Линейная алгебра
Матрицы в расчетах
Матрицы как способ записи линейных преобразований, систем и квадратичных выражений.
15 формул
Таблица формул
| Формула | Запись | Тема | Для чего нужна |
|---|---|---|---|
| Произведение Кронекера: построение блочной матрицы | $A\otimes B=\begin{pmatrix}a_{11}B&\cdots&a_{1n}B\\\vdots&\ddots&\vdots\\a_{m1}B&\cdots&a_{mn}B\end{pmatrix}$ | Линейная алгебра | Произведение Кронекера заменяет каждый элемент матрицы A блоком a_ijB. Если размеры исходных матриц m×n и p×q, результат имеет размер mp×nq. |
| Векторизация AXB: тождество с произведением Кронекера | $\operatorname{vec}(AXB)=(B^{\mathsf T}\otimes A)\operatorname{vec}(X)$ | Линейная алгебра | При укладке столбцов матрицы X в один вектор двустороннее умножение AXB превращается в обычное линейное преобразование. Его матрица равна Bᵀ⊗A. |
| Неравенство Адамара: определитель и длины столбцов | $|\det A|\le\prod_{j=1}^{n}\|a_j\|_2$ | Линейная алгебра | Модуль определителя квадратной матрицы не превосходит произведения евклидовых длин её столбцов. Для ненулевых столбцов равенство достигается тогда и только тогда, когда они попарно ортогональны. |
| Формула Коши—Бине для произведения прямоугольных матриц | $\det(AB)=\sum_{S\subseteq\{1,\ldots,n\},\ |S|=m}\det A_{:,S}\det B_{S,:},\quad A\in\mathbb R^{m\times n},\ B\in\mathbb R^{n\times m}$ | Линейная алгебра | Определитель AB для прямоугольных множителей раскладывается в сумму произведений согласованных миноров. Каждое слагаемое выбирает одинаковый набор внутренних индексов в A и B. |
| Полярное разложение матрицы: поворот и растяжение | $A=QH,\qquad H=(A^{\mathsf T}A)^{1/2},\qquad Q=AH^{-1}$ | Линейная алгебра | Невырожденная вещественная матрица раскладывается в произведение ортогональной Q и симметричной положительно определённой H. Первый множитель сохраняет длины, второй описывает растяжение. |
| Ортогональная задача Прокруста: совмещение двух матриц | $\min_{Q^{\mathsf T}Q=I}\|AQ-B\|_F,\qquad A^{\mathsf T}B=U\Sigma V^{\mathsf T}\Longrightarrow Q_*=UV^{\mathsf T}$ | Линейная алгебра | Ортогональная задача Прокруста ищет преобразование Q, которое лучше всего совмещает A с B в норме Фробениуса. Решение получают через сингулярное разложение AᵀB. |
| Тождество Сильвестра: det(I+AB) через меньшую матрицу | $\det(I_m+AB)=\det(I_n+BA),\qquad A\in\mathbb R^{m\times n},\quad B\in\mathbb R^{n\times m}$ | Линейная алгебра | Тождество Сильвестра позволяет вычислить определитель I+AB по матрице I+BA другого порядка. Прямоугольные множители меняют размер задачи, сохраняя значение определителя. |
| Теорема Кэли—Гамильтона: матрица в своём многочлене | $p_A(t)=\det(tI-A)\quad\Longrightarrow\quad p_A(A)=0;\qquad A^2-(\operatorname{tr}A)A+(\det A)I=0\quad(n=2)$ | Линейная алгебра | По теореме Кэли—Гамильтона квадратная матрица обращает свой характеристический многочлен в нулевую матрицу. Это позволяет сокращать высокие степени и выражать обратную матрицу через полином. |
| Квадратичная форма как квадратичная функция вектора | $q(x)=x^T A x = \sum_{i=1}^{n}\sum_{j=1}^{n} a_{ij}x_i x_j, \quad x \in \mathbb R^n.$ | Линейная алгебра | Любая квадратичная форма задаётся симметричной (или эквивалентно любая) матрицей A через скалярное произведение вектора x с образом A x. |
| Антисимметричная часть в квадратичной форме не влияет | $x^T A x = x^T \frac{A+A^T}{2} x = x^T A_{\mathrm{sym}} x.$ | Линейная алгебра | В x^T A x участвуют только симметричные коэффициенты, поэтому любую матрицу A можно заменить симметричной частью без изменения квадратичной формы. |
| Построение матрицы квадратичной формы из полинома | $q(x,y,z)=a x^2+2bxy+2cxz+d y^2+2eyz+f z^2=\begin{bmatrix}x&y&z\end{bmatrix}\begin{bmatrix}a&b&c\\ b&d&e\\ c&e&f\end{bmatrix}\begin{bmatrix}x\\y\\z\end{bmatrix}.$ | Линейная алгебра | Любую квадратичную форму двух- и трёхпеременных можно записать через матрицу, где коэффициенты при смешанных членах делятся пополам и переносятся в симметричные ячейки. |
| Квадратичная форма при смене переменных | $x=S y, \quad Q(y)=x^T A x = y^T (S^T A S) y = y^T B y.$ | Линейная алгебра | При обратимой линейной замене x = S y матрица формы меняется по сопряжённому преобразованию, а сама квадратичная форма остаётся той же величиной. |
| Критерий наименьших квадратов | $\hat x_{\mathrm{LS}}=\arg\min_{x\in\mathbb R^n} \|Ax-b\|_2^2 = \arg\min_x (Ax-b)^\top (Ax-b).$ | Линейная алгебра | Критерий наименьших квадратов измеряет суммарную квадратичную ошибку между наблюдаемым вектором b и моделью Ax, поэтому превращает переопределенную систему в задачу минимизации. |
| Нормальные уравнения для МНК | $A^\top A\,\hat x = A^\top b.$ | Линейная алгебра | Нормальные уравнения A^T A x = A^T b задают стационарное условие задачи МНК и позволяют найти параметры, при которых остаток ортогонален всем столбцам матрицы A. |
| Явная формула решения МНК через обратную матрицу | $\hat x=(A^\top A)^{-1}A^\top b,\qquad A^\top A\ \text{невырождена}.$ | Линейная алгебра | Если столбцы A линейно независимы, решение МНК можно записать явно как x=(A^T A)^{-1}A^T b, потому что матрица A^T A становится обратимой. |