当前位置: 首页 > news >正文

MIT线性代数第三讲笔记

视频链接
https://www.youtube.com/watch?v=FX4C-JpTFgY

3.1 矩阵乘法

A ∗ B = C A*B=C AB=C为例,其中 矩阵A 是 m ∗ n m*n mn ,矩阵B是 n ∗ p n*p np,矩阵C则是 m ∗ p m*p mp

  1. 单个元素

    求矩阵C中的每一个元素,公式如下:

    c i j = ∑ k = 1 n a i k ∗ b k j c_{ij}=\sum_{k=1}^n a_{ik}*b_{kj} cij=k=1naikbkj

  2. 整列

    将矩阵C按照列考虑,矩阵C如下:

    [ c o l c 1 c o l c 2 c o l c 3 . . . ] \begin{bmatrix} col_{c1}&col_{c2}&col_{c3}&...\end{bmatrix} [colc1colc2colc3...]

    那么矩阵C中每一列就是用矩阵A乘以对应的矩阵B中一列,公式如下:

    c o l c i = A ∗ c o l b i col_{ci}=A*col_{bi} colci=Acolbi

  3. 整行

    将矩阵C按照行考虑,矩阵C如下:

    [ r o w c 1 r o w c 2 r o w c 3 . . . ] \begin{bmatrix} row_{c1}\\row_{c2}\\row_{c3}\\...\end{bmatrix} rowc1rowc2rowc3...

    那么矩阵C中每一行就是用矩阵A中对应的行乘以矩阵B,公式如下:

    r o w c i = r o w a i ∗ B row_{ci}=row_{ai}*B rowci=rowaiB

  4. 行×列

    用矩阵A的行乘以矩阵B的列,得到多个矩阵,再将多个矩阵相加就得到矩阵C,公式如下:

    C = ∑ k = 1 m r o w a k ∗ c o l b k C=\sum_{k=1}^m row_{ak}*col_{bk} C=k=1mrowakcolbk

  5. 分块相乘

    将每个矩阵分块,得到如下方程:

    [ A 1 A 2 A 3 A 4 ] A ∗ [ B 1 B 2 B 3 B 4 ] B = [ C 1 C 2 C 3 C 4 ] C \underset{\text{A}}{\begin{bmatrix} A_1&A2\\A_3&A_4\end{bmatrix}}*\underset{\text{B}}{\begin{bmatrix} B_1&B_2\\B_3&B_4\end{bmatrix}}=\underset{\text{C}}{\begin{bmatrix} C_1&C_2\\C_3&C_4\end{bmatrix}} A[A1A3A2A4]B[B1B3B2B4]=C[C1C3C2C4]

    此时,分块矩阵C中每一块矩阵计算公式如下:

    C i = A 1 ∗ B 1 + A 2 ∗ B 3 C_i=A_1*B_1+A_2*B_3 Ci=A1B1+A2B3

3.2 矩阵的逆

  1. 逆矩阵:

    矩阵A乘以矩阵B等于单位矩阵I,就称矩阵B为矩阵A的逆矩阵,记作 A − 1 A^{-1} A1,如果A为方阵, A − 1 A^{-1} A1左乘或者右乘都成立

A − 1 ∗ A = I = A ∗ A − 1 A^{-1}*A=I=A*A^{-1} A1A=I=AA1

  1. 奇异矩阵:

    若矩阵A乘以非零向量X等于零,则称矩阵A为奇异矩阵,此矩阵就没有逆矩阵

3.3 求解逆矩阵

[ 1 3 2 7 ] A ∗ [ a c b d ] A − 1 = [ 1 0 0 1 ] C \underset{\text{A}}{\begin{bmatrix} 1&3\\2&7\end{bmatrix}}*\underset{A^{-1}}{\begin{bmatrix} a&c\\b&d\end{bmatrix}}=\underset{\text{C}}{\begin{bmatrix} 1&0\\0&1\end{bmatrix}} A[1237]A1[abcd]=C[1001]

  1. 方法一:

    分别求解下面两个矩阵乘法
    [ 1 3 2 7 ] ∗ [ a b ] = [ 1 0 ] \underset{}{\begin{bmatrix} 1&3\\2&7\end{bmatrix}}*\underset{}{\begin{bmatrix} a\\b\end{bmatrix}}=\underset{}{\begin{bmatrix} 1\\0\end{bmatrix}} [1237][ab]=[10]

[ 1 3 2 7 ] ∗ [ c d ] = [ 0 1 ] \underset{}{\begin{bmatrix} 1&3\\2&7\end{bmatrix}}*\underset{}{\begin{bmatrix} c\\d\end{bmatrix}}=\underset{}{\begin{bmatrix} 0\\1\end{bmatrix}} [1237][cd]=[01]

  1. 方法二:

    将矩阵A和单位矩阵I 写成一个长的矩阵 [ A ∣ I ] \begin{bmatrix} A&|&I\end{bmatrix} [AI],记作D,用消元法将,将D中的前半部分A变换为单位矩阵I,这样矩阵D就会变为 [ I ∣ ? ] \begin{bmatrix} I&|&?\end{bmatrix} [I?],得到的后半部分就是矩阵A的逆 A − 1 A^{-1} A1
    [ 1 3 ∣ 1 0 2 7 ∣ 0 1 ] → [ 1 0 ∣ 7 − 3 0 1 ∣ − 2 1 ] \begin{bmatrix} 1&3&|&1&0\\2&7&|&0&1\end{bmatrix}\rightarrow\begin{bmatrix} 1&0&|&7&-3\\0&1&|&-2&1\end{bmatrix} [12371001][10017231]
    根据之前的学的,消元法就像左乘一个矩阵E
    E ∗ [ A ∣ I ] = [ I ∣ A − 1 ] E*\begin{bmatrix} A&|&I\end{bmatrix}=\begin{bmatrix} I&|&A^{-1}\end{bmatrix} E[AI]=[IA1]
    可以看出来 E ∗ A = I E*A=I EA=I,所以 E = A − 1 E=A^{-1} E=A1

http://www.xdnf.cn/news/1046107.html

相关文章:

  • [python] 堆
  • 共享内存实现进程通信
  • 1.MySQL三层结构
  • Faithful Logical Reasoning via Symbolic Chain-of-Thought
  • 组策略关闭 Windows 防火墙指南(企业版/专业版)
  • 关于springMVC 项目 println 输出中文乱码问题,解决方法
  • 人工智能 AGC方向
  • langChainv0.3学习笔记(中级篇)
  • MCP数据可视化服务器配置依赖
  • Vue3 axios 请求设置 signal 信号属性,以便 abort 取消请求
  • 408第一季 - 数据结构 - 散列表
  • arcpy数据分析自动化
  • RFC4291-IPv6地址架构
  • Spring MVC 会话管理实践教程:HttpSession 深入应用
  • 模板方法模式Template Method Pattern
  • Flink CDC MySQL 时区相差 8 小时问题优雅解决方式
  • 6月15日星期日早报简报微语报早读
  • React 中除了react-router还有哪些路由方案
  • 深度学习——基于卷积神经网络实现食物图像分类【2】(数据增强)
  • Office Word MCP 使用指南(小白版)
  • PCB设计教程【大师篇】stm32开发板PCB布线(电源部分)
  • 最近的一些思考与总结-优化版
  • qt信号与槽--02
  • XR-RokidAR-UXR3.0-Draggable 脚本解析
  • 如何高效的学习算法与数据结构
  • React 实现砸金蛋游戏
  • webpack+vite前端构建工具 - 1为什么要构建工具 2webpack基础配置
  • Nginx全面深入学习目录
  • gradle在build时时如何知道要去扫描Realm相关的数据模型类的?
  • 4.查看、删除数据库