1 概述
上一课讲解了矩阵与向量之间的乘法，这一课主要讲矩阵与矩阵的乘法，并对逆矩阵进行详细介绍。
2 矩阵乘法
在矩阵乘法中，需要注意
A
A
A的列数必须等于
B
B
B的行数。
[
1
2
3
4
5
6
7
8
9
]
⏟
A
m
∗
n
[
9
8
7
6
5
4
3
2
1
]
⏟
B
n
∗
p
=
[
c
11
c
12
c
13
c
21
c
22
54
c
31
c
32
c
33
]
⏟
C
m
∗
p
\underbrace{\begin{bmatrix}1&2&3\\4&5&6\\7&8&9\end{bmatrix}}_{A_{m*n}} \underbrace{\begin{bmatrix}9&8&7\\6&5&4\\3&2&1\end{bmatrix}}_{B_{n*p}}= \underbrace {\begin{bmatrix}c_{11} & c_{12} & c_{13} \\c_{21} & c_{22} & 54 \\c_{31} & c_{32} & c_{33}\end{bmatrix}}_{C_{m*p}}
Am∗n
⎣⎡147258369⎦⎤Bn∗p
⎣⎡963852741⎦⎤=Cm∗p
⎣⎡c11c21c31c12c22c32c1354c33⎦⎤
方法一 行列点乘法
C
i
j
=
∑
k
=
1
n
A
i
k
B
j
k
\begin{aligned}C_{ij} =\sum_{k=1}^{n}A_{ik}B_{jk}\end{aligned}
Cij=k=1∑nAikBjk 即
C
C
C中第
i
i
i行
j
j
j列的元素等于
A
A
A中第
i
i
i行与
B
B
B中第
j
j
j列的点乘。
C
23
=
A
r
o
w
2
B
c
o
l
3
=
A
21
B
13
+
A
22
B
23
+
A
23
B
33
=
4
∗
7
+
5
∗
4
+
6
∗
1
=
28
+
20
+
6
=
54
=
∑
k
=
1
n
A
2
k
B
k
3
\begin{aligned} C_{23} &= A_{row_{2}}B_{col_{3}} = A_{21}B_{13} + A_{22}B_{23} + A_{23}B_{33}\\&=4*7 + 5*4 + 6*1 = 28 + 20 + 6 = 54 =\sum_{k=1}^{n}A_{2k}B_{k3}\end{aligned}
C23=Arow2Bcol3=A21B13+A22B23+A23B33=4∗7+5∗4+6∗1=28+20+6=54=k=1∑nA2kBk3
方法二 列方法
整列考虑，
C
C
C中的各列是
A
A
A中各列的线性组合。
B
B
B的一个列向量乘以
A
A
A（矩阵
A
A
A各列向量的线性组合）得到
C
C
C的对应列向量，此过程其余列向量暂不参与计算。
C
c
o
l
1
=
A
B
c
o
l
1
=
B
11
A
c
o
l
1
+
B
12
A
c
o
l
2
+
B
13
A
c
o
l
3
=
[
1
2
3
4
5
6
7
8
9
]
[
9
6
3
]
=
9
[
1
4
7
]
+
6
[
2
5
8
]
+
3
[
3
6
9
]
=
[
9
36
63
]
+
[
12
30
48
]
+
[
9
18
27
]
=
[
30
84
138
]
\begin{aligned} C_{col1} &= AB_{col1} = B_{11}A_{col1} + B_{12}A_{col2} + B_{13}A_{col3} \\&= \begin{bmatrix}1&2&3\\4&5&6\\7&8&9\end{bmatrix}\begin{bmatrix}9\\6\\3\end{bmatrix} = 9\begin{bmatrix}1\\4\\7\end{bmatrix}+ 6\begin{bmatrix}2\\5\\8\end{bmatrix}+ 3\begin{bmatrix}3\\6\\9\end{bmatrix} = \begin{bmatrix}9\\36\\63\end{bmatrix} + \begin{bmatrix}12\\30\\48\end{bmatrix} + \begin{bmatrix}9\\18\\27\end{bmatrix} \\&= \begin{bmatrix}30\\84\\138\end{bmatrix} \end{aligned}
Ccol1=ABcol1=B11Acol1+B12Acol2+B13Acol3=⎣⎡147258369⎦⎤⎣⎡963⎦⎤=9⎣⎡147⎦⎤+6⎣⎡258⎦⎤+3⎣⎡369⎦⎤=⎣⎡93663⎦⎤+⎣⎡123048⎦⎤+⎣⎡91827⎦⎤=⎣⎡3084138⎦⎤
方法三 行方法
整行考虑，
C
C
C中的各行是
B
B
B中各行的线性组合。
A
A
A的一个行向量乘以
B
B
B(矩阵
B
B
B各行向量的线性组合)得到
C
C
C的对应行向量，此过程其余行向量暂不参与计算。
C
r
o
w
1
=
A
r
o
w
1
B
=
A
11
B
r
o
w
1
+
A
12
B
r
o
w
2
+
A
13
B
r
o
w
3
=
[
1
2
3
]
[
9
8
7
6
5
4
3
2
1
]
=
1
[
9
8
7
]
+
2
[
6
5
4
]
+
3
[
3
2
1
]
=
[
9
8
7
]
+
[
12
10
8
]
+
[
9
6
3
]
=
[
30
24
18
]
\begin{aligned} C_{row1} &= A_{row1}B = A_{11}B_{row1} + A_{12}B_{row2} + A_{13}B_{row3} \\&= \begin{bmatrix}1&2&3 \end{bmatrix} \begin{bmatrix}9&8&7\\6&5&4\\3&2&1\end{bmatrix} = 1\begin{bmatrix}9&8&7\end{bmatrix} + 2\begin{bmatrix}6&5&4\end{bmatrix} + 3\begin{bmatrix}3&2&1\end{bmatrix} \\&= \begin{bmatrix}9&8&7\end{bmatrix} + \begin{bmatrix}12&10&8\end{bmatrix} + \begin{bmatrix}9&6&3\end{bmatrix} \\&= \begin{bmatrix}30&24&18\end{bmatrix} \end{aligned}
Crow1=Arow1B=A11Brow1+A12Brow2+A13Brow3=[123]⎣⎡963852741⎦⎤=1[987]+2[654]+3[321]=[987]+[12108]+[963]=[302418]
方法四 列*行
A
A
A各列与
B
B
B各行乘积之和，例如
A
A
A中第一列乘以
B
B
B中第一行会得到一个矩阵，最后将各矩阵相加。
C
=
A
c
o
l
1
B
r
o
w
1
+
A
c
o
l
2
B
r
o
w
2
+
A
c
o
l
3
B
r
o
w
3
=
[
1
2
3
4
5
6
7
8
9
]
[
9
8
7
6
5
4
3
2
1
]
=
[
1
4
7
]
[
9
8
7
]
+
[
2
5
8
]
[
6
5
4
]
+
[
3
6
9
]
[
3
2
1
]
=
[
9
8
7
36
32
28
63
56
49
]
+
[
12
10
8
30
25
20
48
40
32
]
+
[
9
6
3
18
16
6
27
18
9
]
=
[
30
24
18
84
73
54
138
114
90
]
\begin{aligned} C &=A_{col1}B_{row1}+A_{col2}B{row2}+A_{col3}B_{row3} \\&= \begin{bmatrix}1&2&3\\4&5&6\\7&8&9\end{bmatrix} \begin{bmatrix}9&8&7\\6&5&4\\3&2&1\end{bmatrix}= \begin{bmatrix}1\\4\\7\end{bmatrix} \begin{bmatrix}9&8&7\end{bmatrix} + \begin{bmatrix}2\\5\\8\end{bmatrix} \begin{bmatrix}6&5&4\end{bmatrix} + \begin{bmatrix}3\\6\\9\end{bmatrix} \begin{bmatrix}3&2&1\end{bmatrix} \\&= \begin{bmatrix}9&8&7\\36&32&28\\63&56&49\end{bmatrix} + \begin{bmatrix}12&10&8\\30&25&20\\48&40&32\end{bmatrix} + \begin{bmatrix}9&6&3\\18&16&6\\27&18&9\end{bmatrix} \\&= \begin{bmatrix}30&24&18\\84&73&54\\138&114&90\end{bmatrix} \end{aligned}
C=Acol1Brow1+Acol2Brow2+Acol3Brow3=⎣⎡147258369⎦⎤⎣⎡963852741⎦⎤=⎣⎡147⎦⎤[987]+⎣⎡258⎦⎤[654]+⎣⎡369⎦⎤[321]=⎣⎡936638325672849⎦⎤+⎣⎡12304810254082032⎦⎤+⎣⎡9182761618369⎦⎤=⎣⎡30841382473114185490⎦⎤
方法五：分块乘法
将矩阵
A
A
A，
B
B
B分成能够相互匹配的块，然后对应块进行行列点乘法。
[
A
1
A
2
A
3
A
4
]
[
B
1
B
2
B
3
B
4
]
=
[
C
1
C
2
C
3
C
4
]
C
1
=
A
1
B
1
+
A
2
B
3
\left[\begin{array}{c|c} A_{1} & A_{2} \\ \hline A_{3} & A_{4} \end{array}\right] \left[\begin{array}{c|c} B_{1} & B_{2} \\ \hline B_{3} & B_{4} \end{array}\right] = \left[\begin{array}{c|c} C_{1} & C_{2} \\ \hline C_{3} & C_{4} \end{array}\right] C1=A_{1}B_{1}+A_{2}B_{3}
[A1A3A2A4][B1B3B2B4]=[C1C3C2C4]C1=A1B1+A2B3
3 逆矩阵
对于一个方阵
A
A
A，如果
A
A
A可逆，就有一个
A
−
1
A^{-1}
A−1，使
A
−
1
A
=
I
=
A
A
−
1
(1)
\begin{aligned}\tag{1} A^{-1} A = I = A A^{-1} \end{aligned}
A−1A=I=AA−1(1)
公式(1)中
I
I
I为单位矩阵，既左逆矩阵等于右逆矩阵
如果
A
A
A非方阵：
A
−
1
A
⏟
左
逆
≠
A
A
−
1
⏟
右
逆
\underbrace{A^{-1}A}_{左逆}\ne\underbrace{AA^{-1}}_{右逆}
左逆
A−1A=右逆
AA−1。因为这时左右侧
A
−
1
A^{-1}
A−1的形状一定不相同。
3.1 奇异矩阵：(没有逆的情况)
[
1
3
2
6
]
⏟
A
X
=
I
\underbrace{\begin{bmatrix}1&3\\2&6\end{bmatrix}}_A X = I
A
[1236]X=I
矩阵
A
A
A是否存在逆矩阵?从列组合的方面来考虑:矩阵
I
I
I的列向量是矩阵
A
A
A列向量的线性组合，即
a
[
1
2
]
+
b
[
3
6
]
=
c
[
1
2
]
a\begin{bmatrix}1\\2\end{bmatrix}+b\begin{bmatrix}3\\6\end{bmatrix}=c\begin{bmatrix}1\\2\end{bmatrix}
a[12]+b[36]=c[12]，很明显结果并不为
I
I
I的某一列，因为单位矩阵中一列只有一个元素为1，其余元素均为0。
如果存在非零向量
X
X
X，使得
A
X
=
0
AX=0
AX=0，
A
A
A没有逆矩阵。假如
A
A
A有逆，由
A
−
1
A
x
=
I
x
=
0
A^{-1}Ax=Ix=0
A−1Ax=Ix=0，可知矛盾。
3.2 非奇异矩阵
[
1
3
2
7
]
⏟
A
[
a
c
b
d
]
⏟
A
−
1
=
[
1
0
0
1
]
⏟
I
\underbrace{\begin{bmatrix}1&3\\2&7\end{bmatrix}}_A \underbrace{\begin{bmatrix}a&c\\b&d\end{bmatrix}}_{A^{-1}} = \underbrace{\begin{bmatrix}1&0\\0&1\end{bmatrix}}_I
A
[1237]A−1
[abcd]=I
[1001]
$ AA^{-1}{colj} = I{colj}
，
，
，A
乘
以
其
逆
的
第
乘以其逆的第
乘以其逆的第j
列
等
于
单
位
阵
的
第
列等于单位阵的第
列等于单位阵的第j$列
[
1
3
2
7
]
[
a
b
]
=
[
1
0
]
[
1
3
2
7
]
[
c
d
]
=
[
0
1
]
\begin{bmatrix}1&3\\2&7\end{bmatrix} \begin{bmatrix}a\\b\end{bmatrix} = \begin{bmatrix}1\\0\end{bmatrix} \qquad \begin{bmatrix}1&3\\2&7\end{bmatrix} \begin{bmatrix}c\\d\end{bmatrix} = \begin{bmatrix}0\\1\end{bmatrix}
[1237][ab]=[10][1237][cd]=[01]
3.3 高斯-若尔当
如何求解一个方阵的逆?一般的方法，就是假设出
A
−
1
A^{-1}
A−1中的元素，然后就是求解一个线性方程组的过程。更好的方式是将两个矩阵放在一起考虑
(
A
,
I
)
(A,I)
(A,I)，同时对两个矩阵进行变换求逆矩阵。
[
1
3
1
0
2
7
0
1
]
E
21
→
[
1
3
1
0
0
1
−
2
1
]
E
12
→
[
1
0
7
−
3
0
1
−
2
1
]
\begin{aligned} \left[\begin{array}{cc|cc} 1&3&1&0\\2&7&0&1\end{array}\right]\underrightarrow{E_{21}} \left[\begin{array}{cc|cc} 1&3&1&0\\0&1&-2&1\end{array}\right]\underrightarrow{E_{12}} \left[\begin{array}{cc|cc} 1&0&7&-3\\0&1&-2&1\end{array}\right] \end{aligned}
[12371001]E21[10311−201]E12[10017−2−31]
用消元的思想表示上面的过程:
E
(
A
,
I
)
=
(
E
A
,
E
I
)
=
(
I
,
A
−
1
)
E(A,I) = (EA,EI) = (I,A^{-1})
E(A,I)=(EA,EI)=(I,A−1)
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
