矩阵的概念
把由 m × n m\times n m×n个数 a i ( i = 1 , 2 , … , m ; j = 1 , 2 , … , n ) a_i(i=1,2,\dots,m;j=1,2,\dots,n) ai(i=1,2,…,m;j=1,2,…,n)排列成 m m m行 n n n列的数表,称为 m m m行 n n n列的矩阵。
特别的,如果 m = n m=n m=n,则称为方阵;如果只有一列矩阵则称为列矩阵或者列向量;同样的只有一行,则称为行矩阵或者行向量。
如果元素都为0,则称为零矩阵,记作 O O O。
如果所有元素对应相等,则称两矩阵相等。
矩阵的数学意义其实就是映射。
矩阵的加法
只有行数和列数对应相同的两个矩阵才能相加,对应元素相加。
矩阵加法的运算规律:
- 交 换 律 : A + B = B + A 交换律:A+B=B+A 交换律:A+B=B+A
- 结 合 律 : ( A + B ) + C = A + ( B + C ) 结合律:(A+B)+C=A+(B+C) 结合律:(A+B)+C=A+(B+C)
- 负 矩 阵 : A + ( − A ) = O 负矩阵:A+(-A)=O 负矩阵:A+(−A)=O
- 减 法 : A − B = A + ( − B ) 减法:A-B=A+(-B) 减法:A−B=A+(−B)
矩阵的乘法
- 数乘:
λ A = A λ , λ 和 矩 阵 每 个 元 素 相 乘 ; \lambda A=A\lambda,\lambda和矩阵每个元素相乘; λA=Aλ,λ和矩阵每个元素相乘;
运算规律:- ( λ μ ) A = λ ( μ A ) ; (\lambda\mu)A=\lambda(\mu A); (λμ)A=λ(μA);
- ( λ + μ ) A = λ A + μ A ; (\lambda+\mu)A=\lambda A+\mu A; (λ+μ)A=λA+μA;
- λ ( A + B ) = λ A + λ B ; \lambda(A+B)=\lambda A+\lambda B; λ(A+B)=λA+λB;
- 矩阵乘法
- 结 合 律 : ( A B ) C = A ( B C ) 结合律: (AB)C = A(BC) 结合律:(AB)C=A(BC)
- λ ( A B ) = ( λ A ) B = A ( λ B ) \lambda(AB)=(\lambda A)B=A(\lambda B) λ(AB)=(λA)B=A(λB)
- A ( B + C ) = A B + A C A(B+C)=AB+AC A(B+C)=AB+AC
- ( B + C ) A = B A + C A (B+C)A = BA+CA (B+C)A=BA+CA
- E A = A E = A , 其 中 E 为 单 位 矩 阵 EA=AE=A,其中E为单位矩阵 EA=AE=A,其中E为单位矩阵
矩阵的转置
- ( A T ) T = A (A^T)^T=A (AT)T=A
- ( A + B ) T = A T + B T (A+B)^T=A^T+B^T (A+B)T=AT+BT
- ( λ A ) T = λ A T (\lambda A)^T=\lambda A^T (λA)T=λAT
- ( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT
特别的,满足 A T = A A^T=A AT=A的矩阵,称为对称矩阵。
矩阵的逆
对于方阵
A
,
B
A,B
A,B,满足:
A
B
=
B
A
=
E
,
其
中
E
为
单
位
矩
阵
,
则
称
A
是
可
逆
的
,
B
为
A
的
逆
矩
阵
,
记
作
A
−
1
AB=BA=E,其中E为单位矩阵,则称A是可逆的,B为A的逆矩阵,记作A^{-1}
AB=BA=E,其中E为单位矩阵,则称A是可逆的,B为A的逆矩阵,记作A−1
若矩阵可逆,则其行列式不为0。反之亦然。
A − 1 = 1 ∣ A ∣ A ∗ , 其 中 A ∗ 为 伴 随 矩 阵 A^{-1}=\frac{1}{|A|}A^*,其中A^*为伴随矩阵 A−1=∣A∣1A∗,其中A∗为伴随矩阵
矩阵的行列式
- ∣ A T ∣ = ∣ A ∣ |A^T|=|A| ∣AT∣=∣A∣
- ∣ λ A ∣ = λ n ∣ A ∣ |\lambda A|=\lambda^n|A| ∣λA∣=λn∣A∣
- ∣ A B ∣ = ∣ A ∣ ∣ B ∣ |AB|=|A||B| ∣AB∣=∣A∣∣B∣
矩阵的导数
几个常用的求导公式:
∂
β
x
∂
x
=
β
\frac{\partial \beta \mathbf{x}}{\partial \mathbf{x}}=\beta
∂x∂βx=β
∂
x
T
x
∂
x
=
2
x
\frac{\partial \mathbf{x^T}\mathbf{x}}{\partial\mathbf x}=2\mathbf x
∂x∂xTx=2x
∂
x
T
A
x
∂
x
=
(
A
+
A
T
)
x
\frac{\partial \mathbf{x^T} A \mathbf{x}}{\partial\mathbf x}=(A+A^T)\mathbf x
∂x∂xTAx=(A+AT)x
具体见参考文献:
CSDN:矩阵求导、几种重要的矩阵及常用的矩阵求导公式
参考资料
[1] 《工程数学线性代数》(同济大学第6版),第2章