矩阵分析及其在线性代数中的应用(3-4)
3. 矩阵代数
3.2 加和转置
- 标量:一个复数
- 两个矩阵相等:每个元素均相等
- 行向量,列向量
- 同shape的矩阵相加,逐元素的加
- 加运算的逆
- 矩阵的差
- 标量乘法:逐元素相乘(关于标量和矩阵均满足分配律)
- 原矩阵\(A\),共轭矩阵\(\mathop{A}\limits^{-}\),矩阵的转置\(A^{T}\),共轭转置(伴随矩阵(\(A^{\*}=A^{T}\)))
- 对称性:
- 对称阵 \(A=A^{T}\)
- 反对称阵 \(A=-A^{T}\)
- 厄米特阵 \(A=A^{\*}\)
- 反厄米特阵 \(A=-A^{\*}\)
3.3 线性性(Linearity)
- 线性函数:满足加法和数乘的函数
- 仿射函数:线性函数的转移
- 微分和积分算子也是线性的
- 转置函数和迹函数也是线性的
迹函数:\(A_{n\times n}\)主对角线上元素的和
- 线性组合的定义:对于标量\(\alpha_{j}\)和矩阵\(X_{j}\),\(\alpha_1 X_{1}+\alpha_2 X_{1}+\cdots+\alpha_n X_{n} = \sum\limits_{j=1}^{n}\alpha_{j}X_{j}\) 是 \(X_{j}\)的线性组合
3.5 矩阵乘法
矩阵乘法起源于Caylay对线性函数的复合的研究
- 内积
- 一致的两个矩阵\(A_{m\times p}\)与\(B_{p\times n}\)的积(product),(i,j)位置是\(A\)的第i行与\(B\)的第j列的内积
- 不满足交换律的矩阵乘法
- \(AB = 0\) 并不意味着 \(A = 0\) 或者 \(B = 0\),因此消去法不成立
- 乘积中的行与列:两个矩阵\(A_{m\times p}=[a_{ij}]\)与\(B_{p\times n}=[b_{ij}]\)
- ([AB]{i*} = AB)
- ([AB]{*j} = AB)
- ([AB]{i*} = aB_{1} + a_{i2}B_{2} + \cdots + a_{ip}B_{p} = \sum_{k=1}^{p}a_{ik}B_{k})
- ([AB]{*j} = A{1}b_{1j} + A_{2}b_{2j} + \cdots + A_{p}b_{pj} = \sum_{k=1}^{p}A_{k}b_{kj})
posted @
2015-10-12 20:36
lightninghzw
阅读(
436)
评论()
编辑
收藏
举报