数学基础:矩阵
2015-04-07 00:28
411 查看
矩阵的概念:
数学上,一个m×n的矩阵是一个由m行n列元素排列成的矩形阵列。矩阵里的元素可以是数字、符号或数学式。如下是一个m×n的矩阵(m行n列):
Am×n=(aij)=⎛⎝⎜⎜⎜⎜⎜a11a21⋮am1a12a22⋮am2⋯⋯⋱⋯a1na2n⋮amn⎞⎠⎟⎟⎟⎟⎟A_{m×n}=(a_{ij})=
\begin{pmatrix}
a_{11} & a_{12} & \cdots & a_{1n}\\
a_{21} & a_{22} & \cdots & a_{2n}\\
\vdots &\vdots & \ddots & \vdots \\
a_{m1} & a_{m2} & \cdots & a_{mn}\\
\end{pmatrix}
同型矩阵:
如果,矩阵Am×nA_{m×n}和矩阵Bm×nB_{m×n}都是m×n的矩阵,则这两个矩阵为同型矩阵。矩阵相等:
如果矩阵Am×nA_{m×n}和矩阵Bm×nB_{m×n}互为同型矩阵,并且对应元素相等aija_{ij}=bijb_{ij}。则两个矩阵相等。行向量与列向量:
行向量是一个 1×n的矩阵,即矩阵由一个含有n个元素的行所组成:α=(a1,a2,⋯,an)=[a1a2⋯an]α=(a_1, a_2,\cdots,a_n)=
\begin{bmatrix}
a_{1} & a_{2} & \cdots & a_{n}\\
\end{bmatrix}
列向量是一个 n×1 的矩阵,即矩阵由一个含有n个元素的列所组成。(列向量的转置是一个行向量,反之亦然):
β=αT=(a1,a2,⋯,an)T=⎡⎣⎢⎢⎢⎢a1a2⋮an⎤⎦⎥⎥⎥⎥β=α^T=(a_1, a_2,\cdots,a_n)^T=
\begin{bmatrix}
a_{1} \\
a_{2} \\
\vdots \\
a_{n}\\
\end{bmatrix}
方阵(n阶矩阵):
n行n列的矩阵是一个方阵,也叫做n阶矩阵,如AnA_{n}:An×n=(aij)=⎛⎝⎜⎜⎜⎜⎜a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1na2n⋮ann⎞⎠⎟⎟⎟⎟⎟A_{n×n}=(a_{ij})=
\begin{pmatrix}
a_{11} & a_{12} & \cdots & a_{1n}\\
a_{21} & a_{22} & \cdots & a_{2n}\\
\vdots &\vdots & \ddots & \vdots \\
a_{n1} & a_{n2} & \cdots & a_{nn}\\
\end{pmatrix}
零矩阵:
所有元素都是0的矩阵。单位矩阵(E):
主对角元素为1,其他元素为0的方阵是单位矩阵,如EnE_n:En=⎛⎝⎜⎜⎜⎜⎜10000100⋯⋯⋱⋯00⋮1⎞⎠⎟⎟⎟⎟⎟E_{n}=
\begin{pmatrix}
1 & 0 & \cdots & 0\\
0 & 1& \cdots & 0\\
0 & 0 & \ddots & \vdots \\
0 & 0 & \cdots & 1\\
\end{pmatrix}
数量矩阵(kE):
主对角元素为K,其他元素为0的方阵是数量矩阵(就是一个数乘以一个单位矩阵),如kEnkE_n:En=⎛⎝⎜⎜⎜⎜⎜k0000k00⋯⋯⋱⋯00⋮k⎞⎠⎟⎟⎟⎟⎟E_{n}=
\begin{pmatrix}
k & 0 & \cdots & 0\\
0 & k& \cdots & 0\\
0 & 0 & \ddots & \vdots \\
0 & 0 & \cdots & k\\
\end{pmatrix}
对角矩阵:
主对角是非零元素但未必相同,其他元素为0的方阵是对角矩阵,如λnλ_{n}:λn=⎛⎝⎜⎜⎜⎜⎜λ10000λ200⋯⋯⋱⋯00⋮λn⎞⎠⎟⎟⎟⎟⎟λ_{n}=
\begin{pmatrix}
λ_{1} & 0 & \cdots & 0\\
0 & λ_{2}& \cdots & 0\\
0 & 0 & \ddots & \vdots \\
0 & 0 & \cdots & λ_{n}\\
\end{pmatrix}
矩阵的计算:
矩阵相加:
在同型矩阵中。两个m×n矩阵A和B的和,标记为A+B,得到的仍一是个m×n矩阵,其内的各元素为其相对应元素相加后的值。例如:⎡⎣⎢111302⎤⎦⎥+⎡⎣⎢072051⎤⎦⎥=⎡⎣⎢1+01+71+23+00+52+1⎤⎦⎥=⎡⎣⎢183353⎤⎦⎥\begin{bmatrix}
1 & 3 \\
1 & 0 \\
1 & 2 \\
\end{bmatrix} +
\begin{bmatrix}
0 & 0 \\
7 & 5 \\
2 & 1 \\
\end{bmatrix} =
\begin{bmatrix}
1+0 & 3+0 \\
1+7 & 0+5 \\
1+2 & 2+1 \\
\end{bmatrix}=
\begin{bmatrix}
1 & 3 \\
8 & 5 \\
3 & 3 \\
\end{bmatrix}
矩阵相减:
A-B内的各元素为其相对应元素相减后的值:⎡⎣⎢111302⎤⎦⎥−⎡⎣⎢072051⎤⎦⎥=⎡⎣⎢1−01−71−23−00−52−1⎤⎦⎥=⎡⎣⎢1−6−13−51⎤⎦⎥\begin{bmatrix}
1 & 3 \\
1 & 0 \\
1 & 2 \\
\end{bmatrix}-
\begin{bmatrix}
0 & 0 \\
7 & 5 \\
2 & 1 \\
\end{bmatrix} =
\begin{bmatrix}
1-0 & 3-0 \\
1-7 & 0-5 \\
1-2 & 2-1 \\
\end{bmatrix}=
\begin{bmatrix}
1 & 3 \\
-6 & -5 \\
-1 & 1 \\
\end{bmatrix}
矩阵相乘:
当矩阵A的列数和矩阵B的行数相等时才有意义。如Am×nA_{m×n},Bn×pB_{n×p},因为A的列(n)和B的行(n)相同,所以他们可以相乘,它们的乘积为ABm×pAB_{m×p};
例如A2×3A_{2×3}×B3×2B_{3×2}:
[1−10321]×⎡⎣⎢321110⎤⎦⎥=[(1×3+0×2+2×1)(−1×3+3×2+1×1)(1×1+0×1+2×0)(−1×1+3×1+1×0)]=[5412]\begin{bmatrix}
1 & 0 & 2\\
-1 & 3 & 1\\
\end{bmatrix} ×
\begin{bmatrix}
3 & 1 \\
2 & 1\\
1 & 0 \\
\end{bmatrix} =
\begin{bmatrix}
(1×3+0×2+2×1) & (1×1+0×1+2×0) \\
(-1×3+3×2+1×1) & (-1×1+3×1+1×0) \\
\end{bmatrix}=
\begin{bmatrix}
5 & 1 \\
4 & 2 \\
\end{bmatrix}
乘法不满足交换律 : AB ≠ BA;
乘法结合律 : (AB)C=A(BC);
乘法分配律: A(B+C)=AB+AC,(B+C)A=BA+CA;
乘法和数乘结合律: λ(AB)=(λA)B=A(λB);
单位矩阵满足: AE=EA=A;
零矩阵满足: 0m×nAs×n=0m×n0_{m×n}A_{s×n}=0_{m×n},As×n0n×t=0s×tA_{s×n}0_{n×t}=0_{s×t};
矩阵转置:
把矩阵A的行换成同序数的列得到的矩阵,叫做A的转置矩阵,记作ATA^TA2×3=(142536),AT=⎛⎝⎜123456⎞⎠⎟3×2A_{2×3}=
\begin{pmatrix}
1 & 2 & 3\\
4 & 5& 6\\
\end{pmatrix}
,A^T=
\begin{pmatrix}
1 & 4 \\
2 & 5 \\
3 & 6 \\
\end{pmatrix}_{3×2}
(AT)T=A(A^T)^T=A
(A+B)T=AT+BT(A+B)^T=A^T+B^T
(λA)T=λAT(λA)^T=λA^T
(AB)T=BTAT(AB)^T=B^TA^T
方阵的幂运算:
An×Am=An+mA^n×A^m=A^{n+m}(An)m=Anm(A^n)^m=A^{nm}
A0=E(单位矩阵) A^0=E(单位矩阵)
相关文章推荐
- 3D数学基础公式------>矩阵,欧拉角,四元数,之间转换<2>
- OpenGL学习笔记:三维数学基础(一)坐标系、向量、矩阵
- 3d数学基础-缩放矩阵,投影矩阵-用C++实现
- 机器学习笔记_数学基础_5-矩阵理论
- 3D数学基础--矩阵线性变换
- 3D 图形编程的数学基础(2) 矩阵及其运算
- 【原创】开源Math.NET基础数学类库使用(15)C#计算矩阵行列式
- 【原创】开源Math.NET基础数学类库使用(16)C#计算矩阵秩
- 开源Math.NET基础数学类库使用(15)C#计算矩阵行列式
- 数学基础: 矩阵的求导
- directX 数学基础-矩阵
- 开源Math.NET基础数学类库使用(02)矩阵向量计算
- 【原创】开源Math.NET基础数学类库使用(02)矩阵向量计算
- 开源Math.NET基础数学类库使用(16)C#计算矩阵秩
- 数学基础:矩阵
- 3D程序开发数学基础之矩阵
- 3d数学基础-矩阵
- 数学基础:矩阵
- 3d数学基础-欧拉角转换与旋转矩阵或旋转矩阵转换成欧拉角-用C++代码实现
- 【原创】开源Math.NET基础数学类库使用(02)矩阵向量计算