Linear Algebra-Lecture03 矩阵乘法和逆矩阵
矩阵乘法
对于矩阵乘法
A
B
=
C
\bold{AB=C}
AB=C
主要有5种方法可用于计算:
【前提条件】:
A
,
B
\bold{A},\bold{B}
A,B两个矩阵行列要匹配,
A
\bold{A}
A的列数要等于
B
\bold{B}
B的行数。
[
a
11
a
12
⋯
a
1
n
a
21
a
22
⋯
a
2
n
⋮
⋮
⋱
⋮
a
m
1
a
m
2
⋯
a
m
n
]
[
b
11
b
12
⋯
b
1
p
b
21
b
22
⋯
b
2
p
⋮
⋮
⋱
⋮
b
n
1
b
n
2
⋯
b
n
p
]
=
[
c
11
c
12
⋯
c
1
p
c
21
c
22
⋯
c
2
p
⋮
⋮
⋱
⋮
c
m
1
c
m
2
⋯
c
m
p
]
\left[ \begin{matrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \\ \end{matrix} \right] \left[ \begin{matrix} b_{11} & b_{12} & \cdots & b_{1p} \\ b_{21} & b_{22} & \cdots & b_{2p} \\ \vdots & \vdots & \ddots & \vdots \\ b_{n1} & b_{n2} & \cdots & b_{np} \\ \end{matrix} \right]= \left[ \begin{matrix} c_{11} & c_{12} & \cdots & c_{1p} \\ c_{21} & c_{22} & \cdots & c_{2p} \\ \vdots & \vdots & \ddots & \vdots \\ c_{m1} & c_{m2} & \cdots & c_{mp} \\ \end{matrix} \right]
⎣⎢⎢⎢⎡a11a21⋮am1a12a22⋮am2⋯⋯⋱⋯a1na2n⋮amn⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡b11b21⋮bn1b12b22⋮bn2⋯⋯⋱⋯b1pb2p⋮bnp⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡c11c21⋮cm1c12c22⋮cm2⋯⋯⋱⋯c1pc2p⋮cmp⎦⎥⎥⎥⎤
【法一】:行
×
\times
×列,取
A
\bold{A}
A的第
i
i
i行与
B
\bold{B}
B的的
j
j
j列做点积,得到
c
i
j
c_{ij}
cij
c
i
j
=
(
a
i
1
,
a
i
2
,
⋯
,
a
i
n
)
T
(
b
1
j
,
b
2
j
,
⋯
,
b
n
j
)
c_{ij}=(a_{i1},a_{i2},\cdots ,a_{in})^T(b_{1j},b_{2j},\cdots ,b_{nj})
cij=(ai1,ai2,⋯,ain)T(b1j,b2j,⋯,bnj)
【法二】:按列乘。取 B \bold{B} B中第1列与 A \bold{A} A乘,得到 C \bold{C} C的第1列,取 B \bold{B} B中第2列与 A \bold{A} A乘,得到 C \bold{C} C的第2列, ⋯ \cdots ⋯ ,取 B \bold{B} B中第p列与 A \bold{A} A乘,得到 C \bold{C} C的第p列 。
【法三】:按行乘。取 A \bold{A} A中的第1行与 B \bold{B} B乘,得到 C \bold{C} C的第1行,取 A \bold{A} A中的第2行与 B \bold{B} B乘,得到 C \bold{C} C的第2行, ⋯ \cdots ⋯ ,取 A \bold{A} A中的第m行与 B \bold{B} B乘,得到 C \bold{C} C的第m行。
【法四】:列 × \times ×行。取 A \bold{A} A中的第1列与 B \bold{B} B中的第1行乘,得到一个 m × p m \times p m×p的矩阵,取 A \bold{A} A中的第2列与 B \bold{B} B中的第2行乘,得到一个 m × p m \times p m×p的矩阵, ⋯ \cdots ⋯ ,取 A \bold{A} A中的第n列与 B \bold{B} B中的第n行乘,得到一个 m × p m \times p m×p的矩阵。将得到的n个矩阵相加,得 C \bold{C} C矩阵。
【法五】:分块相乘。前提是相乘的各分块矩阵之间矩阵行列要匹配。若仔细观察,不难发现方法四和方法五是统一的。
[
A
1
A
2
A
3
A
4
]
[
B
1
B
2
B
3
B
4
]
=
[
A
1
B
1
+
A
2
B
3
A
1
B
2
+
A
2
B
4
A
3
B
1
+
A
4
B
3
A
3
B
2
+
A
4
B
4
]
\left[ \begin{array}{c|c} \bold{A_{1}}&\bold{A_{2}}\\ \hline \bold{A_{3}}&\bold{A_{4}} \end{array} \right] \left[ \begin{array}{c|c} \bold{B_{1}}&\bold{B_{2}}\\ \hline \bold{B_{3}}&\bold{B_{4}} \end{array} \right]= \left [ \begin{matrix} \bold{A_{1}}\bold{B_{1}}+\bold{A_{2}}\bold{B_{3}}&\bold{A_{1}}\bold{B_{2}}+\bold{A_{2}}\bold{B_{4}}\\ \bold{A_{3}}\bold{B_{1}}+\bold{A_{4}}\bold{B_{3}}&\bold{A_{3}}\bold{B_{2}}+\bold{A_{4}}\bold{B_{4}} \end{matrix} \right ]
[A1A3A2A4][B1B3B2B4]=[A1B1+A2B3A3B1+A4B3A1B2+A2B4A3B2+A4B4]
逆矩阵(方阵)
若方阵 A \bold{A} A的逆矩阵 A − 1 \bold{A^{-1}} A−1存在,则 A − 1 A = I = A A − 1 \bold{A^{-1}} \bold{A}=\bold{I}=\bold{A} \bold{A^{-1}} A−1A=I=AA−1 。
奇异矩阵
奇异矩阵不可逆。
判定方法:
1.
A
\bold{A}
A的行列式为0;
2.
A
\bold{A}
A中存在线性相关的的向量组;
3.方程
A
x
=
0
\bold{Ax=0}
Ax=0存在非0解。因为若
A
\bold{A}
A的逆矩阵
A
−
1
\bold{A^{-1}}
A−1存在,方程两边乘上
A
−
1
\bold{A^{-1}}
A−1 ,会推出
I
=
0
\bold{I=0}
I=0 的矛盾。
逆矩阵的求法
思路:
[
1
3
2
7
]
A
[
a
c
b
d
]
A
−
1
=
[
1
0
0
1
]
I
\begin{array}{cccc} \begin{matrix} \begin{bmatrix} 1&3\\ 2&7 \end{bmatrix}\\ \\ \bold{A} \end{matrix}& \begin{matrix} \begin{bmatrix} a&c\\ b&d \end{bmatrix}\\ \\ \bold{A^{-1}} \end{matrix}& \begin{matrix}=\\\\\\ \end{matrix} \begin{matrix} \begin{bmatrix} 1&0\\ 0&1 \end{bmatrix}\\ \\ \bold{I} \end{matrix}& \end{array}
[1237]A[abcd]A−1=[1001]I
要求出A的逆矩阵,就是要求出a、b、c、d的值,解下面两个方程即可
[
1
3
2
7
]
[
a
b
]
=
[
1
0
]
[
1
3
2
7
]
[
c
d
]
=
[
0
1
]
\begin{matrix} \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} \end{matrix}
[1237][ab]=[10][1237][cd]=[01]
Gauss-Jordan消元法
由于消元法主要是对系数矩阵A和向量b进行操作,不妨把两个向量的b列放到一起,构造增广矩阵
[
1
3
1
0
2
7
0
1
]
→
[
1
3
1
0
0
1
−
2
1
]
→
[
1
0
7
−
3
0
1
−
2
1
]
\left[\begin{array}{cc:cc} 1&3&1&0\\2&7&0&1 \end{array}\right ]\rightarrow \left[\begin{array}{cc:cc} 1&3&1&0\\0&1&-2&1 \end{array}\right ]\rightarrow \left[\begin{array}{cc:cc} 1&0&7&-3\\0&1&-2&1 \end{array}\right ]
[12371001]→[10311−201]→[10017−2−31]
在将左边系数矩阵
A
\bold{A}
A化为单位矩阵
I
\bold{I}
I的同时,右侧矩阵就变成了
A
−
1
\bold{A^{-1}}
A−1
解释:
E
[
A
I
]
=
[
I
?
]
\bold{E}\begin{bmatrix}\bold{A}&\bold{I}\end{bmatrix}=\begin{bmatrix}\bold{I}&\boxed{?}\end{bmatrix}
E[AI]=[I?]
上式中
E
\bold{E}
E为消元矩阵,
A
\bold{A}
A通过矩阵
E
\bold{E}
E进行初等行变换,得到了
I
\bold{I}
I。同时也说明
E
A
=
I
\bold{EA=I}
EA=I,也就是说
E
=
A
−
1
\bold{E=A^{-1}}
E=A−1,根据分块矩阵乘法,容易得知
E
[
A
I
]
=
[
I
E
I
]
\bold{E}\begin{bmatrix}\bold{A}&\bold{I}\end{bmatrix}=\begin{bmatrix}\bold{I}&\boxed{EI}\end{bmatrix}
E[AI]=[IEI],即
E
[
A
I
]
=
[
I
A
−
1
]
\bold{E}\begin{bmatrix}\bold{A}&\bold{I}\end{bmatrix}=\begin{bmatrix}\bold{I}&A^{-1}\end{bmatrix}
E[AI]=[IA−1]。
===================================================
课程资源
- 主课:bilibli、网易公开课都可以搜到,关键字(麻省理工,线性代数)
- 配套习题课:bilibli可以搜到,关键字(麻省理工,线性代数,陈莉楠)
- 教材:Gilbert Strang.Introduction to Linear Algebra
- 课程官网:http://web.mit.edu/18.06
\qquad\qquad https://mitmath.github.io/1806/