二十、转置矩阵_转置矩阵的转置矩阵是原矩阵吗「建议收藏」

二十、转置矩阵_转置矩阵的转置矩阵是原矩阵吗「建议收藏」1.定义假设交换A的所有行和列后,形成的新矩阵,即为矩阵A的转置矩阵:对一个矩阵进行转置的转置,结果是原矩阵:2.下面为转置矩阵的性质分析矩阵时,我们主要从加法、乘法、零空间、列空间、秩、行列式

1. 定义

假设

\underset{m \times n}{A} = \begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1n}\\ a_{21} & a_{22} & \cdots & a_{2n}\\ \cdots & \cdots & \cdots & \cdots\\ a_{m1} & a_{m2} & \cdots & a_{mn} \end{bmatrix}

交换A的所有行和列后,形成的新矩阵,即为矩阵A的转置矩阵:

\underset{n \times m}{A^T} = \begin{bmatrix} a_{11} & a_{21} & \cdots & a_{m1}\\ a_{12} & a_{22} & \cdots & a_{m2}\\ \cdots & \cdots & \cdots & \cdots\\ a_{1n} & a_{2n} & \cdots & a_{mn} \end{bmatrix}

对一个矩阵进行转置的转置,结果是原矩阵:

(C^T)^T = C

2. 下面为转置矩阵的性质

分析矩阵时,我们主要从加法、乘法、零空间、列空间、秩、行列式等角度进行分析

矩阵又分为原始矩阵、逆矩阵、转置矩阵等,我们会分析这几种矩阵的加法、乘法、零空间、列空间、秩、行列式等之间的关系

2.1 矩阵加法的转置

矩阵加法的转置,等于矩阵转置的加法

(\mathbf{A+B})^T = (\mathbf{A})^T + (\mathbf{B})^T

证明:

假设

\mathbf{C} = \mathbf{A} + \mathbf{B}

\mathbf{A} = \begin{bmatrix} \cdots & \cdots & \cdots & \cdots\\ \cdots & \cdots & a_{ij} & \cdots\\ \cdots & \cdots & \cdots & \cdots\\ \cdots & \cdots & \cdots & \cdots \end{bmatrix} \qquad \mathbf{A}^T = \begin{bmatrix} \cdots & \cdots & \cdots & \cdots\\ \cdots & \cdots & a'_{ij} & \cdots\\ \cdots & \cdots & \cdots & \cdots\\ \cdots & \cdots & \cdots & \cdots \end{bmatrix}

根据转置矩阵的定义:

a'_{ij} = a_{ji} \qquad b'_{ij} = b_{ji} \qquad c'_{ij} = c_{ji}

根据矩阵加法的定义:

c_{ij} = a_{ij} + b_{ij}

因此:

c'_{ij} = c_{ji} = a_{ji} + b_{ji} = a'_{ij} + b'_{ij}

\mathbf{C}^T = (\mathbf{A+B})^T = \mathbf{A}^T + \mathbf{B}^T

2.2 矩阵乘积的转置

矩阵乘积的转置,等于逆序的矩阵转置的乘积:

(\mathbf{A} \mathbf{B})^T = \mathbf{B}^T \mathbf{A}^T

可以扩展到2个以上的矩阵:

(\mathbf{A} \mathbf{B} \mathbf{C})^T = \mathbf{C}^T \mathbf{B}^T \mathbf{A}^T

证明:

假设

\underset{m \times n}{\mathbf{A}} = \begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1j} & \cdots & a_{1n}\\ a_{21} & a_{22} & \cdots & a_{2j} & \cdots & a_{2n}\\ \cdots & \cdots & \cdots & \cdots & \cdots & \cdots \\ a_{i1} & a_{i2} & \cdots & a_{ij} & \cdots & a_{in}\\ \cdots & \cdots & \cdots & \cdots & \cdots & \cdots \\ a_{m1} & a_{m2} & \cdots & a_{mj} & \cdots & a_{mn} \end{bmatrix} \qquad \underset{n \times m}{\mathbf{B}} = \begin{bmatrix} b_{11} & b_{12} & \cdots & b_{1j} & \cdots & b_{1m}\\ b_{21} & b_{22} & \cdots & b_{2j} & \cdots & b_{2m}\\ \cdots & \cdots & \cdots & \cdots & \cdots & \cdots\\ b_{i1} & b_{i2} & \cdots & b_{ij} & \cdots & b_{im}\\ \cdots & \cdots & \cdots & \cdots & \cdots & \cdots\\ b_{n1} & b_{n2} & \cdots & b_{nj} & \cdots & b_{nm} \end{bmatrix}

\underset{m \times n}{\mathbf{B}^T} = \begin{bmatrix} b_{11} & b_{21} & \cdots & b_{i1} & \cdots & b_{n1} \\ b_{12} & b_{22} & \cdots & b_{i2} & \cdots & b_{n2} \\ \cdots & \cdots & \cdots & \cdots & \cdots & \cdots \\ b_{1j} & b_{2j} & \cdots & b_{ij} & \cdots & b_{nj} \\ \cdots & \cdots & \cdots & \cdots & \cdots & \cdots \\ b_{1m} & b_{2m} & \cdots & b_{im} & \cdots & b_{nm} \end{bmatrix} \qquad \underset{n \times m}{\mathbf{A}^T} = \begin{bmatrix} a_{11} & a_{21} & \cdots & a_{i1} & \cdots & a_{m1}\\ a_{12} & a_{22} & \cdots & a_{i2} & \cdots & a_{m2}\\ \cdots & \cdots & \cdots & \cdots & \cdots & \cdots \\ a_{1j} & a_{2j} & \cdots & a_{ij} & \cdots & a_{mj}\\ \cdots & \cdots & \cdots & \cdots & \cdots \cdots \\ a_{1n} & a_{2n} & \cdots & a_{in} & \cdots & a_{mn} \end{bmatrix}

定义:

\underset{m \times m}{\mathbf{C}} = \mathbf{AB} = \begin{bmatrix} c_{11} & c_{12} & \cdots & c_{1m}\\ c_{21} & c_{22} & \cdots & c_{2m}\\ \cdots & \cdots & \cdots & \cdots\\ c_{m1} & c_{m2} & \cdots & c_{mm}\\ \end{bmatrix}

\underset{m \times m}{\mathbf{D}} =\mathbf{B}^T \mathbf{A}^T = \begin{bmatrix} d_{11} & d_{12} & \cdots & d_{1m}\\ d_{21} & d_{22} & \cdots & d_{2m}\\ \cdots & \cdots & \cdots & \cdots\\ d_{m1} & d_{m2} & \cdots & d_{mm}\\ \end{bmatrix}

矩阵C,D中的分量为:

c_{ij} = a_{i1} b_{1j} + a_{i2} b_{2j} + \cdots + a_{in} b_{nj}

\begin{align*} d_{ji} &= b_{1j} a_{i1} + b_{2j} a_{i2} + \cdots + b_{nj} a_{in}\\ &= a_{i1} b_{1j} + a_{i2} b_{2j} + \cdots + a_{in} b_{nj} \end{align*}

因此:

c_{ij} = d_{ji}

即C中的第i行,第j列元素,等于D中的第j行,第i列元素,且对所有元素都成立;从而C转置=D:

\mathbf{C}^T = \mathbf{D} \qquad \mathbf{C} = \mathbf{D}^T

(\mathbf{AB})^T = \mathbf{C}^T = \mathbf{D} = \mathbf{B}^T \mathbf{A}^T

(\mathbf{AB})^T = \mathbf{B}^T \mathbf{A}^T

2.3. 转置矩阵的零空间、列空间、秩

2.3.1 转置矩阵的列空间,等于原始矩阵的行空间:

C(A^T) = Row \; space \; of \; A

2.3.2 转置矩阵的零空间,是所有满足下面方程的向量x:

A^T \vec{x} = \vec{0}

对等式两边分别转置:

(A^T \vec{x})^T = (\vec{0})^T

\vec{x} ^T A = \vec{0} ^ T

现在得到了关于原始矩阵A的方程,因此转置矩阵的零空间为:

N(A^T) = \left \{ \vec{x} | A^T \vec{x} = \vec{0} \right \} = \left \{ \vec{x} | \vec{x} ^T A = \vec{0} ^T \right \}

我们用另一个名字来称呼转置矩阵的零空间–原始矩阵的左零空间,为什么叫“左零空间”,因为现在是左乘x

2.3.3 零空间中的任意向量,与行空间中的任意向量正交(下一篇文章中证明)

2.3.4 列空间中的任意向量,与左零空间中的任意向量正交(下一篇文章中证明)

2.3.5 属性:转置的秩,与原矩阵相同(下一篇文章中证明)

2.4. 转置矩阵的行列式

性质:转置矩阵的行列式,等于原矩阵的行列式

证明过程(使用归纳法):

1. 证明对最基本的情况成立,例如2×2矩阵的行列式等于其转置矩阵的行列式

2. 假设对nxn矩阵成立,证明对(n+1)x(n+1)矩阵成立

3. 假设n=2, 如果2×2矩阵成立,那么3×3矩阵成立;如果3×3矩阵成立,那么4×4矩阵成立,等等

详细证明:

1. 证明2×2矩阵的行列式,等于其转置矩阵的行列式

假设:

A=\begin{bmatrix} a & b\\ c & d \end{bmatrix}

那么:

A^T=\begin{bmatrix} a & c\\ b & d \end{bmatrix}

det(A) = ad - bc

det(A^T) = ad-bc

因此:

det(A) = det(A^T)

2. 假设nxn矩阵的行列式等于其转置矩阵的行列式,证明(n+1)x(n+1)矩阵的行列式等于转置矩阵的行列式

假设:

\underset{(n+1)\times(n+1)}{B}=\underset{m\times m}{B}=\begin{bmatrix} a_{11} & a_{12} & a_{13} & \cdots & a_{1m}\\ a_{21} & a_{22} & a_{23} & \cdots & a_{2m}\\ a_{31} & a_{32} & a_{33} & \cdots & a_{3m}\\ \cdots & \cdots & \cdots & \cdots & \cdots\\ a_{m1} & a_{m2} & a_{m3} & \cdots & a_{mm} \end{bmatrix}

那么:

m=n+1

B^T=\begin{bmatrix} a_{11} & a_{21} & a_{31} & \cdots & a_{m1} \\ a_{12} & a_{22} & a_{32} & \cdots & a_{m2} \\ a_{13} & a_{23} & a_{33} & \cdots & a_{m3} \\ \cdots & \cdots & \cdots & \cdots & \cdots \\ a_{1m} & a_{2m} & a_{3m} & \cdots & a_{mm} \end{bmatrix}

根据B的第一行求行列式:

det(B)=a_{11}det(B_{11})-a_{12}det(B_{12})+\cdots+(-1)^{1+m}det(B_{1m})

根据B的转置矩阵的第一列求行列式:

det(B^T)=a_{11}det((B_{11})^T)-a_{12}det((B_{12})^T)+\cdots+(-1)^{1+m}a_{1m}det((B_{1m})^T)

因为

B_{11}, B_{12}, \cdots , B_{1m}

为n x n 矩阵,我们又假设 n x n 矩阵的行列式等于其转置矩阵的行列式:

det(B_{11}) = det((B_{11})^T) \:\:\: det(B_{12}) = det((B_{12})^T) \:\: \cdots

因此:

\begin{align*} det(B^T) &= a_{11}det((B_{11})^T)-a_{12}det((B_{12})^T)+\cdots+(-1)^{1+m}a_{1m}det((B_{1m})^T)\\ &= a_{11}det(B_{11})-a_{12}det(B_{12})+\cdots+(-1)^{1+m}a_{1m}det(B_{1m})\\ &= det(B) \end{align*}

(n+1) x (n+1)矩阵的行列式等于其转置矩阵的行列式

3. 因为2×2矩阵的行列式等于其转置矩阵的行列式, 根据第二条证明,3×3矩阵的行列式等于其转置矩阵的行列式,依次类推,nxn矩阵的行列式等于其转置矩阵的行列式

2.5 逆矩阵的转置

逆矩阵的转置,是转置矩阵的逆矩阵

证明:

AA^{-1} = I_n \qquad A^{-1}A = I_n

对等号两边同时转置:

(AA^{-1})^T = (I_n)^T = I_n \qquad (A^{-1}A)^T = (I_n)^T = I_n

利用2.2中介绍的“矩阵乘积的转置”:

(AA^{-1})^T = (A^{-1})^T A^T = I_n \qquad (A^{-1}A)^T = A^T (A^{-1})^T = I_n

因此,逆矩阵的转置,是转置矩阵的逆矩阵

3. 转置向量

既然可以求矩阵的转置,那么就没有理由不可以求向量的转置,因为向量是特殊的矩阵

性质一:\vec{v} \cdot \vec{y} = \vec{v}^T \vec{y},向量v和w的点积,等于v的转置与w的积(向量点积与积的关系)

性质二:(A \vec{x}) \cdot \vec{y} = \vec{x} \cdot (A^T \vec{y})

这两个性质是线性代数的基础

证明:

1. 假设

\vec{v} = \begin{bmatrix} v_1\\ v_2\\ \cdots\\ v_n \end{bmatrix} \qquad \vec{w} = \begin{bmatrix} w_1\\ w_2\\ \cdots\\ w_n \end{bmatrix}

向量v和w的点积定义为:

\vec{v} \cdot \vec{w} = v_1w_1 + v_2w_2 + \cdots + v_nw_n

v的转置与w的积(矩阵乘积):

\vec{v}^T=\begin{bmatrix}v_1&v_2&\cdots&v_n\end{bmatrix}

\begin{align*} \vec{v}^T \vec{w} &= \begin{bmatrix} v_1 & v_2 & \cdots & v_n \end{bmatrix} \begin{bmatrix} w_1\\ w_2\\ \cdots\\ w_n \end{bmatrix}\\ &= \begin{bmatrix} v_1w_1 + v_2w_2 + \cdots + v_nw_n\end{bmatrix}\\ &= v_1w_1 + v_2w_2 + \cdots + v_nw_n \end{align*}

因此,向量v和w的点积,等于v的转置与w的积

2. 

\begin{align*} (\underset{m \times n}{A} \quad \underset{n \times 1}{\vec{v}}) \cdot \underset{n \times 1}{\vec{y}}&= (A \vec{v})^T \vec{y}\\ &= (\vec{v}^T A^T) \vec{y} \\ &= \vec{v}^T (A^T \vec{y}) \\ &= \vec{v} \cdot (A^T \vec{y}) \end{align*}

今天的文章二十、转置矩阵_转置矩阵的转置矩阵是原矩阵吗「建议收藏」分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/79208.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注