《线性代数》第一节矩阵

合集下载

线性代数1矩阵概念

线性代数1矩阵概念
2 k lA kA lA;
3 klA klA; 41A A,0A O.
矩阵相加与数乘矩阵合起来,统称为矩阵 的线性运算。
例7 已知
A 123
1 5 4
2 7 6
980
B 753
5 1 2
2 9 1
764
且A2XB 求X
解由A2XB 得到 X 1 (B 2
X 1 (B 2
A)
1 2
矩阵是数学中的一个重要的基本概念,是代数学的一个主要研究对象,也是数 学研究和应用的一个重要工具。“矩阵”这个词是由西尔维斯特首先使用的,他是 为了将数字的矩形阵列区别于行列式而发明了这个述语。而实际上,矩阵这个课题 在诞生之前就已经发展的很好了。从行列式的大量工作中明显的表现出来,为了很 多目的,不管行列式的值是否与问题有关,方阵本身都可以研究和使用,矩阵的许 多基本性质也是在行列式的发展中建立起来的。在逻辑上,矩阵的概念应先于行列
一、矩阵的加法
定义(矩阵加法)
两个mn矩阵A(aij)mn B(bij)mn将它们的对应位置元素 相加,得到的mn矩阵称为矩阵A与矩阵B的和 记为AB 即
AB(aij)mn(bij)mn(aijbij )mn
a11 b11
A
B
a21 b21
am1 bm1
a12 b12 a22 b22
式的概念,然而在历史上次序正好相反。

矩阵的初等变换及初等矩阵 PPT课件

矩阵的初等变换及初等矩阵 PPT课件

kain

i

amn
类似地,
例3
2
1 0 0 2 5 3 2 5 3
0 2 0 1 4 2 2 8 4 0 0 1 0 6 5 0 6 5
相当于以数 k 乘 A 的第 i 行 (ri k );
例4
2
2 1
5 4
3 1 2 0
0 2
0 0
21
10
8
3
2
0 6 5 0 0 1 0 12 5
《线性代数》同济六版
第3章 矩阵的初等变换与线性方程组
第一节 矩阵的初等变换
---附(初等矩阵)
课件制作:黄 明
2018年9月
一、矩阵的初等变换
定义1 下面三种变换称为矩阵的初等行变换:
1 对调两行(对调i, j 两行,记作ri rj);
换法变换(也称“调行变换”)
2以数 k 0 乘以某一行的所有元素;
ai1
ai2
ain

j

am1 am2 amn
相当于对矩阵 A 施行第一种初等行变换:
把 A 的第 i 行与第 j 行对调 (ri rj ).
例1
1 0 0 2 5 3 2 5 3 0 0 1 1 4 2 0 6 5
0 1 0 0 6 5 1 4 2
第2行与第3行对调

线性代数 第一章

线性代数 第一章
1 0 0 0 1 0 0 1 1 0 0 0 0 1 0 0 0 1 1 0 0 0 1 1 0

是n阶矩阵,试求A的秩.
二. 行列式
(四) 定理: (1) 设A为n阶矩阵,则 A的第i行元与其第s行(i≠k)对应元的代数余 子式的乘积之和等于零; A的第j列元与其第t列(j≠t)对应元的代数余 子式的乘积之和等于零. (2)设A,B均为n阶矩阵,则 |AB| = |A|•|B|.
二. 行列式

Laplace(拉普拉斯)定理: 设A=(aij)为n阶矩阵,在A中任意取定k行 (1≤k≤n),则由这k行元组成的所有k阶子式Mi 与其代数余子式Bi (i=1,2,…,t)的乘积之和等于 |A|, 其中 t=n(n-1)(n-2)…(n-k+1)/k! .

矩阵
小结
n阶矩阵A为可逆矩阵的充分必要条件是
(1)存在n阶矩阵B,使得 AB = E . 或者 (2)存在n阶矩阵C,使得 CA = E . 或者 T (3)|A|0. 或 A的转置矩阵A 为可逆矩阵. 或 (4)|A*|0.或 A的伴随矩阵A*为可逆矩阵. 或 (5) 秩(A)= n . 或A等价于n阶单位矩阵. 或 (6) A可经有限次行(列)初等变换化为n阶单位 矩阵. 或 (7) A可表示为有限个初等矩阵的乘积.

r

《线性代数第1讲》课件

《线性代数第1讲》课件

03
向量与向量空间
向量的定义与性质
01
基础定义
03
向量具有加法、数乘和向量的模等基本性质。
02
向量是有大小和方向的量,通常用实数和字母 表示。
04
向量的模是衡量其大小的标准,计算公式为 $sqrt{a^2 + b^2}$。
向量空间的概念
01
抽象空间
02
向量空间是一个由向量构成的集合,满足加法和数乘封闭性、
矩阵的秩的概念
秩的定义
矩阵的秩是其行(或列)向量组的最大线性无关组中向量的个数。
秩的性质
矩阵的秩具有一些重要的性质,如转置不变性、乘法不变性等。
秩的意义
矩阵的秩反映了其行(或列)向量组中信息的多少和重要程度。
矩阵的秩的计算方法
01
行初等变换法
通过行初等变换将矩阵化为行阶 梯形或行最简形,从而得到其秩 。
线性代数的重要性
线性代数是解决实际问题的 有力工具,如线性方程组的 求解、最小二乘法、主成分
分析等。
线性代数是学习其他数学分 支的基础,如微积分、概率 论、复变函数等都需要用到
线性代数的知识。
线性代数在计算机科学和工 程领域也有广泛应用,如计 算机图形学、机器学习、信 号处理等都涉及到线性代数 的概念和方法。
《线性代数第1讲》ppt课件
$number {01}

线性代数第三章第一节

线性代数第三章第一节

例如
1 2 1 0 0 0 1 3 0 0 0 5
1 3 0 2 0 0 0 0 1 4 0 0 0 0 3 0 0 1 3 0 1 0 0 0
的第竖台方 第一线阶的 一个每数元行 个元段即素阶 非素竖是全梯 零为线非为形 元非的零零矩 零长行 阵 元度的每的 个特 行 也为 台 就一数阶点 是行阶只阶 非后梯有梯 零面线一线 行的的行下 ( ) ; , , ,
的其他元素全为零, 则称之为行最简形矩阵.
定义 如果一个矩阵的左上角为单位矩阵,
其他位置的元素都为零, 则称这个矩阵为标准形
矩阵.
定理
任何矩阵都可经过单纯的初等行变
换化为行最简形矩阵. 任何矩阵都可经过初等变 换化为标准形矩阵. 下面我们还是通过例子来说明该定理.
单 击 这 里 开 始
从上面的例子可见, 任何矩阵经单纯的初等行
1 1 2 0 0 0 1 0 0
4 0 6 0 4 3 3 0 0 0 0 0 0 0 0
行阶梯形矩阵
在上述消元过程中, 始终把方程组看做一个整
体即不是着眼于某一个方程的变形, 而是着眼于整 个方程组变成另一个方程组. 其中用到以下三种变 换:
1) 交换方程的次序; 2) 某一个方程乘以不等于零的常数; 3) 一个方程加上另一个方程的 k 倍.

《线性代数》第三章矩阵 第一.二节

《线性代数》第三章矩阵 第一.二节

16 32 16 22 8
又如
1 0 1 2 A 1 1 3 0 0 5 1 4
0 1 B 3 1 3
4 2 1 1 1 2 1 3
0 1 0 1 2 1 C AB 1 1 3 0 0 5 1 4 3 1
k(AB)=A(kB)
(2) 分配律:A(B+C)=AB+AC;
(B+C)A=BA+CA
(3) OA=O ; AO=O
(4) EA=A ; AE=A
4矩阵的转置 定义6
a11 a 21 设 矩 阵A a m 1 a12 a 22 am 2 a1n a2 n 则 称 矩 阵 a mn
则称 A 为对称矩阵。
12 6 1 例如 A 6 8 0 为对称阵 . 1 0 6
其特点是: 它的元素以主对角线为对称轴对应相等。
定义2
设两个矩阵 A (a ij ) mn B (bij ) mn
若对应元素相等 即aij bij (i 1,2m ; j 1,2n)
1 3 5 1 0 0 例 设A ,B 9 1 C 1 3 2 1 求 AC、BC
1 0 0 1 3 3 解: AC 1 3 1 3 2 1

线性代数第二章第一节

线性代数第二章第一节


a11 a 21 B= . a m1
(2) 零矩阵 若一个矩阵的所有元素都为零, 若一个矩阵的所有元素都为零,则称这个矩 阵为零矩阵 零矩阵, 阵为零矩阵, m × n 零矩阵记为 Om × n ,在不会 引起混淆的情况下, 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 方阵. 行数和列数相同的矩阵称为方阵.例如
第二章
矩阵及其运算
矩阵是线性代数的主要研究对象. 矩阵是线性代数的主要研究对象 它在线性代 数与数学的许多分支中都有重要应用, 数与数学的许多分支中都有重要应用 许多实际问 题可以用矩阵表达并用有关理论解决. 题可以用矩阵表达并用有关理论解决 本章介绍矩阵的概念, 矩阵的基本运算, 本章介绍矩阵的概念, 矩阵的基本运算,矩 阵的秩, 可逆矩阵以及矩阵的初等变换, 阵的秩, 可逆矩阵以及矩阵的初等变换, 分块矩 阵的概念及其运算. 最后, 阵的概念及其运算 最后 利用矩阵的有关概念与 方法讨论线性方程组的解法及有解的条件. 方法讨论线性方程组的解法及有解的条件

a b c d e f
当 a=3, b=-1, c=4, d=2, e=-5, f=6 时, 它们相等. 它们相等.
三,矩阵的应用举例
例 1 产品发送量矩阵 例 2 邻接矩阵 例 3 线性变换的矩阵
例 4 线性方程组的矩阵 例 5 二次曲线的矩阵

《线性代数》2.1矩阵的概念及几种特殊矩阵

《线性代数》2.1矩阵的概念及几种特殊矩阵

字母 A , B , C 等来表示.
a11 a12 a1n a21 a22 a2 n 上述矩阵记作 A a a a mn m1 m 2
可以简写成
A (aij ) mn .
其中 aij 叫做矩阵的第i 行第 j 列的元素. 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.
线 性 代 数
(第二版)
第二章
矩 阵
• 第一节 矩阵的概念及几种特殊矩阵 • 第二节 矩阵的运算 • 第三节 逆 矩 阵 • 第四节 分 块 矩 阵
第一节 矩阵的概念及几种特殊矩阵
一、矩阵的概念 产品 引例 某厂向三个商店发送四种产品的数量,如下表 1 2 3 4 数量
商店
1 2 3
a11
a12
a 21
a31
a22
a13 a23
a33
a14 a24
a34
a32
可用数表 a11
a a21 31
a12 a13 a14 表示. a22 a23 a24 a32 a33 a34
a11x1 a12 x2 a1n xn b1, a21x1 a22 x2 a2n xn b2 , 例2 线性方程组 a x a x a x b . mn n m m2 2 m1 1

《课件:线性代数第一章》课件

《课件:线性代数第一章》课件

矩阵对角化
详细介绍矩阵对角化的概念、方 法和应用场景。
特征值的应用
展示特征值在实际问题中的应用 案例和意义。
本章内容总结与复习建议
本章总结了线性代数的关键概念和应用,提供了复习建议和习题,以帮助学 生巩固知识并提高应用能力。
ຫໍສະໝຸດ Baidu
矩阵的基本概念与运算
矩阵加法
介绍矩阵间的加法运算,解释其 定义和性质。
矩阵乘法
探讨矩阵乘法的定义、性质和运 算规则。
矩阵转置
讲解矩阵转置的概念和计算法则, 展示其应用。
向量空间的概念和性质
线性组合
解释向量的线性组合概念,并讨论线性组合的性质和应用。
子空间
介绍子空间的定义、特点和在线性代数中的重要性。
基与维数
探讨基底的概念、线性无关性和向量空间的维数。
矩阵的逆和行列式
1
逆矩阵
讲解矩阵的逆的定义、求解方法和逆矩阵的性质。
2
行列式
详细介绍行列式的概念、计算方法和行列式的性质。
3
克拉默法则
探讨克拉默法则的推导过程和应用场景。
特征值和特征向量
特征值和特征向量
讲解特征值和特征向量的定义、 性质和应用。
线性代数第一章:定义、 作用与应用
本课件将探讨线性代数的定义、作用以及在不同领域中的应用,帮助学生理 解其重要性和实际意义。

线性代数第一章 矩阵

线性代数第一章 矩阵

第一章 矩阵
§1.2 矩阵的基本运算
二. 矩阵的乘积(matrix-multiplicative product)
例4. 某厂家向A, B, C三个代理商发送四款产品.
单价 重量
数量(箱)
产品 (元/箱) (Kg/箱) A B C
甲 20 16 200 180 190
乙 50 20 100 120 100
(kaij)mn , 记为kA或Ak.
ka11 ka12 … ka1n
即kA = Ak =
ka21 …
ka22 …
… …
ka2n …
kam1 kam2 … kamn
加法 注: 矩阵的线性运算(linear operation) 数乘
第一章 矩阵
§1.2 矩阵的基本运算
3. 性质
设A, B, C, O是同型矩阵, k, l是数, 则
主对角线


(leading/main/principal
an1 an2 … ann diagonal)
对角矩阵
… …


1 0 … 0 0 2 … 0 简记为 diag[1, 2, …, n].
0 0 … n
第一章 矩阵
§1.1 矩阵概念
3. 数量矩阵/纯量矩阵(scalar matrix)
diag[k, k, …, k]——数量矩阵/纯量矩阵.

线性代数第二章第一节 矩阵的概念【精选】

线性代数第二章第一节 矩阵的概念【精选】
2. (选讲) 某航空公司在
对线性方程组的 研究可转化为对 这张表的研究.
B
A,B,C,D四城市之间开辟了
若干航线 ,如图所示表示了 A
C
四城市间的航班图,如果从A
到B有航班,则用带箭头的线
D
连接 A 与B.
四城市间的航班图情况常用表格来表示: 到站
A
B
C
D
A
发站 B C
D
其中 表示有航班.
为了便于计算,把表中的 0,就得到一个数表:
改成1,空白地方填上
A
B
C
D
A
B
C
D
0
1
1
0
1
0
1
0
1
0
0
1
0
1
0
0
这个数表反映了四城市间交通联接情况.
an1 x1 an2 x2 ann xn bn
的解取决于
系数 aiji, j 1,2,,n,
常数项 bi i 1,2,,n
线性方程组的系数与常数项按原位置可排为
a11 a12 a1n b1 a21 a22 a2n b2 an1 an2 ann bn
第2章 矩阵
第一节 矩阵的概念
为了求解一般线性方程组,在这一节里, 引入一个重要的基本概念—矩阵,它是线性 代数主要内容,希同学们认真学习,重点掌 握。

《线性代数》(考试大纲)

《线性代数》(考试大纲)

高等教育自学考试衔接考试(课程代码02198)

《线性代数》考试大纲

课程目标:线性代数课程是高等教育自学考试工科类专业的一门重要的基础理论课,

它是为培养满足工科类专业人才的需要而设置的。通过本课程的自学,使考生系统地学习并获得有关行列式、矩阵、n维向量、线性方程组、矩阵的特征值与特征向量、实二次型的基本知识、必要的基本理论和常用的基本方法。在此过程中,注重培养考生的抽象思维能力好逻辑推理能力,不断提高自学能力,并为后继课程的学习提供必要的数学基础。

第一章行列式

第一节行列式的定义

识记:行列式的定义

掌握:熟练计算二阶与三阶行列式及简单的n阶行列式。

第二节行列式的性质

识记:行列式的性质与计算

掌握:掌握并会熟练运用行列式的性质。

第三节行列式按一行(或一列)展开

识记:行列式的按一行(或一列)展开定义。

领会:了解行列式的按其第一列展开的递归定义。

掌握:掌握行列式的基本方法。

第四节行列式按k行(或k列)展开

识记:清楚行列式中元素的余子式和代数余子式的定义。

领会:余子式和代数余子式计算。

第五节克拉默法则

识记:知道克拉默法则

掌握:会用克拉默法则求解简单的线性方程组。克拉默法则。要求达到“简单应用”层次。第二章矩阵

第一节矩阵的定义

识记:矩阵的定义。要求达到“识记”层次。

了解:知道三角矩阵、对角矩阵、单位矩阵和零矩阵的定义。

第二节矩阵运算

识记:矩阵运算及其运算规律。要求达到“综合应用”层次

掌握:掌握矩阵相等与加、减法的定义及其可运算的条件和运算律,掌握矩阵乘法的定义和可乘条件;掌握矩阵乘法的运算法则;注意矩阵乘法不满足交换定律和消去律,知道矩阵乘

线性代数1——矩阵的基本运算

线性代数1——矩阵的基本运算

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。

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。

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 第五章第一节 矩阵的特征值与特征向量
再继续施行上述步骤 m 2 次,就得
m
A AX 0 Al0 X 0 l0 AX 0 l0 l0 X 0 A2 X 0 l2 0 X 0
A X 0 l0 X 0
m m
故 l0 是矩阵Am的特征值, 且 X o是 Am 对应于lm 0的特 征向量.

1 1 1 1 1 1 E A 1 1 1 0 0 0 1 1 1 0 0 0
得同解方程
x1 x2 x3 0
T
T
求得基础解系为 取x2 , x3为自由未知量,
2 ( 1,1,0) 3 ( 1,0,1)
(l0 l2)l2 X 2 l0 l2)l1 X 2 (
l2 l1 , X 2 0
l0 l2
矛盾
同理可以推出l0 l1
T
例4 A与A 有相同的特征值。
证明:E A (lE A) lE A l
T
T
A与A 有相同的特征多项式。
T
课后思考题
用特征根计算方阵A的行列式 A
1. 设A是3阶矩阵, 它的3个特征值为l1 1, l 2 1, l 3 2, 设B A 5 A , 求 B ; A 5 E .
3 2
2.幂零阵的特征值只有0,幂等阵的特征值只有0或1 。
相关主题
  1. 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. 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. 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

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;
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:
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
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,
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。
(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

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 ) .
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
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。
(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
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。
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
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.
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
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
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:
Baidu Nhomakorabea
(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
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
.
如 A = ( a11 a12 … a1n ).
只有一列的矩阵称为列矩阵 (也称为列向量).
a11

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´,····。

cos
sin
(2-3)
是个2×1的列矩阵,也可以当作列向量
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。
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

1
1 1 3
1
1
P

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,
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。
齐王及田忌在排列赛马出场顺序时,各可取 下列 6 种策略(方案)之一: (上,中,下),(中,上,下), (下,中,上) (上,下,中),(中,下,上), (下,上,中)
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).
例1 (通路矩阵) a 省两个城市 a1 , a2 和 b 省
三个城市 b1, b2, b3 的交通联结情况如图2-1所示, 每条线上的数字表示联结该两城市的不同通路 总数。由该图提供的通路信息,可用矩阵形式 表示(称之为通路矩阵),以便存贮、计算与 利用这些信息。
a1
3
a2
4
b1
1 2
b2
2
b3
称列)的矩型阵从列矩(阵表中)元零的分布看,也可区分出几种常
a11 a12见的特殊a1形n 式的矩阵, 为此先引入下面的定义。
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。
中所处的行号及列号。如对于
1 2 4 3 A 9 8 5 2
4 2 1 0
3×4矩阵
这个3×4矩阵,有 a21 = 15, a33 = 14
在叙述普遍规律或从前后文容易明确时,一 般就不特别指所涉及矩阵的维,而在必要时常用
Am n

A
mn
表明 A 是 m n 矩阵
矩型阵列(表)
a二1n 、一些特殊的矩阵
相关文档
最新文档