矩阵加法

通常的矩阵加法被定义在两个相同大小的矩阵。两个m×n矩阵A和B的和，标记为A+B，一样是个m×n矩阵，其内的各元素为其相对应元素相加后的值。例如：

${\displaystyle {\begin{bmatrix}1&3\\1&0\\1&2\end{bmatrix}}+{\begin{bmatrix}0&0\\7&5\\2&1\end{bmatrix}}={\begin{bmatrix}1+0&3+0\\1+7&0+5\\1+2&2+1\end{bmatrix}}={\begin{bmatrix}1&3\\8&5\\3&3\end{bmatrix}}}$ 

也可以做矩阵的减法，只要其大小相同的话。A-B内的各元素为其相对应元素相减后的值，且此矩阵会和A、B有相同大小。例如：

${\displaystyle {\begin{bmatrix}1&3\\1&0\\1&2\end{bmatrix}}-{\begin{bmatrix}0&0\\7&5\\2&1\end{bmatrix}}={\begin{bmatrix}1-0&3-0\\1-7&0-5\\1-2&2-1\end{bmatrix}}={\begin{bmatrix}1&3\\-6&-5\\-1&1\end{bmatrix}}}$ 

另一种运算为直和。直和可以由任何一对矩阵形成，其定义为：

${\displaystyle A\oplus B={\begin{bmatrix}A&0\\0&B\end{bmatrix}}={\begin{bmatrix}a_{11}&\cdots &a_{1n}&0&\cdots &0\\\vdots &\ddots &\vdots &\vdots &\ddots &\vdots \\a_{m1}&\cdots &a_{mn}&0&\cdots &0\\0&\cdots &0&b_{11}&\cdots &b_{1q}\\\vdots &\ddots &\vdots &\vdots &\ddots &\vdots \\0&\cdots &0&b_{p1}&\cdots &b_{pq}\end{bmatrix}}}$ 

举例来说：

${\displaystyle {\begin{bmatrix}1&3&2\\2&3&1\end{bmatrix}}\oplus {\begin{bmatrix}1&6\\0&1\end{bmatrix}}={\begin{bmatrix}1&3&2&0&0\\2&3&1&0&0\\0&0&0&1&6\\0&0&0&0&1\end{bmatrix}}}$ 

注意到这种运算可以给两个图的邻接矩阵取并集。

在任两个向量空间内取定基底，并取两基底的联集为向量空间直和的基底，则两空间上的线性变换的直和可以表成两矩阵的直和。

一般地，n个矩阵的直和可以写成：

${\displaystyle \bigoplus _{i=1}^{n}A_{i}={\mbox{diag}}(A_{1},A_{2},A_{3},\ldots ,A_{n})={\begin{bmatrix}A_{1}&&&\\&A_{2}&&\\&&\ddots &\\&&&A_{n}\end{bmatrix}}.}$ 

• 矩阵乘法

• Online matrix addition calculator （页面存档备份，存于互联网档案馆）