线性代数得基本概念.pptVIP

线性代数知识——矩阵的相关内容 北京外国语大学国际商学院 蔡连侨 线性代数知识 矩阵（Matrix） 的概念 矩阵的运算 几种特殊的矩阵 向量（Vector）的概念 矩阵的性质 矩阵（Matrix） 的概念 矩阵 A matrix is a rectangular array of number/一组数排成矩形阵列，称为矩阵 横的一排称为行（row），竖的一排称为列（column） m行n列的矩阵称m×n矩阵，矩阵中的数aij称为矩阵的元素（element），矩阵A一般简记为(aij ) m×n n×n矩阵也称为n阶方阵，a11 ，a22 ，……ann称为矩阵主对角线的元素 矩阵的运算 数值可以加、减、乘、除，对于矩阵是否有相应的运算呢？ A=(aij)m×n，B=(bij)p×q 矩阵的相等(=) A=B ? aij=bij，for all i and j m=p，n=q 矩阵的加(+) A+B = (aij+bij) m×n m=p，n=q 矩阵的运算 矩阵的减(-) A-B = (aij-bij) m×n m=p，n=q 矩阵的数乘（multiply a matrix by a number） kA = (kaij) m×n 矩阵的运算 矩阵的乘(×) p=n AB是m×q矩阵 n AB = (Σaikbkj) m×q i=1 此时BA没有定义，即使BA有定义，一般情况下BA也不等于AB，甚至行数和列数也不同 矩阵的运算 例如 又如 矩阵的运算 矩阵乘法的应用例子 2x1 – x2 + 5x3 + x4 = 20 x1 + 5x2 + 4x3 + 5x4 = 30 3x1 + x2 - 6x3 + 2x4 = 20 可写为 AX = b 矩阵的运算 矩阵的除法没有定义 矩阵的运算律 A + B = B + A (A + B) + C = A + (B + C) A(B + C) = AB + AC A(BC) = (AB)C 矩阵的转置（Transpose Operation） AT or A’ 几种特殊的矩阵 在数的运算中，有两个特殊的数0和1，那么在矩阵的运算中是否也有类似作用的矩阵呢？ 单位阵（Identity Matrix） 一般用 I 或 E 表示 是方阵（m=n），对角线元素为1，其余为0 对任意矩阵A，有 A I = A = I A 几种特殊的矩阵 零阵（Null Matrix） 一般用 O 表示 是方阵（m=n），所有元素为0 对任意矩阵A，有A+O=A，A–A=O，OA=O=AO 几种特殊的矩阵 对角阵 一般用 D 表示 是方阵（m=n），对角线以外的元素都为0 数量矩阵：对角线元素相同的对角阵 上三角形矩阵：对角线下方元素都为0的方阵 下三角形矩阵：对角线上方元素都为0的方阵 几种特殊的矩阵 分块矩阵、子阵（submatrix） 向量（Vector）的概念 只有1行或1列的矩阵一般称为向量，按行排列称为行向量（row vector），按列排列称列向量（column vector），矩阵的行（列）也可称行（列）向量 向量的元素个数称为向量的维数 为了表示方便，列向量用行向量的转置来表示 元素均为0的向量称为0向量（null vector） 向量（Vector）的概念 向量的线性相关（linearly dependent）与线性无关（ linearly independent ） 对于一组向量x1, x2, ……, xm，如果存在一组不全为0的数c1, c2, ……, cm，使得 c1x1 + c2x2 + …… + cmxm = 0，则称这组向量线性相关；否则称这组向量线性无关 例如， x1= [ 1，1，1]， x2= [ 0，1，1]，x3= [ 2，5，5]，由于 x3= 2x1+3x2，称x1, x2, x3是线性相关的 几个性质 包含0向量的向量组一定线性相关 向量组中如果有两个向量相等，则向量组线性相关 如果某向量组线性相关，则再添加若干向量后的向量组仍线性相关；如果某向量组线性无关，则其中部分向量组成的向量组必定线性无关 向量（Vector）的概念 向量组的秩（Rank） 向量组中线性无关的向量的最大个数称为该向量组的秩 例如，向量组x1= [ 1, 1, 1]，x2= [ 0, 1, 1]，x3= [ 2, 5, 5]，由于x1, x2, x3是线性相关的，而x1, x2是线性无关的，因此该向量组的秩为2 基向量（basis） 向量组中的线性无关的一个