3.1 矩阵和向量

矩阵:
3 线性代数回顾(Linear Algebra Review) - 图1
其中:蓝色框中表示所有4x2矩阵的集合。

向量:
image.png
向量是一种特殊的矩阵:nx1的矩阵。 讲义中的向量一般都是列向量 ,例如当n=4,是四维列向量。蓝色框中表示所有四维向量的集合。

3.2 加法和标量乘法

加法:
3 线性代数回顾(Linear Algebra Review) - 图3
标量乘法:

3 线性代数回顾(Linear Algebra Review) - 图4

3.3 矩阵的向量乘法

向量乘法得到向量
3 线性代数回顾(Linear Algebra Review) - 图5
image.png
如上图所示,在编程中,左侧写法不仅比右侧更简洁,而且运算效率更高。

3.4 矩阵乘法

3 线性代数回顾(Linear Algebra Review) - 图73 线性代数回顾(Linear Algebra Review) - 图8

3.5 矩阵乘法的性质

矩阵乘法的性质:

  1. 矩阵的乘法不满足交换律:3 线性代数回顾(Linear Algebra Review) - 图9
  2. 矩阵的乘法满足结合律。即:3 线性代数回顾(Linear Algebra Review) - 图10
  3. 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3 线性代数回顾(Linear Algebra Review) - 图11或者3 线性代数回顾(Linear Algebra Review) - 图12表示,本讲义都用3 线性代数回顾(Linear Algebra Review) - 图13代表单位矩阵,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以外全都为0。如:3 线性代数回顾(Linear Algebra Review) - 图14
  4. 对于单位矩阵,有3 线性代数回顾(Linear Algebra Review) - 图15

3.6 逆和转置

  • 矩阵的逆:如矩阵3 线性代数回顾(Linear Algebra Review) - 图16是一个3 线性代数回顾(Linear Algebra Review) - 图17矩阵(方阵),如果有逆矩阵,则:3 线性代数回顾(Linear Algebra Review) - 图18,我们一般在OCTAVE或者MATLAB中进行计算矩阵的逆矩阵。
  • 矩阵的转置:设3 线性代数回顾(Linear Algebra Review) - 图193 线性代数回顾(Linear Algebra Review) - 图20阶矩阵(即3 线性代数回顾(Linear Algebra Review) - 图213 线性代数回顾(Linear Algebra Review) - 图22列),第3 线性代数回顾(Linear Algebra Review) - 图233 线性代数回顾(Linear Algebra Review) - 图24列的元素是3 线性代数回顾(Linear Algebra Review) - 图25,定义3 线性代数回顾(Linear Algebra Review) - 图26的转置为这样一个3 线性代数回顾(Linear Algebra Review) - 图27阶矩阵3 线性代数回顾(Linear Algebra Review) - 图28,满足3 线性代数回顾(Linear Algebra Review) - 图29,即 3 线性代数回顾(Linear Algebra Review) - 图30,记3 线性代数回顾(Linear Algebra Review) - 图31(有些书记为3 线性代数回顾(Linear Algebra Review) - 图32)。
  • 直观来看,将3 线性代数回顾(Linear Algebra Review) - 图33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3 线性代数回顾(Linear Algebra Review) - 图34的转置。
  • 矩阵的转置基本性质:
    1. 3 线性代数回顾(Linear Algebra Review) - 图35
    2. 3 线性代数回顾(Linear Algebra Review) - 图36
    3. 3 线性代数回顾(Linear Algebra Review) - 图37
    4. 3 线性代数回顾(Linear Algebra Review) - 图38
  • matlab中矩阵转置:直接打一撇,x=y’。