矩阵和向量相乘

1.常见运算

　　转置（transpose）

　　　　是矩阵的重要操作之一。矩阵的转置是以对角线为轴的镜像，这条从左上角到右下角的对角线被称为主对角线（main diagonal）。

　　　　我们将矩阵 A 的转置表示为 A ⊤ ，定义如下

　　　　　　　　

　　　　向量可以看作是只有一列的矩阵。对应地，向量的转置可以看作是只有一行的矩阵。

　　　　标量可以看作是只有一个元素的矩阵。因此，标量的转置等于它本身，a = a ⊤ 。

　　矩阵相加

　　　　矩阵的形状一样。

　　　　两个矩阵相加是指对应位置的元素相加，比如 C = A + B，其中 C i,j = A i,j + B i,j 。

　　标量和矩阵相乘

　　　　需将其与矩阵的每个元素相乘

　　　　比如 D = a · B + c，其中 D i,j = a · B i,j + c

　　矩阵和向量相加

　　　　向量 b 和矩阵A 的每一行相加

　　　　C = A + b，其中 C i,j = A i,j + b j

　　　　这种隐式地复制向量 b 到很多位置的方式，被称为广播（broadcasting）

　　矩阵乘法

　　　　两个矩阵 A 和 B 的矩阵乘积（matrix product）是第三个矩阵 C。为了使乘法定义良好，矩阵 A 的列数必须和矩阵 B 的行数相等。

　　　　如果矩阵 A 的形状是 m×n，矩阵 B 的形状是 n×p，那么矩阵C 的形状是 m×p。

　　　　我们可以通过将两个或多个矩阵并列放置以书写矩阵乘法，例如

　　　　　　　　　　C = AB

　　　　具体地，该乘法操作定义为

　　　　　　　　

　　元素对应乘积（element-wise product）或者Hadamard 乘积（Hadamard product）

　　　　两个矩阵中对应元素的乘积

　　　　记为 A ⊙ B

　　　　 矩阵 与  矩阵 的Hadamard积记为 。其元素定义为两个矩阵对应元素的乘积 的m×n矩阵 。

　　两个相同维数的向量 x 和 y 的点积（dot product）可看作是矩阵乘积 x ⊤ y

2.基本性质

　　分配律

　　　　A(B + C) = AB + AC

　　结合律

　　　　A(BC) = (AB)C

　　矩阵乘积并不满足交换律（AB = BA 的情况并非总是满足）

　　两个向量的点积（dot product）满足交换律

　　　　x ⊤ y = y ⊤ x

　　矩阵乘积的转置

　　　　(AB) ⊤ = B ⊤ A ⊤ 

　　线性方程组

　　　　Ax = b

　　　　其中 A ∈ R m×n 是一个已知矩阵，b ∈ R m 是一个已知向量，x ∈ R n 是一个我们要求解的未知向量。

　　　　向量 x 的每一个元素 x i 都是未知的。矩阵 A 的每一行和 b 中对应的元素构成一个约束。

　　　　　　A 1,: x = b 1 

　　　　　　A 2,: x = b 2

　　　　　　　　···

　　　　　　A m,: x = b m

　　　　也可以写成

　　　　　　　　

 

转载于:https://www.cnblogs.com/bigcome/p/9989232.html