数学基础（一）之矩阵的基本概念

1. 矩阵和向量

1.1 矩阵

$$\begin{bmatrix} 1402 & 191 \\ 1371 & 821 \\ 949 & 1437 \\ 147 &1448 \end{bmatrix}$$

这个是4x2的矩阵，即4行2列。矩阵的维度即行数乘以列数。

矩阵的元素（矩阵项）：

$$A=\begin{bmatrix} 1402 & 191 \\ 1371 & 821 \\ 949 & 1437 \\ 147 &1448 \end{bmatrix}$$
$A_{i,j}$指第i行，第j列的元素。

1.2 向量

向量是一种特殊的矩阵，此处我们一般指列向量，以下是四维的列向量。

$$\begin{bmatrix} 1402 \\ 1371 \\ 949 \\ 147 \end{bmatrix}$$

1索引向量：

$$y=\begin{bmatrix} y_1 \\ y_2 \\ y_3 \\ y_4 \end{bmatrix}$$
0索引向量：
$$y=\begin{bmatrix} y_0 \\ y_1 \\ y_2 \\ y_3 \end{bmatrix}$$

2. 加法和标量乘法

2.1 加法

对应行列数相等的元素相加。例如

$$\begin{bmatrix} 1 & 0 \\ 2 & 5 \\ 3 & 1 \end{bmatrix}+\begin{bmatrix} 4 & 0.5 \\ 2 & 5 \\ 0 & 1 \end{bmatrix}=\begin{bmatrix} 5 & 0.5 \\ 4 & 10 \\ 3 & 2 \end{bmatrix}$$

2.2 标量乘法

每个元素乘以标量得到对应元素。例如

$$3\times\begin{bmatrix} 1 & 0 \\ 2 & 5 \\ 3 & 1 \end{bmatrix}=\begin{bmatrix} 3 & 0 \\ 6 & 15 \\ 9 & 3 \end{bmatrix}$$

3. 矩阵向量乘法

m$\times$n的矩阵乘以n$\times$1的向量，得到m$\times$1的向量，例如：

$$\begin{bmatrix} 1 & 3 \\ 4 & 0 \\ 2 & 1 \end{bmatrix} \times \begin{bmatrix} 1 \\ 5 \end{bmatrix} = \begin{bmatrix} 1 \times 1 + 3 \times 5 \\ 4 \times 1 + 0 \times 5 \\ 2 \times 1 + 1 \times 5 \end{bmatrix} = \begin{bmatrix} 16 \\ 4 \\ 7 \end{bmatrix}$$
该乘法规则即将m $\times$n的每行 行向量与n $\times$1的 列向量对应 元素相乘的和，作为结果向量m $\times$1的对应元素。

4. 矩阵乘法

m$\times$n矩阵乘以n$\times$o矩阵变成m$\times$o矩阵。

$$\begin{bmatrix} a_0 & a_1 \\ a_2 & a_3 \end{bmatrix} \times \begin{bmatrix} b_0 & b_1 \\ b_2 & b_3 \end{bmatrix} = \begin{bmatrix} a_0 \times b_0 + a_1 \times b_2 & a_0 \times b_1 + a_1 \times b_3 \\ a_2 \times b_0 + a_3 \times b_2 & a_2 \times b_1 + a_3 \times b_3 \\ \end{bmatrix} = \begin{bmatrix} c_0 & c_1 \\ c_2 & c_3 \end{bmatrix}$$

即：

$$c_0 = a_0 \times b_0 + a_1 \times b_2 \\ c_1 = a_0 \times b_1 + a_1 \times b_3 \\ c_2 = a_2 \times b_0 + a_3 \times b_2 \\ c_3 = a_2 \times b_1 + a_3 \times b_3$$

该乘法规则即将m$\times$n的每行行向量与n$\times$o的列向量对应元素相乘的和，作为结果向量m$\times$o的对应元素。

矩阵乘以向量n$\times$1可以理解为向量是o=1的特殊的矩阵。

5. 矩阵乘法的性质

矩阵乘法满足结合律：A$\times$(B$\times$C)=(A$\times$B)$\times$C

矩阵乘法不满足交换律：A$\times$B≠B$\times$A

单位矩阵

矩阵中的单位矩阵就像整数1，矩阵乘以单位矩阵等于矩阵本身。单位矩阵即矩阵斜对角元素都为1，其他元素为0，单位矩阵行数等于列数，是个方阵，一般用I或E表示。例如：

$$\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$$
对于单位矩阵，A $\times$I=I $\times$A=A

6. 逆矩阵和转置矩阵

逆矩阵

矩阵的逆：如A是一个m$\times$m的矩阵（方阵），如果有逆矩阵，则：

AA$^{-1}$=A$^{-1}$A=I

转置矩阵

设A是一个m$\times$n阶的矩阵，第i行j列的元素是a(i,j)，即A=a(i,j)。则A的转置矩阵为n$\times$m阶的矩阵B，满足B=a(j,i)，即b(i,j)=a(i,j)，B的第i行第j列的元素是A的第j行第i列的元素，记A$^T$=B(或A$^{'}$=B)。

可以理解为转置矩阵即将原矩阵按斜对角线镜面翻转。例如：

$$\begin{bmatrix} a & b \\ c & d \\ e & f \end{bmatrix} ^{T} = \begin{bmatrix} a & c & e \\ b & d & f \\ \end{bmatrix}$$
矩阵转置的基本性质

(A±B)$^{T}$=A$^{T}$ ± B$^T$

(A$\times$B)$^T$=B$^T\times$A$^T$

(A$^T$)$^T$=A

(KA)$^T$=KA$^T$