为了以后自己看的明白(●’◡’●)，我决定对复杂的计算过程不再用Latex插入数学公式了（记得不熟的实在是太费劲了，还是手写好~）
第三讲的主要内容有两个：
- 四种矩阵乘法的方式
- 逆矩阵的概念以及计算方式
矩阵乘法（Matrix multiplication）
矩阵相乘例子：
(
A
(
m
,
n
)
)
(
B
(
n
,
p
)
)
=
(
C
(
m
,
p
)
)
\begin{pmatrix} A\\ (m,n) \end{pmatrix} \begin{pmatrix} B\\ (n,p) \end{pmatrix} = \begin{pmatrix} C\\ (m,p) \end{pmatrix}
(A(m,n))(B(n,p))=(C(m,p))
1、具体到元素的乘法方式
结果矩阵
C
C
C 的某一个元素
C
i
j
C_{ij}
Cij 是由
A
A
A 矩阵的第
i
i
i 行元素与
B
B
B 矩阵的第
j
j
j 列相乘得到的，使用公式表示如下
C
i
j
=
∑
k
=
1
n
A
i
,
k
B
k
,
j
C_{ij}=\sum_{k=1}^{n}A_{i,k}B_{k,j}
Cij=k=1∑nAi,kBk,j
这是我们理解矩阵乘法一般的思想，但是在线性代数中，更好的方式是整体，也就是之前所提到的用向量乘的方式理解矩阵相乘，所以就有了接下来的方式
2.行方法
之前我们提到过行向量乘矩阵，可以理解为矩阵中行向量的线性组合，其实矩阵乘法也是如此，将左侧矩阵
A
A
A 看作是多个行向量， 那么矩阵乘法就可以看作是多个行向量乘矩阵
B
B
B ，将结果行向量（行向量乘以矩阵结果仍仍然是行向量）拼在一起就是结果矩阵
C
C
C。
简单来说就是把
B
B
B 中的行向量作为基准，用
A
A
A 中的行向量对其进行线性组合
例如：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/116761.html
