线性代数|分块矩阵的运算规则

这篇具有很好参考价值的文章主要介绍了线性代数|分块矩阵的运算规则。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1 分块矩阵的加法

定理 1 设矩阵 A \boldsymbol{A} A B \boldsymbol{B} 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 ) \boldsymbol{A} = \begin{pmatrix} \boldsymbol{A}_{11} & \cdots & \boldsymbol{A}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{A}_{s1} & \cdots & \boldsymbol{A}_{sr} \end{pmatrix}, \hspace{1em} \boldsymbol{B} = \begin{pmatrix} \boldsymbol{B}_{11} & \cdots & \boldsymbol{B}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{B}_{s1} & \cdots & \boldsymbol{B}_{sr} \end{pmatrix} A= A11As1A1rAsr ,B= B11Bs1B1rBsr
其中 A i j \boldsymbol{A}_{ij} Aij B i j \boldsymbol{B}_{ij} Bij 的行数相同、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 ) \boldsymbol{A+B} = \begin{pmatrix} \boldsymbol{A}_{11}+\boldsymbol{B}_{11} & \cdots & \boldsymbol{A}_{1r}+\boldsymbol{B}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{A}_{s1}+\boldsymbol{B}_{s1} & \cdots & \boldsymbol{A}_{sr}+\boldsymbol{B}_{sr} \end{pmatrix} A+B= A11+B11As1+Bs1A1r+B1rAsr+Bsr

证明 设矩阵 A = ( a i j ) \boldsymbol{A} = (a_{ij}) A=(aij) B = ( b i j ) \boldsymbol{B} = (b_{ij}) B=(bij),令 D = ( d i j ) = A + B \boldsymbol{D} = (d_{ij}) = \boldsymbol{A} + \boldsymbol{B} D=(dij)=A+B,则对任意 i , j i,j i,j,都有 d i j = a i j + b i j d_{ij} = a_{ij} + b_{ij} dij=aij+bij


C = ( c i j ) = ( C 11 ⋯ C 1 r ⋮ ⋮ C s 1 ⋯ C s r ) = ( A 11 + B 11 ⋯ A 1 r + B 1 r ⋮ ⋮ A s 1 + B s 1 ⋯ A s r + B s r ) \boldsymbol{C} = (c_{ij}) = \begin{pmatrix} \boldsymbol{C}_{11} & \cdots & \boldsymbol{C}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{C}_{s1} & \cdots & \boldsymbol{C}_{sr} \end{pmatrix} = \begin{pmatrix} \boldsymbol{A}_{11}+\boldsymbol{B}_{11} & \cdots & \boldsymbol{A}_{1r}+\boldsymbol{B}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{A}_{s1}+\boldsymbol{B}_{s1} & \cdots & \boldsymbol{A}_{sr}+\boldsymbol{B}_{sr} \end{pmatrix} C=(cij)= C11Cs1C1rCsr = A11+B11As1+Bs1A1r+B1rAsr+Bsr
因为 A \boldsymbol{A} A B \boldsymbol{B} B 采用相同的分块法,所以对任意 i , j i,j i,j,都有 a i j a_{ij} aij A \boldsymbol{A} A 中所在的分块 A k l \boldsymbol{A}_{kl} Akl b i j b_{ij} bij B \boldsymbol{B} B 中所在的分块 B k l \boldsymbol{B}_{kl} Bkl 的位置相同。于是根据 C k l = A k l + B k l C_{kl} = A_{kl} + B_{kl} Ckl=Akl+Bkl,则有 c i j = a i j + b i j = d i j c_{ij} = a_{ij} + b_{ij} = d_{ij} cij=aij+bij=dij

所以 C \boldsymbol{C} C D \boldsymbol{D} D 等价,得证。

2 数与分块矩阵相乘

定理 2 设 A = ( A 11 ⋯ A 1 r ⋮ ⋮ A s 1 ⋯ A s r ) \boldsymbol{A} = \begin{pmatrix} \boldsymbol{A}_{11} & \cdots & \boldsymbol{A}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{A}_{s1} & \cdots & \boldsymbol{A}_{sr} \end{pmatrix} A= A11As1A1rAsr λ \lambda λ 为数,那么
λ A = ( λ A 11 ⋯ λ A 1 r ⋮ ⋮ λ A s 1 ⋯ λ A s r ) \lambda \boldsymbol{A} = \begin{pmatrix} \lambda \boldsymbol{A}_{11} & \cdots & \lambda \boldsymbol{A}_{1r} \\ \vdots & & \vdots \\ \lambda \boldsymbol{A}_{s1} & \cdots & \lambda \boldsymbol{A}_{sr} \end{pmatrix} λA= λA11λAs1λA1rλAsr

证明 设矩阵 A = ( a i j ) \boldsymbol{A} = (a_{ij}) A=(aij),令 D = ( d i j ) = λ A \boldsymbol{D} = (d_{ij}) = \lambda \boldsymbol{A} D=(dij)=λA,则对于任意 i , j i,j i,j,都有 d i j = λ a i j d_{ij} = \lambda a_{ij} dij=λaij


C = ( c i j ) = ( C 11 ⋯ C 1 r ⋮ ⋮ C s 1 ⋯ C s r ) = ( λ A 11 ⋯ λ A 1 r ⋮ ⋮ λ A s 1 ⋯ λ A s r ) \boldsymbol{C} = (c_{ij}) = \begin{pmatrix} \boldsymbol{C}_{11} & \cdots & \boldsymbol{C}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{C}_{s1} & \cdots & \boldsymbol{C}_{sr} \end{pmatrix} = \begin{pmatrix} \lambda \boldsymbol{A}_{11} & \cdots & \lambda \boldsymbol{A}_{1r} \\ \vdots & & \vdots \\ \lambda \boldsymbol{A}_{s1} & \cdots & \lambda \boldsymbol{A}_{sr} \end{pmatrix} C=(cij)= C11Cs1C1rCsr = λA11λAs1λA1rλAsr
对于任意 i , j i,j i,j,不妨设 a i j a_{ij} aij A \boldsymbol{A} A 中所在的分块为 A k l \boldsymbol{A}_{kl} Akl,根据 C k l = λ A k l \boldsymbol{C}_{kl} = \lambda \boldsymbol{A}_{kl} Ckl=λAkl,则有 c i j = λ a i j = d i j c_{ij} = \lambda a_{ij} = d_{ij} cij=λaij=dij

所以 C \boldsymbol{C} C D \boldsymbol{D} D 等价,得证。

3 分块矩阵与分块矩阵相乘

定理 3 设 A \boldsymbol{A} A m × l m \times l m×l 矩阵, B \boldsymbol{B} B 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 = ( B 11 ⋯ B 1 r ⋮ ⋮ B t 1 ⋯ B t r ) \boldsymbol{A} = \begin{pmatrix} \boldsymbol{A}_{11} & \cdots & \boldsymbol{A}_{1t} \\ \vdots & & \vdots \\ \boldsymbol{A}_{s1} & \cdots & \boldsymbol{A}_{st} \end{pmatrix}, \hspace{1em} \boldsymbol{B} = \begin{pmatrix} \boldsymbol{B}_{11} & \cdots & \boldsymbol{B}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{B}_{t1} & \cdots & \boldsymbol{B}_{tr} \end{pmatrix} A= A11As1A1tAst ,B= B11Bt1B1rBtr
其中 A i 1 , A i 2 , ⋯   , A i t \boldsymbol{A}_{i1},\boldsymbol{A}_{i2},\cdots,\boldsymbol{A}_{it} Ai1,Ai2,,Ait 的列数分别等于 B 1 j , B 2 j , ⋯   , B t j \boldsymbol{B}_{1j},\boldsymbol{B}_{2j},\cdots,\boldsymbol{B}_{tj} B1j,B2j,,Btj 的行数,那么
A B = ( C 11 ⋯ C 1 r ⋮ ⋮ C s 1 ⋯ C s r ) \boldsymbol{A} \boldsymbol{B} = \begin{pmatrix} \boldsymbol{C}_{11} & \cdots & \boldsymbol{C}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{C}_{s1} & \cdots & \boldsymbol{C}_{sr} \\ \end{pmatrix} AB= C11Cs1C1rCsr
其中
C i j = ∑ k = 1 t A i k B k j i = 1 , ⋯   , 2 ;   j = 1 , ⋯   , r \boldsymbol{C}_{ij} = \sum_{k=1}^t \boldsymbol{A}_{ik} \boldsymbol{B}_{kj} \hspace{1em} i=1,\cdots,2; \ j=1,\cdots,r Cij=k=1tAikBkji=1,,2; j=1,,r

证明 设矩阵 A = ( a i j ) \boldsymbol{A} = (a_{ij}) A=(aij) B = ( b i j ) \boldsymbol{B} = (b_{ij}) B=(bij),令 D = ( d i j ) = A B \boldsymbol{D} = (d_{ij}) = \boldsymbol{A} \boldsymbol{B} D=(dij)=AB,显然 D \boldsymbol{D} D m × n m \times n m×n 矩阵,则对任意 i , j i,j i,j,都有
d i j = ∑ k = 1 l a i k b k j i = 1 , 2 , ⋯   , m ;   j = 1 , 2 , ⋯   , n d_{ij} = \sum_{k=1}^l a_{ik} b_{kj} \hspace{1em} i=1,2,\cdots,m; \ j=1,2,\cdots,n dij=k=1laikbkji=1,2,,m; j=1,2,,n

C = ( c i j ) = ( C 11 ⋯ C 1 r ⋮ ⋮ C s 1 ⋯ C s r ) = ( ∑ k = 1 t A 1 k B k 1 ⋯ ∑ k = 1 t A 1 k B k r ⋮ ⋮ ∑ k = 1 t A s k B k 1 ⋯ ∑ k = 1 t A s k B k r ) \boldsymbol{C} = (c_{ij}) = \begin{pmatrix} \boldsymbol{C}_{11} & \cdots & \boldsymbol{C}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{C}_{s1} & \cdots & \boldsymbol{C}_{sr} \\ \end{pmatrix} = \begin{pmatrix} \sum_{k=1}^t \boldsymbol{A}_{1k} \boldsymbol{B}_{k1} & \cdots & \sum_{k=1}^t \boldsymbol{A}_{1k} \boldsymbol{B}_{kr} \\ \vdots & & \vdots \\ \sum_{k=1}^t \boldsymbol{A}_{sk} \boldsymbol{B}_{k1} & \cdots & \sum_{k=1}^t \boldsymbol{A}_{sk} \boldsymbol{B}_{kr} \\ \end{pmatrix} C=(cij)= C11Cs1C1rCsr = k=1tA1kBk1k=1tAskBk1k=1tA1kBkrk=1tAskBkr
要证明定理 3,只需要证明 C \boldsymbol{C} C 等价于 D \boldsymbol{D} D

(a) C i j = ∑ k = 1 t A i k B k j \boldsymbol{C}_{ij} = \sum_{k=1}^t \boldsymbol{A}_{ik} \boldsymbol{B}_{kj} Cij=k=1tAikBkj 是有意义的;即对任意 k = 1 , 2 , ⋯   , t k = 1,2,\cdots,t k=1,2,,t A i k B k j \boldsymbol{A}_{ik} \boldsymbol{B}_{kj} AikBkj 都是有意义的,且互为同型矩阵,其行数为 A i k \boldsymbol{A}_{ik} Aik 共同的行数,列数为所有 B k j \boldsymbol{B}_{kj} Bkj 共同的列数。

因为 A i 1 , A i 2 , ⋯   , A i t \boldsymbol{A}_{i1},\boldsymbol{A}_{i2},\cdots,\boldsymbol{A}_{it} Ai1,Ai2,,Ait 的列数分别等于 B 1 j , B 2 j , ⋯   , B t j \boldsymbol{B}_{1j},\boldsymbol{B}_{2j},\cdots,\boldsymbol{B}_{tj} B1j,B2j,,Btj 的行数,所以对任意 k k k,其对应的 A i k B k j \boldsymbol{A}_{ik} \boldsymbol{B}_{kj} AikBkj 都是有意义的。

因为对任意 k k k A i k \boldsymbol{A}_{ik} Aik 均来自分块矩阵的第 i i i 行,所以 A i k \boldsymbol{A}_{ik} Aik 的行数是固定的,不妨设为 m ′ m' m;同理对任意 k k k B k j \boldsymbol{B}_{kj} Bkj 的列数是固定的,不妨设为 n ′ n' n。因此,对于任意 k k k A i k B k j \boldsymbol{A}_{ik} \boldsymbol{B}_{kj} AikBkj 均为 m ′ × n ′ m' \times n' m×n 型矩阵,互为同型矩阵,其行数为所有 A i k \boldsymbol{A}_{ik} Aik 共同的行数,列数为所有 B k j \boldsymbol{B}_{kj} Bkj 共同的列数。

(b) C \boldsymbol{C} C 可以构成矩阵;即对任意 i = 1 , 2 , ⋯   , s i = 1,2,\cdots,s i=1,2,,s C i j \boldsymbol{C}_{ij} Cij 的列数相同;对任意 j = 1 , 2 , ⋯   , r j = 1,2,\cdots,r j=1,2,,r C i j \boldsymbol{C}_{ij} Cij 的行数相同。

根据(a)可知, C i j \boldsymbol{C}_{ij} Cij m ′ × n ′ m' \times n' m×n 型矩阵,其中 m ′ m' m A i k \boldsymbol{A}_{ik} Aik 共同的行数, n ′ n' n B k j \boldsymbol{B}_{kj} Bkj 共同的列数。因此,当 i i i 为定值时, m ′ m' m 也为定值,于是 C i j \boldsymbol{C}_{ij} Cij 的行数也是定值;当 j j j 为定值时, n ′ n' n 也是定值,于是 C i j \boldsymbol{C}_{ij} Cij 的列数也是定值。

(c) C \boldsymbol{C} C D \boldsymbol{D} D 为同型矩阵。

根据(b)可知, C \boldsymbol{C} C 的行数为 C 1 j , C 2 j , ⋯   , C s j \boldsymbol{C}_{1j},\boldsymbol{C}_{2j},\cdots,\boldsymbol{C}_{sj} C1j,C2j,,Csj 的行数之和。根据(a)可知,因为 C i j \boldsymbol{C}_{ij} Cij m ′ × n ′ m' \times n' m×n 型矩阵,其中 m ′ m' m A i k \boldsymbol{A}_{ik} Aik 共同的行数,所以 C 1 j , C 2 j , ⋯   , C s j \boldsymbol{C}_{1j},\boldsymbol{C}_{2j},\cdots,\boldsymbol{C}_{sj} C1j,C2j,,Csj 的行数之和即 A 1 k , A 2 k , ⋯   , A s k \boldsymbol{A}_{1k},\boldsymbol{A}_{2k},\cdots,\boldsymbol{A}_{sk} A1k,A2k,,Ask 的行数之和。因为 A i k \boldsymbol{A}_{ik} Aik 来自分块矩阵 A \boldsymbol{A} A,所以 A 1 k , A 2 k , ⋯   , A s k \boldsymbol{A}_{1k},\boldsymbol{A}_{2k},\cdots,\boldsymbol{A}_{sk} A1k,A2k,,Ask 的行数之和等于 A \boldsymbol{A} A 分块前的行数 m m m

同理可证 C \boldsymbol{C} C 的列数等于 B \boldsymbol{B} B 分块前的列数 n n n

综上所述, C \boldsymbol{C} C D \boldsymbol{D} D 均为 m × n m \times n m×n 型矩阵,为同型矩阵。

(d)对于任意 i = 1 , 2 , ⋯   , m ;   j = 1 , 2 , ⋯   , n i = 1,2,\cdots,m; \ j=1,2,\cdots,n i=1,2,,m; j=1,2,,n,均有 c i j = d i j c_{ij} = d_{ij} cij=dij

不妨设 c i j c_{ij} cij C \boldsymbol{C} C 中所在的分块为 C i 1 j 1 \boldsymbol{C}_{i_1 j_1} Ci1j1,其中 i 1 = 1 , ⋯   , 2 ;   j 1 = 1 , ⋯   , r i_1=1,\cdots,2; \ j_1=1,\cdots,r i1=1,,2; j1=1,,r;不妨设 c i j c_{ij} cij 在分块 C i 1 j 1 \boldsymbol{C_{i_1 j_1}} Ci1j1 中为第 i 2 i_2 i2 行的第 j 2 j_2 j2 个元素。于是有
c i j = ∑ k = 1 t ( A i 1 k B k j 1 ) i 2 j 2 (3.1) c_{ij} = \sum_{k=1}^t \left( \boldsymbol{A}_{i_1 k} \boldsymbol{B}_{k j_1} \right)_{i_2 j_2} \tag{3.1} cij=k=1t(Ai1kBkj1)i2j2(3.1)
根据(a)可知,对于任意 k = 1 , 2 , ⋯   , t k = 1,2,\cdots,t k=1,2,,t,均有 A i 1 k \boldsymbol{A}_{i_1 k} Ai1k m ′ × t k ′ m' \times t'_k m×tk 矩阵, B k j 1 \boldsymbol{B}_{k j_1} Bkj1 t k ′ × n ′ t'_k \times n' tk×n 矩阵。于是,上式 ( 3.1 ) (3.1) (3.1) 可以写成
c i j = ∑ k = 1 t ∑ k ’ = 1 t k ′ A i 1 k ( i 2 , k ′ ) B k j 1 ( k ′ , j 2 ) (3.2) c_{ij} = \sum_{k=1}^t \sum_{k’=1}^{t'_k} {\boldsymbol{A}_{i_1 k}}_{(i_2,k')} {\boldsymbol{B}_{k j_1}}_{(k',j_2)} \tag{3.2} cij=k=1tk=1tkAi1k(i2,k)Bkj1(k,j2)(3.2)
其中 A i 1 k ( i 2 , k ′ ) {\boldsymbol{A}_{i_1 k}}_{(i_2,k')} Ai1k(i2,k) 表示分块 A i 1 k \boldsymbol{A}_{i_1 k} Ai1k ( i 2 , k ′ ) (i_2,k') (i2,k) 元, B k j 1 ( k ′ , j 2 ) {\boldsymbol{B}_{k j_1}}_{(k',j_2)} Bkj1(k,j2) 表示分块 B k j 1 \boldsymbol{B}_{k j_1} Bkj1 ( k ′ , j 2 ) (k',j_2) (k,j2) 元。因为 A \boldsymbol{A} A B \boldsymbol{B} B 均为分块矩阵,所以分块 A i 1 k \boldsymbol{A}_{i_1 k} Ai1k ( i 2 , k ′ ) (i_2,k') (i2,k) 元为 A \boldsymbol{A} A 分块前的第 i i i 行,分块 B k j 1 \boldsymbol{B}_{k j_1} Bkj1 ( k ′ , j 2 ) (k',j_2) (k,j2) 元为 B \boldsymbol{B} B 分块前的第 j j j 列。

又因为 A \boldsymbol{A} A B \boldsymbol{B} B 均为分块矩阵,所以有 ∑ k = 1 t t k ′ = l \sum_{k=1}^t t'_k = l k=1ttk=l;且当 k k k 取不同值时,无论 k ′ k' k 取任何值,不同分块 A i 1 k \boldsymbol{A}_{i_1 k} Ai1k ( i 2 , k ′ ) (i_2,k') (i2,k) 元均不可能取到 A \boldsymbol{A} A 中的相同元素,不同分块 B k j 1 \boldsymbol{B}_{k j_1} Bkj1 ( k ′ , j 2 ) (k',j_2) (k,j2) 元也不可能取到 B \boldsymbol{B} B 中的相同元素。

于是式 ( 3.2 ) (3.2) (3.2) 可以写成
c i j = ∑ k = 1 l a i k b k j = d i j i = 1 , 2 , ⋯   , m ;   j = 1 , 2 , ⋯   , n c_{ij} = \sum_{k=1}^l a_{ik} b_{kj} = d_{ij} \hspace{1em} i=1,2,\cdots,m; \ j=1,2,\cdots,n cij=k=1laikbkj=diji=1,2,,m; j=1,2,,n
综上所述, C \boldsymbol{C} C 等价于 D \boldsymbol{D} D,得证。

4 分块矩阵的转置

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

证明 设矩阵 A = ( a i j ) \boldsymbol{A} = (a_{ij}) A=(aij),令 D = ( d i j ) = A T \boldsymbol{D} = (d_{ij}) = \boldsymbol{A}^T D=(dij)=AT,则对于任意 i , j i,j i,j,都有 d i j = a j i d_{ij} = a_{ji} dij=aji


C = ( c i j ) = ( C 11 ⋯ C 1 r ⋮ ⋮ C s 1 ⋯ C s r ) = ( A 11 T ⋯ A s 1 T ⋮ ⋮ A 1 r T ⋯ A s r T ) (4.1) \boldsymbol{C} = (c_{ij}) = \begin{pmatrix} \boldsymbol{C}_{11} & \cdots & \boldsymbol{C}_{1r} \\ \vdots & & \vdots \\ \boldsymbol{C}_{s1} & \cdots & \boldsymbol{C}_{sr} \\ \end{pmatrix} = \begin{pmatrix} \boldsymbol{A}_{11}^T & \cdots & \boldsymbol{A}_{s1}^T \\ \vdots & & \vdots \\ \boldsymbol{A}_{1r}^T & \cdots & \boldsymbol{A}_{sr}^T \end{pmatrix} \tag{4.1} C=(cij)= C11Cs1C1rCsr = A11TA1rTAs1TAsrT (4.1)
对于任意 i = 1 , 2 , ⋯   , m ;   j = 1 , 2 , ⋯   , n i = 1,2,\cdots,m; \ j=1,2,\cdots,n i=1,2,,m; j=1,2,,n。不妨设: c i j c_{ij} cij C \boldsymbol{C} C 中所在的分块为 C i 1 j 1 \boldsymbol{C}_{i_1 j_1} Ci1j1,其中 i 1 = 1 , ⋯   , 2 ;   j 1 = 1 , ⋯   , r i_1=1,\cdots,2; \ j_1=1,\cdots,r i1=1,,2; j1=1,,r;该分块中第 1 1 1 行第 1 1 1 列的元素为 C \boldsymbol{C} C 中的第 i 2 i_2 i2 行的第 j 2 j_2 j2 列,其中 i 2 = 1 , 2 , ⋯   , m ;   j 2 = 1 , 2 , ⋯   , n i_2=1,2,\cdots,m; \ j_2=1,2,\cdots,n i2=1,2,,m; j2=1,2,,n,该分块有 i 3 i_3 i3 行和 j 3 j_3 j3 列;不妨设 c i j c_{ij} cij 在分块 C i 1 j 1 \boldsymbol{C_{i_1 j_1}} Ci1j1 中为第 i 4 i_4 i4 行的第 j 4 j_4 j4 个元素。其中有:
i = i 2 + i 4 − 1 , j = j 2 + j 4 − 1 i = i_2 + i_4 - 1, \hspace{1em} j = j_2 + j_4 - 1 i=i2+i41,j=j2+j41
根据式 ( 4.1 ) (4.1) (4.1) 可知, C i 1 j 1 = A j 1 i 1 T \boldsymbol{C}_{i_1 j_1} = \boldsymbol{A}_{j_1 i_1}^T Ci1j1=Aj1i1T。因为 A \boldsymbol{A} A C \boldsymbol{C} C 都是分块矩阵,所以 A j 1 i 1 \boldsymbol{A}_{j_1 i_1} Aj1i1 的第 1 1 1 行第 1 1 1 列的元素为 A \boldsymbol{A} A 中的第 j 2 j_2 j2 行的第 i 2 i_2 i2 列。因为 c i j c_{ij} cij 在分块 C i 1 j 1 \boldsymbol{C_{i_1 j_1}} Ci1j1 中为第 i 4 i_4 i4 行的第 j 4 j_4 j4 个元素,所以 c i j c_{ij} cij 在分块 A j 1 i 1 \boldsymbol{A}_{j_1 i_1} Aj1i1 中为第 j 4 j_4 j4 行的第 i 4 i_4 i4 列。于是有:
c i j = a j i = d i j c_{ij} = a{ji} = d_{ij} cij=aji=dij
所以 C \boldsymbol{C} C D \boldsymbol{D} D 等价,得证。文章来源地址https://www.toymoban.com/news/detail-723883.html

到了这里,关于线性代数|分块矩阵的运算规则的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数 | 矩阵运算 加减 数乘 矩阵的幂运算

    《线性代数》中会有较多陌生的概念,如矩阵的逆,线性相关线性无关等,具有一定的难度。因而本系列尽量会以不同于课本的视角去学习线性代数,有些可以做类比记忆的我们会去做一些类比记忆,比如矩阵的逆类比于我们数的除法,有一些比如线性相关和无关会尽量以几

    2024年02月04日
    浏览(50)
  • 0203逆矩阵-矩阵及其运算-线性代数

    定义7 对于 n n n 阶矩阵A,如果有一个 n n n 阶矩阵B,使 A B = B A = E AB=BA=E A B = B A = E 则说矩阵A是可逆的,并把矩阵B称为A的逆矩阵,简称逆阵。 定理1 若矩阵A可逆,则 ∣ A ∣ ≠ 0 vert Avert not = 0 ∣ A ∣  = 0 证明: A 可逆,即有 A − 1 ,使得 A A − 1 = E ∣ A A − 1 ∣ = ∣ A

    2024年04月13日
    浏览(60)
  • 线性代数(二) 矩阵及其运算

    行列式det(A) 其实表示的只是一个值 ∣ a b c d ∣ = a d − b c begin{vmatrix} a b\\\\ c dend{vmatrix} = ad -bc ​ a c ​ b d ​ ​ = a d − b c ,其基本变化是基于这个值是不变。而矩阵表示的是一个数表。 矩阵与线性变换的关系 即得 ( a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . . . . . . . . a

    2024年02月14日
    浏览(50)
  • 线性代数2.2矩阵运算

    矩阵元素对应相加,显然只有同型矩阵才能相加 矩阵元素对应相减,显然只有同型矩阵才能相减 矩阵所有元素均有公因子,所有公因子朝外提一次 行列式提公因子:一行提一次 所有元素均有外提n次 与行列式乘法规则一致,行的每一个元素乘以列每一个元素,先相乘再相加

    2024年02月11日
    浏览(52)
  • 【理解线性代数】(四)线性运算的推广与矩阵基础

    工业生产的发展趋势总是从单件生产到批量生产。科学技术研究也是一样,总是从简单计算到复合运算、批量运算。批量意味着生产能力、处理能力的提升。计算机从16位发展到64位,从单核发展到多核;计算机从CPU处理数据发展到GPU处理数据;大数据、人工智能领域的大模型

    2024年02月09日
    浏览(52)
  • 线性代数第二章矩阵及其运算详解

    一.线性方程组和矩阵 1.概念 如图所示,该矩阵称为 m行n列矩阵 若行数和列数都等于n,则该矩阵称为 n阶方阵 两个矩阵的行数相等,列数也相等,就称它们为 同型矩阵 若A=(aij)和B=(bij)是同型矩阵,且aij=bij(i=1,2,...,m;j=1,2,...,n),则称 矩阵A与矩阵B相等 ,记作 A=B 2.特殊

    2024年01月25日
    浏览(53)
  • 线性代数:矩阵运算(加减、数乘、乘法、幂、除、转置)

    目录 加减 数乘  矩阵与矩阵相乘  矩阵的幂 矩阵转置  方阵的行列式  方阵的行列式,证明:|AB| = |A| |B|        

    2024年01月22日
    浏览(51)
  • 矩阵运算之外积:解决线性代数问题的关键技巧

    线性代数是数学的一个分支,主要研究的是线性方程组和矩阵。线性方程组是指每个变量的方程都是线性的方程组,矩阵是一种数学结构,可以用来表示和解决线性方程组。在现实生活中,线性方程组和矩阵广泛应用于各个领域,如物理学、生物学、经济学、计算机科学等。

    2024年02月21日
    浏览(43)
  • 线性代数中涉及到的matlab命令-第二章:矩阵及其运算

    目录 1,矩阵定义 2,矩阵的运算 3,方阵的行列式和伴随矩阵  4,矩阵的逆  5,克莱默法则  6,矩阵分块  矩阵与行列式的区别: (1)形式上行列式是数表加两个竖线,矩阵是数表加大括号或中括号; (2)行列式可计算得到一个值,矩阵不能; (3)两个行列式相加与两

    2024年02月08日
    浏览(51)
  • 【课后习题】 线性代数第六版第二章 矩阵及其运算 习题二

    习题二 1. 计算下列乘积: (1) ( 4 3 1 1 − 2 3 5 7 0 ) ( 7 2 1 ) left(begin{array}{rrr}4 3 1 \\\\ 1 -2 3 \\\\ 5 7 0end{array}right)left(begin{array}{l}7 \\\\ 2 \\\\ 1end{array}right) ⎝ ⎛ ​ 4 1 5 ​ 3 − 2 7 ​ 1 3 0 ​ ⎠ ⎞ ​ ⎝ ⎛ ​ 7 2 1 ​ ⎠ ⎞ ​ ; (2) ( 1 , 2 , 3 ) ( 3 2 1 ) (1,2,3)left(begin{array}{l}3 \\\\ 2 \\\\ 1end{ar

    2024年02月05日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包