高等代数(四)-矩阵02:矩阵的运算

这篇具有很好参考价值的文章主要介绍了高等代数(四)-矩阵02:矩阵的运算。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

§ 2 矩阵的运算
现在我们来定义矩阵的运算, 可以认为它们是矩阵之间一些最基本的关系.
下面要定义的运算是矩阵的加法、乘法、矩阵与数的乘法以及矩阵的转置.
为了确定起见, 我们取定一个数域 P P P, 以下所讨论的矩阵全是由数域 P P P
中的数组成的.
1. 加法
定义 1 设
A = ( a i j ) s × n = ( a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a s 1 a s 2 ⋯ a s n ) , B = ( b i j ) i × n = ( b 11 b 12 ⋯ b 1 n b 21 b 22 ⋯ b 2 n ⋮ ⋮ ⋮ b s 1 b s 2 ⋯ b s n ) \begin{array}{l} \boldsymbol{A}=\left(a_{i j}\right)_{s \times n}=\left(\begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & & \vdots \\ a_{s 1} & a_{s 2} & \cdots & a_{s n} \end{array}\right), \\ \boldsymbol{B}=\left(b_{i j}\right)_{i \times n}=\left(\begin{array}{cccc} b_{11} & b_{12} & \cdots & b_{1 n} \\ b_{21} & b_{22} & \cdots & b_{2 n} \\ \vdots & \vdots & & \vdots \\ b_{s 1} & b_{s 2} & \cdots & b_{s n} \end{array}\right) \end{array} A=(aij)s×n= a11a21as1a12a22as2a1na2nasn ,B=(bij)i×n= b11b21bs1b12b22bs2b1nb2nbsn

是两个 s × n s \times n s×n 矩阵, 则矩阵
C = ( c i j ) 1 × n = ( a i j + b i j ) , × n = ( a 11 + b 11 a 12 + b 12 ⋯ a 1 n + b 1 n a 21 + b 21 a 22 + b 22 ⋯ a 2 n + b 2 n ⋮ ⋮ ⋮ a n 1 + b 41 a n 2 + b s 2 ⋯ a s n + b s n ) \boldsymbol{C}=\left(c_{i j}\right)_{1 \times n}=\left(a_{i j}+b_{i j}\right)_{, \times n}=\left(\begin{array}{cccc} a_{11}+b_{11} & a_{12}+b_{12} & \cdots & a_{1 n}+b_{1 n} \\ a_{21}+b_{21} & a_{22}+b_{22} & \cdots & a_{2 n}+b_{2 n} \\ \vdots & \vdots & & \vdots \\ a_{n 1}+b_{41} & a_{n 2}+b_{s 2} & \cdots & a_{s n}+b_{s n} \end{array}\right) C=(cij)1×n=(aij+bij),×n= a11+b11a21+b21an1+b41a12+b12a22+b22an2+bs2a1n+b1na2n+b2nasn+bsn
称为 A \boldsymbol{A} A B \boldsymbol{B} B 的和, 记为
C = A + B . \boldsymbol{C}=\boldsymbol{A}+\boldsymbol{B} . C=A+B.
矩阵的加法就是矩阵对应的元素相加. 当然,
相加的矩阵必须要有相同的行数和列数, 这样的矩阵称为同型矩阵.
由于矩阵的加法归结为它们的元素的加法, 也就是数的加法, 所以,不难验证,它有
结合律:
A + ( B + C ) = ( A + B ) + C \boldsymbol{A}+(\boldsymbol{B}+\boldsymbol{C})=(\boldsymbol{A}+\boldsymbol{B})+\boldsymbol{C} A+(B+C)=(A+B)+C;
交换律: A + B = B + A \boldsymbol{A}+\boldsymbol{B}=\boldsymbol{B}+\boldsymbol{A} A+B=B+A.
元素全为零的矩阵称为零矩阵, 记为 O s x n \boldsymbol{O}_{\mathrm{sxn}} Osxn,
在不致引起含混的时候, 可简单地记为 O O O. 显然, 对所有的 A A A,
A + O = A . \boldsymbol{A}+\boldsymbol{O}=\boldsymbol{A} . A+O=A.
矩阵
( − a 11 − a 12 ⋯ − a 1 n − a 21 − a 22 ⋯ − a 2 n ⋮ ⋮ ⋮ − a n 1 − a n 2 ⋯ − a n n ) \left(\begin{array}{cccc} -a_{11} & -a_{12} & \cdots & -a_{1 n} \\ -a_{21} & -a_{22} & \cdots & -a_{2 n} \\ \vdots & \vdots & & \vdots \\ -a_{n 1} & -a_{n 2} & \cdots & -a_{n n} \end{array}\right) a11a21an1a12a22an2a1na2nann
称为矩阵 A \boldsymbol{A} A 的负矩阵, 记为
A A \boldsymbol{A} \boldsymbol{A} AA. 显然有
A + ( − A ) = O . \boldsymbol{A}+(-\boldsymbol{A})=\boldsymbol{O} . A+(A)=O.
矩阵的减法定义为
A − B = A + ( − B ) . \boldsymbol{A}-\boldsymbol{B}=\boldsymbol{A}+(-\boldsymbol{B}) . AB=A+(B).
例如, 在 § 1 § 1 §1 我们看到, 某一种物资如果有 s s s 个产地, n n n 个销地,
那么一个调运方案就可表示为一个 s × n s \times n s×n 矩阵,矩阵中的元素 a i j a_{i j} aij
表示由产地 A i A_{i} Ai 运到销地 B j B_{j} Bj 的这种物资的数量, 比如说吨数.
如果从这些产地还有另一种物资要运到这些销地, 那么,
这种物资的调运方案也可表示为一个 s × n s \times n s×n
矩阵.于是从产地到销地的总的运输量也表示为一个矩阵. 显然,
这个矩阵就等于上面两个矩阵的和.
根据矩阵加法的定义,应用关于向量组的秩的性质,很容易看出
 秩  ( A + B ) ⩽  秩  ( A ) +  秩  ( B ) .  \text { 秩 }(\boldsymbol{A}+\boldsymbol{B}) \leqslant \text { 秩 }(\boldsymbol{A})+\text { 秩 }(\boldsymbol{B}) \text {. }   (A+B)  (A)+  (B)
2. 乘法
在给出乘法定义之前,我们先看一个引出矩阵乘法的问题.
x 1 , x 2 , x 3 , x 4 x_{1}, x_{2}, x_{3}, x_{4} x1,x2,x3,x4 y 1 , y 2 , y 3 y_{1}, y_{2}, y_{3} y1,y2,y3 是两组变量,
它们之间的关系为
{ x 1 = a 11 y 1 + a 12 y 2 + a 13 y 3 , x 2 = a 21 y 1 + a 22 y 2 + a 23 y 3 , x 3 = a 31 y 1 + a 32 y 2 + a 33 y 3 , x 4 = a 41 y 1 + a 42 y 2 + a 43 y 3 . \left\{\begin{array}{l} x_{1}=a_{11} y_{1}+a_{12} y_{2}+a_{13} y_{3}, \\ x_{2}=a_{21} y_{1}+a_{22} y_{2}+a_{23} y_{3}, \\ x_{3}=a_{31} y_{1}+a_{32} y_{2}+a_{33} y_{3}, \\ x_{4}=a_{41} y_{1}+a_{42} y_{2}+a_{43} y_{3} . \end{array}\right. x1=a11y1+a12y2+a13y3,x2=a21y1+a22y2+a23y3,x3=a31y1+a32y2+a33y3,x4=a41y1+a42y2+a43y3.
又如 z 1 , z 2 z_{1}, z_{2} z1,z2 是第三组变量, 它们与 y 1 , y 2 , y 3 y_{1}, y_{2}, y_{3} y1,y2,y3 的关系为
{ y 1 = b 11 z 1 + b 12 z 2 , y 2 = b 21 z 1 + b 22 z 2 , y 3 = b 31 z 1 + b 32 z 2 . \left\{\begin{array}{l} y_{1}=b_{11} z_{1}+b_{12} z_{2}, \\ y_{2}=b_{21} z_{1}+b_{22} z_{2}, \\ y_{3}=b_{31} z_{1}+b_{32} z_{2} . \end{array}\right. 文章来源地址https://www.toymoban.com/news/detail-836256.html

到了这里,关于高等代数(四)-矩阵02:矩阵的运算的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数 | 矩阵运算 加减 数乘 矩阵的幂运算

    《线性代数》中会有较多陌生的概念,如矩阵的逆,线性相关线性无关等,具有一定的难度。因而本系列尽量会以不同于课本的视角去学习线性代数,有些可以做类比记忆的我们会去做一些类比记忆,比如矩阵的逆类比于我们数的除法,有一些比如线性相关和无关会尽量以几

    2024年02月04日
    浏览(32)
  • 0203逆矩阵-矩阵及其运算-线性代数

    定义7 对于 n n n 阶矩阵A,如果有一个 n n n 阶矩阵B,使 A B = B A = E AB=BA=E A B = B A = E 则说矩阵A是可逆的,并把矩阵B称为A的逆矩阵,简称逆阵。 定理1 若矩阵A可逆,则 ∣ A ∣ ≠ 0 vert Avert not = 0 ∣ A ∣  = 0 证明: A 可逆,即有 A − 1 ,使得 A A − 1 = E ∣ A A − 1 ∣ = ∣ A

    2024年04月13日
    浏览(47)
  • 线性代数(二) 矩阵及其运算

    行列式det(A) 其实表示的只是一个值 ∣ a b c d ∣ = a d − b c begin{vmatrix} a b\\\\ c dend{vmatrix} = ad -bc ​ a c ​ b d ​ ​ = a d − b c ,其基本变化是基于这个值是不变。而矩阵表示的是一个数表。 矩阵与线性变换的关系 即得 ( a 11 a 12 . . . a 1 n a 21 a 22 . . . a 2 n . . . . . . . . . . . . . a

    2024年02月14日
    浏览(32)
  • 线性代数2.2矩阵运算

    矩阵元素对应相加,显然只有同型矩阵才能相加 矩阵元素对应相减,显然只有同型矩阵才能相减 矩阵所有元素均有公因子,所有公因子朝外提一次 行列式提公因子:一行提一次 所有元素均有外提n次 与行列式乘法规则一致,行的每一个元素乘以列每一个元素,先相乘再相加

    2024年02月11日
    浏览(39)
  • 0205矩阵分块法-矩阵及其运算-线性代数

    1 分块矩阵的定义 将矩阵A用若干条纵线和横线分成许多个小矩阵,每一个小矩阵称为A的子快,以子块为元素的形式上的矩阵称为分块矩阵。 2 分块矩阵的运算(性质) 设矩阵A与B的行数相同,列数相同,采用相同的分块法,有 A = ( A 11 ⋯ A 1 r ⋮ ⋮ A s 1 ⋯ A s r ) , B = ( B 11 ⋯

    2024年04月26日
    浏览(26)
  • 线性代数|分块矩阵的运算规则

    定理 1 设矩阵 A boldsymbol{A} A 与 B boldsymbol{B} B 的行数相同、列数相同,采用相同的分块法,有 A = ( A 11 ⋯ A 1 r ⋮ ⋮ A s 1 ⋯ A s r ) , B = ( B 11 ⋯ B 1 r ⋮ ⋮ B s 1 ⋯ B s r ) boldsymbol{A} = begin{pmatrix} boldsymbol{A}_{11} cdots boldsymbol{A}_{1r} \\\\ vdots vdots \\\\ boldsymbol{A}_{s1} cdots boldsymbol{

    2024年02月07日
    浏览(33)
  • 【理解线性代数】(四)线性运算的推广与矩阵基础

    工业生产的发展趋势总是从单件生产到批量生产。科学技术研究也是一样,总是从简单计算到复合运算、批量运算。批量意味着生产能力、处理能力的提升。计算机从16位发展到64位,从单核发展到多核;计算机从CPU处理数据发展到GPU处理数据;大数据、人工智能领域的大模型

    2024年02月09日
    浏览(34)
  • 线性代数第二章矩阵及其运算详解

    一.线性方程组和矩阵 1.概念 如图所示,该矩阵称为 m行n列矩阵 若行数和列数都等于n,则该矩阵称为 n阶方阵 两个矩阵的行数相等,列数也相等,就称它们为 同型矩阵 若A=(aij)和B=(bij)是同型矩阵,且aij=bij(i=1,2,...,m;j=1,2,...,n),则称 矩阵A与矩阵B相等 ,记作 A=B 2.特殊

    2024年01月25日
    浏览(40)
  • 线性代数:矩阵运算(加减、数乘、乘法、幂、除、转置)

    目录 加减 数乘  矩阵与矩阵相乘  矩阵的幂 矩阵转置  方阵的行列式  方阵的行列式,证明:|AB| = |A| |B|        

    2024年01月22日
    浏览(35)
  • 矩阵运算之外积:解决线性代数问题的关键技巧

    线性代数是数学的一个分支,主要研究的是线性方程组和矩阵。线性方程组是指每个变量的方程都是线性的方程组,矩阵是一种数学结构,可以用来表示和解决线性方程组。在现实生活中,线性方程组和矩阵广泛应用于各个领域,如物理学、生物学、经济学、计算机科学等。

    2024年02月21日
    浏览(30)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包