一、從高斯消元法到矩陣乘法:
1.1 高斯消元法
假設存在如下的方程:
![](https://img.laitimes.com/img/9ZDMuAjOiMmIsIjOiQnIsIyZuBnL3ATN5QDOwQTM1AjNwAjMwIzLc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
将方程化為如下的形式是高斯消元法的目标:
{ R = ? G = ? B = ? \begin{cases} R=?\\G=?\\B=? \end{cases} ⎩⎪⎨⎪⎧R=?G=?B=?
思路:
首先利用第一行消去第二行和第三行的第一個元素:
接着利用第二行消去第三行的第二個元素:
接着反過來,用第三行消去第一行和第二行的第三個元素:
接着用第二行消去第一行的第二個元素:
最後達到目标:
1.2 用增廣矩陣描述高斯消元法
假設方程為:
則增廣矩陣為:
整個過程可以描述為:
1.3 利用矩陣乘法:
上述過程的第一次運算用矩陣乘法可以描述為:
多行乘法:
這一步實際表達了兩個過程:
- 第一行不變: r 1 ′ = r 1 r_1'=r_1 r1′=r1
- 第二行改變: r 2 ′ = r 2 − 3 r 1 r_2'=r_2-3r_1 r2′=r2−3r1
用矩陣乘法則表示為:
是以利用矩陣乘法,整個高斯消元法就可以表示如下:
https://www.matongxue.com/madocs/755.html
二、如何了解矩陣乘法:
一個正确的觀點是将矩陣看成是函數,這樣很多疑惑就可以迎刃而解。
2.1 矩陣是一個函數:
直線函數與矩陣:
我們熟悉的直線函數 a x = y ax=y ax=y把 ( x , 0 ) (x,0) (x,0)點映射到 ( 0 , a x ) (0,ax) (0,ax)點:
我們通過矩陣 A x → = y → A\overrightarrow{x}=\overrightarrow{y} Ax
=y
也可以完成這個映射,令:
A = ( 0 1 a 0 ) A=\begin{pmatrix} 0&1\\a&0 \end{pmatrix} A=(0a10)
則:
矩陣的優點:
對于 a x = y , x ∈ R , y ∈ R ax=y,x\in R,y\in R ax=y,x∈R,y∈R隻能完成從實數到實數的映射:
x → y ⟹ R → R x\to y\implies R\to R x→y⟹R→R
但是: A x → = y → , x → ∈ R n , y → ∈ R m A\overrightarrow{x}=\overrightarrow{y},\overrightarrow{x}\in R^n,\overrightarrow{y}\in R^m Ax
=y
,x
∈Rn,y
∈Rm可以完成更廣泛的映射:
x → → y → ⟹ R n → R m \overrightarrow{x}\to \overrightarrow{y}\implies R^n\to R^m x
→y
⟹Rn→Rm
為了完成這點,矩陣 A A A就不再是系數a了,而是一個函數(或者說是映射)
假設 x → \overrightarrow{x} x
所在平面為 v v v,而 y → \overrightarrow{y} y
所在平面為 W W W, x → \overrightarrow{x} x
通過矩陣 A A A映射到了 y → \overrightarrow{y} y
,可以如下表示:
A這個映射的特别之處是,V上的直線通過A映射到W上依然是直線,是以矩陣也被稱為線性映射。
2.2 矩陣作為函數的工作方式:
将之前表示線性映射的3D圖變為2D圖:
為了繪圖友善, x → \overrightarrow{x} x
所在平面V, y → \overrightarrow{y} y
所在平面W,都是二維平面,即 R 2 R^2 R2
坐标:
研究線性映射,最重要的是搞清楚目前處在哪個基下,首先看:
x → \overrightarrow{x} x
, y → \overrightarrow{y} y
的基預設為各自空間向量空間下的自然基,其自然基為(即 R 2 R^2 R2下的自然基):
是以可以得到:
如下圖所示:
映射法則的工作原理:
為了說清映射法則A是怎麼工作的,将A用一個空間表示,V會通過A映射到W:
設: A = ( c 1 → c 2 → ) A=(\overrightarrow{c_1}\quad\overrightarrow{c_2}) A=(c1
c2
)
整個映射過程如下所示:
根據矩陣乘法的規則可以得到(可以了解為 c 1 → , c 2 → \overrightarrow{c_1},\overrightarrow{c_2} c1
,c2
兩個向量的一個線性組合):
則 A x → A\overrightarrow{x} Ax
相當于在A空間中,以 c 1 → , c 2 → \overrightarrow{c_1},\overrightarrow{c_2} c1
,c2
為基,坐标為 ( x 1 x 2 ) \begin{pmatrix}x_1\\x_2\end{pmatrix} (x1x2)的向量:
再将 A x → A\overrightarrow{x} Ax
向量用自然基表示:
整體來說,就是基改變,導緻向量的坐标發生改變:
注意矩陣乘法不滿足交換律
https://www.matongxue.com/madocs/555.html
2.3 矩陣運算所滿足的定律
- A + B = B + A ( 加 法 交 換 律 ) A+B=B+A(加法交換律) A+B=B+A(加法交換律)
- A + ( B + C ) = ( A + B ) + C ( 加 法 結 合 律 ) A+(B+C)=(A+B)+C(加法結合律) A+(B+C)=(A+B)+C(加法結合律)
- A ∗ ( B ∗ C ) = ( A ∗ B ) ∗ C ( 乘 法 結 合 律 ) A *(B * C)=(A*B)*C(乘法結合律) A∗(B∗C)=(A∗B)∗C(乘法結合律)
- A ∗ ( B + C ) = A ∗ B + A ∗ C ( 分 配 律 ) A*(B+C)=A*B+A*C(配置設定律) A∗(B+C)=A∗B+A∗C(配置設定律)
- k ∗ ( A + B ) = k ∗ A + k ∗ B k*(A+B)=k*A+k*B k∗(A+B)=k∗A+k∗B
- ( A + B ) ∗ C = A ∗ C + B ∗ C 9 ( 分 配 律 ) (A+B)*C=A*C+B*C9(配置設定律) (A+B)∗C=A∗C+B∗C9(配置設定律)
- A ∗ I = I ∗ A = A ( 單 位 矩 陣 的 乘 法 屬 性 ) A*I=I*A=A(機關矩陣的乘法屬性) A∗I=I∗A=A(機關矩陣的乘法屬性)
注意上面所有的+都可以替換為-
三、數量矩陣&機關矩陣
3.1 機關矩陣
主對角線上的數字都是1,其餘都是0的矩陣稱為機關矩陣,即:
( 1 … 0 ⋮ ⋱ ⋮ 0 … 1 ) \begin{pmatrix}1&\dots&0\\\vdots&\ddots&\vdots\\0&\dots&1\end{pmatrix} ⎝⎜⎛1⋮0…⋱…0⋮1⎠⎟⎞
3.2 數量矩陣
設I是機關矩陣,k是任何數,則kE稱為數量矩陣,即:
k E = ( k … 0 ⋮ ⋱ ⋮ 0 … k ) kE=\begin{pmatrix}k&\dots&0\\\vdots&\ddots&\vdots\\0&\dots&k\end{pmatrix} kE=⎝⎜⎛k⋮0…⋱…0⋮k⎠⎟⎞
四、初等矩陣
初等矩陣是指由機關矩陣經過一次初等變換得到的矩陣。
五、行等價
A和B行等價,就是說A經過若幹次初等行變換可以變成B