MIT线性代数学习心得其一
2017-05-17 16:14
204 查看
矩阵的乘法
假设计算AB=C,A(mn), B(np), C(mp)。
左乘(行方法)
C中的各行,是B中各行的线性组合,其系数矩阵就是A,A的每一行对应系数。
当需要对某矩阵各行进行线性组合时,采用左乘。
[1324][1−12011]=1[102010]+2[−100010]+3[010201]+4[0−10001]=[−1−12627]
右乘(列方法)
C中的各列,是A中各列的线性组合,其系数矩阵是B,B的每一列对应系数。
当需要对某矩阵各列进行线性组合时,采用右乘。
⎡⎣⎢135246⎤⎦⎥[1−121]=1⎡⎣⎢135000⎤⎦⎥+−1⎡⎣⎢246000⎤⎦⎥+2⎡⎣⎢000135⎤⎦⎥+1⎡⎣⎢000246⎤⎦⎥=⎡⎣⎢−1−1−141016⎤⎦⎥
常规方法
对于Cij,其值为左矩阵的第i行和右矩阵的第j列这两个向量的点乘。因此,矩阵做乘法时,必须满足左矩阵的行数等于右矩阵的列数,即形如Amn*Bnp。
这是大家都知道的方法,就不写过程了。
列行相乘(”充气”法)
对于A中第j列乘以B中第i行的情况,可以使用行方法或者列方法,得到一个m*p的“充气”矩阵。C的结果就是这n个“充气”矩阵的简单叠加。
这里用上面右乘的例子:
⎡⎣⎢135246⎤⎦⎥[1−121]=⎡⎣⎢1352610⎤⎦⎥+⎡⎣⎢−2−4−6246⎤⎦⎥=⎡⎣⎢−1−1−141016⎤⎦⎥
可以看到,虽然计算结果相同,但思路略有区别。
求逆
上面我在讲左乘和右乘两种思路的时候,把左乘的A和右乘的B作为转换矩阵来看待,那么既然A将B变成了C,那么A−1也可以将C变成B,即AA−1=I(单位矩阵)。
那么求逆,除了可以用增广矩阵(Gauss-Jordan消元法)之外,也可以用以上线性组合的思想列方程组解决。
判断逆矩阵存在的方法
不存在一个非零的向量x,使的Ax=0。
假如矩阵A视作m维的n个向量的组合,假如存在一个非零的向量x,使的Ax=0,那么必定有一个向量可以由其他向量表示,那么A永远只能表示出m-1维,或者只是m维空间里的一个超平面。
假设计算AB=C,A(mn), B(np), C(mp)。
左乘(行方法)
C中的各行,是B中各行的线性组合,其系数矩阵就是A,A的每一行对应系数。
当需要对某矩阵各行进行线性组合时,采用左乘。
[1324][1−12011]=1[102010]+2[−100010]+3[010201]+4[0−10001]=[−1−12627]
右乘(列方法)
C中的各列,是A中各列的线性组合,其系数矩阵是B,B的每一列对应系数。
当需要对某矩阵各列进行线性组合时,采用右乘。
⎡⎣⎢135246⎤⎦⎥[1−121]=1⎡⎣⎢135000⎤⎦⎥+−1⎡⎣⎢246000⎤⎦⎥+2⎡⎣⎢000135⎤⎦⎥+1⎡⎣⎢000246⎤⎦⎥=⎡⎣⎢−1−1−141016⎤⎦⎥
常规方法
对于Cij,其值为左矩阵的第i行和右矩阵的第j列这两个向量的点乘。因此,矩阵做乘法时,必须满足左矩阵的行数等于右矩阵的列数,即形如Amn*Bnp。
这是大家都知道的方法,就不写过程了。
列行相乘(”充气”法)
对于A中第j列乘以B中第i行的情况,可以使用行方法或者列方法,得到一个m*p的“充气”矩阵。C的结果就是这n个“充气”矩阵的简单叠加。
这里用上面右乘的例子:
⎡⎣⎢135246⎤⎦⎥[1−121]=⎡⎣⎢1352610⎤⎦⎥+⎡⎣⎢−2−4−6246⎤⎦⎥=⎡⎣⎢−1−1−141016⎤⎦⎥
可以看到,虽然计算结果相同,但思路略有区别。
求逆
上面我在讲左乘和右乘两种思路的时候,把左乘的A和右乘的B作为转换矩阵来看待,那么既然A将B变成了C,那么A−1也可以将C变成B,即AA−1=I(单位矩阵)。
那么求逆,除了可以用增广矩阵(Gauss-Jordan消元法)之外,也可以用以上线性组合的思想列方程组解决。
判断逆矩阵存在的方法
不存在一个非零的向量x,使的Ax=0。
假如矩阵A视作m维的n个向量的组合,假如存在一个非零的向量x,使的Ax=0,那么必定有一个向量可以由其他向量表示,那么A永远只能表示出m-1维,或者只是m维空间里的一个超平面。
相关文章推荐
- 『Numpy学习指南』第六章_深入学习NumPy模块(其一:线性代数模块)
- 线性代数学习框架
- 线性代数公开课学习资源
- 线性代数学习笔记(五)
- 线性代数学习笔记(十三)
- 线性代数学习笔记(十二)
- 浅谈线性代数的学习
- 线性代数MIT-0、前言
- 线性代数学习笔记(三)
- 线性代数学习笔记(二)
- 线性代数学习点(六):二维直角坐标系下的向量表示
- 线性代数学习笔记一:行列式
- [公开课] 线性代数 学习记录1
- 线性代数学习笔记五:相似矩阵及二次型
- 线性代数学习笔记(四)
- 线性代数学习过程中使用的一些工具及技巧
- 线性代数学习笔记四:向量组的线性相关性
- 线性代数学习点(一):向量几何简介
- 线性代数学习笔记(八)
- OpenGLES 相关 - 10天线性代数学习总结