Chapter 1 矩陣 1-1 聯立方程式 1-2 矩陣的定義 1-3 矩陣的運算 1-4 基本列運算 1-5 反矩陣 1-6 行列式
1-1 聯立方程式 m個線性方程式、n個變數x1,x2,…,xn所構成的系統 (1-1) 1-1 聯立方程式 m個線性方程式、n個變數x1,x2,…,xn所構成的系統 (1-1) 稱為線性系統(linear system)或聯立線性方程式。若x1 = s1, x2 = s2,……, xn = sn能滿足聯立方程式(1-1)時,我們稱(s1, s2,…, sn)為聯立方程式(1-1)的解。
Example 1 聯立方程式可能有解(一個解或是無限多個解),亦可能無解。 利用消去法(method of elimination)解聯立方程式,其利用方程式乘以適當實數後加到另外一個方程式上,以消去某個變數。 解聯立方程式:
Ex. 1 answer 式(1) × -3 +式(2) 式(1) × -4+式(3) 式(2) × (-6/5) +式(3)
Ex. 1 answer 式(2) × (1/5) +式(3) ×(5/2) 式(2) +式(1) x3=10代入式(1)與式(2): 得x1=-4 x2 = 2
Ex. 2 解聯立方程式
Ex. 2 answer 式(1) × (-2) +式(2) 式(2)÷3x2=x3-4 代入式(1) 則聯立方程式可寫為: (無限多組解)
Ex. 3 解聯立方程式 式(1) × (-2) +式(2) (無解)
1-2 矩陣的定義 1-1 由 mn 個實數所構成的 m 列(row) n 行(column)長方形數列,稱為 m n 階(order)矩陣(matrix) A。 (1-2)
1-2 矩陣的定義 1-1 為簡便計,m n 矩陣常以符號 A = [aij]mn,或更 簡單的[aij]來表示。在矩陣 A 中第 i 列、第 j 行位 置的 aij 稱為矩陣 A 的(i, j)元素(element, or entry)。
矩陣的應用 矩陣除了數學、物理、工程、經濟或管理應用外,目標活動裡的一些數據,亦可利用矩陣符號表示之。例如某工廠生產A、B、C、D、E產品,以連續四天出貨數量,可以下式表示之:
1-2 矩陣的定義 下面介紹幾種具有特殊型態的矩陣。設A為 m n 矩陣: 1-2 矩陣的定義 下面介紹幾種具有特殊型態的矩陣。設A為 m n 矩陣: 若m = 1,矩陣 A 只有一列,稱為列矩陣(row matrix)或列向量(row vector),如 A = [3, 2, 1]。若 n = 1 時,則稱 A 為行矩陣(column matrix)或行向量(column vector)。
1-2 矩陣的定義 當 m = n 時,矩陣 A 稱為 n 階方陣(square matrix of order n)。其中對角線元素a11, a22, ……, ann 構成主對角線(main diagonal)。 若 n 階方陣中,對角線之外的元素皆為0,即aij = 0,當 i j ,則稱此矩陣為對角矩陣(diagonal matrix)。
1-2 矩陣的定義 若對角矩陣 A 中對角線元素皆為1,則稱 A 為單位矩陣(identity matrix)。通常以符號 In 表之。 1-2 矩陣的定義 若對角矩陣 A 中對角線元素皆為1,則稱 A 為單位矩陣(identity matrix)。通常以符號 In 表之。 若對角矩陣 A 中,對角線元素皆相等,即 aii = c, i = 1,…, n,則稱矩陣 A 為純量矩陣(scalar matrix)。
1-2 矩陣的定義 若 n 階方陣 A 中,aij = 0,當 i > j 時,則 A 稱為上三角矩陣(upper triangular matrix)。
1-2 矩陣的定義 若 aij = 0,當 i < j 時,則稱 A 為下三角矩陣(lower triangular matrix),例如 不論是上三角矩陣或下三角矩陣,均通稱為三角矩陣(triangular matrix)。 元素皆為 0 的矩陣稱為零矩陣(zero matrix),以符號 O 或 Om n 表之。
1-3 矩陣的運算 1-2 若矩陣 A = [aij] 與矩陣 B = [bij] 皆為 m n 矩陣,且aij = bij ,1 i m, 1 j n ,則稱矩陣 A 和矩陣 B 相等(equal)。並寫成 A = B。
1-3 矩陣的運算 加法運算(matrix addition) 1-3 矩陣的運算 1-3 加法運算(matrix addition) 若 A = [aij], B = [bij] 皆為 m n 矩陣,則 A 與 B的和(sum) C = [cij] 亦為 m n 矩陣,且 即 C 是一個由 A 與 B 中相對應的元素相加而得的 m n 矩陣,或寫成 C = A + B。
Ex. 4 2×2 3×2
1-3 矩陣的運算 乘法運算(matrix multiplication) 1-3 矩陣的運算 1-4 乘法運算(matrix multiplication) 若 A = [aij] 為 m n 矩陣,B = [bij] 為 n p 矩陣,則 A 和 B 的乘積(product) C = [cij] 為 m p 矩陣,其中
1-3 矩陣的運算 若以符號表示,可寫成 C = AB 第 j 行
Ex. 5 為(2×3)×(3×3)=( 2×3)矩陣,若將A、B相乘次序顛倒,則得:
Ex.6
Ex. 7 故一般而言,AB≠BA
矩陣加法性質 設 A、B、C、O 為同階矩陣,則 (1) A + B = B + A 交換律(commutative property) 1-1 矩陣加法性質 設 A、B、C、O 為同階矩陣,則 (1) A + B = B + A 交換律(commutative property) (2) A + (B + C) = (A + B) + C 結合律(associative property) (3) A + O = O + A = A 同一律(identity property) ,這裡零矩陣O所扮演的角色正與實數中的零一樣。
Ex.8 則A+(B+C)=(A+B)+C
設A、B、C為三個矩陣,並設其加法與乘法的運算均能符合定義要求。 1-2 矩陣乘法性質 設A、B、C為三個矩陣,並設其加法與乘法的運算均能符合定義要求。 (1) A(BC) = (AB)C 結合律 (2) A(B + C) = AB + AC (A + B)C = AC + BC 分配律(distributive property) (3)若 A 為 m n 矩陣,則 AIn = Im A = A 這裡單位矩陣在矩陣乘法運算中所扮演的角色與實數中的 1 相同。
Ex. 9 加法法則亦是一致
Ex. 10
Ex. 11
1-5 若以一實數 r 乘以矩陣 A = [aij],則矩陣 rA 可由 A 中每一元素乘以 r 而得。這種運算,稱之為純量乘法運算(scalar multiplication)。 設 A = [aij] 為 m n 矩陣,則矩陣 AT = [aji] 為 n m 矩陣,稱為 A 的轉置矩陣(transpose of A)。 1-6
Ex. 12
純量乘法性質 設 r、s 為實數,A、B 為同階矩陣,則 1-3 純量乘法性質 設 r、s 為實數,A、B 為同階矩陣,則 (1) r (sA) = (rs)A ------- 結合律 (2) (r + s) A = rA + sA --------分配律 (3) r (A + B) = rA + rB (4) A (rB) = r (AB) = (rA) B (5) oA = O (6) rO = O 注意,此處o是實數,而O是零矩陣,當r=-1時,(-1)A可寫成-A,稱為A的負矩陣,故矩陣減法運算,A-B=A+(-B)
Ex. 13
Ex. 14
矩陣轉置性質 設 r 為一實數,A、B 為矩陣,則 (1) (AT)T = A (2) (A + B)T = AT + BT 1-4 矩陣轉置性質 設 r 為一實數,A、B 為矩陣,則 (1) (AT)T = A (2) (A + B)T = AT + BT (3) (AB)T = BTAT (4) (rA)T = rAT
Ex. 16
設 AT = A,則矩陣 A 稱為對稱矩陣(symmetric matrix)。 值得注意的是,對稱矩陣必為一方陣,且aij = aji。 1-7 設 AT = A,則矩陣 A 稱為對稱矩陣(symmetric matrix)。 值得注意的是,對稱矩陣必為一方陣,且aij = aji。
1-4 基本列運算 聯立方程式(1-1)若以矩陣符號表示,則可寫成 AX = b (1-3) 其中 1-4 基本列運算 聯立方程式(1-1)若以矩陣符號表示,則可寫成 AX = b (1-3) 其中 稱為係數矩陣(coefficient matrix)。
Ex. 17 對角矩陣必為對稱矩陣。
1-4 基本列運算 X = [x1, x2, ……xn ]T 為 n 1 矩陣,而 b = [b1, b2, …… bn]T 為 m 1 矩陣,又 稱為擴張矩陣(augmented matrix)。 實際上,消去法就是在擴張矩陣上,施以一連串的列運算,這些運算可區分為三種。
對於一個矩陣,可用下列三種不同的列運算,稱為基本列運算(elementary row operations)。 1-8 對於一個矩陣,可用下列三種不同的列運算,稱為基本列運算(elementary row operations)。 (1)交換矩陣中的第 r 列與第 s 列(以符號 Rr Rs 表之)。 (2)將矩陣中的第 r 列乘以一不為零的實數 c (以符 號 cRr 表之)。 (3)將矩陣中的第 r 列乘以一不為零的實數 c 後, 再加到第 s 列上(以符號 cRr + Rs 表之)。
若矩陣 A,經過一連串的基本列運算後變成矩陣 B,則稱矩陣 A 和 B 為列同義(row equivalent)。可寫成 A ~ B。 1-9 若矩陣 A,經過一連串的基本列運算後變成矩陣 B,則稱矩陣 A 和 B 為列同義(row equivalent)。可寫成 A ~ B。
Ex. 18 Ex. 1中聯立方程式之擴張矩陣為: Ex. 1消去法求解過程,若以基本列運算表示,寫為:
Ex. 18
Ex. 18
若矩陣滿足下列的條件,則稱為簡化列梯形矩陣。 1-10 若矩陣滿足下列的條件,則稱為簡化列梯形矩陣。 (1)任何一列的第一個不為零元素必須是1,而且含有此元素 1 的這一行,其他元素必須為零。 (2)每一列第一個不為零的元素,必須位於前一列第一個不為零元素的右側。 (3)若有某列之元素全部為零,則此列必位於矩陣的最下端。
Ex. 19
1-11 若 A 為 m n 矩陣,矩陣 C 為 A 經過一連串基本列運算後所得之簡化列梯形矩陣,則 C 中不全為零的列的個數,稱為矩陣A 的秩(rank),以 r (A)表示。
Ex. 20 Ex. 1中矩陣 之秩等於3, 因為簡化列梯形矩陣不全為零的列有三個,而r(A)亦等於3。
習作解答
習作解答
習作解答 (1)任何一列的第一個不為零元素必須是1,而且含有此元素 1 的這一行,其他元素必須為零。 (2)每一列第一個不為零的元素,必須位於前一列第一個不為零元素的右側。 (3)若有某列之元素全部為零,則此列必位於矩陣的最下端。
考慮聯立方程式 AX = b,A 為 m n 矩陣, 1-5 考慮聯立方程式 AX = b,A 為 m n 矩陣, (1)若 r (A) = r ([A b]) = n 則 AX = b有唯一解 (2)若 r (A) = r ([A b]) < n 則 AX = b有無限多解 (3)若 r (A) < r ([A b]),則 AX = b 無解 在解聯立方程式 AX = b 時,進行一連串的基本列運算,將 [A b] 轉換成與其列同義的矩陣[C d] 或 CX = d,因此 AX = b 與 CX = d 具有相同的解。
Ex. 21 解聯立方程式 x1+2x2+4x3=6 x2+2x3=3 x1+x2+2x3=1 解其擴張矩陣為:
Ex. 21 由定理1-5與r(A)=2<3=r([Ab]),得知此聯立方程式無解。又最後的簡化列梯形矩陣所對應之聯立方程式為: 第3個方程式為矛盾方程式,故無解。 1x1+ 0 x2+ 0 x3=0 0x1+1 x2+2 x3=3 0x1+ 0 x2+ 0 x3=1
Ex. 23 解聯立方程式 解:
Ex. 23 若聯立方程式(1-3)中的 b 為零向量,即 b = 0, AX = 0 (1-4) 為齊次線性聯立方程式(homogeneous system of linear equations)。 若 b 0,則稱(1-3)為非齊次線性聯立方程式(nonhomogeneous system of linear equations),顯然 x1 = 0, x2 = 0, ……, xn = 0 必為(1-4)的解,稱之為自然解(trivial solution)。
Ex. 23 聯立方程式
Ex. 24 解聯立方程式:
設 A 為 m n 矩陣。若 m < n,則齊次線性聯立方程式 AX = 0必有無限多解。 1-6 設 A 為 m n 矩陣。若 m < n,則齊次線性聯立方程式 AX = 0必有無限多解。
1-5 反矩陣 首先考慮聯立方程式 假設有一矩陣 B,可使得 BA = In,則在 AX = b 兩邊的前端同時乘以 B,可得 1-5 反矩陣 首先考慮聯立方程式 AX = b,A 為 n 階方陣。 假設有一矩陣 B,可使得 BA = In,則在 AX = b 兩邊的前端同時乘以 B,可得 BAX = Bb InX = Bb 或 X = Bb 換言之,聯立方程式 AX = b 的解即為 X = Bb。對於這個 B 矩陣,稱它為 A 的反矩陣。
1-12 設 A 為一 n 階方陣。若存在一 n 階方陣 B,使得AB = BA = In,則稱 A 為非奇異矩陣(nonsingular matrix)或可逆矩陣(invertible matrix),並稱 B 為 A 的反矩陣。 反之,若沒有這種B矩陣的存在,則稱 A 為奇異矩陣(singular matrix)或不可逆矩陣(noninvertible matrix)。
因此 B = BIn = B(AC) = (BA)C = InC = C。 習慣上,可用符號 A1 表示 A 的反矩陣。 1-7 若矩陣 A 有反矩陣,則僅有一個反矩陣。 證明:設 B 與 C 皆為 A 的反矩陣,則 BA = AB = In CA = AC = In 因此 B = BIn = B(AC) = (BA)C = InC = C。 習慣上,可用符號 A1 表示 A 的反矩陣。 即 AA1 = A1 A = In
Ex. 25
Ex. 26 利用Ex. 25的結果,解聯立方程式 x1+2x2=0 4x1+9x2=1 解:若以矩陣表示,可寫成:
若 A 為一 n 階非奇異矩陣,則 A ~ In;反之,若 A ~ In,則 A 必為非奇異矩陣。 矩陣 A 與 A1 應滿足關係式 1-8 若 A 為一 n 階非奇異矩陣,則 A ~ In;反之,若 A ~ In,則 A 必為非奇異矩陣。 矩陣 A 與 A1 應滿足關係式 AA1 = In (1-5) 若將 A1 及 I 分別用行向量表示成 [X1,……,Xn] 及 [E1,……,En]
其中 則(1-5)式可改寫成 AX1 = E1,……, AXn = En (1-6)
也就是 X1, X2, ……, Xn 分別是下列 n 組聯立方程式的解 AX= E1, AX = E2, ……, AX = En (1-7) 這 n 個聯立方程式的擴張矩陣為 [A E1], [A E2], …… , [A En] (1-8) 若利用基本列運算和定理1-8及(1-6),可將(1-8)化成列同義的擴張矩陣 [In X1], [In X2],~…… ,[In Xn] (1-9)
今將(1-8)與(1-9)中各矩陣,以更精簡符號表示,可得 [A In] ~ [In A1] (1-10) 因此,若能利用基本列運算將矩陣 [A In] 轉換成 [In B] 的型式,則 B 必為 A 的反矩陣。
Ex. 27 在Ex. 25中, ,試求A-1。
Ex. 28 R1+R3
Ex. 28 (-9)R2+R3 (-1)R3+R2
1-9 (1)若 A 為非奇異矩陣,則 A1 亦為非奇異矩陣, 且(A1) 1 = A。 (2)若 A,B 皆為非奇異矩陣,則 AB 亦為非奇異矩陣,且(AB) 1 = B 1A 1 。 (3)若 A 為非奇異矩陣,則 AT 亦為非奇異矩陣,且(AT) 1 = (A1) T。
Ex. 29
Ex. 29 (Another method)
Ex. 29
1.6 行列式 若 為一 n 階方陣,則其行列式為一實數,記為 |A| 或det(A)。
1-13 (1)若 A 為一階方陣,即 A = [a11],則定義 |A| = a11。 (2)若 A 為二階方陣,即 ,則定義 |A| = a11a22 a12a21。
1-14 若 A = [aij] 為 n 階方陣,令 Mij 為 A 中除去第 i 列及第 j 行後的 n1 階子矩陣,則子矩陣 Mij 的行列式 |Mij| 稱為元素 aij 的子行列式(minor)。而 Aij = (1)i + j |Mij| 則稱為 aij 的餘因式(cofactor)。 Mij
若 A = [aij] 為 n 階方陣,則行列式 (1-11) 1-15 若 A = [aij] 為 n 階方陣,則行列式 (1-11) 定義1-15中的行列式 |A|,可視為依第 i 列將 n1 階餘因式展開的結果。亦即,先固定某一列 i,對第 i列中元素求取對應之 Aij , j = 1,2 …, n,乘上 aij後再加總起來。當然也可以先固定某一行 j,對第 j 行中各元素求取 Aij,乘以 aij 後,再依 i = 1, ……, n 相加起來。故 (1-12)
Ex. 30 故藉由列或行的展開,即公式(1-11)或(1-12),求得的|A|都完全 一樣。
Ex. 31
設 A = [aij] 為 n 階方陣。 (1)若 A 中某一行或某一列的元素全為零,則 |A| = 0。 1-10 設 A = [aij] 為 n 階方陣。 (1)若 A 中某一行或某一列的元素全為零,則 |A| = 0。 (2)若 A 中有兩行或兩列的元素完全相同,則 |A| = 0。 (3)若 A 為三角矩陣,則 |A| = a11a22 ……ann。 (4)若將 A 的某兩列(或行)相互對調而得矩陣 B,則 |B| = |A|。
1-10 (5)若 A 中某一列(或行)乘上實數 c 後而得矩陣 B,則 |B| = c |A|。 (6)若 A 中某一列(或行)乘以實數 c 後,加到另一列(或行)上,而成矩陣 B 時,則 |B| = |A|。 (7)若 B 亦為 n 階方陣,則 |AB| = |A||B|。 (8) |AT| = |A|。 (9)若A為非奇異矩陣,則|A| 0,且 。 上述定理的結論(9),可由(3)(7)及 A1A = In 而得。
若 A = [aij] 為 n 階方陣,則 當 i k 時, 當 j k 時, 1-11 若 A = [aij] 為 n 階方陣,則 當 i k 時, ai1 Ak1 + ai 2 Ak2 + …… + ain Akn = 0 (1-13) 當 j k 時, a1j A1k + a2j A2k + …… + anj Ank = 0 (1-14)
1-16 若 A = [aij] 為 n 階方陣,則矩陣 adj A = [Aij]T 稱為 A 的伴隨矩陣(adjoint matrix of A)。 伴隨矩陣 adj A 可以用來求 A 的反矩陣。
若 A 為 n 階方陣,|A| 0,則 A 為非奇異矩陣,且 1-12 若 A 為 n 階方陣,|A| 0,則 A 為非奇異矩陣,且 若 A 為 n 階方陣,則齊次線性聯立方程式 AX = 0 有不為零的解之充要條件是 |A| = 0。 1-13
1-14 Cramer’s rule 設有聯立方程式
且係數矩陣 A = [aij] 的行列式 |A| 0,則此聯立方程 式有唯一解,其解為 其中 即 Ai 為 A 中的第 i 行以行向量 b = [b1, b2 ,……,bn]T 取 代後的矩陣。