python与线性代数 矩阵方程

若$A$是$m*n$矩阵,它的各列为$a_1,...,a_n$.若$x$是$R^n$中向量,则$A$与$x$的积,记为$Ax$,就是$A$的各列以$x$中对应元素为权的线性组合,即
$Ax$ = $[a_1 a_2 … a_n]$$\left[ \begin{matrix} x_1 \\ x_2 \\ ... \\ x_n \end{matrix} \right]$=$x_1a_1+x_2a_2+…+x_na_n$

若$A$是$m*n$矩阵,它的各列为$a_1,...,a_n$.$b$属于$R^m$,则矩阵方程与向量方程$x_1a_1+x_2a_2+...+x_na_n$=$b$,有相同的解集,又与增广矩阵$[a_1 a_2 ... a_n b]$的线性方程组有相同的解集

矩阵方程,向量方程和线性方程组都用相同方法来解,即用行化简方法来化简增广矩阵.

计算$Ax$的行向量规则,点积(dot product)
$Ax$中的第$i$个元素是$A$的第$i$行元素与x的相应元素乘积之和.
单位矩阵(identity matrix)是指主对角线上元素为1,其他位置上的元素为0,记为$I_n$,对任意$R^n$中的$x$,都有$I_nx = x$

矩阵向量积的性质
$A(u+v) = Au + Av$
$A(cu) = c(Au)$