线性代数-MIT-第3讲

最新推荐文章于 2022-02-19 21:45:18 发布

安心爱吃糖

最新推荐文章于 2022-02-19 21:45:18 发布

阅读量194

点赞数 1

分类专栏：线性代数

本文链接：https://blog.csdn.net/weixin_32574873/article/details/103597238

版权

线性代数专栏收录该内容

12 篇文章 2 订阅

订阅专栏

第3讲-乘法和逆矩阵

更多文章请关注微信公众号：SLAM之路

1.矩阵乘法(4种方法)

矩阵A*矩阵B=矩阵C

$\begin{bmatrix} - &- & - &- \\ -& - & - & -\\ -&- &- &- \\ -& -& -& - \end{bmatrix}\begin{bmatrix} - &- & - &- \\ -& - & - & -\\ -&- &- &- \\ -& -& -& - \end{bmatrix}=\begin{bmatrix} - &- & - &- \\ -& - & - & -\\ -&- &- &- \\ -& -& -& - \end{bmatrix}$

A B C

什么情况下矩阵才能进行相乘？

并非方阵，如果方阵相乘必须大小相同；否则A的列数等于B的行数；

$A_{mn}B_{nk}=C_{mk}$

法1：

求矩阵C中第三行第四列的元素：

c34=(A的行3向量)点乘(B的列4向量)； $c_{34}=a_{31}b_{14}+a_{32}b_{24}+...=\sum_{k=1}^{n}a_{3k}b_{k4}$

法2：

右乘理解，即右乘各列是左边矩阵列向量的线性组合系数，注意颜色对应性；

$\begin{bmatrix} - &- & - &- \\ -& - & - & -\\ -&- &- &- \\ -& -& -& - \end{bmatrix}\begin{bmatrix} {\color{Red} -} &{\color{Blue} -} & {\color{Cyan} -} &{\color{Magenta} -}&- \\ {\color{Red} -} &{\color{Blue} -} & {\color{Cyan} -} &{\color{Magenta} -}&- \\{\color{Red} -} &{\color{Blue} -} & {\color{Cyan} -} &{\color{Magenta} -}&- \\ {\color{Red} -} &{\color{Blue} -} & {\color{Cyan} -} &{\color{Magenta} -}&- \end{bmatrix}=\begin{bmatrix} {\color{Red} -} &{\color{Blue} -} & {\color{Cyan} -} &{\color{Magenta} -}&- \\ {\color{Red} -} &{\color{Blue} -} & {\color{Cyan} -} &{\color{Magenta} -}&- \\{\color{Red} -} &{\color{Blue} -} & {\color{Cyan} -} &{\color{Magenta} -}&- \\ {\color{Red} -} &{\color{Blue} -} & {\color{Cyan} -} &{\color{Magenta} -}&- \end{bmatrix}$

A B C

一次只看一列结果：C中每一列是A中各列的线性组合；

法3：

左乘理解，即左乘各行是右边矩阵各行向量的线性组合系数，注意符号对应性

$\begin{bmatrix} - &- &- &- \\ / & / &/ &/ \\ * & * & *& * \end{bmatrix}\begin{bmatrix} - &- & - & - & -\\ - & -& -& -& -\\ -& - & - & - & -\\ -& - & - & -& - \end{bmatrix}=\begin{bmatrix} - &- &- &- &- \\ /& /& /& / &/ \\ * & * &* &* &* \end{bmatrix}$

A B C

一次只看一行结果：C中每一行是B中各行的线性组合；

法4：AB=sum of (cols of A)(rows of B)

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

法5：分块乘法

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

2.矩阵的逆(方阵)

方阵A，若存在逆矩阵，可逆矩阵或非奇异矩阵，则，

$AA^{-1}=A^{-1}A=I$

不可逆矩阵或奇异矩阵，下面2x2矩阵不可逆，

$A=\begin{bmatrix} 1&3\\ 2 & 6\end{bmatrix}$

解释1：因A列向量线性相关，两列共线无法转化成单位阵；

解释2：如果存在向量x,使Ax=0,例如x=[3,-1],存在非零向量满足方程则不可逆，

或假设A可逆，则左乘逆，则x=[0,0,0]但x不等于0；

求逆：

$\begin{bmatrix} 1&3\\ 2 & 7\end{bmatrix}\begin{bmatrix} a &c \\ b & d \end{bmatrix}=\begin{bmatrix} 1 &0 \\ 0 & 1 \end{bmatrix}$

A A的逆 I

转化为，AxA的逆各列=I的各列

3.高斯乔丹法则

能同时处理两个方程组

$\begin{bmatrix} 1&3\\ 2 & 7\end{bmatrix}\begin{bmatrix} a &c \\ b & d \end{bmatrix}=\begin{bmatrix} 1 &0 \\ 0 & 1 \end{bmatrix}\Rightarrow \begin{bmatrix} 1&3\\ 2 & 7\end{bmatrix}\begin{bmatrix} a \\ b \end{bmatrix}=\begin{bmatrix} 1 \\ 0 \end{bmatrix},\begin{bmatrix} 1&3\\ 2 & 7\end{bmatrix}\begin{bmatrix} c \\ d \end{bmatrix}=\begin{bmatrix} 0 \\ 1 \end{bmatrix}$

转化成增广矩阵，左侧转变成单位矩阵，右侧即为逆，

$\begin{bmatrix} 1&3\\ 2 & 7\\1&3\\ 2 & 7\end{bmatrix}\begin{bmatrix} a \\ b\\c\\d \end{bmatrix}=\begin{bmatrix} 1 \\ 0\\0\\1 \end{bmatrix}\Rightarrow \begin{bmatrix} 1&3 &1 &0\\ 2 & 7& 0 & 1\end{bmatrix}\Rightarrow \begin{bmatrix} 1&3 &1 &0\\ 0 & 1& -2& 1\end{bmatrix}\Rightarrow \begin{bmatrix} 1&0 &7 &-3\\ 0 & 1& -2& 1\end{bmatrix}$

A I I A的逆

4.乘积的逆

$(AB)^{-1}=B^{-1}A^{-1}$

$AA^{-1}=I\overset{Transpose}{\rightarrow}(A^{-1})^{T}A^{T}=I\Rightarrow (A^{T})^{-1}=(A^{-1})^{T}$

安心爱吃糖

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
线性代数-MIT-第3讲

第3讲-乘法和逆矩阵目录第3讲-乘法和逆矩阵1.矩阵乘法(4种方法)2.矩阵的逆(方阵)3.高斯乔丹法则4.乘积的逆1.矩阵乘法(4种方法)矩阵A*矩阵B=矩阵C A B C什么情况下矩阵才能进行相乘？ ...
复制链接

扫一扫