|
39 | 39 | 一个向量 $\small{\boldsymbol{v}}$ 可以和一个标量 $\small{k}$ 相乘,运算的方法是将向量中的每个分量与该标量相乘即可,如下所示。
|
40 | 40 |
|
41 | 41 | $$
|
42 |
| -\boldsymbol{v} = \begin{bmatrix} v_1 \\ v_2 \\ \vdots \\ v_n \end{bmatrix}, \quad |
43 |
| -k \cdot \boldsymbol{v} = \begin{bmatrix} k \cdot v_1 \\ k \cdot v_2 \\ \vdots \\ k \cdot v_n \end{bmatrix} |
| 42 | +\boldsymbol{v} = \begin{bmatrix} v_1 \\\\ v_2 \\\\ \vdots \\\\ v_n \end{bmatrix}, \quad |
| 43 | +k \cdot \boldsymbol{v} = \begin{bmatrix} k \cdot v_1 \\\\ k \cdot v_2 \\\\ \vdots \\\\ k \cdot v_n \end{bmatrix} |
44 | 44 | $$
|
45 | 45 |
|
46 | 46 | 我们可以用 NumPy 的数组来表示向量,向量的加法可以通过两个数组的加法来实现,向量的数乘可以通过数组和标量的乘法来实现,此处不再进行赘述。
|
|
154 | 154 | **性质5**:如果 $\small{det(\boldsymbol{A})}$ 中两行(或两列)互换得到 $\small{det(\boldsymbol{A^{'}})}$ ,那么 $\small{det(\boldsymbol{A}) = -det(\boldsymbol{A^{'}})}$ 。
|
155 | 155 |
|
156 | 156 | **性质6**:将 $\small{det(\boldsymbol{A})}$ 中某行(或某列)的 $\small{k}$ 倍加进另一行(或另一列)里,行列式的值不变,如下所示。
|
| 157 | + |
157 | 158 | $$
|
158 | 159 | {\begin{vmatrix}\vdots &\vdots &\vdots &\vdots \\\\ a_{i1}&a_{i2}&\dots &a_{in} \\\\ a_{j1}&a_{j2}&\dots &a_{jn}\\\\\vdots &\vdots &\vdots &\vdots \\\\ \end{vmatrix}}={\begin{vmatrix}\vdots &\vdots &\vdots &\vdots \\\\ a_{i1}&a_{i2}&\dots &a_{in} \\\\ a_{j1}{\color {blue}+ka_{i1}}&a_{j2}{\color {blue}+ka_{i2}}&\dots &a_{jn}{\color {blue}+ka_{in}} \\\\ \vdots &\vdots &\vdots &\vdots \\\\ \end{vmatrix}}
|
159 | 160 | $$
|
|
205 | 206 | 值得一提的是矩阵乘法运算,该运算仅当第一个矩阵 $\small{\boldsymbol{A}}$ 的列数和另一个矩阵 $\small{\boldsymbol{B}}$ 的行数相等时才能定义。如果 $\small{\boldsymbol{A}}$ 是一个 $\small{m \times n}$ 的矩阵,$\small{\boldsymbol{B}}$ 是一个 $\small{n \times k}$ 矩阵,它们的乘积是一个 $\small{m \times k}$ 的矩阵,其中元素的计算公式如下所示:
|
206 | 207 |
|
207 | 208 | $$
|
208 |
| - [\mathbf{AB}]_{i,j} = A_{i,1}B_{1,j} + A_{i,2}B_{2,j} + \cdots + A_{i,n}B_{n,j} = \sum_{r=1}^n A_{i,r}B_{r,j} |
| 209 | +\mathbf{AB}_{i,j} = A_{i,1} B_{1,j} + A_{i,2} B_{2,j} + \cdots + A_{i,n} B_{n,j} = \sum_{r=1}^{n}{A_{i,r}B_{r,j}} |
209 | 210 | $$
|
210 | 211 |
|
211 | 212 | <img src="res/matrix_multiply.png" style="zoom:35%;">
|
|
214 | 215 |
|
215 | 216 | $$
|
216 | 217 | \begin{bmatrix}
|
217 |
| - 1 & 0 & 2 \\\\ |
218 |
| - -1 & 3 & 1 \\\\ |
219 |
| - \end{bmatrix} |
| 218 | +1 & 0 & 2 \\\\ |
| 219 | +-1 & 3 & 1 |
| 220 | +\end{bmatrix} |
220 | 221 | \times
|
221 |
| - \begin{bmatrix} |
222 |
| - 3 & 1 \\\\ |
223 |
| - 2 & 1 \\\\ |
224 |
| - 1 & 0 |
225 |
| - \end{bmatrix} |
| 222 | +\begin{bmatrix} |
| 223 | +3 & 1 \\\\ |
| 224 | +2 & 1 \\\\ |
| 225 | +1 & 0 |
| 226 | +\end{bmatrix} |
226 | 227 | =
|
227 |
| - \begin{bmatrix} |
228 |
| - (1 \times 3 + 0 \times 2 + 2 \times 1) & (1 \times 1 + 0 \times 1 + 2 \times 0) \\\\ |
229 |
| - (-1 \times 3 + 3 \times 2 + 1 \times 1) & (-1 \times 1 + 3 \times 1 + 1 \times 0) \\\\ |
230 |
| - \end{bmatrix} |
| 228 | +\begin{bmatrix} |
| 229 | +(1 \times 3 + 0 \times 2 + 2 \times 1) & (1 \times 1 + 0 \times 1 + 2 \times 0) \\\\ |
| 230 | +(-1 \times 3 + 3 \times 2 + 1 \times 1) & (-1 \times 1 + 3 \times 1 + 1 \times 0) |
| 231 | +\end{bmatrix} |
231 | 232 | =
|
232 |
| - \begin{bmatrix} |
233 |
| - 5 & 1 \\\\ |
234 |
| - 4 & 2 \\\\ |
235 |
| - \end{bmatrix} |
| 233 | +\begin{bmatrix} |
| 234 | +5 & 1 \\\\ |
| 235 | +4 & 2 |
| 236 | +\end{bmatrix} |
236 | 237 | $$
|
237 | 238 |
|
238 | 239 | 矩阵的乘法满足结合律和对矩阵加法的分配律:
|
|
243 | 244 |
|
244 | 245 | 右分配律: $\small{\boldsymbol{C}(\boldsymbol{A} + \boldsymbol{B}) = \boldsymbol{CA} + \boldsymbol{CB}}$。
|
245 | 246 |
|
246 |
| -**矩阵乘法不满足交换律**。一般情况下,矩阵 \small{$\boldsymbol{A}}$ 和 $\small{\boldsymbol{B}}$ 的乘积 $\small{\boldsymbol{AB}}$ 存在,但 $\small{\boldsymbol{BA}}$ 不一定存在,即便 $\small{\boldsymbol{BA}}$ 存在,大多数时候 $\small{\boldsymbol{AB} \neq \boldsymbol{BA}}$ 。 |
| 247 | +**矩阵乘法不满足交换律**。一般情况下,矩阵 $\small{\boldsymbol{A}}$ 和 $\small{\boldsymbol{B}}$ 的乘积 $\small{\boldsymbol{AB}}$ 存在,但 $\small{\boldsymbol{BA}}$ 不一定存在,即便 $\small{\boldsymbol{BA}}$ 存在,大多数时候 $\small{\boldsymbol{AB} \neq \boldsymbol{BA}}$ 。 |
247 | 248 |
|
248 | 249 | 矩阵乘法的一个基本应用是在线性方程组上。线性方程组是方程组的一种,它符合以下的形式:
|
249 | 250 |
|
|
455 | 456 | \boldsymbol{Ax} = \boldsymbol{b}
|
456 | 457 | $$
|
457 | 458 |
|
458 |
| -线性方程组有唯一解的条件:系数矩阵$\boldsymbol{A}$的秩等于增广矩阵$\boldsymbol{Ab}$的秩,而且跟未知数的个数相同。 |
| 459 | +线性方程组有唯一解的条件:系数矩阵 $\small{\boldsymbol{A}}$ 的秩等于增广矩阵 $\small{\boldsymbol{Ab}}$ 的秩,而且跟未知数的个数相同。 |
459 | 460 |
|
460 | 461 | 代码:
|
461 | 462 |
|
@@ -496,6 +497,7 @@ array([[1.],
|
496 | 497 | $$
|
497 | 498 | \boldsymbol{x} = \boldsymbol{A}^{-1} \cdot \boldsymbol{b}
|
498 | 499 | $$
|
| 500 | + |
499 | 501 | 代码:
|
500 | 502 |
|
501 | 503 | ```Python
|
|
0 commit comments