《线性代数》第一节矩阵
《线性代数》第1章线性方程组与矩阵
![《线性代数》第1章线性方程组与矩阵](https://img.taocdn.com/s3/m/60accef0a26925c52cc5bfa5.png)
记为 En 或 E即,
1 0 L 0
E
0
1L
0
.
L L O M
0
0L
1
定义2 两个矩阵的行数相等、列数也相等,则称这两个矩阵为同型矩阵.
如果两个同型矩阵
A (aij )mn 和 B (bij )mn 中所有对应位置的元素都相等, 即 aij bij ,其中
该线性方程组由常数 aij i 1,2,L ,m ; j 1,2,L ,n 和 bi i 1, 2,L , m完全确定, 可以用一个 mn 1 个数排成的 m 行 n 1列的数表
a11 a12 L
°A
a21
a22
L
M M
am1
am2
L
a1n b1
a2n
b2
M M
amn bm
一、矩阵的定义
得到的 n m 矩阵称为矩阵 A 的转置矩阵,记为 AT ,即
a11 a21 L
AT
a12
L
a22 L LL
a1n
a2n L
am1
am 2
.
L
anm
矩阵的转置满足下面的运算规律(这里 k 为常数, A 与 B 为同型矩阵):
数 aij 位于矩阵aij 的第 i 行第 j 列,称为矩阵的i, j 元素, 其中 i 称为元素 aij 的行标, j 称为元素 aij 的列标.
一般地,常用英文大写字母 A, B,L 或字母, , ,L 表示矩阵.
一、矩阵的定义
第1章 线性方程组与矩阵 6
元素是实数的矩阵称为实矩阵, 元素是复数的矩阵 称为复矩阵. 本书除特别指明外,都是指实矩阵.
线性代数第一讲 逆矩阵
![线性代数第一讲 逆矩阵](https://img.taocdn.com/s3/m/1c09a9cf2cc58bd63186bd6e.png)
矩阵 A 可逆|A|0 若 A 可逆 则 A1
1 A* | A|
1 2 3 例 2 求方阵 A 2 2 1 的逆阵 3 4 3 解 由|A|20 得知A1存在 因为 2 6 4 A* 3 6 5 2 2 2
定理:AA*A*A|A|E
An1 An2 Ann
A A 当 A 0时, AA A A A E A A E , A A 按逆矩阵的定义得 A 1 A . A
首页 上页 返回 下页 结束 铃
补充例题
逆矩阵的定义 对于n阶矩阵A 如果存在n阶矩阵B 使得 ABBAE 则称矩阵A是可逆的 并称B为A的逆矩阵 简称逆阵 逆阵的唯一性 如果矩阵A是可逆的 那么A的逆阵是唯一的
所以
1 2 2 6 4 3 3 5 1 A* 1 3 6 5 3 1 A 2 | A| 2 2 2 2 2 1 1 1
首页 上页 返回 下页 结束 铃
补充例题
例3 设
1 2 3 1 3 A 2 2 1 B 2 1 C 2 0 5 3 3 4 3 3 1 求矩阵X使其满足AXBC
推广
A1 A2 Am A A A .
1
1 m
1 2
1 1
当A可逆, m为正整数时, A 亦可逆,且 若规定 A m
补充例题 首页
m
(A ) (A ) . m 1 m 1 m (A ) , 则 (A ) A .
上页 返回 下页 结束 铃
m 1
1 m
矩阵 A 可逆|A|0 若 A 可逆 则 A1 例 1 求二阶矩阵 A a b 的逆阵 c d d b 解 因为|A|adbc A* c a 所以当|A|0时 有
线性代数 第一章 第一节
![线性代数 第一章 第一节](https://img.taocdn.com/s3/m/3a4c8aee5ef7ba0d4a733be5.png)
在生活中存在很多数表:例 1.1 1.1.1 矩阵的概念某城市有4个县城, 所示为公路网中各段公路的城E 1, E 2,E 3, E 4,线的数字表示两地公路的总里程.市政府决定修建公路网.图1.1里程数(单位: km); 其中五个圆分别表示城市O 与四个县图中两圆连E 1E 2E 3E 4O 615455.3图1.1图1.1可用下面的矩形数表表示:O E1E2E3E4O E1 E2 E3 E4061101635461063.5648410163.5055.3102636455.30575484102570E1E2E3E4O615455.3图1.1n m ⨯()n j m i a ij ,,2,1;,,2,1 ==111212122212n n m m mna a a a a a a a a L L M M M L 称为m 行n 列矩阵,简称m ⨯n 矩阵.排成的m 行n 列的数表个数由定义1.1111212122211,n n m m mn a a a a a a A a a a ⎛⎫ ⎪=⎪ ⎪⎝⎭L L L L L L L简记为n m A A ⨯=实矩阵,元素是复数的矩阵称为复矩阵.(),ij m n a ⨯=记作这m ×n 个数称为A 的元素,简称元素.例如⎪⎭⎫ ⎝⎛-34695301是一个2×4实矩阵.⎪⎪⎪⎭⎫ ⎝⎛2222222613i 是一个3×3复矩阵.()4是一个1×1实矩阵.11112211211222221122,,.n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b +++=⎧⎪+++=⎨⎪+++=⎩L L L L L L L L L L L L ij a 111212122212n n m m mn a a a a a a A a a a ⎛⎫ ⎪=⎪ ⎪⎝⎭L L L L L L L 系数矩阵11121121222212n n m m mn m a a a b a a a b B a a a b ⎛⎫ ⎪= ⎪ ⎪⎝⎭L L L L L L LL 增广矩阵例1.3线性方程组12nx x x其中为常数.下面介绍几种特殊矩阵1) 方阵行数与列数都等于n 的矩阵A ,称为n 阶方阵,.n A 记作例如⎪⎪⎪⎭⎫ ⎝⎛=2222222613A 是一个3 阶方阵.2) 行矩阵、列矩阵只有一行的矩阵(),,,,21n a a a A =称为行矩阵(或行向量).,21⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n a a a B 只有一列的矩阵称为列矩阵(或列向量).3) ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛10001000100单位矩阵==n E E 全为110001⎛ ⎪⎝⎭=3E 0010⎝⎭不为单位阵0的方阵, 称为定义1.2称为对角矩阵(或对角阵).⎪⎪⎪⎪⎪⎭⎫⎝⎛n λλλ00000021形如4) 对角矩阵00如果12λλλ==L .记作数量矩阵.diagonal的方阵,()1diag ,,,.λλλL =L 000000λλλ⎛⎫ ⎪⎪⎪⎝⎭L L L L L L L 定义1.31112122200n n nn a a a a a a ⎛⎫ ⎪⎪ ⎪⎝⎭L L M M L ML11212212000n n nn a a a a a a ⎛⎫ ⎪ ⎪ ⎪⎝⎭L L M M L M L元素全为零的矩阵称为零矩阵,m n O ⨯5) 零矩阵()00013O ⨯=000000⎛⎫ ⎪⎝⎭23O ⨯=6) 三角形矩阵称为上三角形矩阵与下三角形矩阵.零矩阵记作或m n ⨯.O 定义1.4形如与两个矩阵的行数相等,列数相等时,称为例如125637⎛⎫ ⎪ ⎪⎝⎭1.1.2 矩阵的加法与数量乘法同型矩阵.1438439⎛⎫⎪ ⎪⎝⎭与为同型矩阵.两个矩阵()()ij ij A a B b ==与(),,,2,1;,,2,1n j m i b a ij ij ===则称矩阵A 与B 相等, 记作A = B .任意两个零矩阵都相等吗?答: 不一定.0000⎛⎫ ⎪⎝⎭≠对应元素相等, 即为同型矩阵, 并且()00.定义1.5例如1110,02,233a A b B c --⎛⎫⎛⎫⎪ ⎪== ⎪ ⎪⎝⎭⎝⎭已知A = B , 求a , b , c .解a = 1,b = 2,c = 2.引例某公司为两个单位供三种货物如下:甲货A货B货C数量(千)138金额(万)864乙货A货B货C数量(千)224金额(万)1642问:总数量总金额是多少?351224106定义1.6111112121121212222221122n n n n m m m m mn mn a b a b a b a b a b a b C A B a b a b a b +++⎛⎫ ⎪+++=+= ⎪ ⎪+++⎝⎭L L L L L LL 设有两个只有当两个矩阵是同型矩阵时, 才能进行加法运算.令矩阵m n ⨯()(),,ij ij A a B b ==则称矩阵C 为矩阵A 与B 的和,记作A+B .说明:例1.4 求1235189190654.368321-⎛⎫⎛⎫⎪ ⎪-+ ⎪ ⎪⎝⎭⎝⎭⎪⎪⎪⎭⎫ ⎝⎛= .98644741113⎪⎪⎪⎭⎫⎝⎛-=112+83+95+-61+59+-40+33+26+18+解原式矩阵加法的运算规律;A B B A +=+()().A B C A B C ++=++111212122212n nm m mn a a a aa a A a a a ---⎛⎫⎪--- ⎪-=⎪⎪---⎝⎭ ();A A O +-=(),ijm na ⨯=-称为矩阵A 的负矩阵.(1) 交换律(2) 结合律(3) 零矩阵的特性A O O A A+=+=().A B A B -=+-(4) 存在负矩阵-A ,满足(5) 矩阵减法定义 1.7数与矩阵相乘设矩阵(),ij m n A a ⨯=λ是一实数或复数,规定111212122212(),n n ij m n m m mn a a a a a a A a a a a λλλλλλλλλλλ⨯⎛⎫ ⎪== ⎪ ⎪⎝⎭L L M M ML 称此矩阵为数λ与矩阵A 的数量乘积, 简称为矩阵的数乘.()()()A A A (3);==λμλμμλ()A A A (1);+=+λμλμ()(2);A B A B λλλ+=+数乘矩阵运算满足下述规律:(设A ,B 为m ×n 矩阵,μλ,矩阵相加与数乘矩阵合起来,统称为矩阵的线性运算.(4)1,0.A A A O ⋅=⋅=为数)例1.5 设231,121A ⎛⎫= ⎪-⎝⎭111,201B -⎛⎫= ⎪-⎝⎭求矩阵X , 使得42.A X B +=解24X B A =-111201-⎛⎫=⎪-⎝⎭2314121⎛⎫- ⎪-⎝⎭111201-⎛⎫=- ⎪-⎝⎭8124484⎛⎫ ⎪-⎝⎭7133.685---⎛⎫= ⎪--⎝⎭从而713312685X ---⎛⎫= ⎪--⎝⎭7/213/23/2.345/2---⎛⎫= ⎪--⎝⎭称为一个从变量12,,,m y y y 12,,n x x x 变换.11111221221122221122,,.n n n n m m m mn n y a x a x a x y a x a x a x y a x a x a x =+++⎧⎪=+++⎪⎨⎪⎪=+++⎩ ()ijm nA a ⨯=(a ij 为常数)称为线性变换的系数矩阵.1.1.3 矩阵与矩阵的乘法n 个变量12,,,n x x x L 与m 个变量12,,,m y y y L 的关系式之间到变量的线性引例设有两个线性变换11111221332211222233,(1),y a x a x a x y a x a x a x =++⎧⎨=++⎩111112222112223311322,, (2),x b t b t x b t b t x b t b t =+⎧⎪=+⎨⎪=+⎩求出从12,t t 到12,y y 的线性变换.221112221233112112222223322()().y a b a b a b t a b a b a b t =+++++111111221133111112122213322()(),y a b a b a b t a b a b a b t =+++++线性变换(3)称为线性变换(1)与(2)的乘积.(3)把(3)所对应的矩阵定义为(1)与(2)所对应的矩阵的乘积.记作11111221332211222233, (1),y a x a x a x y a x a x a x =++⎧⎨=++⎩111112222112223311322,, (2),x b t b t x b t b t x b t b t =+⎧⎪=+⎨⎪=+⎩221112221233112112222223322()().y a b a b a b t a b a b a b t =+++++111111221133111112122213322()(),y a b a b a b t a b a b a b t =+++++(3)111213212223a a a a a a ⎛⎫ ⎪⎝⎭111112211331111212221332211122212331211222222332a b a b a b a b a b a b a b a b a b a b a b a b ++++⎛⎫=⎪++++⎝⎭111221223132b b b b b b ⎛⎫⎪ ⎪ ⎪⎝⎭1,pik kj k a b =∑=ij c (),,,2,1;,2,1n j m i ==(),p n ij p n B b ⨯⨯=+j i b a 11+j i b a 22+ ip pj a b =()ij m n C c ⨯=矩阵与矩阵相乘的定义()m p ij m p A a ⨯⨯=给定矩阵与矩阵定义1.9 111121212p i i ip m m mp a a a a a a A a a a ⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭L L M M M L M M L M L 111121221j n j n p pj pn b b b b b b B b b b ⎛⎫ ⎪= ⎪ ⎪⎪⎝⎭L L L L M M L M L L 记则称C 为A 与B 的乘积.,AB =例1.6222263422142⨯⨯⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛--=C 22⨯⎪⎭⎫⎝⎛=16-32-816设101221300514A ⎛⎫ ⎪= ⎪ ⎪-⎝⎭034211432B ⎛⎫⎪= ⎪ ⎪⎝⎭例1.7?第i 行第j 列c ij注意:AB =?无意义行数时, 两个矩阵才能相乘.只有当第一个矩阵的列数等于第二个矩阵的注意:.AB BA ≠()31,2,321⎛⎫⎪ ⎪⎝⎭()132231⨯+⨯+⨯=().10=例1.8()321231⎛⎫⎪ ⎪⎪⎝⎭369246,123⎛⎫ ⎪= ⎪ ⎪⎝⎭m k ⨯的矩阵的矩阵相乘k n ⨯与m n⨯k n ⨯的矩阵与m k ⨯的矩阵相乘当n =m 时k k⨯当n ≠m 时不能相乘矩阵不满足交换律,即.AB BA ≠故矩阵乘法的运算规律()();AB C A BC =();C A B CA CB +=+();A B C AC BC +=+性质1 性质2 下证:();A B C AC BC +=+设(),ij m n A a ⨯=(),ij m n B b ⨯=(),ij n s C c ⨯=则证明A B +(),ij ij m n a b ⨯=+()A B C +1().n ik ik kj k m s a b c =⨯⎛⎫=+ ⎪⎝⎭∑AC 1,n ik kj k m s a c =⨯⎛⎫= ⎪⎝⎭∑BC 1,nik kj k m sb c =⨯⎛⎫= ⎪⎝⎭∑AC BC +1().n ik ik kj k m sa b c =⨯⎛⎫=+ ⎪⎝⎭∑故().A B C AC BC +=+而()()()AB A B A B λλλ==(其中λ为数);;m n n m m n m n A E E A A ⨯⨯⨯==.AB BA ≠;;m n n s m s p m m n p n A O O O A O ⨯⨯⨯⨯⨯⨯==性质3 性质412m b b b ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭例1.911112211211222221122,,.n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩ 请把线性方程组写成矩阵相乘形式.线性方程组=111212122212n n m m mn a a a a a a a a a ⎛⎫⎪ ⎪ ⎪⎪⎝⎭12 n x x x ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭b=Ax系数矩阵Ax b=线性变换11111221221122221122,,.n n n nm m m mn n y a x a x a x y a x a x a x y a x a x a x =+++⎧⎪=+++⎪⎨⎪⎪=+++⎩ 12m y y y ⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭111212122212n n m m mn a a a a a a a a a ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭ 12n x x x ⎛⎫ ⎪⎪ ⎪ ⎪⎝⎭ Y AX=系数矩阵可记作(1) AB BA≠(无交换律).(2) 000.AB A B=⇒==/或?000.AB A B=⇒==或例如1000, .0001 A B⎛⎫⎛⎫==⎪ ⎪⎝⎭⎝⎭=AB10000001⎛⎫⎛⎫⎪⎪⎝⎭⎝⎭⎛⎫= ⎪⎝⎭,0=AB但,0≠A0.B≠矩阵乘法应注意的几点:(3) ,AB AC =(无消去律), 0.AB AC A B C =≠⇒=?例如1000,,0001A B ⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭00.00C ⎛⎫= ⎪⎝⎭=AB 00,00⎛⎫ ⎪⎝⎭00.00⎛⎫⎪⎝⎭=AC AC AB =且,0≠A 但.B C ≠0.A B C ≠⇒=/若若下面介绍矩阵的方幂.若A 是n 阶方阵,则A k 为A 的k 次幂,kA A A A =L ,)(km kmAA A +=1()(2) ,km mk AA =即方幂的运算规律(),m m mAB A B ≠,)(mm m B A AB =?=mAB )()(AB )(AB )(ABmm B A ≠m 个注意:m, k 为正整数.定义1.10k 个例如11,2A ⎛⎫ ⎪=- ⎪⎝⎭21,5B ⎛⎫⎪= ⎪-⎝⎭求AB .解AB 112⎛⎫ ⎪=- ⎪⎝⎭215⎛⎫ ⎪ ⎪-⎝⎭ ⎛⎫⎪= ⎪⎝⎭200001-0010-一般地,若1212diag(,,,),diag(,,,),n n A B k k k λλλ== 则1122= diag(,,,).n n k k k λλλ AB2012(),nn f x a a x a x a x =++++A 是n 阶方阵, 记nn A a A a A a a A f ++++= 2210 )(E 矩阵多项式若12diag(,,,),n A λλλ= 12diag(,,,)nλλλ =mA m m m()12diag (),(),,()n f f f λλλ ()=A f 设则(3)222()2A B A AB B±=±+⨯22B A B A B A -=-+))((⨯E A E A E A -=-+2))((√???x 的1110()n n n n f x a x a x a x a --=++++ 1110(),nn n n f A a A a Aa A a E --=++++ 若A 是n 阶方阵,称为方阵A 的n 次多项式.方阵A 的n 次多项式:设注意:f (A )是一个方阵而不是一个数.定义 1.11 n 次多项式,例如1021A ⎛⎫= ⎪⎝⎭3223A A A E -+-2,A 方阵A 的2次多项式.方阵A 的3次多项式.例1.10求矩阵的方幂A n :0241)003.000A ⎛⎫⎪=⎪ ⎪⎝⎭2024*******03000000A ⎛⎫⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭解006000000⎛⎫⎪= ⎪ ⎪⎝⎭3006024000003000000A ⎛⎫⎛⎫ ⎪ ⎪= ⎪ ⎪⎪ ⎪⎝⎭⎝⎭= O .(3).nA O n ≥⇒=。
线性代数第一章复习及例题
![线性代数第一章复习及例题](https://img.taocdn.com/s3/m/f3e89f91a300a6c30d229f0b.png)
an
bn
,
T Βιβλιοθήκη b1 b2,bn
三角阵:A
a11 0
a12 a22
0 0
B
a11 a21
0 a22
an1 an2
a1n a2n
,
上三角阵;
ann
0
0
,
下三角阵 .
ann
a1
对角阵
:
a2
diag a1
a2
an
1
单位阵:I
1
.
1
2
例3 已知矩阵A=PQ,其中
1 P 2
Q 2
1
2
1
求矩阵A,A2,A100.
【分析】 计算矩阵的高次幂是一种常见题型,除用数 学归纳法外,还应根据矩阵本身的特点进行讨论. 本题的关键是注意PQ为矩阵,而QP为一数,利用 乘法结合律A2=PQ·PQ=P(QP)Q来简化计算.
解:
A
PQ
1 2
aij
, 且 AT A , 则
nn
A 2 A A A A T
B
bij
,
nn
bii
ai12
ai
2 2
ain2 i 1, 2,
,n ,
A2 O ,
bii
ai12
ai
2 2
ain2 0 i 1, 2,
,n ,
A是实矩阵, aij 0 i , j 1, 2, , n .
A0.
1 0
1 1
1 1 1 1 1 0
且矩阵X满足 AXA+BXB=AXB+BXA+I,其中I是3
阶单位矩阵,试求矩阵X.
线性代数 第一章、矩阵
![线性代数 第一章、矩阵](https://img.taocdn.com/s3/m/fab5f36be2bd960590c677a5.png)
张一 98 90 87 72 李二 89 90 86 98 王三 97 84 75 87 刘六 85 88 85 88
解: 用矩阵表示为
98
89
90 90
87 86
72
98
97 84 75 87
85 88 85 88
11
几种比较特殊的矩阵:
行矩阵:只有一行的矩阵
列矩阵:只有一列的矩阵
L
L L L
称为线性变换的系数矩阵。
am1
am 2
0 0 3
14
数量矩阵:对角矩阵中当 1 2 n时
例如:
5 0 0 0
0
5
0
0
就是一个数量矩阵
0 0 5 0
0
0
0
5
也就是说,数量矩阵是对角矩阵的一种特例
15
单位矩阵:当数量矩阵中对角线上的常数为1,
称为单位矩阵,用字母 E 或 En 表示
1 0 L 0
即
M M O M
ym am1 x1 am2 x2 amn xn .
称为由变量x1 ,x2 , ... ,xn到变量y1 ,y2 , ... ,ym的
变换为线性变换。线性变换由 m 个 n元函数
组成,每个函数都是变量的一次幂,故而称
之为线性变换。
17
a11 a12 L
其中,由系数构成的矩阵
A
a21
a22
0
0
L
1
特点:从左上角到右下角的直线(主对角线)上
的元素都是1,其他元素都是0。
16
定义1.4
线性变换:
如果变量y1 ,y2 ,... ,ym可由变量x1 ,x2 ,... ,xn线性表示,
线性代数教案-线性方程组与矩阵
![线性代数教案-线性方程组与矩阵](https://img.taocdn.com/s3/m/63487db45ef7ba0d4b733b33.png)
第一章线性方程组与矩阵
授课序号 01
教学基本指标
教学课题 教学方法 教学重点
参考教材
第一章 第一节 矩阵的概念及运算 讲授、课堂提问、讨论、启发、自学 矩阵的定义、矩阵的线性运算、矩阵的乘法、矩 阵的转置 同济版《线性代数》
课的类型 教学手段 教学难点
作业布置
新知识课 黑板多媒体结合 矩阵的乘法、矩阵的转置
kaij
.
mn
4. 矩阵的数乘运算满足的运算规律:
(1) k A B kA kB ;
(2) (k l) A kA lA ;
(3) (kl) A k(lA) l(kA) ;
(4) 1A A ;
(5) 1 A A ;
(6) 0 A Omn .
三、矩阵乘法:
1. 矩阵乘法的定义:设矩阵 A (aij ) 是一个 m p 矩阵,矩阵 B (bij ) 是一个 p n 矩阵,定义矩阵 A 与 B
的乘积是一个 m n 矩阵 C (cij ) ,其中矩阵 C (cij ) 的第 i 行第 j 列元素 cij 是由矩阵 A 的第 i 行元素
ai1, ai2, , aip 与矩阵 B 的第 j 列相应元素 b1j , b2 j , , bpj 乘积之和,即
p
cij = aikbkj ai1b1 j ai2b2 j aipbpj . k 1
a12 a22
a1n a2n
x1 x2
a11x1 a12 x2 a1n xn a21x1 a22 x2 a2n xn
.
am1
am2
amn xn
am1 x1
am2
x2
amn xn
再根据矩阵相等的定义,该线性方程组可以用矩阵形式来表示: Ax .
线性代数目录
![线性代数目录](https://img.taocdn.com/s3/m/c3418a06591b6bd97f192279168884868762b8ea.png)
线性代数⽬录第⼀章 线性⽅程组与矩阵 1第⼀节 矩阵的概念及运算 1 ⼀、矩阵的定义 1 ⼆、矩阵的线性运算 3 三、矩阵的乘法 4 四、矩阵的转置 6习题1-1 7第⼆节 分块矩阵 8 ⼀、分块矩阵的概念 8 ⼆、分块矩阵的运算 10习题1-2 13第三节 线性⽅程组与矩阵的初等变换 14 ⼀、矩阵的初等变换 14 ⼆、求解线性⽅程组 18习题1-3 22第四节 初等矩阵与矩阵的逆矩阵 23 ⼀、⽅阵的逆矩阵 24 ⼆、初等矩阵 25 三、初等矩阵与逆矩阵的应⽤ 26习题1-4 29本章⼩结 31拓展阅读 32测试题⼀ 33第⼆章 ⽅阵的⾏列式 35第⼀节 ⾏列式的定义 35 ⼀、排列 35 ⼆、n 阶⾏列式 37 三、⼏类特殊的n 阶⾏列式的值 39习题2-1 41第⼆节 ⾏列式的性质 41 ⼀、⾏列式的性质 41 ⼆、⾏列式的计算举例 45 三、⽅阵可逆的充要条件 48习题2-2 50第三节 ⾏列式按⾏(列)展开 51 ⼀、余⼦式与代数余⼦式 52 ⼆、⾏列式按⾏(列)展开 52习题2-3 57第四节 矩阵求逆公式与克莱默法则 58 ⼀、伴随矩阵与矩阵的求逆公式 58 ⼆、克莱默法则 59习题2-4 62本章⼩结 63拓展阅读 64测试题⼆ 65第三章 向量空间与线性⽅程组解的结构 67第⼀节 向量组及其线性组合 67 ⼀、向量的概念及运算 67 ⼆、向量组及其线性组合 69 三、向量组的等价 71习题3-1 74第⼆节 向量组的线性相关性 74⼀、向量组的线性相关与线性⽆关 75⼆、向量组线性相关性的⼀些重要结论 77习题3-2 80第三节 向量组的秩与矩阵的秩 81 ⼀、向量组秩的概念 81 ⼆、矩阵秩的概念 82 三、矩阵秩的求法 83 四、向量组的秩与矩阵的秩的关系 85习题3-3 87第四节 线性⽅程组解的结构 88 ⼀、线性⽅程组有解的判定定理 88 ⼆、齐次线性⽅程组解的结构 90 三、⾮齐次线性⽅程组解的结构 94习题3-4 96第五节 向量空间 97 ⼀、向量空间及其⼦空间 97 ⼆、向量空间的基、维数与坐标 99 三、基变换与坐标变换 101习题3-5 103本章⼩结 105拓展阅读 106测试题三 107第四章 相似矩阵及⼆次型 109第⼀节 向量的内积、长度及正交性 109 ⼀、向量的内积、长度 109 ⼆、正交向量组 110 三、施密特正交化过程 112 四、正交矩阵 113习题4-1 115第⼆节 ⽅阵的特征值与特征向量 115 ⼀、⽅阵的特征值与特征向量的概念及其求法 116 ⼆、⽅阵的特征值与特征向量的性质 119习题4-2 121第三节 相似矩阵 122 ⼀、⽅阵相似的定义和性质 122 ⼆、⽅阵的相似对⾓化 123习题4-3 124第四节 实对称矩阵的相似对⾓化 125 ⼀、实对称矩阵的特征值和特征向量的性质 125 ⼆、实对称矩阵的相似对⾓化 126习题4-4 129第五节 ⼆次型及其标准形 129 ⼀、⼆次型及其标准形的定义 130 ⼆、⽤正交变换化⼆次型为标准形 131 三、⽤配⽅法化⼆次型为标准形 134习题4-5 135第六节 正定⼆次型与正定矩阵 136 ⼀、惯性定理 136 ⼆、正定⼆次型与正定阵 137习题4-6 138本章⼩结 139拓展阅读 140测试题四 141第五章 线性空间与线性变换 143第⼀节 线性空间的定义与性质 143 ⼀、线性空间的定义 143 ⼆、线性空间的性质 145 三、线性空间的⼦空间 146习题5-1 147第⼆节 维数、基与坐标 147 ⼀、线性空间的基、维数与坐标 147 ⼆、基变换与坐标变换 149习题5-2 150第三节 线性变换 151 ⼀、线性变换的定义 151 ⼆、线性变换的性质 153 三、线性变换的矩阵表⽰式 154习题5-3 158本章⼩结 161拓展阅读 162测试题五 163部分习题答案 165。
线性代数第二章第一节-矩阵的概念
![线性代数第二章第一节-矩阵的概念](https://img.taocdn.com/s3/m/b40cba64905f804d2b160b4e767f5acfa0c7834a.png)
矩阵的基本性质
01
02
03
04
矩阵的加法
两个矩阵相加时,对应位置的 元素相加。
矩阵的数乘
一个数与一个矩阵相乘时,该 数与矩阵的每个元素相乘。
矩阵的乘法
两个矩阵相乘时,必须满足左 矩阵的列数等于右矩阵的行数 。
矩阵的转置
将矩阵的行列互换得到转置矩 阵,记作A^T。
性质
逆矩阵是唯一的;如果A可逆,则A的逆矩阵也唯一;如果A和B都可 逆,则(A+B)-1=A-1+B-1;如果A可逆,k为非零常数,则kA1=(k-1)-1KA。
行列式的定义与性质
定义
n阶方阵A的行列式记为det(A),即由n个 数a1,a2,...,an组成的n阶方阵A的行列式是 a1*a2*...*an。
规则
矩阵的加法满足交换律和结合律,即$A+B=B+A$和$(A+B)+C=A+(B+C)$。
例子
考虑两个矩阵$A=begin{bmatrix}1 & 2 3 & 4 end{bmatrix}$和$B=begin{bmatrix}5 & 6 7 & 8 end{bmatrix}$,则$A+B=begin{bmatrix}6 & 8 10 & 12 end{bmatrix}$。
特殊类型的矩阵
01
02
03
04
对角矩阵
除了主对角线上的元素外,其 他元素都为零的矩阵。
上三角矩阵
主对角线以下的元素都为零的 矩阵。
下三角矩阵
主对角线以上的元素都为零的 矩阵。
线性代数 第一章矩阵 参考答案
![线性代数 第一章矩阵 参考答案](https://img.taocdn.com/s3/m/0b2ef6e481c758f5f71f670f.png)
0 A2
0 A1
0 I A11r1 , A21r2 I 0 I 0 0 I
0 A11
A2 1 0
P31 习题 1.4 1.按上课要求做,则此题中行阶梯形答案不唯一,行最简形和标准形答案唯一
1 1 1 (1) 0 2 1 0 0 0
法一
2 1 1 B ( A 2 I ) A ,求出 ( A 2 I ) 1 1 1 4 3 4 2 3 3 8 B 1 5 3 1 1 0 2 9 1 6 4 1 2 3 2 12
4.解: 4 X
4 0 0 4 8 (3) 2 14 2 (4) 3 11 5 11 5 4 10 1 1 0 1 7.解: AB ; BA 1 2 0 0 1 2
1 0 (2) 0 0 1 0 (3) 0 0 1 0 (4) 0 0
1 1 0 0 3 2 0 0 1 1 0 0
1 1 0 0 3 1 1 0 2 1 0 0
1 0 1 ,0 1 2 1 0 0 1 1 0 0 0 1 1 1 , 0 0 0 1 0 0 0 0 7 0 1 5 1 , 0 1 1 0 0 0 0 2 1 1 0 5 1 ,0 1 1 0 0 0 0 0 0 0
(法二)
A1 X1 X 2 的逆阵为 B ,则有 0 X 3 X4 A1 X 1 X 2 I 0 0 X X I 0 4 3
A21 。 0
I 0 r1 r2 A2 0 I 0 0 A21 1 所以 A 1 0 A1 A1 0
线性代数 第1节 二次型及其矩阵
![线性代数 第1节 二次型及其矩阵](https://img.taocdn.com/s3/m/8a50127c8e9951e79b892728.png)
(2)对称性:若A ~B ,则有 B ~A ;
(3)传递性:若 A ~B ,且 B ~ C,则有 A ~C . 证明 只证(3),其余留作练习.
B C AC1 , C C BC2 ,
T 1
T 2
T T C C2 (C1 AC1 )C2 (C1C2 )T A(C1C2 ) ,
由于 C1 , C2 均可逆,所以C1C2 也可逆.
5
f ( x1 , x2 ,, xn )
2 a11 x1 2a12 x1 x2 2a13 x1 x3 2a1n x1 xn
a22 x 2a23 x2 x3 2a2n x2 xn
2 2
f ( x1 , x2 ,, xn ) 2 a11 x1 a12 x1 x2 a13 x1 x3 a1n x1 xn
C 称为该线性替换的矩阵.
X CY .
若 | C | 0 ,则此线性变换称为可逆线性替换.
如果C 为正交矩阵,则此线性替换称为正交替换.
x x cos y sin 容易验证,转轴公式 y x sin y cos 是一个正交替换.
13
三、矩阵的合同关系
f ( x1 , x2 ,, xn ) X AX ,
A称为二次型 f ( x1 , x2 ,, xn ) 的矩阵.
7
f ( x1 , x2 ,, xn ) X AX ,
T
A称为二次型 f ( x1 , x2 ,, xn ) 的矩阵. A的秩称为该二次型的秩. A是一个实对称矩阵. 事实上, 由一个实对称矩阵也可构造唯一的实 二次型,也就是说,实二次型与实对称矩阵是互相 唯一确定的,所以,研究二次型的性质可以转化为 研究它的矩阵A所具有的性质.
《线性代数》第1章-矩阵(张小向2014黑白打印版)
![《线性代数》第1章-矩阵(张小向2014黑白打印版)](https://img.taocdn.com/s3/m/5834f7ae0029bd64783e2cf7.png)
c 3
同型
20 16
50 20
30 16
与
20 50 30
16 20 16
不同型
5. 两个矩阵相等(equal)
大前提: 同型
A = (aij)m×n与B = (bij)m×n相等:
对∀1≤ i ≤ m, 1≤ j ≤ n, aij = bij都成立 记为A = B.
第一章 矩阵
§1.1 矩阵的基本概念
0 0
0 0
2
3
10 1 0
从i市经一次中转到达j市航线的条数=?
bij = ai1a1j + ai2a2j + ai3a3j + ai4a4j .
1
21 1 0
i
2
j
B = (bij) =
01 10
1 0
1 0
3 4
02 1 1
第一章 矩阵
§1.2 矩阵的基本运算
2. 定义: A = (aij)m×s与B = (bij)s×n的乘积(product)
a1
列向量(row vector):
a2 …
n–维
(n–dimensional)
an
第i分量 (ith component): ai (i = 1, …, n)
第一章 矩阵
§1.1 矩阵的基本概念
4. 同型(same-sized): 行数相等, 列数也相等
20 16
50 20
30 16
与
a 1
b 2
注: ① 设矩阵A = (aij)m×n , 记−A = (−aij)m×n , ——A的负矩阵(additive inverse of A).
② 设A, B是同型矩阵, 则它们的差
线性代数—1.1矩阵及其运算
![线性代数—1.1矩阵及其运算](https://img.taocdn.com/s3/m/5e56c7535fbfc77da369b149.png)
a2n M
amn
矩阵是一个整体, 总是加一括号.
称为 mn 矩阵, 并称 mn 为矩阵的型.
• aij : 矩阵的第 i 行第 j 列的元素, 简称 (i, j) 元. • 用粗体大写字母表示矩阵, 以上矩阵记为 A (aij).
• 当标明矩阵 A 的行列数时, 表示为 Amn , 或 (aij)mn .
§1.1 矩阵及其运算
一、矩阵及其线性运算 二、矩阵的乘法运算 三、矩阵的转置运算
一、矩阵及其线性运算
❖ mn 矩阵 由 mn 个数 aij (i 1, 2, , m; j 1, 2, , n) 排成的
m 行 n 列的矩形数表
a11 a12 L
a21 M
am1
a22 M
am 2
L L
a1n
称矩阵 C (cij )mn 为矩阵 A 与 B 的乘积, 记为 C AB.
• AB 中的(i, j)元为 A 的第 i 行与 B 的第 j 列的乘积.
b1 j cij (ai1,L , ail ) M ai1b1 j L ailblj
blj
• 乘积 AB 存在时, 要求 A 的列数与 B 的行数相等.
其中 cij ai1b1 j ai2b2 j L ailblj (i 1,L , m; j 1,L , n)
• 线性变换(1)(3)的系数矩阵依次记为 A,B,C, 定义C AB.
❖ 两矩阵的乘积
设 A (aik )ml , B (bkj )ln , 记 cij ai1b1 j ai2b2 j L ailblj (i 1,L , m; j 1,L , n)
推导:
zi ai1(b11 x1 b12 x2 L b1n xn ) (ai1b11 ai2b21 L ailbl1 ) x1
大学线性代数第五章第一节矩阵的特征值与特征向量
![大学线性代数第五章第一节矩阵的特征值与特征向量](https://img.taocdn.com/s3/m/48c9a26dae45b307e87101f69e3143323968f5bf.png)
在解决实际问题时,特征值和特征向量可以帮助我们理解数据的变化趋势和模式,例如在图像处理、信 号处理等领域有广泛应用。
在矩阵分解中的应用
01
矩阵分解是将一个复杂的矩阵 分解为几个简单的、易于处理 的矩阵,例如三角矩阵、对角 矩阵等。
矩阵的分解,如三角分解、 QR分解等,都涉及到特征值 和特征向量的应用,它们是构 造这些分解的基础。
02
矩阵的特征值与特征向量的定义
特征值的概念
特征值是指一个矩阵在某个非零常数倍下的不变性,即当矩阵A 乘以一个非零向量x得到0时,称该非零向量x为矩阵A的对应于 特征值λ的特征向量。
特征值可以通过求解矩阵的特征多项式得到,即|λE-A|=0。
密切的关系。
02
特征值和特征向量的关系可以通过矩阵的行列式、转
置、共轭等运算得到进一步的理解。
03
特征值和特征向量的关系性质在解决实际问题中具有
广泛的应用,如信号处理、控制系统等领域。
05ห้องสมุดไป่ตู้
矩阵特征值与特征向量的应用
在线性变换中的应用
矩阵特征值与特征向量是线性变换的一个重要工具,它们可以描述一个线性变换对一个向量空间的影 响。
特征值和特征向量在解决线性方程组、矩阵的相似变换、矩阵的 分解等领域有广泛应用。
矩阵特征值与特征向量的重要性
在解决线性方程组时,特征值 和特征向量可以提供一种有效 的解法,特别是对于一些特殊 类型的线性方程组。
在矩阵的相似变换中,特征值 和特征向量是确定相似变换的 关键,有助于理解矩阵的性质 和行为。
大学线性代数第五章第一节矩 阵的特征值与特征向量
线性代数(第二版)第一节矩阵的概念
![线性代数(第二版)第一节矩阵的概念](https://img.taocdn.com/s3/m/69cec9c2783e0912a3162a88.png)
含 0 和 1 . 如果 F 中的任意两个数(这两个数也可以 相同)的和、差、积、商(除数不为零)仍然是 F 中的数
则 F 就称为一个数域.
根据上面的定义,全体整数组成的集合不是一个 数域,因为任意两个整数的商(除数不为零)不一定是 整数. 而由全体有理数组成的集合Q、全体实数组成 的集合 R 和全体复数组成的集合 C 都是数域,分别 称为有理数域、实数域和复数域. 在本书中主要涉及 的数域是实数域 R,故若无特别说明,各章中所涉及 的数均为实数. 若是指任意数域,则用 F 表示.
为零矩阵, m n 零矩阵记为 Om n ,在不会引 起混淆的情况下,也可记为 O.
(3) 方阵
行数和列数相同的矩阵称为方阵.例如
a11
A
a21
a12
a22
a1n
a2
n
.
an1 an2 ann
A 称为 n n 方阵,常称为 n 阶方阵或 n 阶矩阵, 常简记为 A= ( aij )n .
(4) 对角矩阵 主对角线上的元不全为零,其余的元全都为 零的方阵称为对角矩阵,如
a11
A
a22
.
ann
主对角线
为 n 阶对角矩阵, 其中未标记出的元全为零, 即 aij = 0 , i j , i, j = 1, 2, … , n ,
对角矩阵常记为 A = diag( a11 , a22 , … , ann ). 例如
1 .1 所 示 .
成绩 学生
课程
表 表 1 1 .. 1 1 数学
期 期 末 末 考 考 试 试 成 成 绩 绩 表 表语文英语 Nhomakorabea甲
实用线性代数课件第一章
![实用线性代数课件第一章](https://img.taocdn.com/s3/m/ef1df67afab069dc502201f6.png)
第一章 矩阵与行列式 1 矩阵及其运算 2 n阶行列式 3 可逆矩阵 4 分块矩阵
线性代数
线性代数是研究离散变量之间线性关系的基础理论之一, 矩阵与行列式是线性代数中重要且应用广泛的两个概念,两者 之间既有区别又有联系。矩阵是一个数表,它的行数与列数可 以不同;行列式是一种代数运算公式,可将其视为方阵的函数; 同时,行列式又是方阵特性的一个重要标志。
A 150 180
70 40
而表
1-2
的数据组成了一个
2×3
矩阵
B
2 3.5
0.9 0.5
00.2.35
例 1.3 中确定二元线性方程组(1.1)的数表是一个 2×3 矩阵
a11 a21
a12 a22
b1 b2
,通常称之为方程组(1.1)的增广矩阵;
而由方程组中未知量的系数构成的矩阵
a11 a21
a12 a22
,称为方
程组(1.1)的系数矩阵。
线性代数
元素为实数的矩阵称为实矩阵,元素为复数的矩阵称为复矩 阵。本书中的矩阵都指实矩阵。
若两个矩阵的行数相等、列数也相等,则称它们是同型矩阵。
定义1.2 设矩阵 A (aij )mn 和 B (bij )mn 是同型矩阵,
0 1
0 2
A
B
2 1
2 1
.
线性代数
线性代数
矩阵的线性运算满足如下规律:
设 k, l, 为数, A, B,C 为同型矩阵,则有: (1) 加法结合律 (A B) C A (B C) (2) 加法交换律 A B B A (3) 数乘结合律 k(lA) (kl) A (4) 数乘分配律 k(A B) kA kB (k l)A kA lA
线性代数1——矩阵的基本运算
![线性代数1——矩阵的基本运算](https://img.taocdn.com/s3/m/6c240d210622192e453610661ed9ad51f01d5468.png)
简单来说,矩阵是充满数字的表格。
A 和B 是两个典型的矩阵, A 有2行2列,是2×2矩阵; B有2行3列,是2×3矩阵; A 中的元素可用小写字母加行列下标表示,如a 1,2 = 2, a 2,2 = 4矩阵加减法两个矩阵相加或相减,需要满足两个矩阵的列数和行数一致。
加法交换律: A + B = B + A矩阵乘法两个矩阵 A 和 B 相乘,需要满足 A 的列数等于 B 的行数。
矩阵乘法很容易出错,尤其是两个高阶矩阵相乘时。
矩阵乘法不满足交换律,但仍然满足结合律和分配律:单位矩阵单位矩阵是一个n×n矩阵,从左到右的对角线上的元素是1,其余元素都为0。
下面是三个单位矩阵:如果 A 是n×n矩阵, I 是单位矩阵,则 A I = A , IA = A单位矩阵在矩阵乘法中的作用相当于数字1。
逆矩阵矩阵 A 的逆矩阵记作 A -1 , A A -1 = A -1 A = I ,I是单位矩阵。
对高于2阶的矩阵求逆是一件很崩溃的事情,下面是一种求3阶矩阵的方法:这种操作还是交给计算机去做吧,下面是在python中使用numpy计算逆矩阵的代码:《线性代数5——平面方程与矩阵》中也介绍了如何用消元法求逆矩阵。
奇异矩阵当一个矩阵没有逆矩阵的时候,称该矩阵为奇异矩阵。
当且仅当一个矩阵的行列式为零时,该矩阵是奇异矩阵。
当ad-bc=0时| A |没有定义, A -1不存在, A 是奇异矩阵。
如是奇异矩阵。
矩阵的转置简单地说,矩阵的转置就是行列互换,用A T 表示A的转置矩阵。
转置运算公式:对称矩阵如果一个矩阵转置后等于原矩阵,那么这个矩阵称为对称矩阵。
由定义可知,对称矩阵一定是方阵。
对称矩阵很常见,实际上,一个矩阵转置和这个矩阵的乘积就是一个对称矩阵:证明很简单:两个对称矩阵相加,仍然得到对称矩阵:。
- 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)。
相反,非零元只出现在对角线及其下(或左) 方的方阵为下三角[形矩]阵(lower triangular matrix)
记作 L ( left ).
1
0 0
如
L 2 1 0
3
1 5
1
是个 3 阶下三角阵
一般而言,对n阶矩阵A=[aij],当且仅当 i>j 且
aij =0时A为上三角阵;而当且仅当 i< j 且aij = 0 时 A为下三角阵;
矩阵概念
1 m n常个用元大,写排黑成斜m体行字n母列如(A横、称B、行C,, ·····记之,
纵称列必)要的时矩也型可阵以列以(下表标)来区别不同的矩阵,
a11
如Aa112,A2,
·····
a1n
a
21
在书a2写2 矩阵时a,2n也 有将(2-1)
am1
称为维是
简称为m
mamn2[aan型1n11的]矩矩a阵阵mnaa. 1n(nnma或triaax1n)11
就向量而言,称其元为分量,分量的个数即 为向量的维。故所谓n维向量就是 n 维数组,即 n个数的一个有序数组,亦即是个n×1的列矩阵 或 1 × n的行矩阵. 这样, 称(2-3)是二维向量。
今后凡未作特别说明,讲到向量均指列向量。
概念 在用同一个字母代表不同向量时,常以下标区别,
n 个元,如排:成a1m, a行2 ,··n··列··(横称行,
而 diag (δ1 ,δ2 ,·····,δn ) 表示一组对角元分 别为δ1 ,δ2 ,·····,δn的 n 阶对角阵, 详细写出就是
diag ( 1 , 2 , , n ) def
01
0
2
0
0
(2-4)
0
0
n
当然允许某些δ 等于零。
(5) 标量阵
当一对角阵的对角线元全相等,等于某个常
(shop)中,单位量的售价可用以下矩阵给出:
F1 F2 F3 F4
17 7 11 21 S1 15 9 13 19 S2 18 8 15 19 S3
(2-5)
这里的行表示商店,列为食品,例如第 2 列 3 个
分量就是第 2 种食品在 3 家商店中的 3 个售价。 涉及两个集合 (上面分别是 a 省城市与 b 省
(4) 对角阵 一个既是上三角又是下三角的矩阵称为对角
[矩]阵(diagonal matrix), 亦即对角阵是非零元 只能在主对角线上出现的方阵.
12 0 0
如
D
0
3 0
是个 3 阶的对角阵.
0 0 4
显然,由对角线元就足以确定对角阵本身,
故常将这对角阵记作 D = diag ( 12 , 3 , 4 ) .
为m n [型]矩阵.
对于方阵,主对角线是自左上角到右下角的那 根连线。
一般称元 ai,i+1 位于 A 的上对角线上, 而元 ai,i-1 在 A 的下对角线上。
在下列这个 4 阶矩阵中,δ 表明其主对角线, 而μ及λ分别标示上、下对角线:
(3) 上三角阵与下三角阵 对于方阵,若其非零元只出现在对角线及其
的m n矩阵写作
a1n ann
11
12
1n
另外,a在21 不致a2引2 起混淆a时2n还 常将(2-1)
a m 1
a
A=
m2
[aij
]
a mn
简记作
称这为里维的是aijm是矩n阵的A矩的阵第 (im行at第rixj)列的代表性元 (今后简简称称为为m该矩n阵[型的]i矩- 阵j 元. )
矩阵的元常用与矩阵符号相应的“白体”小写 字 母表示,而所带的两个下标则分别示明该元在矩阵
CH4 H2O H2 CO CO2 C C2H6 C 1 0 0 1 1 1 2 H 4 2 2 0 0 0 6 O 0 1 0 1 2 0 0
例4 (赢得矩阵) 一个称为对策论或竞赛论的数
学分支,是研究社会现象的一种特定数学方法.
我国古代“齐王赛马”的故事,就是一个对策问题, 故事说战国时代齐王与其大将田忌赛马,双方约
上(或右)方,就称为上三角[形矩]阵(upper triangular matrix), 有时用 U 或 R ( right ) 表示。
5 2 1 4
如: U 0 7 0 3
0 0 13 2 0 0 0 0
是 4 阶上三角阵。
值得注意的是,对角线下(或左)方的元必为零,
而其他元可以是零也可以不是零。
城市,食品与商店) 且其元素间由某数(上面
分别是通路数目,价格)相关联的场合,常会出 现这样的矩阵.
例3 (原子矩阵)在复杂化学反应系统中,涉及众
多的化学物,为了定量地研究反应、平衡等问题,
可引进表示这种系统的原子矩阵. 如在合成氨生 产的甲烷与水蒸气生成合成气的阶段,系统内除 一些惰性气体外,还存在以下7种化学物: CH4,H2O,H2,CO,CO2,C,C2H6. 这时可写出原子矩阵:
第一节 基本概念
矩阵概念 一些特殊的矩阵 矩阵问题的例
一、矩阵概念
定义 1 m n 个元,排成 m 行 n 列(横称行,
纵称列)的矩型阵列(表)
a11 a12 a1n
a
21
a22
a2n
a m 1
am2
a mn
(2-1)
称为维是 m n 的矩阵 (matrix) 简称为m n [型]矩阵.
如 A = ( a11 a12 … a1n ).
只有一列的矩阵称为列矩阵 (也称为列向量).
a11
如
B
a21
.
am1
作为列向量,常用小写黑体字母a,b,····记之,
而行向量则常被记作aT,bT,····或a´,b´,····。
如
cos
sin
(2-3)
是个2×1的列矩阵,也可以当作列向量
a
2n
矩阵
(2-1)
的元可以是实数也可以出现复数,
a或m一n者、元矩本身阵就概是念个矩阵或其他更一般的数学对象。
n 的矩我阵定们(m义分at别1rix称) m这种n矩个阵元为,实排矩成阵m、行复矩n 列阵(、横超称矩行阵,等。
型]矩阵. 本书主纵要称在列实)数的范矩围型内阵展列开(,表除)预先作说明
外,一般涉及的a1总1 是a实12矩阵。 a1n
从矩阵的 a形21 状看a2,2 遇到最a多2n的 是在(2-1) 中
m=n
的情形,am此1 时a称m之2 为n
阶方阵 或 amn
n
阶矩阵。
(1) 方阵 行数和列数相同的矩阵称为方阵.例如
a11
A
a21
a12
a22
a1n
a2n
.
即以中、上、下顺序出马,则比赛结束时齐王的
净赢得数为 –100 金。
若将这 6 种策略依次从1到6编号,则可写出 齐王的赢得矩阵。
田忌策略
齐 王
3 1 1 1 1 1
1
3
1 1 1
1
1 1 3 1 1 1
策
1
1 1 3
1
1
P
略
1 1 1 1 3 1
1 1 1 1 1 3
例如,这里的 p32= –1,意即齐王采用策略 3, 即以下、中、上顺序出马,而田忌采用策略 2,
图 2-1
现有
4 1 3 a1 C 0 2 2 a2
b1 b2 b3 通路矩阵 C 的行表示 a 省的城市, 列是 b 省的
城市, 而 cij 表示 ai 与 bj 间的通路数。 工厂中常用管道联结各种设备,于是也可
用一矩阵表明各设备间的连通情况.
例2 (价格矩阵) 四种食品(food)在三家商店
an1 an2 ann
(2-2)
A 称为 n n 方阵,常称为 n 阶方阵或 n 阶矩阵,
今后,常将 1 阶矩阵作为数对待, 当然,
决不可将数看做 1 阶矩阵。
另外,只有一列(即 n = 1)或一行(即
m = 1)的矩阵也常碰到.
(2) 行矩阵和列矩阵
只有一行的矩阵称为行矩阵 (也称为行向量).
第二章 矩 阵
在上一章已经看到,方程组解的情况实质上 由一张长方形的系数表确定,与变量(未知数) 的符号并无过多的关系,本章专门讨论这样的长 方形的数表即矩阵,建立一些概念与运算;通过 示例、练习、习题等说明其性质及由来;对在解 决问题、解释概念与结果中有用的一些技巧做了 介绍;讨论了用途很广的矩阵初等变换及初等矩 阵。
称列)的矩型阵从列矩(阵表中)元零的分布看,也可区分出定义。
a 21
a2定2 义2
a
2
n
对于
(2-1)
的 m n 矩阵 A,记
m1
a
m
k
2
=mina{
m
mn
,
n}
,
称元 a11 , a22 ,···,构成 A 的[主]
维是 m 对n角的线矩,阵并(称maatriii为x) A 的第 i 个对角元。
量δ 时称为标量[矩]阵(scalar matrix) , 特别称
δ=1 的标量矩阵为单位[矩]阵, 或称幺[矩]阵 (identity matrix), 以 I 或 E 来记。
必要时在其下角标明阶数, 如
1 0 0 I 3 0 1 0
0 0 1
(2-4´)
三、矩阵问题的例
在对许多实际问题作数学描述时,都要用到 矩阵的概念,这里讨论几个简单的例子。
定各出上、中、下3个等级的马各一匹进行比赛,
这样共赛马3次,每次比赛的败者付给胜者一百金
已知在同一等级马的比赛中,齐王之马可稳操胜 券,但田忌的上、中等级的马分别可胜齐王中、 下等级的马。