MIT线性代数笔记-第3讲-乘法和逆矩阵

3.乘法和逆矩阵

矩阵乘法

$\begin{array}{cccc}\left[\begin{array}{ccc}{a}_{1,1}& \cdots & a_{1,n}\\ ⋮& \ddots & ⋮\\ a_{m,1}& \cdots & a_{m,n}\end{array}\right]& \left[\begin{array}{ccc}{b}_{1,1}& \cdots & b_{1,p}\\ ⋮& \ddots & ⋮\\ b_{n,1}& \cdots & b_{n,p}\end{array}\right]& =& \left[\begin{array}{ccc}{c}_{1,1}& \cdots & c_{1,p}\\ ⋮& \ddots & ⋮\\ c_{m,1}& \cdots & c_{m,p}\end{array}\right]\\ A& B& & C\end{array}$

只有左侧矩阵的列数与右侧矩阵的行数一致时二者才能相乘

1. $c_{i,j}$等于$A$的第$i$行与$B$的第$j$列的点乘之积，即$c_{i,j}=\overrightarrow{rowiofA}\cdot \overrightarrow{columnjof{A}^{-1}}={\sum }_{k=1}^n{a}_{i,k}\ast b_{k,j}$

   可用2，3的理解进行解释

2. $C$的第$i$行等于$A$的第$i$行与$B$的乘积，即$\left[\begin{array}{ccc}{a}_{i,1}& \cdots & a_{i,n}\end{array}\right]\left[\begin{array}{ccc}{b}_{1,1}& \cdots & b_{1,p}\\ ⋮& \ddots & ⋮\\ b_{n,1}& \cdots & b_{n,p}\end{array}\right]=\left[\begin{array}{ccc}{c}_{i,1}& \cdots & c_{i,p}\end{array}\right]$

   可以将$A$视为$m$个$n$维向量，将$B$视为一个$n$维向量（其中每个元素为一个$p$维向量），矩阵乘法即将$A$中的每个$n$维向量依次与$B$点乘（$A$中$n$维向量的元素为数，而向量$B$的元素为向量，二者对应元素之积应为一个$n$维向量，点乘结果即为所有对应元素之积的和），并将结果从上至下依次写下得到$C$

3. $C$的第$j$列等于$A$与$B$的第$j$列的乘积，即$\left[\begin{array}{ccc}{a}_{1,1}& \cdots & a_{1,n}\\ ⋮& \ddots & ⋮\\ a_{m,1}& \cdots & a_{m,n}\end{array}\right]\left[\begin{array}{c}{b}_{1,j}\\ ⋮\\ b_{n,j}\end{array}\right]=\left[\begin{array}{c}{c}_{1,j}\\ ⋮\\ c_{m,j}\end{array}\right]$

   可以将$B$视为$p$个$n$维向量，将$A$视为一个$n$维向量（其中每个元素为一个$m$维向量），矩阵乘法即将$B$中的每个$n$维向量依次与$A$点乘（$B$中$n$维向量的元素为数，而向量$A$的元素为向量，二者对应元素之积应为一个$n$维向量，点乘结果即为所有对应元素之积的和），并将结果从左至右依次写下得到$C$

4. $C$等于$A$的列与$B$的行相乘的叠加，即$C={\sum }_{k=1}^n\left[\begin{array}{c}{a}_{1,k}\\ ⋮\\ a_{m,k}\end{array}\right]\left[\begin{array}{ccc}{b}_{k,1}& \cdots & b_{k,p}\end{array}\right]$

   可用2，3的理解进行解释

5. 分块乘法

   • $A,B$为大小一致的方阵，分出的块关于主对角线对称且分块方式相同时，$C$也按相同方式分块，则$C$中的任意块都可以用若干个$A$中的块与$B$中的块的乘积的和表示

     如： 已知$\begin{array}{cccc}\left[\begin{array}{cc}{A}_{1,1}& A_{1,2}\\ A_{2,1}& A_{2,2}\end{array}\right]& \left[\begin{array}{cc}{B}_{1,1}& B_{1,2}\\ B_{2,1}& B_{2,2}\end{array}\right]& =& \left[\begin{array}{cc}{C}_{1,1}& C_{1,2}\\ C_{2,1}& C_{2,2}\end{array}\right]\\ A& B& & C\end{array}$，有$C_{1,1}=A_{1,1}{B}_{1,1}+A_{1,2}{B}_{2,1}$

   • $A\left[\begin{array}{cc}B& C\end{array}\right]=\left[\begin{array}{cc}AB& AC\end{array}\right]$（其中$B,C$只需满足行数一致即可）

6. 结合律：$E_{2,1}(E_{3,2}A)=U$，则$(E_{2,1}{E}_{3,2})A=U$

   证明： 设$U$中元素为$u$

     对于$E_{2,1}(E_{3,2}A)=U$，

     $\begin{array}{rl}{u}_{i,j}& =(rowiof{E}_{2,1})\cdot (columnjof(E_{3,2}A))\\ & =(rowiof{E}_{2,1})\cdot E_{3,2}\cdot (columnjofA)\\ & =(rowiof(E_{2,1}{E}_{3,2}))\cdot (columnjofA)\end{array}$

     即对于$(E_{2,1}{E}_{3,2})A=U$的$u_{i,j}$的表示方法

7. 分配律：$A(B+C)=AB+AC,(B+C)A=BA+CA$

   看成向量的线性组合的叠加即可证明

8. $A(xB)=xAB$

   看成向量的线性组合的加倍即可证明

   由此推导可知$(xA{)}^m=x^m{A}^m,m\in N^{\ast }$

9. $\left[\begin{array}{cc}0& 1\\ 1& 0\end{array}\right]\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]=\left[\begin{array}{cc}c& d\\ a& b\end{array}\right],\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]\left[\begin{array}{cc}0& 1\\ 1& 0\end{array}\right]=\left[\begin{array}{cc}b& a\\ d& c\end{array}\right]$

---

逆矩阵

矩阵$A$的逆矩阵记作$A^{-1}$（类似倒数），两者互为逆矩阵，满足相乘得到单位矩阵

可逆矩阵又称非奇异矩阵，不可逆矩阵又称奇异矩阵

广义上，可逆矩阵可以不为方阵，若如此则其逆矩阵可能为左逆或右逆（只能有一个），分别满足$A^{-1}A=I,A{A}^{-1}=I$

一般地，可逆矩阵一定为方阵，且$A^{-1}A=A{A}^{-1}=I$

未特殊说明按一般情况考虑（只考虑方阵的可不可逆）

设方阵为$n$维方阵，记作$A$，有：

1. 证明方阵的逆矩阵可位于左右

   已知方阵$A$及其左逆、右逆$L,R$，有$LA=I,AR=I$，则$L=LI=L(AR)=LAR=IR=R$

2. 不可逆的几种理解

   • 将矩阵视为多个行向量或列向量，若这些行/列向量无法组成一组基底，则该矩阵的行/列向量无法通过线性组合表示出$n$个互相垂直的单位向量，即无法与任何矩阵相乘得到单位矩阵，该矩阵不可逆；

   • 若存在非零向量$\vec{x}$使得$A\vec{x}=O$（其中$\vec{x}$为一列），则矩阵$A$不可逆；

     理解： 可类比倒数，$A\vec{x}=0$而$\vec{x}$不为$0$，则$A$为$0$，$0$无倒数

     证明： 若$A\vec{x}=O$（$\vec{x}$不为零向量）且$A$为可逆矩阵，则$A^{-1}A\vec{x}=O$，即$\vec{x}=O$，矛盾

3. 求逆矩阵

   • 解方程组

     将$A^{-1}$的每个元素设为不同的未知量，用$A$依次乘$A^{-1}$的每一列或用$A^{-1}$的每一行依次乘$A$，并写出一个$n$元方程组，求解

   • 高斯-诺尔丹消元

     例：$\left[\begin{array}{cc}1& 3\\ 2& 7\end{array}\right]\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

       增广矩阵：$\begin{array}{c}\left[\begin{array}{ccccc}1& 3& |& 1& 0\\ 2& 7& |& 0& 1\end{array}\right]\\ AI\end{array}$

       消元：$\begin{array}{c}\left[\begin{array}{ccccc}1& 3& |& 1& 0\\ 2& 7& |& 0& 1\end{array}\right]\\ AI\end{array}\stackrel{(2,1)}{\to }\begin{array}{c}\left[\begin{array}{ccccc}1& 3& |& 1& 0\\ 0& 1& |& -2& 1\end{array}\right]\\ \end{array}\stackrel{(1,2)}{\to }\begin{array}{c}\left[\begin{array}{ccccc}1& 0& |& 7& -3\\ 0& 1& |& -2& 1\end{array}\right]\\ I{A}^{-1}\end{array}$

       其中$A^{-1}$恰好为消元过程所用矩阵的乘积

     证明： 设消元过程所用矩阵的乘积为$E$，$E$与$A$大小相同

        分块有$E\left[\begin{array}{cc}A& I\end{array}\right]=\left[\begin{array}{cc}I& ?\end{array}\right]$

        则$EA=I,EI=?$，所以$E=A^{-1},?=E=A^{-1}$

4. 乘法

   • 可逆矩阵的乘积为可逆矩阵

     已知可逆矩阵$A,B$，由结合律得$AB{B}^{-1}{A}^{-1}=I$，因而$AB$为可逆矩阵，且其逆矩阵为$B^{-1}{A}^{-1}$

   • 任意矩阵乘不可逆矩阵或不可逆矩阵乘任意矩阵均得到不可逆矩阵

     相当于对不可逆矩阵的行/列向量加倍及相加得到结果矩阵的行/列向量，这些向量还是无法构成基底

5. 用于消元的矩阵的逆即将该矩阵代表操作的逆操作表示为矩阵

---

打赏

制作不易，若有帮助，欢迎打赏！