线性代数 --- 矩阵与向量的乘法

矩阵与向量相乘

part I 基础知识部分:

矩阵x向量(注:可以把列向量看成是nx1的矩阵)

        现有如下方程组: 

9个系数,3个未知数,等式右边有3个数

线性代数 --- 矩阵与向量的乘法_第1张图片

        接下来用矩阵Ax=b的方式来表示上面的方程组:

线性代数 --- 矩阵与向量的乘法_第2张图片

现在我们分别用两种方法行乘和列乘来计算系数矩阵A未知数向量x的乘法。

第一种方法是:用A矩阵中的每一行row去乘以x,如下

        这种计算方法得到的结果,正好是原始方程组中的第一个方程。依此类推,也就是用A矩阵中的第二,第三行,逐一与向量x相乘,就能得到原始方程。

                                                     

\large \begin{bmatrix} 2 &1 &1 \\ 4&-6 &0 \\ -2&7 &2 \end{bmatrix} \begin{bmatrix} u \\v \\w \end{bmatrix} = \begin{bmatrix} 2u+w+w\\ 4u-6v\\ -2u+7v+2w \end{bmatrix} = \begin{bmatrix} 5\\ -2\\ 9 \end{bmatrix}

        

        一个1xn的行向量乘以一个nx1的列向量是一个非常基本的操作,他会得到一个数1x1。这个算法又叫矩阵的内积(Inner product)。例如,用A中的第一行[2 1 1]乘以另外一个列向量[1 1 2],得到的就是一个数[5]。

线性代数 --- 矩阵与向量的乘法_第3张图片

另一种方法就是:把b看成是A中各列column的线性组合,其中未知数u,v,w分别代表了各个列向量所需的权重。

        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​                             

\large u\begin{bmatrix} 2 \\ 4 \\-2 \end{bmatrix}+v\begin{bmatrix} 1 \\ -6 \\7 \end{bmatrix}+w\begin{bmatrix} 1 \\ 0 \\2 \end{bmatrix}=\begin{bmatrix} 5 \\ -2 \\9 \end{bmatrix}

        这种计算方法是全书的重点,也是学习线性代数该有的视角(强烈推荐)。因为他是在用线性组合的方式来看问题。(在后面的学习中,我们会用空间Space这种更高的视角来看Ax=b。)就好像我在另外一篇自己的总结中写的那样,学习线性代数的重点,不应该是只学习如果求解Ax=b,而是去学习如果表达Ax=b。 


part II重点部分:

        有了前面的基础知识,我们就应该摈弃早年学习线性代数时,早已形成的那种,用A中的逐行乘以列的方式计算Ax,“一头扎进”列向量的线性组合的视角。矩阵与向量相乘分为矩阵的右乘矩阵的左乘,矩阵的右乘即为对矩阵的列操作,而矩阵的左乘即为矩阵的行操作

矩阵的右乘

        矩阵B右乘矩阵A,把矩阵B看成一系列的列向量col1,col2......coln,对A的线性重组。(牢记口诀:后乘列,列操作。)

线性代数 --- 矩阵与向量的乘法_第4张图片


矩阵的左乘

        矩阵B左乘矩阵A,把矩阵B看成一系列的行向量row1,row2......cown,对A的线性重组。(牢记口诀:前乘行,行操作。)

线性代数 --- 矩阵与向量的乘法_第5张图片

(全文完) 

鸣谢:

1,Linear Algebra and Its Applications ---  Gibert Strang

2,线性代数及其应用 --- 侯自新,南开大学出版社,1990年

线性代数 --- 矩阵与向量的乘法_第6张图片

(配图与本文无关) 

版权声明:所有的笔记,可能来自很多不同的网站和说明,在此没法一一列出,如有侵权,请告知,立即删除。欢迎大家转载,但是,如果有人引用或者COPY我的文章,必须在你的文章中注明你所使用的图片或者文字来自于我的文章,否则,侵权必究。 ----松下J27

你可能感兴趣的:(Linear,Algebra,线性代数,矩阵的乘法)