线性代数：矩阵乘法和逆矩阵

本节是网易公开课上的麻省理工大学线性代数课程第三节： 矩阵乘法和逆矩阵 的学习笔记。

矩阵乘法

矩阵相乘，并不一定要求是方阵。

如果矩阵 A 是一个 mxn 的矩阵（m行，n列），则矩阵 B 必须是一个 nxp（n行，p列）的矩阵，这样两者才能相乘，相乘的结果矩阵 C 是一个 mxp（m行，p列）的矩阵。

一般法则

假设 $AB = C$。那$C_{34}=?$

答案：

$$C_{34} = A_{3,:} · B_{:,4} = A_{3,1} B_{1,4} + A_{3,2} · B_{2,4}=\sum {A_{3,k}B_{k,4}}$$

其中：$A_{3,:} · B_{:,4}$ 表示矩阵 A 的第三行元素（一个向量）和矩阵 B 的第四列元素（一个向量）的点积。

列方法

继续上面的 $AB = C$。

矩阵 A(mxn) 乘以矩阵 B(nxp) 可以理解为矩阵 A 分别乘以矩阵 B 的每一列的向量（总共p个），得到的结果分别对应矩阵 C 中对应的某列元素。而矩阵 A 乘以向量可以理解为矩阵 A 中各列的线性组合（可参看 第一节 中的知识）。

这样，矩阵 C 中的每一列其实就是矩阵 A 中的每一列的线性组合，而矩阵 B 中的数字相当于告诉怎么进行线性组合。

行方法

矩阵 A(mxn) 乘以矩阵 B(nxp) 可以理解为矩阵 A 中的每一行的向量乘以矩阵 B，得到的结果分别对应矩阵 C 中对应的某行元素。而向量乘以矩阵 B 可以理解为矩阵 B 中各行的线性组合。

这样，矩阵 C 中的每一行其实就是矩阵 B 中的每一行的线性组合，而矩阵 A 中的数字相当于告诉怎么进行线性组合。

列乘以行

如果使用一个行向量(1xn)乘以一个列向量(nx1)结果是一个数，那使用列向量(mx1)乘以行向量(1xp)呢？

结果会是一个mxn矩阵，这个矩阵非常特殊。它的每一列元素分别是列向量的线性组合，它的每一行元素都分别是行向量的线性组合。

也就是说，结果矩阵的每一行都依赖于向量 [1,6] ，如果画出这个矩阵的所有行向量，它们都是同一个方向。同理，如果画出这个矩阵的所有列向量，它们也都是同一个方向的。

换一种说法，该矩阵的行空间是一条直线，其所有的行向量都在过(1,6) 这两点的直线上。

基于这种思路，我们来使用列乘以行来解决矩阵相乘的问题。AB 等于矩阵 A 各列与矩阵 B 各行乘积之和。

分块乘法

可以将矩阵 A 分成几部分，简单起见，分成4部分，即四块。简单起见，假设矩阵 A 是方阵（mxm），矩阵 B 也是方阵（mxm）。一张图说明问题：

逆矩阵

可逆（非奇异）

假设一个矩阵 A ，如果存在左逆，则： A−1