Matris çarpımı neden bileşen bileşen değil?

Bileşen bileşen çarpım (Hadamard çarpımı) da vardır ama standart matris çarpımı değildir. Standart matris çarpımı satır-sütun iç çarpımı olarak tanımlanır çünkü bu tanım lineer dönüşümleri, denklem sistemlerini ve veri işlemlerini doğal olarak ifade eder. Portföy getirisi = ağırlık x getiri ilişkisi ancak bu çarpım türüyle doğru sonuç verir.

AB ile BA neden farklı sonuç verir?

Matris çarpımı sıralama bağımlıdır (non-commutative). \( AB \) ve \( BA \) farklı boyutlarda bile olabilir: \( (2 \times 3)(3 \times 4) = 2 \times 4 \) iken \( (3 \times 4)(2 \times 3) \) tanımsızdır. Aynı boyutta olsalar bile sonuçlar genellikle farklıdır. Finansta bu gerçek, işlem sırasının sonucu değiştirdiği piyasa mantığını yansıtır.

Portföy varyansı formülündeki boyut akışı nasıl çalışır?

\( \sigma_p^2 = \mathbf{w}^T \Sigma \mathbf{w} \) formülünde: \( \mathbf{w}^T \) satır vektörü \( (1 \times n) \), \( \Sigma \) kovaryans matrisi \( (n \times n) \), \( \mathbf{w} \) sütun vektörü \( (n \times 1) \). Çarpım: \( (1 \times n)(n \times n)(n \times 1) = (1 \times 1) \) — tek bir sayı, yani portföy varyansı. Bu yapı kaç varlık olursa olsun geçerlidir.

Transpoz neden bu kadar sık kullanılır?

Transpoz, matris çarpımının boyut uyumu kuralını sağlamak için gereklidir. Örneğin iki sütun vektörü \( \mathbf{a} \) ve \( \mathbf{b} \) doğrudan çarpılamaz (\( n \times 1 \) çarpı \( n \times 1 \) — iç boyutlar uyuşmaz). Ama \( \mathbf{a}^T \mathbf{b} \) (\( 1 \times n \) çarpı \( n \times 1 = 1 \times 1 \)) iç çarpımı verir. Kovaryans hesabı için \( \tilde{R}^T \tilde{R} \) de aynı mantıkla çalışır.

Matris işlemlerini Python'da nasıl yaparım?

NumPy kütüphanesi matris işlemlerini son derece verimli yapar. np.dot(A, B) veya A @ B ile matris çarpımı, A.T ile transpoz, A + B ile toplama, c * A ile skaler çarpma yaparsınız. Pratikte elinizle hesap yapmazsınız — ama formüllerin ne yaptığını anlamak için bu makaledeki mekanik bilgiyi bilmeniz şarttır.

Birim matris nedir ve neden önemlidir?

Birim matris \( I \), köşegen elemanları 1, diğerleri 0 olan kare matristir. Çarpmada "1" rolünü oynar: \( AI = IA = A \). Bir sonraki makalede göreceğimiz ters matris kavramı birim matrise dayanır: \( A \cdot A^{-1} = I \). Bu, sayılarda \( a \cdot a^{-1} = 1 \) olmasının matris karşılığıdır.

Matris İşlemleri: Toplama, Çarpma ve Transpoz