第1个回答 2007-11-19
矩阵运算
给出 m×n 矩阵 A 和 B,可定义它们的和 A + B 为一 m×n 矩阵,等 i,j 项为 (A + B)[i, j] = A[i, j] + B[i, j]。举例:
另类加法可见于矩阵加法.
若给出一矩阵 A 及一数字 c,可定义标量积 cA,其中 (cA)[i, j] = cA[i, j]。 例如
这两种运算令 M(m, n, R) 成为一实数线性空间,维数是mn.
若一矩阵的列数与另一矩阵的行数相等,则可定义这两个矩阵的乘积。如 A 是 m×n 矩阵和 B 是 n×p矩阵,它们是乘积 AB 是一个 m×p 矩阵,其中
(AB)[i, j] = A[i, 1] * B[1, j] + A[i, 2] * B[2, j] + ... + A[i, n] * B[n, j] 对所有 i 及 j。
例如
此乘法有如下性质:
(AB)C = A(BC) 对所有 k×m 矩阵 A, m×n 矩阵 B 及 n×p 矩阵 C ("结合律").
(A + B)C = AC + BC 对所有 m×n 矩阵 A 及 B 和 n×k 矩阵 C ("分配律")。
C(A + B) = CA + CB 对所有 m×n 矩阵 A 及 B 和 k×m 矩阵 C ("分配律")。
要注意的是:可置换性不一定成立,即有矩阵 A 及 B 使得 AB ≠ BA。
对其他特殊乘法,见矩阵乘法。
线性变换,秩,转置
矩阵是线性变换的便利表达法,皆因矩阵乘法与及线性变换的合成有以下的连系:
以 Rn 表示 n×1 矩阵(即长度为n的矢量)。对每个线性变换 f : Rn -> Rm 都存在唯一 m×n 矩阵 A 使得 f(x) = Ax 对所有 x ∈ Rn。 这矩阵 A "代表了" 线性变换 f。 今另有 k×m 矩阵 B 代表线性变换 g : Rm -> Rk,则矩阵积 BA 代表了线性变换 g o f。
矩阵 A 代表的线性代数的映像的维数称为 A 的矩阵秩。矩阵秩亦是 A 的行(或列)生成空间的维数。
m×n矩阵 A 的转置是由行列交换角式生成的 n×m 矩阵 Atr (亦纪作 AT 或 tA),即 Atr[i, j] = A[j, i] 对所有 i and j。若 A 代表某一线性变换则 Atr 表示其对偶算子。转置有以下特性:
(A + B)tr = Atr + Btr,(AB)tr = BtrAtr。