同济大学--矩阵分析课件---矩阵论§1.1

合集下载

矩阵分析引论--第一章 线性空间与线性变换-线性空间的概念、 基变换与坐标变换

矩阵分析引论--第一章 线性空间与线性变换-线性空间的概念、 基变换与坐标变换
二、线性空间的定义 1、数域
复数集的一个非空子集,含非零数,对和、差、 积、商(除数不为零)运算封闭.
• 性质:
必包含0与1; 有理数域是最小的数域.
目录 上页 下页 返回 结束
第一章第一二节 线性空间的概念、基变换与坐标变换
2、线性空间
定义1-1(线性空间) 设V是一非空集合,P是一数域,若
(1)在V上定义了一个二元运算(称为加法, a与b 的和记为a+b), 且 a , b V,有 a b V ;
(2)在P与V的元素之间还定义了一种运算(称为
数乘, k与a的数乘记为ka),
且 a V ,k P, 有 ka V ;
目录 上页 下页 返回 结束
第一章第一二节 线性空间的概念、基变换与坐标变换
(3)加法与数乘满足以下八条规则:
(ⅰ) a b b a; (ⅱ) (a b ) a (b );
第一章第一二节 线性空间的概念、基变换与坐标变换
第一节 线性空间的概念
一、线性代数回顾
★ n维向量:有序数组 ★ 线性运算:加法、数乘 ★ 运算律(八条) ★ 向量关系:线性相关、线性无关 ★ 向量空间 ★ 子空间 ★基
目录 上页 下页 返回 结束
第一章第一二节 线性空间的概念、基变换与坐标变换
(ⅲ) a 0 a;
(ⅳ) a (a ) 0;
(ⅴ) 1a a;
(ⅵ) k(la ) (kl)a;
(ⅶ) (k l)a ka la ;(ⅷ) k(a b ) ka kb .
则称集合V为数域P上的线性空间或向量空间.
目录 上页 下页 返回 结束
第一章第一二节 线性空间的概念、基变换与坐标变换
又若向量 b k1a1 k2a2 knan , 则b 也称为向量 a1,a2,,an 的线性组合,或称 b 可以由向量 a1,a2,,an 线性表示.

矩阵论第一章第二节PPT课件

矩阵论第一章第二节PPT课件

分析: 设 dimV n, 1, 2, , n 是V的一组基,
线性变换 在这组基下的矩阵为A.
设 0是 的特征值,它的一个特征向量 在基
1,2,
, n 下的坐标记为
x01 ,
x0n
则 ( )在基 1, 2 ,
, n下的坐标为
x01 A ,
x0n
x01
而0
的坐标是
0
x0n
21 11
k 1 k
k k 1
.
例. 在线性空间 P3 中,线性变换 定义如下:
(1 ) (2 )
( 5, 0, (0, 1,
3) 6)
,
(3 ) (5, 1,9)
其中, 12((01,,10,,12)) 3 (3, 1,0)
(1)求 在标准基 1, 2 , 3 下的矩阵. (2)求 在 1,2 ,3 下的矩阵.
② 若 是 的属于特征值 0的特征向量,则 k (k P,k 0) 也是 的属于0 的特征向量.
(k ) k ( ) k(0 ) 0(k )
由此知,特征向量不是被特征值所唯一确定的, 但是特征值却是被特征向量所唯一确定的,即
若 ( ) 且 ( ) ,则 .
2、特征值与特征向量的求法
5 0 5
因而,
AX
0 3
1 6
1 9
,
5 0 5
5 0 5 1 0 3 1
A
0 3
1 6
1 9
X
1
0 3
1 6
1 9
0 2
1 1
1 0
1 7
5 4 27
20 5 18
20
2 24
(2)设 在1,2 ,3下的矩阵为B,则A与B相似,且

矩阵分析第一章课件.ppt

矩阵分析第一章课件.ppt
是行满秩的。该系统是可观测的充分必要条件是可观测
性判别矩阵
C
V
CA
CAn
1
是列满秩的。
例 5:设
A
0 1
1 0
,
B
1 1
1 1
由于矩阵
B
AB
1 1
1 1 1 1 1 1
是行满秩的,所以相应的系统是可控制的。
二 矩阵理论在生物数学中的应用
在化的花瓣中存在一种特殊的生物模式。几乎所有 花,其花瓣数都是一种有规律的级数。例如百合花 的花瓣有3瓣;毛茛属的植物有5瓣花;许多翠雀属 的植物有8瓣花;万寿菊的花瓣有13瓣;紫菀属的植 物有21瓣花;大多数的雏菊有34,55,89 瓣花。 另外,在向日葵的花盘内葵花籽的螺旋式排列中也 可以发现类似的排列模式,同时植物的叶序中也存 在此种现象。这就是著名的Fibonacci级数模式。我 们称下面的数列
x2
4 3 , x3
1 3 , x4
2 3
同样可解出在第二组基下的坐标为
y1 1, y2 1, y3 1, y4 4
由此可以看出:一个向量在不同基底下的坐标是不相 同的。
基变换与坐标变换
设 1,2 , ,n(旧的)与 1, 2, , n (新的) 是 n 维线性空间V 的两组基底,它们之间的关系为
注意: 通过上面的例子可以看出线性空间的基底并不 唯一,但是维数是唯一确定的。利用维数的定义线性 空间可以分为有限维线性空间和无限维线性空间。目 前,我们主要讨论有限维的线性空间。
例 4 在4维线性空间 R22 中,向量组
0 1
1 1
,
1 1
0 1
,
1 0
1 1
,
1 1

矩阵分析 第一章

矩阵分析 第一章

矩阵的代数性质1.矩阵是线性映射的表示:线性映射的相加表示为矩阵的相加线性映射的复合表示为矩阵的相乘2.矩阵是一种语言,它是表示复杂系统的有力工具。

学习矩阵理论的重要用途之一就是学会用矩阵表示复杂系统的关系,培养根据矩阵推演公式的能力是学习矩阵论的目的之一。

定义一个矩阵有几种方式:可以通过定义矩阵的每一个元素来定义一个矩阵,也可以通过矩阵具有的性质来定义一个矩阵。

如:对称矩阵可以定义为:a ij =a ji也可以定义为: (x, Ay)=(Ax,y),还可以定义为: Ax=∇f(x), 其中f(x)=x T Ax/2,即它对向量x 的作用相当于函数f(x)在x 处的梯度。

3. 矩阵可以表示为图像矩阵的大小可以表示为图像。

反之,一幅灰度图像本身就是矩阵。

图像压缩就是矩阵的表示问题.这时矩阵相邻元素间有局部连续性,既相邻的元素的值大都差别不大。

4. 矩阵是二维的(几何性质)矩阵能够在二维的纸张和屏幕等平面媒体上表示,使得用矩阵表示的问题显得简单清楚,直观,易于理解和交流。

很多二元关系很直观的就表示为矩阵,如关系数据库中的属性和属性值,随机马尔科夫链的状态转移概率矩阵,图论中的有向图或无向图的矩阵表示等。

第一章:线性空间和线性变换1. 线性空间集合与映射集合是现代数学最重要的概念,但没有严格的定义。

集合与其说是一个数学概念,还不如说是一种思维方式,即用集合(整体)的观点思考问题。

整个数学发展的历史就是从特殊到一般,从个体到整体的发展历程。

集合的运算及规则,两个集合的并、交运算以及一个集合的补;集合中元素没有重合,子集,元素设S ,S'为集合映射:为一个规则σ:S → S', 使得S 中元素a 和S'中元素对应,记为 a'=σ(a),或σ:a →a'. 映射最本质的特征在于对于S 中的任意一个元素在S'中仅有唯一的一个元素和它对应。

映射的原象,象;映射的复合。

同济大学--矩阵分析课件---矩阵论§1.1

同济大学--矩阵分析课件---矩阵论§1.1

= −2.
方阵行列式的运算性质
(1) (2)
AT = A ;
λ A = λn A ;
(3)
AB = A B
6. 方阵的迹
定义: n 阶方阵 A 的对角元素的和称为 A 的迹, 记作 tr( A),即
tr( A) = a11 + a 22 +
方阵迹的运算性质
(1) tr( A) + tr( B ) = tr( A + B ) ;
(1) (2) (3) (4)
(AT)T = A; (A+B)T = AT + BT; (λA)T = λAT; (AB)T = BTAT;
5. 方阵的行列式
定义: 由n 阶方阵A 的元素所构成的行列式叫做 方阵A 的行列式, 记作 | A | 或 detA .
⎛ 2 3 ⎞, 则 A = 2 3 例如: A = ⎜ ⎟ 6 8 6 8⎠ ⎝
• • • • • • 基础知识和矩阵的分解 矩阵的标准形 线性空间与线性变换 内积空间 矩阵分析 矩阵的广义逆
线性代数基础知识
• 矩阵的基本运算 • 线性方程组的解的结构以及求解方法 • 矩阵的特征值与特征向量 • 实对称矩阵的基本性质
§1.1 矩阵的基本运算
定义: 由m×n个数 aij ( i =1, 2, ···, m; j =1, 2, ···, n ) 排成的 m 行 n 列的数表: a11 a12 a1 n a 21 a 22 a2n
+ a nn
( 2) tr( kA) = k tr( A) ;
( 3) tr( AB ) = tr( BA) ;
7. 共轭矩阵
定义: 当 A = (aij) 为复矩阵时, 用 a ij 表示aij 的共轭 复数, 记 A = (a ij ), 称 A 为A 的共轭矩阵. 运算性质 设A, B为复矩阵, λ为复数, 且运算都是可行的, 则:

1.1 矩阵的特征值与特征向量

1.1 矩阵的特征值与特征向量

定理4
设1,2, ,s是方阵A的互不相同的特征值,
x1, x2, , xs是分别与之对应的特征向量,则 x1, x2, , xs线性无关。 esp .
属于实对称阵的不同特征值的特征向量是正交的。
Statistics Department
矩阵论/矩阵分析 视频公开课
矩阵的特征值与特征向量 (完)
二、特征值与特征向量的性质
设A aij nn Cnn , 称 a11 a22 ann为A的迹,记为
trA,即trA a11 a22 ann. tr: trace
������������������ ⋯ ������������������ ������ = ⋯ ⋯ ⋯

as s

a s1 s 1

对于A Cnn , 规定
f A as As as1As1 称f A为矩阵A的多项式.
a1 a0 ,
a1A a0I
f(λ) 是普通多 项式
Statistics Department
定理3
设A Cnn , A的n个特征值为1,2, ,n,对应的
Statistics Department
定理2
设i是ACnn的ri重特征值 称ri为特征值i的代数重数 ,
对应i有si个线性无关的特征向量(称si为特征值i的
几何重数),则1 si
简单地说,几何 重数不超过代数 重数
定义4
设f 是的多项式
f

矩阵论/矩阵分析 视频公开课
第1章 矩阵的相似变换 §1.1 矩阵的特征值与特征向量 §1.2 矩阵的相似对角化 §1.3 矩阵的Jordan标准形 §1.4 Hamilton-Cayley 定理 §1.5 向量的内积 §1.6 矩阵的酉相似

【矩阵论】第1,2章 线性空间与线性变换内积空间

【矩阵论】第1,2章 线性空间与线性变换内积空间

六、基变换和坐标变换
讨论:
不同的基之间的关系 同一个向量在不同基下坐标之间的关系
1 基变换公式 {1 , 2 ,..., n } 设空间中有两组基:{1 , 2 ,..., n }
过渡矩阵C的性质: C为可逆矩阵
则(1 , 2 ,..., n ) (1 , 2 ,..., n )Cnn
子集合:设 S1与S2 表示两个集合,如果集合
都是集合 S 2 的元素,即由 a S1 a S2 , 那么就称 S1是S2 的子集合,记为
S1 S 2或S 2 S1
相等:即
S1 S2且S1 S2 S1 S2
集合的交: S1 S2 x x S1且x S2 集合的并: S1 S2 x x S1或x S2
3 1 在基{E } ij 4 5
例2 设空间F[x]4的两组基为: {1,x,x2,x3}和 {1,( x - 1)1,( x - 1)2,( x - 1)3} 求f(x)=2+3x+4x2+x 3在这两组基下的坐标。
归纳: 有了基,就可以将一个抽象的线性空间中的元素和 一个实际的 R n 元素对应起来,从而将抽象具体化 进行研究。
线性空间的一般性的观点:
线性空间的简单性质(共性): (1) V中的零元素是惟一的。 (2) V中任何元素的负元素是惟一的。 数0 (3)数零和零元素的性质: 0=0,k0=0,k =0 =0 或k=0 ( 4) = ( 1)
向量0
三、向量组的探讨(Review)
向量的线性相关与线性无关:
子空间本身就是线性空间。 子空间的判别方法可以作为判别线性空间的方 法
子空间和非子空间的例子: V={x=(x1,x2,0}R 3, V={x=(x1,x2,1}R 3,

矩阵论第一章

矩阵论第一章

B1t n1 B2t n2 Bst ns
令 Cij
q1 Aiq Bqj F
其中 i = 1, …, r, j = 1, …, s
,则
• 分块矩阵的转置
AB (Cij ) rt
–欲求分块矩阵的转置,只要将其对应行列互换,然后将其中的每 个子矩阵转置即可
, n1 n2 ns n
B1s m1 B2 s m2 Brs mr

其中 m1 m2 mr m 1。 A B ( Aij Bij ) rs 2。 A (Aij ) rs F
将 A F 的列, B F 的行用相同的划分法划分为分块矩阵, 则矩阵乘法可推广到分块矩阵上。
量x的作用相当于函数f(x)在x处的梯度。
2. 矩阵与图像
1.矩阵可表示为图像 矩阵元素可以表示为图像的像素。 2.数字图像一般表示为矩阵 反之,一幅灰度图像本身就是矩阵。图像压缩就是矩阵的表示问题. 这时矩阵相 邻元素间有局部连续性,既相邻的元素的值大都差别不大。 3. 矩阵与图像的差异 矩阵的元素间的取值可以完全独立,但是有意义的图像的像素间有约束关系.
矩阵引论
概要复习已知的矩阵相关知识,说明 矩阵分析及应用不是从零开始,而是 在有关已有知识基础上的深化。
矩阵是什么?
论矩阵的含义和矩阵运算背后的数学理论
矩阵的代数性质
1.矩阵是线性映射的表示: 线性映射的相加表示为矩阵的相加 线性映射的复合表示为矩阵的相乘
2.矩阵是一种语言,它是表示复杂系统的有力工具。 学习矩阵理论的重要用途之一就是学会用矩阵表示复杂系统 的关系,培养根据矩阵推演公式的能力是学习矩阵论的目的 之一。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

(5) 分块对角阵的行列式与逆阵
⎛ A1 ⎜ A2 A=⎜ ⎜ O ⎜ ⎝
O
⎞ ⎟ ⎟, ⎟ As ⎟ ⎠
1. | A | = | A1 | | A2 | ··· | As |. 2. A可逆 ⇔ Ai可逆( i=1,2,···,s ), 且
A-1=diag(A1-1, A2-1, ···, As-1).
2. 数与矩阵相乘
定义: 数λ与矩阵A=(aij)的乘积定义为(λaij), 记作 λA 或Aλ, 简称为数乘. 即 λa1n ⎞ ⎛ λ a11 λ a12 ⎜ λa λa22 λ a2 n ⎟ . λA = Aλ = ⎜ 21 ⎟ ⎟ ⎜ λamn ⎠ ⎝ λ am 1 λ am 2 数乘矩阵的运算规律 设A, B为同型的m×n 矩阵, λ, μ为数: (1) (λμ)A = λ(μA). (2) (λ+μ)A = λA+μA. (3) λ(A+B) = λA+λB. 矩阵的加法与数乘运算, 统称为矩阵的线性运算.
矩阵乘法的运算规律 (1) 结合律: (AB)C = A(BC); (2) 分配律: A(B+C) = AB+AC, (B+C)A =BA+CA; (3) λ(AB) = (λA)B = A(λB), 其中λ为数; (4) Am×nEn = EmAm×n = A; 注意: 矩阵乘法不满足交换律, 即: AB ≠ BA, 因此, 例如: 设
+ a nn
( 2) tr( kA) = k tr( A) ;
( 3) tr( AB ) = tr( BA) ;
7. 共轭矩阵
定义: 当 A = (aij) 为复矩阵时, 用 a ij 表示aij 的共轭 复数, 记 A = (a ij ), 称 A 为A 的共轭矩阵. 运算性质 设A, B为复矩阵, λ为复数, 且运算都是可行的, 则:
11 4 ⎞ − 4 4 ⎟. ⎟ 8 9⎠
说明: 只有当两个矩阵是同型矩阵时, 才能进行加 法运算. 矩阵加法的运算规律 (1) 交换律: A+B = B+A. (2) 结合律: (A+B)+C = A+(B+C). − a1 n ⎞ ⎛ − a11 − a12 ⎜−a − a 22 − a2n ⎟ 21 (3) − A = ⎜ ⎟ = (− a ij ) . ⎟ ⎜ − a mn ⎠ ⎝ − a m1 − a m1 称为矩阵A的负矩阵. (4) A+(–A) = O, A–B = A+(–B).
k =1
( i=1,2,···, m; j=1,2,···, n ). 并把此乘积记作C=AB.
− 16 − 32 ⎞ C = ⎛− 2 ⎟ ⎜ 1 − 4⎞ ⎛ − 2 − 4⎞ = ⎛ ⎟ ⎜ 3 例1: 2 ⎠ 2×2 ⎝ 6 ⎠ 2×2 ⎜ 8 ? 16 ⎟ 2×2 ⎝ ⎠ ⎝
⎛ 3⎞ 例2: (1 2 3) ⎜ 2 ⎟ = (1 × 3 + 2 × 2 + 3 × 1) = (10). ⎜ 1⎟ ⎝ ⎠
= −2.
方阵行列式的运算性质
(1) (2)
AT = A ;
λ A = λn A ;
(3)
AB = A B
6. 方阵的迹
定义: n 阶方阵 A 的对角元素的和称为 A 的迹, 记作 tr( A),即
tr( A) = a11 + a 22 +
方阵迹的运算性质
(1) tr( A) + tr( B ) = tr( A + B ) ;
(1) (3 )
A + B = A + B;
(2) λA = λ A;
AB = A B .
8. 矩阵的逆
定义: 对于n 阶方阵A, 如果存在一个n 阶方阵B, 使 得 AB = BA = E 则称矩阵A是可逆的, 并称矩阵B为A的逆矩阵. 方阵A可逆的充要条件
(1)若存在一个方阵B使AB = E 或 BA = E; (2) | A |≠ 0. 逆矩阵的性质 (1) 若矩阵A可逆, 则A-1亦可逆, 且(A-1)-1 = A. (2) 若矩阵A可逆, 且λ ≠ 0, 则 λA 亦可逆, 且 −1 1 (λA) = A −1 .
1. 矩阵的加法
定义: 设两个同型的 m×n 矩阵A = ( aij )与B = ( bij ), 那么矩阵A与B的和定义为(aij+bij), 记作A+B, 即
a1 n ⎛ a11 + b11 a12 + b12 ⎜ a +b a 22 + b22 a2n 21 A + B = ⎜ 21 ⎜ a mn ⎝ a m 1 + bm 1 a m 2 + bm 2 3 − 5⎞ ⎛ 1 8 9⎞ ⎛ 12 0⎟ + ⎜ 6 5 4⎟ 例如: ⎜ 1 − 9 ⎜ 3 6 8⎟ ⎜ 3 2 1⎟ ⎠ ⎝ ⎠ ⎝ ⎛ 12 + 1 3 + 8 − 5 + 9 ⎞ ⎛ 13 = ⎜ 1+ 6 −9+ 5 0 + 4⎟ = ⎜ 7 ⎜ 3+3 6+2 8 + 1⎟ ⎜ 6 ⎠ ⎝ ⎝ + b1n ⎞ ⎟ + b2 n ⎟ ⎟ + bmn ⎠
⎛ A O⎞ 例: 设A, B都是n 阶可逆方阵, 证明D = ⎜ ⎟必 ⎝C B⎠ 为可逆方阵, 并求D–1. 证: 由于A, B都是n 阶可逆方阵, 即| A | ≠ 0, | B | ≠ 0, 则 | D |= | A | | B | ≠ 0, 所以D为可逆方阵. −1 ⎛ X 11 X 12 ⎞ 设D = ⎜ ⎟, 其中Xij 均为n 阶方阵(i , j = 1,2). ⎝ X 21 X 22⎠ −1 = ⎛ A O ⎞ ⋅ ⎛ X 11 X 12 ⎞ D⋅D ⎜C B⎟ ⎜ ⎟ ⎝ ⎠ ⎝ X 21 X 22 ⎠ AX 11 AX 12 ⎛ ⎞ = ⎛ E O ⎞. =⎜ ⎟ CX 11 + BX 21 CX 12 + BX 22 ⎟ ⎜ O E ⎠ ⎠ ⎝ ⎝ 其中E为n 阶单位矩阵.
λ
(3) 若A, B为同阶可逆方阵, 则AB亦可逆, 且 (AB)-1 = B-1A-1. (4) 若矩阵A可逆, 则AT 亦可逆, 且(AT)-1=(A-1)T. (5) 若矩阵A可逆, 则有| A-1 |=| A |-1.
逆矩阵的计算方法
1 ∗ A = A, | A|
−1
(1)伴随矩阵法:
A∗ = ( Aij )T ;
r3 + r1 ⎛ 1 ~ ⎜0 ⎜0 ⎝ r1 − 2r3 ⎛ 1 ~ ⎜0 ⎜0 ⎝
1 2 0 1 2 0
2 0 1 −1 1 0 1 0 1 0 0 −1 0 1 1 1 0 1
0⎞ r2 + r3 ⎛ 1 1 0⎟ ~ ⎜ 0 2 ⎜0 0 1⎟ ⎠ ⎝ 1 − 2⎞ r2 × 2⎛1 1 0 1⎟ ~ ⎜0 1 0 ⎜ 1⎟ ⎜0 0 1 ⎠ ⎝
工科研究生数学 矩阵论
岳晓青 同济大学数学系 xiaoqingyue@
同济大学数学系
2009-3-22
主要教材:
《矩阵分析》,同济大学数学系编,同济大学出版社。
参考书目:
1.《线性代数》,同济大学数学系编,第五版。 2.《矩阵理论》,苏育才、姜翠波等编)k ≠ AkBk,
A = ⎛ 1 1⎞ , B = ⎛ 1 − 1⎞ , 则 ⎜ − 1 − 1⎟ ⎜ − 1 1⎟ ⎠ ⎝ ⎠ ⎝
2 ⎞, AB = ⎛ 0 0 ⎞, BA = ⎛ 2 ⎜ 0 0⎟ ⎜ − 2 − 2⎟ ⎠ ⎝ ⎠ ⎝
故, AB ≠ BA.
4. 矩阵的转置
定义: 把矩阵A 的行列互换, 所得到的新矩阵, 叫 做矩阵A 的转置矩阵, 记作AT. 1 2 2 ⎞, T ⎛ 1 4 ⎞ 例如: A = ⎛ ⎜ 4 5 8 ⎟ A = ⎜ 2 5 ⎟; ⎠ ⎝ ⎜ 2 8⎟ ⎠ ⎝ B T = (18 6). B = ⎛ 18 ⎞, ⎜6⎟ ⎝ ⎠ 转置矩阵的运算性质
注意: 用初等行变换求逆矩阵时, 必须始终用行变 换, 其间不能作任何列变换. 同样地, 用初等列变换求 逆矩阵时, 必须始终用列变换, 其间不能作任何行变换.
9. 分块矩阵
在矩阵理论的研究中, 矩阵的分块是一种最基本, 最重要的计算技巧与方法. 分块矩阵之间与一般矩阵之间的运算性质类似: (1) 加法: 同型矩阵, 采用相同的分块法. (2) 数乘: 数k乘矩阵A, 需k乘A的每个子块. 矩阵A, B相乘, A的列的分块与B的行分 块相一致. (4) 转置 T T A1r ⎞ As1 ⎞ A11 ⎛ A11 ⎛ ⎟ ⎟ AT = ⎜ ⎜ A= ⎟ ⎜ T ⎟ ⎜A T Asr ⎠ Asr ⎠ ⎝ A1r ⎝ s1
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, 定义矩阵A与矩阵B的乘积 C = ( cij )是一个 m×n 矩阵, 其中 s c ij = a i 1b1 j + a i 2 b2 j + + a is bsj = ∑ a ik bkj
a m1 am 2 a mn
称为m行n列的矩阵. 简称 m×n 矩阵. 记作 a1n ⎞ ⎛ a11 a12 ⎜a a22 a2 n ⎟ ⎟ A = ⎜ 21 ⎜ ⎟ ⎜a am 2 amn ⎟ ⎠ ⎝ m1 简记为: A = Am×n = ( aij )m×n = ( aij ). 这m×n个数aij称为矩阵A的(第 i 行第 j 列)元素.
求二阶矩阵A的逆可用“两调一除”的方法, 其做法 如下: 先将矩阵A中的主对角元素调换其位置, 再将次对 角元素调换其符号, 最后用A的行列式|A|除矩阵A的每 一个元素, 即可得A的逆矩阵A-1.
相关文档
最新文档