最后,还有更复杂的操作矩阵乘法.定义了两个矩阵的乘积只有当第一个矩阵的列数与第二个矩阵的行数相同时;换句话说,它只可能相乘
米×n而且
n×p矩阵大小。在定义产品时,出现这种情况的原因就很明显了:
该产品
P一个
米×n矩阵
一个和一个
n×p矩阵
B满足
P我,j=一个我,∗⋅B∗,j
对所有
我,j在矩阵的大小之内。
在这里
一个我,∗表示
我th行
一个,这是一个向量,
B∗,j表示
jth列的
B,它也是一个矢量。因此,点
(⋅)在这个意义上指的是向量的乘法,由点积.请注意,
我而且
j上定义
1≤我≤米而且
1≤j≤p,所以乘积
P将是一个
米×p矩阵。
这个规则看起来相当武断,所以最好用一个例子来说明:
是什么
(14253.6)⎝⎛13.5246⎠⎞?
首先,注意第一个矩阵是
2×3.第二点是
3.×2,所以它们的乘积确实是有定义的,将会是a
2×2矩阵。首先考虑到
1,1产品元素:
(P1,1P2,1P1,2P2,2)=(14253.6)⎝⎛13.5246⎠⎞.
它等于点积
1圣第一个矩阵的行
1圣第二矩阵的列,即。
(P1,1P2,1P1,2P2,2)P1,1=(14253.6)⎝⎛13.5246⎠⎞=(1,2,3.)⋅(1,3.,5)=1⋅1+2⋅3.+3.⋅5=22.
所以结果的左上角是22。矩阵的其余部分可以用同样的方式填充;例如,
(P1,1P2,1P1,2P2,2)=(14253.6)⎝⎛13.5246⎠⎞.
最后的结果是
P=(22492864).□
如果
一个=⎝⎛12−3.−23.13.−12⎠⎞而且
B=⎝⎛101012220⎠⎞,然后找到
一个B而且
B一个.你能从最后两个矩阵中得出什么结论?
这两个
一个而且
B方阵是有序的吗
3.×3..因此这两个
一个B而且
B一个是定义良好的,并且矩阵是相同的阶数吗
3.×3..
一个BB一个=⎝⎛12−3.−23.13.−12⎠⎞⋅⎝⎛101012220⎠⎞=⎝⎛1⋅1+(−2)⋅0+3.⋅12⋅1+3.⋅0+(−1)⋅1(−3.)⋅1+1⋅0+2⋅11⋅0+(−2)⋅1+3.⋅22⋅0+3.⋅1+(−1)⋅2−3.⋅0+1⋅1+2⋅21⋅2+(−2)⋅2+3.⋅02⋅2+3.⋅2+(−1)⋅0−3.⋅2+1⋅2+2⋅0⎠⎞=⎝⎛41−1415−210−4⎠⎞=⎝⎛101012220⎠⎞⋅⎝⎛12−3.−23.13.−12⎠⎞=⎝⎛−5−4505473.1⎠⎞.
很明显,你可以看到
一个B=B一个.因此,我们可以得出结论矩阵的乘法不一定是可交换的.
□
假设
x而且
y满足以下方程:
(x2y1)(xy0x)=2(103.6−x0)+(542xx).
评估
x+y.
目前仍不清楚为什么矩阵乘法是这样定义的。一个主要原因是在使用线性方程组。每个方程的系数可以组合成系数矩阵,变量可以排列成列向量。系数矩阵和列向量的乘积本身就是列向量,即每个方程的值。例如,方程组
⎩⎪⎨⎪⎧x+2y+3.z3.x+y+4z2x+4y−z=9=12=4
这种形式可以写得更简洁吗
⎝⎛13.22143.4−1⎠⎞⎝⎛xyz⎠⎞=⎝⎛9124⎠⎞.
这是一个非常有用的转变除了节省空间;特别是,如果可以“除法”矩阵,那么很容易找出除法是什么
x,y,z是通过除以系数矩阵。不幸的是,定义除法需要花费更多的精力,因此对它的进一步解释留到后面的部分。
关于矩阵乘法的一个警告是,理解以下内容是非常重要的:
矩阵乘法是不交换。换句话说,确实如此不一般事实
一个B=B一个.
最简单的理解方法是矩阵乘法只在
米×n而且
n×p矩阵;颠倒它们的顺序就得到
n×p矩阵和一个
米×n矩阵,
p不一定等于
米.即使在这种情况下(如方阵),乘法一般也不是可交换的。矩阵
一个,B这确实满足了
一个B=B一个(适当地)叫什么通勤矩阵.
做这两个矩阵
(1010)而且
(2101)上下班吗?
没有,因为
(1010)(2101)=(3.010)
但
(2101)(1010)=(2121).□
最后,值得注意的是一个特殊的矩阵单位矩阵
我n=⎝⎜⎜⎜⎜⎜⎛100⋮0010⋮0001⋮0.........⋱...000⋮1⎠⎟⎟⎟⎟⎟⎞,
这是一个
n×n矩阵,除了主对角线,其他地方都是0,主对角线包含所有的1。例如,
我2=(1001),我3.=⎝⎛100010001⎠⎞.
它满足这个性质
我一个=一个我=一个
对于任何
n×n矩阵
一个.从上面的定义可以清楚地看出原因。