京公网安备 11010802034615号
经营许可证编号:京B2-20210330
hello大家好,我是写BUG的一行,矩阵相信大家都已经不陌生了,在高中的时候已经接触过了,在后来大学学习线性代数时就已经逼近全面的进行了解了,矩阵运算在科学计算中是非常中要的,而矩阵的基本运算包括矩阵的加法、减法、数乘、转置、共轭和共轭转置,在我们进行建模分析时也会牵扯到一些线性代数和矩阵,今天我们将矩阵分析中的矩阵原理做一下详细的指南。
目录
矩阵在数学中国是一个长方阵列排列出来的复数或实数的集合,是一种表示数据在矩阵中的方法,一个m*n的矩阵有m行和n列,其中每一项基于它的行和列都有它唯一的名字。
矩阵A通常表示为[A],行数和列数称为维数。下面是一个3*2维矩阵的例子。
在矩阵A中,数字a12是第一行和第二列的数字。因此,a12 = 8。a21是第二行第一列的数字。因此a21 = -5。
当两个矩阵要进行相加时,必须两个矩阵的行数和列数相同时,它们才能相加。若要添加两个矩阵的时候,请设置为它们为对应的行列数:
比如:
矩阵加法是可以进行交换的:A+B = B+A。矩阵加法也是可以进行结合的:(A+B)+C = A+(B+C)
矩阵之间如果要进行相减,要从一个矩阵中减去另一个矩阵中它们相对应的项,两个矩阵必须具有相同的行数和相同的列数才可以进行运算。
比如:
如果要将矩阵乘以标量(也就是单个常数,变量或表达式),就需要将矩阵中所有的项乘以标量:
例如:
标量乘法是分配的:±(A+B)=±A+±B,例如:
如果要将两个矩阵相乘,我们首先必须知道如何将一个行(1*p矩阵)乘以一个列(一个p*1矩阵)。如果要将行乘以列,必须将行的第一个元素乘以列的第一个元素,然后将行的第二个元素乘以列的第二个元素,以此类推,最终将所有的结果进行相加。最终的答案也应该是一个单一的数字。例如
当行和列的元素相同时,行可以乘以列。相同的,当第一个矩阵与第二个矩阵的行数相同时,两个矩阵也是可以进行相乘的。简单的来说,两个矩阵的维度位m*p和P*n的时候,它们是可以进行相乘的。它们最终的答案呢,矩阵的行数与第一个矩阵的函数相同,矩阵的列与第二个矩阵的列数相同。换句话说最终的答案的矩阵的维度是m*n。
当两个矩阵相乘时,第一个矩阵的每一个行乘以第二个矩阵的每一列。将答案矩阵的第一行与第一列相乘的结果放在第一行和第一列中。将第一行乘以第二列的结果放到答案矩阵的第一行和第二列中。一般来说将第i行与第j列相乘的结果放在答案矩阵中的第i行和第j列中。
下面我们对两个矩阵相乘的例子:
最终的答案矩阵应该为2行*4列的矩阵,下面是答案矩阵中的每一个元素的计算过程。
答案矩阵中的第一行第一列(第一个矩阵第一行*第二个矩阵第一列):
答案矩阵中的第一行第二列(第一个矩阵第一行*第二个矩阵第二列):
答案矩阵中的第一行第三列(第一个矩阵第一行*第二个矩阵第三列):
答案矩阵的第一行第四列(第一个矩阵第一行*第二个矩阵第四列):
答案矩阵中的第二行第一列(第一个矩阵第二行*第二个矩阵第一列):
依次类推,最终的答案矩阵如下:
需要注意的是,2*3的矩阵乘以3*4的矩阵最终的答案矩阵是2*4的矩阵。矩阵的惩罚不一定是可以进行交换的,AB=BA并不一定总是正确的,但是矩阵乘法是可以进行相关联的:AB(C)=A(BC)
以上就是混淆矩阵等矩阵原理的相关指南,对于学习过矩阵但是已经忘记矩阵相关知识的希望可以帮你恢复有关矩阵的知识,而对于没有接触过矩阵的来说希望可以帮助你理解矩阵究竟是什么样子的,不要被数学中的名词吓到,慢慢的学习,最终会搞明白的。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14