[线性代数] 2、矩阵

 第二章、矩阵

§1 矩阵概念的引入
    §2 矩阵的定义
  §3 特殊的矩阵
    §4 矩阵与线性变换



2.1、定义

简记为:



2.2、特殊矩阵

行数与列数都等于 n 的矩阵,称为 n 阶方阵.可记作An
只有一行的矩阵 A=(a1,a2,...,an)称为行矩阵(或行向量) .
元素全是零的矩阵称为零距阵.可记作 O .
形如的方阵称为对角阵.记作:
特别的,方阵 称为单位阵.记作:



2.3、矩阵与线性变换

PS:线性变换与矩阵之间存在着一一对应关系.

PS: 投影变换、旋转变换是在二维和高维运算中很重要的东西



2.4、矩阵运算

PS: 和行列式不一样!!!

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

PS: 还是和行列式不一样!!!

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

设A=(aij)mxs,B=(bij)sxn,那么规定矩阵 A 与矩阵 B 的乘积是一个 m×n 矩阵C=(cij)mxn,其中

PS: 矩阵乘法不一定满足交换律.
PS: 矩阵A!=O ,B!=O却有AB=O.
PS: 矩阵乘法的运算规律

  • 结合律 
  • 数乘和乘法的结合律 
  • 乘法对加法的分配率   
  • 单位矩阵在矩阵乘法中类似于1   

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

矩阵的幂:若 A 是 n 阶方阵,定义:

显然:



2.5、矩阵转置

定义:把矩阵 A 的行换成同序数的列得到的新矩阵,叫做A的转置矩阵,记作AT .

对称阵:A=AT

反对称阵:A=-AT



2.6、方阵的行列式

定义:由 n 阶方阵的元素所构成的行列式,叫做方阵 A 的行列式,记作|A|或detA.



2.7、伴随矩阵

定义:行列式 |A| 的各个元素的代数余子式 Aij 所构成矩阵



2.8、共轭矩阵

定义:当A=(aij)为复矩阵时,用表示的共轭复数,记

性质:设A,B 为复矩阵,λ为复数,且运算都是可行的:



2.9、逆矩阵:(如不特别说明,所指的都是 n 阶方阵)

定义:n 阶方阵 A 称为可逆的,如果有 n 阶方阵 B,使得

PS:  B如果存在则唯一

PS:    如果矩阵 B 满足上述等式,那么 B 就称为 A 的逆矩阵,记作 A-1 .

PS:   由AA*=A*A=|A|E推出

推论: 如果 n 阶方阵A、B可逆,那么A-1 、AT 、λA(λ!=0)与AB也可逆,且



2.10、矩阵分块法(化整为零的思维)

加法:若矩阵A、B是同型矩阵,且采用相同的分块法,形式上看成是普通矩阵的加法!

数乘:形式上看成是普通的数乘运算!

乘法:略

按行分块以及按列分块:略

转置:分块矩阵不仅形式上进行转置,而且每一个子块也进行转置.

分块对角矩阵:1、A是n阶矩阵 2、A的分块矩阵只在对角线上有非零子块 3、其余子块均为零矩阵 4对角线上的子块为方阵

  • | A | = | A1 | | A2 | … | As |

LZ说明:这一章主要讲矩阵的一些定义和性质及运算法则,是为后面做基础用的~http://www.cnblogs.com/zjutlitao/

[线性代数] 2、矩阵

时间: 2024-11-08 01:10:39

[线性代数] 2、矩阵的相关文章

线性代数之矩阵与坐标系的转换

空间中的点是可以用向量来描绘的,这些点的描绘是基于我们自建的欧式空间坐标系下.我们可以用一个行向量来表示一个空间的点.那我们的要进行空间坐标的转换的时候怎么办呢?一个行向量 B,我可以理解成IB,B的三个值既为三个行向量(1,0,0),(0,1,0),(0,0,1)上的三个分量的度量.我们设向量M是一个3x3的向量.M是线性无关.即M得三个行向量a1,a2,a3不共面,Mx=B,这时候 是一个3x1的列向量x.x=           X1           Y1          Z1 Mx

线性代数 - 02 矩阵

线性代数 - 02 矩阵 一.矩阵的概念及其线性运算 1.矩阵的概念 2.矩阵的加减运算 3.矩阵的数乘 二.矩阵的乘法与转置 1.矩阵的乘法 2.矩阵乘法的性质 3.矩阵的转置 4.方阵行列式的乘积定理 三.逆矩阵 1.逆矩阵的概念 2.矩阵可逆的条件 3.逆矩阵的性质 四.矩阵的初等变换 1.矩阵的初等行变换 2.初等变换的标准程序 3.用初等变换法求逆矩阵 4.初等矩阵 五.分块矩阵 1.分块矩阵的概念 2.分块矩阵的运算 线性代数 - 02 矩阵,码迷,mamicode.com

线性代数 - 05 矩阵的特征值与特征向量

线性代数 - 05 矩阵的特征值与特征向量 一.特征值与特征向量 二.矩阵的相似与矩阵的对角化 三.实对称矩阵的对角化 1.向量的内积与正交矩阵 2.实对称矩阵的特征值与特征向量 线性代数 - 05 矩阵的特征值与特征向量,码迷,mamicode.com

【线性代数】矩阵的四个基本子空间

矩阵的四个基本子空间 1.零空间 矩阵A的零空间就Ax=0的解的集合.假设矩阵的秩为r,矩阵为m*n的矩阵,则零空间的维数为n-r.因为秩为r,则自由变量的个数为n-r,有几个自由变量,零空间就可以表示层几个特解的线性组合,也即是零空间的维数为自由变量的个数. 2.列空间 矩阵A的列空间就是矩阵A中各列的线性组合.假设矩阵的秩为r,矩阵为m*n的矩阵,则列空间可以表示为r个主元的线性组合,即零空间的维数为r. 3.行空间 在线性代数中,我们一般习惯将矩阵看出是一组列向量的组合,matlab中矩阵

线性代数精华——矩阵的特征值与特征向量

今天和大家聊一个非常重要,在机器学习领域也广泛使用的一个概念--矩阵的特征值与特征向量. 我们先来看它的定义,定义本身很简单,假设我们有一个n阶的矩阵A以及一个实数\(\lambda\),使得我们可以找到一个非零向量x,满足: \[Ax=\lambda x\] 如果能够找到的话,我们就称\(\lambda\)是矩阵A的特征值,非零向量x是矩阵A的特征向量. 几何意义 光从上面的式子其实我们很难看出来什么,但是我们可以结合矩阵变换的几何意义,就会明朗很多. 我们都知道,对于一个n维的向量x来说,如

线性代数(矩阵乘法):NOI 2007 生成树计数

这道题就是深搜矩阵,再快速幂. 1 #include <iostream> 2 #include <cstring> 3 #include <cstdio> 4 #include <map> 5 using namespace std; 6 const int maxn=200; 7 const int mod=65521; 8 struct Matrix{ 9 long long mat[maxn][maxn]; 10 int r,c; 11 Matrix

【线性代数】矩阵的零空间

矩阵A的零空间就Ax=0的解的集合. 零空间的求法:对矩阵A进行消元求得主变量和自由变量:给自由变量赋值得到特解:对特解进行线性组合得到零空间. 假设矩阵如下: 对矩阵A进行高斯消元得到上三角矩阵U,继续化简得到最简矩阵R: 由于方程Ax=0的右侧是零向量,所以只对矩阵A进行消元不会影响解,因此不需要增广矩阵,所以有: 从上面的高斯消元的结果可以看出,矩阵A的秩为2,其中第1,3列为主元列,2,4列为自由列,对应于方程主来说,形式转变如下: 从上式可以看出,x2,x4是自由变量,我们可以随意赋值

线性代数之矩阵的特征值与特征向量

数学上,线性变换的特征向量(本征向量)是一个非退化的向量,其方向在该变换下不变.该向量在此变换下缩放的比例称为其特征值(本征值). 一个线性变换通常可以由其特征值和特征向量完全描述.特征空间是相同特征值的特征向量的集合.“特征”一词来自德语的eigen.1904年希尔伯特首先 在这个意义下使用了这个词,更早亥尔姆霍尔兹也在相关意义下使用过该词.eigen一词可翻译为”自身的”.“特定于……的”.“有特征的”.或者“个体 的”.这显示了特征值对于定义特定的线性变换有多重要. 线性变换的特征向量是指

线性代数_矩阵基础

1. 矩阵的意义与消元法 1.1 二维矩阵 : 直线相交解的表示方法 求两个直线相交的点 2x -  y = 0 -x +2y = 3 等同 2 -1    x      0 -1 2    y  =  3          A      X =  b 转换为向量的思考方式, x是向量2 -1的参数  y是向量 -1 2的参数, 两个向量的和是向量 0 3 直线交点->向量和 x  2 y  -1 =  0 -1    2      3 1.2 三维矩阵 : 面相交的解释方法 消元法 x+2y+

【线性代数】矩阵的乘法与求逆

一.矩阵乘法的五种表示方法 1.一般形式 2.矩阵与列向量相乘 3.矩阵与行向量相乘 4.矩阵分块相乘 二.矩阵的逆 对于方阵,左逆=右逆 原矩阵乘以其逆矩阵得到单位矩阵 判断是否可逆的几种方法: 1.行列式为0 2.单位矩阵的各列是矩阵各列的线性组合 3.下式成立时,矩阵A不可逆: 证明: 三.矩阵求逆(高斯-若尔当消元法) 假设矩阵为A: 消元过程如下: 通过消元,我们将矩阵A变成了单位矩阵I,则与此同时,矩阵I变成了A的逆矩阵.证明如下: