- 追加された行はこの色です。
- 削除された行はこの色です。
#rst2hooktail_source
============================================================
逆行列のよく使う性質
============================================================
逆行列を掛けるということは、
どういうことなのか。
一つの解釈を書きたいとおもいます。
基本的性質
===================
行列はベクトルを並べたものとして考えると、
分かり易いです。
例えば、
<tex>
A\bm{b} &=
\begin{pmatrix}
1 & 3 & 2 \\
-1 & 4 & 5 \\
1 & -2 & 3
\end{pmatrix}
\begin{pmatrix}
3 \\
-1 \\
2
\end{pmatrix} \\
&=
3
\times
\begin{pmatrix}
1 \\
-1 \\
1
\end{pmatrix}
-1
\times
\begin{pmatrix}
3 \\
4 \\
-2
\end{pmatrix}
+2
\times
\begin{pmatrix}
2 \\
5 \\
3
\end{pmatrix} \\
&=
\begin{pmatrix}
4 \\
3 \\
11
\end{pmatrix}
\tag{##}
</tex>
という風に、行列と列ベクトルの積は、
行列 $A$ を列ベクトル $\bm{a}_i(i=1,2,3)$ に分解し、
右から掛ける列ベクトル $\bm{b}$ の成分をその係数にして
掛け合わせたものとなります。
逆行列
===============
ここで、行列 $A$ を構成する列ベクトル $\bm{a}_i (i=1,2,3)$ の集合として、
逆行列を持つと考えてみましょう [*]_ 。 $A$ の逆行列を $P$ と置きます。
.. [*]: 行列は行基本変形や列基本変形で標準形を求めたとき、
階数が行列の次元に等しいと正則といい、
逆行列をもつのでした。
すると、逆行列の定義から、
<tex>
PA &= P
\begin{pmatrix}
\bm{a}_1&\bm{a}_2&\bm{a}_3
\end{pmatrix} \\
&= \begin{pmatrix}
1 & 0 & 0 \\
0 & 1 & 0 \\
0 & 0 & 1
\end{pmatrix} \tag{##}
</tex>
つまり、これを分解すると、
<tex>
P \bm{a}_1 =
\begin{pmatrix}
1 \\
0 \\
0
\end{pmatrix}
</tex>
<tex>
P \bm{a}_2 =
\begin{pmatrix}
0 \\
1 \\
0
\end{pmatrix}
\tag{##}
</tex>
<tex>
P \bm{a}_3 =
\begin{pmatrix}
0 \\
0 \\
1
\end{pmatrix}
</tex>
と成ります。
重ね合わせの原理
=====================
行列と列ベクトルは線形性を持ちます。
つまり、行列 $A,B$ とし、列ベクトル $\bm{x},\bm{y}$ は、
<tex>
(A+B)\bm{x}=A\bm{x}+B\bm{x} \tag{##}
</tex>
<tex>
A(\bm{x}+\bm{y})=A\bm{x}+A\bm{y} \tag{##}
</tex>
が成り立ちます。
よって、式 $(3)$ の第一式に係数 $x_1$ を掛け、
第二式に $x_2$ を掛け、第三式に $x_3$ を掛け
足し合わせたものを作ると、
<tex>
P \bm{x} &=
P(x_1\bm{a}_1+x_2\bm{a}_2+x_3\bm{a}_3) \\
&= \begin{pmatrix}
x_1 \\
x_2 \\
x_3
\end{pmatrix} \tag{##}
</tex>
と成ります。つまり、逆行列 $P$ は、列ベクトル $\bm{x}$
を、列ベクトル $\bm{a}_i$ の線形結合として表した
時の、 $\bm{a}_i$ の係数を取り出す操作であることが分かります。
これで、列ベクトル $\bm{x}$ の代わりに、
行列 $X$ に作用させた時を考えると、
<tex>
PX &=
P
\begin{pmatrix}
x_1 \bm{a}_1 +x_2 \bm{a}_2 +x_3 \bm{a}_3
& y_1 \bm{a}_1 +y_2 \bm{a}_2 +y_3 \bm{a}_3
& z_1 \bm{a}_1 +z_2 \bm{a}_2 +z_3 \bm{a}_3
\end{pmatrix} \\
&=
\begin{pmatrix}
x_1 & y_1 & z_1 \\
x_2 & y_2 & z_2 \\
x_3 & y_3 & z_3
\end{pmatrix} \tag{##}
</tex>
となる訳です。
その他応用例
===================
ここで簡単な応用例を書きます。 $n$ 次元正方行列 $A$ の固有ベクトルが、次元の数 $n$ 個あるとき、
固有値を $\lambda_i$ 、固有ベクトルを $\bm{p}_i$ とします。
固有ベクトルを並べた $n$ 次の行列を $P$ とします。
ここで、 $P^{-1}AP$ という行列を考えると、
<tex>
P^{-1}AP &=
P^{-1}
\begin{pmatrix}
\lambda_1 \bm{p}_1 & \lambda_2 \bm{p}_2 & \cdots & \lambda_n \bm{p}_n
\end{pmatrix} \\
&= \begin{pmatrix}
\lambda_1 & 0 & \cdots & 0 \\
0 & \lambda_2 & \cdots & 0 \\
\vdots & \vdots & \ddots & 0 \\
0 & 0 & 0 & \lambda_n
\end{pmatrix}
</tex>
となり、対角化されることが分かりますね。
それでは、今日はこの辺で。
@@author:クロメル@@
@@accept:2010-04-19@@
@@category:物理数学@@
@@id:inverseMatrix@@
: 記事ソース/逆行列のよく使う性質 のバックアップの現在との差分(No.3)
