矩阵初等变换及应用
矩阵的初等变换及其应用
3.矩阵的初等变换的应用
3.1求矩阵的秩
求矩阵秩的方法很多,一般有定义法、初等变换法、相关公式法、综合法、但当矩阵的具体元素为已知时,一般采用初等变换法即求非零行(列)的个数。
定义3.1.1 矩阵 中非零子式的最高阶数 称为矩阵 的秩.亦即, 中存在不为0的 阶子式,而所有 阶子式(若有的话)均为0,这时矩阵 的秩记作 (或 或秩 )
定义3.5.1 设 是一个 阶方阵,如果存在一个数 及一个 维非零列向量 ,使得
即
成立,则称数 为方阵 的一个特征值,非零列向量 称为方阵 的对应于(或属于)特征值 的特征向量.
定义3.5.2 行列式 (或 )称为矩阵 的特征多项式(注:特征多项式是 的 次多项式.) 是矩阵 的特征方程,具体形式为:
总之,矩阵初等变换是线性代数中一种重要的计算手段,我们可以利用矩阵初等变换求矩阵的秩,求逆矩阵,求矩阵方程等各种计算实例。随着科学技术的不断发展,矩阵的应用已经深入到了自然,社会,工程,经济等各个领域,而且人工智能、手机通讯和一般的算法设计和阐发等,矩阵在其应用中是通讯优化。我们不能局限于书本的学习,要理论联系实际,更好的运用理论知识解决实际遇到的问题。
时,子块 就化为 ,使得 。此时,若令 ,则 化为标准形
例8 化二次型 为标准形。
解:二次型矩阵为
实施初等变换
这样,经坐标变换 ,其中
二次型化为标准形
注:二次型可以用多种方法化标准形,其标准形不唯一。
总 结
在解决代数方面的一些题目时,运用矩阵的初等变换可以使问题简单化,比如在化二次型为标准型时,除了可以用初等变换法,还可以用正交变换法和配方法来计算,相比较初等变换更为简单,易于计算,好理解。矩阵的初等变换在解决线性代数的计算问题中有很多应用,这些计算格式有不少类似之处,一旦掌握了矩阵的运算,我们分析和解决方程组的能力将会大大增强。
矩阵的初等变换及其应用
在数学中矩阵最早来源于方程组的系数及常数所构成的方阵,现在矩阵是线性代数最基本也是最重要的概念之一。
在线性代数及其许多的问题中都能看到矩阵的身影,它能把抽象的问题用矩阵表示出来,通过对矩阵进行计算得出结果。
作为矩阵的基础及核心,矩阵的初等变换及应用是非常重要的,它能够把各种复杂的矩阵转化成我们需要的矩阵形式,从而使计算变得更加的简便。
本文总结了线性变换在线性代数、初等数论、通信、经济、生物遗传等方面的应用。
关键词:矩阵;初等变换;标准型;逆矩阵;标准型;秩;方程组ABSTRACTMatrix derived from the first phalanx of the coefficients and constants of the equations in mathematics, now matrix is the most fundamental and important concepts of linear algebra, in linear algebra and many other questions can be seen the figure of the matrix, It can abstract the matrix representation, then matrix calculated results. As the foundation and core of the matrix, the elementary transformation matrix and its application is very important, it can conversion a variety of complex matrix into a matrix form we need, then the calculation becomes more simple.This paper summarizes the application of linear algebra, elementary number theory, communications, and economic, biological heredity.Key words:Matrix; Elementary transformation; standard; inverse matrix; standard; rank; equations;1矩阵及其初等变换的概念 (1)2矩阵初等变换的应用 (1)2.1在线性代数中的应用 (2)2.1.1 将矩阵化简为阶梯型和等价标准型 (2)2.1.2矩阵的分块和分块矩阵的初等变换 (3)2.1.3求伴随矩阵和逆矩阵 (4)2.1.4求矩阵的秩,向量组的秩 (5)2.1.5求矩阵的特征值和特征向量 (6)2.1.6 解线性方程组 (7)2.1.7求解矩阵方程 (8)2.1.8化二次型为标准型 (9)2.1.9判断向量组的线性相关性,求其极大线性无关组 (11)2.2在数论中的应用 (11)2.3在通信中的应用 (13)2.4在经济方面的应用 (14)2.5在生物遗传方面的应用 (15)总结 (18)致谢 (19)参考文献 (20)矩阵的初等变换及其应用在线性方程组的讨论中我们看到,线性方程组的一些重要性质反映在它的系数矩阵和增广矩阵的性质上,并且解方程组的过程也表现为对这些矩阵的转化过程,除方程组之外,还有很多方面的问题也都涉及矩阵的概念及其应用,这些问题的研究常常转化为对矩阵的研究,甚至于有些性质完全不同的、表面上完全没有联系的问题,归结成矩阵问题以后却是相同的。
矩阵初等变换及其在线性代数中的应用
矩阵初等变换及其在线性代数中的应用线性代数是一门重要的数学分支,它研究的是线性变换及其代数分析性质。
其中,矩阵是线性代数中非常重要的工具,它可以把线性方程组转化成一个更简单的形式,使得我们可以更容易地进行求解。
而矩阵的初等变换则是在求解线性方程组时必须要用到的一种基本技巧。
本篇文章将深入探讨矩阵初等变换及其在线性代数中的应用。
矩阵初等变换到底是什么?矩阵初等变换是指对于一个矩阵来说,可以通过三种基本变换操作得到新的矩阵。
这三种操作分别是:交换矩阵的任意两行或两列;用一个非零常数 k 乘以矩阵的某一行或某一列;将矩阵的某一行或某一列加上另一行或另一列的 k 倍。
这三种操作称为矩阵的行初等变换或列初等变换。
首先来看一个示例,假设有如下矩阵:$$\begin{bmatrix}1 &2 \\3 &4 \\\end{bmatrix}$$对于这个矩阵,我们可以进行如下初等变换:①交换第一行和第二行$$\begin{bmatrix}3 &4 \\1 &2 \\\end{bmatrix}$$②将第二行乘以2$$\begin{bmatrix}1 &2 \\6 & 8 \\\end{bmatrix}$$③将第二行减去第一行的两倍$$\begin{bmatrix}1 &2 \\4 & 4 \\\end{bmatrix}$$通过这三种基本变换,我们可以将原始矩阵变换成一个新的矩阵。
这个过程通常用矩阵的运算符号表示,比如将第二行减去第一行两倍的操作可以表示为:$$\begin{bmatrix}1 & 0 \\-2 & 1 \\\end{bmatrix}\begin{bmatrix}1 &2 \\3 &4 \\\end{bmatrix}=\begin{bmatrix}1 &2 \\1 & 0 \\\end{bmatrix}$$其中,左侧的矩阵就是一个变换矩阵,它表示了对原矩阵的操作。
矩阵的初等变换及其应用
矩阵的初等变换及其应用线性代数第一次讨论课1.导语2.讨论内容目录3.正文4.个人总结导语:矩阵是研究线性代数方程组和其他相关问题的有力工具,也是线性代数的主要研究啊、对象之一。
它的理论和方法在自然科学、工程技术、社会科学等众多领域等都有极其广泛的应用。
矩阵作为一些抽象数学的具体表现,在数学研究中占有极其重要的地位。
本文从矩阵的概念讨论矩阵的运算及性质,进而讨论用途很广的矩阵的初等变换及其应用。
讨论内容目录矩阵的初等变换及其应用1.两个矩阵的等价2.两个矩阵的乘积3.将矩阵化为行阶梯型、行最简形、标准型4.求矩阵的秩5.求可逆矩阵的逆矩阵6.求线性方程组的解7.判断向量组的线性相关性8.求向量组的秩与极大无关组9.求矩阵的对角化矩阵(采用行列初等变换,对角线元素为特征值)10.二次型化为标准形正文一、矩阵的等价1.定义:若矩阵A经过一系列初等行变换化为B矩阵,则称A与B行等价;若矩阵A经过一系列初等列变换化为B矩阵,则称A与B列等价;若矩阵A经过一系列初等变换化为B矩阵,则称A与B等价(相抵)。
2.矩阵的等价变换形式主要有如下几种:1)矩阵的i行(列)与j行(列)的位置互换;2)用一个非零常数k乘矩阵的第i行(列)的每个元;3)将矩阵的第j行(列)的所有元得k倍加到第i行(列)的对应元上去;即如果两个矩阵可通过有限次上述变换中的一个或几个的组合变为一样的,两个矩阵等价。
3.矩阵等价具有下列性质(1)反身性任一矩阵A与自身等价;(2)对称性若A与B等价,则B与A等价;(3)传递性若A与B等价,B与C等价,则A与C等价;注意:矩阵作初等变换是矩阵的一种运算,得到的是一个新矩阵,这个矩阵一般与原矩阵不会相等。
下面举例说明矩阵等价及等价变换:13640824100412204128--?? ?- ? ?-- ?-??13r r +→43213131414331222136413640824100824100412204122041280 412813641364082410082410000300030060000r rr r r r r rr r r r B ++-++-----???? ? ?-- ? ????→???→---- ? ?-------- ? ?→= ? ? ? ?????1231213121310341813601030013001300001000100000000r r r r r r r r r C -------???? ?-- ? ?→→= ?显然,根据矩阵等价的定义,以上变换过程中的每一个矩阵均为等价的,每个步骤都是等价转换。
矩阵初等变换及其应用毕业论文
矩阵初等变换及其应用毕业论文矩阵初等变换及其应用毕业论文摘 要:初等变换是高等代数和线性代数学习过程中非常重要的,使用非常广泛的一种工具。
本文列举了矩阵初等变换的几种应用,包括求矩阵的秩、判断矩阵是否可逆及求逆矩阵、判断线性方程组解的状况、求解线性方程组的一般解及基础解系、证向量的线性相关性及求向量的极大无关组、求向量空间两个基的过渡矩阵、化二次型为标准形。
并用具体例子说明矩阵初等变换在以上几种应用中是如何运用的。
关键词:矩阵 初等变换 初等矩阵在代数的学习过程中,我发现矩阵的初等变换有许多应用,几乎贯穿着始终。
本文将对矩阵的初等变换进行介绍并以具体例子说明矩阵初等变换的七种应用。
虽然这些计算格式有不少类似之处,但是也指出由于这些计算格式有不同的原理,所以它们的应用也有一些明显的区别。
定义1:矩阵的行(列)初等变换是指对一个矩阵施行的下列变换: (1)交换矩阵的两行(列)(交换第i ,j 两行(列),记作()ij ij r c );(2)用一个不等于零的数乘矩阵的某一行(列)即用一个不等于零的数乘矩阵的某一行(列)的每一个元素(用数k 乘以第i 行(列),记作()(())i i r k c k ;(3)用某一个数乘矩阵的某一行(列)后加到另一行(列),即用某一数乘矩阵的某一行(列)的每一个元素再加到另一行(列)的对应元素上(第i 行(列)k 倍加到第j 行(列),记作()(())ij ij r k c k 。
初等行、列变换统称为初等变换。
定义2:对单位矩阵I 仅施以一次初等变换后得到的矩阵称为相应的初等矩阵,分别记为第1、2、3类行(列)初等矩阵为()ij ij R C ,()(())i i R k C k ,()(())ij ij R k C k ,有ij R =ij C =10111⎛⎫ ⎪ ⎪ ⎪⎪⎪ ⎪ ⎪ ⎪ ⎪⎝⎭ ()i R k =()i C k =1k1⎛⎫ ⎪⎪⎪ ⎪ ⎪ ⎪⎝⎭()ij R k =()ij C k =11j 11i k⎛⎫ ⎪ ⎪ ⎪⎪⎪ ⎪ ⎪ ⎪ ⎪⎝⎭行行 初等变换与初等矩阵之间有下列基本性质。
矩阵中的初等矩阵运算
矩阵中的初等矩阵运算矩阵是线性代数中非常重要的概念。
它是一个由数及它们的行列组成的数组。
在矩阵中,初等矩阵运算是一种基本的矩阵运算,它对于线性代数的学习十分关键。
本文将介绍矩阵中的初等矩阵运算,并讨论它在矩阵计算中的应用。
一、初等矩阵运算的基本概念初等矩阵是指那些只进行一次初等行、列变换后得到的矩阵。
其中,初等行、列变换包括以下三种:(1)交换两行或两列;(2)用一个非零常数k乘以某一行或某一列;(3)用一个非零常数k乘以某一行或某一列,然后加到另一行或另一列上。
由此可见,初等矩阵是通过对单位矩阵(即对角线上的元素都为1,其余元素都为0的矩阵)进行上述初等行、列变换得到的矩阵。
简单来说,如果将单位矩阵进行一次初等行、列变换后得到的矩阵就是初等矩阵。
二、初等矩阵运算的基本规律初等矩阵与单位矩阵之间的关系比较特殊。
以下是初等矩阵运算的基本规律:(1)如果E是任意一个初等矩阵,则它的逆矩阵E-1也是一个初等矩阵;(2)若A是任意一个矩阵,B是用E左乘A得到的矩阵(即B=E*A),则B和A等价;(3)若A是任意一个矩阵,B是用A右乘E得到的矩阵(即B=A*E),则B和A等价。
可以发现,初等矩阵与单位矩阵之间的运算比较简单,并且与矩阵的行、列变换密切相关。
这也是初等矩阵运算在计算中广泛应用的原因之一。
三、初等矩阵运算的应用初等矩阵运算在矩阵计算中有广泛的应用。
以下是几个常见的应用:(1)矩阵求逆矩阵求逆是一个非常重要的计算。
在求逆时,可以将原矩阵与单位矩阵组合成一个增广矩阵,然后进行初等行变换,使得原矩阵变成单位矩阵,从而求出原矩阵的逆矩阵。
(2)矩阵变换在图像处理中,经常需要对图像进行变换。
例如,将一张图片进行翻转或旋转等操作。
这些变换可以通过对单位矩阵进行初等列、行变换来实现。
(3)线性方程组求解线性方程组求解是矩阵计算中的一个重要应用。
在求解线性方程组时,可以将系数矩阵与常数向量构成一个增广矩阵,然后进行初等行变换,将增广矩阵转化为简化阶梯形矩阵,从而求出解向量。
矩阵初等变换方法在高等代数中的应用
矩阵初等变换方法在高等代数中的应
用
矩阵初等变换在高等代数中有很多应用,下面列举部分内容:
- 求解线性方程组:通过初等变换可以将线性方程组转化为标准形式,更易于求解。
- 求矩阵和向量组的秩:通过初等变换不改变矩阵和向量组的秩,因此可以利用初等变换将矩阵或向量组化为标准形式,进而求出它们的秩。
- 化二次型为标准形:通过初等变换可以将二次型转化为标准形,更易于研究二次型的性质。
- 求一元多项式最大公因式:通过初等变换可以将一元多项式转化为标准形式,更易于求解一元多项式的最大公因式。
这些只是矩阵初等变换在高等代数中的部分应用,矩阵初等变换在高等代数中还有许多其他的应用,可以帮助我们解决各种问题。
线性代数课件 矩阵的初等变换
第i列
第 j列
11
(2) 以数 k 0 乘某行或某列,得初等倍乘矩阵。
以数k 0乘单位矩阵的第i行( ri k ),得初等 矩阵E ( i ( k )).
1 1 E ( i ( k )) k 1 1
标准形矩阵
特点:左上角为一个单 位矩阵,其他位置上的元素全 都为 0 .
9
二、初等矩阵
矩阵的初等变换是矩阵的一种基本运算,应 用广泛. 定义 由单位矩阵 E 经过一次初等变换得到的方 阵称为初等矩阵. 1 0 0 r 4r 1 0 4 1 3 例如 E 0 1 0 ~ 0 1 0 0 0 1 0 0 1 三种初等变换对应着三种初等方阵. 1. 对调两行或两列; 2. 以数 k 0 乘某行或某列; 3. 以数 k 乘某行(列)加到另一行(列)上去.
3
定义3 如果矩阵 A 经有限次初等变换变成 矩阵 B, 就称矩阵 A 与 B 等价,记作A ~ B.
等价关系的性质:
(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.
4
行阶梯形矩阵:
特点: (1)可划出一 条阶梯线,线的 下方全为零; (2)每个台阶 只有一行,
对应的元素上去(第 j 行的 k 倍加到第 i 定义矩阵的初等列变换(所用记号是 把“r”换成“c”).
定义2 矩阵的初等列变换与初等行变换统称为 初等变换.
初等变换的逆变换仍为初等变换, 且变换类型 相同.
ri rj 逆变换 ri rj ; 1 ri k 逆变换 ri ( ) 或 ri k; k ri krj 逆变换 ri ( k )rj 或 ri krj .
矩阵的初等变换及其应用
㊀㊀㊀㊀㊀㊀矩阵的初等变换及其应用矩阵的初等变换及其应用Һ顾江永㊀(宿迁学院文理学院,江苏㊀宿迁㊀223800)㊀㊀ʌ摘要ɔ矩阵的初等变换在代数学中具有重要的地位,本文给出了运用初等变换求解方程组的基础解系㊁特征值㊁多项式的最大公因式和Jordan标准形相似变换矩阵等方法,这些方法具有直观㊁简捷㊁有效等特点.ʌ关键词ɔ初等变换;基础解系;最大公因式;相似变换矩阵ʌ基金项目ɔ2019江苏省高校教学研究一般项目(2019SJA1997)一㊁引㊀言矩阵的初等变换包括矩阵的初等行变换和矩阵的初等列变换,矩阵的初等行(列)变换有三种形式[1]:(1)交换两行(列);(2)任一行(列)的k倍(kʂ0);(3)任一行(列)的k倍加到另一行(列).在代数学中,矩阵的初等变换有着非常重要且广泛的应用,它常被应用于行列式的计算㊁方程组以及矩阵方程的求解㊁向量线性关系的判定㊁求矩阵的秩以及逆㊁λ-矩阵的不变因子和矩阵的Jordan标准形等.张家宝给出了初等变换求逆的几种方法[2];石擎天等研究了初等变换求解方程组的特殊方法[3];于莉琦等介绍了初等变换在行列式㊁矩阵和方程组中的应用[4].本文给出了矩阵的初等变换求解方程组的基础解系㊁最大公因式和Jordan标准形的相似变换矩阵等方法及应用.二㊁预备知识引理1[5]㊀设矩阵Amˑn的秩为r,且Amˑn=PEr000æèçöø÷Q,其中Pmˑm,Qnˑn为可逆矩阵,则有P-100Enæèçöø÷AEnæèçöø÷Q-1=Er000Q-1æèççöø÷÷.证明㊀因为Amˑn=PEr000æèçöø÷Q,所以Er000æèçöø÷=P-1AmˑnQ-1,故P-100Enæèçöø÷AEnæèçöø÷Q-1=P-1AEnæèçöø÷Q-1=P-1AQ-1Q-1æèçöø÷=Er000Q-1æèççöø÷÷,注:引理1给出了化一个矩阵为标准形的求Q-1的方法.引理2㊀设矩阵Amˑn的秩为r,则矩阵AEnæèçöø÷仅经初等列变换可以化为β1,β2, ,βr,0, ,0Q-1æèçöø÷,其中β1,β2, ,βr线性无关,且AQ=β1,β2, ,βr,0, ,0().证明㊀因为Amˑn的秩为r,所以Amˑn的列秩等于r,即矩阵Amˑn列向量组的最大线性无关组由r个向量构成,不妨设为β1,β2, ,βr,故由初等变换的性质可得AEnæèçöø÷仅经初等列变换可以化为β1,β2, ,βr,0, ,0Q-1æèçöø÷.引理3[6]㊀设A是数域P上的n阶方阵,将矩阵λE-A经初等变换化为上三角形矩阵f1(λ)0 0∗f2(λ)0︙︙⋱︙∗∗fn(λ)æèççççöø÷÷÷÷,则fi(λ)=0(i=1,2, ,n)在数域P上的根即为矩阵A的全部特征根.证明㊀根据初等变换的性质可知,初等变换不改变λE-A=0的根,故f1(λ)0 0∗f2(λ) 0︙︙⋱︙∗∗fn(λ)=f1(λ)f2(λ) fn(λ)=0的根即为矩阵A的全部特征根.引理4㊀设f1(x),f2(x), ,fs(x)是数域P上的多项式,且f1(x),f2(x), ,fs(x)()T经初等行变换化为d(x),0, ,0()T,则d(x)即为f1(x),f2(x), ,fs(x)的最大公因式.证明㊀由辗转相除法原理直接可得[1].三㊁主要结论定理1㊀设齐次线性方程组Amˑnx=0,其系数矩阵Amˑn的秩为r,且Amˑn=PEr000æèçöø÷Q,又设Q-1=(η1, ,ηr,ηr+1, ,ηn),则ηr+1,ηr+2, ,ηn是线性方程组Amˑnx=0的基础解系.证明㊀设Qx=y1︙yr︙ynæèçççççöø÷÷÷÷÷=YrYn-ræèçöø÷,由Amˑnx=PEr000æèçöø÷Qx=PEr000æèçöø÷YrYn-ræèçöø÷=0,可得Yr=y1︙yræèççöø÷÷=0,所以x=Q-1YrYn-ræèçöø÷=Q-10︙0yr+1︙ynæèççççççöø÷÷÷÷÷÷.㊀㊀㊀㊀㊀令Q-1=(η1, ,ηr,ηr+1, ,ηn),则x=yr+1ηr+1+yr+2ηr+2+ +ynηn.因为Q是可逆矩阵,则ηr+1,ηr+2, ,ηn线性无关,所以ηr+1,ηr+2, ,ηn为方程组的一个基础解系.定理2[7]㊀设A是数域P上的n阶方阵,矩阵λEn-AEnæèçöø÷经初等变换化为φ1(λ)0⋱0φn(λ)Q(λ)æèççççöø÷÷÷÷(其中初等行变换只能在前n行进行).设Q(λ)的第j列为qj(λ),若λ-λ0()k为φj(λ)的初等因子,则Aqj(λ0),qᶄj(λ0)1!,qᵡj(λ0)2!, ,q(k-1)j(λ0)(k-1)!æèçöø÷=qj(λ0),qᶄj(λ0)1!,qᵡj(λ0)2!, ,q(k-1)j(λ0)(k-1)!æèçöø÷λ0100λ00︙︙⋱100λ0æèççççöø÷÷÷÷.证明㊀由题设知,存在可逆矩阵P(λ),Q(λ),使得P(λ)λEn-A()Q(λ)=φ1(λ)0⋱0φn(λ)æèççöø÷÷.因为qj(λ)是Q(λ)的第j列,所以P(λ)λEn-A()qj(λ)=(0, ,0,φj(λ),0, ,0)T.又设qj(λ)的幂级数展开式为qj(λ)=qj(λ0)+qᶄj(λ0)1!λ-λ0()+qᵡj(λ0)2!λ-λ0()2+ ,代入P(λ)λEn-A()qj(λ)=(0, ,0,φj(λ),0, ,0)T,得λ0En-A()qj(λ0)=0,λ0En-A()qᶄj(λ0)+qj(λ)=0,λ0En-A()q(k-1)j(λ0)(k-1)!+qk-2()j(λ0)k-2()!=0.上面等式两边相加㊁移项并提取矩阵A可得A(qj(λ0),qᶄj(λ0)1!,qᵡj(λ0)2!, ,q(k-1)j(λ0)(k-1)!)=(qj(λ0),qᶄj(λ0)1!,qᵡj(λ0)2!, ,q(k-1)j(λ0)(k-1)!)λ0100λ0 0︙︙⋱100λ0æèççççöø÷÷÷÷.四㊁应用举例例1㊀求多项式f1(x),f2(x),f3(x)的最大公因式,其中f1(x)=x4+2x3+4x2+3x+2,f2(x)=x4+x3+3x2+x+2,f3(x)=x3+2x2+3x+2.解㊀因为f1(x)f2(x)f3(x)æèççöø÷÷=f1(x)-f2(x)f2(x)-xf3(x)f3(x)æèççöø÷÷=x3+x2+2x-x3-x+2x3+2x2+3x+2æèççöø÷÷=x3+x2+2xx2+x+2x2+x+2æèççöø÷÷=x3+x2+2xx2+x+20æèççöø÷÷=x2+x+200æèççöø÷÷,所以由引理4知,f1(x),f2(x),f3(x)的最大公因式为d(x)=x2+x+2.例2㊀求齐次线性方程组x1+x2+x3+x4+x5=0,3x1+2x2+x3+x4-3x5=0,5x1+4x2+3x3+3x4-x5=0{的基础解系.解㊀对系数矩阵A施行初等行变换如下A=111113211-35433-1æèççöø÷÷ r2-3r1r3-5r1111110-1-2-2-60-1-2-2-6æèççöø÷÷ r1+r2r2ˑ(-1)r3-r210-1-1-50122600000æèççöø÷÷.又10-1-1-5012261000001000001000001000001æèçççççççöø÷÷÷÷÷÷÷ c3+c1c4+c1c5+5c110000012261011501000001000001000001æèçççççççöø÷÷÷÷÷÷÷ c3-2c2c4-2c2c5-6c210000010001011501-2-2-6001000001000001æèçççççççöø÷÷÷÷÷÷÷则由引理2知,方程组的基础解系为η1=(1,-2,1,0,0)T,η2=(1,-2,0,1,0)T,η3=(5,-6,0,0,1)T.ʌ参考文献ɔ[1]王萼芳,石生明.高等代数(第五版)[M].北京:高等教育出版社,2019:5.[2]张家宝.浅谈求逆矩阵的几种方法[J].数学学习与研究,2020(10):4-5.[3]石擎天,黄坤阳.线性方程组求解及应用[J].教育教学论坛,2020(12):325-327.[4]于莉琦,高恒嵩.初等变换概述[J].数学学习与研究,2019(06):116.[5]徐仲,陆全,等.高等代数考研教案(第2版)[M].西安:西北工业大学出版社,2009.[6]卢博,田双亮,等.高等代数思想方法及应用[M].北京:科学出版社,2017.[7]朱广化.关于‘相似变换矩阵的简单求法“的改进[J].数学通报,1994(11):44-46.。
矩阵初等变换的性质及其应用
摘要本文探讨矩阵初等变换的性质及其在代数中的若干应用,主要从矩阵的逆、矩阵的秩、求解线性方程组及矩阵方程、求一元多项式的最大公因式、求解指派问题等若干方面进行阐述。
关键词:矩阵的初等变换;矩阵的秩;可逆矩阵;线性方程组;最大公因式AbstractThis paper is mainly to discuss the application of the elementary transfor mation of matrix in algebra, using matrix elementary transformation to solve th e matrix inverse, matrix rank, solving linear equations and matrix equations, on e yuan polynomial greatest common divisor, solving assignment problem of the se aspects of the application.Keywords:Elementary transformation of matrix;Matrix rank;Invertible matrix;System of linear equations;Greatest common factor目录1 引言 ............................. 错误!未定义书签。
2 矩阵的初等变换及其性质 (1)2.1 矩阵初等变换的定义.......................... 错误!未定义书签。
2.2 矩阵初等变换相关性质 (2)3 矩阵初等变换的若干应用 (2)3.1 利用矩阵初等变换求矩阵的逆 (1)3.2 利用矩阵的初等变换来求矩阵的秩 (5)3.3 利用矩阵初等变换求解线性方程组及矩阵方程 (7)3.4 利用矩阵的初等变换求一元多项式最大公因式 (11)3.5 利用矩阵初等变换解决指派问题 (13)参考文献 (16)矩阵初等变换的性质及其应用矩阵及其理论在众多领域中都发挥着重要的作用,而矩阵的初等变换是矩阵理论的核心和灵魂。
矩阵的初等变换及其应用
矩阵的初等变换及其应用
矩阵初等变换包括三种变换:
1.交换任意两行或列。
2.用一个数与一行或列中所有数相乘。
3.把某一行或列中的某个数加上另一行或列中对应的数的k倍。
初等变换的主要应用有:
1.解线性方程组:通过初等变换把系数矩阵化为一个容易求解的三角矩阵。
2.计算矩阵的秩:通过初等变换把矩阵化为阶梯形矩阵,可以方便地求出矩阵的秩。
3.求逆矩阵:通过初等变换把原矩阵化为一个对角矩阵,然后对角线上的元素取倒数得到逆矩阵。
关于矩阵初等变换的两个定理及应用
一 2
1 一 3 4
,
、
十 `
尹
/
’
1
一 J ó
0 一 6 1
2 0 0 一
ū
0 1 0 M W
了 与
一
一 `
“
。 。 1一 钾 、 J /、
5
一 4
/ 一
】初 等 行变换 尸
当
“
一 2
时
,
方程 组有解
2 1
此时
—
、 G
、
。
3 一 抢 6 1
人 八 曰 é
,,
9 5 一 6 1
引 洲 州 川 叫 侧 酬
本 文给 出 其中 一 个 足 理 的 简 明 而 一 般 的证 法
力 而得 到 一 些 声捷 的 解题
,
, 。
矩 阵 的 初 等 变换 中有 两 个 非 常重 要 的 足 理 对 这 两 个 沉 理 的应 用 本 文 作 了较 深 入 的探 讨
方法
一
、
引言
:
解 线性方程 组
证 明 向量组 的 线性 相 关竹 ;
零 陵师 专学 报
_
一 一 一 一 有 硅石 呢 》 科劝 砖 吠 奋 用 防 初 当色浦卜捻 第 哭献 广思 理 戈 卿阿 永 大 不 丁 拓 艰 件例 寺 艾 退 皿 用
_
自然 科 学版
。
f
_
沙
_
_
_
__
一
呀
_
、
_
_
_
`
_
_
_
_
_
_
_
_
。
一
_
_
_
一
矩阵的初等变换及应用(吴礼斌)
对 B 进一步化为行简化矩阵
3. 求逆矩阵
版权所有,安徽财经大学统计与应用数学学院吴礼斌,13955236046
2
线性代数
0 1 1 设矩阵 A = 1 1 2 ,求 A −1 。 2 −1 0
解:A 是 3 阶矩阵,在 A 的右边写上 3 阶单位矩阵,并对其施行初等行变换,得
版权所有,安徽财经大学统计与应用数学学院吴礼斌,13955236046 5
线性代数
其中 c1 , c 2 为任意常数。 (2)求解齐次线性方程组
x1 + x2 + x3 + x4 + x5 = 0, 3x + 2 x + x + x − 3x = 0, 1 2 3 4 5 5 x1 + 4 x2 + 3x3 + 3x4 − x5 = 0, x2 + 2 x3 + 2 x4 + x5 = 0.
再由行简化形矩阵写出原方程组的同解方程组为
x1 − 2 x2 − 2 x4 = −4 +1 x =5 2 4 2 x3
移项得
x1 = −4 + 2 x 2 + 2 x 4 5 −1 x3 = 2 2 x4
令 x2 = c1 , x4 = c2 ,代入上面同解方程组得原方程组的通解(一般表示形式)为
线性代数
矩阵的初等行变换及应用
一、矩阵的初等行变换概念
定义。 初等行 定义。对矩阵进行下列三种变换,称为矩阵的初等 初等行变换。 变换 (1)交换矩阵某两行的位置; (2)用一个非零数乘以矩阵某一行的每一个元; (3)将矩阵某一行的元都乘以数 λ 后对应加到另一行上. 并称(1)为换法行变换,称(2)为倍法行变换,称(3)为倍加行变换. 若把对矩阵施行的三种“行”变换改为对“列”的三种变换,称为矩阵的初等列 变换。矩阵的初等行变换和初等列变换统称为矩阵的初等变换 初等变换。 初等变换。 为了表示的方便,我们引入如下的一组变换运算符号: ri ↔ rk 表示交换矩阵的第 i 行与第 k 行的位置;
3.1 矩阵的初等变换及其应用
在科学技术与经济管理领域,线性方程组是许多问题的数学模型,因此,线性方程组的求解问题十分重要,本章将研究更一般的线性方程组的求解问题。
一、矩阵的初等变换
用消元法求解简单线性方程组时,其消元步骤是对方程组施以下列变换:
(i) 对调某两个方程在方程组中的位置;
(ii) 以数 乘某一方程的两端;
(iii) 把某一方程的两端乘以数 后加到另一方程的两端.
这些变换称为线性方程组的初等变换,由此引出矩阵的初等行变换.
定义6 下面三种变换称为矩阵的初等行变换:
(i) 对调两行(对调 两行,记作 );
(ii) 以数 乘某一行中的所有元素(第 行乘 ,记作 );
(iii) 把某一行所有元素的 倍加到另一行对应的元素上去(第 行的 倍加到第 行上,记作 ).
.
解
上式中最后一个矩阵为行阶梯矩阵,由此即可看出 .
若D含有矩阵B的第 行元素,同时含有矩阵B的第 行元素,那么由行列式的性质知D与矩阵A中的一个相应 阶子式相等,所以也有D=0.
综上,则得 .
又因为,将B的第 行的乘以 加到第 行得到矩阵A,所以同理可得 .故
由定理3知,求矩阵的秩只需利用初等行变换将矩阵化为行阶梯形矩阵,然后确定矩阵的秩.
例4 求矩阵A的秩,其中
用 阶初等方阵 左乘矩阵 得
其结果相当于对矩阵A施行第一种初等行变换:把A的第 行与第 行对调( );类似地可以验证:以 左乘矩阵A,其结果相当于以数 乘A得第 行( );以 左乘矩阵A,其结果相当于把A的第 行乘 加到第 行上( ).
综上所述,可得下述定理.
定理1设A是一个 矩阵,对A施行一次初等行变换,相当于在A的左边乘以相应的 阶初等方阵;对A施行一次初等列变换,相当于在A的右边乘以相应的 阶初等方阵.
矩阵的初等变换及其应用(Elementary transformation of matrix and its application)
矩阵的初等变换及其应用(Elementary transformation of matrixand its application)Elementary transformation of matrix and its applicationWang DanElementary transformation of matrix and its applicationAbstractElementary transformation of matrix is an important method of studying matrix, and it is the core of application in linear algebra. This paper introduces some concepts and properties associated with the matrix, on the basis of matrix rank, the basis for judgment matrix is invertible, after inverse matrix equations, eigenvalues and eigenvectors, two types of standard form, and illustrate the application of elementary transformation of matrix in the above is how to play the role of.Keywords: matrix, elementary transformation, applicationThe, elementary, transformation, of, matrix, and, its, applicationsAbstractElementary transformation matrix is an important means of Matrix is the core linear algebra applications. This article briefly describes some of the concepts and propertiesassociated with the matrix as a basis, the rank of a matrix to determine whether a matrix is reversible after inverse matrix, seeking basic solutions line equations find eigenvalues, and eigenvectors, quadratic standard Shape and so on. Illustrate the elementary transformation matrix in the above applications is how to play a role.Keywords:, matrix, elementary, transformation, applicationCatalog1. introduction 62. the related concepts of matrix 72.1 definition of matrix 72.2 transpose of matrix 72.3 elementary transformation of matrix and elementary matrix 73. the application of elementary transformation of matrix 83.1, the rank of the matrix 83.2 the inverse matrix of the matrix 103.3 using elementary transformation to solve matrix equation 113.4 find the solution of linear equations 12The conditions for the existence of nonzero solutions of 3.4.1 homogeneous linear equations are 13Conditions for the existence of solutions of 3.4.2 nonhomogeneous linear equations 143.5 find the eigenvalues and eigenvectors of the matrix 153.6, use elementary transformation, two times as standard type 17Summary 19References 191. introductionIn the course of studying linear algebra, I find that the elementary transformation of matrix is very extensive and runs through the whole chapter. It is the key to solve the problem in linear algebra. Linear equations is the beginning of the elementary transformation matrix, the matrix effect can also be said to be of linear algebra, each knowledge point of linear algebra and linear algebra and matrix are closely related, each in mathematics both can play a role. Biology, economics, physics, cryptography requires knowledge of mathematics, the significance of matrix elementary transformation of matrix, as can be imagined, is the complex matrix into a simple form is easy to calculate and understand.In real life, many aspects involve the knowledge of matrices,In studying the virtual aircraft model, we will find that the operation of the matrix plays a crucial role. The plane surface appears to be smooth, but the geometric structure is perplexing, the flow equation is more difficult, must also consider other external factors, but we use the matrix knowledge to be able to solve the problem very well. There are many other applications, for example, matrix eigenvalues and eigenvectors is the key to solve many problems in physics, mechanics and engineering technology; now the game company and Bank Account confidential security, but also the use of matrix theory invented the matrix card; simulation in equipment monitoring system in engineering, radio and television; large screen display works, TV teaching, command and control center etc. mainly used matrix switcher and so on.2. concepts related to matrices2.1 definition of matrixTable is a rectangular matrix. Similar to the cross and the determinant is called a row, called vertical columns, with a line, the line and the line and the row element matrix for short note.Transpose of the 2.2 matrixLet a matrix be called a matrixFor the transpose of the matrix, rememberElementary transformation and elementary matrix of 2.3 matrices1, the following three transformations called matrices, called the matrix of the primary row (column) transform, collectively referred to as the elementary transformation of the matrix:(1) the two row (column) of the exchange matrix(2) the elements of a row (column) of a matrix are multiplied by a nonzero constant(3) a constant of the elements of a row (column) of a matrix added to the corresponding element of another row (column)Elementary row and column transformations are collectively referred to as elementary transformations2. The matrix obtained by elementary transformation of a unit matrix is called elementary matrix.Three types of elementary matrices:(1) elementary commutative matrices: the second and the second lines of the commutative unit matrix(2) the elementary multiplied matrix: the row (column) of the unit matrix takes the nonzero constant, i.e.(3) elementary doubly matrix: the first row of a unit matrix is added to the first line, or the first row is multiplied to the next columnIf the matrix is transformed into a matrix by a finite elementary transformation, it is said to be equivalent3, matrix equivalence has the following properties:(1) reflexivity, that is, the self equivalence of any matrix;(2) symmetry, that is, the equivalence of any matrix, if and equivalence;(3) transitivity is equivalent to any matrix, and if and equivalence, equivalence, and equivalence;The application of elementary transformation of 3. matrices3.1, the rank of the matrixMany methods for matrix rank, general definition method, elementary transformation method, formula method and comprehensive method, but when the specific element of the matrix is known, using elementary transformation method is for non zero row (column) number.The highest order of a nonzero divisor defined in a 3.1.1 matrix is called the rank of a matrix. That is, there is a rank order of no 0, and all orders of variables (if any) are 0, then the rank of the matrix is (or / or rank)(1)(2) the rank of the zero matrix is 0(3) the rank of a ladder matrix = the number of nonzero rows in a rowTheorem 3.1.1 the elementary transformation of a matrix does not change the rank of a matrixTheorem 3.1.2 row rank of a matrix = row rank of a matrixTheorem 3.1.3, the equivalent matrices have the same rank, but their inverse is not true, that is, the matrices with the same rank may not be equivalent, and the matrices of the same type and the same rank are equivalent to each otherFind the rank of a matrix, and give a brief introduction of the most common method:(1) definition method:If the matrix has a nonzero order, and all the sub orders (if any) are all 0, then.If there is a nonzero order in the matrix, and all of the order variables containing this order are 0.The usage of matrix rank can be calculated with simple formula omit a lot.(2) the number of zero rows in Central Africa is the rank of the matrix.This is because the elementary row transformation does not change the rank of the matrix, in addition, it can be transformed into a column ladder rank by the elementary column transformation, and the elementary transformation can be used as the standard form to obtain the rank.Example 1 find the rank of a matrix.Solution 1: take the 2 order of the upper left of the matrixHowever, there are only 3 lines in the matrix, so it is necessary to find the 3 order of the variables contained in the matrix.Solution 2: to do elementary row transformationDue to non-zero behavior 2.It can be seen that the definition method is only suitable for the calculation of simple matrix, but if it is a higher order matrix, it is very inconvenient to calculate.3.2, the inverse matrix of the matrixThe definition of 3.2.1 is set as a square matrix, if the order matrix existsHere is the rank unit matrix, which is called the invertible matrix, and is called the inverse matrix.Note (1) if it is invertible, its inverse matrix is unique, and the inverse matrix is;(2) the invertible problem of the matrix is the case of the opponent's matrix.Set the invertible matrix of order, and the inverse matrix is as follows:Example 2 is set up as a invertible square matrix, and the resulting matrix is denoted by the following line and column(1) proved to be reversible;(2) seekingProof: (1) since the left multiplication of the elementary matrix corresponds to the two rows of the interchange, so there isBecause, so the matrix is reversible(2)Example 3 uses the elementary transformation of the matrix to find the inverse matrix of the matrixSolution:soIn short, we in the inverse matrix with elementary transformation, we must first selected by elementary row transformation or elementary column transformation, note that if using elementary row transformation must be from first to last by elementary row transformation, using elementary column transformation must be from first to last by elementary column transformation.But in the inverse does not need to check whether the reversible matrix, elementary transformation can be directly obtained, if the simplest form of a square matrix transform unit is not left after the show, the original matrix is irreversible.3.3 using elementary transformation to solve matrix equation(1) if it is reversible, then(2) if it is reversible, then(3) if both are reversible, thenFirst of allAgainThis can be obtainedThe matrix equations of type can only be elementary row transformations (on the left); the pair can only be elementary column transformations (on the right)Example 4 solving matrix equationSolution: let the original equation be...therefore3.4 solving the system of linear equationsSet a system of linear equations with unknown quantitiesIts matrix form is,Among them,,,The coefficient matrix called linear equation is called the augmented matrix.Conditions for nonzero solutions of 3.4.1 homogeneous linear equations(1) the necessary and sufficient condition for the existence of nonzero solutions of homogeneous linear equations is the rank of the coefficient matrix(2) when the number of equations of a homogeneous linear equation group is less than the number of unknown quantities (m<n), there must be nonzero solutions(3) if the order matrix is square, the system of equations has nonzero solution(4) if the order matrix is square, then the system of equations has only zero solutionFirst, the coefficient matrix is transformed into a ladder matrix by using elementary row transformation, and if there is only zero solution, if there is a nonzero solution, it continues to be calculated;The ladder? Matrix to the simplest form, a non zero row non zero element corresponding to the unknown quantity, the unknown amount of free unknown quantity, revenuer, after making one of a free variable is 1, the remaining 0, basic system of solutions can be obtained.The linear combination of the solutions of the parameters is the general solution of the equationExample 5 solving linear equationsSolution: the coefficient matrix is transformed into the simplest form by elementary row transformationsoThat is, there are 2 free unknownsWith the same set of equationsFor the selection of free unknown, and transferred toThe general solution is()Represented as a vector matrixConditions for the existence of solutions of 3.4.2 nonhomogeneous linear equations(1) if the set is a matrix, then the necessary and sufficient condition for the solution of the nonhomogeneous linear equation set is that the rank of the coefficient matrix is equal to the rank of the augmented matrix(2) if the set of nonhomogeneous linear equations is solvable, thenThe solution is unique and the second set of equations has only zero solutions.(3) there are infinitely many solutions to the system of nonhomogeneous linear equations(4) the solution of a system of nonhomogeneous linear equations without elementExample 6 for solving nonhomogeneous linear equationsSolution: an elementary row transformation of the augmented matrixThat wasTherefore, the general solution of the original equation set is any constant3.5 find the eigenvalues and eigenvectors of the matrixThe definition of 3.5.1 is a matrix of order, if there exists a number and a zero dimensional column vector, theThat isSet up is called an eigenvalue of a square matrix, and nonzero column vectors are called eigenvectors of the square corresponding to (or belong to) eigenvaluesThe characteristic polynomial of a 3.5.2 determinant (or) called a matrix (Note: the sub polynomial of a characteristic polynomial is) is a characteristic equation of a matrix:Let the order matrix be the unit matrix of the order, the eigenvalues of the matrix, and the matrixWith the elementary transformation, the upper triangular matrix can be obtained, and the product of the elements on the principal diagonal of the matrix is 0The value is the eigenvalue of the matrix.Example 7 uses the elementary transformation method of matrix to find the eigenvalues and eigenvectors of the matrixSolution:The product of the principal diagonal elements of the order is zero, i.e.EigenvalueThenTherefore, the corresponding eigenvectors areAll the corresponding eigenvectors are.WhenTherefore, the corresponding eigenvectors areThe entire feature vector at this time is.3.6, use the elementary transformation, and the two form is the standard typeTwo order homogeneous polynomials with variablesReferred to as the "yuan two times", referred to as the "twotimes".Order, rememberThen the two type can be expressed asA matrix of symmetric matrices of two order.When a series of elementary column transformations are applied to a matrix, the same elementary row transformation is applied to the block,When the block diagonal matrixWhen the child blocks are reduced, the. At this point, if the order, then into a standard shapeExamples are 8 and two times as standard.Solution: the quadratic matrix is twoImplementing elementary transformationIn this way, by coordinate transformation, of whichThe two form is a standard shapeNote: two types can be standardized in a variety of ways, and their standard shapes are not unique.Sum upTo solve some problems in algebra when using the elementary matrix transform can simplify the problem, such as the two type as the standard type, in addition to using elementary transformation method, also can be calculated using the orthogonal transformation method and collocation method, comparison of elementary transformation is simple, easy to calculate, easy to understand. The elementary transformation matrix has many applications in solving computational problems of linear algebra, the calculation format has many similar places, once mastered the operation of the matrix, we analyze and solve the equations of the ability will be greatly enhanced.In a word, the elementary transformation of matrix is an important method of calculation in linear algebra. We can use matrix elementary transformation to compute the rank of matrix, inverse matrix and matrix equation. With the development of science and technology, matrix has been applied to the natural, social, engineering, economic and other fields, and artificial intelligence, mobile phone communication and algorithm design and general analysis, the matrix in its application is communication optimization. We can not confine ourselves to the study of books. We should integrate theory with practice and make better use of theoretical knowledge to solve practical problems.Reference[1] 、 pre algebra group, Department of geometry and algebra, Department of mathematics, Peking University. Advanced Algebra (Third Edition), higher education press,.2003[2] Ma Juxia, Wu Yuntian. Linear Algebra (Second Edition). National Defense Industry Press.2009.8[3] Chen Zhizhong. Refined refining of linear algebra. Beijing Normal University press,.2006[4], Li Zhihui, Li Yongming. Typical problems and methods in advanced algebra. Science Press,.2008[5], Kang Yonghai, Zhu Baoyan. Application of elementary transformation of matrix in solving problems [J]. Journal of Songliao University (NATURAL SCIENCE EDITION),.1998 (3)[6], Yao Gang. Advanced Algebra (Second Edition) [M]., Fudan University press,.2008[7], Wang Junqing. On the application of elementary transformation in Higher Algebra [J]. Journal of Cangzhou Teachers College,.2002.18 (3)[8], Li Haiyan, Wang Yanfang. The whole course learning guide of Linear Algebra (three edition of the National People's Congress). Dalian University of Technology press,.2008.8Application of [9] Guangyan. Linear algebra lecture. Dalian University of Technology press.2008.7[10] Northwestern Polytechnical University advanced algebra compilation group. Advanced algebra. Science Press,.2008[11] Zhao Lixin, once Wencai. Characteristics of square matrix with elementary transformation of matrix valued.2004 mathematics [J]. University[12] Zhan Hua Lu, Lu established. Some applications of elementary transformation of higher mathematics of.2006.11 [J].。
初等变换内容总结
初等变换内容总结初等变换是线性代数中的重要概念,它是指通过一系列基本操作来改变矩阵的形态。
在本文中,我们将以人类的视角来描述初等变换的内容,并探讨其在实际问题中的应用。
一、初等变换的概念及基本操作初等变换是指通过三种基本操作对矩阵进行变换,这三种基本操作分别是:交换两行(列)的位置、某一行(列)乘以一个非零常数、某一行(列)的倍数加到另一行(列)。
这些操作可以改变矩阵的行列式、秩以及解的个数。
二、初等变换的应用初等变换在线性方程组的求解、矩阵的求逆以及线性相关性的判断等问题中都有广泛的应用。
下面我们将分别介绍这些应用。
1. 线性方程组的求解通过初等变换,我们可以将线性方程组转化为行阶梯形或简化行阶梯形矩阵,从而求解方程组的解。
通过交换行、乘以非零常数、行的倍数加到另一行等操作,我们可以将方程组转化为更加简单的形式,使得解的求解更加方便。
2. 矩阵的求逆通过初等变换,我们可以将一个方阵转化为单位矩阵,从而求得其逆矩阵。
逆矩阵在计算机图形学、电路分析等领域中有着重要的应用。
3. 线性相关性的判断通过初等变换,我们可以判断向量组的线性相关性。
通过将向量组转化为行阶梯形或简化行阶梯形矩阵,我们可以得到向量组的秩,从而判断其线性相关性。
三、初等变换的实例分析为了更好地理解初等变换的应用,我们将通过一个实际问题进行分析。
假设有一家电子公司生产A、B、C三种产品,每天生产的数量分别为a、b、c。
已知每个产品的销售价格分别为x、y、z,该公司每天的总收入为ax+by+cz。
现在,该公司决定调整产品的生产数量,以提高总收入。
通过初等变换,我们可以得到以下结论:- 如果将A产品的生产数量增加一个单位,总收入将增加x个单位。
- 如果将B产品的生产数量增加一个单位,总收入将增加y个单位。
- 如果将C产品的生产数量增加一个单位,总收入将增加z个单位。
基于以上分析,我们可以优化产品的生产方案,使得总收入最大化。
通过初等变换,我们可以得到一个线性规划问题,进一步求解出最优解。
- 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)。
矩阵初等变换及应用王法辉摘要:矩阵初等变换是高等代数的重要组成部分。
本文对初等变换进行了研究探讨,详细介绍了与矩阵初等变换有关的基础知识。
在阐述矩阵初等变换方法及应用原理的基础上,首先重点讨论该方法在解决高等代数相关计算问题上的应用,如求多项式的最大公因式、求逆矩阵解矩阵方程、求解线性方程组、判定向量的线性相关性、化二次型为标准型、求空间的基等。
尤其是利用矩阵初等变换法求空间的基(解空间、特征子空间、核、值域等)的问题的计算,以具体实例生动的展示出问题的内在关系,最后给出了该方法在解决实际问题中的应用。
本文理论分析与实际相结合,凸现了矩阵初等变换法直接、便利、有效的威力与作用。
关键词:矩阵初等变换;最大公因式;线性相关性;二次型;空间的基1 导言在线性方程组的讨论中我们看到,线性方程组的一些重要性质反映在它的系数矩阵和增广矩阵的性质上,并且解方程组的过程也表现为变换这些矩阵的过程。
在数学的学习和应用中,矩阵理论是高等代数的重要组成部分,矩阵初等变换方法更是贯穿高等代数理论的始终。
应用初等变换证明命题过程容易被接受,同时也是解决高等代数相关计算问题最直接、便利、有效的方法。
此外,还有大量的各种各样的,表面上看完全没有联系的问题的解决,都可以通过相同的方法实现:矩阵的初等变换。
因此,对矩阵初等变换方法及应用进行探讨,无疑是十分必要和重要的。
目前,有许多文献涉及到对矩阵初等变换方法该的讨论,但比较零散。
在研读文献的基础上,对矩阵初等变换的内涵进一步挖掘,使矩阵初等变换方法的威力作用得以充分展示是重要也是必要的。
2 矩阵及其初等变换2.1 矩阵由n m ⨯个数)j ,,,2,1(==m i a ij(i =1,2, ,j =1,2,n , )排成m 行n 列的数表⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a a a a a A 212222111211 称为m 行n 列的矩阵,简称n m ⨯矩阵。
2.2 矩阵的初等变换及初等矩阵矩阵有行列之分,因此有如下定义定义1 矩阵的初等行(列)变换是指如下三种变换(1)交换矩阵某两行(列)的位置,记为j i r r ↔ )(j i c c ↔;(2)把某一行(列)的k 倍加到另一行(列)上,记为j i kr r + )(j i kc c +;(3)用一个非零常数k 乘以某一行(列),记为i kr )(i kc ,k ≠0;矩阵的初等行变换及初等列变换统称为矩阵的初等变换。
定义2 由单位矩阵E 经过一次初等变换得到的方阵称为初等矩阵。
有以下3种形式(1)互换矩阵E 的i 行和j 行的位置,得⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=1101111011),( j i P ;(2)用数域P 种非零数c 乘E 的i 行,得⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=111))(( cc i P ;(3)把矩阵E 的j 行的k 倍加到i 行,有⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=1111))(, k k j i P (。
定义3 如果B 可以由A 经过一系列初等变换得到,矩阵A 与B 称为等价的。
2.3 矩阵初等变换的若干性质矩阵的初等变换改变了矩阵的元素,但矩阵初等变换具有以下性质 (1)对矩阵A 施行初等行(列)变换,其列(行)向量组之间的线性关系保持不变。
(2)对矩阵A 施行初等行变换相当于左乘相应的初等矩阵,施行初等列变换相当于右乘相应的初等矩阵。
(3)可逆矩阵可以表示成一系列初等矩阵的乘积。
初等矩阵的逆矩阵也是初等矩阵。
(4)初等变换不改变矩阵的秩。
3 矩阵初等变换在高等代数计算问题中的应用矩阵初等变换与线性方程组的求解密不可分,不仅给解线性方程组带来了极大方便,同时也发展和完善了矩阵理论本身,极大丰富了矩阵理论的应用领域。
矩阵的初等变换方法更是贯穿高等代数理论的始终,在高等代数有关理论的证明及相关计算问题中更是起着巨大的作用。
3.1 求多项式的最大公因式3.1.1 基本概念以][x P 表示数域P 上的一元多项式环。
定义1(最大公因式) 设)()(x g x f ,是][x P 中两个多项式,][x P 中多项式)(x d 称为)()(x g x f ,的一个最大公因式,如果它满足(1) )(x d 是)()(x g x f ,的公因式;(2) )()(x g x f ,的公因式全是)(x d 的因式。
定义2 以][x P 中的一元多项式为元素的矩阵称为多项式矩阵。
定义3 以下3种变换称为多项式矩阵的初等行变换 (1) 交换多项式矩阵的某两行;(2) 用零次多项式(P 中不等于零的数)乘以多项式矩阵的某一行; (3) 用一个多项式乘以多项式矩阵的某一行再加到另一行。
且分别称以上三种变换为第1类,第2类,第3类多项式矩阵的初等行变换。
所说的初等行变换总是指多项式矩阵的行初等变换,所说的矩阵总是指多项式矩阵。
3.1.2 主要结果在高等代数中,求数域P 上两个多项式的最大公因式通常是利用辗转相除法,当多项式的次数较高时,辗转相除法计算较繁琐。
由于多项式辗转相除法主要表现为系数间的运算,因此通常利用分离系数法,使运算相对简化。
同样地,为了简化求多项式最大公因式的运算,考虑将要求最大公因式的两个多项式的系数与二行矩阵表示式对应起来。
考虑][x P 中的多项式)0()()0()(01110111≠++++=≠++++=----m m m mm n n n n n b b x b xb x b x g a a x a x a x a x f其中i a j b ∈P (0,1,2,;0,1,2,)i n j m ==,引入如下记号当m n =时,()(x f ,)(x g )↔⎥⎦⎤⎢⎣⎡--011011b b b b a a a a n nn n;当m n >时,()(x f ,)(x g )↔⎥⎦⎤⎢⎣⎡+-010111000b b b a a a a a am m m n n。
由于多项式的最大公因式具有以下基本性质 (1) ()(x f ,)(x g )=()(x g ,)(x f );(2) 若()(x f ,)(x h )=1,则()(x f ,)(x g )=()(x f ,)()(x h x g ); (3)()(x f ,)(x g )=()()(x kg x f +,)(x g ), P k ∈; 因此,如上引入的二行矩阵反映了以下事实(1)交换二行矩阵两行的位置,得到的矩阵仍然对应这两个多项式的最大公因式;(2)二行矩阵某一行的k 倍加于另一行得到的矩阵仍然对应这两个多项式的最大公因式。
上述事实意味着数域P 上多项式的最大公因式()(x f ,)(x g )可以利用二行矩阵进行初等行变换求得。
具体实施步骤为(1)根据多项式的系数作出()(x f ,)(x g )对应的二行矩阵;(2)利用第1、2类初等行变换使得二行矩阵中的行出现端首(左端或右端)为0;(3)向左(或向右)平移二行矩阵中某行,使得这一行端首的0去掉。
这表明()(x f ,)(x g )的次数在降低。
反复利用(1)、(2)、(3)直到出现二行矩阵的两行元素对应成比例为止。
3.1.3 计算举例例1 已知数域P 上的一元多项式7787)(346+-+-=x x x x x f ,7373)(235-+-=x x x x g求))(),((x g x f 。
解 构造二行矩阵A 并实施初等行变换⎥⎥⎦⎤⎢⎢⎣⎡----−−→−⎥⎦⎤⎢⎣⎡----=-070370373140731400070370377087012131r r A −−→−⎥⎥⎦⎤⎢⎢⎣⎡----−−−−−−−−−→−+12149070370300731407314r r 首项不为零将第一行元素轮换使其 1414707003399077022⎡⎤--⎢⎥−−−−−−−−−−→⎢⎥⎢⎥--⎢⎥⎣⎦将第二行元素轮换使其首项不为零1228271414777070000000332727999970700707002222r r +⎡⎤⎡⎤----⎢⎥⎢⎥−−−→⎢⎥⎢⎥⎢⎥⎢⎥----⎢⎥⎢⎥⎣⎦⎣⎦21243147700002727997070022r r +⎡⎤--⎢⎥−−−−−−−−−→−−−−→⎢⎥⎢⎥--⎢⎥⎣⎦将第一行元素轮换使其不为零77000002727070700⎡⎤--⎢⎥−−−−−−−−−−→⎢⎥--⎣⎦将第二行元素轮换使其首项不为零1212777000000000000272770070007007000r r-⎡⎤--⎡⎤⎢⎥−−−→⎢⎥⎢⎥--⎣⎦--⎣⎦700000001001000-⎡⎤−−−−−−→⎢⎥⎣⎦第二行除以() 第二行元素共轮换过3次,所以最大公因式为1)(3+=x x d 。
例2 求多项式3442)(234-+--=x x x x x f ,3452)(23+--=x x x x g ,6116)(23-+-=x x x x h 的最大公因式。
解 构造三行矩阵A 并进行初等行变换12r 12443109000254302543161160161160r A +----⎡⎤⎡⎤⎢⎥⎢⎥=--−−−→--⎢⎥⎢⎥⎢⎥⎢⎥----⎣⎦⎣⎦01090025430161160-⎡⎤⎢⎥−−−−−−−−−−→--⎢⎥⎢⎥--⎣⎦对第二行进行轮换,使其首项不为 21312,1090010900051430514300062060620600r r r r ----⎡⎤⎡⎤⎢⎥⎢⎥−−−−→-−−−→-⎢⎥⎢⎥⎢⎥⎢⎥----⎣⎦⎣⎦轮换 ⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡---−−−→−⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡----−−−→−++⨯⨯001031000054251400090100131010053514100901131221,61,51r r r r r r ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡−−→−⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---−−−→−⨯⨯0003-10006-2009-01003100062000901103,7532轮换r r 1212039003900026000260001300013000r r ---⎡⎤⎡⎤⎢⎥⎢⎥−−−→-−−−→-⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦轮换所以3))(),(),((-=x x h x g x f 。
3.2 求逆矩阵 解矩阵方程 3.2.1 可逆矩阵定义若对n 级矩阵A 有n 级矩阵B 使E BA AB ==则称A 是可逆的,B 称为A 的可逆矩阵。
其中E 为n 级单位矩阵。
3.2.2 初等变换求逆的原理和步骤由于可逆矩阵A 可表示为一系列初等矩阵的乘积,故由E A A =-1有⎩⎨⎧==EA P P EA P P S s 11因此有如下求逆步骤(1)构造n n 2⨯的矩阵[]E A |;(2)对上述矩阵实行初等行变换,当用初等行变换把A 化为单位阵,则E 的位置变成A 的逆矩阵,即[]E A |→ []1-A E |需要指出的是在此过程中只能用初等行变换。