线性代数系列：矩阵的相乘和幂运算计算技巧

作者: xiaogp | 来源:发表于2025-08-05 16:23 被阅读0次

numpy -- 实现线性代数
矩阵计算器
矩阵
第三节矩阵运算
矩阵乘法为什么定义为行乘以列？
NumPy基础之矩阵的运算
【深度学习-数学基础】矩阵和向量相乘结果
OpenCV:矩阵相乘
Css高阶用法(一) matrix
视觉SLAM常用的第三方库

关键词：线性代数，矩阵相乘

内容摘要

求两矩阵相乘的幂运算
分块对角矩阵的幂运算
带有初等变换的矩阵相乘计算
秩为1的矩阵的幂运算

求两矩阵相乘的幂运算

这类题目考虑化简，比如累乘中间部分转化为一个具体的数，或者中间部分是一个对角阵，或者可以通过对角化手段

例题1

设 $\mathbf{a} = \begin{pmatrix} 1 \\ 3 \\ -2 \end{pmatrix}$ , $\mathbf{b} = \begin{pmatrix} 2 \\ 0 \\ 0 \end{pmatrix}$ , $A = \mathbf{a} \mathbf{b}^T$ ，则
$A^3 = \ ?$

此题可以死算，但优先使用指数累乘的化简方法。
由于 $\mathbf{a}$ 是 $3 \times 1$ ， $\mathbf{b}^T$ 是 $1 \times 3$ ，所以 $A = \mathbf{a} \mathbf{b}^T$ 是 $3 \times 3$ 矩阵；
而 $\mathbf{b}^T \mathbf{a}$ 是 $1 \times 1$ ，是一个数。

因此：
$A^3 = (\mathbf{a} \mathbf{b}^T)^3 = \mathbf{a} (\mathbf{b}^T \mathbf{a}) (\mathbf{b}^T \mathbf{a}) \mathbf{b}^T = (\mathbf{b}^T \mathbf{a})^2 \cdot \mathbf{a} \mathbf{b}^T$

计算：
$\mathbf{b}^T \mathbf{a} = \begin{bmatrix} 2 & 0 & 0 \end{bmatrix} \begin{bmatrix} 1 \\ 3 \\ -2 \end{bmatrix} = 2 \cdot 1 + 0 \cdot 3 + 0 \cdot (-2) = 2$

所以：
$A^3 = (2)^2 \cdot \mathbf{a} \mathbf{b}^T = 4 \cdot \mathbf{a} \mathbf{b}^T$

计算 $\mathbf{a} \mathbf{b}^T$ ：
$\mathbf{a} \mathbf{b}^T = \begin{bmatrix} 1 \\ 3 \\ -2 \end{bmatrix} \begin{bmatrix} 2 & 0 & 0 \end{bmatrix} = \begin{bmatrix} 2 & 0 & 0 \\ 6 & 0 & 0 \\ -4 & 0 & 0 \end{bmatrix}$

因此：
$A^3 = 4 \cdot \begin{bmatrix} 2 & 0 & 0 \\ 6 & 0 & 0 \\ -4 & 0 & 0 \end{bmatrix} = \begin{bmatrix} 8 & 0 & 0 \\ 24 & 0 & 0 \\ -16 & 0 & 0 \end{bmatrix}$

例题2

设 $PA = BP$ ，其中
$P = \begin{bmatrix} 0 & 2 & 4 \\ 1 & 0 & 0 \\ 0 & 3 & 5 \end{bmatrix}, \quad B = \begin{bmatrix} 1 & 0 & 0 \\ 0 & -1 & 0 \\ 0 & 0 & -1 \end{bmatrix}$
则
$A^{100} = \ ?$

因为 $PA = BP$ ，且 $|P| \neq 0$ ，所以 $P$ 可逆，因此
$A = P^{-1} B P$

所以
$A^{100} = P^{-1} B^{100} P = P^{-1} E P = P^{-1} P = E$

分块对角矩阵的幂运算

分块对角矩阵是指左上和右下为有值矩阵，左下和右上为0的矩阵，这种矩阵的幂运算有独立性，一定程度上能方便计算，公式为
$\begin{bmatrix} A & 0 \\ 0 & B \end{bmatrix}^n = \begin{bmatrix} A^n & 0 \\ 0 & B^n \end{bmatrix}$
把A，B都想象成一个数，则公式显然是成立的。

例题3

已知
$A = \begin{bmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 0 & 0 \\ 0 & 0 & 1 & -1 \\ 0 & 0 & -1 & 1 \end{bmatrix}$
则
$A^5 = \ ?$

此题为分块对角矩阵，可以使用以上公式
$\begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}^5 = \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}$

$\begin{bmatrix} 1 & -1 \\ -1 & 1 \end{bmatrix}^5 = \begin{bmatrix} 16 & -16 \\ -16 & 16 \end{bmatrix}$

最终拼接得到
$\begin{bmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 0 & 0 \\ 0 & 0 & 16 & -16 \\ 0 & 0 & -16 & 16 \end{bmatrix}$

带有初等变换的矩阵相乘计算

该类题可能一个矩阵都不给出，要先求出初等变换矩阵，再化为目标式

例题4

设 $A$ 为 3 阶可逆矩阵，将矩阵 $A$ 第一行的2倍加到第二行得到矩阵 $B$ ，求
$A B^{-1} = \ ?$

此题看似什么矩阵都没给出，实则要先求出初等变换矩阵
$\begin{bmatrix} 1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$

他左乘A得到B

由题意，矩阵 $B$ 是将 $A$ 的第一行的 2 倍加到第二行得到的，因此有：
$B = \begin{bmatrix} 1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix} A$

将上式两边同时右乘 $B^{-1}$ ，得：
$E = \begin{bmatrix} 1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix} A B^{-1}$

再两边左乘该初等矩阵的逆矩阵：
$A B^{-1} = \begin{bmatrix} 1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}^{-1} = \begin{bmatrix} 1 & 0 & 0 \\ -2 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$

因此：
$\boxed{A B^{-1} = \begin{bmatrix} 1 & 0 & 0 \\ -2 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}}$

秩为1的矩阵的幂运算

秩为1的矩阵，可以化为两个向量的外积，而幂运算使得能够产生内积标量，从而简化计算

例题5

已知 $A = \begin{bmatrix} 2 & -1 & 3 \\ 4 & -2 & 6 \\ -2 & 1 & -3 \end{bmatrix}$ ，则 $A^{10} = \, ?$

这个题可以通过对角化死算，求特征值特征向量和逆矩阵，计算量很大，技巧是该矩阵是秩为1的矩阵，每一行都是第一行的倍数，因此该矩阵可以化为两个向量的外积，以第一行作为其中一个横向量，易得
已知 $A = \begin{bmatrix} 1 \\ 2 \\ -1 \end{bmatrix} \begin{bmatrix} 2 & -1 & 3 \end{bmatrix}$ ，
因为
$\begin{bmatrix} 2 & -1 & 3 \end{bmatrix} \begin{bmatrix} 1 \\ 2 \\ -1 \end{bmatrix} = -3$ ，

所以
$A^{10} = \begin{bmatrix} 1 \\ 2 \\ -1 \end{bmatrix} \begin{bmatrix} 2 & -1 & 3 \end{bmatrix} (-3)^9 = (-3)^9 A = -3^9 A$

对于这种秩为1的矩阵，他的幂运算公式为
$A^n = \big(\mathrm{trace}(A)\big)^{n-1} A$

trace为矩阵的迹，就是主对角线的和，就是两向量的内积。

numpy -- 实现线性代数
Python 实现线性代数 m_n 与 n_k 这样的矩阵才能相乘矩阵求逆矩阵和矩阵的逆相乘结果为单位矩阵 qr分解
矩阵计算器
这是小甲鱼第25课的作业，要求输入两个矩阵，计算矩阵相乘的运算结果，并以合适的格式打印出来难点：矩阵相乘的循环...
矩阵
1. 线性方程组 2. 矩阵定义 3. 矩阵运算矩阵的加法矩阵的加法数与矩阵相乘数与矩阵相乘矩阵与矩阵相乘矩...
第三节矩阵运算
1矩阵运算 2矩阵运算 3向量和矩阵的运算 4矩阵的逆逆矩阵与原矩阵相乘得到单位矩阵，对角线全为1，其他元素为0...
矩阵乘法为什么定义为行乘以列？
矩阵相乘还是矩阵，对应矩阵位置相乘是标量值！矩阵，大家上过《线性代数》的同学都知道是一堆的大括号，一堆的数据。为...
NumPy基础之矩阵的运算
矩阵运算矩阵运算包括矩阵的加法、减法、乘法（相乘与点乘）、矩阵的转置等，接下来详细讲解矩阵运算。矩阵的加减法，...
【深度学习-数学基础】矩阵和向量相乘结果
矩阵和向量相乘结果一个 m 行 n 列的矩阵和 n 行向量相乘，最后得到就是一个 m 行的向量。运算法则就是矩阵...
OpenCV:矩阵相乘
1. A*B OpenCV重载了运算符“*”： A*B是以数学运算中矩阵相乘的方式实现的，即Mat矩阵A和B被当做...
Css高阶用法(一) matrix
矩阵(matrix) 线性代数基础课里就有对矩阵的阐述，大致形式如下矩阵乘法 "点积" 是把对称的元素相乘，然...
视觉SLAM常用的第三方库
eigen eigen是一个线性代数运算库文件，用于矩阵和向量运算 sophus sophus是基于eigen写的...

线性代数系列：矩阵的相乘和幂运算计算技巧

内容摘要

求两矩阵相乘的幂运算

例题1

例题2

分块对角矩阵的幂运算

例题3

带有初等变换的矩阵相乘计算

例题4

秩为1的矩阵的幂运算

例题5

相关文章

numpy -- 实现线性代数

矩阵计算器

矩阵

第三节矩阵运算

矩阵乘法为什么定义为行乘以列？

NumPy基础之矩阵的运算

【深度学习-数学基础】矩阵和向量相乘结果

OpenCV:矩阵相乘

Css高阶用法(一) matrix

视觉SLAM常用的第三方库

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读