0205矩阵分块法-矩阵及其运算-线性代数

文章目录

      • 1 分块矩阵的定义
      • 2 分块矩阵的运算(性质)
      • 3 按列分块与按行分块
    • 结语

1 分块矩阵的定义

将矩阵A用若干条纵线和横线分成许多个小矩阵,每一个小矩阵称为A的子快,以子块为元素的形式上的矩阵称为分块矩阵。

2 分块矩阵的运算(性质)

  1. 设矩阵A与B的行数相同,列数相同,采用相同的分块法,有
    A = ( A 11 ⋯ A 1 r ⋮ ⋮ A s 1 ⋯ A s r ) , B = ( B 11 ⋯ B 1 r ⋮ ⋮ B s 1 ⋯ B s r ) A=\begin{pmatrix} A_{11}&\cdots&A_{1r}\\ \vdots&&\vdots\\ A_{s1}&\cdots&A_{sr} \end{pmatrix} ,B=\begin{pmatrix} B_{11}&\cdots&B_{1r}\\ \vdots&&\vdots\\ B_{s1}&\cdots&B_{sr} \end{pmatrix}\\ A= A11As1A1rAsr ,B= B11Bs1B1rBsr
    其中 A i j 与 B i j A_{ij}与B_{ij} AijBij行数相同,列数相同,那么
    A + B = ( A 11 + B 11 ⋯ A 1 r + B 1 r ⋮ ⋮ A s 1 + B s 1 ⋯ A s r + B s r ) A+B=\begin{pmatrix} A_{11}+B_{11}&\cdots&A_{1r}+B_{1r}\\ \vdots&&\vdots\\ A_{s1}+B_{s1}&\cdots&A_{sr}+B_{sr} \end{pmatrix} A+B= A11+B11As1+Bs1A1r+B1rAsr+Bsr


  2. A = ( A 11 ⋯ A 1 r ⋮ ⋮ A s 1 ⋯ A s r ) , λ 为数,那么 A=\begin{pmatrix} A_{11}&\cdots&A_{1r}\\ \vdots&&\vdots\\ A_{s1}&\cdots&A_{sr} \end{pmatrix} ,\lambda为数,那么 A= A11As1A1rAsr ,λ为数,那么

    λ A = ( λ A 11 ⋯ λ A 1 r ⋮ ⋮ λ A s 1 ⋯ λ A s r ) \lambda A=\begin{pmatrix} \lambda A_{11}&\cdots&\lambda A_{1r}\\ \vdots&&\vdots\\ \lambda A_{s1}&\cdots&\lambda A_{sr} \end{pmatrix} λA= λA11λAs1λA1rλAsr

  3. 设A位 m × l m\times l m×l矩阵,B位 l × n l\times n l×n矩阵,分块成
    A = ( A 11 ⋯ A 1 t ⋮ ⋮ A s 1 ⋯ A s t ) , B = ( A 11 ⋯ A 1 r ⋮ ⋮ A t 1 ⋯ A t r ) A=\begin{pmatrix} A_{11}&\cdots&A_{1t}\\ \vdots&&\vdots\\ A_{s1}&\cdots&A_{st} \end{pmatrix} ,B=\begin{pmatrix} A_{11}&\cdots&A_{1r}\\ \vdots&&\vdots\\ A_{t1}&\cdots&A_{tr} \end{pmatrix} A= A11As1A1tAst ,B= A11At1A1rAtr
    其中 A i 1 , A i 2 , ⋯ , A i t A_{i1},A_{i2},\cdots,A_{it} Ai1,Ai2,,Ait的列数分别等于 B 1 j , B 2 j , ⋯ , B t j B_{1j},B_{2j},\cdots,B_{tj} B1j,B2j,,Btj的行数,那么
    A B = ( C 11 ⋯ C 1 r ⋮ ⋮ C s 1 ⋯ C s r ) AB=\begin{pmatrix} C_{11}&\cdots&C_{1r}\\ \vdots&&\vdots\\ C_{s1}&\cdots&C_{sr} \end{pmatrix} AB= C11Cs1C1rCsr
    其中
    C i j = ∑ k = 1 t A i k B k j ( i = 1 , ⋯ , s ; j = 1 , ⋯ , r ) C_{ij}=\sum_{k=1}^tA_{ik}B_{kj}(i=1,\cdots,s;j=1,\cdots,r) Cij=k=1tAikBkj(i=1,,s;j=1,,r)


  4. A = ( A 11 ⋯ A 1 r ⋮ ⋮ A s 1 ⋯ A s r ) ,则 A T = ( A 11 T ⋯ A s 1 T ⋮ ⋮ A 1 r T ⋯ A s r T ) A=\begin{pmatrix} A_{11}&\cdots&A_{1r}\\ \vdots&&\vdots\\ A_{s1}&\cdots&A_{sr} \end{pmatrix} ,则A^T=\begin{pmatrix} A_{11}^T&\cdots&A_{s1}^T\\ \vdots&&\vdots\\ A_{1r}^T&\cdots&A_{sr}^T \end{pmatrix} A= A11As1A1rAsr ,则AT= A11TA1rTAs1TAsrT

  5. 设A为n阶方阵,若A的分块矩阵只有在对角线上有非零子块,其余子块都为零矩阵,且在对角线上的子块都是方阵,即
    A = ( A 1 O A 2 ⋱ O A s ) A=\begin{pmatrix} A_{1}&&&O\\ &A_2&&\\ &&\ddots&\\ O&&&A_s \end{pmatrix} A= A1OA2OAs
    其中 A i ( i = 1 , 2 , ⋯ , s ) A_i(i=1,2,\cdots,s) Ai(i=1,2,,s)都方阵,那么称A为分块对角矩阵。

    分块对角矩阵的行列式有以下性质
    ∣ A ∣ = ∣ A 1 ∣ ∣ A 2 ∣ ⋯ ∣ A s ∣ |A|=|A_1||A_2|\cdots |A_s| A=A1∣∣A2As
    由此性质可知,若 ∣ A i ∣ ≠ 0 ( i = i , 2 , ⋯ , s ) |A_i|\not=0(i=i,2,\cdots,s) Ai=0i=i,2,,s),则 ∣ A ∣ ≠ 0 |A|\not=0 A=0,并有
    A − 1 = ( A 1 − 1 O A 2 − 1 ⋱ O A s − 1 ) A^{-1}=\begin{pmatrix} A_{1}^{-1}&&&O\\ &A_2^{-1}&&\\ &&\ddots&\\ O&&&A_s^{-1} \end{pmatrix} A1= A11OA21OAs1
    例18 设
    A = ( 5 0 0 0 3 1 0 2 1 ) ,求 A − 1 A=\begin{pmatrix} 5&0&0\\ 0&3&1\\ 0&2&1 \end{pmatrix} ,求A^{-1} A= 500032011 ,求A1

    KaTeX parse error: Undefined control sequence: \vline at position 24: …gin{pmatrix} 5&\̲v̲l̲i̲n̲e̲0&0\\ \hdashlin…

3 按列分块与按行分块

m × n m\times n m×n矩阵A有n列,称为矩阵A的n个列向量,若第j列记作
a j = ( a 1 j a 2 j ⋮ a m j ) a_j=\begin{pmatrix} a_{1j}\\ a_{2j}\\ \vdots\\ a_{mj} \end{pmatrix} aj= a1ja2jamj
则A可按列分块位
A = ( a 1 , a 2 , ⋯ , a n ) A=(a_1,a_2,\cdots,a_n) A=(a1,a2,,an)
m × n m\times n m×n矩阵A有m行,称为矩阵A的m个行向量,若第 i i i行记作
α i T = ( a i 1 , a i 2 , ⋯ , a i n ) \alpha_i^T=(a_{i1},a_{i2},\cdots,a_{in}) αiT=(ai1,ai2,,ain)
则A可按行分开为
A = ( α 1 T α 2 T ⋮ α m T ) A=\begin{pmatrix} \alpha_1^T\\ \alpha_2^T\\ \vdots\\ \alpha_m^T \end{pmatrix} A= α1Tα2TαmT
对于矩阵 A = ( a i j ) m × s A=(a_{ij})_{m\times s} A=(aij)m×s与矩阵 B = ( b i j ) s × n B=(b_{ij})_{s\times n} B=(bij)s×n的乘积矩阵 A B = C = ( c i j ) m × n AB=C=(c_{ij})_{m\times n} AB=C=(cij)m×n,若把A按行分成m快,把B案列分成n快,便有
A B = ( α 1 T α 2 T ⋮ α m T ) ( b 1 , b 2 , ⋯ , b n ) = ( α 1 T b 1 α 1 T b 2 ⋯ α 1 T b n α 2 T b 1 α 2 T b 2 ⋯ α 2 T b n ⋮ ⋮ ⋮ α m T b 1 α m T b 2 ⋯ α m T b n ) AB=\begin{pmatrix} \alpha_1^T\\ \alpha_2^T\\ \vdots\\ \alpha_m^T \end{pmatrix} \begin{pmatrix} b_1,b_2,\cdots,b_n\\ \end{pmatrix}\\ =\begin{pmatrix} \alpha_1^Tb_1&\alpha_1^Tb_2&\cdots&\alpha_1^Tb_n\\ \alpha_2^Tb_1&\alpha_2^Tb_2&\cdots&\alpha_2^Tb_n\\ \vdots&\vdots&&\vdots\\ \alpha_m^Tb_1&\alpha_m^Tb_2&\cdots&\alpha_m^Tb_n\\ \end{pmatrix} AB= α1Tα2TαmT (b1,b2,,bn)= α1Tb1α2Tb1αmTb1α1Tb2α2Tb2αmTb2α1Tbnα2TbnαmTbn
其中
c i j = α i T b j = ( a i 1 , a i 2 , ⋯ , a i s ) ( b 1 j b 2 j ⋮ b s j ) = ∑ k = 1 s a i k b k j c_{ij}=\alpha_i^Tb_j=(a_{i1},a_{i2},\cdots,a_{is}) \begin{pmatrix} b_{1j}\\ b_{2j}\\ \vdots\\ b_{sj} \end{pmatrix} =\sum_{k=1}^sa_{ik}b_{kj} cij=αiTbj=(ai1,ai2,,ais) b1jb2jbsj =k=1saikbkj

例19 证明矩阵 A = O A=O A=O的充分必要条件是方阵 A T A = O A^TA=O ATA=O
证明:条件的必要性是显然的 充分性 设 A = ( a i j ) m × n ,把 A 按列分块位 A = ( a 1 , a 2 , ⋯ , a n ) ,则 A T A = ( a 1 T a 2 T ⋮ a n T ) ( a 1 , a 2 , ⋯ , a n ) = ( a 1 T a 1 a 1 T a 2 ⋯ a 1 T a n a 2 T a 1 a 2 T a 2 ⋯ a 2 T a n ⋮ ⋮ ⋮ a n T a 1 a n T a 2 ⋯ a n T a n ) 即 A T A 的 ( i , j ) 元为 a i T a j 因 A T A = O ,故 a i T a j = 0 ( i , j = 1 , 2 , ⋯ , n ) 特殊的,有 a j T a j = 0 ( j = 1 , 2 , ⋯ , n ) 而 a j T a j = ( a 1 j , a 2 j , ⋯ , a m j ) ( a 1 j a 2 j ⋮ a m j ) = a 1 j 2 + a 2 j 2 + ⋯ + a m j 2 = 0 , 得 a 1 j = a 2 j = ⋯ = a m j = 0 即 A = O 证明:条件的必要性是显然的\\ 充分性\\ 设A=(a_{ij})_{m\times n},把A按列分块位A=(a_1,a_2,\cdots,a_n),则\\ A^TA=\begin{pmatrix} a_1^T\\ a_2^T\\ \vdots\\ a_n^T \end{pmatrix} (a_1,a_2,\cdots,a_n)\\ =\begin{pmatrix} a_1^Ta_1&a_1^Ta_2&\cdots&a_1^Ta_n\\ a_2^Ta_1&a_2^Ta_2&\cdots&a_2^Ta_n\\ \vdots&\vdots&&\vdots\\ a_n^Ta_1&a_n^Ta_2&\cdots&a_n^Ta_n\\ \end{pmatrix}\\ 即A^TA的(i,j)元为a_i^Ta_j 因A^TA=O,故\\ a_i^Ta_j=0(i,j=1,2,\cdots,n) 特殊的,有\\ a_j^Ta_j=0(j=1,2,\cdots,n)\\ 而 a_j^Ta_j=(a_{1j},a_{2j},\cdots,a_{mj}) \begin{pmatrix} a_{1j}\\ a_{2j}\\ \vdots\\ a_{mj} \end{pmatrix} =a_{1j}^2+a_{2j}^2+\cdots+a_{mj}^2=0,得\\ a_{1j}=a_{2j}=\cdots=a_{mj}=0\\ 即 A=O 证明:条件的必要性是显然的充分性A=(aij)m×n,把A按列分块位A=(a1,a2,,an),则ATA= a1Ta2TanT (a1,a2,,an)= a1Ta1a2Ta1anTa1a1Ta2a2Ta2anTa2a1Tana2TananTan ATA(i,j)元为aiTajATA=O,故aiTaj=0(i,j=1,2,,n)特殊的,有ajTaj=0(j=1,2,,n)ajTaj=(a1j,a2j,,amj) a1ja2jamj =a1j2+a2j2++amj2=0,a1j=a2j==amj=0A=O
线性方程组
{ a 11 x 1 + a 12 x 2 + ⋯ + a 1 n x n = b 1 , a 21 x 1 + a 22 x 2 + ⋯ + a 2 n x n = b 2 , ⋯ ⋯ ⋯ ⋯ a m 1 x 1 + a m 2 x 2 + ⋯ + a m n x n = b m , \begin{cases} a_{11}x_1+a_{12}x_2+\cdots+a_{1n}x_n=b_1,\\ a_{21}x_1+a_{22}x_2+\cdots+a_{2n}x_n=b_2,\\ \cdots\cdots\cdots\cdots\\ a_{m1}x_1+a_{m2}x_2+\cdots+a_{mn}x_n=b_m,\\ \end{cases} a11x1+a12x2++a1nxn=b1,a21x1+a22x2++a2nxn=b2,⋯⋯⋯⋯am1x1+am2x2++amnxn=bm,
它的矩阵乘积形式为
A m × n x n × 1 = b m × 1 A_{m\times n}x_{n\times 1}=b_{m\times 1} Am×nxn×1=bm×1
上式中,把A案列分块,把x按行分块,有分块矩阵的乘法有
( a 1 , a 2 , ⋯ , a n ) ( x 1 , x 2 , ⋮ x n ) = b , 即 x 1 a 1 + x 2 a 2 + ⋯ + x n a n = b (a_1,a_2,\cdots,a_n) \begin{pmatrix} x_1,\\ x_2,\\ \vdots\\ x_n \end{pmatrix} =b,即\\ x_1a_1+x_2a_2+\cdots+x_na_n=b (a1,a2,,an) x1,x2,xn =b,x1a1+x2a2++xnan=b
其实方程组表成
( a 11 a 21 ⋮ a m 1 ) x 1 + ( a 12 a 22 ⋮ a m 2 ) x 2 + ⋯ ( a 1 n a 2 n ⋮ a m n ) x n = ( b 1 b 2 ⋮ b m ) \begin{pmatrix} a_{11}\\ a_{21}\\ \vdots\\ a_{m1} \end{pmatrix}x_1 +\begin{pmatrix} a_{12}\\ a_{22}\\ \vdots\\ a_{m2} \end{pmatrix}x_2 +\cdots \begin{pmatrix} a_{1n}\\ a_{2n}\\ \vdots\\ a_{mn} \end{pmatrix}x_n =\begin{pmatrix} b_1\\ b_2\\ \vdots\\ b_m \end{pmatrix} a11a21am1 x1+ a12a22am2 x2+ a1na2namn xn= b1b2bm

结语

❓QQ:806797785

⭐️文档笔记地址 https://github.com/gaogzhen/math

参考:

[1]同济大学数学系.工程数学.线性代数 第6版 [M].北京:高等教育出版社,2014.6.p46-52.

[2]同济六版《线性代数》全程教学视频[CP/OL].2020-02-07.p12.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/799135.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Java中的并发和并行的区别

在Java中,并发(Concurrency)和并行(Parallelism)是两个常被提及但容易混淆的概念。下面我将详细解释这两个概念的区别,并给出相应的例子。 并发(Concurrency) 并发指的是在同一时间…

关于Mac使用idea问题

多窗口切换问题 如果出现Mac打开idea新的项目,发现始终就一个窗口,不能像window那样多窗口,比如 只能这样来回点着切换,提供以下方案 1.方案一 则在idea里多个项目会呈tab页切换,也是始终一个窗口,只是多了…

建模实例评点(3)领域类图-作战推演

1 00:00:00,310 --> 00:00:03,990 你看,我们会有很多很多泛化 2 00:00:04,360 --> 00:00:05,810 这里有很多很多泛化 3 00:00:06,350 --> 00:00:07,420 这种情况下 4 00:00:08,020 --> 00:00:09,850 包括这种,没准也可以 5 00:00:10,380…

基于canal实现MySQL作为主库的ES与MySQL数据同步

1.对mysql的配置 需要一个mysql作为主库,它需要开启binlog,开启binlog需要修改配置文件my.cnf mysql安装就不多说了,我的mysql是5.7 ,装在docker中 我的mysql配置文件在容器中/etc/my.cnf 开启binlog需要修改my.cnf 即添加 log-binmysql…

「38」LUT在直播间调色的高级应用……

「38」LUT滤镜 对人或物进行精进调色 OBS软件中的LUT(Look Up Table)滤镜,可用于调整视频、图像的色彩和对比度等效果,以实现专业级的颜色调整需求。 左图为原图 右图为LUT 先对比上面的两张图,用了滤镜效果的变化…

内容创作策略:打造影响力强大的技术博客

CSDN的朋友你们好,我是未来,今天给大家带来专栏【程序员博主教程(完全指南)】的第6篇文章——“博客内容创作策略”。本文为技术博主提供了一个精简的内容创作策略指南,涵盖了设定目标、分析竞争、关键词研究、内容规划…

Embedding:跨越离散与连续边界——离散数据的连续向量表示及其在深度学习与自然语言处理中的关键角色

Embedding嵌入技术是一种在深度学习、自然语言处理(NLP)、计算机视觉等领域广泛应用的技术,它主要用于将高维、复杂且离散的原始数据(如文本中的词汇、图像中的像素等)映射到一个低维、连续且稠密的向量空间中。这些低…

pdf、docx、markdown、txt提取文档内容,可以应用于rag文档解析

返回的是文档解析分段内容组成的列表,分段内容默认chunk_size: int 250, chunk_overlap: int 50,250字分段,50分段处保留后面一段的前50字拼接即窗口包含下下一段前面50个字划分 from typing import Union, Listimport jieba import recla…

ES学习笔记01

1.ES安装 下载地址: es官网下载 这里使用的是7.8.0的版本信息 下载完成后解压即可完成安装 2.启动运行 点击bin目录下的elasticsearch.bat文件即可启动 在浏览器中输入localhost:9200显示如下: 在路径中加入对应访问后缀即可访问对应信息 如&#…

四大引用类型——强引用、软引用、弱引用、虚引用

强引用 垃圾回收器绝对不会回收它,即使内存不足也会报错OOM也不会回收它。 软引用 只有当内存不足时垃圾回收器才会回收它。 弱引用 当垃圾回收期扫描到弱引用,不管内存空间不足与否,只要一旦发现就会回收。 虚引用 相当于没有引用。虚…

微自传系列---AppleSteve Jobs

1 三个苹果的故事 在求学的过程中,笔者听到过关于 “三个苹果” 的故事。三个苹果,分别指的是亚当和夏娃的苹果、牛顿的苹果以及乔布斯的苹果,这三个苹果在各自的故事中都有着深远的寓意和影响。 这三个苹果,分别代表了人类历史的…

中药提取物备案数据库<5000+中药提取物>

NMPA中药提取物备案数据库的建立是确保中药提取物质量安全、规范生产行为、加强监管、保障公众用药安全、促进产业发展和国际化的重要措施。 通过查询中药提取物备案信息我们能了解到中药提取物的实用备案号、药品通用名称、药品生产企业、批准文号、备案日期、备案状态、中药…

Mybatis学习笔记:多表关联,懒加载,缓存

人生呐…… 文章目录 一、多表关联查询1.1 定制类1.2 成员属性(利用association标签和collection标签 二、懒加载2.1 配置2.2 实现 三、缓存3.1 一级缓存(session中的缓存3.2 二级缓存(Mapper中的缓存 一、多表关联查询 确定主表确定关联表确…

算法设计与分析(实验5)-----图论—桥问题

一.实验目的 掌握图的连通性。掌握并查集的基本原理和应用。 二.实验步骤与结果 1.定义 (1)图的相关定义 图:由顶点的有穷非空集合和顶点之间的边的集合组成。 连通图:在无向图G中,若对于…

Springboot 集成Rabbitmq之延时队列

1.首先确保已经引入了Spring AMQP和RabbitMQ的相关依赖&#xff1a; <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-amqp</artifactId> </dependency> 2. 创建一个普通队列并设置TTL&#x…

TPCH工具下载及用法

目录 1. 什么是TPCH&#xff1f; 2. 下载TPCH基准工具 3. 编译TPCH基准工具 3.1. 修改头文件 3.2. 修改编译文件 3.3. 执行编译 4. qgen 的用法 4.1. 异常处理 4.2 常见用法 5. dbgen 的用法 5.1. 语法说明 5.2. 常见用法 6. 总结 1. 什么是TPCH&#xff1f; TPC-…

【rabbitmq】rabbitmq与erlang的版本对应关系

rabbitmq与erlang的版本对应关系 https://www.rabbitmq.com/docs/which-erlang

蓝桥杯练习系统(算法训练)ALGO-957 P0703反置数

资源限制 内存限制&#xff1a;256.0MB C/C时间限制&#xff1a;1.0s Java时间限制&#xff1a;3.0s Python时间限制&#xff1a;5.0s 一个整数的反置数指的是把该整数的每一位数字的顺序颠倒过来所得到的另一个整数。如果一个整数的末尾是以0结尾&#xff0c;那么在它的…

网络基础知识入门

目录 一、局域网与广域网 1、局域网 2、广域网 二、协议 1、概念 2、协议的理解 3、协议的分层 1、分层 2、OSI七层模型 三、网络传输基本流程 1、报头 2、局域网通信原理 3、跨网络传输流程 四、IP地址和MAC地址 1、IP地址 2、MAC地址 3、两者的区别 一、局域…