4.6 数学：矩阵

学习目标

• 目标
  • 知道什么是矩阵和向量
  • 知道矩阵的加法,乘法
  • 知道矩阵的逆和转置
  • 应用np.matmul、np.dot实现矩阵运算

1 矩阵和向量

1.1 矩阵

矩阵，英文matrix，和array的区别矩阵必须是2维的，但是array可以是多维的。
如图:这个是 3×2 矩阵，即 3 行 2 列，如 m 为行，n 为列，那么 m×n 即 3×2

矩阵的维数即行数×列数
矩阵元素(矩阵项):

Aij 指第 i 行，第 j 列的元素。

1.2 向量

向量是一种特殊的矩阵，讲义中的向量一般都是列向量，下面展示的就是三维列 向量(3×1)。

2 加法和标量乘法

矩阵的加法:行列数相等的可以加。
例:

矩阵的乘法:每个元素都要乘。
例:

组合算法也类似。

3 矩阵向量乘法

矩阵和向量的乘法如图：m×n 的矩阵乘以 n×1 的向量，得到的是 m×1 的向量
例:

1*1+3*5 = 16
4*1+0*5 = 4
2*1+1*5 = 7

矩阵乘法遵循准则：
(M行, N列)*(N行, L列) = (M行, L列)

4 矩阵乘法

矩阵乘法：
m×n 矩阵乘以 n×o 矩阵，变成 m×o 矩阵。
举例：比如说现在有两个矩阵 A 和 B，那 么它们的乘积就可以表示为图中所示的形式。

练一练

求矩阵AB的结果
答案：

5 矩阵乘法的性质

矩阵的乘法不满足交换律：
矩阵的乘法满足结合律。即：
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,我们称 这种矩阵为单位矩阵．它是个方阵，一般用 I 或者 E 表示，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 以外全都为 0。如：

6 逆、转置

矩阵的逆：如矩阵 A 是一个 m×m 矩阵（方阵），如果有逆矩阵，则：

低阶矩阵求逆的方法:
1.待定系数法
2.初等变换
矩阵的转置：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：
A=a(i,j)
定义 A 的转置为这样一个 n×m 阶矩阵 B，满足 B=a(j,i)，即 b (i,j)=a (j,i)（B 的第 i 行第 j 列元素是 A 的第 j 行第 i 列元素），记 。
直观来看，将 A 的所有元素绕着一条从第 1 行第 1 列元素出发的右下方 45 度的射线作 镜面反转，即得到 A 的转置。
例：

7 矩阵运算

7.1 矩阵乘法api：

• np.matmul
• np.dot ```python

  a = np.array([[80, 86], [82, 80], [85, 78], [90, 90], [86, 82], [82, 90], [78, 80], [92, 94]]) b = np.array([[0.7], [0.3]])

np.matmul(a, b) array([[81.8], [81.4], [82.9], [90. ], [84.8], [84.4], [78.6], [92.6]])

np.dot(a,b) array([[81.8], [81.4], [82.9], [90. ], [84.8], [84.4], [78.6], [92.6]]) ``` np.matmul和np.dot的区别:
二者都是矩阵乘法。 np.matmul中禁止矩阵与标量的乘法。 在矢量乘矢量的內积运算中，np.matmul与np.dot没有区别。

7 小结

• 1.矩阵和向量【知道】
  • 矩阵就是特殊的二维数组
  • 向量就是一行或者一列的数据
• 2.矩阵加法和标量乘法【知道】
  • 矩阵的加法:行列数相等的可以加。
  • 矩阵的乘法:每个元素都要乘。
• 3.矩阵和矩阵(向量)相乘 【知道】
  • (M行, N列)*(N行, L列) = (M行, L列)
• 4.矩阵性质【知道】
  • 矩阵不满足交换率,满足结合律
• 5.单位矩阵【知道】
  • 对角线都是1的矩阵,其他位置都为0
• 6.矩阵运算【掌握】
  • np.matmul
  • np.dot
  • 注意：二者都是矩阵乘法。 np.matmul中禁止矩阵与标量的乘法。 在矢量乘矢量的內积运算中，np.matmul与np.dot没有区别。