二矩阵求逆矩阵:
若ad-bc≠哦,则:
矩阵求逆,即求矩阵的逆矩阵。矩阵是线性代数的上要内容,很多实际问题用矩阵的思想去解既简单又快捷。逆矩阵又是矩阵理论的很重要的内容,逆矩阵的求法自然也就成为线性代数研究的主要内容之一。
设A是数域上的一个n阶方阵,若在相同数域上存在另一个n阶矩B,使得: AB=BA=E。 则我们称B是A的逆矩阵,而A则被称为可逆矩阵。其中,E为单位矩阵。
典型的矩阵求逆方法有:利用定义求逆矩阵、初等变换法、伴随阵法、恒等变形法等。
求元索为具体数字的矩阵的逆矩阵,常用初等变换法‘如果A可逆,则A’可通过初等变换,化为单位矩阵 I ,即存在初等矩阵使 :
比较(1)、(2)两式,可以看到当A通过初等变换化为单位处阵的同时,对单位矩阵I作同样的初等变换,就化为A的逆矩阵 。
扩展资料:
线性(linear)指量与量之间按比例、成直线的关系,在数学上可以理解为一阶导数为常数的函数。
非线性(non-linear)则指不按比例、不成直线的关系,一阶导数不为常数。
线性代数起源于对二维和三维直角坐标系的研究。在这里,一个向量是一个有方向的线段,由长度和方向同时表示。这样向量可以用来表示物理量,比如力,也可以和标量做加法和乘法。这就是实数向量空间的第一个例子。
现代线性代数已经扩展到研究任意或无限维空间。一个维数为 n 的向量空间叫做n 维空间。在二维和三维空间中大多数有用的结论可以扩展到这些高维空间。尽管许多人不容易想象n 维空间中的向量,这样的向量(即n 元组)用来表示数据非常有效。
由于作为 n 元组,向量是n 个元素的“有序”列表,大多数人可以在这种框架中有效地概括和操纵数据。比如,在经济学中可以使用 8 维向量来表示 8 个国家的国民生产总值(GNP)。当所有国家的顺序排定之后,比如(中国、美国、英国、法国、德国、西班牙、印度、澳大利亚),可以使用向量(v1,v2,v3,v4,v5,v6,v7,v8)显示这些国家某一年各自的 GNP。
这里,每个国家的 GNP 都在各自的位置上。
作为证明定理而使用的纯抽象概念,向量空间(线性空间)属于抽象代数的一部分,而且已经非常好地融入了这个领域。一些显著的例子有:不可逆线性映射或矩阵的群,向量空间的线性映射的环。线性代数也在数学分析中扮演重要角色,特别在 向量分析中描述高阶导数,研究张量积和可交换映射等领域。
参考资料: