- 深度学习:卷积神经网络从入门到精通
- 李玉鑑
- 261字
- 2023-07-26 11:56:27
2.2 矩阵运算
如果矩阵A =(aij)m×n,其转置矩阵B =(bij) = AT的所有元素定义为

如果矩阵A =(aij)m×n,其180°旋转定义为

给定两个矩阵A =(aij)m×n和B =(bij)n×p,它们的乘积C =(cij)m×p= A·B = AB的所有元素定义为

给定两个矩阵A =(aij)m×n和B =(bij)m×n,它们的加法和减法定义为

它们的阿达马积(Hadamard product),又称为逐元素积(elementwise product)定义为

给定两个矩阵A =(aij)m×n和B =(bij)p×q,它们的克罗内克积(Kronnecker product)定义为

如果x =(x1, x2, …, xn)T是向量,那么一元函数f(x)的逐元向量函数(elementwise vector function)定义为

如果X =(xij)m×n是矩阵,那么一元函数f(x)的逐元矩阵函数(elementwise matrix function)定义为

逐元向量函数和逐元矩阵函数统称为逐元函数(elementwise function)。