MIT 18.06 线性代数公开课笔记 Lecture03 矩阵乘法和逆
矩阵乘法
回顾一下 C=ABC=ABC=AB 中单个元素的求法:
ci,j=(row i of A)⋅(column j of B)
c_{i,j}=(\text{row i of }A)\cdot(\text{column j of }B)
ci,j=(row i of A)⋅(column j of B)
矩阵相乘不一定是方阵, Am×nBn×p=Cm×pA_{m\times n}B_{n\times p}=C_{m\times p}Am×nBn×p=Cm×p .
让我们用行和列的方式去思考 AB=CAB=CAB=C :
把矩阵 CCC 想成是 ppp 个列向量, AAA 乘 BBB 的第一列得到 CCC 的第一列, 以此类推. 回想一下我们的big picture, 矩阵 AAA 乘一个列向量代表了 AAA 中列向量的线性组合, 也就是说矩阵 CCC 中的每一列都是 AAA 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 CCC 中的每一行都是 BBB 中行向量的线性组合.
矩阵乘法的第四种方法: AB=Sum of (column of A)×(row of B)AB=\text{Sum of }(\text{column of }A)\times(\text{row of }B)AB=Sum of (column of A)×(row of B)
AAA 中的列乘 BBB 中的行将会得到一个 m×pm\times pm×p 矩阵. 这个矩阵中的每一行都是 BBB 中的行的倍数, 每一列都是 AAA 中的列的倍数:
[234][16]=[212318424]
\begin{bmatrix}2\\3\\4\end{bmatrix}\begin{bmatrix}1&6\end{bmatrix}=\begin{bmatrix}2&12\\3&18\\4&24\end{bmatrix}
⎣⎡234⎦⎤[16]=⎣⎡234121824⎦⎤
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:
[A1A2A3A4][B1B2B3B4]=[A1B1+A2B3−−−]A B= C
\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}
[A1A3A2A4][B1B3B2B4]A B=[A1B1+A2B3−−−]= C
对块做乘法和基础的矩阵乘法很相似.
逆矩阵
A−1A=I=AA−1A^{-1}A=I=AA^{-1}A−1A=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):
[1326]
\begin{bmatrix}1&3\\2&6\end{bmatrix}
[1236]
其行列式为0. 事实上用 AAA 去乘某个矩阵, 结果中的列都来自 AAA 中的列, 也就是都会是 AAA 中列的倍数, 不可能得到 10\begin{matrix}
1\\0
\end{matrix}10 .
方阵 AAA 没有逆, 如果存在非零向量 x\mathbf{x}x 使得 Ax=0A\mathbf{x}=\mathbf{0}Ax=0 . 事实上, 我们假设 A−1A^{-1}A−1 存在 Ax=0A\mathbf{x}=\mathbf{0}Ax=0 两边乘上 A−1A^{-1}A−1 , 得到 x=0\mathbf{x}=\mathbf{0}x=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 0\mathbf{0}0 .
考虑可逆矩阵 A=[1327]A=\begin{bmatrix}
1&3\\2&7
\end{bmatrix}A=[1237] , 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?
[1327][acbd]=[1001]A A−1 =  I
\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}
[1237][abcd]A A−1 =[1001]= I
可以得到方程组 A[ab]=[10]A
\begin{bmatrix}
a\\b
\end{bmatrix}=
\begin{bmatrix}
1\\0
\end{bmatrix}A[ab]=[10] 和 A[cd]=[01]A
\begin{bmatrix}
c\\d
\end{bmatrix}=
\begin{bmatrix}
0\\1
\end{bmatrix}A[cd]=[01] . 求 AAA 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:
[13102701]⟶[131001−21]⟶[107−301−21]AIIA−1
\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}
[12371001]⟶[10311−201]⟶[10017−2−31]AIIA−1
为什么我们可以得到 A−1A^{-1}A−1 ? 因为我们对 AAA 和 III 左乘了相同的初等矩阵, 当 AAA 变成 III , 原来的 III 也就变成了 A−1A^{-1}A−1 .
- MIT18.06线性代数课程笔记5:矩阵转置,vector space以及subspace
- MIT18.06线性代数课程笔记20:矩阵逆元计算、克里默法则 以及 行列式与volume、外积的关系
- MIT 18.06 线性代数公开课笔记 Lecture10 四个基本子空间
- MIT18.06线性代数课程笔记8:求解Ax=b、矩阵的秩以及矩阵的逆
- MIT18.06线性代数课程笔记17:正交标准矩阵
- MIT 18.06 线性代数公开课笔记 Lecture06 列向量和零空间
- 【线性代数公开课MIT Linear Algebra】 第三课 矩阵乘法和矩阵的逆
- MIT 18.06 线性代数公开课笔记 Lecture08 Ax=b, 可解性及解的结构
- MIT18.06线性代数课程笔记2a:矩阵相乘的三种看待角度
- MIT18.06线性代数课程笔记11:矩阵空间、子空间的交和、秩一矩阵
- MIT18.06线性代数课程笔记1:矩阵和向量相乘的三种解释
- MIT 18.06 线性代数公开课笔记 Lecture05 转置、置换、向量空间
- MIT18.06线性代数课程笔记3a:矩阵相乘的五种看待角度
- MIT18.06线性代数课程笔记19:矩阵行列式公式与代数余子式
- MIT18.06线性代数课程笔记4a:矩阵的LU分解
- MIT18.06线性代数课程笔记4b:打乱矩阵集合及相关性质
- MIT18.06线性代数课程笔记7:使用消元法求解Null space
- MIT18.06线性代数课程笔记9:线性无关、向量拓展空间、空间的基、空间维度
- 【线性代数公开课MIT Linear Algebra】 第十一课 矩阵空间和秩1矩阵
- MIT线性代数学习笔记-------02-矩阵消元