![机器学习数学基础](https://wfqqreader-1252317822.image.myqcloud.com/cover/482/43738482/b_43738482.jpg)
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人
2.1.3 矩阵加法
两个矩阵能够相加的前提是它们具有相同的形状,否则不能相加。
定义 设矩阵和矩阵
有相同的形状,
,则矩阵
的元素
。
例如:
![](https://epubservercos.yuewen.com/39156C/23020656909779806/epubprivate/OEBPS/Images/txt002_116.jpg?sign=1739256273-kNHkQDMkES5TzmppAoIRf71D6mcKYjac-0-3b775eb121a8c48f8bff90564d22db8a)
但是,矩阵或
不能与矩阵
相加。
如果用二维数组表示矩阵,则其加法运算如下:
![](https://epubservercos.yuewen.com/39156C/23020656909779806/epubprivate/OEBPS/Images/txt002_120.jpg?sign=1739256273-C98Cns1COHyMHyg8jUe2hMeGi2frjulb-0-4b94a13fadcdd00a8cfa7d498ec0bde7)
用np.mat()创建矩阵,计算方法也一样。
![](https://epubservercos.yuewen.com/39156C/23020656909779806/epubprivate/OEBPS/Images/txt002_121.jpg?sign=1739256273-9HUueJpUSW4YO0eglPJoUhzTGQB4ZHUv-0-7a06abd1d0be5c1ee9dd70edadcb32c5)
注意,如果下面的两个数组分别表示两个矩阵,则它们之间可以做加法运算。
![](https://epubservercos.yuewen.com/39156C/23020656909779806/epubprivate/OEBPS/Images/txt002_122.jpg?sign=1739256273-hXajd6JrC8cJY66e6FbYkvsKHCUlUuvz-0-ec03aecec97061b6081babeacfdcf04e)
这是由数组运算中的“广播机制”导致的,与前面所说的矩阵形状必须相同才能相加不矛盾。
前面已经提到,矩阵可以看成是由列(行)向量组成的,上面示例中的矩阵 A 就可以写成,其中
。同样有
。那么,这两个矩阵相加,也可以理解为对应位置的向量相加,即:
![](https://epubservercos.yuewen.com/39156C/23020656909779806/epubprivate/OEBPS/Images/txt002_126.jpg?sign=1739256273-lQvUSIlTcRJDFecwHHHjUWlN1W7N9yw1-0-c83c403c4adba03f278403cf49bf8b4f)
这样就将矩阵的加法转换为向量的加法,而向量加法则是在第1章1.1.2节中已经学习过的了。
根据矩阵加法的定义,不难看出,两个矩阵相加之后所得的矩阵与矩阵
和
形状一样。参考第1章1.2节中对向量空间的定义,组成矩阵
的所有列向量与组成
的所有列向量在同一个向量空间。如果把向量的概念扩展,将矩阵也视为一种形态的向量(向量的组合还是向量),那么
和
都在同一个空间。