线性代数｜按行分块和按列分块

长行

已于 2023-09-23 18:33:37 修改

阅读量4.7k

点赞数 1

分类专栏：线性代数文章标签：线性代数矩阵

于 2022-09-19 23:04:45 首次发布

本文链接：https://blog.csdn.net/Changxing_J/article/details/126944031

版权

线性代数专栏收录该内容

104 篇文章

订阅专栏

本文介绍了分块矩阵的概念及其运算规则，并详细解释了如何利用分块矩阵进行矩阵乘法运算，同时展示了如何将线性方程组转换为矩阵乘积形式，为理解和求解线性方程组提供了新的视角。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前置知识：

【定义】分块矩阵
分块矩阵的运算规则

$\times n$ 矩阵 $\boldsymbol{A}$ 有 $n$ 列，称为矩阵 $\boldsymbol{A}$ 的 $n$ 个列向量。若第 $j$ 列记作
$\boldsymbol{a}_j = \begin{pmatrix} a_{1j} \\ a_{2j} \\ \vdots \\ a_{mj} \end{pmatrix}$
则 $\boldsymbol{A}$ 可按列分块为
$\boldsymbol{A} = (\boldsymbol{a}_1,\boldsymbol{a}_2,\cdots,\boldsymbol{a}_n)$
$\times n$ 矩阵 $\boldsymbol{A}$ 有 $m$ 行，称为矩阵 $\boldsymbol{A}$ 的 $m$ 个行向量。若第 $i$ 行记作
$\boldsymbol{\alpha}_i^T = (a_{i1},a_{i2},\cdots,a_{in})$
则 $\boldsymbol{A}$ 可按行分块为
$\boldsymbol{A} = \begin{pmatrix} \boldsymbol{\alpha}_1^T \\ \boldsymbol{\alpha}_2^T \\ \vdots \\ \boldsymbol{\alpha}_m^T \\ \end{pmatrix}$

（1）通过矩阵的按行分块和按列分块，可以直观地表示，在矩阵乘法 $\boldsymbol{A} \boldsymbol{B} = \boldsymbol{C} = (c_{ij})_{m \times n}$ 中， $c_{ij}$ 为 $\boldsymbol{A}$ 中的一个行向量与 $\boldsymbol{B}$ 中的一个列向量的乘积。

对于矩阵 $\boldsymbol{A} = (a_{ij})_{m \times s}$ 与矩阵 $\boldsymbol{B} = (b_{ij})_{s \times n}$ 的乘积矩阵 $\boldsymbol{A} \boldsymbol{B} = \boldsymbol{C} = (c_{ij})_{m \times n}$ ，若把 $\boldsymbol{A}$ 按行分成 $m$ 块，将 $\boldsymbol{B}$ 按列分成 $n$ 块，便有
$\boldsymbol{A} \boldsymbol{B} = \begin{pmatrix} \boldsymbol{\alpha}_1^T \\ \boldsymbol{\alpha}_2^T \\ \vdots \\ \boldsymbol{\alpha}_m^T \end{pmatrix} (\boldsymbol{b}_1, \boldsymbol{b}_2, \cdots, \boldsymbol{b}_n) = \begin{pmatrix} \boldsymbol{\alpha}_1^T \boldsymbol{b}_1 & \boldsymbol{\alpha}_1^T \boldsymbol{b}_2 & \cdots & \boldsymbol{\alpha}_1^T \boldsymbol{b}_n \\ \boldsymbol{\alpha}_2^T \boldsymbol{b}_1 & \boldsymbol{\alpha}_2^T \boldsymbol{b}_2 & \cdots & \boldsymbol{\alpha}_2^T \boldsymbol{b}_n \\ \vdots & \vdots & & \vdots \\ \boldsymbol{\alpha}_m^T \boldsymbol{b}_1 & \boldsymbol{\alpha}_m^T \boldsymbol{b}_2 & \cdots & \boldsymbol{\alpha}_m^T \boldsymbol{b}_n \\ \end{pmatrix} = (c_{ij})_{m \times n}$
其中
$c_{ij} = \boldsymbol{\alpha}_i^T \boldsymbol{b}_j = (a_{i1},a_{i2},\cdots,a_{is}) \begin{pmatrix} b_{1j} \\ b_{2j} \\ \vdots \\ b_{sj} \end{pmatrix} = \sum_{k=1}^s a_{ik} b_{kj}$
（2）通过将矩阵乘法中的矩阵按行分块和按列分块，可以得到线性方程组的另一个表达式。

已知线性方程组
$\begin{cases} a_{11} x_1 + a_{12} x_2 + \cdots a_{1n} x_n = b_1 \\ a_{21} x_1 + a_{22} x_2 + \cdots a_{2n} x_n = b_2 \\ \cdots \\ a_{m1} x_1 + a_{m2} x_2 + \cdots a_{mn} x_n = b_m \end{cases} \tag{1}$
它的矩阵乘积形式为
$\boldsymbol{A}_{m \times n} \boldsymbol{x}_{n \times 1} = \boldsymbol{b}_{m \times 1}$
将上式中 $\boldsymbol{A}$ 按列分块， $\boldsymbol{x}$ 按行分块，由分块矩阵的乘法有
$(\boldsymbol{a}_1,\boldsymbol{a}_2,\cdots,\boldsymbol{a}_n) \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix} = \boldsymbol{b}$
即
$x_1 \boldsymbol{a}_1 + x_2 \boldsymbol{a}_2 + \cdots x_n \boldsymbol{a}_n = \boldsymbol{b}$
这等价于将方程组表示为
$\begin{pmatrix} a_{11} \\ a_{21} \\ \vdots \\ a_{m1} \end{pmatrix} x_1 + \begin{pmatrix} a_{12} \\ a_{22} \\ \vdots \\ a_{m2} \end{pmatrix} x_2 + \cdots + \begin{pmatrix} a_{1n} \\ a_{2n} \\ \vdots \\ a_{mn} \end{pmatrix} x_n = \begin{pmatrix} b_{1} \\ b_{2} \\ \vdots \\ b_{m} \end{pmatrix}$