python实现基本的矩阵运算

首先声明矩阵的构建运算均在numpy模块中由相应的函数，而本文的目的主要是因为闲的无聊

矩阵及其运算

什么是矩阵？

• 由$m\times n$个  $a_{ij}$(i=1,2,$\cdots$,m;j=1,2,$\cdots$,n) 数排列成的m行n列的数表

$$A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mn}\end{array}\right]记作A_{m\ast n}$$

这m×n个数称为矩阵A的 元素（元）

矩阵基本运算

加法

• 两个$m\times n$的矩阵相加，即对应元素相加

$$\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mn}\end{array}\right]+\left[\begin{array}{cccc}{b}_{11}& b_{12}& \cdots & b_{1n}\\ b_{21}& b_{22}& \cdots & b_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ b_{m1}& b_{m2}& \cdots & b_{mn}\end{array}\right]=\left[\begin{array}{cccc}{a}_{11}+b_{11}& a_{12}+b_{12}& \cdots & a_{1n}+b_{1n}\\ a_{21}+b_{21}& a_{22}+b_{22}& \cdots & a_{2n}+b_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}+b_{m1}& a_{m2}+b_{m2}& \cdots & a_{mn}+b_{mn}\end{array}\right]$$

加法满足：

1. $A+B=B+A$ (交换律)
2. $(A+B)+C=A+(B+C)$ （结合律）

数乘

• 数$\lambda$与矩阵$A$的乘积记作$\lambda A$或$A\lambda$

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

数乘满足：

1. $(\lambda \mu )A=\lambda (\mu A)$ $\lambda \mu$为常数
2. $(\lambda \mu )A=\lambda A+\mu A$
3. $\lambda (A+B)=\lambda A+\lambda B$

乘法

Hadamard乘积

• 两个同型矩阵中对应元素乘积，记作$A⨀B$

$$\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mn}\end{array}\right]+\left[\begin{array}{cccc}{b}_{11}& b_{12}& \cdots & b_{1n}\\ b_{21}& b_{22}& \cdots & b_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ b_{m1}& b_{m2}& \cdots & b_{mn}\end{array}\right]=\left[\begin{array}{cccc}{a}_{11}\times b_{11}& a_{12}\times b_{12}& \cdots & a_{1n}\times b_{1n}\\ a_{21}\times b_{21}& a_{22}\times b_{22}& \cdots & a_{2n}\times b_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}\times b_{m1}& a_{m2}\times b_{m2}& \cdots & a_{mn}\times b_{mn}\end{array}\right]$$

点积

• $A=(a_{ij})$是$m\times s$矩阵，$B=(b_{ij})$是$s\times n$矩阵
  规定矩阵$A$与矩阵$B$的乘积$m\times n$矩阵$C=(c_{ij})$,其中:
  

$$\begin{gathered} \boxed{c_{ij}=a_{i1}{b}_{1j}+a_{i2}{b}_{2j}+\cdots +a_{is}{b}_{sj} \\ =\sum _{k=1}^s{a}_{ik}{b}_{kj}(i=1,2,\cdots ,m;j=1,2,\cdots ,n)} \end{gathered}$$

矩阵点积满足：

1. $(AB)C=A(BC)$
2. $\lambda (AB)=(\lambda A)B=A(\lambda B)$
3. $A(B+C)=AB+AC(B+C)A=BA+CA$
4. $AB\ne BA$

矩阵相乘不满足交换律

python实现矩阵基本运算思路及代码

环境

Anaconda 3 + Python 3.6.5 + Jupyter

模块导入

import numpy as np

加法

思路

• 参考矩阵加法公式

1. 先判断两矩阵能否相加
2. 遍历两个矩阵
3. 各相同位置元素相加

实现

def add(a, b):
    if(a.shape != b.shape):
        print('两矩阵不为同型矩阵！')
        return
    c = np.zeros(a.shape)
    for i in range(a.shape[0]):
        for j in range(a.shape[1]):
            c[i][j] = a[i][j] + b[i][j]
    return c

数乘

思路

• 参考矩阵数乘公式

1. 遍历矩阵
2. 相乘

实现

def numSub(a, b):
    c = np.zeros(a.shape)
    for i in range(a.shape[0]):
        for j in range(a.shape[1]):
            c[i][j] = a[i][j] * b
    return c

Hadamard乘积

思路

• 参考Hadamard乘积公式

与矩阵加法思路一致

实现

# 矩阵对应元素相乘 Hadamard乘积
def had(a,b):
    if(a.shape != b.shape):
        print('两矩阵不为同型矩阵！')
        return
    c = np.zeros(a.shape)
    for i in range(c.shape[0]):
        for j in range(c.shape[1]):
            c[i][j] = a[i][j] * b[i][j]

点积

思路

• 参考矩阵点积公式

理解公式：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。

1. 判断两矩阵是否为同型矩阵
2. 构建m行n列的结果矩阵
3. 向结果矩阵中赋值:
   (1). 遍历结果矩阵
   (2). 求出矩阵A对应行与矩阵B对应列的元素乘积之和:
            根据公式，A矩阵的行与B矩阵的列均确定，因此根据累加条件遍历两个矩阵来确定另一个索引位置，并累加求和

实现

# 矩阵相乘
def mul(a,b):
    if(a.shape[1] != b.shape[0]):
        print('两矩阵不能相乘')
        return
    m = a.shape[0]
    n = b.shape[1]
    s = a.shape[1]
    c = np.zeros((m,n))
    for i in range(m):
        for j in range(n):
            for k in range(s):
                c[i][j] += a[i][k]*b[k][j]
            pass
        pass
    return c