01 / ROW TIMES COLUMN
为什么 A 乘 B,
不是逐个位置相乘?
令 A 是 m 行 n 列矩阵,B 是 n 行 p 列矩阵,只有 A 的列数与 B 的行数相同,乘积 C=AB 才有定义,而且 C 有 m 行 p 列。C 第 i 行第 j 列的元素 cᵢⱼ 是 A 第 i 行与 B 第 j 列逐项相乘后求和。
以本站独立设计的两个 2×2 矩阵 A=[[1,2],[3,1]] 和 B=[[2,1],[−1,2]] 为例:AB 的左上角等于1×2+2×(−1)=0;右上角等于1×1+2×2=5。
两个乘积都能算,但一般AB≠BA。直观上,先执行变换 B 再执行 A,与先执行 A 再执行 B 不一定是同一件事。记住:矩阵乘法通常不满足交换律,但满足结合律与对加法的分配律。
A=[[1,2],[3,1]],B=[[2,1],[t,2]]。
[ [0, 5], [5, 5] ]
[ [5, 5], [5, 0] ]
t=−1 时 AB≠BA。改变 t,比较每个位置的数。
数值与上面的矩阵乘法公式完全一致。即使禁用脚本,初始两个矩阵乘积仍可核对。随堂检查 01 · 矩阵形状
先自己推算,再检查。
查看完整解析与错因
A有2行3列,B有3行4列,内侧维数3相等可乘,输出取外侧维数2与4,所以AB为2×4。
02 / FOUR EQUIVALENT VIEWS
同一个 AB,
可以从四个角度解释。
第一种:行乘列。这是刚才的计算公式,适合精确求一个 cᵢⱼ。第二种:按列看。AB 第 j 列就是 A 乘 B 的第 j 列,即 A 的各列按 B 第 j 列的系数组合。
例如 B 的第一列是 (2,−1)ᵀ,A 的两列分别为 (1,3)ᵀ 与 (2,1)ᵀ。所以 AB 第一列是 2(1,3)ᵀ−(2,1)ᵀ=(0,5)ᵀ,恰好与我们逐位置计算一致。
第三种:按行看。AB 第一行是 A 第一行 (1,2) 与 B 做乘法,也就是 B 第一行加上两倍 B 第二行:(2,1)+2(−1,2)=(0,5)。第四种:列乘行的外积求和。它一次生成一个矩阵:
这些“列向量乘行向量”又叫外积。它生成的每一列都是同一个向量的倍数,为后面理解秩1矩阵做准备。MIT 讲义还把合适的子矩阵当作块来计算;只要块大小匹配,仍服从同样的乘法原则。
逐元素视角方便手算;列组合视角说明输出的列来自哪里;行组合视角解释每个输出方程;外积求和则揭示乘积由一层层简单的矩阵叠加而成。
随堂检查 02 · 逐元素计算
先自己推算,再检查。
查看完整解析与错因
AB的右上角=第一行A·第二列B=(1,2)·(1,2)=1×1+2×2=5。行列对应的位置不可颠倒。
03 / INVERSE / UNIQUE INPUT
什么叫“撤销”一个矩阵?
先问它有没有逆。
方阵 A 如果存在 A⁻¹,使得 AA⁻¹=A⁻¹A=I(I 是对角线全1、其余全0的单位矩阵),就称为可逆矩阵。这个等式不是形式游戏:对任意 b,Ax=b 的唯一解可写成 x=A⁻¹b。
例如 A=[[2,1],[1,1]],我们猜测 A⁻¹=[[1,−1],[−1,2]],可以直接验算:
左上角2×1+1×(−1)=1;右上角2×(−1)+1×2=0;下两格同理。验证乘积是 I 比只声称“有逆”更可靠。
如果矩阵 S=[[1,2],[2,4]],向量 v=(2,−1)ᵀ 非零,但 Sv=(0,0)ᵀ。因此 x 和 x+v 在 S 的作用下产生相同输出。假如 S 有逆,S⁻¹Sv=v 就必须等于0,矛盾。所以 S 不可逆。关于行列式更系统的判别方法会留到后续 Unit。
随堂检查 03 · 逆的必要条件
先自己推算,再检查。
查看完整解析与错因
S(2,−1)ᵀ=(2−2,4−4)ᵀ=0,而输入不为零。若S可逆,左乘逆矩阵会导出非零向量等于零的矛盾,故S不可逆。
04 / GAUSS–JORDAN / AUGMENTED IDENTITY
从 [A | I] 出发,
把右边变成 A⁻¹。
普通高斯消元先把左侧变成上三角,再回代;高斯—若尔当消元继续消去主元上方的系数,让左侧最终变为 I。把相同的每步行操作也施加到右侧 I,就能追踪这些操作的整体效果。
左半边已经是 I,右半边正是我们在上一节验证的 A⁻¹。原理很简单:将所有行操作合并为矩阵 E,则 E[A|I]=[EA|E]。若 EA=I,就有 E=A⁻¹;右边从 I 变成 E,是因为每次操作都同步进行了。
从另一个角度,A⁻¹ 的第 j 列就是 Ax=eⱼ 的解,eⱼ 是单位矩阵第 j 列。把两道方程一起消元,比重复单独求解更有条理。
若无法通过合法行变换把左侧 A 变成单位矩阵,就不能把右侧误称为 A⁻¹。不要对不是方阵的 A 直接套用这个求逆公式。
随堂检查 04 · 高斯–若尔当求逆
先自己推算,再检查。
查看完整解析与错因
每一步合法行操作相当于左乘可逆初等矩阵。若这些操作的乘积E把A变成I,就有EA=I,即E=A⁻¹;同样操作把右半块I变成E,所以D=A⁻¹。
PRACTICE / EXPLAIN EVERY STEP
独立写出过程,
再展开答案。
先检查运算,再解释为什么这样做。以下题目为本站重新设计,难度参照本讲实际授课内容和可获得的配套练习。
A=[[1,2],[3,1]],B=[[2,1],[−1,2]],分别求 AB 和 BA,并给出一个证明两者不相等的元素。
展开完整解析
AB=[[0,5],[5,5]];BA=[[5,5],[5,0]]。左上角AB为1×2+2×(−1)=0,BA为2×1+1×3=5。由于这一位置不同,AB≠BA。
对大小相容的 A、B、C,不引用结论直接解释为什么 A(B+C)=AB+AC。
展开完整解析
左边第(i,j)元为Σₖ aᵢₖ(bₖⱼ+cₖⱼ)=Σₖ aᵢₖbₖⱼ+Σₖ aᵢₖcₖⱼ。这两项分别是AB与AC的(i,j)元,所以整矩阵相等。前提是B、C同形,A的列数与它们的行数一致。
计算列向量 (1,2)ᵀ 乘行向量 (3,−1),并说明输出的两行是什么关系。
展开完整解析
外积=[[1×3,1×(−1)],[2×3,2×(−1)]]=[[3,−1],[6,−2]]。第二行是第一行的两倍;所有列也都是列向量(1,2)ᵀ的倍数。
令 T=[[3,1],[2,1]],验证猜测的 T⁻¹=[[1,−1],[−2,3]] 是否正确。
展开完整解析
TT⁻¹=[[3−2,−3+3],[2−2,−2+3]]=[[1,0],[0,1]]。又可验算T⁻¹T=[[3−2,1−1],[−6+6,−2+3]]=I。两边均成立,因此猜测正确。
已知 A=[[2,1],[1,1]]、b=(5,3)ᵀ,用 A⁻¹ 求解 Ax=b,最后代回原式。
展开完整解析
A⁻¹=[[1,−1],[−1,2]],所以x=A⁻¹b=(5−3,−5+6)ᵀ=(2,1)ᵀ。代回Ax=(2×2+1,2+1)ᵀ=(5,3)ᵀ。
矩阵乘积有多种等价解释,求逆就是用可逆行变换把 A 送到 I,并同步追踪 I 的变化。
本讲 4 道随堂题,可逐项答题并查看反馈。
下一讲深入讨论消元的 LU 分解;秩、行列式以及特征值的系统理论仍在后面。
返回线性代数目录 ↗MIT 18.06SC · Multiplication and Inverse Matrices。可复核资料:official session ↗official summary ↗official problems ↗official solutions ↗。
已核对 MIT 原课的完整讲授摘要以及官方题目与答案 3.1–3.2,并观察相关 PDF 数学页面;没有完整观看授课视频或视频文字稿。 本站不是 MIT 官方中文译课;文字、数值案例、模型和题目独立设计。