美文网首页
MIT-18.06-线性代数(第三讲)

MIT-18.06-线性代数(第三讲)

作者: 林枫bioinfo | 来源:发表于2022-03-08 23:18 被阅读0次

    第三讲 —— 矩阵乘法和逆

    1. 矩阵乘法

    1.1 行列内积

    假设矩阵A乘矩阵B,得到矩阵CC=AB。回顾单个元素的求法,取特殊点c_{34},该元素从何处而来?来自矩阵Arow3和矩阵Bcol4的点乘。即c_{34}=a_{31}b_{14}+a_{32}b_{24}......=\sum_{k=1}^{n} {a_{3k}b_{k4}}

    矩阵在什么条件下能够相乘?若Am×n矩阵,那么B必须为n×p矩阵,A的总列数必须与B的总行数相匹配,得到Cm×p矩阵。这是乘法的一般性法则。

    1.2 考虑整列

    可以将乘法考虑为矩阵乘向量,B可以考虑成p个单独的列向量,用A乘每个列向量,相应可以得到p列答案。C中各列是A中各列的线性组合。

    1.3 考虑整行

    A可以考虑成m个单独的行向量,每个行向量乘B,相应可以得到m行答案。C中各行是B中各行的线性组合。

    1.4 列乘以行

    一列乘以一行,得到一个矩阵。\begin{bmatrix} 2 \\ 3 \\ 4 \\ \end{bmatrix} \begin{bmatrix} 1 & 6 \\ \end{bmatrix}=\begin{bmatrix} 2 & 12 \\ 3 & 18 \\ 4 & 24 \\ \end{bmatrix}

    AB等于A各列与B各行乘积之和,\begin{bmatrix} 2 & 7 \\ 3 & 8 \\ 4 & 9 \\ \end{bmatrix} \begin{bmatrix} 1 & 6 \\ 0 & 0 \\ \end{bmatrix}=\begin{bmatrix} 2 \\ 3 \\ 4 \\ \end{bmatrix} \begin{bmatrix} 1 & 6 \\ \end{bmatrix}+\begin{bmatrix} 7 \\ 8 \\ 9 \\ \end{bmatrix} \begin{bmatrix} 0 & 0 \\ \end{bmatrix}

    \begin{bmatrix} 2 & 12 \\ 3 & 18 \\ 4 & 24 \\ \end{bmatrix},这个矩阵很特殊,所有的行都依赖于同一行,所有的行都依赖于\begin{bmatrix} 1 & 6 \\ \end{bmatrix},如果画出这些行的向量,它们都是同一方向,同理,画出列向量,也会是同一方向。

    1.5 分块乘法

    \left[\begin{array}{c|c} A1 & A2 \\ \hline A3 & A4 \\ \end{array}\right] \left[\begin{array}{c|c} B1 & B2 \\ \hline B3 & B4 \\ \end{array}\right]=\left[\begin{array}{c|c} A1B1+A2B3 & A1B2+A2B4 \\ \hline A3B1+A4B3 & A3B2+A4B4 \\ \end{array}\right]

    2. 逆(方阵)

    存在方阵A,如果它可逆,即存在某个矩阵称为A^{-1},那么A^{-1}A=I=AA^{-1},左逆等于右逆。A为可逆的(invertible),非奇异的(non-singular)。

    下面讨论奇异矩阵,没有逆的情况,比如A=\begin{bmatrix} 1 & 3 \\ 2 & 6 \\ \end{bmatrix},用A乘另一个矩阵,结果中的列都是A中相应列的倍数,无法得到单位阵,单位阵的第一列\begin{bmatrix} 1 \\ 0 \\ \end{bmatrix},不可能是A中这些列的线性组合,因为A中两列共线,所有的线性组合均在此直线上,\begin{bmatrix} 1 \\ 0 \\ \end{bmatrix}却不在其上。

    另一个角度,如果存在向量x,使得Ax=0,如Ax=\begin{bmatrix} 1 & 3 \\ 2 & 6 \\ \end{bmatrix} \begin{bmatrix} 3 \\ -1 \\ \end{bmatrix}=\begin{bmatrix} 0 \\ 0 \\ \end{bmatrix},则A不可逆,因为如果Ax=0,假设乘上A的逆,会得到x=0,实际上x\neq0,假设不成立。即如果其中一列对线性组合毫无贡献,矩阵不可能有逆。

    得到结论:奇异矩阵,其列能通过线性组合得到0,通过非零向量x得到0。

    考虑非奇异矩阵,例A=\begin{bmatrix} 1 & 3 \\ 2 & 7 \\ \end{bmatrix},则有\begin{bmatrix} 1 & 3 \\ 2 & 7 \\ \end{bmatrix} \begin{bmatrix} a & b \\ c & d \\ \end{bmatrix}=\begin{bmatrix} 1 & 0 \\ 0 & 1 \\ \end{bmatrix},如何求A^{-1},即求\begin{bmatrix} a & b \\ c & d \\ \end{bmatrix}A乘其逆的第j列,等于单位矩阵的第j列,\begin{bmatrix} 1 & 3 \\ 2 & 7 \\ \end{bmatrix} \begin{bmatrix} a \\ b \\ \end{bmatrix}=\begin{bmatrix} 1 \\ 0 \\ \end{bmatrix}
    \begin{bmatrix} 1 & 3 \\ 2 & 7 \\ \end{bmatrix} \begin{bmatrix} c \\ d \\ \end{bmatrix}=\begin{bmatrix} 0 \\ 1 \\ \end{bmatrix}

    采用高斯-若尔当(Gauss-Jordan)方法,首先构造增广矩阵\left[\begin{array}{cc|cc} 1 & 3 & 1 & 0 \\ 2 & 7 & 0 & 1 \\ \end{array}\right],然后进行消元,
    \left[\begin{array}{cc|cc} 1 & 3 & 1 & 0 \\ 2 & 7 & 0 & 1 \\ \end{array}\right] ——> \left[\begin{array}{cc|cc} 1 & 3 & 1 & 0 \\ 0 & 1 & -2 & 1 \\ \end{array}\right] ——> \left[\begin{array}{cc|cc} 1 & 0 & 1 & 0 \\ 0 & 1 & -2 & 1 \\ \end{array}\right]。即从\left[\begin{array}{c|c} A & I \\ \end{array}\right]消元得到\left[\begin{array}{c|c} I & A^{-1} \\ \end{array}\right]

    本质是使用消元矩阵E,使E \left[\begin{array}{c|c} A & I \\ \end{array}\right]=\left[\begin{array}{c|c} I & ? \\ \end{array}\right]EA=I,可得E=A^{-1},则有?=EI=A^{-1}

    相关文章

      网友评论

          本文标题:MIT-18.06-线性代数(第三讲)

          本文链接:https://www.haomeiwen.com/subject/xwdirrtx.html