算意义提供了线性方程组的解实现了线性变换的"撤销"空间意义保持了向量空间的维数维持了线性关系理论意义构成了矩阵群的基础是线性代数完备性的体现这些代数性质构成了矩阵的完整理论体系,是理解线性代数更深层概念的基础。 阅读详情

相关推荐

数学基础【俗说矩阵】:矩阵的几何意义与计算实战

本文深入浅出地阐释了矩阵的几何意义,将其形象地比喻为空间变换的“撤销”操作。通过详细的增广矩阵法手算步骤和Python代码实战,演示了如何计算与验证矩阵,并探讨了其在解线性方程组、坐标变换等场景中的核心应用。

weixin_29057163的博客 187

运用动态二维数组矩阵

运用动态二维数组矩阵,里面写的比较详细, double **inv(double **a,int N) 输入数组和行列数N就可以了

矩阵的几何意义:为什么初等行变换能矩阵

本文从几何视角揭示了矩阵的本质,解释了初等行变换的直观原理。通过将矩阵视为线性变换,文章阐述了即寻找“空间复原”变换的过程,而初等行变换正是记录这一复原路径的同步操作。理解这一几何意义,能帮助读者更深刻地掌握线性代数的核心概念。

bb456的博客 678

二进制矩阵MATLAB函数

对二进制矩阵用高斯消元法。输入二进制矩阵,输出其。比http://blog.sina.com.cn/s/blog_4b425443010008l6.html中方法更可靠和快速

矩阵的方法总结

阶循环矩阵且可,则有。分块矩阵公式如下。

weixin_42260296的博客 1万+

二维(三维)坐标系中旋转矩阵详细推导

三维坐标系的旋转矩阵通常需要分别沿3个坐标轴的二维坐标系下的旋转矩阵,二维坐标系下的旋转矩阵的推导过程通常以某一点时针旋转\thetaθ角度进行推理。以下将通过此例来详细讲解二维坐标系下的旋转矩阵推导过程,并进一步给出其他方式的旋转矩阵

qq_40156289的博客 1万+

三阶矩阵实战:伴随矩阵与行初等变换法详解

矩阵是线性代数中的核心运算,它描述了寻找一个矩阵使其与原矩阵乘积为单位矩阵的过程,这一原理是解线性方程组、坐标变换等问题的理论基础。从技术价值看,掌握高效、准确的方法能深化对线性变换可性的理解,并直接提升在数值计算与算法推导中的可靠性。在应用场景上,三阶矩阵尤为关键,常见于计算机图形学的三维变换、机器学习的协方差矩阵运算以及物理仿真等领域。本文聚焦于三阶矩阵,深入对比了经典的伴随矩阵法与更稳健的行初等变换法(高斯-约当消元法),并融入了分块矩阵等高效技巧,旨在帮助读者建立扎实的矩阵运算直觉与

weixin_32308101的博客 273

矩阵的5个常见错误及如何避免(附详细步骤图解)

本文详细解析了使用初等行变换法进行矩阵时,初学者最容易犯的五个常见错误,包括增广矩阵构造不当、行变换操作混乱、算术计算粗心、忽略矩阵不可情况以及疏于验证。文章通过具体错误案例和详细的步骤图解,提供了系统性的避坑指南和高效的计算策略,帮助读者从根本上掌握高斯-约当消元法,提升计算准确性与效率。

chair的专栏 710

矩阵算法的时间复杂度对比:从高斯消元到伴随矩阵

本文深入对比了高斯消元法与伴随矩阵法这两种矩阵算法的时间复杂度。核心指出,高斯消元法具有O(n³)的实用复杂度,是工程实践的主流;而伴随矩阵法因涉及行列式计算,其时间复杂度高达O(n!),仅适用于极小规模矩阵的理论分析。文章还探讨了数值稳定性、稀疏矩阵处理等实际应用中的关键考量。

weixin_29061465的博客 530

重温线性代数(1)——线性组合

线性代数是数学中的基础,也是十分重要的数学

毛可的专栏 1万+

【原创】《矩阵的史诗级玩法》连载三十:两个椭圆的矩阵交计算

弹指一挥间,连载到了三十篇。能坚持看下来的,估计都是铁粉了。 两个椭圆交,一个变成单位圆,另一个则一定要做矩阵变形。 根据连载二十八,这两条椭圆方程可表示如下。 如果把其中一条(比如第1条)化为标准圆,那么第二条就要对X,Y执行一个如下的矩阵变换(一路看过来的朋友相信这个套路你们都不会陌生了吧)。 然后把这个式子代入到第2条方程里面,天哪,那可不是一般的复杂。 在连载二十八...

iloveas2014的专栏 1119

3D数学基础矩阵的几何解释

一般来说,方阵能够描述任意的线性变换。线性变换的定义在文章中已经提到。线性变换具体来说包括:旋转、缩放、投影、镜像、仿射。本文以旋转为例讲述矩阵的几何意义。 一、基础解释 向量是基向量的线性组合,矩阵是基向量的集合。 世界坐标系中的某一个向量使用可以使用该坐标系的基向量进行表示,如下图所示。这点是在线性代数中学习过的。 在此基础上,将矩阵解释为基向量集合,即每一行都是一组基...

loongkingwhat的博客 1万+

重温线性代数(3)——正交、投影

线性代数是数学中的基础,也是十分重要的数学工具。在接触机器学习之后,我逐渐认识到了线性代数的重要性,矩阵运算,优化解,都离不开线性代数的知识。同时,我也发现了自己数学基础的严重不足,急需好好重学一遍线性代数,为之后的学习打好基础。因此,“重温线性代数”这个系列就诞生了。或许大家会觉得这个系列的内容稍微基础了点,但学习就是如此,一遍又一遍,脚踏实地,温故知新,每次学习都会有新的收获。    

毛可的专栏 1万+

机器学习之重温线性代数

目录一、矩阵的基本概念和意义1、一种线性变换2、加法与数乘3.矩阵的乘法二、矩阵运算在深度学习中的应用(初级)1.数字图像识别2.矩阵的迹,矩阵的转置,对称矩阵(协方差矩阵)1.矩阵的迹2.矩阵的转置3.对称矩阵4.协方差矩阵3.行列式的引入1.特殊矩阵的行列式2.行列式的性质3.行列式按行(列)展开,代数余子式4.行列式的应用:克莱姆法则(Cramer′sruleCramer's\quad ruleCramer′srule)4.矩阵的引入4.1 矩阵的常用性质以及特殊矩阵4.2 特殊矩阵4.

Jession67的博客 2万+

C++ 利用Vector和高斯消去法二维矩阵

00.基本原理:假设存在矩阵A,矩阵A的矩阵X。   根据矩阵的定义,则有:AX=E,   其中,A为n阶系数矩阵;E为单位矩阵,即E=(e1,e2,…,en),其中ei (i=1,2,…,n) 为单位列向量;X为n个列向量构成的矩阵,即X=(x1,x2,…,xn),其中xi (i=1,2,…,n) 为列向量。   于是,可以把等式AX=E看成是解n个线性方程组Axi=ei (i=1,

广埠屯小拉登的博客 2202

8.3 单位矩阵矩阵

线性代数提供了被称为矩阵(matrix inversion)的强大工具。对于大多数矩阵A,我们都能通过矩阵解析地解式Ax=bAx=b。

很嗨 2万+

矩阵的三种方法

矩阵是线性代数中非常重要的的一个概念,先来看看什么是矩阵?设A是数域上的一个n阶矩阵,若在相同数域上存在另一个n阶矩阵B,使得:ABBAE,则我们称B是A的矩阵,而A则被称为可矩阵。注:E为单位矩阵。(该段文字来自于百度百科)接下来以三阶矩阵为例,如下题待定系数法顾名思义是一种未知数的方法。将一个多项式表示成另一种含有待定系数的新的形式,这样就得到一个恒等式。

huxyc的博客 4万+

二维变换矩阵矩阵

weixin_43614459的博客 461
上一篇: VIO理论——李代数求导中最核心的两个公式!
下一篇: 小觅相机运行VINS-Fusion(三)——IMU的标定
changshen_xu
博客等级 码龄9年 229粉丝 104原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值