线性代数介绍和矩阵运算

简介: 线性代数介绍和矩阵运算

N.1 矩阵的介绍

1)矩阵的定义

————————————————————————

————————————————————————

(1)由m×n个数aij(i = 1,2,...,m;j= 1,2,...,n)排成的m行n列的数表A就称为m行n列的矩阵

(2)这m×n个数称作矩阵A的元素,元素aij位于矩阵A的第i行第j列

(3)m×n矩阵A可以记作Am×n,其中m是行数,n是列数,m, n >0

2)特殊矩阵

————————————————————————

————————————————————————

(1)对于Am×n,如果m = n,即矩阵的行数与列数相等,那么称A为方阵

3)矩阵中的概念

————————————————————————

————————————————————————

(1)行数与列数都等于n的矩阵称为n阶矩阵,又称做n阶方阵,可以记作An

(2)只有一行的矩阵A1×n称为行矩阵,又叫行向量

(3)同样,只有一列的矩阵An×1称为列矩阵,又叫列向量

4)主对角线

————————————————————————

————————————————————————

(1)对于方阵,从左上角到右下角的直线,叫做主对角线,主对角线上的元素称为主对角线元素

————————————————————————

————————————————————————

N.2 矩阵的计算

1)矩阵的加法

————————————————————————

————————————————————————

2)矩阵的乘法

(1)数与矩阵相乘

————————————————————————

————————————————————————

(2)矩阵与矩阵相乘

[1] 左矩阵的每一行与右矩阵的每一列,对应每一个元素相乘

————————————————————————

————————————————————————

[2] AXB,那么有A矩阵m ×n, B矩阵n×k,要求左侧矩阵的列数n,必须等于右侧矩阵的行数n,结果矩阵C为m ×k矩阵。

————————————————————————

————————————————————————

[3] 计算案例:

————————————————————————

————————————————————————

3)矩阵的转置

————————————————————————

————————————————————————

(1)把矩阵A的行换成相同序数的列,得到一个新矩阵,叫做A的转置矩阵,记作A^T,T表示转置

(2)行变列,列变行

(3)A为m×n矩阵,转置之后为n×m矩阵

4)矩阵的运算法则

(1)加法

[1] A + B = B + A

[2] ( A+B ) + C = A + ( B + C )

(2)乘法

[1] ( λμ ) A = λ ( μA )

[2] (λ + μ) A =λA + μA

[3] λ ( A+ B) = λA + λB。注意 乘法没有交换律,因为交换了,左边的列不等于右边的行,所以,可能会出错。

[4] ( AB ) C = A ( BC )

[5] λ (AB) =( λA ) B = A ( λB )

[6] A(B+C) =AB+AC(B + C) A=BA+CA

(3)减法

[1] A-B = A + B×(-1 )

[2] A-A= A +(-A ) = O

(4)转置

[1] ( AB)^T= B^T * A^T。注意这里转置后A和B的顺序要交换下,因为交换了,左边的列不等于右边的行,所以,可能会出错。

(5)除法比较复杂,这里不讲解

5)矩阵的逆

[1] 对于n阶方阵A,如果有一个n阶方阵B,使得AB=BA=E就称矩阵A是可逆的,并把B称为A的逆矩阵。

[2] A的逆矩阵记作A^-1,如果AB= BA=E,则B=A^-1

————————————————————————

———————————————————————

相关文章
|
JSON NoSQL MongoDB
MongoDB 数据导出和导入 大全
MongoDB 数据导出和导入 大全
755 0
|
3月前
|
UED
最新版matlab r2025b安装图文教程(附安装包下载)方法
MATLAB R2025b发布:聚焦质量与稳定性提升,优化工具箱性能,修复R2025a已知Bug,增强可靠性。安装包已整合,可前往xu5软件库(www.xu5.cc)一键下载,附详细图文安装及激活教程。
2536 7
|
5月前
|
机器学习/深度学习 人工智能 算法
奥维:AI技术赋能水利工程 “人工智能+”展现巨大潜力
奥维数字科技凭借对AI技术的深耕与水利场景的深刻理解,打造出奥维水利算法云这一核心解决方案,将AI能力渗透到大坝安全、洪水预报、淹没分析等关键环节,以“精准、实时、可进化”的服务特性,为水利行业智能化升级提供了可落地的技术范式。奥维通过“AI+水利”的实践证明,人工智能并非简单的“技术叠加”,而是能从“数据处理、模型优化、决策支撑”三个核心环节重构水利工程的运行模式:它让大坝监测更精准、洪水预报更及时、应急响应更科学,也让水利决策从“经验驱动”转向“数据驱动”。
706 5
|
8月前
|
机器学习/深度学习 算法 机器人
基于自适应RBF神经网络滑模控制的机械臂轨迹跟踪仿真(Simulink仿真实现)
基于自适应RBF神经网络滑模控制的机械臂轨迹跟踪仿真(Simulink仿真实现)
556 4
|
Windows
windows查看端口占用情况
windows查看端口占用情况
1021 9
|
Linux 数据库
Linux内核中的锁机制:保障并发操作的数据一致性####
【10月更文挑战第29天】 在多线程编程中,确保数据一致性和防止竞争条件是至关重要的。本文将深入探讨Linux操作系统中实现的几种关键锁机制,包括自旋锁、互斥锁和读写锁等。通过分析这些锁的设计原理和使用场景,帮助读者理解如何在实际应用中选择合适的锁机制以优化系统性能和稳定性。 ####
430 6
|
机器学习/深度学习 人工智能 算法
算法金 | 一文彻底理解机器学习 ROC-AUC 指标
```markdown # ROC曲线与AUC详解:评估分类模型利器 本文深入浅出解释ROC曲线和AUC,通过实例和代码帮助理解其在模型评估中的重要性,旨在提升对分类模型性能的理解和应用。 ```
2786 13
算法金 | 一文彻底理解机器学习 ROC-AUC 指标
|
开发工具 Android开发
技术经验分享:Android编译命令m、mm、mmm区别及工程搭建示例
技术经验分享:Android编译命令m、mm、mmm区别及工程搭建示例
1893 0
|
移动开发 数据安全/隐私保护
HC05蓝牙模块与手机APP连接
HC05蓝牙模块与手机APP连接
1177 1