常见的矩阵形式

作者:桂。

时间:2017-08-22  12:30:33

链接:http://www.cnblogs.com/xingshansi/p/7411043.html 


前言

记录经常用到的矩阵形式。

 

A-正交矩阵

定义:一实的正方矩阵Q∈Rnxn,称为正交矩阵,若:

B-酉矩阵

定义:一实的正方矩阵U∈Cnxn,称为酉矩阵,若:

C-Vandermonde矩阵

定义:具有以下形式的mxn阶矩阵:

称为Vandermonde矩阵,其转置也是Vandermonde矩阵。

D-Toeplitz矩阵

定义:具有2n-1个元素的n阶矩阵

称为Toeplitz矩阵,简称T矩阵。

E-Hankel矩阵

定义:具有以下形式的n+1阶矩阵

称为Hankel矩阵或正交对称矩阵(Orthosymmetric Matrix)。

F-Hadamard矩阵

定义:Hn∈Rnxn成为Hadamard矩阵,若它的所有元素取+1或者-1,且

G-Hermitian矩阵

 如果矩阵Anxn满足:

则称A为Hermitian矩阵。

H-符号矩阵(signature matrix)

一个对焦元素只取+1和-1两种值的NxN对角矩阵称为符号矩阵

利用符号矩阵,可以引出J正交矩阵(也成为超正规矩阵):

定义:令J为NxN的符号矩阵,满足:

的NxN矩阵成为J正交矩阵(J-orthogonal matrix),可以理解为正交矩阵的广义形式,因为符号矩阵J全取1就是单位矩阵。或称超正规矩阵(Hepernormal matrix)。

转载于:https://www.cnblogs.com/xingshansi/p/7411043.html

### Python中的矩阵运算 在Python中,矩阵运算是通过专门设计的数据结构和高效的算法来执行的。对于复杂的矩阵操作,推荐使用NumPy库[^2]。 #### 使用列表构建简单矩阵 最基础的方式是利用嵌套列表表示矩阵: ```python matrix = [ [1, 2], [3, 4] ] ``` 这种方式适合理解原理,但对于实际应用来说效率较低。 #### NumPy库的应用 为了更高效地处理大规模数据集上的矩阵运算,应当采用NumPy库提供的`ndarray`对象。创建一个简单的二维数组如下所示: ```python import numpy as np A = np.array([[1, 2], [3, 4]]) B = np.array([[5, 6], [7, 8]]) print(A) # 输出: # [[1 2] # [3 4]] ``` ##### 基本算术运算 加法、减法以及乘法可以直接作用于两个相同形状的矩阵之间: ```python addition_result = A + B subtraction_result = A - B multiplication_elementwise = A * B dot_product_matrix_multiplication = np.dot(A,B) print(addition_result) print(subtraction_result) print(multiplication_elementwise) print(dot_product_matrix_multiplication) ``` 注意区分元素级相乘(`*`)与矩阵点积(`np.dot()`)。 ##### 转置和其他变换 转置可以通过`.T`属性轻松获得;其他常见的线性代数操作还包括求逆、特征值分解等: ```python transposed_A = A.T inverse_of_A = np.linalg.inv(A) if np.linalg.det(A)!=0 else None if inverse_of_A is not None: print(inverse_of_A) else: print('Matrix cannot be inverted.') ``` 这里检查了行列式的值以判断是否可逆[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值