线性代数的学习和整理5: 矩阵的加减乘除及其几何意义

这篇具有很好参考价值的文章主要介绍了线性代数的学习和整理5: 矩阵的加减乘除及其几何意义。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

1 矩阵加法

1.1 矩阵加法的定义

1.2 加法的属性

1.2.1 只有同类型,相同n*m的矩阵才可以相加

1.2.1 矩阵加法的可交换律:

1.2.2 矩阵加法的可结合律:

1.3矩阵加法的几何意义

2  矩阵的减法

2.1 矩阵减法定义和原理基本同 矩阵的加法

2.2 矩阵减法的几何意义

3 矩阵标量乘法/ 也称 数乘

3.1 数乘的定义

3.2 矩阵的标量乘法的性质

3.3 几何意义:就是 正向/反向的伸缩

4 左乘 & 右乘 (很简单概念,但是需要界定语言的严谨性)

4.1 搞清楚主体:谁的左乘?右乘?

4.2 搞清楚方向:什么是左乘和右乘 

4.3 一般的线性代数公式  AX=Y, 表示 x 左乘矩阵A

5 矩阵的点乘:得到的点积/内积

5.1 详细的矩阵乘法规则

5.1.1 计算规则是:只有形如 n*m矩阵* m*k的矩阵的矩阵才可以相乘

5.1.2  矩阵的乘法不符合交换性,不能交换次序,左乘 ≠ 右乘,A*B ≠B*A

5.2  矩阵点乘法:得到的内积/点积的几何意义

6 矩阵的叉乘:得到的外积/叉积

6.1 定义

6.2 几何意义

7 矩阵求逆(逆矩阵)

7.1 逆矩阵定义

7.2 求逆矩阵的方法

7.3 求逆矩阵的规则

7.3.1 并不是所有的矩阵都可以求逆矩阵

7.4 逆矩阵的函数意义

7.5 逆矩阵的几何意义

8  带引号的“矩阵除法”

8.1 一般没有矩阵除法的说法,但可以这么理解

8.2 矩阵除法的几何意义(?)


1 矩阵加法

1.1 矩阵加法的定义

  • 矩阵加法一般是指两个矩阵把其相对应元素加在一起的运算。 

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

1.2 加法的属性

可结合律和可交换律

1.2.1 只有同类型,相同n*m的矩阵才可以相加

  • (1,2)+(1,2,3) 无法计算
  • 如何合法可加,生成的结果也是一个向量

1.2.1 矩阵加法的可交换律:

  • A+B=B+A
  • 看坐标系,表示从上面走先走b,再走a到达C,和从下面先走a,再走b到达C是一样的。

1.2.2 矩阵加法的可结合律:

  • (A+B)+C=A+(B+C)
  • 看坐标系,表示3个矩阵相加,先计算A+B,再计算A+B+C 和先计算B+C 结果是一样的。

1.3矩阵加法的几何意义

  • 看下图,实际是向量的相加,是有方向性的,不是简单的相加
  • 而无论2个,还是3个向量相加,都可以用三角形发展继续相加,生成的新向量就是矩阵相加的和----一个新向量

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵 线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

 线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

2  矩阵的减法

2.1 矩阵减法定义和原理基本同 矩阵的加法

  • 虽然一般不说矩阵减法,但原理上OK,EXCEL里计算也OK

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

2.2 矩阵减法的几何意义

  • 矩阵的减法和加法其实是类似的,但是几何意义不同
  • 加法是2个向量,首尾相接,形成新的向量--和向量
  • 减法是1个减数向量,开始指向另1个被减数的向量,形成的新向量:差向量。如可以可以挪到原点,从原点出发,
  • 可以看出如下图,和从原点出发,而数字为减法后得数的终点作为坐标的向量,是相同的。
  • 为什么一定要挪回到原点看,因为向量空间里要求所有的向量都是从原点出发,终点坐标代表其坐标的向量。

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

 线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

3 矩阵标量乘法/ 也称 数乘

3.1 数乘的定义

  • λ*(A+B) =λ*A+λ*B
  • 就是  标量*矩阵对应位置元素,类整数的乘法

3.2 矩阵的标量乘法的性质

  • 可结合性:a*X={ax1,ax2,ax3.....axn]
  • 可交换性:  a*X=X*a

3.3 几何意义:就是 正向/反向的伸缩

  • 如果乘以正数,就是正向伸缩
  • 如果乘以负数,就是反向伸缩
  • 如果乘以a>1,就是伸长,
  • 如果a=0.5 就是缩短

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

4 左乘 & 右乘 (很简单概念,但是需要界定语言的严谨性)

4.1 搞清楚主体:谁的左乘?右乘?

  • 比如 Ax=y
  • 主体:变量?   那变量 x 左乘矩阵A
  • 主题,矩阵? 那矩阵A 右乘变量x

4.2 搞清楚方向:什么是左乘和右乘 

  • A*B ≠ B*A
  • A*B 是A右乘B, 是A的右边乘以B
  • B*A  是A左乘B,是A的左边乘以B

4.3 一般的线性代数公式  AX=Y, 表示 x 左乘矩阵A

  • 一般的线性代数公式  AX=Y, 表示 x 左乘矩阵A

5 矩阵的点乘:得到的点积/内积

  • 在EXCEL里,使用函数 mmult()+ 选择好生成矩阵的长宽区域+数组公式
  • 注意要提前计算好 目标矩阵的大小,比如 n*m矩阵* m*k的矩阵,结果是 m*k的矩阵

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

5.1 详细的矩阵乘法规则

5.1.1 计算规则是:只有形如 n*m矩阵* m*k的矩阵的矩阵才可以相乘

并不是任意2个矩阵都可以相乘

  • 只有形如 n*m矩阵* m*k的矩阵的矩阵才可以相乘,也就是前者的列数=后者的行数
  • aij= 矩阵1的第i行* 矩阵2的第j列的结果

本质规则

  • 是两个矩阵元素的投射形成的新矩阵

5.1.2  矩阵的乘法不符合交换性,不能交换次序,左乘 ≠ 右乘,A*B ≠B*A

  • 矩阵乘法要详细考虑次序,不能交换
  • A*B ≠ B*A
  • 矩阵乘法的具体公式:需要考虑展开,后面详细再说

5.2  矩阵点乘法:得到的内积/点积的几何意义

  • 矩阵的内积得到的是一个标量,也就是具体的数,而不是矩阵。
  • 下图是网上找的
  • 向量的内,外积及其几何含义讲解_两向量外积的几何意义-腾讯云开发者社区-腾讯云概括地说,向量的内积(点乘/数量积)。对两个向量执行点乘运算,就是对这两个向量对应位一一相乘之后求和的操作,如下所示,对于向量a和向量b:https://cloud.tencent.com/developer/article/2157496

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

 线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

6 矩阵的叉乘/向量乘法:得到的外积/叉积

6.1 定义

  • 没学过,还不太清楚下面是转载的外积的内容
  • 有点像把矩阵的每个元素,当成一个分块矩阵,分别与另外一个矩阵相乘
  • 得到的结果是一个矩阵

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

 线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

6.2 几何意义

  • 据说,2个向量的外积表现为这2个向量所构成的平行六面体的体积!

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

7 矩阵求逆(逆矩阵)

7.1 逆矩阵定义

  • 矩阵A为n阶方阵,若存在n阶矩阵B,使得矩阵A、B的乘积为单位阵,则称A为可逆阵,B为A的逆矩阵。A*B=I/E
  • 若方阵的逆阵存在,则称为可逆矩阵非奇异矩阵,且其逆矩阵唯一。
  • 逆矩阵比然唯一

7.2 求逆矩阵的方法

  • 主要是利用 A*A-=I 标准矩阵

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

7.3 求逆矩阵的规则

7.3.1 并不是所有的矩阵都可以求逆矩阵

  • 并不是所有的矩阵都可以求逆矩阵
  • 特殊条件是:
  1. 方阵
  2. 满秩的
  3. 双射矩阵

满足这些条件的矩阵才可以求逆

7.3.2 比较方便的快速判断方法,判断标准如下

  1. 如果矩阵的行列式值是否为0,若不为0,则可逆;
  2. 看这个矩阵的秩是否为n,若为n,则矩阵可逆;如果小于n,不可逆。
  3. 若存在一个矩阵B,使矩阵A使得AB=BA=E,则矩阵A可逆;
  4. 对于齐次线性方程AX=0,若方程只有零解,那么这个矩阵可逆;
  5. 对于非齐次线性方程AX=b,若方程只有特解,那么这个矩阵可逆,反之若有无穷解则矩阵不可逆。

7.4 逆矩阵的函数意义

  • 如果把矩阵看成函数
  • 那么函数,只有当定义域到值域是单射,且值域都是满射时,也就是定义域到值域是双射时才会有反函数
  • 同理,也只有这时,矩阵才会有逆矩阵。

7.5 逆矩阵的几何意义

  • 常见矩阵乘法 Ax=y,可以认为是把x从自然基底(正交的一组特殊基底)变换为斜的新坐标系。
  • 那么,逆矩阵就是反过来,把斜坐标系再给转换为正交的自然基底。

百度安全验证https://baijiahao.baidu.com/s?id=1731151185141060114&wfr=spider&for=pc

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵

8  带引号的“矩阵除法”

8.1 一般没有矩阵除法的说法,但可以这么理解

  • ​这个除法实际只是一个类比,并不是真正的 矩阵除法!

这个题目的意思是:

如果知道 ,A矩阵*B矩阵=C矩阵

但是A矩阵已知,C矩阵也已知,如何求B矩阵?

A矩阵*B?矩阵=C矩阵

A*B?=C  那么B?=?    其实B=A-*C  而不是C*A-

  • 一定注意矩阵的次序,很重要!!
  • 正确的,B=A~*C,而且B !=C*A-
  • 错误的,B =C*A-
  • 因为如下推导
  1. A*B= A*A-*C   =I*C=C
  2. A*B= A*C*A-  !=C
     

线性代数的学习和整理5: 矩阵的加减乘除及其几何意义,线性代数,学习,矩阵文章来源地址https://www.toymoban.com/news/detail-668401.html

8.2 矩阵除法的几何意义(?)

  • 这个应该就是函数变换吧,暂时不知道其几何意义是什么
  • A*B= A*A-*C   =I*C=C
  • B=A-*C 

到了这里,关于线性代数的学习和整理5: 矩阵的加减乘除及其几何意义的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数:矩阵运算(加减、数乘、乘法、幂、除、转置)

    目录 加减 数乘  矩阵与矩阵相乘  矩阵的幂 矩阵转置  方阵的行列式  方阵的行列式,证明:|AB| = |A| |B|        

    2024年01月22日
    浏览(51)
  • 线性代数的学习和整理20,关于向量/矩阵和正交相关,相似矩阵等

    目录 1 什么是正交 1.1 正交相关名词 1.2 正交的定义 1.3 正交向量 1.4 正交基 1.5 正交矩阵的特点 1.6 正交矩阵的用处 orthogonal set 正交向量组 正交变换 orthogonal matrix 正交矩阵 orthogonal basis 正交基 orthogonal decomposition 正交分解 正交的定义:内积为0 正交一定线性无关 其实不共线也

    2024年02月09日
    浏览(59)
  • 线性代数的学习和整理4: 求逆矩阵的多种方法汇总

    目录 原始问题:如何求逆矩阵? 1 EXCEL里,直接可以用黑盒表内公式 minverse() 数组公式求A- 2 非线性代数方法:解方程组的方法 3  增广矩阵的方法 4   用行列式的方法计算(未验证) 5  A-=1/|A|*A* (未验证) 求逆矩阵的方法很多 方法1:矩形计算展开为方程组,解方程组得出

    2024年02月12日
    浏览(46)
  • 线性代数的学习和整理20,关于向量/矩阵和正交相关,相似矩阵等(草稿)

    目录 1 什么是正交 1.1 正交相关名词 1.2 正交的定义 1.3 正交向量 1.4 正交基 1.5 正交矩阵的特点 1.6 正交矩阵的用处 orthogonal set 正交向量组 正交变换 orthogonal matrix 正交矩阵 orthogonal basis 正交基 orthogonal decomposition 正交分解 正交的定义:内积为0 正交一定线性无关 其实不共线也

    2024年02月09日
    浏览(47)
  • 线性代数的学习和整理1:用EXCEL进行基础的矩阵计算

    目录 1 写在最开始的话 EXCEL里计算线性代数的起点 心得 内容 2 EXCEL里矩形的加法 2.1  矩阵加法的性质 3 EXCEL里矩阵的减法 4 矩阵标量乘法/ 也称 数乘 4.1 矩阵的标量乘法的性质 5 矩阵点乘, 得到:点积/内积 ,使用mmult() 5.1 矩阵点乘规则 5.2  矩阵的乘法不符合交换性,不能交

    2024年03月20日
    浏览(53)
  • 线性代数的学习和整理6:如何表示向量/矩阵? 矩阵就是向量组,矩阵的本质是什么?

    目录 0 参考的知识点和目录 1 向量 1.1 向量的概念 1.2 向量如何表示 1.3 向量/矩阵的优秀表示方法:即向量空间内的有向线段 2 矩阵 2.1 矩阵就是多个列向量的集合/合并( 而不是 +),矩阵就是多个列向量的一种简化书写方式? 2.2 矩阵的加法  =等价于=  向量的加法 2.3 矩阵

    2024年02月07日
    浏览(54)
  • 线性代数的学习和整理14: 线性方程组求解的3种方法,重点讲矩阵函数求解

    目录 0 写在前面的一些内容 0.1 学习心得: 0.2 参考其他书籍总结的知识点,对照学习 1 线性方程组求解 1.1 常见的线性方程组如下 1.2 记住常见的 矩阵函数的维数的关系 1.3  需要求解的方程组和矩阵的对应关系,需要先厘清 1.3.1 如果只需要求解x,是类 Ax=b的形式 1.3.2   如

    2024年02月05日
    浏览(59)
  • 线性代数的学习和整理10:各种特殊类型的矩阵(草稿-----未完成 建设ing)

    目录 1 图形化分类 1.1对称矩阵 1.2 梯形矩阵 1.3 三角矩阵 1.3.1 上三角矩阵 1.4  对角线矩阵 2 按各自功能分 2.1 等价矩阵 2.2 增广矩阵 2.3 伴随矩阵 2.4 正交矩阵 2.5 正交矩阵 2.6 相似矩阵 1.3.1 上三角矩阵 1.3.2 下三角 1.3.3 反向的不是三角矩阵 1.4.1  1.4.2 这里面包含,单位矩阵I  

    2024年02月11日
    浏览(88)
  • 线性代数的学习和整理19,特征值,特征向量,以及引入的正交化矩阵概念

    目录 1 什么是特征值和特征向量? 1.1 特征值和特征向量这2个概念先放后 1.2 直观定义 1.3 严格定义 2 如何求特征值和特征向量 2.1 方法1:结合图形看,直观方法求 2.1.1 单位矩阵的特征值和特征向量 2.1.2 旋转矩阵 2.2  根据严格定义的公式 A*X=λ*X 来求 2.3  特征方程 2.4 互异特

    2024年02月09日
    浏览(67)
  • 线性代数的学习和整理18:矩阵的秩的各种定理, 秩和维度(未完成)

    目录 0 问题引出:什么是秩? 概念备注: 1 先厘清:什么是维数? 1.1 真实世界的维度数 1.2 向量空间的维数 1.2.1 向量空间,就是一组最大线性无关的向量组/基张成的空间 1.3 向量α的维数 1.3.1 向量的维数=分量(数字/标量)个数 1.4 向量组/矩阵 A 的维数 1.4.1 什么是向量组的维

    2024年02月10日
    浏览(58)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包