人工智能数学基础-线性代数4:矩阵及矩阵运算

Karen110
• 阅读 1820

一、矩阵定义

矩阵(Matrix)是一个按照长方阵列排列的复数或实数集合,定义如下:
由 m × n 个数aij排成的m行n列的数表称为m行n列的矩阵,简称m × n矩阵。记作:
人工智能数学基础-线性代数4:矩阵及矩阵运算

这m×n 个数称为矩阵A的元素,简称为元,数aij位于矩阵A的第i行第j列,称为矩阵A的(i,j)元,以数 aij为(i,j)元的矩阵可记为(aij)或(aij)m × n,m×n矩阵A也记作Amn。

元素是实数的矩阵称为实矩阵,元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。

对于一个m×n 的矩阵A中某行的所有n个元素组成的n维向量叫做A的行向量,由A中某列的所有m个元素组成的m维向量叫做A的列向量。

A中的第i个行向量横写成:(ai1…ain)
第j个列向量竖写成:
人工智能数学基础-线性代数4:矩阵及矩阵运算
有时为了方便也横写。

只有一行一列的矩阵通常也可以叫做向量。

二、矩阵的秩

2.1、定义

一个矩阵,它的列矢量的极大无关组中矢量的个数叫做列秩,行矢量的极大无关组中矢量的个数叫做行秩,而它最大的且不等于0的子行列式的阶数r叫做它的秩。

可以证明,矩阵的行秩等于列秩等于秩,对于m×n矩阵而言,若 r=min(m,n) ,则称之为满秩矩阵,否则就叫降秩矩阵。矩阵A的秩用秩A表示,也可以用rank A表示。

对n阶方阵A,若rank A=n,则称A为非奇异矩阵(nonsingular matrix),否则称为奇异矩阵(singular matrix)。奇异矩阵对应行列式为0。可逆方阵就是非奇异矩阵,非奇异矩阵也是可逆矩阵。

2.2、关于矩阵秩的定理和属性

2.2.1、几个定理
  1. 定理1:(m,n)-矩阵A的m个行向量线性相关的充要条件是A的秩小于m;

  2. 定理2:(m,n)-矩阵A的秩等于r的充要条件是A中有r个行(列)向量线性无关,并且任意r+1个行(列)向量都线性相关;

  3. 定理3:假定a1,…,an是n个向量,β1…βm都是a1,…,an的线性组合。如果m>n,那么β1…βn线性相关。

  4. 定理4:假如矩阵A经过若干个行初等变换(如互换两行、用一个不为0的数乘某行、或者某行加到另一行等)变为矩阵B,那么A、B的秩相等

  5. 定理5:满秩矩阵用行初等变换可以变为单位矩阵。

2.2.2、矩阵初等变换

互换矩阵的两行、用一个不为零的数乘A的一行以及用一个数乘A的一行加到另一行上,这些变换叫做A的行初等变换。类似的,还有矩阵的列初等变换。二者统称为矩阵A的初等变换。

假如矩阵A经过若干个行初等变换变为矩阵B,则A和B的秩相等。

三、矩阵的运算

矩阵的基本运算包括矩阵的加法、减法、数乘、乘法、转置。

3.1、矩阵的加减法

矩阵的加减法是两个同型矩阵(行数、列数相同)之间的加减法,两个m×n矩阵A和B的和,标记为A+B,差记为A-B,对应结果都是m×n矩阵,其内的各元素为A、B各相同位置元素进行加减后的值。

矩阵加法满足交换律和结合律:
人工智能数学基础-线性代数4:矩阵及矩阵运算

3.2、矩阵的数乘

3.2.1、定义

矩阵的k倍数乘,是以一个实数k与矩阵A相乘,其结果B是与A同型矩阵,B的每个元素都是A相同位置元素乘以k的结果。矩阵数乘本质上是在矩阵的每个元素上乘了一个k,用向量的数乘来解释,即是对每个行向量乘了k, 或者也相当于对每个列向量乘了k。

3.2.2、矩阵数乘运算定律

设A、B为矩阵,m、n为实数,则:

  • (mn)A=m(nA)

  • (m+n)A =mA + nA

  • m(A+B) = mA + mB

矩阵的加减法和数乘运算称为矩阵的线性运算。

3.3、矩阵乘法

3.3.1、乘法定义

矩阵相乘最重要的方法是一般矩阵乘积。它只有在第一个矩阵的列数和第二个矩阵的行数相同时才有意义。
设A为 m×p的矩阵,B为p×n 的矩阵,那么称m×n 的矩阵C为矩阵A与B的乘积,记作 C=AB,其中矩阵C中的第i行第j列元素等于矩阵A的第i行的元素与矩阵B的第j列对应元素乘积之和。可以表示为:
人工智能数学基础-线性代数4:矩阵及矩阵运算
矩阵C的行数等于矩阵A的行数,C的列数等于B的列数。
如:
人工智能数学基础-线性代数4:矩阵及矩阵运算

3.3.2、乘法定律
  • 乘法结合律:(AB)C=A(BC)

  • 乘法左分配律:(A+B)C=AC+BC

  • 乘法右分配律:C(A+B)=CA+CB

  • 对数乘的结合性k(AB)=(kA)B=A(kB)

  • 转置 (AB)T=BTAT

另外矩阵乘法在以下两种情况下满足交换律:

  • AA*=A*A,A和伴随矩阵相乘满足交换律

  • AE=EA,A和单位矩阵或数量矩阵满足交换律。

更多矩阵乘法的介绍请参考《百度百科关于矩阵乘法的介绍》。

3.4、矩阵转置

设A为m×n阶矩阵(即m行n列),第i 行j 列的元素是a(i,j),即:
人工智能数学基础-线性代数4:矩阵及矩阵运算
把m×n矩阵A的行换成同序数的列得到一个n×m矩阵,此矩阵叫做A的转置矩阵,记做AT或A’
例如矩阵:
人工智能数学基础-线性代数4:矩阵及矩阵运算
的转置矩阵为:
人工智能数学基础-线性代数4:矩阵及矩阵运算
矩阵与其转置矩阵的秩相等。

矩阵的转置且满足下列运算运算定律:
人工智能数学基础-线性代数4:矩阵及矩阵运算
矩阵乘法的更多介绍请参考《百度百科矩阵乘法介绍》。

3.5、关于矩阵运算的有关补充

  • 矩阵A+B的秩小于A的秩+B的秩

  • 矩阵A、B的乘积的秩不大于A的秩与B的秩

  • |kA| = kn|A|

  • 对于n阶方阵A,存在正整数k,使得Ak=0,这样的方阵N就叫做幂零矩阵。满足条件的最小的正整数k被称为N的度数或指数

  • 两个满秩矩阵的乘积仍是满秩矩阵

  • 两个n阶方阵A、B的乘积AB的行列式等于A的行列式乘B的行列式,即|AB|=|A|×|B|

  • 矩阵A、B的乘积的转置矩阵(AB)‘等于B的转置矩阵B’和A的转置矩阵A’的乘积,即:(AB)’=B’A’

四、部分特殊矩阵

4.1、单位矩阵

在矩阵的乘法中,有一种矩阵起着特殊的作用,如同数的乘法中的1,这种矩阵被称为单位矩阵。它是个方阵,从左上角到右下角的对角线(称为主对角线)上的元素均为1。除此以外全都为0。

主对角线上的元素都为1,其余元素全为0的n阶矩阵称为n阶单位矩阵,记为 In或 En,通常用I或E来表示。

人工智能数学基础-线性代数4:矩阵及矩阵运算

4.2、逆矩阵和伴随矩阵

4.2.1、逆矩阵定义

设A是一个n阶矩阵,若存在另一个n阶矩阵B,使得:AB=BA=E ,则称方阵A可逆,并称方阵B是A的逆矩阵,记为:
A = B-1 B = A-1

4.2.2、逆矩阵性质
  • A与B的地位是平等的,故A、B两矩阵互为逆矩阵,也称A是B的逆矩阵

  • 单位矩阵的逆矩阵是它本身

  • 零矩阵是不可逆的,即取不到B,使OB=BO=E

  • 如果A可逆,那么A的逆矩阵是唯一的

  • 若A可逆,则AT亦可逆,且(AT)-1=(A-1)T

  • 若A、B为同阶方阵且均可逆,则AB亦可逆,且(AB)-1=B-1 A-1

  • 矩阵A是可逆矩阵的充要条件是A为满秩矩阵

  • |A-1|=|A|-1

4.3、对角形矩阵和数量矩阵

除主对角线上的元外其他元都是0的n阶方阵称为对角形矩阵。

数量矩阵就是对角线上元素都是同一个数值,其余元素都是零。
设E是单位矩阵, k是任何实数,则kE就是数量矩阵(数乘运算请参考下面矩阵运算部分的介绍)。
人工智能数学基础-线性代数4:矩阵及矩阵运算

4.2.3、伴随矩阵定义

设A是一个n阶方阵,A=(aij)n×n,在行列式的章节中我们介绍过,将矩阵A 的元素aij 所在的第i行第j列元素划去后,剩余的各元素按原来的排列顺序组成的n-1阶矩阵所确定的行列式为元素 aij的余子式,记为 Mij,其对应的代数余子式:
Aij=(-1)i+jMij。

方阵A 的各元素的代数余子式Aij 所构成的如下矩阵 A*:

人工智能数学基础-线性代数4:矩阵及矩阵运算
该矩阵 A*称为矩阵 A的伴随矩阵。

4.2.3、伴随矩阵性质
  • 如果 A可逆,则 A*=|A|A-1

  • |A*| = |A|n-1

  • (kA)* = kn-1A *

  • 若A可逆,则(A-1)* = (A*)-1

  • (AT)* = (A*)T

    • [ ] (AB)* = B* A*,实际上该公式可以扩展到多个矩阵的情况,多个矩阵的乘积的伴随矩阵等于这些矩阵的伴随矩阵逆序的乘积
  • AA* = A* A=|A|E
    从该公式可以看出,矩阵A如果是可逆矩阵,则:
    人工智能数学基础-线性代数4:矩阵及矩阵运算

4.4、三角形矩阵

主对角线以下或以上的全体元素都是零的n阶方阵称为三角形矩阵。形如:
人工智能数学基础-线性代数4:矩阵及矩阵运算
主对角线以上的全体元素都是零的n阶方阵称为上三角形矩阵,亦称上三角矩阵。

主对角线以下的全体元素都是零的n阶方阵称为下三角形矩阵,亦称下三角矩阵。

上三角形矩阵和下三角形矩阵统称三角形矩阵。

主对角元全是1的三角形矩阵称为特殊三角形矩阵。

主对角元全为零的三角形矩阵称为严格三角形矩阵。

两个n阶上(下)三角形矩阵的和、积以仍是上(下)三角形矩阵。

4.5、分块矩阵

4.5.1、定义

将一个矩阵用若干条横线和竖线分成许多个小矩阵,将每个小矩阵称为这个矩阵的子块,以子块为元素的形式上的矩阵称为分块矩阵。

4.5.2、运算规则

人工智能数学基础-线性代数4:矩阵及矩阵运算
对于乘法来说进一步解释如下:
人工智能数学基础-线性代数4:矩阵及矩阵运算
人工智能数学基础-线性代数4:矩阵及矩阵运算
老猿总结:

分块矩阵加减法、数乘、转置、乘法的运算,可以将分块的子矩阵看做矩阵的元素,其运算规则与矩阵元素运算规则相同。但乘法要注意分块合适,且相关运算符合乘法的要求,即被乘数矩阵的列等于乘数矩阵的行数。

4.6、分块对角矩阵

4.6.1、定义

分块对角矩阵是一种特殊的分块矩阵,设A为n阶方阵,若A的分块矩阵在非主对角线上的子块皆为零矩阵,且在主对角线上的子块都是方阵,即:
人工智能数学基础-线性代数4:矩阵及矩阵运算
其中O表示零矩阵, Ai(i=1,2,…,s)都是方阵,那么称A为分块对角矩阵,该形状称为分块对角形。

4.6.2、性质

针对上述分块对角矩阵,有如下性质:

  • |A| = |A1| |A2|… |AS|

  • 如果Ai≠0(i=1,2,…,s),则A可逆,且:
    人工智能数学基础-线性代数4:矩阵及矩阵运算

  • 同结构的准对角矩阵的和、差、积、数乘及逆仍是准对角矩阵,且运算表现为对应子块的运算

4.7、矩阵的标准形

一个矩阵只有前面某些第i行、第i列上的数是1,其余都是零的简单形状叫做矩阵的标准形。如4×5阶方阵对角线上a11、a22、a33为1,a44为0、a45以及其他元素都为0的矩阵就是标准形。

任意矩阵都可以用初等变换化为标准形。

4.8、对称矩阵和反对称矩阵

  1. 对称矩阵(Symmetric Matrices)是指以主对角线为对称轴,各元素对应相等的矩阵,即矩阵元素aij = aji

  2. 对于任何方形矩阵X,X+XT是对称矩阵

  3. A为方形矩阵是A为对称矩阵的必要条件

  4. 对称矩阵A与其转置矩阵A’相等

  5. 设A为n维方阵,若有A’=-A,则称矩阵A为反对称矩阵。对于反对称矩阵,它的主对角线上的元素全为零,而位于主对角线两侧对称的元反号。

4.9、正交矩阵和正交条件

n阶实矩阵A和其转置矩阵A’如果满足:AA’=A’A=E,则n阶实矩阵A称为正交矩阵,正交矩阵通常用字母Q表示。

根据定义可以知道,对于正交矩阵A=(aij),i,j∈[1,n],则:

  1. a²1i+a²2i+…+a²ni = 1

  2. a²i1+a²i2+…+a²in = 1

  3. 当i≠j时,a1ia1j+a2ia2j+…+ani anj= 0

  4. 当i≠j时,ai1aj1+ai2aj2+…+ain ajn= 0

这是正交矩阵元素间的重要性质,也称为正交条件。

如下三个矩阵都是正交矩阵:
人工智能数学基础-线性代数4:矩阵及矩阵运算
正交矩阵性质:
假设A是正交矩阵,A’是A的转置矩阵,则:

  1. A’是正交矩阵

  2. A和A’的各行是单位向量且两两正交

  3. A和A’的各列是单位向量且两两正交

  4. |A|=1或-1,如果正交矩阵的行列式为+1,则称之为特殊正交矩阵

  5. A’=A-1,即正交矩阵的转置矩阵与其逆矩阵相等

  6. 正交矩阵的逆是正交矩阵,两个正交矩阵的积是正交矩阵、

  7. 正交矩阵互换两行或两列还是正交矩阵

4.10、初等矩阵

初等矩阵是指由单位矩阵经过一次初等变换得到的矩阵。初等矩阵的模样可以写一个3阶或者4阶的单位矩阵。

定理:任意矩阵A经过行(列)初等变换成的矩阵等于用初等矩阵左(右)乘A的乘积

五、矩阵的其他概念

  • 矩阵等价

  • 矩阵等价定义
    加入矩阵A经过有限次初等变换转换为矩阵B,就称A与B等价,表示为:
    人工智能数学基础-线性代数4:矩阵及矩阵运算

定理1:两个矩阵等价的充要条件就是二者的秩相等。

  • 自反律:矩阵A和自身等价;

  • 对称律:如果A等价于B,则B等价于A;

  • 传递律:如果A等价于B,B等价于C,则A等价于C。

定理2:两个矩阵等价的充要条件就是存在两个满秩矩阵P、Q,使得:B = PAQ

定理3:对于矩阵A、B,B是满秩矩阵,那么AB或BA的秩与A的秩相等。

  • 如果两个矩阵行数和列数相等则称两个矩阵同型

  • 一个矩阵的元全是实数,则该矩阵称为实矩阵

  • 矩阵的元都是零的矩阵称为零矩阵

  • 把矩阵A的各元变号得到的矩阵,叫做A的负矩阵,用-A表示;

  • n阶矩阵A主对角线上n个数的和叫做矩阵A的迹,用tr(A)表示

定理4:矩阵A是满秩矩阵的充要条件是它能够表示为初等矩阵的乘积

六、小结

本文介绍了矩阵的定义、几种特殊矩阵、矩阵的秩等概念,并介绍了矩阵的加法、减法、数乘和乘法运算,由于向量可以看做单行或单列的矩阵,因此矩阵也可以用于向量运算。

写博不易,敬请支持:

如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!

更多人工智能数学基础的介绍请参考专栏《人工智能数学基础 》

本文转转自微信公众号老猿Python原创https://mp.weixin.qq.com/s/JliKKdN5ZQb85NkvRXJ0Dg,如有侵权,请联系删除。

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Stella981 Stella981
2年前
Opencv中Mat矩阵相乘——点乘、dot、mul运算详解
Opencv中Mat矩阵相乘——点乘、dot、mul运算详解2016年09月02日00:00:36 \牧野(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fme.csdn.net%2Fdcrmg) 阅读数:59593
Wesley13 Wesley13
2年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
2年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
2年前
1050 螺旋矩阵
1050 螺旋矩阵 (25分)本题要求将给定的 N 个正整数按非递增的顺序,填入“螺旋矩阵”。所谓“螺旋矩阵”,是指从左上角第1个格子开始,按顺时针螺旋方向填充。要求矩阵的规模为 m 行 n 列,满足条件:m×n 等于 N;m≥n;且 m−n 取所有可能值中的最小值。输入格式:输入在第1行中给出一个正整数 N,第2行给出 N
Wesley13 Wesley13
2年前
ES6 新增的数组的方法
给定一个数组letlist\//wu:武力zhi:智力{id:1,name:'张飞',wu:97,zhi:10},{id:2,name:'诸葛亮',wu:55,zhi:99},{id:3,name:'赵云',wu:97,zhi:66},{id:4,na
Wesley13 Wesley13
2年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
8个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这