为了以后自己看的明白(●’◡’●)，我决定对复杂的计算过程不再用Latex插入数学公式了（记得不熟的实在是太费劲了，还是手写好~）
第三讲的主要内容有两个：
- 四种矩阵乘法的方式
- 逆矩阵的概念以及计算方式
矩阵乘法（Matrix multiplication）
矩阵相乘例子：
( A ( m , n ) ) ( B ( n , p ) ) = ( C ( m , p ) ) \begin{pmatrix} A\\ (m,n) \end{pmatrix} \begin{pmatrix} B\\ (n,p) \end{pmatrix} = \begin{pmatrix} C\\ (m,p) \end{pmatrix} (A(m,n))(B(n,p))=(C(m,p))
1、具体到元素的乘法方式
结果矩阵 C C C 的某一个元素 C i j C_{ij} Cij 是由 A A A 矩阵的第 i i i 行元素与 B B B 矩阵的第 j j j 列相乘得到的，使用公式表示如下
C i j = ∑ k = 1 n A i , k B k , j C_{ij}=\sum_{k=1}^{n}A_{i,k}B_{k,j} Cij=k=1∑nAi,kBk,j
这是我们理解矩阵乘法一般的思想，但是在线性代数中，更好的方式是整体，也就是之前所提到的用向量乘的方式理解矩阵相乘，所以就有了接下来的方式
2.行方法
之前我们提到过行向量乘矩阵，可以理解为矩阵中行向量的线性组合，其实矩阵乘法也是如此，将左侧矩阵 A A A 看作是多个行向量， 那么矩阵乘法就可以看作是多个行向量乘矩阵 B B B ，将结果行向量（行向量乘以矩阵结果仍仍然是行向量）拼在一起就是结果矩阵 C C C。
简单来说就是把 B B B 中的行向量作为基准，用 A A A 中的行向量对其进行线性组合
例如：
其实就是将矩阵 A A A ，也就是将左侧矩阵的每一个行向量去乘右侧的矩阵，那么每一个 A A A 的行向量乘矩阵 B B B 的结果作为结果矩阵的一个行向量，最后所有的向量乘矩阵计算完成之后就组成结果矩阵了。
3.列方法
同理，如果我们用左侧矩阵 A A A 乘右侧矩阵 B B B 的每一个列向量，其结果就是结果矩阵 C C
最低0.47元/天 解锁文章
3588
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
