矩阵的基础知识

矩阵乘法的基本性质

乘法结合律： (AB)C=A(BC)．
乘法左分配律：(A+B)C=AC+BC
乘法右分配律：C(A+B)=CA+CB
对数乘的结合性k(AB）=(kA)B=A(kB）．
转置 (AB)T=BTAT．

矩阵乘法一般不满足交换律(除了有些特殊的方阵之间的乘法）。

满足乘法交换律的方阵称为可交换矩阵，即矩阵A，B满足：A·B=B·A。有以下几种情况：

(1) 设A , B 至少有一个为零矩阵,则A , B 可交换;

(2) 设A , B 至少有一个为单位矩阵, 则A , B可交换;

(3) 设A , B 至少有一个为数量矩阵, 则A , B可交换;

(4) 设A , B 均为对角矩阵,则A , B 可交换;

(5) 设A , B 均为准对角矩阵（准对角矩阵是分块矩阵概念下的一种矩阵。即除去主对角线上分块矩阵不为零矩阵外，其余分块矩阵均为零矩阵）,且对角线上的子块均可交换，则A , B 可交换;

拓展资料：

矩阵相乘最重要的方法是一般矩阵乘积。它只有在第一个矩阵的列数（column）和第二个矩阵的行数（row）相同时才有意义。一般单指矩阵乘积时，指的便是一般矩阵乘积。一个m×n的矩阵就是m×n个数排成m行n列的一个数阵。由于它把许多数据紧凑的集中到了一起，所以有时候可以简便地表示一些复杂的模型。

注意事项

当矩阵A的列数等于矩阵B的行数时，A与B可以相乘。

矩阵C的行数等于矩阵A的行数，C的列数等于B的列数。

乘积C的第m行第n列的元素等于矩阵A的第m行的元素与矩阵B的第n列对应元素乘积之和。

https://blog.csdn.net/deniece1/article/details/101982637

矩阵的秩和迹

矩阵的迹
数学定义：n×n矩阵A的对角线元素之和称为A的迹（trace），记作tr(A)，即有：

tr(A)=a11+…+ann=∑ni=1aiitr(A)=a11+…+ann=∑i=1naii
矩阵的迹有如下重要性质：

tr(UV)=tr(VU)tr(UV)=tr(VU)
根据以上性质，若分别令U=A，V=BC和U=AB，V=C，则有：

tr(ABC)=tr(BCA)=tr(CAB)tr(ABC)=tr(BCA)=tr(CAB)
请思考： tr(ABC)=tr(CBA)tr(ABC)=tr(CBA) ?

类似地，若分别令U=A，V=BCD，U=AB，V=CD，及U=ABC，V=D，则有：

tr(ABCD)=tr(BCDA)=tr(CDBA)=tr(DABC)tr(ABCD)=tr(BCDA)=tr(CDBA)=tr(DABC)
请思考： tr(ABCD)=tr(DCBA)tr(ABCD)=tr(DCBA) ?

这些性质在机器学习的算法中会用到。

矩阵的秩
矩阵Am×nAm×n的秩定义为该矩阵中线性无关的行数和列数。

秩的性质：

秩是一个正整数。
秩等于或小于矩阵的行数和列数。
当n×n矩阵A的秩等于n时，则称A是非奇异矩阵，或称A满秩。
若rank(Am×n)<min{m,n}rank(Am×n)<min{m,n}，则称A是秩亏缺的。
若rank(Am×n)=m（<n）rank(Am×n)=m（<n）,则称矩阵A具有满行秩。
若rank(Am×n)=n（<m）rank(Am×n)=n（<m）,则称矩阵A具有满列秩。
任何矩阵A左乘满列秩矩阵或者右乘满行秩矩阵后，矩阵A的秩保持不变。
————————————————
版权声明：本文为CSDN博主「桂小林」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/quintind/article/details/78452471