1、矩陣乘法html
矩陣乘法有下面的理解:spa
兩個矩陣相乘=第三個矩陣,即$A*B=C$,咱們能夠理解爲矩陣$A$與矩陣$B$的每一列相乘($A$的各列的線性組合=$C$中的某一列),獲得矩陣$C$的每一列3d
也能夠這麼理解,矩陣$C$中的每一個元素$c_{ij}$來自矩陣$A$的第i行和矩陣$B$的第j列點乘:htm
第三種理解:以行爲單位,$A$中某一行與矩陣$B$總體相乘(即矩陣$B$各行的線性組合結果)= 矩陣$C$中某一行blog
第四種就是列×行,即$A$中各列×$B$中各行:get
固然也能夠將矩陣$A$和$B$進行分塊相乘:變量
2、逆矩陣方法
這裏討論方陣,先說不可逆的狀況(這裏先舉個例子,下面的示例矩陣不可逆):im
$\left|\begin{array}{lll}{1} & {3} \\ {2} & {6}\end{array}\right|$d3
解釋:若是某個矩陣的列向量的線性組合能夠獲得0向量,那麼該矩陣不可逆
OK,咱們知道了某矩陣存在可逆矩陣,那麼如何求出來逆矩陣呢?如
$\left[\begin{array}{ll}{1} & {3} \\ {2} & {7}\end{array}\right]$
咱們將逆矩陣用未知變量填充:
根據以前所將,矩陣乘法能夠理解爲矩陣$A$與逆矩陣$A^{-1}$的第一列相乘獲得$I$的第一列,矩陣$A$與逆矩陣$A^{-1}$的第二列相乘獲得$I$的第二列,
也就是$A$與逆矩陣的第$j$列相乘結果是$I$的第$j$列,因而可知,求逆矩陣和解方程組相似,但這些方程組有類似的係數(即矩陣$A$),可是方程右側向量不一樣(單位矩陣$I$的不一樣列向量),對於上面的例子:
$\left[\begin{array}{ll}{1} & {3} \\ {2} & {7}\end{array}\right]\left[\begin{array}{l}{a} \\ {b}\end{array}\right]=\left[\begin{array}{l}{1} \\ {0}\end{array}\right]$
$\left[\begin{array}{ll}{1} & {3} \\ {2} & {7}\end{array}\right]\left[\begin{array}{l}{c} \\ {d}\end{array}\right]=\left[\begin{array}{l}{0} \\ {1}\end{array}\right]$
若是咱們求出a,b,c,d,那麼咱們就獲得矩陣$A$的逆矩陣
高斯若爾當消元法能夠聯合兩個方程組同時求得a,b,c,d,方法是對增廣矩陣進行消元,將左邊變成單位矩陣,那麼右邊就是要求的逆矩陣$A^{-1}$,增廣矩陣以下:
$\left[\begin{array}{llll}{1} & {3} & {1} & {0} \\ {2} & {7} & {0} & {1}\end{array}\right]$
消元1:$\left[\begin{array}{rrrr}{1} & {3} & {1} & {0} \\ {0} & {1} & {-2} & {1}\end{array}\right]$
左邊變成單位矩陣-3變爲0:$\left[\begin{array}{rrrr}{1} & {0} & {7} & {-3} \\ {0} & {1} & {-2} & {1}\end{array}\right]$
綜上過程咱們能夠獲得逆矩陣
下面劃重點:咱們來解釋一下高斯若爾當消元法求逆矩陣爲什麼能行得通(也就是上面的消元過程爲什麼能夠出逆矩陣)
咱們先總結一下上面的過程:(將增廣矩陣$AI$轉換成$I?$,?即爲要求的逆矩陣)
高斯若爾當消元:$\left[\begin{array}{ll}{A I}\end{array}\right]=>\left[\begin{array}{ll}{I ?}\end{array}\right]$
在02-消元咱們曾經講過,矩陣消元的每一步過程能夠用初等矩陣$E$來實現,整個過程能夠根據矩陣相乘結合律來用一個矩陣$E$實現,咱們這裏假設上面的整個轉換過程能夠藉助矩陣$E$實現:
$E\left[\begin{array}{ll}{A I}\end{array}\right]=\left[\begin{array}{ll}{I ?}\end{array}\right]$
根據咱們以前矩陣相乘所講(矩陣$E$與$[AI]$相乘,能夠理解爲矩陣$E$分別與矩陣$A$和矩陣$I$相乘):
$E$ * $A$ = $I$ (1)
$E$ * $I$ = $?$ (2)
由(1)可知$E = A^{-1}$,代入(2),可得$?=A^{-1}$
這就是高斯若爾當消元法求逆矩陣行得通的緣由