矩阵乘法和相似矩阵

矩阵乘法:

Ax 中 A可以做特征值分解,特征向量是该矩阵运动中运动的方向,特征值是运动的速度大小。矩阵乘法就是把后者投影到特征向量构成的基空间中,并进行拉伸,之后再还原到原坐标系中。

矩阵乘法也可以理解为:

将一个向量映射到新的基构成的空间中,并进行线性变换,再还原到原坐标系中。

 

相似矩阵:

在不同基中执行相同线性变换的矩阵

迹:

方阵对角线之和。特征值之和。

相似矩阵的迹是相同的,因为相似矩阵代表的是在不同的基下相同的线性变换

 

行列式:

表示的是矩阵对被运算的矩阵的面积的改变作用。因此也可以这么理解矩阵乘法:矩阵构成的几何体先被旋转,然后几何体根据行列式大小体量进行变化。

感谢马同学,五体投地感谢

 

 

 

 

 

张量乘法和矩阵乘法在某些方面是相似的,但也有一些关键的区别。首先,张量乘法和矩阵乘法都是将张量和矩阵相乘的操作。然而,在执行乘法运算时,它们的结果不同。 在矩阵乘法中,我们使用标准的矩阵乘法规则,即将矩阵的行与另一个矩阵的列进行对应相乘,并将结果相加。这种乘法规则只适用于二维矩阵。例如,对于一个2x2的矩阵A和一个2x1的矩阵B,矩阵乘法的结果将是一个2x1的矩阵C。 与此不同,张量乘法是一种更通用的乘法形式,可以适用于任意维度的张量。在张量乘法中,我们将张量的元素与另一个张量的元素进行逐个相乘,并将结果相加。这种乘法规则可以用于处理高维数据。例如,对于一个2x2的矩阵A和一个2x1x3的张量B,张量乘法的结果将是一个2x1x3的张量。 此外,不同的模式(mode)可以导致张量乘法的结果不同。在张量乘法中,我们可以根据不同的维度对张量进行矩阵化,然后进行乘法运算。这种方式可以在处理多维数据时提供更大的灵活性。然而,需要注意的是,不同的模式会导致不同的乘法结果。 综上所述,张量乘法和矩阵乘法在使用的乘法规则、适用范围和结果方面存在一些区别。张量乘法是一种更通用的乘法形式,适用于任意维度的张量,而矩阵乘法仅适用于二维矩阵。此外,不同的模式也会导致张量乘法的结果不同。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值