标签：begin end cdot 矩阵 pmatrix Lecture cases 乘法

\(A \times B = C\)
其中\(C_{ij} = A_{i\cdot } \cdot B_{\cdot j}\)

矩阵乘法的几种理解方式：

1. 用\(A\)乘以\(B\)的每一列（可以看成\(A\)的列向量的线性组合），得到\(C\)的每一列。
2. 用\(A\)的每一行乘以\(B\)（可以看成\(B\)的行向量的线性组合），得到\(C\)的每一行。
3. 用\(A\)的第\(i\)列乘以\(B\)的第\(i\)行，将所有情况求和，得到\(C\)。
4. 常规方法

矩阵分块：

\[\begin{pmatrix} A_1 & A_2 \\ A_3 & A_4 \end{pmatrix} \begin{pmatrix} B_1 & B_2 \\ B_3 & B_4 \end{pmatrix} = \begin{pmatrix} A_1B_1 + A_2B_3 & A_1B_2 + A_2B_4 \\ A_3B_1 + A_4B_3 & A_3B_2 + A_4B_4 \end{pmatrix} \]

对于可逆方阵\(A\)，有：
\(A^{-1}A = I = AA^{-1}\)
可逆（invertible）、非奇异（nonsingular）
考察矩阵\(A\)

\[\begin{pmatrix} 1 & 3 \\ 2 & 7 \end{pmatrix} \begin{pmatrix} a & c \\ b & d \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} \]

为了求\(A^{-1}\)，相当于解两个方程组，也就相当于做两次高斯消元

\[\begin{cases} a + 3b = 1 \\ 2a + 7b = 0 \end{cases} \\ \begin{cases} c + 3d = 0 \\ 2c + 7d = 1 \end{cases} \]

高斯-若尔当（同时进行多个方程组运算）：

\[\begin{pmatrix} 1 & 3 & \vdots & 1 & 0\\ 2 & 7 & \vdots & 0 & 1 \end{pmatrix} \]

正确性说明：\(E[A,I] = [I, A^{-1}]\)

不可逆的判定：

1. 如果是方阵的话，可以通过行列式等于\(0\)来判断
2. 总能找到一个非零向量\(x\)，使得\(Ax = 0\)

标签：begin,end,cdot,矩阵,pmatrix,Lecture,cases,乘法
来源： https://www.cnblogs.com/miraclepbc/p/14465170.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。