商用數學作業1.docVIP

第3章 矩陣 Matrix 在教室裡，課桌椅的排列是一種矩陣。在操場中集會排隊，也可以是矩陣。矩陣有不短的歷史，萊布尼茨(Leibniz, G. W., 1646-1716)是德國哲學家兼數學家，為解決本書第2章所探討的線性方程式系統之解，建立了行列式論(theory of determinants)。瑞士數學家克萊姆(Cramer, G., 1704-1752)定下了克萊姆法則。高斯和喬登(1800s)建立了高斯-喬登消去法(Gauss-Jordan elimination)來解聯立方程組的問題。西維斯特(Sylvester, J. J., 1814-1897)是英國數學家兼律師，於1848首創matrix一詞。 3.1矩陣的定義 矩陣是一有m×n個元素的架構。每個元素以aij表示。公式(5-1)的矩陣代號A，有m個水平列(row)的元素，n個垂直行(column)的元素。A是一m列n行的矩陣。 A = ajk = (3-1) 只有一列的矩陣是列向量(row vector)，如： 。 (3-2) 只有一行的矩陣是行向量(column vector)，如： 。 (3-3) 方陣(square matrix)是行數和列數相同的矩陣，即矩陣之m = n，如： ， (3-4) 。 (3-5) 對角方陣(diagonal matrix)是對角線以外的元素皆為0的方陣，例如： 。 (3-6) 單位方陣(identity matrix)，I，是對角線皆為1，其他的元素皆為0的方陣，例如： 。 (3-7) 轉置矩陣(transpose matrix)是將矩陣的列與行互換而得，記為AT。列向量的轉置矩陣是行向量；反之，行向量的轉置矩陣是列向量。例如： ， 。 (3-8) 公式(3-1)的m列n行的矩陣A是轉置之後成為只有對角線不變的n × m矩陣 AT = akj = (3-9) 方陣轉置後與原方陣相同，即AT = A稱為對稱矩陣(symmetric matrix)。公式(3-6)和(3-7)的對角方陣與單位方陣都是對稱矩陣。若方陣轉置後與原方陣差一負號，即AT = ?A稱為偏對稱矩陣(skew-symmetric matrix)。 3.2矩陣的性質與運算 相等矩陣：兩矩陣若要相等，則必須每一對應的元素都要相等。例如： 3.2.1 矩陣相加減 矩陣相加減必須行數和列數相等。將各個對應的元素相加減即可。舉例說明之： 根據數或代數的加減法矩陣有下列規律： A + B = B + A 交換律(commutative property) A + (B + C) = (B + A) + C 結合律(associative property) A + 0 = 0 + A = A，0矩陣與A同階數。 單一律(identity property) A + (?A) = 0 (A + B)T = AT + BT 例題3.2.1-1 求下列矩陣相加減的結果，順便驗證加法定律。 (a)? (b)? 解： (a) (b) 3.2.2 矩陣乘法 純量(常數)乘以矩陣或向量，直接以該純量乘以矩陣或向量中的各該元素即可。以下列例子說明之： 若A =，則 ?A =，2 A =，0 A =。 矩陣互乘須注意可乘性。若A = [aij]是m×p矩陣，B = [bij]是 p×n矩陣，則AB兩矩陣的乘積C = [cij]是m×n矩陣，且 。 (3-10) 交換律不一定成立：AB ≠ BA，或 AB = BA 結合律成立：A(BC) = (AB)C 分配律成立：A(B + C) = AB + BC，(A + B)C = AC + BC 矩陣與單位方陣相乘，仍為原矩陣：AI = A AB = 0 並不表示A = 0 或B = 0 或 BA = 0 AC = AD並不全然表示C = D 例題3.2.2-1求下列矩陣相乘之結果 AB ==? 解：2 × 3的矩陣乘以3 × 2的矩陣，得到2 × 2的矩陣如下 AB == 3.3 利用矩陣解方程組 數學上，高斯-消去法(Gauss Elimination)是線性代數中的一個演算法，可用來作為綫性方程組求解，以及求出可逆方陣的逆矩陣。當改寫綫性方程組成為一個矩陣而用高斯-消去法時，會產生出一個外延或擴張矩陣(augmented matrix)。這種演算法可以用來解決所有線性方程組。即使一個方程組不能被化為一個三角形的格式，高斯-消去法仍可找出它的解。通常在應用高斯-消去法的時候，不會直接寫出方程組的等式來消去未知數，