文章目录
矩阵
一、矩阵的定义
已知 A = ( a 11 a 12 ⋯ a 1 n a 21 a 2 2 ⋯ a 2 ⋮ ⋮ ⋮ a m 1 a m 2 ⋯ a m n ) A=\begin{pmatrix}a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_22 & \cdots & a_2 \\ \vdots & \vdots & & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn}\end{pmatrix} A=⎝ ⎛a11a21⋮am1a12a22⋮am2⋯⋯⋯a1na2⋮amn⎠ ⎞,这 m × n m\times n m×n个数称为矩阵 A A A的元素,简称为元,数 a i j a_{ij} aij位于矩阵 A A A的第 i i i行第 j j j列,称为矩阵 A A A的 ( i , j ) (i,j) (i,j)元。以数 a i j a_{ij} aij为 ( i , j ) (i,j) (i,j)元的矩阵可简记作 ( a i j ) (a_{ij}) (aij)或 ( a i j ) m × n (a_{ij})_{m\times n} (aij)m×n, m × n m\times n m×n的矩阵 A A A也记作 A m × n A_{m\times n} Am×n
当两个矩阵的行数相同,列数也相同时,则称它们是同型矩阵
二、线性变换的定义
n n n个变量 x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x1,x2,⋯,xn与 m m m个变量 y 1 , y 2 , ⋯ , y n y_1,y_2,\cdots,y_n y1,y2,⋯,yn之间的关系式 { y 1 = a 11 x 1 + a 12 x 2 + ⋯ + a 1 n x n y 2 = a 21 x 1 + a 22 x 2 + ⋯ + a 2 n x n ⋯ y m = a m 1 x 1 + a m 2 x 2 + ⋯ + a m n x n \begin{cases}y_1=a_{11}x_1+a_{12}x_2+\cdots+a_{1n}x_n\\y_2=a_{21}x_1+a_{22}x_2+\cdots+a_{2n}x_n\\\cdots\\y_m=a_{m1}x_1+a_{m2}x_2+\cdots+a_{mn}x_n\end{cases} ⎩ ⎨ ⎧y1=a11x1+a12x2+⋯+a1nxny2=a21x1+a22x2+⋯+a2nxn⋯ym=am1x1+am2x2+⋯+amnxn表示从一个变量 x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x1,x2,⋯,xn到变量 y 1 , y 2 , ⋯ , y m y_1,y_2,\cdots,y_m y1,y2,⋯,ym的线性变换,其中 a i j a_{ij} aij为常数,线性变换的系数 a i j a_{ij} aij构成矩阵 A = ( a i j ) m × n A=(a_{ij})_{m\times n} A=(aij)m×n
三、几种特殊的矩阵
1. 零矩阵
元素都是零的矩阵称为零矩阵,记作 O O O
2. 对角矩阵
Λ = ( λ 1 0 ⋯ 0 0 λ 2 ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ λ n ) \Lambda=\begin{pmatrix}\lambda_1&0&\cdots&0\\0&\lambda_2&\cdots&0\\\vdots&\vdots&&\vdots\\0&0&\cdots&\lambda_n\end{pmatrix} Λ=⎝
⎛λ10⋮00λ2⋮0⋯⋯⋯00⋮λn⎠
⎞
这个方阵的特点是:不在对角线上的元素都是 0 0 0,我们把这种方阵称为对角矩阵,简称对角阵,对角阵也记作 Λ = d i a g ( λ 1 , λ 2 , ⋯ , λ n ) \Lambda=diag(\lambda_1,\lambda_2,\cdots,\lambda_n) Λ=diag(λ1,λ2,⋯,λn)
Λ n = ( λ 1 n 0 ⋯ 0 0 λ 2 n ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ λ n n ) \Lambda^n=\begin{pmatrix}\lambda_1^n&0&\cdots&0\\0&\lambda_2^n&\cdots&0\\\vdots&\vdots&&\vdots\\0&0&\cdots&\lambda_n^n\end{pmatrix} Λn=⎝ ⎛λ1n0⋮00λ2n⋮0⋯⋯⋯00⋮λnn⎠ ⎞
3. 单位矩阵
我们把 E = ( 1 0 ⋯ 0 0