矩阵乘积的逆(高等代数课件)
- 格式:ppt
- 大小:1.78 MB
- 文档页数:27
线性代数之——矩阵乘法和逆矩阵1. 矩阵乘法如果矩阵 B 的列为 b 1,b 2,b 3,那么 EB 的列就是 Eb 1,Eb 2,Eb 3。
EB =E [b 1b 2b 3]=[Eb 1Eb 2Eb 3]E (B 的第 j 列)=EB 的第 j 列置换矩阵(permutation matrix )在消元的过程中,如果遇到了某⼀⾏主元的位置为 0,⽽其下⾯⼀⾏对应的位置不为 0,我们就可以通过⾏交换来继续进⾏消元。
如下的矩阵 P 23 可以实现将向量或者矩阵的第 2 、 3 ⾏进⾏交换。
P 23=10000101100001010135=15310000101241003065=24106503置换矩阵 P ij 就是将单位矩阵的第 i ⾏和第 j ⾏进⾏互换,当交换矩阵乘以另⼀个矩阵时,它的作⽤就是交换那个矩阵的第 i ⾏和第 j ⾏。
增⼴矩阵(augmented matrix )在消元的过程中,⽅程两边的系数 A 和 b 都要进⾏同样的变换,这样,我们可以把 b 作为矩阵 A 的额外的⼀列,然后,就可以⽤消元矩阵E 乘以这个增⼴的矩阵⼀次性完成左右两边的变换。
E [A b ]=[EA E b ]100−2100124−2249−38−2−3710=24−220114−2−3710矩阵乘法的四种理解如果矩阵 A 有 n 列, B 有n ⾏,那么我们可以进⾏矩阵乘法 AB 。
假设矩阵 A 有 m ⾏ n 列,矩阵 B 有 n ⾏ p 列,那么 AB 是 m ⾏ p 列的。
(m ×n )(n ×p )(m ×p )m ⾏n 列n ⾏p 列m ⾏p 列矩阵乘法的第⼀种理解⽅式就是⼀个⼀个求取矩阵 AB 位于 (i ,j ) 处的元素(AB )ij =A 的第 i ⾏与 B 的第 j 列的内积=∑a ik b kj第⼆种理解,矩阵 AB 的列是 A 的列的线性组合AB =A [b 1b 2⋯b p ]=[Ab 1Ab 2⋯Ab p ]第三种理解,矩阵 AB 的⾏是 B 的⾏的线性组合[][][][][][][][][][][][][]AB=a1a2⋮a mB=a1Ba2B⋮a m B第四种理解,矩阵AB是所有A的列与B的⾏的乘积的和AB=[a1a2⋯a n]b1b2⋮b n=n∑i=1a i b i其中,⼀列乘以⼀⾏称为外积(outer product),(n×1)(1×n)=(n, n),结果为⼀个 n×n 的矩阵。
矩阵的乘法及求逆运算最终版矩阵乘法在线性代数中,矩阵乘法是一种常用且重要的运算。
矩阵乘法允许我们将两个矩阵相乘,从而生成一个新的矩阵。
这一运算对于解决线性方程组、计算线性变换等问题非常有用。
矩阵乘法的定义对于两个矩阵 A 和 B,它们可以相乘的条件是:A 的列数必须等于 B 的行数,否则乘法无法进行。
假设 A 是一个 m×n 的矩阵,B 是一个 n×p 的矩阵,那么 A 与B 的乘积 AB 就是一个 m×p 的矩阵,其中第 i 行第 j 列的元素为 A 的第 i 行与 B 的第 j 列对应元素的乘积之和。
矩阵乘法的计算规则为了求出矩阵乘法的结果,我们需要按照以下规则进行计算:1.如果 A 是一个 m×n 的矩阵,B 是一个 n×p 的矩阵,那么 AB 的维度为 m×p。
2.对于 AB 的每个元素 AB[i][j],可以通过将 A 的第 i 行与 B 的第 j 列对应元素相乘,并将乘积累加得到。
即AB[i][j] = A[i][1]×B[1][j] + A[i][2]×B[2][j] + … + A[i][n]×B[n][j]矩阵乘法的例子下面我们来看一个具体的例子,以帮助理解矩阵乘法的计算过程。
假设有两个矩阵 A 和 B:A = [[1, 2], [3, 4], [5, 6]]B = [[7, 8, 9], [10, 11, 12]]我们可以按照矩阵乘法的规则计算 AB:AB = [[1×7 + 2×10, 1×8 + 2×11, 1×9 + 2×12], [3×7 + 4×10, 3×8 + 4×11, 3×9 +4×12], [5×7 + 6×10, 5×8 + 6×11, 5×9 + 6×12]]简化后的结果为:AB = [[27, 30, 33], [61, 68, 75], [95, 106, 117]]通过这个例子,我们可以清楚地看到矩阵乘法的计算过程,以及如何按照规则对应元素相乘并累加得到结果。