Lecture 3:乘法和逆矩阵
作者:互联网
\(A \times B = C\)
其中\(C_{ij} = A_{i\cdot } \cdot B_{\cdot j}\)
矩阵乘法的几种理解方式:
- 用\(A\)乘以\(B\)的每一列(可以看成\(A\)的列向量的线性组合),得到\(C\)的每一列。
- 用\(A\)的每一行乘以\(B\)(可以看成\(B\)的行向量的线性组合),得到\(C\)的每一行。
- 用\(A\)的第\(i\)列乘以\(B\)的第\(i\)行,将所有情况求和,得到\(C\)。
- 常规方法
矩阵分块:
\[\begin{pmatrix} A_1 & A_2 \\ A_3 & A_4 \end{pmatrix} \begin{pmatrix} B_1 & B_2 \\ B_3 & B_4 \end{pmatrix} = \begin{pmatrix} A_1B_1 + A_2B_3 & A_1B_2 + A_2B_4 \\ A_3B_1 + A_4B_3 & A_3B_2 + A_4B_4 \end{pmatrix} \]对于可逆方阵\(A\),有:
\(A^{-1}A = I = AA^{-1}\)
可逆(invertible)、非奇异(nonsingular)
考察矩阵\(A\)
为了求\(A^{-1}\),相当于解两个方程组,也就相当于做两次高斯消元
\[\begin{cases} a + 3b = 1 \\ 2a + 7b = 0 \end{cases} \\ \begin{cases} c + 3d = 0 \\ 2c + 7d = 1 \end{cases} \]高斯-若尔当(同时进行多个方程组运算):
\[\begin{pmatrix} 1 & 3 & \vdots & 1 & 0\\ 2 & 7 & \vdots & 0 & 1 \end{pmatrix} \]正确性说明:\(E[A,I] = [I, A^{-1}]\)
不可逆的判定:
- 如果是方阵的话,可以通过行列式等于\(0\)来判断
- 总能找到一个非零向量\(x\),使得\(Ax = 0\)
标签:begin,end,cdot,矩阵,pmatrix,Lecture,cases,乘法 来源: https://www.cnblogs.com/miraclepbc/p/14465170.html