矩阵

矩阵

矩阵的概念

矩阵运算是数学、线性代数、机器学习等领域中的一个重要概念。

$1.$ 基本概念

矩阵是一种数学结构，用二维表格（数组）表示多个数字的集合。

$2.$ 单位矩阵

以 $5\times 5$ 的矩阵为例

$\left[\begin{array}{ccccc}1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0\\ 0& 0& 1& 0& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 1\end{array}\right]$

主对角线上是 $1$，其他都是 $0$，在矩阵乘法的作用就是相当于普通乘法中的 $1$。

$3.$ 矩阵的加法和乘法

矩阵的加法和乘法是矩阵运算的两个基本操作，与标量的加法和乘法类似。

$4.$ 矩阵的转置

矩阵的转置是值将矩阵的行与列互换的过程。

$5.$ 矩阵的逆

如果一个矩阵 $A$ 和另一个矩阵 $B$ 满足 $AB=BA=I$，其中 $I$ 是单位矩阵（见上），那么矩阵 $B$ 就是矩阵 $A$ 的逆。

$6.$ 线性方程组

线性方程组是一组形如 $Ax=B$ 的线性方程，其中 $A$ 是矩阵，
$x$ 是未知数向量，$B$ 是常数向量。

矩阵的表示

矩阵可以用二维数组表示，每个元素都是一个数。

一个 $M\times N$ （$M$ 行 $N$ 列）的矩阵 $A$ 可以表示为：

$\left[\begin{array}{ccc}{a}_{1,1}& \cdots & a_{1,N}\\ ⋮& \ddots & ⋮\\ a_{M,1}& \cdots & a_{M,N}\end{array}\right]$
这种表示法中，矩阵 $A$ 共有 $M$ 行，每行都有 $N$ 个元素。

下面是一个 $2\times 2$ 的矩阵样例：

$A=\left[\begin{array}{cc}3& 5\\ 2& 1\end{array}\right]$

矩阵运算

$1.$ 矩阵的加法

矩阵的加法是将两个矩阵的对应元素相加所得到的一个新的矩阵。它要求两个矩阵的行数和列数相同。

例子（两个矩阵 $A$ 和 $B$）：

$A=\left[\begin{array}{ccc}3& 5& 7\\ 2& 1& 0\end{array}\right]$

$B=\left[\begin{array}{ccc}1& 3& 4\\ 7& 5& 1\end{array}\right]$

$C=A+B=\left[\begin{array}{ccc}4(3+1)& 8(5+3)& 11(7+4)\\ 9(2+7)& 6(1+5)& 1(0+1)\end{array}\right]$

矩阵加法满足的定律

交换律：$A+B=B+A$

结合律：$(A+B)+C=A+(B+C)$

矩阵加法代码

typedef long long LL;

class JvZhen {
public:
	LL Arr[105][105];
	LL Line, Col;

	JvZhen operator+(JvZhen X) const {
		JvZhen New { };
		for (int i = 0; i < Line; i++) {
			for (int j = 0; j < Col; j++) {
				New.Arr[i][j] = Arr[i][j] + X.Arr[i][j];
			}
		}
		New.Line = Line;
		New.Col = Col;
		return New;
	}
};

$2.$ 数乘矩阵

数乘矩阵是指将矩阵中的每个元素都乘以一个数，也就是将矩阵的每个元素都进行一次标量乘法运算。具体来说，对于矩阵 $A$ 和数 $X$，得到的新矩阵 $B$ 的每个元素都是 $A$ 的每个元素与 $X$ 的乘积，即：$B_{i,j}=X\times A_{i,j}$

代码

typedef long long LL;

class JvZhen {
public:
	LL Arr[105][105];
	LL Line, Col;

	JvZhen operator*(int X) const {
		JvZhen New { };
		for (int i = 0; i < Line; i++) {
			for (int j = 0; j < Col; j++) {
				New.Arr[i][j] = Arr[i][j] * X;
			}
		}
		New.Line = Line;
		New.Col = Col;
		return New;
	}
};

$3.$ 矩阵乘法

矩阵的乘法是一种二元运算，它将两个矩阵相乘并生成一个新的矩阵。它要求第一个矩阵的列数和第二个矩阵的行数相同。

矩阵乘法的计算主要分为以下三步

$1.$ 确定矩阵 $A$ 和矩阵 $B$ 的大小，以确保它们能够相乘。矩阵 $A$ 必须具有与矩阵 $B$ 的行数相同的列数，才能进行乘法运算。

$2.$ 计算结果矩阵 $C$ 的每个元素。对于 $C$ 矩阵中的每个元素，需要将 $A$ 矩阵的每一行和 $B$ 矩阵的每一列相乘，并将所有结果相加。

$3.$ 构建结果矩阵 $C$。把每个元素的结果形成一个新的矩阵 $C$。

公式

$A=\left[\begin{array}{ccc}{a}_{1,1}& a_{1,2}& a_{1,3}\\ a_{2,1}& a_{2,2}& a_{2,3}\end{array}\right]$

$B=\left[\begin{array}{cc}{b}_{1,1}& b_{1,2}\\ b_{2,1}& b_{2,2}\\ b_{3,1}& b_{3,2}\end{array}\right]$

$C=\left[\begin{array}{cc}{a}_{1,1}{b}_{1,1}+a_{1,2}{b}_{2,1}+a_{1,3}{b}_{3,1}& a_{1,1}{b}_{1,2}+a_{1,2}{b}_{2,2}+a_{1,3}{b}_{3,1}\\ a_{2,1}{b}_{1,1}+a_{2,2}{b}_{2,1}+a_{2,3}{b}_{3,1}& a_{2,1}{b}_{1,2}+a_{2,2}{b}_{2,2}+a_{2,3}{b}_{3,2}\end{array}\right]$

例子

$A=\left[\begin{array}{ccc}3& 5& 1\\ 2& 1& 0\end{array}\right]$

$B=\left[\begin{array}{cc}2& 1\\ -3& 3\\ 4& 7\end{array}\right]$

$C=\left[\begin{array}{cc}-5(3\ast 2+5\ast -3+1\ast 4)& 25(3\ast 1+5\ast 3+1\ast 7)\\ 1(2\ast 2+1\ast -3+0\ast 4)& 5(2\ast 1+1\ast 3+0\ast 7)\end{array}\right]$

矩阵乘法满足的定律

结合律：$(A+B)\times C=A\times (B+C)$
分配律：$A\times (B+C)=A\times B+A\times C$

代码

typedef long long LL;
class JvZhen {
public:
	LL Arr[105][105];
	LL Line, Col;

	JvZhen operator+(JvZhen X) const {
		LL NewLine = Line, NewCol = Col;
		JvZhen New { };
		for (LL i = 0; i < Line; i++) {
			for (LL j = 0; j < X.Col; j++) {
				LL Current = 0;
				for (LL k = 0; k < X.Line; k++) {
					Current += Arr[i][k] * X.Arr[k][j];
					Current %= 1000000007;
				}
				New.Arr[i][j] = Current;
			}
		}
		New.Line = NewLine;
		New.Col = NewCol;
		return New;
	}
};

$4.$ 矩阵的幂

矩阵的幂是指对矩阵进行多次相乘，得到一个新的矩阵的运算。在数学中，矩阵幂可以用来描述一个系统或者过程的时间演变。对于一个 $N$ 阶方阵 $A$，其幂 $A^k$ 就是对 $A$ 进行 $k$ 次相乘得到的矩阵，其中 $k$是一个整数。在编程中，可以使用快速幂思想来实现矩阵的幂的快速计算。

代码

typedef long long LL;

class JvZhen {
public:
	LL Arr[105][105];
	LL Line, Col;

	JvZhen operator*(JvZhen X) const {
		LL NewLine = Line, NewCol = X.Col;
		JvZhen New { };
		for (LL i = 0; i < Line; i++) {
			for (LL j = 0; j < X.Col; j++) {
				LL Current = 0;
				for (LL k = 0; k < X.Line; k++) {
					Current += Arr[i][k] * X.Arr[k][j];
					Current %= 1000000007;
				}
				New.Arr[i][j] = Current;
			}
		}
		New.Line = NewLine;
		New.Col = NewCol;
		return New;
	}

	JvZhen KSM(LL M) {
		if (M == 0) return JvZhen { };
		if (M == 1) return *this;
		JvZhen Half = KSM(M / 2);
		if (M % 2 == 0) {
			return Half * Half;
		} else {
			return Half * Half * N;
		}
	}
};