计算机视觉CV之数学基本理论篇1：矩阵和线性代数

        线性(linear)指量(变量)与量(变量)之间按比例、成直线关系，在数学上可以理解为一阶导数为常数的函数；而非线性(non-linear)是 指不成比例、没有直线关系，一阶导数不是常数的函数。

线性代数中的基本量指的是向量，基本关系是严格的线性关系；也就是可以简单的将线性代数理解为向量与向量之间的线性关系的映射。

一、向量

向量：是指具有n个互相独立的性质(维度)的对象的表示，向量常使用字母+箭头的形式进行表示，也可以使用几何坐标来表示向量，可以用坐标(i,j,k)表示向量a

向量的模：向量的大小，也就是向量的长度，向量坐标到原点的距 离，常记作|a|

单位向量：长度为一个单位(即模为1)的向量就叫做单位向量。

二、矩阵

1、矩阵：即描述线性代数中线性关系的参数，即矩阵是一个线性变换，可以将一些向量转换为另一些向量。

初等代数中，y=ax表示的是x到y的一种映射关系，其中a是描述这中关系的参数。

线性代数中，Y=AX表示的是向量X和Y的一种映射关系，其中A是描述这种关系的参数。

2、 矩阵的直观表示

数域F中m*n个数排成m行n列，并括以圆括弧(或方括弧)的数表示成为数域F上的矩阵，通常用大写字母记作A或者Am*n ，有时也记作 A=(aij ) m*n (i=1,2…,m;j=1,2,…n)，其中a ij 表示矩阵A的第i行的第j列元素，当F为实数域R时，A叫做实矩阵，当F为复数域C时，A叫做复矩阵。

状态转移模型

考虑某随机过程π，它的状态有n个，使用1~n表示。记在当前时刻t时位于i状态，它在t+1时刻位于j状态的概率为P(i,j)=P(j|i)；即状态转移的概率只依赖上一个状态值。

设将天气状态分为晴、阴、雨三种状态，假定某天的天气状态只和上一天的天气状态有关，状态使用1( 晴 ) 、 2( 阴 ) 、 3( 雨 ) 表示，转移概率矩阵如下：

     

3、矩阵相等

4、矩阵的加减法

矩阵的加法与减法要求进行操作的两个矩阵 A 和 B 具有相同的阶，假设A 为 m*n 阶矩阵， B 为 m*n 阶矩阵，那么 C=A B也是m*n 阶的 矩阵，并且矩阵C 的元素满足：

5、 矩阵的加减法

6、矩阵与矩阵的乘法

矩阵的乘法仅当第一个矩阵 A 的列数和第二个矩阵 B 的行数相等时才能够定义，假设A 为 m*s 阶矩阵， B 为 s*n 阶矩阵，那么C=A*B是m*n阶矩阵，并且矩阵 C 中的元素满足：

矩阵与矩阵的乘法举例如下：

注意：

（ 1 ）只有当两个矩阵是同型矩阵时，才能进行加法 运算；

（ 2 ）只有当第一个矩阵的列数等于第二个矩阵的行 数时，两个矩阵才能相乘 , 且矩阵相乘不满足交换律；

（ 3 ）矩阵的数乘运算与行列式的数乘运算不同；

（ 4 ）矩阵乘法中存在化零因子，而实数乘法中不存 在化零因子；

（ 5 ）在实数运算系统中，方程 有唯一解，等价的有消去律，矩阵乘法中没有，消去 律不成立。

未完待续。。。