MIT线性代数笔记03-矩阵乘法和逆矩阵

最新推荐文章于 2024-05-10 21:30:02 发布

loneux

最新推荐文章于 2024-05-10 21:30:02 发布

阅读量163

点赞数

文章标签：线性代数矩阵机器学习

本文链接：https://blog.csdn.net/weixin_44245705/article/details/124777706

版权

Linear Algebra-Lecture03 矩阵乘法和逆矩阵

Gilbert Strang

在这里插入图片描述

矩阵乘法

对于矩阵乘法
$\bold{AB=C}$
主要有5种方法可用于计算：
【前提条件】： $\bold{A},\bold{B}$ 两个矩阵行列要匹配， $\bold{A}$ 的列数要等于 $\bold{B}$ 的行数。
$\left[ \begin{matrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \\ \end{matrix} \right] \left[ \begin{matrix} b_{11} & b_{12} & \cdots & b_{1p} \\ b_{21} & b_{22} & \cdots & b_{2p} \\ \vdots & \vdots & \ddots & \vdots \\ b_{n1} & b_{n2} & \cdots & b_{np} \\ \end{matrix} \right]= \left[ \begin{matrix} c_{11} & c_{12} & \cdots & c_{1p} \\ c_{21} & c_{22} & \cdots & c_{2p} \\ \vdots & \vdots & \ddots & \vdots \\ c_{m1} & c_{m2} & \cdots & c_{mp} \\ \end{matrix} \right]$

【法一】：行 $\times$ 列，取 $\bold{A}$ 的第 $i$ 行与 $\bold{B}$ 的的 $j$ 列做点积，得到 $c_{ij}$

$c_{ij}=(a_{i1},a_{i2},\cdots ,a_{in})^T(b_{1j},b_{2j},\cdots ,b_{nj})$

【法二】：按列乘。取 $\bold{B}$ 中第1列与 $\bold{A}$ 乘，得到 $\bold{C}$ 的第1列，取 $\bold{B}$ 中第2列与 $\bold{A}$ 乘，得到 $\bold{C}$ 的第2列， $\cdots$ ，取 $\bold{B}$ 中第p列与 $\bold{A}$ 乘，得到 $\bold{C}$ 的第p列。

【法三】：按行乘。取 $\bold{A}$ 中的第1行与 $\bold{B}$ 乘，得到 $\bold{C}$ 的第1行，取 $\bold{A}$ 中的第2行与 $\bold{B}$ 乘，得到 $\bold{C}$ 的第2行， $\cdots$ ，取 $\bold{A}$ 中的第m行与 $\bold{B}$ 乘，得到 $\bold{C}$ 的第m行。

【法四】：列 $\times$ 行。取 $\bold{A}$ 中的第1列与 $\bold{B}$ 中的第1行乘，得到一个 $\times p$ 的矩阵，取 $\bold{A}$ 中的第2列与 $\bold{B}$ 中的第2行乘，得到一个 $\times p$ 的矩阵， $\cdots$ ，取 $\bold{A}$ 中的第n列与 $\bold{B}$ 中的第n行乘，得到一个 $\times p$ 的矩阵。将得到的n个矩阵相加，得 $\bold{C}$ 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。
$\left[ \begin{array}{c|c} \bold{A_{1}}&\bold{A_{2}}\\ \hline \bold{A_{3}}&\bold{A_{4}} \end{array} \right] \left[ \begin{array}{c|c} \bold{B_{1}}&\bold{B_{2}}\\ \hline \bold{B_{3}}&\bold{B_{4}} \end{array} \right]= \left [ \begin{matrix} \bold{A_{1}}\bold{B_{1}}+\bold{A_{2}}\bold{B_{3}}&\bold{A_{1}}\bold{B_{2}}+\bold{A_{2}}\bold{B_{4}}\\ \bold{A_{3}}\bold{B_{1}}+\bold{A_{4}}\bold{B_{3}}&\bold{A_{3}}\bold{B_{2}}+\bold{A_{4}}\bold{B_{4}} \end{matrix} \right ]$

逆矩阵（方阵）

若方阵 $\bold{A}$ 的逆矩阵 $\bold{A^{-1}}$ 存在，则 $\bold{A^{-1}} \bold{A}=\bold{I}=\bold{A} \bold{A^{-1}}$ 。

奇异矩阵

奇异矩阵不可逆。
判定方法：
1. $\bold{A}$ 的行列式为0；
2. $\bold{A}$ 中存在线性相关的的向量组；
3.方程 $\bold{Ax=0}$ 存在非0解。因为若 $\bold{A}$ 的逆矩阵 $\bold{A^{-1}}$ 存在，方程两边乘上 $\bold{A^{-1}}$ ，会推出 $\bold{I=0}$ 的矛盾。

逆矩阵的求法

思路：
$\begin{array}{cccc} \begin{matrix} \begin{bmatrix} 1&3\\ 2&7 \end{bmatrix}\\ \\ \bold{A} \end{matrix}& \begin{matrix} \begin{bmatrix} a&c\\ b&d \end{bmatrix}\\ \\ \bold{A^{-1}} \end{matrix}& \begin{matrix}=\\\\\\ \end{matrix} \begin{matrix} \begin{bmatrix} 1&0\\ 0&1 \end{bmatrix}\\ \\ \bold{I} \end{matrix}& \end{array}$
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
$\begin{matrix} \begin{bmatrix}1&3\\2&7\end{bmatrix}\begin{bmatrix}a\\b\end{bmatrix}=\begin{bmatrix}1\\0\end{bmatrix}\\\\ \begin{bmatrix}1&3\\2&7\end{bmatrix}\begin{bmatrix}c\\d\end{bmatrix}=\begin{bmatrix}0\\1\end{bmatrix} \end{matrix}$
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
$\left[\begin{array}{cc:cc} 1&3&1&0\\2&7&0&1 \end{array}\right ]\rightarrow \left[\begin{array}{cc:cc} 1&3&1&0\\0&1&-2&1 \end{array}\right ]\rightarrow \left[\begin{array}{cc:cc} 1&0&7&-3\\0&1&-2&1 \end{array}\right ]$
在将左边系数矩阵 $\bold{A}$ 化为单位矩阵 $\bold{I}$ 的同时，右侧矩阵就变成了 $\bold{A^{-1}}$
解释：
$\bold{E}\begin{bmatrix}\bold{A}&\bold{I}\end{bmatrix}=\begin{bmatrix}\bold{I}&\boxed{?}\end{bmatrix}$
上式中 $\bold{E}$ 为消元矩阵， $\bold{A}$ 通过矩阵 $\bold{E}$ 进行初等行变换，得到了 $\bold{I}$ 。同时也说明 $\bold{EA=I}$ ，也就是说 $\bold{E=A^{-1}}$ ，根据分块矩阵乘法，容易得知 $\bold{E}\begin{bmatrix}\bold{A}&\bold{I}\end{bmatrix}=\begin{bmatrix}\bold{I}&\boxed{EI}\end{bmatrix}$ ，即 $\bold{E}\begin{bmatrix}\bold{A}&\bold{I}\end{bmatrix}=\begin{bmatrix}\bold{I}&A^{-1}\end{bmatrix}$ 。