线性代数 矩阵

一、矩阵基础

1、定义

一组数按照矩形排列而成的数表;形似行列式,区别点是

矩阵 行列式
符号 ()或[] | |
形状 方阵或非方阵 方阵
本质 数表
属性 A |A|是A诸多属性中的一种
维度 m *n (m 与n可以相等也可以不相等) n*n

同型矩阵若A、B两个矩阵都是m×n 矩阵,那么A 和 B 就是同型矩阵。

矩阵相等 A 和 B 的维度相同都是 m×n矩阵且 所有 i 和 j,都有 aij=bij ,那么两个矩阵相等。

方阵n×n 的方阵 A(行列式)。

单位矩阵主对角线上的元素都是 1, 其余元素都是 0 的方阵,记作 I 或 E。

对角矩阵主对角线上的元素都是 任意数, 其余元素都是 0 的方阵。

上三角矩阵 主对角线及其上方的元素可以是任意值,主对角线下方的元素都是 0 的方阵。

下三角矩阵 主对角线及其下方的元素可以是任意值,主对角线上方的元素都是 0 的方阵。

零矩阵所有元素都是零;零矩阵的维度由它的行数和列数决定,记作 m×n。

行矩阵 只有一行,但有多列。

列矩阵只有一列,但有多行。

2、矩阵的运算

2.1、加法

矩阵的加法是指两个相同维度的矩阵对应位置上的元素相加 ,得到一个新的矩阵。

C=A+B ,其中 C 的每个元素 cij 是 A 和 B 对应位置元素的和,即 cij=aij+bij。

交换律:矩阵加法满足交换律,即 A+B=B+A。

结合律:矩阵加法满足结合律,即 (A+B)+C=A+(B+C)。

零矩阵:零矩阵 O 是矩阵加法的单位元,即对于任何矩阵 A,有 A+O=A。

负矩阵:对于任何矩阵 A,存在一个负矩阵 −A,使得 A+(−A)=O。

例如:

解:

2.2、减法

两个相同维度的矩阵对应位置上的元素相减,得到一个新的矩阵(与加法一样)。

C=A−B, C 的每个元素 cij是 A 和 B 对应位置元素的差,即cij=aij-bij (与加法不同,顺序不对会有正反之分,所以不满足交换律

结合律:矩阵减法满足结合律,即 (A − B) − C = A − (B + C)。

零矩阵:零矩阵 O 在矩阵减法中扮演着类似于数字零的角色,即对于任何矩阵 A,有 A − O = A

例如:

解:

2.3、数乘

数乘是指一个矩阵与一个标量(即一个实数或复数)相乘,结果是一个新的矩阵。一个 m×n 的矩阵,k 是一个标量,那么它们的数乘 kA 也是一个 m×n 的矩阵,其中 kA 的每个元素是 A 对应位置元素与标量 k 的乘积。

矩阵提公因子 :矩阵的所有元素均有公因子k,则k向外提一次。

行列式提公因子 :行列式的**某一行(列)**有公因子k,则k向外提一次。

结合律 :对于任何标量 k 和 l,以及任何矩阵 A,有 (kl)A = k(lA)=l(kA)。

分配律:对于任何标量 k 和 l,以及任何矩阵 A,有 (k+l)A = kA + lA。

标量乘法与矩阵加法的分配律:对于任何标量 k,以及任何矩阵 A 和 B,有 k(A+B) = kA + kB。

单位标量:对于任何矩阵 A,有 1A=A。

零标量:对于任何矩阵 A,有 0A=O。

例如:,计算 2A

解:所有元素都乘以2

2.4、乘法

设 A 是一个 m×n 的矩阵,B 是一个 n×p 的矩阵,那么它们的乘积 C=A×B 是一个 m×p 的矩阵(矩阵 A 的列数必须等于矩阵 B 的行数 ,即乘法左右两个数相等;中间相等,取两端 ),也就是矩阵乘法不满足交换率,也不满足A XB=AXC,不能推导出B=C。

结合律:对于任意三个矩阵 A、B 和 C(满足乘法条件),那么 (A×B)×C=A×(B×C)。

分配律:对于任意三个矩阵 A、B 和 C(满足乘法条件),那么 A×(B+C)=A×B+A×C 和 (A+B)×C=A×C+B×C。

单位矩阵:如果存在一个单位矩阵 E(维度与A 相匹配),那么 A×E=E×A=A,注意两个E的维度不一定一样。

例如:,求C=AXB的矩阵

解:= 1*7 + 2*9+3*11=51;= 1*8 + 2*10+3*12=64; = 4*7 + 5*9+6*11=139; = 4*8 + 5*10+6*12=154;

2.5、幂

幂是指将一个矩阵自身相乘多次的操作(不理解 2*3 的矩阵咋算)

就是 A*A的乘法运算。

2.6、转置

m×n 的矩阵,那么它的转置矩阵 A^T 是一个 n×m 的矩阵, 其中 A^T 的第 i 行第 j 列的元素等于 A 的第 j 行第i 列的元素。

(A^T)^T = A:一个矩阵的转置的转置等于原矩阵。

(A + B)^T = A^T + B^T:两个矩阵和的转置等于它们各自转置的和。

(kA)^T = kA^T:一个矩阵乘以一个标量的转置等于该矩阵的转置乘以该标量。

(AB)^T = B^T A^T :两个矩阵乘积的转置等于它们各自转置的乘积,但顺序相反

相关推荐
友艺33 分钟前
CatBoost 模型实践:回归与分类的全流程解析
机器学习
彭彭不吃虫子2 小时前
【离散数学】特殊关系的矩阵表示
决策树·机器学习·矩阵
使者大牙4 小时前
【LLM学习笔记】第四篇:模型压缩方法——量化、剪枝、蒸馏、分解
人工智能·深度学习·算法·机器学习
ydl11285 小时前
机器学习周志华学习笔记-第7章<贝叶斯分类器>
笔记·学习·机器学习
研一计算机小白一枚6 小时前
Which Tasks Should Be Learned Together in Multi-task Learning? 译文
人工智能·python·学习·机器学习
xianghan收藏册6 小时前
基于lora的llama2二次预训练
人工智能·深度学习·机器学习·chatgpt·transformer
不去幼儿园6 小时前
【RL Base】多级反馈队列(MFQ)算法
人工智能·python·算法·机器学习·强化学习
Alone--阮泽宇7 小时前
【机器学习】—PCA(主成分分析)
人工智能·机器学习
pblh1237 小时前
spark 3.4.4 机器学习基于逻辑回归算法及管道流实现鸢尾花分类预测案例
机器学习·回归·spark
Easy数模7 小时前
因果机器学习EconML | 客户细分案例——基于机器学习的异质性处理效果估计
人工智能·机器学习