矩阵乘法
2016-04-05 16:10
204 查看
谈起限定代数,无论如何我们也离不开下边这个让人又爱又恨方程——确切来说也可以叫做方程组。
Ax=b,\bf A \bf x= \bf b,
其中
A=⎡⎣⎢⎢⎢⎢⎢A11A21⋮Am1A12A22⋮Am2⋯⋯⋱⋯A1nA2n⋮Amn⎤⎦⎥⎥⎥⎥⎥,x=⎡⎣⎢⎢⎢⎢x1x2⋮xn⎤⎦⎥⎥⎥⎥andb=⎡⎣⎢⎢⎢⎢b1b2⋮bm⎤⎦⎥⎥⎥⎥.\mathbf {A}=\begin{bmatrix}
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{bmatrix} ,
\mathbf {x}=\begin{bmatrix}
x_{1} \\
x_{2} \\
\vdots \\
x_{n}
\end{bmatrix} \text{and} \quad
\mathbf {b}=\begin{bmatrix}
b_{1} \\
b_{2} \\
\vdots \\
b_{m}
\end{bmatrix} .
其实这就是一个我们在初中阶段就见过的多元一次方程组,如果方程个数/未知量个数不算太多的话,初中二年级我们就可以解这个东西。如果没记错的话,两种方法可以用:代入消元法与加减消元法。 但是初中阶段我们只是研究了这两种技能,并没有对这种结构的方程(组)做深层次的分析。并且这两种技能都只能解有唯一解的方程组,故当我们来到大学的时候,这个线性方程组披上了矩阵的外衣来继续折磨我们。
国内好的教材据说不多。加了“据说”是因为本人实在是不才,也没看过几本。所以我们索性直接用经典教材/课程吧,Gilbert Strang老爷子的课程MIT 18.06。本博客在这也就做一个一般的学习笔记用,希望各位大侠多多指教,多多提宝贵意见。
2x−y=0−x+2y=32x-y=0\\-x+2y=3
也可以写成
[2−1−12]⋅[xy]=[03]. \begin{bmatrix}
2 & -1 \\
-1 & 2
\end{bmatrix}
\cdot
\begin{bmatrix}
x \\
y
\end{bmatrix}
=\begin{bmatrix}
0 \\
3
\end{bmatrix} .
这个方程组太简单了,初二就能解。但是我们这里先研究一下解的性质。
解其实是一个点,这个点其实就是直线2x−y=02x-y=0与−x+2y=3-x+2y=3的交点。当然了如果两条直线平行,没有交点,方程组也就没有解。两条直线重合,无数个交点,那也就无数个解,这些解都在这条直线上。
解其实是一组系数,可以看成是一个系数向量。该组系数可以使得向量[2−1]T[2 \quad -1]^T和[−12]T[-1\quad 2]^T的线性组合等于向量[03]T[0 3]^T,即
x[2−1]+y[−12]=[03]. x \begin{bmatrix}
2 \\
-1
\end{bmatrix} + y \begin{bmatrix}
-1 \\
2
\end{bmatrix}
=\begin{bmatrix}
0 \\
3
\end{bmatrix} .
上面这两种理解方式,在Gilbert老爷子的课程里面分别被称之为线性方程组的Row Picture和Column Picture。老爷子还给出了有3个未知数和3个方程的例子,用3×33 \times 3的矩阵和3维的向量对其进行了表述并给予该表述进行了分析。在本笔记中因为敲字实在太麻烦,我略过了,不过建议您还是好好看看。O(∩_∩)O~
关于方程组有没有解老爷子简单讨论了一下,但是没有给出非常具有普世性的性质。我们暂时也先不说。
Ax=b,\bf A \bf x= \bf b,
那么b\bf b其实是其实是A\bf A中各个列向量的线性组合,系数向量为x\bf x。具体来说,即
x1⎡⎣⎢⎢⎢⎢A11A21⋮Am1⎤⎦⎥⎥⎥⎥+x2⎡⎣⎢⎢⎢⎢A12A22⋮Am2⎤⎦⎥⎥⎥⎥+⋯+xn⎡⎣⎢⎢⎢⎢A1nA2n⋮Amn⎤⎦⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢b1b2⋮bm⎤⎦⎥⎥⎥⎥.x_1 \begin{bmatrix}
A_{11} \\
A_{21} \\
\vdots \\
A_{m1}
\end{bmatrix} + x_2
\begin{bmatrix}
A_{12} \\
A_{22} \\
\vdots \\
A_{m2}
\end{bmatrix}
+ \cdots + x_n
\begin{bmatrix}
A_{1n} \\
A_{2n} \\
\vdots \\
A_{mn}
\end{bmatrix}
=\begin{bmatrix}
b_{1} \\
b_{2} \\
\vdots \\
b_{m}
\end{bmatrix} .
相似的,如果我们有
yTA=cT,\bf y^T \bf A = \bf c^T,
那么cT\bf c^T其实是其实是A\bf A中各个行向量的线性组合,系数向量为y\bf y。具体来说,即
y1[A11A12⋯A1n]+ y2[A21A22⋯A2n]+ ⋯+ y1[A11A12⋯A1n]=[c1c2⋯cn].\begin{align*}
\begin{array}{l}
\quad y_1[A_{11} \quad A_{12} \quad \cdots \quad A_{1n} ] \\
+ \ y_2[A_{21} \quad A_{22} \quad \cdots \quad A_{2n} ] \\
+ \ \cdots \\
+ \ y_1[A_{11} \quad A_{12} \quad \cdots \quad A_{1n} ]
\end{array}
\quad = \quad [c_1 \quad c_2 \quad \cdots \quad c_n].
\end{align*}
需要注意的是,这里的c\bf c的维度与上一个例子中的b\bf b不同;y\bf y的维度与x\bf x也不同。
Ax=b,\bf A \bf x= \bf b,
其中
A=⎡⎣⎢⎢⎢⎢⎢A11A21⋮Am1A12A22⋮Am2⋯⋯⋱⋯A1nA2n⋮Amn⎤⎦⎥⎥⎥⎥⎥,x=⎡⎣⎢⎢⎢⎢x1x2⋮xn⎤⎦⎥⎥⎥⎥andb=⎡⎣⎢⎢⎢⎢b1b2⋮bm⎤⎦⎥⎥⎥⎥.\mathbf {A}=\begin{bmatrix}
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{bmatrix} ,
\mathbf {x}=\begin{bmatrix}
x_{1} \\
x_{2} \\
\vdots \\
x_{n}
\end{bmatrix} \text{and} \quad
\mathbf {b}=\begin{bmatrix}
b_{1} \\
b_{2} \\
\vdots \\
b_{m}
\end{bmatrix} .
其实这就是一个我们在初中阶段就见过的多元一次方程组,如果方程个数/未知量个数不算太多的话,初中二年级我们就可以解这个东西。如果没记错的话,两种方法可以用:代入消元法与加减消元法。 但是初中阶段我们只是研究了这两种技能,并没有对这种结构的方程(组)做深层次的分析。并且这两种技能都只能解有唯一解的方程组,故当我们来到大学的时候,这个线性方程组披上了矩阵的外衣来继续折磨我们。
国内好的教材据说不多。加了“据说”是因为本人实在是不才,也没看过几本。所以我们索性直接用经典教材/课程吧,Gilbert Strang老爷子的课程MIT 18.06。本博客在这也就做一个一般的学习笔记用,希望各位大侠多多指教,多多提宝贵意见。
Lecture 1
先给一个简单的例子吧2x−y=0−x+2y=32x-y=0\\-x+2y=3
也可以写成
[2−1−12]⋅[xy]=[03]. \begin{bmatrix}
2 & -1 \\
-1 & 2
\end{bmatrix}
\cdot
\begin{bmatrix}
x \\
y
\end{bmatrix}
=\begin{bmatrix}
0 \\
3
\end{bmatrix} .
这个方程组太简单了,初二就能解。但是我们这里先研究一下解的性质。
解其实是一个点,这个点其实就是直线2x−y=02x-y=0与−x+2y=3-x+2y=3的交点。当然了如果两条直线平行,没有交点,方程组也就没有解。两条直线重合,无数个交点,那也就无数个解,这些解都在这条直线上。
解其实是一组系数,可以看成是一个系数向量。该组系数可以使得向量[2−1]T[2 \quad -1]^T和[−12]T[-1\quad 2]^T的线性组合等于向量[03]T[0 3]^T,即
x[2−1]+y[−12]=[03]. x \begin{bmatrix}
2 \\
-1
\end{bmatrix} + y \begin{bmatrix}
-1 \\
2
\end{bmatrix}
=\begin{bmatrix}
0 \\
3
\end{bmatrix} .
上面这两种理解方式,在Gilbert老爷子的课程里面分别被称之为线性方程组的Row Picture和Column Picture。老爷子还给出了有3个未知数和3个方程的例子,用3×33 \times 3的矩阵和3维的向量对其进行了表述并给予该表述进行了分析。在本笔记中因为敲字实在太麻烦,我略过了,不过建议您还是好好看看。O(∩_∩)O~
关于方程组有没有解老爷子简单讨论了一下,但是没有给出非常具有普世性的性质。我们暂时也先不说。
Lecture 2
这节主要讲了讲消元法(Elimination)。暂时先不说,以后这部分的笔记应该会补上的。Lecture 3
如果我们有Ax=b,\bf A \bf x= \bf b,
那么b\bf b其实是其实是A\bf A中各个列向量的线性组合,系数向量为x\bf x。具体来说,即
x1⎡⎣⎢⎢⎢⎢A11A21⋮Am1⎤⎦⎥⎥⎥⎥+x2⎡⎣⎢⎢⎢⎢A12A22⋮Am2⎤⎦⎥⎥⎥⎥+⋯+xn⎡⎣⎢⎢⎢⎢A1nA2n⋮Amn⎤⎦⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢b1b2⋮bm⎤⎦⎥⎥⎥⎥.x_1 \begin{bmatrix}
A_{11} \\
A_{21} \\
\vdots \\
A_{m1}
\end{bmatrix} + x_2
\begin{bmatrix}
A_{12} \\
A_{22} \\
\vdots \\
A_{m2}
\end{bmatrix}
+ \cdots + x_n
\begin{bmatrix}
A_{1n} \\
A_{2n} \\
\vdots \\
A_{mn}
\end{bmatrix}
=\begin{bmatrix}
b_{1} \\
b_{2} \\
\vdots \\
b_{m}
\end{bmatrix} .
相似的,如果我们有
yTA=cT,\bf y^T \bf A = \bf c^T,
那么cT\bf c^T其实是其实是A\bf A中各个行向量的线性组合,系数向量为y\bf y。具体来说,即
y1[A11A12⋯A1n]+ y2[A21A22⋯A2n]+ ⋯+ y1[A11A12⋯A1n]=[c1c2⋯cn].\begin{align*}
\begin{array}{l}
\quad y_1[A_{11} \quad A_{12} \quad \cdots \quad A_{1n} ] \\
+ \ y_2[A_{21} \quad A_{22} \quad \cdots \quad A_{2n} ] \\
+ \ \cdots \\
+ \ y_1[A_{11} \quad A_{12} \quad \cdots \quad A_{1n} ]
\end{array}
\quad = \quad [c_1 \quad c_2 \quad \cdots \quad c_n].
\end{align*}
需要注意的是,这里的c\bf c的维度与上一个例子中的b\bf b不同;y\bf y的维度与x\bf x也不同。
相关文章推荐
- 程序员应该关注的一些事儿
- 第五周作业
- canvas圆环进度
- easyui combobox 值怎样获取
- iptables 防火墙
- 关于AD域在通过LDAP认证登录时密码修改后还可使用旧密码正常登录问题解决方法 推荐
- spring框架学习(一)
- Spring 接口注入
- 推荐13款JavaScript图形和图表绘制工具
- 如何搭建父子域环境?
- 一 JavaScript之数据类型
- HDOJ 1973 Prime Path
- bzoj4404 Binary vs Decimal
- Unreachable catch block for IOException. This exception is never thrown from the try statement body
- C++类型别名
- Asp.net SignalR快速入门
- OpenWRT使用Wifidog实现强制认证的WIFI热点
- OC--KVC、KVO
- ListView抽取及优化(上)
- 学习HTML第一天