4 Numpy------矩阵(矩阵和向量、加法和标量乘法、矩阵向量乘法、矩阵乘法、矩阵乘法的性质、逆、转置、矩阵运算)

4.6数学:矩阵

学习目标.

• 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3x2矩阵,即3行2列,如m为行,n为列,那么mxn即3x2矩阵的维数即行数x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(3x1)

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: mxn的矩阵乘以nx1的向量,得到的是mx1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：A×B≠B×A
矩阵的乘法满足结合律。即：A×（B×C）=（A×B）×C
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1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–个mxm矩阵（方阵），如果有逆矩阵，则：
A A^(-1) = A^(-1) A=I
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nxm阶矩阵B，满足B=aj，i），即b（i，）=aj.i）（B的第i行第j列元素是A的第j行第i列元素），记A^(T)=B。
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],
[92.61])
>>> 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。

8 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.
  点个赞吧！！！你的鼓励是对我码字的认可😀😀😀
  👇👇👇