MIT 18.06 线性代数公开课笔记 Lecture03 矩阵乘法和逆

最新推荐文章于 2024-10-31 21:04:30 发布

zgjstudy

最新推荐文章于 2024-10-31 21:04:30 发布

阅读量238

点赞数 1

分类专栏： MIT18.06线性代数文章标签：线性代数 MIT18.06公开课

本文链接：https://blog.csdn.net/zgjstudy/article/details/100644391

版权

MIT18.06线性代数专栏收录该内容

10 篇文章 1 订阅

订阅专栏

这篇博客详细介绍了矩阵乘法的四种不同理解方式，包括行与列向量的线性组合，以及分块矩阵的乘法。同时，讨论了逆矩阵的概念，解释了奇异矩阵和非奇异矩阵的区别，并通过Gauss-Jordan消元法展示了如何求解矩阵的逆。

摘要由CSDN通过智能技术生成

矩阵乘法

回顾一下 $C = A B$ 中单个元素的求法:
$c_{i,j}=(\text{row i of }A)\cdot(\text{column j of }B)$
矩阵相乘不一定是方阵, $A_{m\times n}B_{n\times p}=C_{m\times p}$ .

让我们用行和列的方式去思考 $A B = C$ :

把矩阵 $C$ 想成是 $p$ 个列向量, $A$ 乘 $B$ 的第一列得到 $C$ 的第一列, 以此类推. 回想一下我们的big picture, 矩阵 $A$ 乘一个列向量代表了 $A$ 中列向量的线性组合, 也就是说矩阵 $C$ 中的每一列都是 $A$ 中列向量的线性组合. 这就是矩阵乘法的第二种方法.

而矩阵乘法的第三种方法也就是, 矩阵 $C$ 中的每一行都是 $B$ 中行向量的线性组合.

矩阵乘法的第四种方法: $AB=\text{Sum of }(\text{column of }A)\times(\text{row of }B)$

$A$ 中的列乘 $B$ 中的行将会得到一个 $m\times p$ 矩阵. 这个矩阵中的每一行都是 $B$ 中的行的倍数, 每一列都是 $A$ 中的列的倍数:
$\begin{bmatrix}2\\3\\4\end{bmatrix}\begin{bmatrix}1&6\end{bmatrix}=\begin{bmatrix}2&12\\3&18\\4&24\end{bmatrix}$
这个矩阵的行空间(行所有可能的线性组合)是一个直线, 列空间也是一个直线.

矩阵乘法也可以是将矩阵分块, 再对分块之后的矩阵做乘法:
$\begin{aligned}\begin{bmatrix}A_1&A_2\\A_3&A_4\end{bmatrix}\begin{bmatrix}B_1&B_2\\B_3&B_4\end{bmatrix}&=\begin{bmatrix}A_1B_1+A_2B_3&-\\-&-\end{bmatrix}\\A\qquad\qquad\ B\qquad&=\qquad\qquad\ C\end{aligned}$
对块做乘法和基础的矩阵乘法很相似.

逆矩阵

$A^{-1}A=I=AA^{-1}$ if A is invertable or non-singular.

考虑Singular case(奇异矩阵, 也就是不可逆矩阵):
$\begin{bmatrix}1&3\\2&6\end{bmatrix}$
其行列式为0. 事实上用 $A$ 去乘某个矩阵, 结果中的列都来自 $A$ 中的列, 也就是都会是 $A$ 中列的倍数, 不可能得到 $\begin{matrix} 1\\0 \end{matrix}$ .

方阵 $A$ 没有逆. 假设存在非零向量 $\mathbf{x}$ 使得 $A\mathbf{x}=\mathbf{0}$ . 事实上, 我们假设 $A^{-1}$ 存在, $A\mathbf{x}=\mathbf{0}$ 两边乘上 $A^{-1}$ , 得到 $\mathbf{x}=\mathbf{0}$ , 矛盾.

也就是说, 奇异矩阵的列向量可以通过线性组合得到 $\mathbf{0}$ .

考虑可逆矩阵 $A=\begin{bmatrix} 1&3\\2&7 \end{bmatrix}$ , 其列向量指向不同的方向, 其组合可以得到任何向量. 如何求其逆矩阵?
$\begin{aligned}\begin{bmatrix}1&3\\2&7\end{bmatrix}\begin{bmatrix}a&c\\b&d\end{bmatrix}&=\begin{bmatrix}1&0\\0&1\end{bmatrix}\\A\ \ \qquad A^{-1}\ \ \ &=\quad\,\ I\end{aligned}$
可以得到方程组 $\begin{bmatrix} a\\b \end{bmatrix}= \begin{bmatrix} 1\\0 \end{bmatrix}$ 和 $\begin{bmatrix} c\\d \end{bmatrix}= \begin{bmatrix} 0\\1 \end{bmatrix}$ . 求 $A$ 的逆和解这两个方程组是一回事.

Gauss-Jordan消元法: 一次解出两个方程组, 使用增广矩阵:
$\left[\begin{array}{cc:cc}1&3&1&0\\2&7&0&1\end{array}\right]\longrightarrow\left[\begin{array}{cc:cc}1&3&1&0\\0&1&-2&1\end{array}\right]\longrightarrow\left[\begin{array}{cc:cc}1&0&7&-3\\0&1&-2&1\end{array}\right]\\A\qquad\quad I\qquad\qquad\qquad\qquad\qquad\qquad\qquad\qquad I\qquad\quad A^{-1}$
为什么我们可以得到 $A^{-1}$ ? 因为我们对 $A$ 和 $I$ 左乘了相同的初等矩阵, 当 $A$ 变成 $I$ , 原来的 $I$ 也就变成了 $A^{-1}$ .