首页 > 其他分享 >线性代数1.矩阵的基本概念&意义&特殊矩阵&基本运算

线性代数1.矩阵的基本概念&意义&特殊矩阵&基本运算

时间:2024-12-27 14:18:58浏览次数:6  
标签:11 ... mn 矩阵 线性代数 bmatrix 基本概念 lambda

1.矩阵的基本概念&意义&特殊矩阵&基本运算

1.1 矩阵的定义:

矩阵是由\(m \times n\)个数排成的数表。

如以下矩阵:

\[X= \begin{bmatrix} x_{11} & x_{12} & x_{13} & ... & x_{1n}\\ x_{21} & x_{22} & x_{23} & ... & x_{2n}\\ x_{31} & x_{32} & x_{33} & ... & x_{3n}\\ &&......\\ x_{m1} & x_{m2} & x_{m3} & ... & x_{mn}\\ \end{bmatrix} \]

其中:

(1) \(X\)为矩阵名称,亦可记为\(X_{mn}\)

(2) \(x_{ij}(i=1,2,3,...,m;j=1,2,3,...,n)\)为矩阵X中的元素,简称元

(3)\(x_{ij}\)可称为X的(i,j)元;X矩阵亦可记为\((x_{ij})\)矩阵或\((x_{ij})_{mn}\)矩阵

1.2矩阵的意义

若存在变量\(x_i\),变量\(y_j\),系数\(a_{ij}\),其中(i=1,2,3,...,m),(j=1,2,3,...,n)

则可用矩阵表示\(x_i\)到\(y_j\)的线性变换:

\[\begin{cases} y_1=a_{11}x_1+a_{12}x_2+a_{13}x_3+...+a_{1n}x_n\\ y_2=a_{21}x_1+a_{22}x_2+a_{23}x_3+...+a_{2n}x_n\\ y_3=a_{31}x_1+a_{32}x_2+a_{33}x_3+...+a_{3n}x_n\\ ......\\ y_m=a_{m1}x_1+a_{m2}x_2+a_{m3}x_3+...+a_{mn}x_n \end{cases} \]

1.3特殊矩阵

1.3.1 单位矩阵

若存在变量\(x_i\),变量\(y_j\),其中(i=1,2,3,...,m),(j=1,2,3,...,n),且\(x_i\)到\(y_j\)的线性变换满足:

\[\begin{cases} y_1=x_1\\ y_2=x_2\\ y_3=x_3\\ ......\\ y_m=x_n\\ \end{cases} \]

则称\(x_i\)到\(y_j\)的变换为\(恒等变换\),对应的矩阵称为\(单位矩阵\),用字母\(E\)或字母\(I\)表示:

\[E= \begin{bmatrix} 1 &0&...&0 &0 &0 \\ 0 &1 & 0 &...&0 &0\\ 0 & 0 & 1 &0 &... &0\\ & & &......\\ 0 & 0 & 0 &... &1 &0\\ 0 & 0 & 0 &... &0 &1 \end{bmatrix}\\ \]

1.3.2 对角矩阵

若存在变量\(x_i\),变量\(y_j\),其中(i=j=1,2,3,...,n),且\(x_i\)到\(y_j\)的线性变换满足:

\[\begin{cases} y_1=\lambda_1 x_1\\ y_2=\lambda_2 x_2\\ y_3=\lambda_3 x_3\\ ......\\ y_n=\lambda_n x_n\\ \end{cases} \]

则对应的矩阵称为\(对角矩阵\),可用任意大写字母表示:

\[A= \begin{bmatrix} \lambda_1 &0&...&0 &0 &0 \\ 0 &\lambda_2 & 0 &...&0 &0\\ 0 & 0 & \lambda_3 &0 &... &0\\ & & &......\\ 0 & 0 & 0 &... &0 &\lambda_n \end{bmatrix}\\ \]

1.4矩阵的基本运算

设存在以下矩阵:

\[X= \begin{bmatrix} x_{11} & x_{12} & x_{13} & ... & x_{1n}\\ x_{21} & x_{22} & x_{23} & ... & x_{2n}\\ x_{31} & x_{32} & x_{33} & ... & x_{3n}\\ &&......\\ x_{m1} & x_{m2} & x_{m3} & ... & x_{mn}\\ \end{bmatrix} \]

\[Y= \begin{bmatrix} y_{11} & y_{12} & y_{13} & ... & y_{1n}\\ y_{21} & y_{22} & y_{23} & ... & y_{2n}\\ y_{31} & y_{32} & y_{33} & ... & y_{3n}\\ &&......\\ y_{m1} & y_{m2} & y_{m3} & ... & y_{mn}\\ \end{bmatrix} \]

1.4.1 矩阵的加法运算

  • 根据已知的X、Y矩阵,可得:

\[X+Y= \begin{bmatrix} x_{11}+y_{11} & x_{12}+y_{12} & x_{13}+y_{13} & ... & x_{1n}+y_{1n}\\ x_{21}+y_{21} & x_{22}+y_{22} & x_{23}+y_{23} & ... & x_{2n}+y_{2n}\\ x_{31}+y_{31} & x_{32}+y_{32} & x_{33}+y_{33} & ... & x_{3n}+y_{3n}\\ &&......\\ x_{m1}+y_{m1} & x_{m2}+y_{m2} & x_{m3}+y_{m3} & ... & x_{mn}+y_{mn}\\ \end{bmatrix} \]

  • 矩阵的加法运算律:

\[\tag{1}X+Y=Y+X \]

\[\tag{2}(X+Y)+Z=X+(Y+Z) \]

1.4.2 矩阵的乘法运算

  • 根据已知的X矩阵,数$\lambda $与矩阵X相乘可得:

\[\lambda X= \begin{bmatrix} \lambda x_{11} & \lambda x_{12} & \lambda x_{13} & ... & \lambda x_{1n}\\ \lambda x_{21} & \lambda x_{22} & \lambda x_{23} & ... & \lambda x_{2n}\\ \lambda x_{31} & \lambda x_{32} & \lambda x_{33} & ... & \lambda x_{3n}\\ &&......\\ \lambda x_{m1} & \lambda x_{m2} & \lambda x_{m3} & ... & \lambda x_{mn}\\ \end{bmatrix} \]

  • 根据已知的X矩阵、Y矩阵相乘可得:

\[X \times Y= \begin{bmatrix} z_{11} &z_{12} &z_{13} ... &z_{1n}\\ z_{21} &z_{22} &z_{23} ... &z_{2n} \\ ...\\ z_{m1} &z_{n2} &z_{n3} ... &z_{mn}\\ \end{bmatrix} \]

\[其中:\\ z_{11}=x_{11}y_{11}+x_{12}y_{21}+x_{13}y_{31}+...+x_{1n}y_{m1}\\ z_{12}=x_{11}y_{12}+x_{12}y_{22}+x_{13}y_{32}+...+x_{1n}y_{m2}\\ ...\\ z_{21}=x_{21}y_{11}+x_{22}y_{21}+x_{23}y_{31}+...+x_{2n}y_{m1}\\ ...\\ z_{mn}=x_{m1}y_{1n}+x_{m2}y_{2n}+x_{m3}y_{3n}+...+x_{mn}y_{mn} \]

  • 矩阵的乘法运算律

\[\tag{1} (\lambda \mu) A=\lambda (\mu A) \]

\[ \tag{2}(\lambda+\mu) A=\lambda A + \mu A \]

\[\tag{3}\lambda (A+B)=\lambda A+\lambda B ;\lambda (AB)=(\lambda A)B=A(\lambda B) \]

\[\tag{4}(AB)C=A(BC) \]

\[\]

\[\tag{5}A(B+C)=AB+AC;(B+C)A=BA+CA \]

标签:11,...,mn,矩阵,线性代数,bmatrix,基本概念,lambda
From: https://www.cnblogs.com/efancn/p/18635655

相关文章

  • gesp(二级)(16)洛谷:B4037:[GESP202409 二级] 小杨的 N 字矩阵
    gesp(二级)(16)洛谷:B4037:[GESP202409二级]小杨的N字矩阵题目描述小杨想要构造一个m×mm\timesmm×m......
  • kubernetes 基本概念
    学习的目标是适用yml配置文件,使我们要构建的点描述出来。Kubernetes(简称K8s)是一个开源的容器编排平台,旨在自动化容器化应用程序的部署、扩展和管理。它提供了丰富的功能集,包括但不限于声明式配置、自我修复、负载均衡和服务发现等。以下是关于Kubernetes的一些关键知......
  • 动归进阶 ~最大子矩阵~
    【试题描述】已知矩阵的大小定义为矩阵中所有元素的和。给定一个矩阵,你的任务是找到最大的非空(大小至少是1*1)子矩阵。比如,如下4*4的矩阵0-2-7092-62-41-41-180-2的最大子矩阵是:92-41-18这个子矩阵的大小是15。【输入要求】输入是一个......
  • 如何用RACI矩阵提升项目执行力?
    在项目管理中,执行力是决定项目成功与否的关键因素之一。众多项目因缺乏明确的责任分工和有效的沟通机制,导致执行过程混乱、效率低下。RACI矩阵作为一种有力工具,能够清晰地界定项目团队成员的角色和职责,促进项目执行的顺利进行。它如同导航仪,指引着项目团队在复杂的项目环境中明确......
  • P3390 【模板】矩阵快速幂
    P3390【模板】矩阵快速幂本来想学动态dp然后被一路骗递归到了这里。首先我们要知道矩阵乘法是什么,两个矩阵可以\(A,B\)可以相乘,当且仅当\(A\)的列数=\(B\)的行数两个大小分别为\(m\timesn\)和\(n\timesp\)的矩阵\(A,B\)相乘的结果为一个大小为\(m\times......
  • 稀疏矩阵数据结构(如CSR、CSC格式)
    稀疏矩阵数据结构稀疏矩阵(SparseMatrix)是一种大多数元素为零的矩阵。在处理稀疏矩阵时,如果我们直接使用常规的二维数组来存储矩阵数据,将会浪费大量的存储空间,因为大部分元素都是零。为了解决这一问题,稀疏矩阵数据结构应运而生,通过只存储非零元素来大幅减少内存消耗。最常用的稀......
  • 13矩阵的逆
    1.逆矩阵的定义对于n阶矩阵A,存在一个n阶矩阵B,使:$$AB=BA=E$$则称矩阵A是可逆的。且B是A的逆矩阵,简称“逆阵”,记为:$$B=A^{-1}$$2.对逆矩阵的理解若存在矩阵$A_{n×n}$、$x_{n×1}$、$b_{n×1}$,使:$$b=Ax$$又存在矩阵$B_{n×n}$,使:$$AB=E$$则:$$Bb=ABx\\Rightar......
  • 《线性代数》学习笔记
    \(\newcommand{\a}{\alpha}\newcommand{\b}{\beta}\newcommand{\la}{\lambda}\newcommand{\ga}{\gamma}\newcommand{\si}{\sigma}\newcommand{\al}{\mathcal}\newcommand{\sp}[1]{\operatorname{Span}(#1)}\newcommand{\di}[1]{\operatornam......
  • leetcode热题100(54. 螺旋矩阵)c++
    链接:54.螺旋矩阵-力扣(LeetCode)给你一个 m 行 n 列的矩阵 matrix ,请按照 顺时针螺旋顺序 ,返回矩阵中的所有元素。示例1:输入:matrix=[[1,2,3],[4,5,6],[7,8,9]]输出:[1,2,3,6,9,8,7,4,5]示例2:输入:matrix=[[1,2,3,4],[5,6,7,8],[9,10,11,12]]输出:[1,2......
  • 【深度学习基础|知识概述】基础数学和理论知识中的线性知识:矩阵与向量运算、特征值与
    【深度学习基础|知识概述】基础数学和理论知识中的线性知识:矩阵与向量运算、特征值与特征向量、张量,附代码。【深度学习基础|知识概述】基础数学和理论知识中的线性知识:矩阵与向量运算、特征值与特征向量、张量,附代码。文章目录【深度学习基础|知识概述】基础数学和理......