Econometric Analysis(Greene) 7th 附录：矩阵代数(Matrix Algebra)1

最新推荐文章于 2025-04-02 07:53:46 发布

孙珩

最新推荐文章于 2025-04-02 07:53:46 发布

阅读量401

点赞数

分类专栏：计量经济学理论文章标签：线性代数

本文链接：https://blog.csdn.net/weixin_41852444/article/details/114661439

版权

计量经济学理论专栏收录该内容

3 篇文章

订阅专栏

本文介绍了矩阵和向量的基本定义及其表示方法，包括矩阵的维度、类型（如对称矩阵、对角矩阵）、以及如何表示矩阵中的元素等内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

术语 Terminology

矩阵是对数字的一个矩形排列，记为：

$\mathbf{A}^{m\times n}=\left[ a_{ij} \right] =\left[ \mathbf{A} \right] _{ij}=\left[ \begin{matrix} a_{11}& a_{12}& \cdots& a_{1n}\\ a_{21}& a_{22}& \cdots& a_{2n}\\ \vdots& \vdots& \ddots& \vdots\\ a_{m1}& a_{m2}& \cdots& a_{mn}\\ \end{matrix} \right]$

这就是矩阵的典型表示方式。矩阵中的带下标的元素通常被读作 $a_{\text{row}, \text{column}}$

表 A.1 中列举了一个例子。在这些数据中，视年份(Year)为行，变量(Consumption, GNP, GNP Deflator, Discount Rate)为列

向量(vector)是被排成一行或者一列的有序数集。由此，行向量(row vector) 也就是一个只有一行的矩阵，而列向量(column vector) 就是一个只有一列的矩阵。因此，在表 A.1 中，1972 年所观测的 5 个变量（包括日期）便构成了一个行向量，而 9 个 Consumption 数值构成的时间序列便是一个列向量。

一个矩阵也可以被视为一组列向量或行向量。矩阵的维数(dimensions) 是它所包含的行数和列数。“ $\mathbf{A}^{m\times n}$ 是一个 $m\times n$ 矩阵（读作 ‘ 乘 ’）” 的说法表明， $\mathbf{A}^{m\times n}$ 有行列。如果 m=n , 则 $\mathbf{A}$ 是一个方阵(square matrix).

我们用 $A\in \mathbb{R}^{m\times n}$ 来代表一个行列的矩阵，矩阵中的元素(entries) 为实数
我们用 $x\in \mathbb{R}^n$ 来代表一个包含个元素的列向量。按照惯例，维向量经常被看作一个 $n\times 1$ ( 行列)的矩阵。我们经常用 $x^{T}$ 表示一个行列的行向量（其中 $x^{T}$ 表示的转置）
用表示向量中的第个元素：

$x=\left[ \begin{array}{c} x_1\\ x_2\\ \vdots\\ x_n\\ \end{array} \right]$

我们用 $a_{ij}$ (或 $A_{ij}, A_{i,j},$ 等) 来表示中第行第列的元素：

$A=\left[ \begin{matrix} a_{11}& a_{12}& \cdots& a_{1n}\\ a_{21}& a_{22}& \cdots& a_{2n}\\ \vdots& \vdots& \ddots& \vdots\\ a_{m1}& a_{m2}& \cdots& a_{mn}\\ \end{matrix} \right]$

我们用或 $A_{:,j}$ 来表示的第列

$A=\left[ \begin{matrix} |& |& \\ a_1& a_2& \cdots\\ |& |& \\ \end{matrix}\begin{array}{c} |\\ a_n\\ |\\ \end{array} \right]$

我们用 $a^{T}_i$ 或 $A_{i,:}$ 来表示的第行

$A=\left[ \begin{array}{c} \begin{matrix} -& a_{1}^{T}& -\\ \end{matrix}\\ \begin{matrix} -& a_{2}^{T}& -\\ \end{matrix}\\ \begin{matrix} & \vdots& \\ \end{matrix}\\ \begin{matrix} -& a_{m}^{T}& -\\ \end{matrix}\\ \end{array} \right]$