1、矩阵乘法html
矩阵乘法有下面的理解:spa
两个矩阵相乘=第三个矩阵,即$A*B=C$,咱们能够理解为矩阵$A$与矩阵$B$的每一列相乘($A$的各列的线性组合=$C$中的某一列),获得矩阵$C$的每一列3d
也能够这么理解,矩阵$C$中的每一个元素$c_{ij}$来自矩阵$A$的第i行和矩阵$B$的第j列点乘:htm
第三种理解:以行为单位,$A$中某一行与矩阵$B$总体相乘(即矩阵$B$各行的线性组合结果)= 矩阵$C$中某一行blog
第四种就是列×行,即$A$中各列×$B$中各行:get
固然也能够将矩阵$A$和$B$进行分块相乘:变量
2、逆矩阵方法
这里讨论方阵,先说不可逆的状况(这里先举个例子,下面的示例矩阵不可逆):im
$\left|\begin{array}{lll}{1} & {3} \\ {2} & {6}\end{array}\right|$d3
解释:若是某个矩阵的列向量的线性组合能够获得0向量,那么该矩阵不可逆
OK,咱们知道了某矩阵存在可逆矩阵,那么如何求出来逆矩阵呢?如
$\left[\begin{array}{ll}{1} & {3} \\ {2} & {7}\end{array}\right]$
咱们将逆矩阵用未知变量填充:
根据以前所将,矩阵乘法能够理解为矩阵$A$与逆矩阵$A^{-1}$的第一列相乘获得$I$的第一列,矩阵$A$与逆矩阵$A^{-1}$的第二列相乘获得$I$的第二列,
也就是$A$与逆矩阵的第$j$列相乘结果是$I$的第$j$列,因而可知,求逆矩阵和解方程组相似,但这些方程组有类似的系数(即矩阵$A$),可是方程右侧向量不一样(单位矩阵$I$的不一样列向量),对于上面的例子:
$\left[\begin{array}{ll}{1} & {3} \\ {2} & {7}\end{array}\right]\left[\begin{array}{l}{a} \\ {b}\end{array}\right]=\left[\begin{array}{l}{1} \\ {0}\end{array}\right]$
$\left[\begin{array}{ll}{1} & {3} \\ {2} & {7}\end{array}\right]\left[\begin{array}{l}{c} \\ {d}\end{array}\right]=\left[\begin{array}{l}{0} \\ {1}\end{array}\right]$
若是咱们求出a,b,c,d,那么咱们就获得矩阵$A$的逆矩阵
高斯若尔当消元法能够联合两个方程组同时求得a,b,c,d,方法是对增广矩阵进行消元,将左边变成单位矩阵,那么右边就是要求的逆矩阵$A^{-1}$,增广矩阵以下:
$\left[\begin{array}{llll}{1} & {3} & {1} & {0} \\ {2} & {7} & {0} & {1}\end{array}\right]$
消元1:$\left[\begin{array}{rrrr}{1} & {3} & {1} & {0} \\ {0} & {1} & {-2} & {1}\end{array}\right]$
左边变成单位矩阵-3变为0:$\left[\begin{array}{rrrr}{1} & {0} & {7} & {-3} \\ {0} & {1} & {-2} & {1}\end{array}\right]$
综上过程咱们能够获得逆矩阵
下面划重点:咱们来解释一下高斯若尔当消元法求逆矩阵为什么能行得通(也就是上面的消元过程为什么能够出逆矩阵)
咱们先总结一下上面的过程:(将增广矩阵$AI$转换成$I?$,?即为要求的逆矩阵)
高斯若尔当消元:$\left[\begin{array}{ll}{A I}\end{array}\right]=>\left[\begin{array}{ll}{I ?}\end{array}\right]$
在02-消元咱们曾经讲过,矩阵消元的每一步过程能够用初等矩阵$E$来实现,整个过程能够根据矩阵相乘结合律来用一个矩阵$E$实现,咱们这里假设上面的整个转换过程能够借助矩阵$E$实现:
$E\left[\begin{array}{ll}{A I}\end{array}\right]=\left[\begin{array}{ll}{I ?}\end{array}\right]$
根据咱们以前矩阵相乘所讲(矩阵$E$与$[AI]$相乘,能够理解为矩阵$E$分别与矩阵$A$和矩阵$I$相乘):
$E$ * $A$ = $I$ (1)
$E$ * $I$ = $?$ (2)
由(1)可知$E = A^{-1}$,代入(2),可得$?=A^{-1}$
这就是高斯若尔当消元法求逆矩阵行得通的缘由