线性代数：理解矩阵的基本操作：加法、减法和乘法

五只鸭子

已于 2024-02-25 11:05:55 修改

阅读量1.8k

点赞数 17

分类专栏： AI 大数据文章标签：线性代数矩阵

于 2024-02-24 21:18:47 首次发布

本文链接：https://blog.csdn.net/tuposky/article/details/136275219

版权

大数据同时被 2 个专栏收录

14 篇文章 4 订阅

订阅专栏

5 篇文章 0 订阅

订阅专栏

矩阵是线性代数中的一种基本结构，广泛应用于数学、物理、计算机科学等领域。在本文中，我们将深入探讨矩阵的加法、减法和乘法操作，通过图文和Python代码来一起逐步理解这些基本操作。

1. 矩阵的加法和减法

给定两个相同维度的矩阵A和B，它们的加减法非常简单，为矩阵A和B对应位置的元素相加或相减即可，表示为：

$(A+B)_{ij} = A_{ij} + B _{ij}\newline \newline \newline (A-B)_{ij} = A_{ij} - B _{ij}$

例如给定两个矩阵A、B

$A=\begin{bmatrix} 1&2 \\ 3&4 \end{bmatrix} \newline \newline \newline B=\begin{bmatrix} 6&7 \\ 5&8 \end{bmatrix}$

他们的加法和减法分别为

$A+B=\begin{bmatrix} 1&2 \\ 3&4 \end{bmatrix} + \begin{bmatrix} 6&7 \\ 5&8 \end{bmatrix} = \begin{bmatrix} 7&9 \\ 8&12 \end{bmatrix} \newline \newline \newline A-B=\begin{bmatrix} 1&2 \\ 3&4 \end{bmatrix} - \begin{bmatrix} 6&7 \\ 5&8 \end{bmatrix} = \begin{bmatrix} -5&-5 \\ -2&-4 \end{bmatrix}$

2. 矩阵的乘法

2.1 乘法的定义

矩阵乘法具有以下性质：

结合律：(AB)C=A(BC)
分配律：A(B+C) = AB+AC
交换律：一般情况下不满足，AB ≠ BA

理解这些性质对于正确应用矩阵乘法至关重要。

2.2 矩阵与数字的乘法

矩阵与数字的乘法也和加减法类似，将数字乘以每个元素即可

$2 * \begin{bmatrix} 1&2 \\ 3&4 \end{bmatrix} = \begin{bmatrix} 2&4 \\ 6&8 \end{bmatrix}$

2.3 矩阵之间的乘法

两个矩阵相乘的时候则不一样，给定两个矩阵A和B，它们的乘法（AB）定义如下：

$(AB)_{ij}= {\textstyle \sum_{k=1}^{n}} A_{ik} \cdot B_{kj}$

其中Aik表示矩阵A中第i行k列的元素，Bkj 表示矩阵B中第k行j列的元素。

以上面定义的AB两个矩阵为例，具体计算方式如下

$AB=\begin{bmatrix} 1*6+2*5 & 1*7+2*8\\ 3*6+4*5 & 3*7 +4*8 \end{bmatrix} =\begin{bmatrix} 16 & 23\\ 38 & 53 \end{bmatrix}$

在python中用dot函数计算

import numpy as np

# 矩阵乘法
result = np.dot(A, B)

2.4 矩阵的其他乘积

除了常规的乘法外，矩阵的乘法还有两个特殊的乘积形式：Hadamard product & Kronecker Product，这两个特殊乘积用不同的符号表示，来区分常规乘积

2.4.1 哈达玛积（Hadamard product）

哈达玛积是一种逐元素相乘的运算，即对应位置上的元素相乘。它的运算方式非常简单，与矩阵的加减法计算方式类似。

给定两个相同维度的矩阵A和B，它们的哈达玛积（A ⊙ B）定义如下：

$(A\odot B)_{ij} =A _{ij} \cdot B_{ij}$

$A\odot B = \begin{bmatrix} 1*6 & 2*7\\ 3*5& 4*8 \end{bmatrix} =\begin{bmatrix} 6 & 14\\ 15& 32 \end{bmatrix}$

在python中用multiply函数计算

# 哈达玛积
hadamard_product = np.multiply(A, B)

2.4.1 克罗内克积（Kronecker Product）

克罗内克积是一种更为复杂的矩阵乘法形式，它将一个矩阵的每个元素与另一个矩阵的所有元素相乘。给定两个矩阵A和B，它们的克罗内克积（A ⊗ B）定义如下：

$(A\otimes B)_{ij,kl}=A_{ij}\cdot B_{kl}$

$A\otimes B = \begin{bmatrix} 1*B&2*B\\ 3*B& 4*B \end{bmatrix} =\begin{bmatrix} 6 & 7& 12& 14\\ 5 & 8& 10& 16\\ 18 & 21& 24& 28\\ 15 & 24& 20& 32\ \end{bmatrix}$

在python中用kron函数计算

# 克罗内克积
kronecker_product = np.kron(A, B)

最后附上完整的Python程序

import numpy as np

if __name__ == '__main__':
    # 定义矩阵A和B
    A = np.array([[1, 2], [3, 4]])
    B = np.array([[6, 7], [5, 8]])

    # 矩阵乘法
    result = np.dot(A, B)

    # 哈达玛积
    hadamard_product = np.multiply(A, B)

    # 克罗内克积
    kronecker_product = np.kron(A, B)

    # 打印结果
    print("矩阵乘法：\n", result)
    print("哈达玛积：\n", hadamard_product)
    print("克罗内克积：\n", kronecker_product)