MIT线性代数第三讲笔记

视频链接
https://www.youtube.com/watch?v=FX4C-JpTFgY

3.1 矩阵乘法

以 A ∗ B = C A*B=C A∗B=C为例,其中 矩阵A 是 m ∗ n m*n m∗n ,矩阵B是 n ∗ p n*p n∗p,矩阵C则是 m ∗ p m*p m∗p

  1. 单个元素

    求矩阵C中的每一个元素,公式如下:

    c i j = ∑ k = 1 n a i k ∗ b k j c_{ij}=\sum_{k=1}^n a_{ik}*b_{kj} cij=k=1∑naik∗bkj

  2. 整列

    将矩阵C按照列考虑,矩阵C如下:

    c o l c 1 c o l c 2 c o l c 3 . . . \] \\begin{bmatrix} col_{c1}\&col_{c2}\&col_{c3}\&...\\end{bmatrix} \[colc1colc2colc3...

    那么矩阵C中每一列就是用矩阵A乘以对应的矩阵B中一列,公式如下:

    c o l c i = A ∗ c o l b i col_{ci}=A*col_{bi} colci=A∗colbi

  3. 整行

    将矩阵C按照行考虑,矩阵C如下:

    r o w c 1 r o w c 2 r o w c 3 . . . \begin{bmatrix} row_{c1}\\row_{c2}\\row_{c3}\\...\end{bmatrix} rowc1rowc2rowc3...

    那么矩阵C中每一行就是用矩阵A中对应的行乘以矩阵B,公式如下:

    r o w c i = r o w a i ∗ B row_{ci}=row_{ai}*B rowci=rowai∗B

  4. 行×列

    用矩阵A的行乘以矩阵B的列,得到多个矩阵,再将多个矩阵相加就得到矩阵C,公式如下:

    C = ∑ k = 1 m r o w a k ∗ c o l b k C=\sum_{k=1}^m row_{ak}*col_{bk} C=k=1∑mrowak∗colbk

  5. 分块相乘

    将每个矩阵分块,得到如下方程:

    A 1 A 2 A 3 A 4 \] A ∗ \[ B 1 B 2 B 3 B 4 \] B = \[ C 1 C 2 C 3 C 4 \] C \\underset{\\text{A}}{\\begin{bmatrix} A_1\&A2\\\\A_3\&A_4\\end{bmatrix}}\*\\underset{\\text{B}}{\\begin{bmatrix} B_1\&B_2\\\\B_3\&B_4\\end{bmatrix}}=\\underset{\\text{C}}{\\begin{bmatrix} C_1\&C_2\\\\C_3\&C_4\\end{bmatrix}} A\[A1A3A2A4\]∗B\[B1B3B2B4\]=C\[C1C3C2C4

    此时,分块矩阵C中每一块矩阵计算公式如下:

    C i = A 1 ∗ B 1 + A 2 ∗ B 3 C_i=A_1*B_1+A_2*B_3 Ci=A1∗B1+A2∗B3

3.2 矩阵的逆

  1. 逆矩阵:

    矩阵A乘以矩阵B等于单位矩阵I,就称矩阵B为矩阵A的逆矩阵,记作 A − 1 A^{-1} A−1,如果A为方阵, A − 1 A^{-1} A−1左乘或者右乘都成立

A − 1 ∗ A = I = A ∗ A − 1 A^{-1}*A=I=A*A^{-1} A−1∗A=I=A∗A−1

  1. 奇异矩阵:

    若矩阵A乘以非零向量X等于零,则称矩阵A为奇异矩阵,此矩阵就没有逆矩阵

3.3 求解逆矩阵

1 3 2 7 \] A ∗ \[ a c b d \] A − 1 = \[ 1 0 0 1 \] C \\underset{\\text{A}}{\\begin{bmatrix} 1\&3\\\\2\&7\\end{bmatrix}}\*\\underset{A\^{-1}}{\\begin{bmatrix} a\&c\\\\b\&d\\end{bmatrix}}=\\underset{\\text{C}}{\\begin{bmatrix} 1\&0\\\\0\&1\\end{bmatrix}} A\[1237\]∗A−1\[abcd\]=C\[1001

  1. 方法一:

    分别求解下面两个矩阵乘法

    1 3 2 7 \] ∗ \[ a b \] = \[ 1 0 \] \\underset{}{\\begin{bmatrix} 1\&3\\\\2\&7\\end{bmatrix}}\*\\underset{}{\\begin{bmatrix} a\\\\b\\end{bmatrix}}=\\underset{}{\\begin{bmatrix} 1\\\\0\\end{bmatrix}} \[1237\]∗\[ab\]=\[10

1 3 2 7 \] ∗ \[ c d \] = \[ 0 1 \] \\underset{}{\\begin{bmatrix} 1\&3\\\\2\&7\\end{bmatrix}}\*\\underset{}{\\begin{bmatrix} c\\\\d\\end{bmatrix}}=\\underset{}{\\begin{bmatrix} 0\\\\1\\end{bmatrix}} \[1237\]∗\[cd\]=\[01

  1. 方法二:

    将矩阵A和单位矩阵I 写成一个长的矩阵 A ∣ I \begin{bmatrix} A&|&I\end{bmatrix} A∣I,记作D,用消元法将,将D中的前半部分A变换为单位矩阵I,这样矩阵D就会变为 I ∣ ? \begin{bmatrix} I&|&?\end{bmatrix} I∣?,得到的后半部分就是矩阵A的逆 A − 1 A^{-1} A−1

    1 3 ∣ 1 0 2 7 ∣ 0 1 \] → \[ 1 0 ∣ 7 − 3 0 1 ∣ − 2 1 \] \\begin{bmatrix} 1\&3\&\|\&1\&0\\\\2\&7\&\|\&0\&1\\end{bmatrix}\\rightarrow\\begin{bmatrix} 1\&0\&\|\&7\&-3\\\\0\&1\&\|\&-2\&1\\end{bmatrix} \[1237∣∣1001\]→\[1001∣∣7−2−31

    根据之前的学的,消元法就像左乘一个矩阵E
    E ∗ A ∣ I = I ∣ A − 1 E*\begin{bmatrix} A&|&I\end{bmatrix}=\begin{bmatrix} I&|&A^{-1}\end{bmatrix} E∗A∣I=I∣A−1

    可以看出来 E ∗ A = I E*A=I E∗A=I,所以 E = A − 1 E=A^{-1} E=A−1

相关推荐
GGMM7893 小时前
VX4B600100 控制板全解析:施耐德 ATV630 变频器核心控制单元详解
笔记·变频器·变频器维修
kdxiaojie4 小时前
Linux USB驱动阅读笔记(1)
linux·笔记·学习·usb
半生过往5 小时前
前端学 Java 课程笔记
java·前端·笔记
九硕智慧建筑一体化厂家5 小时前
楼宇自控|智慧建筑核心引擎!楼宇自控系统,赋能建筑高效低碳运维
运维·人工智能·笔记·智慧城市
GGMM7896 小时前
施耐德 VX5A1HC90110(VX5A1HD9011)ATV61/ATV71 90‑110KW 电源驱动板详解
笔记·变频器·变频器维修
Wang's Blog7 小时前
PostgreSQL笔记48: 全文检索与向量检索的对比与混合检索实践
笔记·postgresql·全文检索
liuyicenysabel8 小时前
Flask 个人站 iProfile 上线笔记(k3s + Nginx + Let‘s Encrypt)
笔记·nginx·flask
深蓝海拓8 小时前
基于QtPy (PySide6) 的PLC-HMI工程项目(十五)后续完善和改进:PLC端数据解析的防粘包、残包、废包、拆包
笔记·学习·plc
小黄蚁8 小时前
LVGL学习笔记(六)
笔记·学习
Wang's Blog8 小时前
PostgreSQL笔记49:向量检索核心算法、索引调优与过滤策略深度解析
笔记·算法·postgresql