实验2 矩阵及其运算
二矩阵及其运算

2. 数与矩阵相乘
定义2 数 与矩阵 A 的乘积记作 A或 A
规定为
a11 a12 a a 21 22 A A am1 am 2
a1n a2 n amn
运算规律(设 A , , 是数) B 都是 m n 矩阵, (1)
第三章
矩阵的运算
矩阵概念 矩阵运算 逆矩阵 分块矩阵 矩阵的初等变换 矩阵的秩
线性方程组
a11 x1 a12 x 2 a1 n x n b1 a x a x a x b 21 1 22 2 2n n 2 a n1 x1 a n 2 x 2 a nn x n bn
系数
的解取决于
aij i , 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 a 21 a n1
b1 a 22 a 2 n b2 对线性方程组的 研究可转化为对 这张表的研究. a n 2 a nn bn a12 a1 n
A A . (2) A A A . (3) A B A B .
A A. (5) A 0 当且仅当 0 或 A 0 .(4)Leabharlann 1• 例 见书p25 例2
3. 矩阵的乘法 定义3 设 A aij
简记为
a12 a 22 am1
a1 n a2n a mn
矩阵A的 m , n元
A Amn aij mn aij .
这m n个数称为A的元素, 简称为元.
矩阵运算及方程组求解

附录Ⅰ大学数学实验指导书项目五矩阵运算与方程组求解实验1 行列式与矩阵实验目的把握矩阵的输入方式. 把握利用Mathematica 以上版本) 对矩阵进行转置、加、减、数乘、相乘、乘方等运算, 并能求矩阵的逆矩阵和计算方阵的行列式.大体命令在Mathematica中, 向量和矩阵是以表的形式给出的.1. 表在形式上是用花括号括起来的假设干表达式, 表达式之间用逗号隔开.如输入{2,4,8,16}{x,x+1,y,Sqrt[2]}那么输入了两个向量.2. 表的生成函数(1)最简单的数值表生成函数Range, 其命令格式如下:Range[正整数n]—生成表{1,2,3,4,…,n};Range[m, n]—生成表{m,…,n};Range[m, n, dx]—生成表{m,…,n}, 步长为d x.2. 通用表的生成函数Table. 例如,输入命令Table[n^3,{n,1,20,2}]那么输出{1,27,125,343,729,1331,2197,3375,4913,6859}输入Table[x*y,{x,3},{y,3}]那么输出{{1,2,3},{2,4,6},{3,6,9}}3. 表作为向量和矩阵一层表在线性代数中表示向量, 二层表表示矩阵. 例如,矩阵⎪⎪⎭⎫ ⎝⎛5432 能够用数表{{2,3},{4,5}}表示.输入A={{2,3},{4,5}}那么输出 {{2,3},{4,5}}命令MatrixForm[A]把矩阵A 显示成通常的矩阵形式. 例如,输入命令:MatrixForm[A]那么输出 ⎪⎪⎭⎫⎝⎛5432注:一样情形下,MatrixForm[A]所代表的矩阵A 不能参与运算. 下面是一个生成抽象矩阵的例子. 输入Table[a[i,j],{i,4},{j,3}] MatrixForm[%]那么输出⎪⎪⎪⎪⎪⎭⎫⎝⎛]3,4[]2,4[]1,4[]3,3[]2,3[]1,3[]3,2[]2,2[]1,2[]3,1[]2,1[]1,1[a a a a a a a a a a a a 注:那个矩阵也能够用命令Array 生成,如输入Array[a,{4,3}]4. 命令IdentityMatrix[n]生成n 阶单位矩阵. 例如,输入IdentityMatrix[5]那么输出一个5阶单位矩阵(输出略).5. 命令DiagonalMatrix[…]生成n 阶对角矩阵. 例如,输入DiagonalMatrix[{b[1],b[2],b[3]}]那么输出 {{b[1],0,0},{0,b[2],0},{0,0,b[3]}}它是一个以b[1], b[2], b[3]为主对角线元素的3阶对角矩阵.6. 矩阵的线性运算:A+B 表示矩阵A 与B 的加法;k*A 表示数k 与矩阵A 的乘法; 或 Dot[A,B]表示矩阵A 与矩阵B 的乘法.7. 求矩阵A 的转置的命令:Transpose[A]. 8. 求方阵A 的n 次幂的命令:MatrixPower[A,n]. 9. 求方阵A 的逆的命令:Inverse[A]. 10.求向量a 与b 的内积的命令:Dot[a,b].实验举例矩阵的运算例 设,421140123,321111111⎪⎪⎪⎭⎫ ⎝⎛--=⎪⎪⎪⎭⎫ ⎝⎛--=B A 求A AB 23-及.B A T输入A={{-1,1,1},{1,-1,1},{1,2,3}} MatrixForm[A]B={{3,2,1},{0,4,1},{-1,2,-4}} MatrixForm[B]-2A AAB 23-BA T ⎪⎪⎪⎭⎫⎝⎛-----334421424141010⎪⎪⎪⎭⎫⎝⎛----10120821444,5123641033252312⎪⎪⎪⎪⎪⎭⎫⎝⎛=A .1-A ⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--------1652116114581081218192829211161121162147.11111111111122222222ddd d c c c c b b b b a a a a D ++++=2222)1)()()()()()((dc b a abcd d c d b d a c b c a b a +--------,60975738723965110249746273⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----=A .),(|,|3A A tr A 3),(|,|AA tr A ⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛---12574547726668013841222451984174340410063122181713228151626315018483582949442062726,150421321,111111111⎪⎪⎪⎭⎫ ⎝⎛--=⎪⎪⎪⎭⎫ ⎝⎛--=B A 求A AB 23-及.B A '2.设,001001⎪⎪⎪⎭⎫⎝⎛=λλλA 求.10A 一样地?=k A (k 是正整数).3.求⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+++++a a a aa1111111111111111111111111的逆.4.设,321011324⎪⎪⎪⎭⎫ ⎝⎛-=A 且,2B A AB +=求.B5.利用逆矩阵解线性方程组⎪⎩⎪⎨⎧=++=++=++.353,2522,132321321321x x x x x x x x x实验2 矩阵的秩与向量组的最大无关组实验目的 学习利用Mathematica 以上版本)求矩阵的秩,作矩阵的初等行变换; 求向 量组的秩与最大无关组.大体命令1. 求矩阵M 的所有可能的k 阶子式组成的矩阵的命令:Minors[M,k].2. 把矩阵A 化作行最简形的命令:RowReduce[A].3. 把数表1,数表2, …,归并成一个数表的命令:Join[list1,list2,…]. 例如输入Join[{{1,0,-1},{3,2,1}},{{1,5},{4,6}}]那么输出 {{1,0,-1},{3,2,1},{1,5},{4,6}}实验举例求矩阵的秩例 设,815073*********⎪⎪⎪⎭⎫⎝⎛-------=M 求矩阵M 的秩.输入Clear[M];M={{3,2,-1,-3,-2},{2,-1,3,1,-3},{7,0,5,-1,-8}}; Minors[M,2]那么输出{{-7,11,9,-5,5,-1,-8,8,9,11},{-14,22,18,-10,10,-2, -16,16,18,22},{7,-11,-9,5,-5,1,8,-8,-9,-11}}可见矩阵M 有不为0的二阶子式. 再输入Minors[M,3]那么输出{{0,0,0,0,0,0,0,0,0,0}}可见矩阵M 的三阶子式都为0. 因此.2)(=M r例 求矩阵⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-----3224211631095114047116的行最简形及其秩.输入A={{6,1,1,7},{4,0,4,1},{1,2,-9,0},{-1,3,-16,-1},{2,-4,22,3}} MatrixForm[A]RowReduce[A]⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-00000000100005100101矩阵的初等行变换例 用初等变换法求矩阵.343122321⎪⎪⎪⎭⎫ ⎝⎛的逆矩阵.输入 A={{1,2,3},{2,2,1},{3,4,3}}MatrixForm[A]Transpose[Join[Transpose[A],IdentityMatrix[3]]]⎪⎪⎪⎭⎫ ⎝⎛---1112/532/3231)7,5,1,3(),5,4,3,1(),1,1,1,1(),3,2,1,1(4321==-==αααα⎪⎪⎪⎪⎪⎭⎫⎝⎛0000010010102001向量组的最大无关组 例 求向量组)0,5,1,2(),0,2,1,1(),14,7,0,3(),2,1,3,0(),4,2,1,1(54321=-===-=ααααα的最大无关组, 并将其它向量用最大无关组线性表示.输入Clear[A,B];A={{1,-1,2,4},{0,3,1,2},{3,0,7,14},{1,-1,2,0},{2,1,5,0}}; B=Transpose[A];RowReduce[B]⎪⎪⎪⎪⎪⎭⎫⎝⎛-000002/51000101102/10301非零行的首元素位于第一、二、四列,因此421,,ααα是向量组的一个最大无关组. 第三列的前两个元素别离是3,1,于是.3213ααα+=第五列的前三个元素别离是,25,1,21-于是.25214215αααα++-=实验习题1.求矩阵⎪⎪⎪⎪⎪⎭⎫⎝⎛----=12412116030242201211A 的秩.2.求t , 使得矩阵⎪⎪⎪⎭⎫⎝⎛-=t A 23312231的秩等于2.3.求向量组)0,0,1(),1,1,1(),1,1,0(),1,0,0(4321====αααα的秩.4.当t 取何值时, 向量组),3,1(),3,2,1(),1,1,1(321t ===ααα的秩最小?5.向量组)1,1,1,1(),1,1,1,1(),1,1,1,1(),1,1,1,1(4321-=--=--==αααα是不是线性相关?6.求向量组)6,5,4,3(),5,4,3,2(),4,3,2,1(321===ααα的最大线性无关组. 并用最大无关 组线性表示其它向量.7.设向量),6,3,3,2(),6,3,0,3(),18,3,3,8(),0,6,3,1(2121=-=-=-=ββαα求证:向量组21,αα 与21,ββ等价.实验3 线性方程组实验目的 熟悉求解线性方程组的经常使用命令,能利用Mathematica 命令各类求线性方程组的解. 明白得运算机求解的有效意义.大体命令1.命令NullSpace []A ,给出齐次方程组0=AX 的解空间的一个基.2.命令LinearSolve []b A ,,给出非齐次线性方程组b AX =的一个特解.3.解一样方程或方程组的命令Solve 见Mathematica 入门.实验举例求齐次线性方程组的解空间设A 为n m ⨯矩阵,X 为n 维列向量,那么齐次线性方程组0=AX 必然有解. 假设矩阵A 的秩等于n ,那么只有零解;假设矩阵A 的秩小于n ,那么有非零解,且所有解组成一贯量空间. 命令NullSpace 给出齐次线性方程组0=AX 的解空间的一个基.例 求解线性方程组⎪⎪⎩⎪⎪⎨⎧=---=++=+--=--+.0532,0375,023,02432143243214321x x x x x x x x x x x x x x x输入Clear[A];A={{1,1,-2,-1},{3,-2,-1,2},{0,5,7,3},{2,-3,-5,-1}}; NullSpace[A]那么输出{{-2,1,-2,3}}说明该齐次线性方程组的解空间是一维向量空间,且向量(-2,1,-2,3)是解空间的基. 注:若是输出为空集{ },那么说明解空间的基是一个空集,该方程组只有零解.例 向量组)7,5,1,3(),5,4,3,1(),1,1,1,1(),3,2,1,1(4321==-==αααα是不是线性相关? 依照概念,若是向量组线性相关,那么齐次线性方程组044332211='+'+'+'ααααx x x x 有非零解.输入Clear[A,B];A={{1,1,2,3},{1,-1,1,1},{1,3,4,5},{3,1,5,7}}; B=Transpose[A]; NullSpace[B]输出为{{-2,-1,0,1}}说明向量组线性相关,且02421=+--ααα非齐次线性方程组的特解例 求线性方程组⎪⎪⎩⎪⎪⎨⎧=----=++=+--=--+45322375222342432143243214321x x x x x x x x x x x x x x x 的特解.输入Clear[A,b];A={{1,1,-2,-1},{3,-2,-1,2},{0,5,7,3},{2,-3,-5,-1}}; b={4,2,-2,4} LinearSolve[A,b]输出为{1,1,-1,0}注: 命令LinearSolve 只给出线性方程组的一个特解.例 求出通过平面上三点(0,7),(1,6)和(2,9)的二次多项式,2c bx ax ++并画出其图形.依照题设条件有 ,924611700⎪⎩⎪⎨⎧=+⋅+⋅=+⋅+⋅=+⋅+⋅c b a c b a c b a 输入Clear[x];A={{0,0,1},{1,1,1},{4,2,1}} y={7,6,9}p=LinearSolve[A,y]Clear[a,b,c,r,s,t];{a,b,c}.{r,s,t} f[x_]=p.{x^2,x,1};Plot[f[x],{x,0,2},GridLines ->Automatic,PlotRange ->All];那么输出c b a ,,的值为 {2,-3,7}并画出二次多项式7322+-x x 的图形(略).非齐次线性方程组的通解用命令Solve 求非齐次线性方程组的通解.例当a 为何值时,方程组⎪⎩⎪⎨⎧=++=++=++111321321321ax x x x ax x x x ax 无解、有唯一解、有无穷多解?当方程组有解时,求通解.先计算系数行列式,并求a ,使行列式等于0. 输入Clear[a];Det[{{a,1,1},{1,a,1},{1,1,a}}]; Solve[%==0,a]那么输出{{a →-2},{a →1},{a →1}} 当a 2-≠,a 1≠时,方程组有唯一解.输入Solve[{a*x +y +z ==1,x +a*y +z ==1,x +y +a*z ==1},{x,y,z}]则输出{{x →,21a + y →,21a+ z →a +21}}当a =-2时,输入Solve[{-2x+y+z==1,x -2y+z==1,x+y -2z==1},{x,y,z}]则输出{ }说明方程组无解. 当a =1时,输入Solve[{x+y+z==1,x+y+z==1,x+y+z==1},{x,y,z}]则输出{{x →1-y -z}}}说明有无穷多个解.非齐次线性方程组的特解为(1,0,0),对应的齐次线性方程组的基础解 系为为(-1,1,0)与(-1,0,1).例 求非齐次线性方程组 ⎪⎩⎪⎨⎧-=+-+=-+-=+-+2534422312432143214321x x x x x x x x x x x x 的通解.解法1输入A={{2,1,-1,1},{3,-2,1,-3},{1,4,-3,5}};b={1,4,-2}; particular=LinearSolve[A,b] nullspacebasis=NullSpace[A]generalsolution=t*nullspacebasis[[1]]+k*nullspacebasis[[2]]+Flatten[particular]generalsolution 其通解为⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-+⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-+⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⎪⎪⎪⎪⎪⎭⎫ ⎝⎛007/57/6107/97/1017/57/14321t k x x x x (k ,t 为任意常数)实验习题1.解方程组⎪⎩⎪⎨⎧=++=++=+-.024,02,032321321321x x x x x x x x x2.解方程组⎪⎩⎪⎨⎧=++-=++-=++-.0111784,02463,03542432143214321x x x x x x x x x x x x3. 解方程组⎪⎩⎪⎨⎧-=-+-=+-=-+-.22,3,44324314324321x x x x x x x x x x4.解方程组⎪⎩⎪⎨⎧=++-=+++=-++.254,32,22432143214321x x x x x x x x x x x x5.用三种方式求方程组⎪⎪⎩⎪⎪⎨⎧=-+=-+=-+=-+127875329934,8852321321321321x x x x x x x x x x x x 的唯一解.6.当b a ,为何值时,方程组⎪⎪⎩⎪⎪⎨⎧-=+++=--+-=++=+++1232)3(122043214324324321ax x x x b x x a x x x x x x x x 有唯一解、无解、有无穷多解?对后者求通解.实验4 投入产出模型(综合实验)实验目的 利用线性代数中向量和矩阵的运算, 线性方程组的求解等知识,成立在经济 分析中有重要应用的投入产出数学模型. 把握线性代数在经济分析方面的应用.应用举例假设某经济系统只分为五个物质生产部门:农业、轻工业、重工业、运输业和建筑业, 五个部门间某年生产分派关系的统计数据可列成下表1. 在该表的第一象限中,每一个部门都以生产者和消费者的双重身份显现. 从每一行看,该部门作为生产部门以自己的产品分派给各部门;从每一列看,该部门又作为消耗部门在生产进程中消耗各部门的产品. 行与列的交叉点是部门之间的流量,那个量也是以双重身份显现,它是行部门分派给列部门的产品量,也是列部门消耗行部门的产品量.表1投入产出平稳表(单位: 亿元)注: 最终产品舍去了净出口.(修改表:加双线区分为四个象限)在第二象限中,反映了各部门用于最终产品的部份. 从每一行来看,反映了该部门最终产 品的分派情形;从每一列看,反映了用于消费、积存等方面的最终产品别离由各部门提供的数 量情形.在第三象限中,反映了总产品中新制造的价值情形,从每一行来看,反映了各部门新制造 价值的组成情形;从每一列看,反映了该部门新制造的价值情形.采纳与第三章第七节完全相同的记号,可取得关于表1的产品平稳方程组y x A E =-)( (1)其中,A 为直接消耗系数矩阵,依照直接消耗系数的概念),,2,1,(n j i x x a jij ij ==,易求出表1所对应的直接消耗系数矩阵:⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛==⨯0603.00425.00372.00227.00371.00411.00250.00416.00240.00143.03425.02083.05013.01451.00923.00685.00417.00252.01438.00231.00329.00250.00462.02557.01709.01825110120051540620131297135101171825751200305406225312975351045182562512002505406271031294543510324182512512005054061363129450351081182560120030540625031298003510600)(55ij a A 利用Mathematica 软件(以下计算进程均用此软件实现,再也不重述),可计算出⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=--11036.10739105.00982964.00672149.00637761.00884203.005447.1100805.00594445.0035022.0859487.0529259.016653.2495145.032573.0122005.00752055.00006552.020166.10492156.0132248.00874144.015254.0402651.024175.1)(1A E 为方便分析,将上述列昂节夫逆矩阵列成表2.表2下面咱们来分析上表中各列诸元素的经济意义. 以第2列为例,假设轻工业部门提供的 最终产品为一个单位, 其余部门提供的最终产品均为零, 即最终产品的列向量为 ,)0,0,0,1,0(T y =于是,轻工业部门的单位最终产品对5个部门的直接消耗列向量为⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛==0227.00240.01451.01438.02557.0000100603.00425.00372.00227.00371.00411.00250.00416.00240.00143.03425.02083.05013.01451.00923.00685.00417.00252.01438.00231.00329.00250.00462.02557.01709.0)0(Ay x通过中间产品向量)0(x 产生的间接消耗为⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==0205373.00146768.0129979.00327974.00885192.0)0()1(Ax x , ⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==0107259.000867109.00881789.00120554.00305619.0)0(2)2(x A x⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==00570305.000505222.0054254.000575796.00129491.0)0(3)3(x A x , ⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==00318798.000294103.00322339.000309566.000650578.0)0(4)4(x A x于是,轻工业部门的单位最终产品对五个部门总产品的需求量为++++++=)4()3()2()1()0(x x x x x y x.0629.00553.04497.01975.13942.000318798.000294103.00322339.000309566.000650578.000570305.000505222.0054254.000575796.00129491.00107259.000867109.00881789.00120554.00305619.00205733.00146768.0129979.00327974.00885192.000010⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛≈+⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=其中向量x 为列昂惕夫逆矩阵1)(--A E 的第2列, 该列5个元素别离是部门2生产一个单位 最终产品对部门一、二、3、4、5总产品的需求量, 即总产品定额. 同理, 能够说明列昂节夫 逆矩阵中第一、3、4、5列别离是部门一、3、4、5生产一个单位最终产品对部门一、二、3、 4、5的总产品定额.对应于附表1的完全消耗系数矩阵⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=--=-11036.00739105.00982964.00672149.00637761.00884203.005447.0100805.00594445.0035022.0859487.0529259.016653.1495145.032573.0122005.00752055.00006552.020166.00492156.0132248.00874144.015254.0402651.024175.0)(1EA E B最终产品是外生变量, 即最终产品是由经济系统之外的因素决定的, 而内生变量是由经济系统内的因素决定的. 此刻假定政府部门依照社会进展和人民生活的需要对表1的最终产品作了修改, 最终产品的增加量别离为农业2%, 轻工业7%, 重工业5%, 运输业5%, 建筑业 4%, 写成最终产品增量的列向量为,)51,5.37,15.52,09.160,4.35(T y =∆那么产品的增加量x ∆可由式(8)近似计算到第5项, 得+⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡+⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡+⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡+⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡+⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=+∆+∆+∆+∆+∆=∆515.3715.5209.1604.35515.3715.5209.1604.35515.3715.5209.1604.35515.3715.5209.1604.35515.375.5209.1604.35432)3()2()1()0(A A A A x x x x y x .)8033.744899.57169.238749.204083.121(T ≈其中,y A x ∆=∆)0(为各部门生产y ∆直接消耗各部门产品数量;而后面各项的和为各部门生 产y ∆的全数间接消耗的和.实验报告下表给出的是某城市某年度的各部门之间产品消耗量和外部需求量(均以产品价值计算, 单位: 万元), 表中每一行的数字是某一个部门提供给各部门和外部的产品价值.(1) 试列出投入—产出简表, 并求出直接消耗矩阵;(2) 依照预测, 从这一年度开始的五年内, 农业的外部需求每一年会下降1%, 轻工业和商业的外部需求每一年会递增6%, 而其它部门的外部需求每一年会递增3%, 试由此预测这五年内该城市和各部门的总产值的平均年增加率;(3) 编制第五年度的打算投入产出表.实验5 交通流模型(综合实验)实验目的利用线性代数中向量和矩阵的运算, 线性方程组的求解等知识,成立交通流模型. 把握线性代数在交通计划方面的应用.应用举例假设某城市部份单行街道的交通流量(每小时通过的车辆数)如图5-1所示.300 300 300+-432xxx=300+54xx=500-67xx=200+21xx=800+51xx=800+87xx=10009x=400-910xx=20010x=600++638xxx=1000⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎨⎧⎪排版时只保留图,不要方程组图5-1试成立数学模型确信该交通网络未知部份的具体流量.假定上述问题知足以下两个大体假设(1)全数流入网络的流量等于全数流出网络的流量;(2)全数流入一个节点的流量等于流出此节点的流量.那么依照图5-1及上述大体两个假设,可成立该问题的线性方程组⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧=++==+-==+=+=+=+-=+=+-1000600200400100080018002005003008631010998751217654432x x x x x x x x x x x x x x x x x x x x , 即 ⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---100060020040010008008002005003000010100110000000001100000000010000000000110000000000010001000000001100011000000000011000000000111010987654321x x x x x x x x x x 假设将上述矩阵方程记为b Ax =,那么问题就转化为求b Ax =的全数解. 下面咱们利用 Mathmatica 软件来求解一、输入矩阵A ,并利用RowReduce[A ]命令求得A 的秩为8. 输入RowReduce[A]⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛-00000000000000000000100000000001000000000011000000001010000000000110000000000100000001001000000100010=Ax 输入In[3]:=NullSpace[A]⎪⎪⎭⎫ ⎝⎛----00000110110011100000⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛--+⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--=+=00000110110011100000212211C C c c ξξη21,C C 3、输入增广阵(A b ),求出其秩为8, 由,108)()(=<==n Ab r A r 知方程组有无穷多个解.输入RowReduce[Ab]⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛-0000000000000000000006001000000000400010000000010000011000000800001010000050000000110002000000000100000000100108000000010001b Ax =输入 LinearSolve[A,b]Out[9]={{800},{0},{200},{500},{0},{800},{1000},{0},{400},{600}}那么取得所求非齐次线性方程组的一个特解:T )6004000100080005002000800(*=ξ综上所述,咱们就取得了非齐次线性方程组b Ax =的全数解为,*2211*ξξξξη++++=C C x (21,C C 为任意常数).在解的表示式中, x 的每一个分量即为交通网络中未知部份的具体流量, 该问题有无穷 多解(什么缘故? 并试探其实际意义).本模型具有实际应用价值, 求出该模型的解, 能够为交通计划设计部门提供解决交通堵 塞、车流运行不顺畅等问题的方式, 明白在何处应建设立交桥, 那条路应设计多宽等, 为城镇交通计划提供科学的指导意见. 可是,在本模型中,咱们只考虑了单行街道如此一种简单情形, 更复杂的情形留待读者在更高一级的课程中去研究. 另外,本模型还可推行到电路分析中的 网络节点流量等问题中.实验报告请读者应用本模型的思想方式, 为你所在或你熟悉的城镇成立一个区域的交通流量模 型. 并提供一个具体的解决方案, 即从无穷多个解中依照具体限制确信出一个具体的解决方 案.。
《线性代数》第二章矩阵及其运算精选习题及解答

An
=
⎜⎜⎝⎛
0 C
⎜⎛ 1
B 0
⎟⎟⎠⎞
,
其中
C = (n) ,
B
=
⎜ ⎜ ⎜⎜⎝
0 M 0
0 L 0 ⎟⎞
2 M 0
L L
n
0
M −
⎟ ⎟ 1⎟⎟⎠
,
故 C −1 = ( 1 ) , n
⎜⎛1 0 L
0 ⎟⎞
B −1
=
⎜0
⎜ ⎜⎜⎝
M 0
12 M 0
L L
1
0⎟ (nM− 1) ⎟⎟⎟⎠
,
根据分块矩阵的逆矩阵公式
⎜⎛ 2 ⎜0
0 4
2⎟⎞ 0⎟
⎜⎝ 4 3 2⎟⎠
例 2.12 设 X(E − B −1 A)T BT = E , 求 X . 其中
⎜⎛1 −1 0 0 ⎟⎞
⎜⎛ 2 1 3 4⎟⎞
A
=
⎜ ⎜ ⎜⎜⎝
0 0 0
1 0 0
−1 1 0
0⎟ −11⎟⎟⎟⎠ ,
B
=
⎜ ⎜ ⎜⎜⎝
0 0 0
2 0 0
1 2 0
0⎟
0 8
⎟ ⎟⎟⎠
,
求B,
使 ABA −1
=
BA −1
+ 3E
.
解 根据 ABA −1 = BA−1 + 3E , 得到 (A − E )BA−1 = 3E
故 A − E, A 皆是可逆的, 并且
( ) [ ] B = 3(A − E )−1 A = 3(A − E )−1 A−1 −1 = 3 (A−1 )(A − E) −1 = 3(E − A−1 )−1
第二章 矩阵及其运算
线性代数 矩阵及其运算

A22 ...
... ...
An 2 ...
A1n A2n ... Ann
称矩阵A的伴随矩阵,记为A*
精选版课件ppt
27
伴 随 矩 阵 有 如 下 重 要 性 质 : AA*A*A(detA)E
矩阵运算举例
例 例 1 8 设 A123T, B11 21 3, CAB ,
求 Cn
精选版课件ppt
例4
如:A 11
11
B
1 1
11
AB O
BA
2 2
22
显然有:AB 0 AB BA
总结:矩阵乘法不满足交换律与消去律.
精选版课件ppt
18
例5 设
A1 1
2 1
1 1,
求AB与BA
1 2 B1 1
2 3
解
3 0 3
1 3 AB2 6
BA0 3 0 1 7 1
定理2.1 若矩阵A的第i行是零行,则乘积 AB的第i行
a..i.1
... ...
a..is.n......
... bnjs
... ...
cij
精选版课件ppt
14
例2 计算
2 1
1 8 10
1 3
4 01 3
2 4
051 9
2 5 22 15
精选版课件ppt
15
例3. 非齐次线性方程组的矩阵表示
a11x1 a12x2 a1nxn b1
a21x1
关于矩阵乘法的注意事项: (1)矩阵 A 与矩阵 B 做乘法必须是左矩阵的列数与右
矩阵的行数相等; (2)矩阵的乘法中,必须注意矩阵相乘的顺序,AB是
A左乘B的乘积,BA是A右乘B的乘积;
大学高等数学第六章2矩阵及其运算

1 2 1 4
D
142
2 3 1 5
3 1 2 11
编辑ppt
5111
2 2 1 4
D1 2
3
1
142 5
0 1 2 11
11 5 1
1 2 2 4
D3 2
3
2
426 5
3 1 0 11
15 1 1
1 2 1 4
D2 2
2
1
284 5
3 0 2 11
11 1 5
1 2 1 2
D4 2
要的“矩形数表”,在数学学科中,则可用矩阵
来表示。
编辑ppt
● 矩阵的概念
矩阵的定义(见书P233定义1) 矩阵的一般形式如下:
a11 a12 ......a1n
a
21
a 22 ......a 2n
......
a m 1 a m 2 . . . . . .a m n
a 其中:i j 称作矩阵的元素。
Am nO m nAm n
(2)结合律 (A+B)+C = A+(B+C) 编辑ppt
●矩阵的减法
a11
设
A
a m1
a1n
a mn
Am nAm nO m n
,则称矩阵
a11 a m1
a1n
为A
的负矩阵,记作
A
。
a mn
若A、B为同型矩阵,则规定 ABA(B),
即 ABaijbij m n编辑ppt
作AB 。
注意:同型是相等的必要条件。 如:
2 0 0
0
0
2 0
0
2
2 0
线性代数第二章矩阵及其运算2-3PPT课件

CHAPTER 02
矩阵的乘法
矩阵乘法的定义
01
矩阵乘法是将两个矩阵对应位置的元素相乘,得到一个新的矩 阵。
02
矩阵乘法的结果是一个矩阵,其行数等于左矩阵的行数,列数
等于右矩阵的列数。
矩阵乘法的操作顺序是先进行行操作,再进行列操作。
CHAPTER 05
矩阵的秩
秩的定义
秩的定义
矩阵的秩是其行向量组或列向量 组的一个极大线性无关组中向量 的个数。
秩的Байду номын сангаас质
矩阵的秩是唯一的,且其值满足 特定的性质,如对于任何矩阵A, r(A)≤min(m,n),其中m和n分别 为矩阵A的行数和列数。
秩的计算方法
可以通过多种方法计算矩阵的秩, 如高斯消元法、行变换法、初等 行变换法等。
线性代数第二章矩阵及 其运算2-3ppt课件
CONTENTS 目录
• 矩阵的加法与数乘 • 矩阵的乘法 • 逆矩阵与伴随矩阵 • 矩阵的行列式 • 矩阵的秩 • 矩阵的应用
CHAPTER 01
矩阵的加法与数乘
矩阵的加法
矩阵加法定义
两个矩阵A和B的和记作A+B,定义 为满足以下条件的矩阵C,即C的元 素Cij=Aij+Bij(i,j=1,2,…,n)。
03
矩阵乘法的性质
1 2
结合律
$(AB)C=A(BC)$,即矩阵乘法满足结合律。
分配律
$A(B+C)=AB+AC$,即矩阵乘法满足分配律。
3
单位元
存在一个单位矩阵,使得任意矩阵与单位矩阵相 乘都等于原矩阵。
《线性代数》课件-第二章 矩阵及其运算

a11
A
A
a21
am1
a12 a22
am1
a1n
a2n
amn
数乘矩阵的运算规律
a, b, c R 结 合 (ab)c a(bc) 律 分 (a b) c ac bc 配 律 c (a b) ca cb
设 A、B是同型矩阵, , m 是数 (m)A (m A)
a11
a12
a13
a14
4
c11 a1kbk1
b11
b21
b31
b41
k 1
4
c12 a11b12 a12b22 a13b32 a14b42 a1k bk 2 k 1
一般地,
4
cij ai1b1 j ai 2b2 j ai 3b3 j ai4b4 j aikbkj k 1
行列式
矩阵
a11 a12
a1n
a21 a22
a2n
an1 an2
ann
(1) a a t( p1 p2 pn ) 1 p1 2 p2
p1 p2 pn
行数等于列数
共有n2个元素
a11 a12
a21
a22
am1 am1
anpn
a1n
a2n
amn
行数不等于列数 共有m×n个元素 本质上就是一个数表
第二章 矩阵及其运算
§1 矩阵
一、矩阵概念的引入 二、矩阵的定义 三、特殊的矩阵 四、矩阵与线性变换
B
一、矩阵概念的引入
例 某航空公司在 A、B、C、D 四座 A
城市之间开辟了若干航线,四座城市 之间的航班图如图所示,箭头从始发 地指向目的地.
城市间的航班图情况常用表格来表示:
实验二MATLAB的矩阵操作_参考答案

1
5
>> A(k)
ans =
23
10
(2)取出A前3行构成矩阵B,前两列构成矩阵C,右下角 子矩阵构成矩阵D,B与C的乘积构成矩阵E.
>> B=A([1,2,3],:)
B =
23.0000 10.0000 -0.7780 0
41.0000 -45.0000 65.0000 5.0000
32.0000 5.0000 0 32.0000
y =
-128.4271
2.已知 ,
求下列表达式的值:
(1) , (其中I为单位矩阵)
A=[-1,5,-4;0,7,8;3,61,7]
B=[8,3,-1;2,5,3;-3,2,0]
>> A+6*B
ans =
47 23 -10
12 37 26
-15 73 7
&
ans =
-1.2768 -0.4743 0.2411
2.1229 1.3173 -0.2924
3.已知
完成下列操作
(1)输出A在[10,25]范围内的全部元素
A=[23,10,-0.778,0;41,-45,65,5;32,5,0,32;6,-9.54,54,3.14]
>> k=find(A>=10&A<=25)
(2)
(3)
2.已知 ,
求下列表达式的值:
(1) , (其中I为单位矩阵)
(2)A*B、A.*B和B*A
(3)A/B及B/A
3.已知
完成下列操作
(1)输出A在[10,25]范围内的全部元素
(2)取出A前3行构成矩阵B,前两列构成矩阵C,右下角 子矩阵构成矩阵D,B与C的乘积构成矩阵E.
第3章 实验二矩阵与向量运算

第3章 实验二矩阵与向量运算实验目的:在MATLAB 里,会对矩阵与向量进行加、减、数乘、求逆及矩阵的特征值运算,以及矩阵的LU 分解。
3.1 矩阵、逆矩阵运算 例3.1 设矩阵A 、B 如下:1221,3415A B -⎡⎤⎡⎤==⎢⎥⎢⎥⎣⎦⎣⎦,分别求出B A +、B A *、A 的逆矩阵,A 矩阵的行列式的值。
在matlab 软件中的命令窗口输入: A=[1 2;3 4]; B=[-2 1;1 5]; A+B 得到: ans =-1 3 4 9A 的逆矩阵由命令inv(A)计算,例如:令A=[1 2;3 4]; 则 C=inv(A) 得到: C =-2.0000 1.0000 1.5000 -0.5000对于任意非奇异的方阵,都可以用命令inv 计算其逆矩阵。
在matlab 里,矩阵乘法用乘法运算符表示,可以通过命令输入:A*B得到:ans =0 11 -2 23在matlab 里,可以通过命令输入:det(A)得到: -2在matlab 里,在矩阵的后面加一个撇号得到该矩阵的转置,例如: F=A ’ 使矩阵F 变为A 的转置。
下面的命令创建一个m ×m 的单位矩阵: s=eye(m)m ×n 的零矩阵用s=zeros(m*n)给出。
m ×n 的元素都是1的矩阵用写为: w=ones(m,n)如果A 是一个矩阵,则zeros(size(A))和ones(size(A))分别得到与A 大小相同的零矩阵和单位矩阵。
命令rand(m,n)创建一个m ×n 的随机矩阵。
命令hilb(m)创建一个Hilbert 矩阵的特殊矩阵。
3.2 矩阵的特征值设A 是一个n ×n 方阵,X 是一个n 维向量,乘积Y=AX 可以看作是n 维空间变换。
如果能够找到一个标量λ,使得存在一个非零向量X ,满足:AX=λX (3.1) 则可以认为线性变换T(X)=AX 将X 映射为λX,此时,称X 是对应于特征值λ的特征向量。
矩阵及其运算详解

矩阵及其运算详解矩阵是线性代数中重要的概念之一,它不仅在数学理论中有广泛应用,也在各个领域的实际问题中发挥着重要作用。
本文将详细介绍矩阵的概念、性质以及常见的运算法则,以帮助读者深入了解和掌握矩阵相关的知识。
一、矩阵的定义和基本性质矩阵是一个按照矩形排列的数集,通常用方括号表示。
一个 m×n的矩阵包含 m 行和 n 列,并用 aij 表示第 i 行、第 j 列的元素。
例如,一个 2×3 的矩阵可以表示为:A = [ a11 a12 a13a21 a22 a23 ]其中,a11、a12 等分别表示矩阵中不同位置的元素。
对于一个 m×n 的矩阵 A,当且仅当存在 m×n 的矩阵 B,满足 A = B,我们称 B 是 A 的转置矩阵。
转置矩阵中的每个元素是原矩阵对应位置元素的转置。
二、矩阵的运算法则1. 矩阵的加法和减法矩阵的加法和减法规则使其成为一个线性空间。
对于同型矩阵 A 和B,它们的和 A + B 的结果是一个与 A、B 同型的矩阵,其每个元素等于对应位置元素的和。
减法规则类似,也是对应元素相减。
矩阵的数乘指的是将一个矩阵的每个元素乘以一个标量。
即对于矩阵 A 和一个实数 k,kA 的结果是一个与 A 同型的矩阵,其每个元素等于对应位置元素乘以 k。
3. 矩阵的乘法矩阵的乘法是矩阵运算中最重要的一种运算。
对于矩阵 A 和 B,若A 的列数等于B 的行数,则可以进行乘法运算 AB。
结果矩阵C 是一个 m×p 的矩阵,其中的元素 cij 是通过计算矩阵 A 的第 i 行和矩阵 B的第 j 列对应位置元素的乘积,并将结果相加得到的。
4. 方阵和单位矩阵方阵是指行数和列数相等的矩阵,也称为正方形矩阵。
单位矩阵是一种特殊的方阵,它的主对角线上的元素全为1,其它位置元素均为0。
单位矩阵通常用 I 表示。
三、矩阵的性质和应用1. 矩阵的转置性质矩阵的转置运算具有以下性质:- (A^T)^T = A,即两次转置后得到原矩阵。
第二章矩阵及其运算

数乘矩阵与数乘行 列式的区别所在!!
23
第二章 矩阵及其运算
3 1 2 0 A= 1 5 7 9
2 4 6 8
7 5 2 4 B= 5 1 9 7
3 2 1 6
求满足关系式 A+2X=B 的矩阵 X (3A—2B) 三、矩阵的乘法
定义 3:设 A=( aij ) ms B =( bij ) sn 则乘积 AB=C=( cij ) mn
线性代数教案
课题
教学内容 教学目标 教学重点
第二章 矩阵及其运算 §2.1 矩阵 §2.2 矩阵的运算
矩阵的概念; 矩阵的运算;
明确矩阵概念的形成; 掌握矩阵的加法、数与矩阵的乘法、矩阵与矩阵的乘法; 会求矩阵的转置、方阵的行列式、共轭矩阵;
掌握矩阵定义及运算法则
教学难点 矩阵乘法
教学内容、 安排
矩阵:matrix 矩阵运算:matrix operations 矩阵的加法:matrix addition 数与矩阵相乘:scalar muctiplication 转置矩阵:transposd matrix
A
的乘积。即
kA=
k
aij
=
ka21
kam1
ka12 ka22
kam2
ka1n
ka2n
kamn
用数乘以 矩阵中 的每一个元素
由定义可知 –A=(-1) A
A – B = A+(-B) 数乘矩阵满足以下的运算律 1、结合律:(kl)A=k(lA)=l(kA) 2、交换律:kA=Ak 3、分配律:k(A+ B)=kA+kB 例1、 设
教学手段、
措施
线性代数第二章矩阵及其运算2-3

二、逆矩阵的概念
定义 7 设 A是 n 阶方阵,若存在 n 阶方
阵B,使得 AB=BA=E (3) 则称矩阵 A 可逆,且称 B 是 A 的逆矩阵,记作 B=A-1.
如果不存在满足(3)的矩阵 B,则称矩阵
A 是不可逆的.
现在的问题是,矩阵 A 满足什么条件时可逆? 可逆方阵的逆阵是否唯一,如何求逆阵?可逆 矩阵有什么性质?这是本节要讨论的问题.
A A 2E O,
2
4 移项 得 A 1 1 分解因式 得
2 1 2
3 2 A 2E, A AB A 2 B, 求 B. 0 , AB A 2 B, 求 B. 3
A( 得 解 已知方程变形A E) 2E,
例 3 设 n 阶矩阵 A, B, A + B 均可逆, 证明
练习: 设n阶方阵A满足A2+2A-4E=0,则必有( A) A=E C) A-E可逆 B)A=-3E D) A+3E不可逆 )
解答:因为A与E是可交换的,依题意可得: A2+2A-4E=0 A2+2A-3E=E (A-E)(A+3E)=E, 根据逆矩阵的定义,(A-E)与(A+3E)互逆。故选C
伴随矩阵法.
练习: A,B均为n(n≥3)阶方阵,且AB=0,则A与B( A) 均为零矩阵 C) 至少有一个奇异阵 B) 至少有一个零矩阵 D) 均为奇异阵 )
解答:可以等式两边同取行列式 AB=0 |AB|=0 |A||B|=0,故选C
练习: A,B,C为同阶方阵,A可逆,则下列命题正确的是( A) 若AB=0,则B=0 C) 若AB=CB,则A=C 解答:可以等式两边同乘A-1 AB=0 A-1AB = A-10 EB=0,故选A B)若BA=BC,则A=C D) 若BC=0,则B=0或C=0 )
矩阵及其运算

二、矩阵及其运算1、矩阵的定义由m×n个数a ij(i=1,2,..m;j=1,2,..n)排列成的m行n列的数表a11 a12 (1)a21 a22 (2)……………………am1 am2 ……amn称为m行n列矩阵,简称m×n矩阵,记作:a11 a12 (1)a21 a22 (2)……………………am1 am2 ……amn以数aij为元素的矩阵可简记为:(aij)或(aij)m×n,m×n矩阵A也记作A m×n元素是实数的矩阵叫实矩阵,元素是复数的矩阵叫复矩阵。
行和列都是n的矩阵称为n介矩阵,或n介方阵。
只有一行的矩阵:A=(a1,a2,…an)称行矩阵,也叫行向量,只有一列的矩阵:a1a2A= a3..an称为列矩阵或列向量如果两个矩阵行数和列数相同,称其为同型矩阵,如果矩阵A和矩阵B是同性矩阵,且对应的元素也相同,则矩阵A和矩阵B相等,记作A=B元素都是0的矩阵称为令矩阵,记作O,不同型的领矩阵是不相同的注意:不要和行列式混淆,行列式表示一个数值,而矩阵只是一个按一定顺序排列的数表,不是一个数。
单位矩阵:一个方阵,如果他除了对角线上的元素都为1之外,其它元素都是0,这个矩阵叫单位矩阵。
如: 1 00 1单位矩阵一般用E表示对称矩阵:如果一个方阵,他的元素按对角线对称的元素相等,那么他是对称矩阵2、矩阵的计算(1)矩阵的加法:只有同型矩阵才能相加,如m×n的矩阵A=(aij)和B=(bij)相加,记作:A+BA11+b11 a12+b12 … a1n+b1nA21+b21 a22+b22 … a2n+b2nA+B= ……………………………………An1+bn1 an2+bn2 … ann+bnn矩阵加法满足交换率和结合律A+B=B+AA+B+C=A+(B+C)(2)矩阵的数乘矩阵A与常数k的乘积记作kA或Ak,Ka11 ka12 … ka1nKa21 ka22 … ka2nkA= …………………………kan1 kan2 … kann矩阵数乘满足下列运算律:(ku)A=k(uA)(k+u)A=kA+uAK(A+B)=kA+uB矩阵的加法和数乘统称为矩阵的线性变换(3) 矩阵与矩阵相乘定义:设A=(aij)是一个m*s矩阵,B=(bij)是一个s*n矩阵,那么规定矩阵A和B相乘是一个m*n矩阵C=(cij)其中:Cij=ai1b1j+ai2b2j+... aisbsj=∑=skaikbkj1(i=1,2,…,m;j=1,2,…n)记作C=AB例1:求AB一个1*s行矩阵于一个s*1列矩阵相乘是一个1介方阵,也就是一个数。
矩阵及其运算

矩阵及其运算矩阵是线性代数中的一个重要概念,它在数学和工程领域中得到广泛应用。
本文将介绍矩阵的定义和基本操作,包括矩阵的加法、减法、乘法以及转置运算。
1. 矩阵的定义矩阵由m行n列的数排列成的矩形数表称为m×n矩阵,其中m表示矩阵的行数,n表示矩阵的列数。
矩阵中的每个数称为元素,用a(i,j)表示矩阵中第i行第j列的元素。
例如,一个2×3的矩阵A可以定义为:A = [a(1,1) a(1,2) a(1,3)][a(2,1) a(2,2) a(2,3)]2. 矩阵的加法和减法对于两个同型矩阵A和B(即行列数相等),它们的和记为A + B,差记为A - B。
加法和减法的运算法则是对应元素相加或相减。
例如,对于两个2×3的矩阵A和B,它们的和A + B和差A - B可以表示为:A +B = [a(1,1) + b(1,1) a(1,2) + b(1,2) a(1,3) + b(1,3)][a(2,1) + b(2,1) a(2,2) + b(2,2) a(2,3) + b(2,3)]A -B = [a(1,1) - b(1,1) a(1,2) - b(1,2) a(1,3) - b(1,3)][a(2,1) - b(2,1) a(2,2) - b(2,2) a(2,3) - b(2,3)]3. 矩阵的乘法矩阵的乘法是定义在矩阵上的一种运算,对于矩阵A(m×p)和矩阵B(p×n),它们的乘积记为AB,结果是一个m×n的矩阵。
具体计算过程是,矩阵AB的第i行第j列的元素是矩阵A的第i行与矩阵B的第j列对应元素的乘积之和。
用数学公式表示为:AB(i,j) = ∑(A(i,k) * B(k,j)) (k从1到p)例如,对于一个2×3的矩阵A和一个3×2的矩阵B,它们的乘积AB可以表示为:AB = [a(1,1)*b(1,1) + a(1,2)*b(2,1) + a(1,3)*b(3,1) a(1,1)*b(1,2) +a(1,2)*b(2,2) + a(1,3)*b(3,2)][a(2,1)*b(1,1) + a(2,2)*b(2,1) + a(2,3)*b(3,1) a(2,1)*b(1,2) +a(2,2)*b(2,2) + a(2,3)*b(3,2)]4. 矩阵的转置一个矩阵的转置是将其行和列互换得到的新矩阵。
矩阵的运算及其运算规则

矩阵的运算及其运算规则矩阵是现代数学中的一种重要工具,它在线性代数、图论、物理学等领域中都有广泛的应用。
矩阵的运算是研究矩阵性质和解决实际问题的基础。
本文将介绍矩阵的运算及其运算规则。
(一)矩阵的加法矩阵的加法是指将两个相同大小的矩阵对应位置的元素相加。
假设有两个矩阵A和B,它们的大小都是m行n列,记作A = [aij]m×n,B = [bij]m×n,则矩阵A和B的加法C = A + B定义为C = [cij]m×n,其中cij = aij + bij。
例如,对于矩阵A = [1 2 3; 4 5 6]和矩阵B = [7 8 9; 10 11 12],它们的加法结果为C = [8 10 12; 14 16 18]。
矩阵的加法满足以下运算规则:1. 加法满足交换律,即A + B = B + A。
2. 加法满足结合律,即(A + B) + C = A + (B + C)。
3. 存在一个零矩阵0,使得A + 0 = A。
4. 对于任意矩阵A,存在一个相反矩阵-B,使得A + (-B) = 0。
(二)矩阵的数乘矩阵的数乘是指将一个矩阵的每个元素都乘以一个数。
假设有一个矩阵A和一个实数k,记作kA,则矩阵kA定义为kA = [kaij]m×n。
例如,对于矩阵A = [1 2 3; 4 5 6]和实数k = 2,它们的数乘结果为kA = [2 4 6; 8 10 12]。
矩阵的数乘满足以下运算规则:1. 数乘满足结合律,即k(lA) = (kl)A,其中k和l分别为实数。
2. 数乘满足分配律,即(k + l)A = kA + lA,其中k和l分别为实数。
3. 数乘满足分配律,即k(A + B) = kA + kB,其中k为实数,A和B 为矩阵。
(三)矩阵的乘法矩阵的乘法是指将一个m行n列的矩阵A和一个n行p列的矩阵B 相乘得到一个m行p列的矩阵C。
假设有两个矩阵A和B,它们的大小分别为m行n列和n行p列,记作A = [aij]m×n,B = [bij]n×p,则矩阵A和B的乘法C = AB定义为C = [cij]m×p,其中cij= ∑(ai1 * b1j)。
第二章矩阵与其运算

数,所以矩阵A与B可以相乘,其乘积AB=C是一个2 3 矩
阵。按公式(6)有
4 1 0
1 C AB 2
0 1
3 0
21
1 2 1
1 0 3
3
1 4
1 4 0 (1) 11 0 1
10 03
3 2 (1) 1 2 4 1 (1)
02 21
3 0 (1) 3 2 1 11
而BT的第i行为 (b1i
b2i
bsi ) , AT 的第j列为 a j1
aj2
aT js
因此
s
s
d ij bki a jk a jk bki
k 1
k 1
所以
dij c ji (i 1,2, , n;j 1,2, , m)
即 D=CT,亦即 ABT BT AT
例7 已知
A
2 1
下, AB BA 。
例5 还表明,矩阵 A O,B O,但却有 BA=O 这就提醒我 们要特别注意:若有两个矩阵A、B满足 AB=O,不能得出 A=O 或 B=O的结论;若A O 而AX Y O ,也不能得出 X=Y 的结论。
§2 矩阵的运算
矩阵的乘法虽不满足交换律,但仍满足下列结合律和分 配律(假设运算都是可行的)
(ⅲ) AB A B .
§3 逆矩阵
定义7 对于n阶矩阵A,如果有一个n阶矩阵B,使 AB=BA=E 则说矩阵A是可逆的,并把矩阵B称为A的逆矩阵。
如果矩阵A是可逆的,那么A的逆矩阵是唯一的,这是因 为:设B、C都是A的逆矩阵,则有
B=BE=B(AC)=B(AC)=(BA)C=EC=C 所以A的逆矩阵是唯一的。
§2 矩阵的运算
设A为n阶方阵,如果满足AT=A, 即
人力资源2矩阵及其运算(二)

人力资源2矩阵及其运算(二)引言概述:人力资源2矩阵及其运算是一种分析和管理人力资源的工具和方法。
本文将介绍人力资源2矩阵的运算方法及其在人力资源管理中的应用。
通过对人力资源2矩阵的运算和分析,可以帮助企业更好地了解组织的人力资源状况,并制定相应的管理策略和决策。
正文内容:一、人力资源2矩阵的运算方法1.确定维度:人力资源2矩阵的维度可以根据组织的需要来确定,常用的维度有员工绩效、岗位需求、员工发展等。
2.收集数据:收集与所选维度相关的数据,包括员工绩效评估数据、岗位需求预测数据、员工培训记录等。
3.计算指标:根据所选维度和收集的数据,计算出人力资源2矩阵中各个维度的指标,例如员工绩效得分、岗位需求与实际人数的差距、员工培训覆盖率等。
4.填充矩阵:将计算得到的指标填充到人力资源2矩阵的对应位置上,形成完整的矩阵。
5.运算分析:通过对人力资源2矩阵进行运算和分析,揭示出组织在人力资源管理方面的优势和薄弱点,为管理决策提供依据。
二、人力资源2矩阵在人力资源管理中的应用1.人员招聘与配置:通过人力资源2矩阵的运算,可以了解到岗位需求与实际人数的差距,进而合理规划人员招聘和配置工作,确保组织资源的有效利用。
2.绩效管理:通过运算人力资源2矩阵中的员工绩效得分,可以对员工的绩效进行评估和激励,促进员工的发展和提高组织的整体绩效水平。
3.培训与发展:人力资源2矩阵可以帮助企业评估员工培训和发展的覆盖率和效果,为制定培训和发展计划提供依据,提高组织员工的能力和素质。
4.人才管理与晋升:通过对人力资源2矩阵的运算和分析,可以发现并培养组织中的人才,为合理安排人员晋升提供依据,提高组织的人才管理水平。
5.人力资源战略规划:借助人力资源2矩阵的运算结果,可以对组织的人力资源状况进行全面评估,并制定相应的人力资源战略规划,使组织能够更好地应对外部环境的变化。
总结:人力资源2矩阵及其运算方法是一种有效的人力资源管理工具,通过对矩阵的运算和分析,可以帮助企业了解人力资源的情况,制定相应的管理策略和决策。
第二章 矩阵及其运算总结

§1 矩阵及其运算一、矩阵的基本概念(必考)矩阵,是由m*n个数组成的一个m行n列的矩形表格,通常用大写字母表示,组成矩阵的每一个数,均称为矩阵的元素,通常用小写字母其元素表示,其中下标都是正整数,他们表示该元素在矩阵中的位置.比如,或表示一个m*n 矩阵,下标ij 表示元素位于该矩阵的第行、第列.元素全为零的矩阵称为零矩阵. 特别地,一个m*1矩阵,也称为一个 m维列向量;而一个 1*n矩阵B=(b1,b2,…,bn),也称为一个 n维行向量.当一个矩阵的行数m与烈数n 相等时,该矩阵称为一个 n阶方阵.若一个n阶方阵的主对角线上的元素都是,而其余元素都是零,则称为单位矩阵,记为,即: .单位矩阵与实数中的‘1’的运算相近.如一个阶方阵的主对角线上(下)方的元素都是零,则称为下(上)三角矩阵是一个阶下三角矩阵.例题:1.A既是上三角矩阵,又是下三角矩阵,则A必是对角矩阵2.两矩阵既可相加又可相乘的充要条件是两矩阵为同阶方阵.3.A=(l≠n),则A的主对角线上个元素的和为 (设矩阵为2行3列的矩阵,找规律)二、矩阵的运算1、矩阵的加法:如果是两个同型矩阵(即它们具有相同的行数和列数,比如说),则定义它们的和仍为与它们同型的矩阵(即),的元素为和对应元素的和,即:.给定矩阵,我们定义其负矩阵为: .这样我们可以定义同型矩阵的减法为: .由于矩阵的加法运算归结为其元素的加法运算,容易验证,矩阵的加法满足下列运算律:(1)交换律:; (2)结合律:;(3)存在零元:;(4)存在负元:.2 、数与矩阵的乘法的运算律:(1);(2);(3);(4) .3 、矩阵的乘法(必考)设为距阵,为距阵,则矩阵可以左乘矩阵(注意:距阵的列数等与矩阵的行数),所得的积为一个距阵,即,其中,并且(即左行乘右列)矩阵的乘法满足下列运算律(假定下面的运算均有意义):(1)结合律:; (2)左分配律:;(3)右分配律:;(4)数与矩阵乘法的结合律:;(5)单位矩阵的存在性:.若为阶方阵,则对任意正整数,我们定义:,并规定:由于矩阵乘法满足结合律,我们有:, .注意:矩阵的乘法与通常数的乘法有很大区别,特别应该注意的是:(必考重要)(1)矩阵乘法不满足交换律:一般来讲即便有意义,也未必有意义;倘使都有意义,二者也未必相等.正是由于这个原因,一般来讲,在实数中的某些运算不再适应,如,,反过来,这些公式成立的条件又恰是A、B 可逆.例:A,B,C 是同阶矩阵,A ≠0,若AB=BC,必有B=C,则A满足可逆(2)两个非零矩阵的乘积可能是零矩阵,即未必能推出或者. 同理,A ≠0,B ≠0,而AB却肯能等于0.例题:(选择题5、6)(3)矩阵的乘法不满足消去律:如果并且,未必有 .4 、矩阵的转置:定义:设为矩阵,我们定义的转置为一个矩阵,并用表示的转置,即:.矩阵的转置运算满足下列运算律:(1);(2);(3);(4) (重要).5、对称矩阵:n 阶方阵若满足条件:,则称为对称矩阵;若满足条件:,则称为反对称矩阵.若设,则为对称矩阵,当且仅当对任意的成立;为反对称矩阵,当且仅当对任意的成立.从而反对称矩阵对角线上的元素必为零.对称矩阵具有如下性质:(1)对于任意矩阵,为阶对称矩阵;而为阶对称矩阵;(2)两个同阶(反)对称矩阵的和,仍为(反)对称矩阵;(3)如果两个同阶(反)对称矩阵可交换,即,则它们的乘积必为对称矩阵,即.运算性质:1) (2) (3)(4) (5)三、逆矩阵1.定义 对于n 阶矩阵A ,如果存在n 阶矩阵B ,使得E BA AB ==.则A 称为可逆矩阵或非奇异矩阵.B 称为A 的逆矩阵,.由定义可得,A 与B 一定是同阶的,而且A 如果可逆,则A 的逆矩阵是唯一的.这是因为(反证法),如果1B 、2B 都是A 的逆矩阵,则有E A B AB ==11,E A B AB ==22,那么22212111)()(B EB B A B AB B E B B =====所以逆矩阵是唯一的.我们把矩阵A 的逆矩阵记作1-A .逆矩阵有下列性质: (1)如果A 可逆,则1-A 也可逆,且A A =--11)(.由可逆的定义,显然有A 与1-A 是互逆的. (2)如果A 、B 是两个同阶可逆矩阵,则)(AB 也可逆,且111)(---=A B AB .(必考重点) 这是因为 E A A AEA ABB A A B AB =⋅===------111111)())((E B B EB B B A A B AB A B ====------111111)())((,所以111)(---=A B AB .(必考重点)这个结论也可以推广到有限个可逆矩阵想乘的情形. (3)可逆矩阵A 的转置矩阵T A 也是可逆矩阵,且T T A A )()(11--=.这是因为E E A A A A T T TT===--)()(11,E E AA A A T T T T ===--)()(11所以 T TA A )()(11--=.(4)如果A 是可逆矩阵,则有11--=A A .这是因为E AA=-1,两边取行列式有 11=⋅-A A ,所以111--==A AA . 矩阵可逆的条件(1)n 阶方阵A 可逆的充分必要条件是| A | ≠ 0(也即r (A )= n );(2)n 阶方阵A 可逆的充分必要条件是A 可以通过初等变换(特别是只通过初等行(列)变换)化为n 阶单位矩阵;(3)n 阶方阵A 可逆的充分必要条件是A 可以写成一些初等矩阵的乘积;(4)n 阶方阵A 可逆的充分必要条件是A 的n 个特征值不为零;(5)对于n 阶方阵A ,若存在n 阶方阵B 使得AB = E (或BA = E ),则A 可逆,且A -1= B. 逆矩阵的有关结论及运算必考 ——求法方法1 定义法:设A 是数域P 上的一个n 阶方阵,如果存在P 上的n 阶方阵B ,使得AB = BA= E ,则称A 是可逆的,又称B 为A 的逆矩阵.当矩阵A 可逆时,逆矩阵由A 惟一确定,记为A -1.例1:设A 为n 阶矩阵,且满足22A - 3A + 5E = 0,求A -1.【解】22 2 -12A - 3A + 5E = 02A - 3A = - 5E23-A - A =E 552323A (- A - E) = - A - E = E555523A A = - A - E55∴∴∴∴可逆且方法 2 伴随矩阵法:A -1= 1|A|A*.定理n 阶矩阵A = a ij 为可逆的充分必要条件是A 非奇异.且11211122221121n n nnnn A A A A A A A A A A A -⎛⎫ ⎪ ⎪=⎪ ⎪⎝⎭其中A ij 是|A|中元素a ij 的代数余子式.矩阵112111222212n n nnnn A A A A A A A A A ⎛⎫ ⎪ ⎪⎪ ⎪⎝⎭称为矩阵A 的伴随矩阵,记作A*,于是有A -1=1|A|A*. 注 ①对于阶数较低(一般不超过3阶)或元素的代数余子式易于计算的矩阵可用此法求其逆矩阵.注意A* = (A ji )n ×n 元素的位置及符号.特别对于2阶方阵11122122a a A a a ⎛⎫= ⎪⎝⎭,其伴随矩阵22122111*a a A a a -⎛⎫=⎪-⎝⎭,即伴随矩阵具有“主对角元素互换,次对角元素变号”的规律.②对于分块矩阵A B C D ⎛⎫⎪⎝⎭不能按上述规律求伴随矩阵.例2:已知101A=210325⎛⎫ ⎪ ⎪ ⎪--⎝⎭,求A -1.【解】 ∵| A | = 2 ≠ 0 ∴A 可逆.由已知得111213212223313233A = - 5, A = 10, A = 7A = 2, A = - 2, A = - 2A = - 1, A = 2, A = 1 , A -1= 1|A| A* = 5115212211022511272171122⎛⎫-- ⎪--⎛⎫ ⎪⎪-=- ⎪ ⎪ ⎪ ⎪-⎝⎭- ⎪⎝⎭方法3 初等变换法:注 ①对于阶数较高(n ≥3)的矩阵,采用初等行变换法求逆矩阵一般比用伴随矩阵法简便.在用上述方法求逆矩阵时,只允许施行初等行变换.②也可以利用1E A E A -⎛⎫⎛⎫−−−−→⎪ ⎪⎝⎭⎝⎭初等列变换求得A 的逆矩阵. ③当矩阵A 可逆时,可利用求解求得A -1B 和CA -1.这一方法的优点是不需求出A 的逆矩阵和进行矩阵乘法,仅通过初等变换即求出了A -1B 或CA -1.例3::用初等行变换求矩阵231A 013125⎛⎫⎪= ⎪ ⎪⎝⎭的逆矩阵.【解】()231100125001125001A E 01301001301001301012500123110000611212500112500101301001301001910211100166311341006631310122111001663⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪=→→ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪--⎝⎭⎝⎭⎝⎭⎛⎫ ⎪⎛⎫⎪ ⎪→→ ⎪ ⎪ ⎪ ⎪---⎝⎭-- ⎪⎝⎭⎛--→---⎝⎫⎪⎪⎪⎪ ⎪⎪ ⎪⎭1113410066313A 010********1663-⎛⎫--⎪ ⎪ ⎪=- ⎪ ⎪ ⎪-- ⎪⎝⎭故 方法4 用分块矩阵求逆矩阵:设A 、B 分别为P 、Q 阶可逆矩阵,则:1111111111111111A A 000B 0C O A A A CB A O A O BD B O B B DA B B O A O B B O AO ----------------⎛⎫⎛⎫⎛⎫-⎛⎫⎛⎫⎛⎫=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭例4:已知0052002112001100A ⎛⎫⎪ ⎪=⎪-⎪⎝⎭,求A -1.【解】 将A 分块如下:12005200211200110O A A A O ⎛⎫ ⎪ ⎪⎛⎫⎪== ⎪⎪⎝⎭- ⎪ ⎪⎝⎭其中 125212,2111A A -⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭可求得 1*1*1122121212111,2511||||3A A A A A A ---⎛⎫⎛⎫==== ⎪ ⎪--⎝⎭⎝⎭ 从而11211120033110331200250O A A A O ---⎛⎫ ⎪ ⎪ ⎪-⎛⎫ ⎪== ⎪⎪⎝⎭ ⎪ ⎪- ⎪-⎝⎭方法5 恒等变形法求逆矩阵:有些计算命题表面上与求逆矩阵无关,但实质上只有求出矩 阵的逆矩阵才能算出来,而求逆矩阵须对所给的矩阵等式恒等变 形,且常变形为两矩阵的乘积等于单位矩阵的等式.例8 已知,且,试求.解 由题设条件得3.伴随矩阵 如果n 阶矩阵A 的行列式0≠A ,则称A 是非奇异的(或非退化的).否则,称A 是奇异的(或退化的).(n 阶矩阵A 可逆的充要条件是:|A|≠0)设n n ij a A ⨯=)(,ij A 是A 中元素)21(n j i a ij ,,,, =的代数余子式.矩阵 ⎪⎪⎪⎪⎪⎭⎫⎝⎛=nn n n n n A A A A A A A A A A 212221212111*(顺序变化,重点)称为A 的伴随矩阵. 矩阵n n ij a A ⨯=)(为可逆矩阵的充分必要条件是A 为非奇异矩阵,并且当A 可逆时,有*11A AA =-,伴随矩阵 例1. 已知矩阵⎪⎪⎪⎭⎫ ⎝⎛---=313132121A 判断A 是否可逆,如果可逆,求1-A .解: 因为01313132121≠=---=A ,所以A 可逆.又.13221)1(11211)1(;11312)1(71321)1(;63311)1(53112)1(;11332)1(93312)1(;83113)1(333323321331322322221221311321121111=---==-==---=-=--=-=--=-=---==--==--==---=+++++++++A A A A A A A A A所以 ⎪⎪⎪⎭⎫⎝⎛---==-1711691581*1A A A 四、分块矩阵一、分块矩阵的概念对于行数和列数较高的矩阵, 为了简化运算,经常采用分块法,使大矩阵的运算化成若干小矩阵间的运算,同时也使原矩阵的结构显得简单而清晰. 具体做法是:将大矩阵用若干条纵线和横线分成多个小矩阵. 每个小矩阵称为A 的子块, 以子块为元素的形式上的矩阵称为分块矩阵.矩阵的分块有多种方式,可根据具体需要而定注:一个矩阵也可看作以n m ⨯个元素为1阶子块的分块矩阵. 二、分块矩阵的运算分块矩阵的运算与普通矩阵的运算规则相似. 分块时要注意,运算的两矩阵按块能运算,并且参与运算的子块也能运算,即,内外都能运算.1. 设矩阵A 与B 的行数相同、列数相同,采用相同的分块法, 若,,11111111⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=st s t st s t B B B B B A A A A A其中ij A 与ij B 的行数相同、列数相同, 则.11111111⎪⎪⎪⎭⎫ ⎝⎛++++=+st st s s t t B A B A B A B A B A2.设,1111⎪⎪⎪⎭⎫ ⎝⎛=st s t A A A A Ak 为数, 则.1111⎪⎪⎪⎭⎫ ⎝⎛=st s t kA kA kA kA kA 3.设A 为l m ⨯矩阵, B 为n l ⨯矩阵, 分块成,,11111111⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=tr t r st s t B B B B B A A A A A其中pt p p A A A ,,,21 的列数分别等于tq q q B B B ,,,21 的行数, 则,1111⎪⎪⎪⎭⎫ ⎝⎛=sr s r C C C C AB 其中).,,2,1;,,2,1(1r q s p B A C t k kqpk pq ===∑=4. 分块矩阵的转置设,1111⎪⎪⎪⎭⎫ ⎝⎛=st s t A A A A A则.1111⎪⎪⎪⎪⎭⎫ ⎝⎛=T st T tT s T TA A A A A 5. 设A 为n 阶矩阵, 若A 的分块矩阵只有在对角线上有非零子块, 其余子块都为零矩阵, 且在对角线上的子块都是方阵, 即⎪⎪⎪⎪⎪⎭⎫⎝⎛=s A O A O A A21, 其中),,2,1(s i A i =都是方阵, 则称A 为分块对角矩阵.分块对角矩阵具有以下性质:(1) 若 ),,2,1(0||s i A i =≠,则0||≠A ,且|;|||||||21s A A A A =(2) .112111⎪⎪⎪⎪⎪⎭⎫⎝⎛=----s A O A O A A(3) 同结构的对角分块矩阵的和、差、积、商仍是对角分块矩阵. 且运算表现为对应子块的运算。
第二章 矩阵及其运算

第二章 矩阵及其运算说明与要求:此矩阵在线性代数中是一个重要而且应用广泛的概念,它是研究线性代数的基本工具,在数学的其它分支以及相关专业的理论与实际中都有重要的应用.矩阵是一个表格,作为数表的运算与数的运算既有联系又有区别.要熟练掌握矩阵的加法、乘法与数量乘法的运算规则,并熟练掌握矩阵行列式的有关性质.正确理解逆矩阵的概念,掌握逆矩阵的性质及矩阵可逆的充要条件.会用伴随矩阵求矩阵的逆.熟练掌握用初等变换求逆矩阵的方法.了解矩阵的分块原则,掌握分块矩阵的运算规则.注意分块矩阵在矩阵乘法及求逆、齐次线性方程组的解、向量的线性表出、线性相关及矩阵秩等方面的应用.对于几种特殊矩阵,应掌握其定义和它们的性质.。
本章重点:矩阵的运算及性质;初等矩阵;矩阵可逆的判定及求法;分块矩阵. 。
本章难点:初等矩阵的性质;求矩阵的逆;分块矩阵.§1 矩阵的概念在上一章§2.1中已给出了矩阵的定义,即由数域P 中的m ×n 个数a ij (i =1,2,…,m ;j =1,2,…,n )排成一个m 行,n 列的表⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅mn m m n n a a a a a a a a a 212222111211 称为数域P 上的一个m ×n 矩阵.a ij 称为第i 行,第j 列的元素.矩阵是从许多实际问题中抽象出来的一个数学概念.除了我们所熟知的线性方程组的系数及常数项可用矩阵来表示外,在一些经济活动中,也常常用到矩阵.例1 某种物资有三个产地、四个销地,调配方案如下表:调运量表(单位:千吨)则表中的数据可构成一个三行四列的矩阵⎪⎪⎪⎭⎫ ⎝⎛215402134321 矩阵中每一个数据(元素)都表示从某个产地运往某个销地的物资的吨数.以后我们用字母A 、B 、C 等表示矩阵,有时为了表明A 的行数和列数,可记为 A m ×n 或( a ij ) m ×n ,为了表明A 中的元素,可简记为A =( a ij ).当m =n 时,矩阵A =(a ij )n ×n =⎪⎪⎪⎭⎫⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅nn n n n n a a a a a a a a a 212222111211称为n 阶矩阵或n 阶方阵. 当m =1时,矩阵A =(a ij )1×n =(a 11 a 11 … a 1n )称为行矩阵.当n =1时,矩阵A =(a ij )m ×1=⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛12111m a a a M 称为列矩阵. 当矩阵中 所有元素都是零时,称该矩阵为零矩阵,记作O 或O m ×n .即O =nm ⨯⎪⎪⎪⎪⎪⎭⎫⎝⎛000000000ΛΛΛΛΛΛΛ 当n 阶矩阵的主对角线上的元素都是1,而其它元素都是零时,则称此n 阶矩阵为单位矩阵,记为E 或E n .即E =⎪⎪⎪⎪⎪⎭⎫⎝⎛100010001ΛΛΛΛΛΛΛ 对于矩阵A =(a ij ) m ×n ,称(–a ij ) m ×n 为A 的负矩阵,记为 –A ,即:–A =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-⋅⋅⋅--⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅-⋅⋅⋅---⋅⋅⋅--mn m m n n a a a a a a a a a212222111211 注意:矩阵和行列式虽然在形式上有些类似,但他们是两个完全不同的概念,一方面行列式的值是一个数,而矩阵只是一个数表.另一方面行列式的行数与列数必须相等,而矩阵的行数与列数可以不等.定义1 A =( a ij ),B =( b ij )都是m ×n 矩阵,若它们的对应元素相等,即 a ij =b ij ,(i =1,2, …,m ,j =1,2…,n )则称矩阵A 与B 相等,记为A =B .如,由⎪⎭⎫ ⎝⎛=⎪⎭⎫ ⎝⎛-603540134z y x 立即可得x =5, y =6, z = –1.思考题:1.n 阶矩阵与n 阶行列式有什么区别?2.试确定a 、b 、c 的值,使得⎪⎪⎪⎭⎫ ⎝⎛+-a b a 0153012=⎪⎪⎪⎭⎫ ⎝⎛--60153201c§2 矩阵的运算矩阵的运算可以认为是矩阵之间最基本的关系.下面介绍矩阵的加法、乘法、矩阵与数的乘法和矩阵的转置.一. 矩阵的加法定义 设A =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅mn m m n n a a a a a a a a a 212222111211, B =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅mn m m n n b b b b b b b b b 212222111211 是两个m ×n 矩阵,则矩阵C =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅mn m m n n c c c c c c c c c 212222111211=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⋅⋅⋅++⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅+⋅⋅⋅+++⋅⋅⋅++mn mn m m m m n n nn b a b a b a b a b a b a b a b a b a 221122222221211112121111 称为A 与B 的和,记为 C =A +B .注意:相加的两个矩阵必须具有相同的行数和列数.例1 某种物资(单位:千吨)从两个产地运往三个销地,两次调运方案分别用矩阵A 和矩阵B 表示:⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛=304133 ,330412B A则从各产地运往各销地两次的物资调运总量为:⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛++++++=⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛=+634545330340143132304133330412B A由于矩阵的加法归结为对应元素相加,也就是数的加法,因此容易验证,矩阵的加法具有以下性质:设 A ,B ,C 均为m ×n 矩阵,则有 (1) A +B =B +A . (2) (A +B )+C =A +(B +C ); (3) A +0=A ; (4) A +(–A )=0;由矩阵的加法和负矩阵的定义,可以定义矩阵的减法:A –B =A +(–B ) 二. 矩阵的数量乘法 定义2 设有矩阵⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅==⨯mn m m n n nm ij a a a a a a a a a a A )(212222111211,k 是数域P 中任一个数, 矩阵⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅=⨯mn m m n n nm ij ka ka ka ka ka ka ka ka ka ka)(212222111211 称为数k 与矩阵A =(a ij ) m ×n 的数量乘积.记为k A .注意:用数乘一个矩阵,就是把矩阵的每个元素都乘上k ,而不是用k 乘矩阵的某一行(列).不难验证,矩阵的数量乘法具有以下性质:设A ,B 都是m ×n 矩阵,k 、l 为数域P 中的任意数.则有 (1)k (A +B )= kA +kB ;(2) (k +l )A = kA +lB ; (3) (kl )A = k (lA )= l (kA ); (4) 1A =A ; 0A =0.例3 求矩阵X 使2A +3X =2B ,其中⎪⎭⎫ ⎝⎛--=⎪⎭⎫ ⎝⎛-=120131,016502B A 解:由2A +3X =2B 得 3X =2B –2A =2(B –A ) 于是X =)(32A B - 即 X =⎥⎦⎤⎢⎣⎡⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛--01650212013132⎪⎪⎪⎪⎭⎫ ⎝⎛---=32244232 三. 矩阵的乘法矩阵乘法的定义最初是在研究线性变换时提出来的,为了更好地理解这个定义,我们先看一个例子.例3 设y 1, y 2和x 1, x 2, x 3是两组变量,它们之间的关系是⎩⎨⎧++=++=32322212123132121111x a x a x a y x a x a x a y (1)又t 1,t 2是第三组变量,它们与x 1, x 2, x 3的关系是⎪⎩⎪⎨⎧+=+=+=232131322212122121111tb t b x t b t b x t b t b x (2)我们想用t 1, t 2线性地表示出y 1, y 2,即:⎩⎨⎧+=+=22212122121111t c t c y t c t c y (3)则要求出这组系数c 11, c 12, c 21, c 22.事实上:将(2) 代入 (1)式,有y 1= a 11 ( b 11t 1 +b 12t 2 )+ a 12 ( b 21t 1 +b 22t 2 )+ a 13 ( b 31t 1 +b 32t 2 ) =( a 11b 11 +a 12b 21+ a 13b 31)t 1+ ( a 11b 12 +a 12b 22+ a 13b 32)t 2 y 2= a 21 ( b 11t 1 +b 12t 2 )+ a 22 ( b 21t 1 +b 22t 2 )+ a 23 ( b 31t 1 +b 32t 2 ) =( a 21b 11 +a 22b 21+ a 23b 31)t 1+ ( a 21b 12 +a 22b 22+ a 23b 32)t 2 与(3) 对照,得:c 11= a 11b 11 +a 12b 21+ a 13b 31 c 12= a 11b 12 +a 12b 22+ a 13b 32 c 21= a 21b 11 +a 22b 21+ a 23b 31 c 22= a 21b 12 +a 22b 22+ a 23b 32如果用矩阵 A ,B ,C 分别表示关系式 (1),(2),(3) 的系数矩阵,即,,323122211211232221131211⎪⎪⎪⎭⎫⎝⎛=⎪⎭⎫ ⎝⎛=b b b b b b B a a a a a a A ⎪⎭⎫ ⎝⎛++++++++⎪⎭⎫ ⎝⎛=32232222122131232122112132132212121131132112111122211211b a b a b a b a b a b a b a b a b a b a b a b a c c c cC = 我们称C 是A 与B 的乘积,即A 2×3B 3×2 =C 2×2=(c ij ) 2×2,其中元素c ij 等于A 中的第i 行的元素与B 中第j 列的对应元素乘积之和.例4 某地区有四个工厂Ⅰ、Ⅱ、Ⅲ、Ⅳ,生产甲、乙、丙三种产品,矩阵A 表示一年内各工厂生产各种产品的数量,矩阵B 表示各种产品的单位价格(元)及单位利润(元),矩阵C 表示各工厂的总收入及总利润:, , , 4241323122211211323122211211424241333231232221131211ⅣⅢⅡⅠ总利润总收入丙乙甲利润价格单位单位ⅣⅢⅡⅠ丙乙甲⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=c c c c c c c c C b b b b b b B a a a a a a a a a a a a A 其中 a ik (i =1,2,3,4; k =1,2,3) 是第 i 个工厂生产第k 种产品的数量,b k 1, b k 2分别表示第k 种产品的单位价格及单位利润,c i 1及c i 2 (i =1,2,3,4) 分别是第i 工厂生产三种产品的总收入及总利润.如果称矩阵C 是A ,B 的乘积,从经济意义上讲是极为自然的,并且有关系:2332312221121134434241333231232221131211⨯⨯⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎭⎫⎝⎛b b b b b b a a a a a a a a a a a a ,24424132312221121124324322121241314321421141323322321231313321321131322322221221312321221121321322121211311321121111⨯⨯⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎭⎫ ⎝⎛++++++++++++++++=c c c c c c c c b a b a b a ba b a b a b a b a b a b a b a b a b a b a b a ba b a b a b a b a b a b a b a b a 其中矩阵C 的元素c ij 等于A 的第i 行的元素与B 的第j 列的元素的乘积之和.于是引进矩阵乘积的定义.定义3 设矩阵A = (a ik )m ×s ,B = (b kj )s ×n ,则由元素c ij =a i 1b 1j +a i 2b 2j +…+a is b sj (i =1,2,…,m ; j =1,2,…,n )构成的m ×n 矩阵C =(c ij )m ×n 称为矩阵A 与B 的乘积,记为C =AB . 从这个定义,我们可看出,应注意矩阵乘法有以下三个特点:(1)左矩阵A 的列数必须等于右矩阵B 的行数,矩阵A 与B 才可以相乘,即AB 才有意义;否则AB 没有意义.(2)矩阵A 与B 的乘积C 的第i 行、第j 列的元素等于左矩阵A 的第i 行与右矩阵B 的第j 列的对应元素的乘积之和(i =1,2,…,m ; j =1,2,…,n ).(3)在上述条件下,矩阵A m ×s 与B s ×m 相乘所得的矩阵C 的行数等于左矩阵A 的行数m ,列数等于右矩阵B 的列数n ,即 A m ×S B S ×n = C m ×n .例5 设⎪⎪⎪⎭⎫ ⎝⎛--=⎪⎪⎭⎫⎝⎛=113121032,312021B A ,求AB .解: 因为A 的列数与B 的行数均为 3 ,所以AB 有意义,且AB 为2×3 矩阵.⎪⎪⎭⎫ ⎝⎛--⎪⎭⎫ ⎝⎛=113121032312021A ⎪⎭⎫⎝⎛⨯+-⨯+⨯⨯+-⨯+⨯⨯+⨯+⨯⨯+-⨯+⨯⨯+-⨯+⨯⨯+⨯+⨯=13)1(10213)2(132********)1(20110)2(231301221 ⎪⎭⎫ ⎝⎛--=2714214 如果将矩阵B 作为左矩阵, A 作为右矩阵相乘,则没有意义,即BA 没意义,因为B 的列数为3 ,而 A 的行数为2 .此例说明: AB 有意义,但 BA 不一定有意义. 例6 设A =n n n n b b bB a a a ⨯⨯=⎪⎪⎪⎪⎭⎫⎝⎛121121),,(,ΛM ,求AB 和BA .解:nn n n n n n n n n b a b a b a b a b a b a b a b a b a b b b a a a AB ⨯⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎭⎫⎝⎛=ΛΛΛΛΛΛΛΛM 2122212121112121),,( n n n n n n a b a b a b a b a b a b a a a b b b BA +++=+++=⎪⎪⎪⎪⎭⎫⎝⎛=ΛΛM Λ221122112121)(),,(注:在运算结果中,我们可以将一级矩阵看成一个数.此例说明,即使AB 和BA 都有意义,AB 和BA 的行数及列数也不一定相同.例7 设A =⎪⎪⎭⎫ ⎝⎛--1111, B =⎪⎪⎭⎫ ⎝⎛--1111,求AB 和BA .解:AB =⎪⎪⎭⎫ ⎝⎛--1111⎪⎪⎭⎫ ⎝⎛--1111=⎪⎪⎭⎫⎝⎛0000,BA =⎪⎪⎭⎫ ⎝⎛--1111⎪⎪⎭⎫ ⎝⎛--1111=⎪⎪⎭⎫ ⎝⎛--2222此例说明,即使AB 和BA 都有意义且它们的行列数相同,AB 与BA 也不相等.另外此例还说明两个非零矩阵的乘积可以是零矩阵.例8 设 A =⎪⎭⎫ ⎝⎛6413, B =⎪⎭⎫ ⎝⎛6412, C =⎪⎭⎫ ⎝⎛1100 ,求AC 和BC 解:AC =⎪⎭⎫ ⎝⎛6413⎪⎭⎫ ⎝⎛1100=⎪⎭⎫ ⎝⎛6611;BC =⎪⎭⎫ ⎝⎛6412⎪⎭⎫ ⎝⎛1100=⎪⎪⎭⎫⎝⎛6611 此例说明,由AC =BC ,C ≠0,一般不能推出A =B .以上几个例子说明了数的乘法的运算律不一定都适合矩阵的乘法.对矩阵乘法请注意下述问题:(1) 矩阵乘法不满足交换律,一般来讲 AB ≠BA(2) 矩阵乘法不满足消去律.一般来说,当AB =AC 或BA =CA 且A ≠0时,不一定有B =C . (3) 两个非零矩阵的乘积,可能是零矩阵.因此,一般不能由AB =0推出 A =0 或B =0. 若矩阵A 与B 满足AB =BA ,则称A 与B 可交换.根据矩阵乘法定义,还可以直接验证下列性质(假定这些矩阵可以进行有关运算): (1) 结合律:(AB )C =A (BC );(2) 分配律:A (B +C )=AB +BC , (A +B )C =AC +BC ; (3) 对任意数k ,有k (AB )= (k A )B =A (k B ); (4) E m 、E n 为单位矩阵,对任意矩阵A m ×n 有E m A m ×n =A m ×n ,A m ×n E n =A m ×n特别地,若A 是n 阶矩阵,则有EA =AE =A , 即单位矩阵E 在矩阵乘法中起的作用类似于数1在数的乘法中的作用.利用矩阵的乘法运算,可以使许多问题表达简明. 例9 若记线性方程组⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++mn mn m m n n n n b x a x a x a b x a x a x a b x a x a x a ΛΛΛΛΛΛΛΛ22112222212********* 的系数矩阵为 A =⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅mn m m n n a a a a a a a a a 212222111211并记未知量和常数项矩阵分别为⎪⎪⎪⎪⎭⎫⎝⎛=n x x x X M 21,B =⎪⎪⎪⎪⎭⎫ ⎝⎛m b b b M 21 则有AX =⎪⎪⎪⎭⎫⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅mn m m n n a a a a a a a a a 212222111211⎪⎪⎪⎪⎭⎫ ⎝⎛n x x x M 21=⎪⎪⎪⎭⎫⎝⎛+⋅⋅⋅++⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅+⋅⋅⋅+++⋅⋅⋅++n mn m m n n n n x a x a x a x a x a x a x a x a x a 221122221211212111 所以上面的方程组可以简记为矩阵形式AX =B .有了矩阵的乘法,可以定义n 阶方阵的幂.定义4 设A 是n 阶方阵,规定A 0 =E , A k+1=A k A (k 为非负整数). 因为矩阵的乘法满足结合律,所以方阵的幂满足A k A l =A k +l , (A k )l =A kl其中k 、l 为非负整数,又因为矩阵的乘法一般不满足交换律,所以对于两个n 阶方阵A 与B 一般来说,(AB )k ≠A k B k .此外,若A k =0,也不一定有A =0.例如A =⎪⎭⎫⎝⎛--1111≠0,但A 2=⎪⎭⎫⎝⎛--1111⎪⎭⎫ ⎝⎛--1111=⎪⎭⎫ ⎝⎛0000例10 设A ,B 均为n 阶方阵,计算(A +B )2.解:(A +B )2 =(A +B )(A +B )= (A +B )A +(A +B )B =A 2+BA +AB +B 2四. 矩阵的转置 定义 5 设 m ×n 矩阵A =⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅mn m m n n a a a a a a a a a 212222111211将A 的行变成列所得的n ×m 矩阵⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅mn nn m m a a a a a a a a a 212221212111 称为矩阵A 的转置矩阵,记为A T .例如 A =⎪⎪⎭⎫ ⎝⎛--21530421,则 A T =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--20145231矩阵的转置满足以下规律:(1) (A T )T =A (2) (A +B )T =A T +B T(3) (kA )T =kA T (k 为常数) (4) (AB )T =B T A T 我们只证明(4) 设A =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ms m m s s a a a a a a a a a 212222111211,B =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛sn s s n n b b bb b b b b b ΛΛΛΛΛΛΛ212222111211 首先容易看出, (AB )T 和B T A T 都是n ×m 矩阵.其次,位于(AB )T 的第 i 行第 j 列的元素就是位于AB 的第 j 行第 i 列的元素,且等于a j 1b 1i + a j 2b 2i +…+a js b si =∑=sk ki jk b a 1而位于B T A T 的第i 行第j 列的元素位于B T 的第i 行与A T 的第j 列对应元素的乘积之和,因而等于 B 的第i 列的元素与 A 的第 j 行对应元素的乘积之和:b 1i a j 1+ b 2i a j 2+…+ b si a js = ∑=sk jk ki a b 1上面两个式子显然相等,所以(AB )T =B T A T例11 设A =⎪⎪⎭⎫⎝⎛-110211, B =⎪⎪⎪⎭⎫ ⎝⎛-123101, 求(AB )T 和A T B T解:因为 A T =⎪⎪⎪⎭⎫⎝⎛-121101, B T =⎪⎪⎭⎫⎝⎛-130211所以 (AB )T =B T A T=⎪⎪⎭⎫ ⎝⎛-130211⎪⎪⎪⎭⎫⎝⎛-121101=⎪⎪⎭⎫⎝⎛-4132A TB T =⎪⎪⎪⎭⎫ ⎝⎛-121101⎪⎪⎭⎫⎝⎛-130211=⎪⎪⎪⎭⎫⎝⎛---552121211 注意:一般情况下 (AB )T ≠A T B T显然,(2)和(4)可以推广到n 个矩阵的情形.即:(A 1+A 2+…+A n )T =A T 1+ A T 2+…+ A T n (A 1A 2…A n –1A n )T = A T n A T n –1… A T 2 A T 1五. 方阵的行列式定义6 由n 阶方阵A =(a ij ) 的元素按原来位置所构成的行列式,称为n 阶方阵A 的行列式,记为|A |.设 A ,B 是n 阶方阵,k 是常数,则n 阶方阵的行列式具有如下性质: (1) |A T |=|A |; (2) |kA| =k n |A |; (3) |AB |=|A |.|B |.性质(1),(2)可由行列式的性质直接得到,性质(3)的证明较冗长,此处略去. 把性质(3)推广到m 个n 阶方阵相乘的情形,有 |A 1A 2…A m |=|A 1||A 2||…||A m | 例12 设A =⎪⎪⎭⎫⎝⎛-2101,B =⎪⎪⎭⎫⎝⎛0113 验证 |A ||B |=|AB |=|BA |.证:显然有|A ||B |= –2,因为 AB =⎪⎪⎭⎫⎝⎛-2101⎪⎪⎭⎫ ⎝⎛0113=⎪⎪⎭⎫⎝⎛--1113 |AB |=1113--= –2而BA =⎪⎪⎭⎫⎝⎛0113⎪⎪⎭⎫ ⎝⎛-2101=⎪⎪⎭⎫⎝⎛0122,|BA |=0122= –2 因此|A ||B |=|AB |=|BA |.定义7 设 A 是n 阶方阵,当|A |≠0时,称A 为非奇异的(或非退化的);当|A |=0时,称A 为奇异的(或退化的)由性质(3)可以得到定理:设A , B 为n 阶方阵,则 AB 为非奇异的充分必要条件是A 与B 都是非奇异的. 例13 已知A 为 n 阶方阵,且 AA T 是非奇异的,证明A 是非奇异的. 证:因为AA T 非奇异的,所以|AA T |≠0,即|AA T |=|A | |A T |=|A |2≠0从而|A |≠0,即A 是非奇异的.思考题:1.已知A =⎪⎪⎪⎭⎫ ⎝⎛100120301,B =⎪⎪⎪⎭⎫ ⎝⎛103120001求:(1) (A +B )(A -B )(2) A 2-B 2比较(1)与(2)的结果,可得出什么结论?2.证明题(1) 若矩阵A 1,A 2都可与B 交换,则kA 1+lA 2,A 1A 2也都与B 可交换; (2) 若矩阵A 与B 可交换,则A 的任一多项式f (A )也与B 可交换; (3) 若A 2=B 2=E ,则(AB )2=E 的充分必要条件是A 与B 可交换.以下介绍几种特殊且常用的矩阵及这些特殊矩阵的运算性质及方阵乘积的行列式. 一、对角矩阵定义1 如果n 阶方阵A =(a ij )中的元素满足a ij =0,i ≠j (i ,j =1,2,… n ),则称A 为对角矩阵.即:A =⎪⎪⎪⎪⎪⎭⎫⎝⎛nn a a a ΛΛΛΛΛΛΛ0000002211,可简记为⎪⎪⎪⎪⎪⎭⎫⎝⎛nn a a a O 2211对角矩阵的运算有下列性质:(1)同阶对角矩阵的和以及数与对角矩阵的乘积仍是对角矩阵. (2)对角矩阵A 的转置A T 仍是对角矩阵,且A T =A .(3)任意两个同阶对角矩阵的乘积仍是对角矩阵,且它们是可交换的.即若A =⎪⎪⎪⎪⎪⎭⎫⎝⎛n a a a O21, B =⎪⎪⎪⎪⎪⎭⎫⎝⎛n b b b O 21,则 AB =⎪⎪⎪⎪⎪⎭⎫⎝⎛n n b a b a b a O2211,并且有AB =BA . (4)对角矩阵可逆的充分必要条件是它的主对角线元素都不等于零.且A =⎪⎪⎪⎪⎪⎭⎫⎝⎛n a a a O21可逆时, 有A –1 =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---11211n a a a O 性质(1)(2)(3)可直接验证,下面只证性质(4)因矩阵A 可逆 ⇔ |A |≠0.对于对角矩阵而言, |A |≠0⇔ a 1a 2 … a n ≠0⇔ a 1≠0,a 2≠0,…, a n ≠0, 即主对角元都不为零.当主对角元都不为零时,有⎪⎪⎪⎪⎪⎭⎫ ⎝⎛n a a a O21⎪⎪⎪⎪⎪⎭⎫⎝⎛---121211a a a O =⎪⎪⎪⎪⎪⎭⎫⎝⎛111O 于是 A –1=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---121211a a a O 特别地,当a 1=a 2= … =a n =k 时,对角矩阵⎪⎪⎪⎪⎪⎭⎫⎝⎛k k kO称为n 阶数量矩阵,记作kE数量矩阵具有性质:用数量矩阵左乘或右乘(如果可乘)一个矩阵B ,其乘积等于用数k 乘矩阵B .即若aE 是一个n 阶数量矩阵,B 是一n ×s 矩阵,则(kE )B =B (kE )=kB .二、三角形矩阵定义3 形如⎪⎪⎪⎪⎪⎭⎫⎝⎛nn n n a a a a a a ΛΛΛΛΛΛΛ00022211211的n 阶方阵,即主对角线下方的元素全为零的方阵称为上三角形矩阵.形如⎪⎪⎪⎪⎪⎭⎫⎝⎛nn n n a a a a a a ΛΛΛΛΛΛΛ21222111000的n 阶方阵,即主对角线上方的元素全为零的方阵称为下三角形矩阵.上(下)三角形矩阵具有下述性质:(1)若A 、B 是两个同阶的上(下)三角形矩阵,则A +B 、kA 、AB 仍为上(下)三角形矩阵;如 A =⎪⎪⎪⎪⎪⎭⎫⎝⎛nn n n a a a a a a ΛΛΛΛΛΛΛ00022211211,B =⎪⎪⎪⎪⎪⎭⎫ ⎝⎛nn n n b b b b b b ΛΛΛΛΛΛΛ0022211211则,AB =⎪⎪⎪⎪⎪⎭⎫⎝⎛nn n n a a a a a a ΛΛΛΛΛΛΛ00022211211⎪⎪⎪⎪⎪⎭⎫⎝⎛nn n n b b b b b b ΛΛΛΛΛΛΛ00022211211=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛nn nn b a b a b a 0*22221111O 其中*表示主对角线上方的元素;0表示主对角线下方的元素全为零.上(下)三角形矩阵可逆的充分必要条件是它的主对角元都不为零.当上(下)三 角形矩阵可逆时,其逆矩阵仍为上(下)三角形矩阵.如 A =⎪⎪⎪⎪⎪⎭⎫⎝⎛nn n n a O a a a a a OΛΛ22211211,则 A –1=⎪⎪⎪⎪⎪⎭⎫⎝⎛---1122111*nn a O a a O. 三、对称矩阵与反对称矩阵定义4 如果n 阶矩阵A 满足A T =A ,则称A 为对称矩阵.由定义知,对称矩阵A =(a ij )中的元素a ij =a ji (i ,j =1,2,… n ),因此,对称矩阵的形式为⎪⎪⎪⎪⎪⎭⎫⎝⎛nn nnn n a a a a a a a a a ΛΛΛΛΛΛΛ212221211211,如⎪⎪⎪⎭⎫⎝⎛--501032121、⎪⎪⎭⎫ ⎝⎛--0221均为对称矩阵. 对称矩阵有以下性质:(1)如果A 、B 是同阶对称矩阵,则A +B ,kA 也是对称矩阵.证:因为A T =A ,B T =B ,所以(A +B )T =A T +B T =A +B ,即A +B 是对称矩阵. (2)可逆对称矩阵A 的逆矩阵A–1仍是对称矩阵.证:因为A T =A ,所以(A –1)T =(A T )–1=A –1,因此A –1为对称矩阵.但要注意:两个对称矩阵乘积不一定是对称矩阵.例如 A =⎪⎪⎭⎫⎝⎛--0111,B =⎪⎪⎭⎫ ⎝⎛0110均为对称矩阵,但 AB =⎪⎪⎭⎫ ⎝⎛--0111⎪⎪⎭⎫ ⎝⎛0110=⎪⎪⎭⎫ ⎝⎛--1011,不是对称矩阵.定义5 如果n 阶方阵A 满足A T =–A ,则称A 为反对称矩阵.由定义知,反对称矩阵A =(a ij )中的元素满足a ij =–a ji (i ,j =1,2,… n ).因此,反对称矩阵主对角线上的元素一定为零.即反对称的形式为A =⎪⎪⎪⎪⎪⎭⎫⎝⎛---00021212112ΛΛΛΛΛΛΛnnn n a a a a a a . 例如⎪⎪⎪⎭⎫⎝⎛---021203130、⎪⎪⎭⎫⎝⎛-0220均为反对称矩阵.根据反对称矩阵的定义,容易证明以下性质:(1)若A 、B 是同阶反对称矩阵,则A +B ,kA ,A T 仍是反对称矩阵. (2)可逆的反对称矩阵的逆矩阵仍是反对称矩阵.(3)奇数阶反对称矩阵不可逆.因为奇数阶的反对称矩阵的行列式等于0. 注意:两个反对称矩阵的乘积不一定是反对称矩阵.例2 对任意m ×n 矩阵,证明AA T 和A T A 都是对称矩阵. 证:因为AA T 是m ×m 方阵,且(AA T )T =(A T )T A T =AA T 所以由定义知 AA T是对称矩阵.同理,A T A 是n 阶方阵,且(A T A )T =A T (A T )T =A T A 所以 A TA 也是对称矩阵.例3 已知A 是n 阶对称矩阵,B 是n 阶反对称矩阵,证明AB +BA 是反对称矩阵. 证:AB +BA 显然是n 阶方阵,且由对称矩阵和反对称矩阵的定义,有A T =A , B T =–B ,于是(AB +BA )T =(AB )T +(BA )T = B T A T +A T B T =(–B )A +A (–B )= –(AB +BA ) 由反对称矩阵的定义知,AB +BA 是反对称矩阵.思考题:1.试证:对任意一个方阵A ,都有A +A T 是对称矩阵,A –A T 是反对称矩阵. 2.设A 、B 是两个反对称矩阵,试证:(1) A 2是对称矩阵;(2)AB –BA 是反对称矩阵.§3 分块矩阵一、分块矩阵的概念在理论研究及一些实际问题中, 经常遇到行数和列数较高或结构特殊的矩阵, 为了简化运算, 经常采用分块法, 使大矩阵的运算化成若干小矩阵间的运算, 同时也使原矩阵的结构显得简单而清晰. 具体做法是:将大矩阵用若干条横线和竖线分成多个小矩阵. 每个小矩阵称为A 的子块, 以子块为元素的形式上的矩阵称为分块矩阵.例1 设⎪⎪⎪⎭⎫⎝⎛---=311320520131A . 则A 就是一个分块矩阵.若记11131250A -⎛⎫=⎪⎝⎭, 1202A ⎛⎫= ⎪-⎝⎭, 21(3,1,1)A =-, 22(3)A =,则矩阵A 可表示为.22211211⎪⎪⎭⎫ ⎝⎛=A A A A A 这是一个分成了4块的分块矩阵. 例2 设⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-=1000001100001000001100011A , 则矩阵A 是一个分成了9块的矩阵,且A 的分块有一个特点, 若记⎪⎪⎭⎫ ⎝⎛-=11111A , ⎪⎪⎭⎫⎝⎛=11012A , )1(3=A , 则 ⎪⎪⎪⎭⎫ ⎝⎛=32100000A A A A , 即矩阵A 作为分块矩阵来看, 除了主对角线上的块外, 其余各块都是零矩阵, 以后我们会发现这种分块成对角形状的矩阵在运算上是比较简便的. 矩阵的分块有多种方式, 可根据具体需要而定.二、分块矩阵的运算分块矩阵的运算与普通矩阵的运算规则相似. 分块时要注意, 运算的两矩阵按块能运算, 并且参与运算的子块也能运算. 1. 加法设同型矩阵A 与B 采用相同的分块法, 即1111t s st A A A A A ⎛⎫ ⎪= ⎪ ⎪⎝⎭L LL L , 1111t s st B B B B B ⎛⎫⎪= ⎪ ⎪⎝⎭L LL L , 其中ij A 与ij B 也是同型矩阵, 1,2,i s =L , 1,2,j t =L .则11111111t t s s st st A B A B A B A B A B ++⎛⎫⎪+= ⎪ ⎪++⎝⎭LLL L. 2. 数乘分块矩阵用数k 乘一个分块矩阵时, 等于用k 去乘矩阵的每一个块, 即11111111t t s st s st A A kA kA kA k A A kA kA ⎛⎫⎛⎫⎪ ⎪== ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭L L LL LL L L . 例 3 设矩阵1013012400100001A ⎛⎫ ⎪ ⎪= ⎪- ⎪-⎝⎭, 1200200063100201B ⎛⎫⎪ ⎪=⎪⎪-⎝⎭, 用分块矩阵计算kA , A B +.解 将矩阵计算B A ,分块如下:10130124001000001EC A E ⎛⎫ ⎪⎛⎫ ⎪== ⎪ ⎪--⎝⎭⎪-⎝⎭, 120020*********01DB F E ⎛⎫⎪⎛⎫ ⎪== ⎪ ⎪⎝⎭⎪-⎝⎭, 则 kA =0E C k E ⎛⎫ ⎪-⎝⎭=0kE kC kE ⎛⎫ ⎪-⎝⎭=030240000k k k k k k kk ⎛⎫⎪ ⎪⎪- ⎪-⎝⎭A B +=0E C E ⎛⎫⎪-⎝⎭+0D F E ⎛⎫ ⎪⎝⎭=0E D C F +⎛⎫⎪⎝⎭=2213212463000200⎛⎫⎪⎪⎪⎪-⎝⎭. 3. 分块矩阵的乘法设A 为l m ⨯矩阵, B 为n l ⨯矩阵, 分块成1111t s st A A A A A ⎛⎫ ⎪= ⎪ ⎪⎝⎭L LL L , 1111r t tr B B B B B ⎛⎫⎪= ⎪ ⎪⎝⎭L LL L , 其中pt p p A A A ,,,21Λ的列数分别等于tq q q B B B ,,,21Λ的行数, 则1111r s sr C C AB C C ⎛⎫ ⎪= ⎪ ⎪⎝⎭LMM L , 其中1(1,2,,;1,2,,)tpq pkkqk C AB p s q r ====∑L L .例4 设1000010012101101A ⎛⎫ ⎪ ⎪= ⎪- ⎪⎝⎭,1010120110411120B ⎛⎫⎪- ⎪= ⎪⎪--⎝⎭, 用分块矩阵计算AB . 解 把B A ,分块成1E O A A E ⎛⎫= ⎪⎝⎭, 112122B E B B B ⎛⎫=⎪⎝⎭, 则 111112122111211220EB E B E AB A E B B A B B A B ⎛⎫⎛⎫⎛⎫==⎪⎪⎪++⎝⎭⎝⎭⎝⎭.又 11121121010341024111211021111A B B ---⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫⎛⎫+=+=+=⎪⎪ ⎪ ⎪ ⎪ ⎪------⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭⎝⎭, 122124133112031A B -⎛⎫⎛⎫⎛⎫+=+= ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭,11111211221010120124331131B E AB A B B A B ⎛⎫⎪-⎛⎫⎪==⎪ ⎪++-⎝⎭ ⎪-⎝⎭.4. 分块矩阵的转置 设矩阵A 可写成分块矩阵1111t s st A A A A A ⎛⎫ ⎪= ⎪ ⎪⎝⎭L LL L , 则矩阵A 的转置矩阵T A 为1111T T s T T T t st A A A A A ⎛⎫ ⎪= ⎪ ⎪⎝⎭L LL L . 5. 分块对角矩阵设A 为n 阶方阵, 若A 的分块矩阵只有在对角线上有非零子块, 其余子块都为零矩阵, 且在对角线上的子块都是方阵, 即1200s A A A A ⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭O,其中),,2,1(s i A i Λ=都是方阵, 则称A 为分块对角矩阵. 分块对角矩阵具有以下性质:(1) 若 ||0(1,2,,)i A i s ≠=L , 则0||≠A , 且12||||||||s A A A A =L ;(2) 若1200s A A A A ⎛⎫⎪⎪= ⎪ ⎪⎝⎭O, 1200s B B B B ⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭O, 其中i A , i B 是同阶的子方块(1,2,,)i s =L , 则1122s s A B A B A B A B +⎛⎫⎪+⎪+= ⎪ ⎪+⎝⎭O , 112200s s A B A B AB A B ⎛⎫⎪⎪= ⎪ ⎪⎝⎭O, 1200k kkk s A A A A ⎛⎫ ⎪⎪= ⎪ ⎪ ⎪⎝⎭O(k 为正整数). 形如⎪⎪⎪⎪⎪⎭⎫⎝⎛ss s s A A A A A A ΛM M M ΛΛ00022211211的分块矩阵, 称为分块上三角形矩阵. 形如⎪⎪⎪⎪⎪⎭⎫⎝⎛ss s s A A AA A A ΛM M M ΛΛ21222111000的分块矩阵, 称为分块下三角形矩阵. 如果分块上(下)三角形矩阵的主对角线上的子块ii A (s i ,,2,1Λ=)均为方阵, 那么有如下结论111211122221221122120000||||||00s s ss sss s ssA A A A A A A A A A A A A A A ==L L L LL M M M M M M LL.三、矩阵的按行分块和按列分块矩阵按行(列)分块是最常见的一种分块方法. 一般地,m n ⨯矩阵A 有m 行, 称为矩阵A 的m 个行向量, 若记第i 行为),,,,(21in i i T i a a a Λ=α则矩阵A 就可表示为12T T T m A ααα⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭M m n ⨯矩阵A 有n 列, 称为矩阵A 的n 个列向量, 若第j 列记作12j j j mj a a a α⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭M 则矩阵A 就可表示为12(,,,)n A ααα=L .§4 矩阵的初等变换和初等矩阵一、矩阵的初等变换定义4.1 下列变换称为矩阵的初等行变换: (1) 对调第i 行与第j 行 (记为i j r r ↔);(2) 以非零常数k 乘矩阵第i 行每一元素 (记为i r k ⨯);(3) 把第j 行每一元素的k 倍加到第i 行对应的元素上 (记为i j r kr +).把上述定义中的“行”变成“列”, 即得到矩阵初等列变换的定义(所用记号是把“r ”换成“c ”).矩阵的初等行变换与初等列变换, 统称为矩阵的初等变换.上述三种变换分别称为矩阵的第一类、第二类和第三类初等变换, 变换前后的矩阵之间用“→”连接, 所做变换写在“→”的上方或下方. 由于矩阵的初等变换改变了矩阵的元素, 因此初等变换前后的矩阵是不相等的, 不可用“=”连接. 矩阵的初等变换可以链锁式地反复进行, 以便达到简化矩阵的目的.例如, 对下列矩阵作初等行变换: 将第一、二行互换, 再将第二行乘以-3加到第三行, 即12323123231231231123123312312057r r r r ↔-⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪−−−→−−−→ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪--⎝⎭⎝⎭⎝⎭. 定义 4.2 如果矩阵A 经过有限次初等变换变成矩阵B , 就称矩阵A 与矩阵B 等价, 记作A B :.不难验证, 矩阵之间的等价具有下列性质: (1) 自反性 A A :;(2) 对称性 若A B :, 则B A :; (3) 传递性 若A B :, B C :, 则A C :.利用等价关系可以对矩阵分类, 将具有等价关系的矩阵作为一类. 我们可以利用矩阵的初等变换达到简化矩阵的目的. 例如,1231212111211214112142111246224231123697936979r r r A A ↔⨯---⎛⎫⎛⎫⎪ ⎪---⎪⎪=−−−→= ⎪⎪---- ⎪ ⎪-⎝⎭⎝⎭23314122311214022200553603343r r r r r r A ----⎛⎫ ⎪- ⎪−−−→= ⎪--- ⎪--⎝⎭ 2324225331121401110000260013r r r r r A ÷+--⎛⎫ ⎪- ⎪−−−→= ⎪- ⎪-⎝⎭34434211214011100001300000r r r r A ↔--⎛⎫ ⎪- ⎪−−−→= ⎪- ⎪⎝⎭ 1223510104011030001300000r r r r A ---⎛⎫ ⎪- ⎪−−−→= ⎪- ⎪⎝⎭34412512343310014100000101301000001030010000000000c c c c c c c c c F ↔++--+-⎛⎫⎛⎫⎪⎪- ⎪ ⎪−−−→−−−−−→= ⎪ ⎪- ⎪ ⎪⎝⎭⎝⎭形如4A 和5A 的矩阵都称为行阶梯形矩阵, 其满足下列条件:(1) 若有零行(元全为0的行), 则零行位于非零行(元不全为0的行)的下方; (2) 每个非零行的首非零元(即第一个不为0的元素)所在的列号自上而下单调递增(即首非零元下的元素全为0).形如5A 的行阶梯形矩阵还称为行最简形矩阵, 其特点是:非零行的首非零元均为1, 且非零行的首非零元所在的列的其它元都为零.形如F 的矩阵称为矩阵A 的标准形, 其特点是:F 的左上角元1ii a =, 其余元均为0,1,2,,i r =L . 用分块矩阵可将矩阵A 的标准形F 写成000rm nE F ⨯⎛⎫= ⎪⎝⎭, 其中r 表示行阶梯形矩阵中非零行的行数.定理4.1 任意非零矩阵A 一定可以经过初等行变换化为行阶梯形矩阵;进而化为行最简形矩阵.证 设非零矩阵()ij m n A a ⨯=, 分三种情形来讨论: (1) 若110a ≠, 则做初等变换1212111111,,m m a a r r r r a a --L , 把第1列的其它元素化为0, 变成形式111*0a A ⎛⎫⎪⎝⎭, 1A 为(1)(1)m n -⨯-矩阵;(2) 若110a =,但在第1列存在某元10i a ≠, 则作初等变换1i r r ↔, 可变为(1)的情形;(3) 若矩阵A 的前k 列元素全为0, 由于A 为非零矩阵, 一定存在1,0k j a +≠, 作变换11k r r +↔, 再按(1)和(2)进行变换为1,100*000k ja A +⎛⎫⎪⎝⎭L L , 1A 为(1)(1)m k n --⨯-矩阵. 对于矩阵1A 继续按上面方法进行处理, 最后即得行阶梯形矩阵. 推论1 任意非零矩阵A 经过初等行变换化成的行最简形矩阵是唯一的. 推论2 任意非零矩阵A 一定能经过初等变换化为标准形.例1 用初等变换化矩阵0241453170510230-⎛⎫ ⎪-- ⎪⎪ ⎪- ⎪ ⎪⎝⎭为标准形. 解 1202414514502431731705100510230230r r ↔---⎛⎫⎛⎫⎪ ⎪--- ⎪ ⎪⎪ ⎪−−−→ ⎪ ⎪-- ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭313221513132425145100100024024020011220112201100510051005005100510050r r c c c c r r c c +--++---⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪-- ⎪ ⎪ ⎪ ⎪ ⎪ ⎪−−−→−−−→−−−→--- ⎪ ⎪ ⎪-- ⎪ ⎪ ⎪ ⎪ ⎪ ⎪---⎝⎭⎝⎭⎝⎭54112322542212100100020010000000000000000000r r r r r r r +⨯+-⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪−−−→−−−→ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭.二、初等矩阵上面我们学习了矩阵初等变换的定义, 并且掌握了“任何一个矩阵都可用初等行变换化为阶梯性矩阵和行最简形矩阵”的结论和方法, 本节通过引入初等矩阵的概念, 建立矩阵的初等变换与矩阵乘法之间的联系.定义4.3 由n 阶单位矩阵n E 经过一次初等变换得到的矩阵称为n 阶初等矩阵. 三种初等变换对应着三种初等矩阵.1. 对调单位阵E 的第j i ,两行(或两列), 得到的初等矩阵记为(,)n E i j ,也可简记为(,)E i j , 即11011(,)11011n i E i j j ⎛⎫⎪ ⎪ ⎪ ⎪← ⎪ ⎪⎪=⎪ ⎪ ⎪← ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭O L L LM M M OM M M LLL O(2) 用非零数k 乘以单位阵E 的第i 行(或第i 列)的元素得到的初等矩阵记为(())n E i k ;即1(())11n ki E i k ⎛⎫ ⎪⎪ ⎪←= ⎪⎪⎪ ⎪ ⎪⎝⎭O O (3) 用数k 乘单位阵E 的第j 行加到第i 行上(或用数k 乘单位阵E 的第i 列加到第j列上)得到的初等矩阵, 记为(,())n E i j k , 即11(,())11n k i E i j k j ⎛⎫ ⎪ ⎪ ⎪←⎪=⎪ ⎪← ⎪ ⎪ ⎪⎝⎭OL OM O例如下面三个矩阵10100100000100001A ⎛⎫ ⎪ ⎪= ⎪⎪⎝⎭, 21000030000100001A ⎛⎫⎪ ⎪=⎪⎪⎝⎭, 31000010020100001A ⎛⎫⎪⎪=⎪⎪⎝⎭都是初等矩阵. 与它们相对应的初等行变换分别是“互换第1、第2行”、“以3乘第2行”、“第1行乘2加到第3行”;相对应的初等列变换分别是“互换第1、第2列”、“以3乘第2列”、“第3列乘2加到第1列”. 易知初等矩阵的转置矩阵仍为初等矩阵,且(,)(,),(())(()),(,())(,())T T T n n n n n n E i j E i j E i k E i k E i j k E j i k ===.定理4.2 (初等变换和初等矩阵的关系) 设A 是m n ⨯矩阵, 则对A 施行一次初等行变换, 相当于用一个m 阶的同类型初等矩阵(单位阵经相同初等变换而得到的初等矩阵)左乘矩阵A ;对A 施行一次初等列变换, 相当于用一个n 阶的同类型初等矩阵右乘矩阵A . 即()()()()()()()()()(),,,,i ji j i i i j j i r rm n m m nc cm n m n n r k m n m m nc km n m n n r krm n m m nc kcm n m n n A E i j A A A E i j A E k i A A A E k i A E i j k A A A E i j k ↔⨯⨯↔⨯⨯⨯⨯⨯⨯⨯⨯+⨯⨯+⨯⨯−−−→−−−→−−−→−−−→−−−→−−−→证 读者可利用(分块)矩阵乘法验证, 详细过程从略.例如, 令111213212223a a a A a a a ⎛⎫=⎪⎝⎭, 111213212223221222311121301(1,2)10a a a a a a E A aa a a a a ⎛⎫⎛⎫⎛⎫== ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭.1112131211133212223222123010(1,2)100001a a a a a a AE a a a a a a ⎛⎫⎛⎫⎛⎫⎪== ⎪ ⎪ ⎪⎝⎭⎝⎭⎪⎝⎭. 111213111213221222321222310(2())0a a a a a a E k A a a a ka ka ka k ⎛⎫⎛⎫⎛⎫==⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭. 1112131112133212223212223100(2())00001a a a a ka a AE k k a a a a ka a ⎛⎫⎛⎫⎛⎫ ⎪== ⎪ ⎪ ⎪⎝⎭⎝⎭⎪⎝⎭. 11121322122231(1,2())01a a a k E k A a a a ⎛⎫⎛⎫=⎪ ⎪⎝⎭⎝⎭112112221323212223a ka a ka a ka a a a +++⎛⎫=⎪⎝⎭. 111213321222310(1,2())010001k a a a AE k a a a ⎛⎫⎛⎫ ⎪=⎪ ⎪⎝⎭ ⎪⎝⎭1112111321222123a a ka a a a ka a +⎛⎫= ⎪+⎝⎭. 通过本节定理4.1及其推论2知, 对于任一m n ⨯矩阵A , 总可以经过初等行变换把它化为行阶梯形矩阵(或行最简形矩阵), 进而通过初等变换(行变换和列变换)把它化成标准形000rm nE F ⨯⎛⎫= ⎪⎝⎭, 其中r 表示行阶梯形矩阵中非零行的行数.由初等矩阵的性质, 利用定理4.2可以将本节的定理4.1及其推论2写成下述形式: 定理 4.1' 对任一m n ⨯非零矩阵A , 一定存在有限个m 阶初等矩阵1P ,2P ,L ,s P , 使得1s P P A L 为行阶梯形矩阵(或行最简形矩阵).推论2' 对任一m n ⨯非零矩阵A , 一定存在有限个m 阶初等矩阵1P ,2P ,L ,s P 和有限个n 阶初等矩阵1Q ,2Q ,L ,t Q , 使得11000rs t m nE P P AQ Q ⨯⎛⎫=⎪⎝⎭L L . 其中r 表示行阶梯形矩阵中非零行的行数. 下面我们来证明本章定理2.1.例2 设,A B 为n 阶方阵,则AB A B =.证 先看一个特殊情形,即A 是一个对角矩阵的情形. 设1200000n d d A d ⎛⎫ ⎪⎪= ⎪ ⎪⎝⎭L L L L L L L. 令()ij B b =,容易算出111112112212222212n n n n n n n nn d b d b d b d b d b d b AB d b d b d b ⎛⎫⎪ ⎪= ⎪⎪⎝⎭L L L L L L L因此由行列式的性质得12||||||||n AB d d d B A B ==⋅L .现在看一般情形. 由定理4.1与推论2知,可以通过第三种初等变换把A 化成一个对角矩阵1A ,并且1||||A A =. 矩阵A 也可以反过来通过对1A 施行第三种初等变换而得出. 这就是说,存在(,())n E i j k 型矩阵1P ,2P ,…,s P ,使得111t t s A P P A P P +=L L于是111()()t t s AB P P A P P B +=L L . 然而由行列式的性质知道,任意一个n 阶矩阵的行列式不因对它施行第三种行或列初等变换而有所改变. 换句话说,用一些(,())n E i j k 型的初等矩阵乘一个n 阶矩阵不改变这个矩阵的行列式. 因此,注意到1A 是一个对角矩阵,我们有11111111||||||||||||||||||t t s t s t s AB P P A P P B A P P B A P P B A B A B +++====⋅=⋅=⋅L L L L .§5 逆矩阵数的乘法存在逆运算——除法, 当数0≠a 时,逆11-=a a满足11=-a a , 这使得一元线性方程b ax =的求解可简单得到:方程两边左乘1-a , 即11x x a b -⋅==. 那么, 在解矩阵方程b AX =(此处b 为列矩阵)时是否也存在类似的逆1A -使得b A X 1-=呢?这就是要研究的可逆矩阵问题.一、逆矩阵的定义定义5.1 对于n 阶方阵A , 若存在一个n 阶方阵B , 使E BA AB ==那么称矩阵A 可逆, 并称矩阵B 为矩阵A 的逆矩阵. 若矩阵A 可逆, 则A 的逆矩阵是唯一的.假设1B , 2B 均为可逆矩阵A 的逆矩阵, 由定义5.1有E A B AB ==11, E A B AB ==22,则 ()()22212111B EB B A B AB B E B B =====. 所以一个矩阵如果可逆, 那么它的逆矩阵是唯一的.将A 的逆矩阵记为1-A ,即若E BA AB ==,则1B A -=.注意, 在定义 5.1中A ,B 的地位是平等的, 因此B 也可逆, 且A B =-1(就是11()A A --=), 即A 与B 互为逆矩阵.例1 设12diag(,,,)n A λλλ=L , 且120n λλλ≠L , 求1A -. 解 因为1212111diag(,,,)diag ,,,n n λλλλλλ⎛⎫⋅ ⎪⎝⎭L L1212111=diag ,,,diag(,,,)n n E λλλλλλ⎛⎫⋅= ⎪⎝⎭L L ,所以111212111=[diag(,,,)]diag ,,,n n A λλλλλλ--⎛⎫= ⎪⎝⎭L L .二、逆矩阵的计算什么样的矩阵才是可逆的呢?如果一个矩阵可逆, 又如何由它求到它的逆矩阵呢?下面将详细解答这一问题. 1. 利用伴随矩阵求逆矩阵 首先, 我们引入伴随矩阵的定义. 定义5.2 n 阶行列式A 中各元素ij a 的代数余子式ij A 所构成的如下的矩阵112111222212n n nn nn A A A A A A A A A ⎛⎫ ⎪ ⎪⎪ ⎪⎝⎭L L L L L L L称为矩阵A 的伴随矩阵,记作*A .定理5.1 矩阵A 的伴随矩阵*A 具有如下性质:(1) **||AA A A A E ==, (2) 当0A ≠时, 1*(1)n A An -=>.证 (1) 设*()ij AA b =, 则由行列式按一行(列)展开的公式, 有10,,,nij ik jk k i j b a A A i j =≠⎧=∑=⎨=⎩(,1,2,)i j n =L则 *||||||||A A AA A E A ⎛⎫⎪⎪== ⎪ ⎪⎝⎭O . 类似地,*1||||||||n ki kj k A A A A A a A E A =⎛⎫ ⎪⎪=∑== ⎪ ⎪⎝⎭O. 因此, E A A A AA ==**.(2) 由性质(1)和方阵乘积的行列式性质, 可知**||||||||||n A A A A A ==,由于0A ≠, 故1*n A A-=.注意上述定理(2)中,当0A =时,*0A =.下面给出求逆矩阵的第一种方法——伴随矩阵法.定理5.2 n 阶方阵A 可逆的充分必要条件为||0A ≠, 且当A 可逆时,*11A AA =-. 证 必要性. 因A 可逆, 故存在1A -, 使得1AA E -=, 从而1||||A A -=1||AA -||1E ==, 所以||0A ≠.充分性. 由定理5.1 (1)知, E A A A AA ==**, 因为||0A ≠, 有**11()()A A A A E A A==, 根据逆矩阵的定义, 即有,*11A AA =-. 推论1 若n 阶方阵A ,B 满足E AB =(或BA E =), 则A 与B 互逆,即1B A -=,1A B -=.证 因1===E B A AB , 于是0≠A 且0≠B , 所以A 与B 均可逆, 且1111()()B EB A A B A AB A E A ----=====.类似可得1A B -=.利用以上推论去判断一个矩阵是否可逆, 比用定义判断减少一半的工作量.定义 5.3 如果n 阶方阵A 的行列式0≠A , 则称A 是非奇异矩阵(或非退化矩阵), 否则称A 是奇异矩阵(或退化矩阵).定理 5.2指出, 可逆矩阵就是非奇异矩阵. 同时, 它也提供了一种求逆矩阵的方法——伴随矩阵求逆法.例2 求方阵⎪⎪⎪⎭⎫ ⎝⎛-----=3104252373A 的逆矩阵.解 因为13104252373=-----=A , 所以A 可逆, 且。
线性代数教案 第二章 矩阵及其运算

12m m mna a a 矩阵。
为了表示它是一个整体,总是加一个括号将它界起来,并通常用大写字母表示它。
记做12m m mn a a a ⎥⎦12m m mn a a a a ⎛⎪⎭。
切记不允许使用111212122212n n m m mna a a a a a a a a =A 。
矩阵的横向称行,纵向称列。
矩阵中的每个数称为元素,所有元素都是实数的矩阵称为实矩阵,所有元素都是复数的矩阵称为复矩阵。
本课中的矩阵除特殊说明外,都指12n n nn a a a ⎥⎦不是方阵没有主对角线。
在方阵中,00nn a ⎥⎦11212212000n n nn a a a a a a ⎤⎥⎥⎥⎥⎦(主对角线以上均为零)1122000000nn a aa ⎡⎤⎢⎥⎢⎥⎥⎥⎦(既}nn a .对角元素为1的对角矩阵,记作E 或001⎡⎢⎥⎦()11a ,此时矩阵退化为一个数矩阵的引进为许多实际的问题研究提供方便。
a x +)1(+⨯n 矩阵:12m m mnm a b a a a b ⎥⎦任何一个方程组都可以用这样一个矩阵来描述;反之,一个矩阵也完全刻划了一个方122m m m mn mn b a b a b ⎥+++⎦⎥⎦⎤⎢⎣⎡-=4012B ,计算 B A +。
122m m m mn mn b a b a b ⎥---⎦与矩阵n m ij a A ⨯=}{的乘积(称之为数乘),12m m mn a a a λλ⎥⎦以上运算称为矩阵的线性运算,它满足下列运算法则:n b ⎪⎭上述几个例子显示,当有意义时,不一定有意义(例6),即便有相同的阶数,也不一定相等(例A = O 或Ba x +12m m mn a a a ⎥⎦为系数矩阵; m b ⎥⎦,称b 为常数项矩阵;12n x x x ⎡⎢⎢=⎥⎦X = b 。
四、矩阵的转置 5 (转置矩阵12m m mn a a a ⎥⎦12nnmn a a a ⎢⎥⎣⎦矩阵,称它为A 的转置矩阵,记作TA 。
- 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)。
实验二 矩阵及其运算
一、实验目的
掌握基本的矩阵运算及常用的函数
二、实验内容
1. 变量、数组、向量等对象的生成方法;
2. 矩阵的创建方法;
3. 矩阵运算规则;
4. 特殊矩阵的创建与运算处理。
5. 常用函数的使用
三、实验步骤
1.已知m1=⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎣⎡11514412679810115133216 执行以下命令m1( 2 , 3 ),m1( 11 ),m1( : , 3 ),m1( 2 : 3 , 1 : 3 ), m1( 1 ,4 ) + m1( 2 ,3 ) + m1( 3 ,2 ) + m1( 4 ,1)
2. 已知:
⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=76538773443412A ⎥⎥⎥⎦
⎤⎢⎢⎢⎣⎡--=731203321B 求下列表达式的值:
(1) B A K *611+=和I B A K +-=12(其中I 为单位矩阵)
(2) B A K *21=和B A K *.22=
(3) 331^A K =和3.32^A K =
(4) B A K /41=和A B K \42=
(5) ],[51B A K =和]2:);],3,1([[52^B A K =
3. 已知⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎣⎡----=1323151122231592127A (1)求矩阵A 的秩
(2)求矩阵A 的行列式
(3)求矩阵A 的逆
(4)求矩阵A 的特征值及特征向量
4. 求六阶单位矩阵的秩
5. 建立一个4*4的魔方矩阵,然后删除该矩阵的第二行;
6. 建立一个5*5的均匀分布的随机矩阵,取出矩阵的前3行构成矩阵B ,前两列构成矩阵C ,右下角43⨯子矩阵构成矩阵D ,B 与C 的乘积构成矩阵E 。
7. 利用diag 等函数产生下列矩阵。
20
4a 05
0708⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦ 008b 075230⎡⎤⎢⎥=-⎢⎥⎢⎥⎣⎦
8. 将第3题中矩阵A 对角线的元素加30
9. 利用randn 函数产生均值为0,方差为1的6×8正态分布随机矩阵C ,然后统计C 中大于-0.3,小于0.3的元素个数t 。
10. 将第3题中A 矩阵的所有大于2的元素全部改为0,并显示修改后的矩阵
四、思考题
1. 以下变量名是否合法?为什么?
(1)x2
(2)3col
(3)_row
(4)for
2. 当A=[34, NaN, Inf, -Inf, -pi, eps, 0]时,分析下列函数的执行结果:all(A),any(A),isnan(A),isinf(A),isfinite(A)。
Matlab实验程序
1.程序:
m1=[16 2 3 13;5 11 10 8;9 7 6 12;4 14 15 1] m1(2,3)
m1(11)
m1(:,3)
m1(2:3,1:3)
m1(1,4)+m1(2,3)+m1(3,2)+m1(4,1)
结果:
ans =
10
ans =
6
ans =
3
10
6
15
ans =
5 11 10
9 7 6
ans =
34
2.
4. rank(eye(6))
5. A=mgic(4);
A(2,:)=[ ]
6.B=A(1:3,:);
C=A(:,1:2);
D=A(2:4,3:4);
E=B*C;
9. >> B=[1 2 5
0 7 2
6 3 1]
B =
1 2 5
0 7 2
6 3 1
>> B(find(B>2))
ans =
6
7
3
5
>> B(find(B>2))=0
B =
1 2 0
0 0 2
0 0 1
思考题:
1. 答:all(A)的值为0
any(A) 的值为1
isnan(A) 的值为[ 0, 1, 0, 0, 0, 0, 0]
isinf(A) 的值为[ 0, 0, 1, 1, 0, 0, 0] isfinite(A) 的值为[1, 0, 0, 0, 1, 1, 1]。