人工智能数学基础系列文章
今天复习矩阵,作为程序员,矩阵在程序中的应用想必或多或少都接触过,特别是在图像变化算法上的应用。
一、矩阵
1. 定义
矩阵(Matrix)是一个按照长方阵列排列的复数或实数集合,最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。(此定义来自百度百科)
下面通过一个方程组来声明一个矩阵(数学符号在PC上书写真是很麻烦,不知道谁有好用的公式符号书写软件推荐下):
以上是一个三元一次方程组,根据矩阵的来源定义,有矩阵
A如下图
2. 矩阵的运算
2.1. 矩阵的加法
从上图中我们可以看出,矩阵
A和矩阵
B相加,它们都是2 x 2的矩阵,相加就是两个矩阵对应的元素值的相加,比如:矩阵
A的一行一列元素3和矩阵
B的一行一列的元素-7相加,得到新的矩阵的一行一列元素-4,以此类推计算出一个新的矩阵。上图中
A+
B计算的结果和
B+
A是一样的,符合加法的交换律。 重新定义两个矩阵
A[2×2]和
B[2×3]:
矩阵
A是2行2列,矩阵
B是2行3列,如果
A+
B,根据上面两个矩阵相加的计算法则,会发现矩阵
B的第三列元素没有办法相加。
所以结论是: 当两个矩阵相加的时候,这两个矩阵的维数(行列个数)必须是相同的,比如要么都是 2×2,要么都是3×3等等。 同样的如果是
A+
B+
C三个或者更多的矩阵的相加计算方式也是一样的。
2.2. 矩阵的减法
上图可以看出,矩阵
A–
B的计算就是对应的每个元素的相减,而且有个规律是: 矩阵
A–
B = -(
B–
A),同矩阵加法一样,做减法的两个或者多个矩阵的维数(行列个数)必须是一样的,否则无法进行减法运算。
2.3. 矩阵的乘法
有矩阵
A和
B,两个矩阵相乘,
A的a11(表示矩阵的第一行第一列元素)、a12 分别和
B的第一列的两个元素相乘后相加,作为新的矩阵的a11元素值。
上图就很清楚的描述了,矩阵乘法的计算规则。
假设有两个矩阵
C和
D,分别是
C·
D和
D·
C,很明显计算出的结果不相同,所以通常情况下矩阵的乘法是不满足:乘法交换律的,即:
C·
D≠
D·
C
如上图,你会发现也不是任何两个矩阵都能够相乘,只有乘数矩阵A的列数和被乘矩阵B的行数相同的时候,两个矩阵才能相乘。
3. 单位矩阵
在介绍单位矩阵之前,说介绍什么是方阵,顾名思义,方阵就是方的,行数和列数一样的矩阵,比如:
像上图这样,行列一样的矩阵就是方阵,这很直观也很好理解。
单位矩阵,是一直特殊的方阵,它的所有元素由0和1组成,并且对角线的元素为1,其余元素为0,当然一阶的单位矩阵只含有一个元素1:I₁ = [1]。
以上四个方阵都是单位矩阵,分别是
I₂二阶单位矩阵、
I₃三阶单位矩阵、四阶和五阶的单位矩阵。单位矩阵的阶数可以无限扩大,比如n阶的单位矩阵:
单位矩阵有一个特殊重要的性质,
I·
A =
A,
A·
I =
A,这里的矩阵
A是一个和单位矩阵同个维数的方阵,不是方阵无法和单位矩阵相乘,这个性质很容易证明,举个例子就知道了:
反过来
A·
I 也等于
A
4. 逆矩阵
如上图,如果一个矩阵可逆,那么就会有性质:
A^-1·
A=
I,
I是一个单位矩阵。逆矩阵的求法,如上图所示,
逆矩阵 = 矩阵行列式的倒数值 * 矩阵A
的伴随矩阵。当矩阵
A的行列式如果等于0,即ad – bc = 0,或者 a/c = b/d,那么这个矩阵不存在逆矩阵(行列式的倒数1/|
A|没有定义),我们也称这样的矩阵叫
“奇异矩阵”。
(未完待续。。。。)
人工智能数学基础系列文章
今天的文章人工智能数学基础—-矩阵分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/18920.html