MIT 18.06 linear algebra 第三课笔记

MIT 18.06 linear algebra 第三课笔记

第三课的课程要点如下：
- Matrix multiplication
- Inverse of A
- Gauss-Jordan/find $A^{-1}$
-

• 矩阵相乘的第一种方法：
  假设$AB=C$，其中$C$中的某一个元素$c_{ij}$是由矩阵$A$的$row_{i}$点乘以矩阵$B$的$column_{j}$得到的。比如$C_{34}$:
  $$C_{34}=(row_3 of A)(column_4 of B)=\\ a_{31}b_{14}+a_{32}b_{24}++a_{3n}b_{n4}= \sum_{k=1}^{n}a_{3k}b_{k4} \tag{1}$$
• 矩阵相乘的第二种方法：考虑整列
  矩阵$AB=C$,其中$C$中的任意一列都是都是对$A$中列的线性组合,其中组合方式有$B$中的相应列决定。
• 矩阵相乘的第三种方法:考虑行
  矩阵$AB=C$,其中$C$的每一行都是矩阵$B$中关于行的线性组合，其中组合方式是由$A$中的相应行决定。
• 第四种方式
  矩阵$AB=C$，可以看作是$A$的中列乘以$B$中的行。然后求和。例子如下所示：

$AB$=sum of (col of $A$)(row of $B$)

$$\begin{bmatrix} 2&7\\ 3&8\\ 4&9\\ \end{bmatrix} \begin{bmatrix} 1&6\\ 0&0\\ \end{bmatrix}= \begin{bmatrix} 2\\3\\4 \end{bmatrix} \begin{bmatrix} 1&6\\ \end{bmatrix}+ \begin{bmatrix} 7\\8\\9 \end{bmatrix} \begin{bmatrix} 0&0 \end{bmatrix}\tag{2}$$

在矩阵乘法中，还可以使用分快法：

$$\begin{bmatrix} A_1&A_2\\ A_3&A_4\\ \end{bmatrix} \begin{bmatrix} B_1&B_2\\ B_3&B_4\\ \end{bmatrix}= \begin{bmatrix} A_1B_1+A_2B_3&A_1B_2+A_2B_4\\ A_3B_1+A_4B_3&A_3B_2+A_4B_4 \end{bmatrix}\tag{3}$$

矩阵的逆(这里仅仅讨论方阵)
如果矩阵可逆(invertible)的话$AA^{-1}=I=A^{-1}A$。如果$A$不是方阵，左逆是不等于右逆的。
如果一个矩阵不可逆的话，我们是可以找到一个非$0$的向量$x$,使得$Ax=0$。

求一个矩阵逆的方法：

$$\begin{bmatrix} 1&3\\ 2&7\\ \end{bmatrix} \begin{bmatrix} a&b\\ c&d\\ \end{bmatrix} \begin{bmatrix} 1&0\\ 0&1\\ \end{bmatrix}\tag{4}$$
如果要求出 $a,b,c,d$的话，我们可以通过考虑列的方式来求：
$$a \begin{bmatrix} 1\\2 \end{bmatrix}+b \begin{bmatrix} 3\\7 \end{bmatrix}= \begin{bmatrix} 1\\0 \end{bmatrix}\tag{5}$$

$$c \begin{bmatrix} 1\\2 \end{bmatrix}+d \begin{bmatrix} 3\\7 \end{bmatrix}= \begin{bmatrix} 0\\1 \end{bmatrix}\tag{6}$$
上式(5,6)其实相当于两个线性方程，如果用高斯消元法的话，一次只能解决一个方程组。
下面是 Gauss-Jordan方法，能同时解决多个方程组：
$$\begin{bmatrix} \begin{array}{cc|cc} 1&3&1&0\\ 2&7&0&1\\ \end{array} \end{bmatrix}\tag{7}$$
只要把上面的式(7)左边化成单位矩阵，那么右半边自然就是矩阵的逆了。对 $[A|I]$做线性变换， $A$变为$I$,那么对 $A$做变换的矩阵E自然就是矩阵$A$的逆了。