0
点赞
收藏
分享

微信扫一扫

矩阵题目选做

简单聊育儿 2022-03-30 阅读 53
矩阵

行列式与平面方程

已知在欧氏几何(Euclidean geometry)中, 一个平面由三个不共线的点唯一确定. 我们假设 X i = ( x i , y i , z i ) X_i = (x_i,y_i,z_i) Xi=(xi,yi,zi)(其中 i ∈ { 1 , 2 , 3 } i \in \{1,2,3\} i{1,2,3})不共线, 唯一确定了平面 P P P.

假设 P P P的解析式为 A x + B y + C z + D = 0 Ax+By+Cz+D=0 Ax+By+Cz+D=0(其中 A , B , C A,B,C A,B,C至少一个不为零), 则:

{ A x + B y + C z + D = 0 A x 1 + B y 1 + C z 1 + D = 0 A x 2 + B y 2 + C z 2 + D = 0 A x 3 + B y 3 + C z 3 + D = 0 \begin{cases} Ax+By+Cz+D=0\\ Ax_1+By_1+Cz_1+D=0\\ Ax_2+By_2+Cz_2+D=0\\ Ax_3+By_3+Cz_3+D=0\\ \end{cases} Ax+By+Cz+D=0Ax1+By1+Cz1+D=0Ax2+By2+Cz2+D=0Ax3+By3+Cz3+D=0

写成矩阵形式, 有:

[ x y z 1 x 1 y 1 z 1 1 x 2 y 2 z 2 1 x 3 y 3 z 3 1 ] ⋅ [ A B C D ] = [ 0 0 0 0 ] \begin{bmatrix} x & y & z & 1 \\ x_1 & y_1 & z_1 & 1 \\ x_2 & y_2 & z_2 & 1 \\ x_3 & y_3 & z_3 & 1 \\ \end{bmatrix} \cdot \begin{bmatrix} A \\ B \\ C \\ D \\ \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \\ 0 \\ 0 \\ \end{bmatrix} xx1x2x3yy1y2y3zz1z2z31111ABCD=0000

对于线性方程组 M n × n ⋅ v = 0 \bm M_{n \times n} \cdot \bm v = \bm 0 Mn×nv=0, v \bm v v有非零解的充分必要条件是 M n × n \bm M_{n \times n} Mn×n不满秩, 即 det ⁡ ( M n × n ) = 0 \det\left(M_{n \times n}\right)=0 det(Mn×n)=0.

注意到 A , B , C A,B,C A,B,C至少一个不为零, 因此:

det ⁡ ( [ x y z 1 x 1 y 1 z 1 1 x 2 y 2 z 2 1 x 3 y 3 z 3 1 ] ) = 0 \det\left( \begin{bmatrix} x & y & z & 1 \\ x_1 & y_1 & z_1 & 1 \\ x_2 & y_2 & z_2 & 1 \\ x_3 & y_3 & z_3 & 1 \\ \end{bmatrix} \right) = 0 detxx1x2x3yy1y2y3zz1z2z31111=0

矩阵L1范数的几何证明(利用凸性)

等价形式

∥ A ∥ 1 = sup ⁡ x ≠ 0 ∥ A x ∥ 1 ∥ x ∥ 1 = sup ⁡ ∥ x ∥ 1 = 1 ∥ A x ∥ 1 \| A\|_1 = \sup\limits_{x \neq 0} \frac{\|Ax\|_1}{\|x\|_1} = \sup\limits_{\|x\|_1 = 1} \|Ax\|_1 A1=x=0supx1Ax1=x1=1supAx1

外曲面

记外曲面 O A 1 ( r ) = { x ∣ ∥ A x ∥ 1 = r } O_A^1(r) = \{x \mid \|Ax\|_1 = r \} OA1(r)={xAx1=r}, 易见外曲面 O A 1 ( r ) O_A^1(r) OA1(r)所包裹的区域 O A 1 ^ ( r ) = { x ∣ ∥ A x ∥ 1 ⩽ r } \widehat{O_A^1}(r) = \{x \mid \|Ax\|_1 \leqslant r \} OA1 (r)={xAx1r}是凸的.

内曲面

等价形式

∥ A ∥ 1 = sup ⁡ x ≠ 0 ∥ A x ∥ 1 ∥ x ∥ 1 = sup ⁡ ∥ x ∥ 1 = 1 ∥ A x ∥ 1 \| A\|_1 = \sup\limits_{x \neq 0} \frac{\|Ax\|_1}{\|x\|_1} = \sup\limits_{\|x\|_1 = 1} \|Ax\|_1 A1=x=0supx1Ax1=x1=1supAx1

外曲面

记外曲面 O A 1 ( r ) = { x ∣ ∥ A x ∥ 1 = r } O_A^1(r) = \{x \mid \|Ax\|_1 = r \} OA1(r)={xAx1=r}, 易见外曲面 O A 1 ( r ) O_A^1(r) OA1(r)所包裹的区域 O A 1 ^ ( r ) = { x ∣ ∥ A x ∥ 1 ⩽ r } \widehat{O_A^1}(r) = \{x \mid \|Ax\|_1 \leqslant r \} OA1 (r)={xAx1r}是凸的.

内曲面

记内曲面 I p = { x ∣ ∥ x ∥ p = 1 } I^p = \{x \mid \|x\|_p = 1 \} Ip={xxp=1}(其中 0 < p ⩽ 1 0 < p \leqslant 1 0<p1), 易见 0 < p < 1 0<p<1 0<p<1时内曲面 I p I^p Ip所包裹的区域 I p ^ = { x ∣ ∥ x ∥ p ⩽ r } \widehat{I^p} = \{x \mid \|x\|_p \leqslant r \} Ip ={xxpr}不是凸的, 且其凸包(convex hull)是 c o n v ( I p ^ ) = I 1 ^ \mathrm{conv}\left(\widehat{I^p}\right)=\widehat{I^1} conv(Ip )=I1 .

外曲面与内曲面所包裹的区域相交

∥ A ∥ 1 = sup ⁡ ∥ x ∥ 1 = 1 ∥ A x ∥ 1 = lim ⁡ p → 1 inf ⁡ r > 0 I [ O A 1 ^ ( r ) ⊅ I p ^ ] \| A\|_1 = \sup\limits_{\|x\|_1 = 1} \|Ax\|_1 = \lim\limits_{p \rightarrow 1} \inf\limits_{r > 0} \mathbb{I}[\widehat{O_A^1}(r) \not\supset \widehat{I^p}] A1=x1=1supAx1=p1limr>0infI[OA1 (r)Ip ]

r r r从较大的值 R R R( R R R满足 O A 1 ^ ( R ) ⫌ I p ^ \widehat{O_A^1}(R) \supsetneqq \widehat{I^p} OA1 (R)Ip )开始逐渐缩小, 直到缩小到 r ∗ r^* r( r ∗ r^* r使得外曲面 O A 1 ( r ∗ ) O_A^1(r^*) OA1(r)恰好与内曲面所包裹的区域 I p ^ \widehat{I^p} Ip 相交).

恰好相交时, 由于内曲面所包裹的区域 I p ^ \widehat{I^p} Ip 非凸, 所以外曲面 O A 1 ( r ∗ ) O_A^1(r^*) OA1(r)实际上是与内曲面所包裹的区域的凸包 c o n v ( I p ^ ) \mathrm{conv}\left(\widehat{I^p}\right) conv(Ip )相交.
亦即, 交点属于集合 I p ^ ∩ c o n v ( I p ^ ) = { x ∣ ∃ i ∈ { 1 , ⋯   , n } , ∣ x i ∣ = 1 , ∀ j ≠ i , x j = 0 } \widehat{I^p} \cap \mathrm{conv}\left(\widehat{I^p}\right) = \{x \mid \exists i \in \{1, \cdots, n\}, |x_i| = 1, \forall j \neq i, x_j = 0\} Ip conv(Ip )={xi{1,,n},xi=1,j=i,xj=0}

在这里插入图片描述

O A 1 ( R ) → O A 1 ( r ∗ ) O_A^1(R) \rightarrow O_A^1(r^*) OA1(R)OA1(r)

在这里插入图片描述

I p → I 1 I^p \rightarrow I^1 IpI1

∥ A ∥ 1 = sup ⁡ ∥ x ∥ 1 = 1 ∥ A x ∥ 1 = sup ⁡ ∃ i ∈ { 1 , ⋯   , n } , ∣ x i ∣ = 1 , ∀ j ≠ i , x j = 0 ∥ A x ∥ 1 = sup ⁡ i ∈ { 1 , ⋯   , n } ∣ ∑ k = 1 m A k i ∣ \| A\|_1 = \sup\limits_{\|x\|_1 = 1} \|Ax\|_1 = \sup\limits_{\exists i \in \{1, \cdots, n\}, |x_i| = 1, \forall j \neq i, x_j = 0} \|Ax\|_1 = \sup\limits_{i \in \{1, \cdots, n\}} \left| \sum\limits_{k=1}^{m} A_{ki} \right| A1=x1=1supAx1=i{1,,n},xi=1,j=i,xj=0supAx1=i{1,,n}supk=1mAki

举报

相关推荐

0 条评论