文章目录

1. 矩阵乘法 Matrix multiplication
- 1.1 标准方法（行乘以列）
- 1.2 列向量的线性组合
- 1.3 行向量的线性组合
- 1.4 分块乘法
2. 逆矩阵
- 2.1 逆矩阵的定义
- 2.2 高斯-若尔当消元法 Gauss-Jordan Elimination

1. 矩阵乘法 Matrix multiplication

我们通过四种方法讨论如何使矩阵 A 与 B 相乘得到矩阵 C。其中 A 为m*n（m 行 n 列）矩阵，而 B 为 n*p 矩阵，则 C 为 m*p 矩阵，记 c i j c_{ij} cij 为矩阵 C 中第 i i i行第 j j j列的元素。

1.1 标准方法（行乘以列）

矩阵乘法的标准计算方法是通过矩阵 A 第 i i i行的行向量和矩阵 B 第 j j j列的列向量点积得到 c i j c_{ij} cij。
c i j = ∑ k = 1 N a i k ∗ b k j c_{ij}=\sum_{k=1}^{N}a_{ik}*b_{kj} cij=k=1∑Naik∗bkj

1.2 列向量的线性组合

把矩阵B拆分成若干个列向量 ( b 1 , b 2 , … , b p ) (b_1, b_2,\dots,b_p) (b1,b2,…,bp)。所以矩阵相乘等价于将矩阵A分别与B中的每个列向量相乘，则 A ∗ B = ( A ∗ b 1 , A ∗ b 2 , … , A ∗ b p ) A*B=(A*b_1,A*b_2,\dots,A*b_p) A∗B=(A∗b1,A∗b2,…,A∗bp)。

那么矩阵A与每个列向量相乘就是矩阵A中的列向量的线性组合，具体可参考MIT线性代数笔记一行图像和列图像。

直观来看是左旋（逆时针旋转）。

1.3 行向量的线性组合

把矩阵A拆分成若干个行向量 ( a 1 , a 2 , … , a m ) T (a_1,a_2,\dots,a_m)^T (a1,a2,…,am)T。所以矩阵相乘等价于将矩阵A的行向量分别与B相乘，则 A ∗ B = ( a 1 ∗ B , a 2 ∗ B , … , a m ∗ B ) T A*B=(a_1*B,a_2*B,\dots,a_m*B)^T A∗B=(a1∗B,a2∗B,…,am∗B)T。需要注意的是， a 1 ∗ B a_1*B a1∗B得到是一个行向量。

行向量与矩阵B相乘就是矩阵B中的行向量的线性组合，具体可参考MIT线性代数笔记二矩阵消元。

直观来看是右旋（顺时针旋转）。

1.4 分块乘法

A B = ( A 1 A 2 A 3 A 4 ) ∗ ( B 1 B 2 B 3 B 4 ) = ( A 1 A 3 ) ∗ ( B 1 B 2 ) + ( A 2 A 4 ) ∗ ( B 3 B 4 ) AB= \begin{gathered} \begin{pmatrix} A_{1} & A_{2} \\ A_{3} & A_{4} \end{pmatrix} \end{gathered} * \begin{gathered} \begin{pmatrix} B_{1} & B_{2} \\ B_{3} & B_{4} \end{pmatrix} \end{gathered} = \begin{gathered} \begin{pmatrix} A_{1} \\ A_{3} \end{pmatrix} \end{gathered} * \begin{gathered} \begin{pmatrix} B_{1} & B_{2} \end{pmatrix} \quad \end{gathered} + \begin{gathered} \begin{pmatrix} A_{2} \\ A_{4} \end{pmatrix} \end{gathered} * \begin{gathered} \begin{pmatrix} B_{3} & B_{4} \end{pmatrix} \quad \end{gathered} AB=(A1A3A2A4)∗(B1B3B2B4)=(A1A3)∗(B1B2)+(A2A4)∗(B3B4)

A B = ( A 1 B 1 A 1 B 2 A 3 B 1 A 3 B 2 ) + ( A 2 B 3 A 2 B 4 A 4 B 3 A 4 B 4 ) AB= \begin{gathered} \begin{pmatrix} A_{1}B_1 & A_{1}B_{2} \\ A_{3}B_{1} & A_{3}B_{2} \end{pmatrix} \end{gathered} + \begin{gathered} \begin{pmatrix} A_{2}B_3 & A_{2}B_{4} \\ A_{4}B_{3} & A_{4}B_{4} \end{pmatrix} \end{gathered} AB=(A1B1A3B1A1B2A3B2)+(A2B3A4B3A2B4A4B4)

A B = ( A 1 B 1 + A 2 B 3 A 1 B 2 + A 2 B 4 A 3 B 1 + A 4 B 3 A 3 B 2 + A 4 B 4 ) AB= \begin{gathered} \begin{pmatrix} A_{1}B_1 + A_{2}B_3 & A_{1}B_{2} + A_{2}B_{4} \\ A_{3}B_{1} + A_4B_3& A_{3}B_{2}+A_4B_4 \end{pmatrix} \end{gathered} AB=(A1B1+A2B3A3B1+A4B3A1B2+A2B4A3B2+A4B4)

如果将矩阵 A \bold A A和矩阵 B \bold B B划分为严格匹配的区块，则矩阵乘法可以通过分块的乘法加以实现。

C \bold C C矩阵前的符号为等号，其中 C 1 = A 1 B 1 + A 2 B 3 C_1=A_1B_1+A_2B_3 C1=A1B1+A2B3，计算方法与标准算法中矩阵里元素的操作方式相同。

分块相乘要能进行，自然每个小块也必须满足矩阵乘法的合法性，即第一个矩阵的列数=第二个矩阵的行数。因此，矩阵分块是否合理只要看第一个矩阵列的划分是否和第二个矩阵行的划分匹配。

2. 逆矩阵

如果逆矩阵存在，则满足下列等式：
A − 1 A = A A − 1 = I A^{-1}A=AA^{-1}=I A−1A=AA−1=I

2.1 逆矩阵的定义

奇异矩阵即为不可逆矩阵。 A A A为奇异阵，则方程 A x = 0 Ax=0 Ax=0 存在非零解 x x x。例如：
( 1 3 2 6 ) ( − 3 1 ) = ( 0 0 ) \begin{gathered} \begin{pmatrix} 1 & 3 \\ 2 & 6 \end{pmatrix} \end{gathered} \begin{gathered} \begin{pmatrix} -3 \\ 1 \end{pmatrix} \end{gathered} = \begin{gathered} \begin{pmatrix} 0 \\ 0 \end{pmatrix} \end{gathered} (1236)(−31)=(00)

在这个二阶矩阵的例子中，两个列向量是共线的。不可逆矩阵中总有列向量在线性组合中是没有贡献的，等价的说法还有：不可逆矩阵的列向量可以通过线性组合得到零向量。再次凸显出了列向量作为空间的基向量的这一思维的重要性。

2.2 高斯-若尔当消元法 Gauss-Jordan Elimination

首先说一下为什么Jordan没有翻译成乔丹（简单来说是因为法语和英语发音不同），具体可参考链接：https://www.zhihu.com/question/40837690。

在原矩阵右侧加上了增广矩阵 I I I，然后将A转换成单位矩阵后则增广矩阵也就变成了逆矩阵。
E [ A ∣ I ] = [ E A ∣ E I ] = [ I ∣ A − 1 ] E[A|I]=[EA|EI]=[I|A^{-1}] E[A∣I]=[EA∣EI]=[I∣A−1]

很显然E变成了 A − 1 A^{-1} A−1，所以结果是正确的。

MIT线性代数笔记三矩阵的乘法和逆矩阵相关推荐

MIT线性代数笔记四矩阵的LU分解
文章目录 1. 矩阵的LU分解 2. 消元法所需运算量 3. 行互换 Row exchanges 本节的主要目的是从矩阵的角度理解高斯消元法,最后找到所谓的 LLL矩阵,使得矩阵 AAA可以转变为 ...
MIT线性代数笔记二矩阵消元
文章目录 1. 消元 Elimation 2. 回代 Back-Substitution 3. 消元矩阵 Elimination Matrices 4. 置换矩阵 Permutation 5. 逆矩阵 ...
MIT线性代数笔记二十讲克莱姆法则、逆矩阵、体积
文章目录 1. 逆矩阵的公式 Formula for A−1A^{−1}A−1 2. 克莱姆法则 Cramer's Rule for x=A−1bx = A^{−1}bx=A−1b 3. 体积 |de ...
我总结的120页《图解MIT线性代数笔记.pdf》，都是干货！
作者:丁坤博北京大学研究生线性代数在工科学科上的地位是任何学科无可比拟的,MIT的线性代数课程更是线性代数课程中的最佳学习资料,我们本次分享这套课程的图解笔记. 经过最近几个月的整理和总结,我们产 ...
MIT线性代数1806(8) 矩阵秩特解通解
MIT线性代数1806(8) 矩阵秩特解通解
03矩阵的乘法与逆矩阵
矩阵的乘法和逆矩阵 Multiplication & inverse matrices 两个矩阵间的乘法.逆矩阵存在的条件.求解逆矩阵的方法矩阵乘法我们通过四种方法讨论如何使矩阵 A ...
[笔记][总结] MIT线性代数 Gilbert Strang 矩阵分解
作者水平有限,欢迎大家提出文中错误矩阵分解 PAn∗n=LUPA_{n*n}=LUPAn∗n=LU 高斯消元法消元矩阵 EliminationmatricesElimination\ matri ...
线性代数笔记（矩阵）
矩阵是平面的,如果是三维的呢?一维是向量,二维是矩阵,三维呢? 1)矩阵:由m*n个数排成的矩形数表;横排叫行,竖排叫列: 2)方阵:行数和列数都是n的矩阵:主对角线,对角元素,迹(对角元素的和):方 ...
两矩阵相乘的秩的性质_MIT—线性代数笔记04 矩阵的LU分解
第04讲矩阵的LU分解 Factorization into A=LU 04 A的LU分解v.youku.com 本节的主要目的是从矩阵的角度理解高斯消元法,最后找到所谓的L矩阵,使得矩阵A可以转 ...

MIT线性代数笔记三矩阵的乘法和逆矩阵

文章目录

1. 矩阵乘法 Matrix multiplication

1.1 标准方法（行乘以列）

1.2 列向量的线性组合

1.3 行向量的线性组合

1.4 分块乘法

2. 逆矩阵

2.1 逆矩阵的定义

2.2 高斯-若尔当消元法 Gauss-Jordan Elimination

MIT线性代数笔记三矩阵的乘法和逆矩阵相关推荐

最新文章

热门文章

MIT线性代数笔记三 矩阵的乘法和逆矩阵

文章目录

1. 矩阵乘法 Matrix multiplication

1.1 标准方法（行乘以列）

1.2 列向量的线性组合

1.3 行向量的线性组合

1.4 分块乘法

2. 逆矩阵

2.1 逆矩阵的定义

2.2 高斯-若尔当消元法 Gauss-Jordan Elimination

MIT线性代数笔记三 矩阵的乘法和逆矩阵相关推荐

最新文章

热门文章

MIT线性代数笔记三矩阵的乘法和逆矩阵

MIT线性代数笔记三矩阵的乘法和逆矩阵相关推荐