矩阵运算
矩阵的运算及其运算规则
矩阵的运算及其运算规则矩阵是代数中一种重要的数学工具，它由数个数按照规定的行列顺序排列而成。
矩阵的运算包括加法、减法、数乘、乘法以及转置等，这些运算规则在代数中有着重要的应用。
一、矩阵的加法和减法矩阵的加法和减法规则相同，对应位置的元素进行相加或相减。
具体来说，如果有两个m×n（m行n列）的矩阵A和B，它们的和为C，则A和B之间的加法运算可以表示为：C = A + B。
其中，C的元素cij就是A和B相对应位置元素之和。
同样，矩阵的减法也是对应位置的元素进行相减操作。
例如，对于如下两个矩阵：A=[[1,2],[3,4]]B=[[5,6],[7,8]]则A和B的和、差分别为：A+B=[[1+5,2+6],[3+7,4+8]]=[[6,8],[10,12]]A-B=[[1-5,2-6],[3-7,4-8]]=[[-4,-4],[-4,-4]]二、矩阵的数乘矩阵的数乘是指将矩阵的每个元素都与一个常数k相乘。
具体来说，如果有一个m×n的矩阵A和一个实数k，则矩阵A乘以k的结果为B，可表示为：B = kA。
其中，B的元素bij等于k与A相对应位置元素的乘积。
例如，对于如下矩阵：A=[[1,2],[3,4]]k=2则A乘以k的结果为：B=kA=2A=[[2,4],[6,8]]三、矩阵的乘法矩阵的乘法是指给定两个矩阵A和B，如果A的列数等于B的行数，则可以将它们相乘得到一个新的矩阵C。
具体来说，如果A是一个m×n 的矩阵，B是一个n×p的矩阵，则矩阵C的大小为m×p。
C的元素cij 可以通过计算A的第i行与B的第j列对应位置元素的乘积之和得到。
例如，对于如下两个矩阵：A=[[1,2],[3,4]]B=[[5,6],[7,8]]则A和B的乘积为：C=AB=[[1×5+2×7,1×6+2×8],[3×5+4×7,3×6+4×8]]=[[19,22], [43,50]]注意，在矩阵乘法中，矩阵的位置很重要，即AB一般不等于BA。
矩阵的运算知识点总结
矩阵的运算知识点总结一、矩阵的定义在开始讨论矩阵的运算知识点之前，首先需要了解矩阵的定义。
矩阵是由数个数按矩形排列组成的数组。
一般地，我们定义一个m×n矩阵A为一个m行n列的数组，其中每个元素aij（i行j列的元素）都是一个实数。
数学上通常用大写字母A、B、C、...表示矩阵。
例如，一个3×2矩阵可以表示为：A = [a11 a12a21 a22a31 a32]其中，a11、a12、a21、a22、a31、a32是矩阵的元素。
二、矩阵的基本运算1. 矩阵的加法当两个矩阵具有相同的行数和列数时，它们可以相加。
矩阵相加是将对应位置的元素相加得到新的矩阵。
例如，对于矩阵A和矩阵B相加，结果矩阵C的第i行第j列元素为：cij = aij + bij。
2. 矩阵的减法矩阵的减法定义与加法类似，对应位置的元素相减得到新的矩阵。
例如，对于矩阵A和矩阵B相减，结果矩阵C的第i行第j列元素为：cij = aij - bij。
3. 矩阵的数量乘法矩阵与一个实数相乘，是将矩阵的每个元素都乘以该实数。
例如，对于矩阵A和实数k相乘，结果矩阵B的元素为：bij = k * aij。
4. 矩阵的转置矩阵的转置是将矩阵的行列互换得到新的矩阵。
例如，对于矩阵A的转置矩阵AT，有AT 的第i行第j列元素为A的第j行第i列元素。
5. 矩阵的乘法矩阵的乘法是矩阵运算中最重要的部分。
两个矩阵的乘法只有在满足第一个矩阵的列数等于第二个矩阵的行数时才能进行。
如果A是一个m×p的矩阵，B是一个p×n的矩阵，它们的乘积为一个m×n的矩阵C。
矩阵的乘法运算过程中，结果矩阵C的第i行第j列元素为：cij = a(i,1)b(1,j) + a(i,2)b(2,j) + ... + a(i,p)b(p,j)。
以上就是矩阵的基本运算，矩阵运算的内容很广泛，包括了基本运算，特殊矩阵运算和矩阵运算的性质定理等。
矩阵的运算及其运算规则
矩阵的运算及其运算规则矩阵是线性代数中的基本概念，也是数学、计算机科学、物理、经济学等领域中广泛运用的工具之一。
矩阵的运算是矩阵代数的重要组成部分，并且矩阵的运算规则是进行代数运算、求解线性方程组、计算特征值和特征向量等的关键。
1.基本矩阵运算矩阵的四则运算：加法、减法、乘法和除法是矩阵运算的基础。
加减法均是对应元素相加减，必须两个矩阵形状相同才可加减。
例如A、B是两个3\*3矩阵，那么它们相加后我们可以表示为C=A+B，C的每个元素都等于A和B对应位置的元素之和。
矩阵的乘法是相乘并对乘积元素求和，而不是元素相乘。
A\*B中A的列数应该等于B的行数，乘积C则应该是A的行数和B的列数构成的矩阵。
例如A是一个3\*2 的矩阵，B是一个2\*4 的矩阵，则将A的每一行和B的每一列依次相乘求和，得到一个3\*4的结果矩阵C。
除法在矩阵中一般不存在，但是可以通过矩阵的逆来实现除法运算。
如果乘积A\*B=C，且B是可逆的，那么我们可以利用B的逆矩阵来得出矩阵A，即A=B^{-1}C。
2.转置和逆矩阵矩阵的转置是将矩阵的行和列交换位置得到的新矩阵。
如果矩阵A的形状是m\*n，则转置后的矩阵形状是n\*m。
例如A=\begin{bmatrix}1 & 2 \\ 3 & 4 \\ 5 & 6\end{bmatrix}，则A的转置为A^T=\begin{bmatrix}1 & 3 & 5 \\ 2 & 4 & 6\end{bmatrix}。
矩阵的逆矩阵是一个矩阵，使得矩阵和它的逆矩阵的乘积为单位矩阵。
只有方阵才有逆矩阵，而且并不是所有的方阵都有逆矩阵。
如果一个矩阵A不能求逆，那么我们称它是奇异矩阵或不可逆矩阵。
如果一个矩阵A可以求逆，那么我们称它是非奇异矩阵或可逆矩阵。
逆矩阵的求解方法有伴随矩阵法、高斯-约旦消元法、矩阵分块法等。
3.矩阵的性质及运算规则矩阵的性质包括转置、对称、正交、幂等、奇异等性质。
矩阵的基本运算与性质
矩阵的基本运算与性质矩阵是线性代数中重要的数学结构，它广泛应用于统计学、物理学、计算机科学等领域。
本文将介绍矩阵的基本运算和性质，包括矩阵的加法、减法、数乘、乘法以及转置等运算。
一、矩阵的加法和减法矩阵的加法和减法是指将两个矩阵进行逐元素地相加或相减的运算。
假设我们有两个矩阵A和B，它们的维度相同，即有相同的行数和列数。
矩阵的加法运算可以表示为C = A + B，其中C的每个元素等于A和B对应元素的和。
同理，矩阵的减法运算可以表示为D = A - B，其中D的每个元素等于A和B对应元素的差。
二、矩阵的数乘运算矩阵的数乘运算是指将一个实数或复数与矩阵的每个元素相乘的运算。
假设我们有一个矩阵A和一个实数k，矩阵A的数乘运算可以表示为B = kA，其中B的每个元素等于k乘以A对应元素的值。
三、矩阵的乘法运算矩阵的乘法运算是指将两个矩阵相乘得到一个新的矩阵的运算。
矩阵乘法的定义要求第一个矩阵的列数等于第二个矩阵的行数。
假设我们有两个矩阵A和B，A的维度为m×n，B的维度为n×p，那么矩阵的乘法运算可以表示为C = AB，其中C的维度为m×p。
矩阵乘法的元素计算方式为C的第i行第j列元素等于A的第i行与B的第j列对应元素乘积的和。
四、矩阵的转置运算矩阵的转置运算是指将矩阵的行转换为列，将列转换为行的操作。
假设我们有一个矩阵A，A的转置可以表示为A^T。
A^T的第i行第j 列元素等于A的第j行第i列元素，即A^T的维度为n×m，其中A的维度为m×n。
矩阵的基本性质：1. 矩阵的加法和减法满足交换律和结合律，即A + B = B + A，(A +B) + C = A + (B + C)。
2. 矩阵的乘法满足结合律，即(A × B) × C = A × (B × C)。
3. 矩阵的加法和数乘运算满足分配律，即k(A + B) = kA + kB，(k + l)A = kA + lA。
矩阵计算方法
矩阵计算方法矩阵是线性代数中的重要概念，它在各个领域都有着广泛的应用。
矩阵的运算方法也是学习线性代数的重点之一。
本文将介绍矩阵的基本运算方法，包括矩阵的加法、减法、数乘、矩阵乘法、转置和逆矩阵等内容。
首先，我们来看矩阵的加法和减法。
对于两个相同大小的矩阵，它们的加法和减法运算都是逐个对应元素相加或相减。
例如，对于矩阵A和矩阵B，它们的加法运算为A + B = C，其中矩阵C的每个元素c_ij = a_ij + b_ij。
减法运算同理。
其次，矩阵的数乘运算也是很常见的。
对于一个矩阵A和一个标量k，它们的数乘运算为kA，即将矩阵A的每个元素都乘以k。
这在实际问题中经常用到，可以用来对矩阵进行缩放或者调整。
接下来是矩阵的乘法运算。
矩阵的乘法不同于加法和减法，它需要满足一定的条件才能进行。
具体来说，对于一个m×n的矩阵A和一个n×p的矩阵B，它们的乘积AB是一个m×p的矩阵C，其中矩阵C的每个元素c_ij等于矩阵A的第i行与矩阵B的第j列对应元素的乘积之和。
矩阵乘法在计算机图形学、神经网络等领域有着广泛的应用。
此外，矩阵的转置也是一个重要的运算。
对于一个m×n的矩阵A，它的转置记作A^T，即将矩阵A的行列互换得到的n×m矩阵。
转置运算在矩阵的运算和求解中经常用到。
最后，我们来谈谈矩阵的逆矩阵。
对于一个可逆的n×n矩阵A，它的逆矩阵记作A^-1，满足AA^-1 = A^-1A = I，其中I是n阶单位矩阵。
逆矩阵在线性方程组的求解和矩阵方程的求解中扮演着重要的角色。
总之，矩阵的运算方法是线性代数中的重要内容，它们在各个领域都有着广泛的应用。
通过学习矩阵的运算方法，我们可以更好地理解和应用线性代数的知识，为实际问题的求解提供有力的工具。
希望本文对您有所帮助。
矩阵的计算方式
矩阵的计算方式矩阵在数学和计算领域中起着重要的作用。
它们是由一组数值排列成的矩形阵列，用于表示和处理数据。
矩阵的计算方式包括加法、减法、乘法和求逆等操作，下面将逐一介绍这些计算方式。
一、矩阵的加法矩阵的加法是指将两个相同维度的矩阵按元素进行相加。
具体而言，对应位置的元素相加得到的结果组成了一个新的矩阵。
例如，给定矩阵A和矩阵B，它们的加法运算可以表示为：C = A + B二、矩阵的减法矩阵的减法与加法类似，也是按元素进行操作。
即对应位置的元素相减得到的结果组成了一个新的矩阵。
例如，给定矩阵A和矩阵B，它们的减法运算可以表示为：C = A - B三、矩阵的乘法矩阵的乘法是指将两个不同维度的矩阵进行运算。
具体而言，乘法是通过将矩阵的行与另一个矩阵的列相乘并求和得到结果的。
例如，给定矩阵A和矩阵B，它们的乘法运算可以表示为：C = A * B四、矩阵的求逆矩阵的求逆是指找到一个与原矩阵相乘等于单位矩阵的逆矩阵。
逆矩阵可以用来解线性方程组和求解矩阵方程等。
例如，给定矩阵A，它的逆矩阵可以表示为：A^-1矩阵的计算方式在数学和计算机领域中广泛应用。
它们在线性代数、图像处理、机器学习和人工智能等领域都有重要的应用。
通过矩阵的计算方式，我们可以对数据进行处理、分析和建模，从而得到有用的信息和结论。
除了基本的矩阵计算方式，还有一些特殊的矩阵计算方式，如转置、特征值和特征向量、奇异值分解等。
转置是将矩阵的行和列进行互换的操作，特征值和特征向量是矩阵在线性变换中的重要概念，奇异值分解是将矩阵分解为三个矩阵的乘积的操作。
总结起来，矩阵的计算方式包括加法、减法、乘法和求逆等操作。
它们在数学和计算领域中具有重要的应用价值。
通过矩阵的计算方式，我们可以对数据进行处理和分析，从而得到有用的信息和结论。
矩阵的计算方式是现代数学和计算机科学的基础，对于解决各种实际问题具有重要的作用。
矩阵的运算的所有公式
矩阵的运算的所有公式矩阵是数学中一个重要的概念，研究矩阵的运算公式对于理解线性代数和计算机图形学等领域都至关重要。
以下是矩阵的运算公式的详细介绍：1.矩阵的加法：对于两个相同大小的矩阵A和B，它们的加法定义为：C=A+B，其中C的元素等于A和B对应元素的和。
2.矩阵的减法：对于两个相同大小的矩阵A和B，它们的减法定义为：C=A-B，其中C的元素等于A和B对应元素的差。
3.矩阵的数乘：对于一个矩阵A和一个标量k，它们的数乘定义为：B=k*A，其中B的元素等于A的对应元素乘以k。
4.矩阵的乘法：对于两个矩阵A和B，它们的乘法定义为：C=A*B，其中C的元素等于A的行向量与B的列向量的内积。
5.矩阵的转置：对于一个矩阵A，它的转置定义为：B=A^T，其中B的行等于A的列，B的列等于A的行，且B的元素和A的对应元素相同。
6.矩阵的逆：对于一个可逆矩阵A，它的逆定义为：A^{-1}，使得A*A^{-1}=I，其中I是单位矩阵。
7.矩阵的行列式：对于一个方阵A，它的行列式定义为：，A，是A的元素的代数余子式之和。
8.矩阵的迹：对于一个方阵A，它的迹定义为：tr(A)，是A的主对角线上元素之和。
9.矩阵的转置乘法：对于两个矩阵A和B，它们的转置乘法定义为：C=A^T*B，其中C的元素等于A的列向量与B的列向量的内积。
10.矩阵的伴随矩阵：对于一个方阵A，它的伴随矩阵定义为：adj(A)，是A的代数余子式构成的矩阵的转置。
11.矩阵的秩：对于一个矩阵A，它的秩定义为：rank(A)，是A的线性无关的行或列的最大数量。
12.矩阵的特征值和特征向量：对于一个方阵A，它的特征值是满足方程det(A - λI) = 0的λ值，特征向量是对应于特征值的非零向量。
13.矩阵的奇异值分解（SVD）：对于一个矩阵A，它的奇异值分解定义为：A=U*Σ*V^T，其中U和V 是正交矩阵，Σ是一个对角线上元素非负的矩阵。
14.矩阵的广义逆矩阵：对于一个矩阵A，它的广义逆矩阵定义为：A^+，使得A*A^+*A=A，其中A*A^+和A^+*A均为投影矩阵。
矩阵的运算
( AB)k Ak Bk AB BA.
k
k Z
0 a1k 0 a1 , k Z . (4) k 0 0 a a n n
高 等 代 数
2 方阵的行列式
定义：由n阶方阵A的元素构成的行列式（各元素的位置不
变），称为方阵A的行列式.记做 | A | 或 det
高 等 代 数
（3） 单位矩阵
主对角线上的元素全是 1，其余元素全是 0 的 n n 矩阵
1 0 0
0 0 1 0 0 1
称为 n 阶单位矩阵，记为 En，或者在不致引含混
的时候简单写为 E 或者I.
高 等 代 数
n 阶单位矩阵 E 在矩阵代数中占有很重要的地 位, 它的作用与 “1” 在初等代数中的作用相似. 如 EA = AE = A .
3 1 2 4 5 1 A.
高 等 代 数
2．矩阵乘法的运算规律
(1) (2) ( AB )C A( BC ) A( B C ) AB AC ( B C ) A BA CA
(结合律) （分配律)
(3)
k ( AB ) ( kA) B A( kB )
2．性质
(1) ( ) A ( A) ; (2) (3) ( ) A A A ;
( A B) A B ;
(4) 1 A A ;
注: 矩阵的加法与数量乘法合起来,统称为矩阵的 线性运算.
高 等 代 数
例1
例题2.2.1
4 3 1 1 1 0 设 A ,B ,求3 A 2 B . 3 0 1 5 1 3
a1n b1n a2 n b2 n amn bmn
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
矩阵操作
矩阵的转置与共轭转置
’ 共轭转置 .’ 转置，矩阵元素不取共轭 点与单引号之间不能有空格！
例：>> A=[1 2;2i 3i]
>> B=A’ >> C=A.’
矩阵操作
改变矩阵的形状：reshape
reshape(A,m,n): 将矩阵元素按 列方向 进行重组 重组后得到的新矩阵的元素个数 必须与原矩阵元素个数相等！
Matlab基础
向量与矩阵运算
向量与矩阵运算
向量与矩阵的生成
向量的生成 直接输入: a=[1,2,3,4] 冒号运算符 从矩阵中抽取行或列
例：a=[1:4] ==> a=[1, 2, 3, 4]
b=[0:pi/3:pi] ==> b=[0, 1.0472, 2.0944, 3.1416] c=[6:-2:0] ==> c = [6, 4, 2, 0]
X=A\B <==> A*X=B X=B/A <==> X*A=B
当A为方阵，其结果与inv(A)*B基本一致；
当A不为方阵，除法将分三种情况自动检测：若为 超定方程组（既无解）除法将给出最小二乘意义上的 近似解，即使向量AX-B的长度最小；若为不定方程组 （即无穷多解），除法将给出一个具有最多零元素的 特解（不是通解）；若为唯一解，除法将给出这个解。 用户对结果应有一个正确的认识。
函数取值
例：
exp(a11 ) exp(a12 ) exp(a21 ) exp(a22 ) exp(A) exp(a ) exp(a ) m1 m2 exp(a1n ) exp(a2 n ) exp(amn )
线性代数运算的MATLAB命令 MATLAB是矩阵化程序设计语言，所以处理矩阵和向量运算特别 方便。关于矩阵和向量的一些基本运算命令已在前面有所介绍，常 用的命令和函数还有
zeros ones eye linspace rand det inv norm cond 生成0矩阵 eig 生成1矩阵 diag 生成单位矩阵 trace 生成等距行向量 rank 生成随机矩阵 rref 方阵的行列式 orth 方阵的逆 null 范数 jordan 方阵的条件数 特征值、特征向量 对角矩阵 方阵的迹 矩阵的秩 行最简形 正交规范 求基础解系 Jordan 分解
矩阵操作
提取矩阵的部分元素： 冒号运算符
A(:) A的所有元素 A(:,:) 二维矩阵A的所有元素 A(:,k) A的第 k 列， A(k,:) A的第 k 行
A(k:m) A的第 k 到第 m 个元素 A(:,k:m) A的第 k 到第 m 列组成的子矩阵
自己动手
A(:) 与 A(:,:) 的区别 ? 如何获得由 A 的第一、三行和第一、二列组成的子矩阵？
返回向量 X 的长度 等价于 max(size(A))
矩阵基本运算
矩阵的加减：对应分量进行运算
要求参与加减运算的矩阵具有 相同的维数
例：>> A=[1 2 3; 4 5 6]; B=[3 2 1; 6 5 4]
>> C=A+B; D=A-B;
矩阵的普通乘法
要求参与运算的矩阵满足线性代数中矩阵相乘的原则
特征值和特征向量 [V,D]=eig(A) 返回方阵A的特征值和特征向量。其中D为特 征值构 成的对角阵，每个特征值对应的V的为属于该特征值的一个 特征向量，每个特征向量都是单位向量，并且属于同一特 征值 的线性无关特征向量已正交化。
eig(A) 返回方阵A的特征值构成的列向量。
例： >> A=[1 2 3;2 3 4;2 4 5];[V,D]=eig(A),t=eig(A) V= -0.3957 -0.5765 -0.7149 D= -0.2167 + 0.5832i -0.2167 - 0.5832i 0.6313 0.6313 -0.3914 - 0.2471i -0.3914 + 0.2471i
x1 x2 x3 x4 1 x1 x2 x3 x4 1 2 x 2 x x x 1 2 3 4 1
解：在有无穷多解的情况可用三种方法求得通解。
方法一：用rref化为行最简形以后求解。 >> clear;a=[1 -1 1 -1;-1 1 1 -1;2 -2 -1 1];b=[1;1;-1]; >> [rank(a),rank([a,b])] ans = 2 2 ％秩相等且小于４，说明有无穷多解
向量与矩阵运算
向量与矩阵的生成（续）
矩阵的生成 直接输入: A=[1, 2, 3; 4, 5, 6; 7, 8, 9] 由向量生成 通过编写m文件生成 由函数生成
例：>> x=[1,2,3];y=[2,3,4];
>> A=[x,y], B=[x;y]
例：>> C=magic(3)
常见矩阵生成函数
zeros(m,n) ones(m,n) eye(m,n) diag(X) tril(A) triu(A) rand(m,n) randn(m,n) 生成一个 m 行 n 列的零矩阵，m=n 时可简写为 zeros(n) 生成一个 m 行 n 列的元素全为 1 的矩阵, m=n 时可写为 ones(n) 生成一个主对角线全为 1 的 m 行 n 列矩阵, m=n 时可简写为 eye(n)，即为 n 维单位矩阵 若 X 是矩阵，则 diag(X) 为 X 的主对角线向量 若 X 是向量，diag(X) 产生以 X 为主对角线的对角矩阵 提取一个矩阵的下三角部分 提取一个矩阵的上三角部分 产生 0～1 间均匀分布的随机矩阵 m=n 时简写为 rand(n) 产生均值为0，方差为1的标准正态分布随机矩阵 m=n 时简写为 randn(n)
矩阵操作
查看矩阵的大小：size
size(A) 列出矩阵 A 的行数和列数 size(A,1) 返回矩阵 A 的行数 size(A,2) 返回矩阵 A 的列数
例：>> (A) >> size(A,1) >> size(A,2) length(x) length(A)
例：>> A=[1 2 3; 4 5 6]; B=[2 1; 3 4];
>> C=A*B
矩阵基本运算
矩阵的除法：/、\ 右除和左除
若 A 可逆方阵，则 B/A <==> A 的逆右乘 B <==> B*inv(A) A\B <==> A 的逆左乘 B <==> inv(A)*B 通常，矩阵除法可以理解为 X=A\B <==> A*X=B X=B/A <==> X*A=B 当 A 和 B 行数相等时即可进行左除 当 A 和 B 列数相等时即可进行右除
Inf Inf 可见，不能直接求解。 >> A=[1 2;2 4;0 0];B=[1;2;0];x=A\B %增加0x+0y=0，使A不为方阵 Warning: Rank deficient, rank = 1 tol = 2.9790e-015.
x=
0 0.5000 仍可求一特解。
例：求线性方程组的通解
Kronecker 乘积的性质
A B 是 np×mq 矩阵；通常 A B B A
任何两个矩阵都有 Kronecker 乘积 Matlab 中实现两个矩阵 Kronecker 相乘的函数为 kron(A,B) Kronecker乘积有时也称张量积
矩阵的数组运算
数组运算：对应元素进行运算
>> A=[1 2;2 4];B=[1;2];x=A\B Warning: Matrix is singular to working precision. (Type "warning off MATLAB:singularMatrix" to suppress this warning.) x=
矩阵操作
矩阵的旋转
fliplr(A) 左右旋转 flipud(A) 上下旋转
rot90(A) 逆时针旋转 90 度； rot90(A,k) 逆时针旋转 k×90 度 >> B=fliplr(A) >> C=flipud(A) >> D=rot90(A), E=rot90(A,-1)
例：>> A=[1 2 3;4 5 6]
例： 解下列方程组
x y 1 （） 1 (定解方程组） x y 4 x 2y z 1 （2） （不定方程组） 3 x 2 y z 4 x 2y 1 （3） 3 x 2 y 4 (超定方程组） x y 2 x 2y 1 （4） （奇异方程组） 2 x 4 y 2
若 a 是标量，A 是方阵，且 [V,D] = eig(A)，则 a^A ＝ V*(a^D)/V 若 A, P 均是矩阵，则 A^P 无定义
矩阵的 Kronecker 乘积
矩阵 Kronecker 乘积的定义
设A是n×m矩阵，B是p×q矩阵，则A与B的kronecker乘积为： a11 B a12 B a1m B a B a B a B 22 2m C A B 21 a B a B a B n2 nm n1
矩阵的乘方
d1 0 0 d2 D 若 a 是标量， 0 0 0 0 dn
0 a ^ d1 0 a^ d2 则 a^ D 0 0