Cours - Matrice Chinois

Machine Translated by Google
矩陣計算課程
揚·莫雷
2001年5月
快樂的
1. 概述 1
1.1 定義。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 1
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 1

1.2 例子。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 2

1.3 基本操作。。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 2

1.3.1 平等
1.3.2 總和。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 2
。。。。。。。。。。。。。。。。。。。。。。。 2

1.3.3 標量乘法。
1.3.4 乘法。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3
1.3.5 矩陣轉置。。
。。。。。。。。。。。。。。。。。。。。。。。。3
1.3.6 推導。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4

1.3.7 集成。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4

1.3.8 跨綴合物。
。。。。。。。。。。。。。。。。。。。。。4

1.3.9 矩陣的跡A(m×n) = (aij )
。。。。。。。。。。4
1.3.10 矩陣分解為區塊（或分割）。。
7
2 初等運算，在線性方程中的應用
。。。。。。。。。。。。。。。。。。。。。。7

2.1 縮放矩陣和規範線。
。。。。。。。。。。。。。。。7
2.1.1 轉換到縮放形式的演算法。
2.1.2 從縮放形式傳遞到規範形式的演算法第 8 行
。。。。。。。。。。。。。。。。。。。。。9

2.2 線性方程組和矩陣。
13
3 向量空間
3.1 依賴性和線性獨立性。
。。。。。。。。。。。。。。。。。。。。。。。 13
。。。。。。。。。。。。。。。。。。 14

3.2 線性方程式、矩陣與向量空間
我
4 方陣 17 號
4.1 方陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 17 號
4.2 特殊矩陣。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 17 號
4.2.1 單位矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 17 號
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 17 號

4.2.2 對角矩陣。。
。。。。。。。。。。。。。。。。。。。。 17 號

4.2.3 矩陣的冪和多項式。
。。。。。。。。。。。。。。。。。。 17 號

4.2.4 可逆矩陣或非奇異矩陣。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18

4.2.5 三角矩陣。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18

4.2.6 對稱矩陣。
。。。。。。。。。。。。。。。。。。。。。。。。 18

4.2.7 反對稱矩陣。。。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18

4.2.8 正交矩陣。
4.2.9 正規矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18
4.2.10 埃爾米特矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18
4.2.11 反埃爾米特矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。 19 號
4.2.12 酉矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 19 號
4.2.13 正規矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 19 號
4.3 初等矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 19 號
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 21

4.4 矩陣之間的等價。
。。。。。。。。。。。。。。。。。。。。。 21

4.4.1 兩個矩陣之間的等價。
5 決定因素 25
5.1 屬性。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 25
5.2 應用。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 27
5.2.1 矩陣的逆。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 27
。。。。。。。。。。。。。。 28
5.2.2 線性方程組的求解。
6 矩陣求逆 31
6.1 定義和屬性。。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 31
35
7 矩陣的特徵方程
7.1 定義、屬性。。。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 35
8 個類似模具 39
8.1 定義和屬性。。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 39
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 39

8.2 對角矩陣。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。 40

8.3 實對稱矩陣。
二
43
9 二次形式
9.1 定義和屬性。。。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 43
9.2 二次形式。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 43
49
10 差動系統
10.1 屬性和定義。。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 49
10.2 標量情況。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 49
10.3 矩陣情況。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 49
´
吃
10.4 評估。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 50
10.4.1 數值計算。。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 50
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 50

10.4.2 對角線。
。。。。。。。。。。。。。。。。。。。 50

10.4.3 西爾弗斯特公式的使用。
53
11 一些額外內容
11.1 約旦形式。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 53
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 54

11.2 伴隨矩陣。
三、
1 / 55
章節
1
一般的
1.1 定義
定義 1.1.1。域 K 上的矩陣是標量aij的矩形數組，其形式為：
a11 a12 。。。 a1n
a21
A= , A (m × n) = (aij )
。
。
。
上午 1 點。。。。。。阿姆恩
其中aij ∈ R, C, R λ多項式 in λ....
m 個 n 元組(ai1 . . . ain) i ∈ {1 . 。。 m} 稱為 A 的線。
a1j
。
n m 元組。
。 j ∈ {1。。。 n} 稱為 A 的列。
阿姆吉
(m, n) 對稱為矩陣的維數。
這是一種簡單的形式主義，可以推廣標量的操作（注意：交換性的損失）
並使用單一語言操作標量、向量和表。
1.2 範例
1. 設 f 為幾個變數的實函數 f (x1, ..., xn) (x = (x1 ... xn)) 我們定義

梯度：
∂f = ∂f ∂f
fx = ,.。。,
∂x ∂x1 ∂xn
2 / 55 第一章：概述
偏導數向量的行矩陣。
Hessian或Hessian矩陣定義為：
∂2f
···
∂2x1 ∂2f∂x1∂xn
。。。
Hx = 。
。
。
。
。
。
∂ 2f ∂2f
···
∂xm ∂x1 ∂2xn
二階導數的對稱方陣。
f1 (x1, ..., xn)
。
。
2. 設f為多個變數f (x1, ..., xn)的向量函數。
調頻(x1, ..., xn)
然後我們可以定義雅可比或雅可比矩陣：
∂f1 ∂f1
···
∂x1 ∂xn
。。。
FX = 。
。
。
。
。
。
。
∂fm ∂fm
···
∂x1 ∂xn
1.3 基本操作
´
1.3.1 平等
A = B ⇔ ∀ (i, j) aij = bij 。
1.3.2 總和
A + B = (aij + bij )
A 和 B 具有相同的維度。
1.3.3 標量乘法
kA = (k aij )
`
揚·莫雷爾
1.3 基本操作 3 / 55
1.3.4 乘法
A (m × p) = (aik) B (p × n) = (bkj )
A·B (m × n) = (cij )
與cij = PK=1 aikbkj 。
特性：
(AB) C = A (CB) A (B + C)
= AB + AC 和 (A + B) C = AC + BC k (AB) = (kA) B = A (kB) A0 = 0A = 0 零
是零矩陣顯然AB = BA 如果m = n = 1，
則乘積的結果是標量如果p = 1，則乘積是滿矩陣m × n
1.3.5 矩陣轉置
時間
有 =A
A 的行是AT的列。
時間
a11 a12 。。。 a1n a11 a21 。。。 1米
。。。。
。。。。
a21 。。在12 。。
= 。
。。。。。。
。。。。。。
。。。。。。
上午 1 點。。。。。。阿姆恩 a1n 。。。
。。。阿姆恩
T T
= a ij 與ij
A(m×n) = (aij ) → AT (n×m) =阿吉。
對於向量：
x1
時間
。
= 。
(x1 ... xn) 。
xn
特性：
時間
(A + B) AT = AT + BT
時間
=A
時間
（AB） = BTAT
時間
（千安） = kAT
矩陣計算課程
4 / 55 第一章：概述
1.3.6 推導
A(m×n) = (aij ) 其中aij取決於 α。

dA (α) = daij (α) dα
A(α) = (aij (α)) dα
1.3.7 集成
α2 α2
A (α) dα = aij (α) dα

α1 α1
1.3.8 跨綴合物
如果 A 是在對 C 進行運算的域中定義的矩陣：
H 時間
有 =A 轉置共軛體，
T H H與
= a ij = a ij ij
其中A(m×n) = (aij ), A(m×n) = (aij ) 和AH(米×n) = aij .
特性：
H
(A + B) H啊 = AH + BH
=A
時間 H
啊 = AT =A
1.3.9 矩陣的跡A(m×n) = (aij )
分鐘 (m,n)
軌跡 (A) = 艾伊
我=1
屬性：跡線
(αA + βB) = α跡線 (A) + β跡線 (B) 跡線AT = 跡線 (A)
跡線AH = 跡線 (A)
1.3.10 矩陣分解為區塊（或分區）
我我
A(m×n) = Aij(m×n)其中 i=1 mi = m 且 i=1 ni = n 當矩陣
包含空塊。
12|35 1 |2|35
34|22 3|4|22
=
‑|‑|－－
－－－－－
11 |02 1 |1|02
`
揚·莫雷爾
1.3 基本操作 5 / 55
大分區範例：
A(m×n) = (aij ) = (a1, a2, . . . , an)其中ai列為
α1
。
A= 。
。 , A j的αT線
轉置在向量是列矩陣的意義上很有用，因此行是協向量且
α1
× b1 α 時間
1
× b2 。。。 αT1 × bn
。。。。
。。。。時間
A(m×p) · B(p×n) = 。。。。
我北京
Tαm
× b1 α 時間
米
× b2 。。。 αT
米
×十億
=α
如果我們有 2 個矩陣 A 和 B 進行分區以使總和和乘積有意義，則這一點很有趣：
A = (Aij ), B = (Bij ) A + B = (Aij + Bij ) C = AB = B 的線

ν
k=1 AikBkj其中 ν 為 A 行中的區塊數和中的區塊數
例子：
3 －2 0 0
12000
2400
34000
A(4×5) = , B(5×4) = 001 2
00512
0 0 2 －1
00341
0 0 －4 1
12 3 －2
0(2×2)
7600
34 24
17 2 0 0
=
AB(4×4) = 1 2
512 0 0 －1 11
0(2×2)
2 －1
341 0073
－4 1
分鐘(4.5) min(4.5)
軌跡 (A) = 我=1
aii = 1 + 4 + 5 + 4 = 14，跡線 (B) = 我=1 aii = 3 + 4 + 1 － 1 = 7
矩陣計算課程
6 / 55 第一章：概述
3 －2 12
0(2×2)
24 34
AB(5×5) = 12
512
0(2×2) 2 －1
341
－4 1
－3 －2 0 0 0
14 20 0 0 0
AB(5×5) = 00 11 －9 4
00 7 －2 3
0 0 －17 0 －7
證明如果 A 有零線，則 AB 也有零線：
α1 時間
β1
。。
A(m×p) = (a1, . . . , ap) = 。

。
。
。
時間
Tαm β米
B(p×n) = (b1, . . . , bn) =
時間
設α 我
A 的零線，然後是 AB 的第線
αi
b1, . 。。 , αT × bn = (0, . . . , 0) ×
我
類似地，如果 B 具有零列，則 AB 具有零列。
設bj為B的零列，AB的第j列為：
α1
× bj 0
。。
。。
。。
α 0
米
× bj =
`
揚·莫雷爾
7 / 55
章節 2
初等運算，在線性方程式中的應用
2.1 縮放矩陣與規範線
如果可以透過執行有限數量的基本運算從 A 得到 B，則稱矩陣 A 與矩陣 B (A B) 線等價： (E1): ´ 交換第 i 行和第 j
行： α (E2) : 將第i 行乘以非零標量k: kαT (k = 0) (E3): 將第 i 行替換為 k 乘以第
時間 T
↔αj
j 行加上第 i 行 line: kαT可以分組一步驟 (E) ：將第i 行替換為我
T
→αi
k 乘以第j 行加上k 乘以第i 行： k α 我
T T
j +α 我
→ α i que
時間 T
j +kαT 我
→αi
若滿足下列條件，則稱矩陣已縮放（採用縮放形式）：
1.所有零行都在矩陣的底部
時間
2. 每個區分元素（行α的第一個非零元素 ) 在右邊
與前一行不同的元素
01203
123 013004
00230
001 , , 0 0 0 1 0 －2
00011
000 00001 1
00001
如果滿足下列條件，則縮放矩陣 A 稱為規範行形式：
1.每個區分元素等於1
2. 每個區分元素是其整列中唯一的非零元素
2.1.1 轉換到縮放形式的演算法
A = (aij ) 任意矩陣
8 / 55 第 2 章：初等運算，在線性方程式中的應用
1. 稱j1為包含非零元素的第一列
´
re
2. 交換行，使第一個不為 0 的元素位於第一列(a1j1 = 0) 線，jme 我
3. 以a1j1為主元來取得a1j1下的零，即： for i > 1 apply

時間時間愛傑1 時間 T T
(E): －aij1α 1 + a1j1α 我
或‑
a1j1
+αα1我 →αi
4. 再次從由除第一行之外的所有行所組成的子矩陣開始
5. 當矩陣變成縮放形式時停止。
例：
1 2 －3 0
A= 2 4 －2 2
3 6 －4 3
時間 T T 時間時間 T
a11 = 1，主元－2α 1 +α 2 → α2 , －3α + α 1→ α 3 3
1 2 －3 0
A= 0042
0053
時間 T T
a23 = 4，主元－5α 2 +4α 3
→ α3
1 2 －3 0
A= 0042 , 交錯形式。
0002
2.1.2 從縮放形式傳遞到形式的演算法
規範線
A = (aij ) 縮放矩陣a1j1 , a2j2 , . 。。、愛吉尊貴元素
1
1. 將最後一個非零行乘以阿爾傑爾
使元素得以區分
2. 以arjr = 1 作為主元，得到arjr上方的零點，即 for i ∈

時間時間 T
{1，. 。。 , r － 1} 應用： airiα 我
+ α → α ii
時間
3. 在 α 行重複步驟 1 和 2 r－1
T`aα2
T 1
4. 乘以線α 1由阿爾傑爾
例：
`
揚·莫雷爾
2.2 線性方程組與矩陣 9 / 55
1 2 －3 0 1 2 －3 0
時間時間 T
A= 0042 0042 → －2α + α 23 2
0002 0001
～與α
1 2 －3 0 1200
A= 0040 , a23 = 4 新樞軸 →A = 0010
0001 0001
規範形式行。
2.2 線性方程組與矩陣
考慮方程式和 n 個未知數的線性方程組： a11x1 + 。。。 + a1nxn = b1
a21x1 + . 。。 + a2nxn = b2
。
。
。
am1x1 + . 。。 + amnxn = bm
可以用矩陣的方式重寫：
a11 . 。。。
。。 a1n x1 b1
a21 . 。。。
。。 a2n x2 b2
=
。。。。
。。。。
。。。。。。。。。。
上午 1 點。。。。
。。阿姆恩 xn BM
具有A(m×n)係數矩陣、 B(m×1)常數列矩陣、 X(n×1)未知數矩陣。
由線性方程組增廣的矩陣 M 可寫成：
a11 . 。。。。。 b1
a21 . 。。。。。 b2
米=
。。
。。
。。。。。。。。
上午 1 點。。。阿姆恩· BM
求解線性方程組相當於使用增廣矩陣 M 並將其簡化為縮放形式（允許我們判斷系統是否一致），然後將其簡化為規範線
形式（給出解）。
矩陣計算課程
10 / 55
第 2 章：初等運算，在線性方程式中的應用
1. 當且僅當 M 的縮放形式不包含 b = 0 的直線 (0, 0, ..., 0, b) 時，系統承認有解（返回簡併方程式 0x1 + . +

0xn = b ) 2 . 在增廣矩陣的規範行形式中（零行除外），每個區分元素是系統中對應的主要未知數的係數。
常量變數是自由變數。
定理2.2.1。方程組要嘛有一個解，要嘛有無窮大（一致系統），要嘛沒有（不一致系統）。
範例1：
x + y － 2z + 4t = 5 1 1 －2 4 5 1 1 －2 4 5
因此我們有 M = 2 2 －3 1 3 0 0 1 －7 －7
2x + 2y + －3z + t = 3
3x + 3y － 4z － 2t = 1 3 3 －4 －2 1 0 0 2 －14 －14
～
1 1 －2 4 5
1 1 0 －10 －9
那麼M = 0 0 1 －7 －7 , 自由變數是 y 和 t，
0 0 1 －7 －7
000 00
～
主要未知數：
x = －y + 10t － 9
z = 7t － 7
範例2：
x1 + x2 － 2x3 + 3x4 = 4
+ 3x2 + 3x3 － x4 = 3 得出： 2x1
5x1 + 7x2 + 4x3 + x4 = 5
1 1 －2 3 4 1 1 －2 3 4 1 1 －2 3 4
米= 2 3 3 －1 3 0 1 7 －7 －5 0 1 7 －7 －5 。
574 1 5 0 2 14 －14 －15 0 0 0 0 －5

～～
系統無解。
範例3：
`
揚·莫雷爾
2.2 線性方程組與矩陣 11 / 55
x + 2y + z = 3 1 2 1 3 121 3
2x + 5y + ‑z = ‑4 得出： M = 2 5 －1 －4 0 1 －3 －10
3x － 2y － z = 1 3 －2 －1 5 0 －2 －4 －4
～～
121 3 12 1 3 1200 1002
0 1 －3 －10 0 1 －3 －10 0 1 0 －1 0 1 0 －1
0 0 －28 －84 001 3 0013 0013

M= ～～
給出唯一解：x = 2、y = －1 且 z = 3 或－1 。
矩陣計算課程
13 / 55
章節 3
向量空間
評級：
K 個標量體，a, b, c, k ∈ K（一般為 R 或 C）。

V 向量空間 u, v, w ∈ V。
定義 3.0.1。 K，一個體，V 一個非空集，有兩個定律，+和×乘以一

標量 (u, v, w ∈ V u+v ∈ V,)，V 稱為 K 上的向量空間（其元素稱為
向量），如果以下公理得到驗證：
∀u, v, w ∈ V (u + v) + w = u + (v + w)
∃V 表示 0，稱為零向量，使得 u + 0 = 0 + u = u ∀u ∈ V
∀u ∈ V , 存在 V 的向量 , 表示為－u 使得 u + (－u) = 0
∀u, v ∈ V u + v = v + u （因此 V 是關於和算子的交換空間
+)
∀k ∈ K, ∀ (u, v) ∈ V k (u + v) = ku + kv
∀a, b Î K, ∀u Î V (a + b) u = au + bu
∀a, b Î K, ∀u Î V (ab) u = a (bu)
對於標量單位 1 ∈ K 1u = u ∀u ∈ V
例子：
Rn , C n較一般的Kn （K 體）
Mm,n域 K 上維度為 m × n 的矩陣
P(t) 多項式向量空間。
3.1 相關性和線性無關性
定義 3.1.1。令 V 為域 K 上的向量空間，向量v1, ...。。。 , vm ∈ V 是
線性依賴 K，或依賴（更簡單）
如果∃a1, . 。。 am ∈ K 非零 ,
| a1v1 +····+ amvm = 0，否則它們是獨立的。
定義 3.1.2。一組 S = {u, . 。。 , a}是 V 的底數，如果：

你，. 。。, a是線性獨立的，
14 / 55 第 3 章：向量空間
。。, a產生 V（V 的任何向量都可以寫成以下的線性組合）

你，. S 的元素）
V 被稱為維度為 n 的向量空間。
例：
4 4 =
(1,0,0,0)(0,1,0,0)(0,0,1,0)和(0,0,0,1)形成R 4 的基。明顯且暗淡的R
1,t, t2 , t3 , . 。。 , tn形成Pn (t)的基，且昏暗Pn (t) = n + 1。
´
3.2 線性方程式、矩陣與向量空間
定理3.2.1。以縮放形式表示的矩陣的非零行是線性無關的。
矩陣的秩：
定義 3.2.1。行秩 = 線性獨立行的最大數量，
列中的行 = 線性獨立列的最大數量。
定理3.2.2。 A(m×n)的行秩=列秩。
為了確定矩陣的秩，我們可以使用其縮放形式。
例：
1 2 0 －1 1 2 0 －1 1 2 0 －1
A= 2 6 ‑3 ‑3 0 2 －3 －1 0 2 －3 －1 , 我們有兩條線
3 10 ‑6 ‑5 0 4 －6 －2 000 0
～～
與 0 不同，因此rankA = 2。
我們從：
a11x1 + . 。。 + a1nxn = b1
a21x1 + . 。。 + a2nxn = b2
。
。
。
am1x1 + . 。。 + amnxn = bm
`
揚·莫雷爾
´
3.2 線性方程式、矩陣與向量空間 15 / 55
a11 . 。。。。。 a1n
a21 . 。。。。。 a2n
AX = B 且 A = 和增廣矩陣
。。
。。
。。。。。。。。
上午 1 點。。。。。。阿姆恩
b1
a11 . 。。。。。
b2
a21 . 。。。。。
M = (A, B) = 。
。。
。。
。。。。。。。。
上午 1 點。。。阿姆恩· BM
定理3.2.3。這三個屬性是等價的：
1. AX = B 承認有解，
2. B是A的列的線性組合
3. 矩陣A和增廣矩陣(A,B)具有相同的秩
如果rank(A)=rank(A,B)=n，我們有一個唯一的解，
如果rank(A)=rank(A,B)<n，我們有無限多個解，
若rank (A) <rank (A, B)，則無解。
矩陣計算課程
17 / 55
章節 4
方陣
4.1 方陣
行數 = 列數。 A(n×n)個 n 階方陣。

n 階方陣的集合Mn是矩陣代數。
4.2 特殊矩陣
4.2.1 單位矩陣
它是一個n階方陣，對角線元素等於1，其他元素為零。 aii = 1, ∀i ∈ {1, . 。。 , n} 且aij = 0, ∀i = j。此矩陣記為Inet，

具有以下性質：AI = IA = A ∀A。
4.2.2 對角矩陣
aij = 0 ∀i = j A = {a11, . 。。 ,安}
4.2.3 矩陣的冪與多項式
A2 = AA， An+1 = AnA ， A0 = I

若 f (x) = a0 + a1x + . 。。 + anx n則 f(A) = a0I + a1A + · · · + anAn
屬性 4.2.1。 f (x), g (x) 兩個多項式，n 階方陣 (f + g) (A) = f (A) + g (A) (fg) (A) = f (A) g(A ) =
g(A) f(A)
4.2.4 可逆或非奇異矩陣
如果 ∃B AB = BA = I，則稱 A 是非奇異的。
18 / 55 第 4 章：方陣
例：
ab d－b
A= 1 ad－bc
光碟 ‑ca
承認逆如果 ad － bc = 0, A－1 = 。
定理 4.2.1。 A(n×n)可逆當且僅當rankA = n
4.2.5 三角矩陣
如果aij = 0 ∀i > j，則A(n×n) = (aij ) 上三角。

屬性 4.2.2。上三角矩陣的集合是一個矩陣代數：
1. A + B 上三角，對角線為aii + bii 2. kA 上三角，對角線為kaii 3. AB 上三

角，對角線為aiibii 4. 多項式f (x) · f ( A) 上三角，對角線為kaii對
角線 f (aii)
5. A 是可逆的當且僅當 ∀i aii = 0
如果aij = 0 ∀i < j，則A(n×n) = (aij ) 上三角。
4.2.6 對稱矩陣
A = AT (aij = aji ∀i, j)
4.2.7 反對稱矩陣
A = －AT (aij = －aji ∀i, j)，因此aii = 0, ∀i。

定理 4.2.2。如果A是方陣A + AT是對稱的，A － AT是反對稱的，A = B + C或B是對稱的，C是反對稱
的。
就拿B= 12
A+ AT , C= 12
A ‑ AT 。
4.2.8 正交矩陣
AAT = ATA = I 或A－1 = AT
4.2.9 正規矩陣
A· AT = AT ·A 其中包括對稱、正交和反對稱矩陣。
4.2.10 埃爾米特矩陣
AH = A (A = A) (aij = aji ⇒ aii ∈ R)

`
揚·莫雷爾
4.3 初等矩陣 19 / 55
4.2.11 反埃爾米特矩陣
AH = －A (A = －A) (aij = －aji ⇒ aii = 0)
4.2.12 酉矩陣
AH = A－1
4.2.13 正規矩陣
啊啊=啊哈
4.3 初等矩陣
基本操作（操作 E1、E2、E3） (E1) 線路交換 α (E2)

時間 T
kαT (k = 0) (E3) kαT 我
↔αj
T
我
→ αi
T T
+ αi →αi
j
逆向操作
時間 T
α ↔ α ji 1
時間 T
α → α iik
時間 T
－kαT
j
+α 我
→αi
如果可以使用行上有限數量的初等運算從 A 獲得 B，則稱 B 與 A (A B) 行等價。由於可以反向返回，因此等價線

是等價關係（A A，A B⇔B A，A B 和 B C⇒A C）。
定理 4.3.1。任意矩陣 A 的行等價於行圓錐體形式的唯一矩陣。
設 e 為線上的初等運算，e(A) 為 A 上的結果。
例：
100 100
α2 T T T T
↔α3 E= 001 , －6α2 時間
↔ α2 E= 0 －6 0 , －4α1
時間
+ α3 ↔α3 E=
010 001
100
011 。
－4 0 1
矩陣計算課程
20 / 55
第 4 章：方陣
定理 4.3.2。 e，線上的初等運算，E 為 m 階初等方陣：E = e (Im), ∀A(m×n) e (A) = EA。
例：
1 －1 2 1 －1 2
T
023 313 , α2 → α3
313 023
～
1 －1 2 100 1 －1 2
和 313 001 023
023 010 3 13
= e (A) = =E·A
定理 4.3.3。以下屬性是等效的：
1. A是可逆的（非單數）
2. A 行等價於單位矩陣 I 3. A 是初等矩陣的乘積
這表明我們可以透過有限的操作序列從 A 到 I。
演算法:
1. 形成 n × 2n 矩陣（分塊） M = (A, I)
2. 將M簡化為縮放形式，如果零線出現在左半部分，
A 不可逆。
3. 將 M 簡化為規範線形式 (I, B) 且 B = A－1
例：
102
A= 2 －1 3
418
102|102100 102|102 100
米=
2 －1 3 | 2 －1 0 1 0 2 －1 －1 | 2 －1 －1 | －2 1 0
418|001 0 1 0 | －4 0 1
～
102|102 100 102|102 1 00
中號～ 0
0 ‑1 ‑1 | 0 ‑1 ‑1 －2 1 0 0 ‑1 ‑1 | 0 ‑1 ‑1 －2 1
0 0 －1 | 0 0 －1 －6 1 1 00 1 | 6 ‑1 ‑1
～
`
揚·莫雷爾
4.4 矩陣之間的等價 21 / 55
1 0 0 | 1 0 0 －11 2 2 1 0 0 | 1 0 0 －11 2 2
中號～ 1
0 －1 0 | 0 －1 －4 0 －1 0 1 0 | －4 0
0 0 1 | 0 0 1 6 ‑1 ‑1 0 0 1 | 0 0 1 6 ‑1 ‑1
～
100 －11 2 2
因此A－1A = 010 其中A－1 = －4 0 1
001 6 ‑1 ‑1
4.4 矩陣之間的等價
定理 4.4.1。當且僅當存在非奇異矩陣 P 使得 B = P A 時，B 是與 A 等價的線。
我們也可以對列進行操作，並在列上定義 3 個基本運算。
(F1) ci ↔ cj
(F2) kci → ci
(F3) kcj + ci → ci
與線相同，這些運算是可逆的，與每個初等運算 f 相關的初等矩陣為：F = f (I)。
時間
引理 4.4.1。對於任意矩陣。 f (A) = e AT則 e AT 且 f (A) = AF 且 AF = f (A)

時間時間
時間
=吃 = AET因此 F = E 。
定理 4.4.2。當且僅當存在非奇異矩陣 Q 使得 B = AQ 時，B 才等於 A 的列。
4.4.1 兩個矩陣之間的等價
定義 4.4.1。如果可以透過對行和列進行一系列初等運算從 A 獲得 B，則稱矩陣 B 與 A 等價。因此，如果存在兩個

非奇異矩陣 P 和 Q 且滿足：B = P AQ，則 B 等價於 A。
紅外線| 0
定理 4.4.3。任意矩陣A(m×n)等價於唯一分塊矩陣－+－
0| 0
稱為 SMITH 形式，其中I 是 r 階單位矩陣，r = 秩 (A)。
定理 4.4.4。兩個相同維度的矩陣等價當且僅當它們具有相同的秩。
矩陣計算課程
22 / 55 第 4 章：方陣
1 2 －1
2 4 －2
例：求 P 和 Q /P AQ = N 且 A = 其中 (4 × 4) (4 × 3) (3 × 3) =
－1 3 6
4 5 －7
(4×3)，則我們可以寫：
100
010
001
－－－－
～
(*)
1 2 ‑1 | 1 2 ‑1 1000 1 2 ‑1 | 2 ‑1 1000
2 4 －2 | 4 0 1 0 0 00 0 | －2 1 0 0
－1 3 6 |0010 05 5 | 1010
4 5 ‑7 | 4 5 ‑7 0 0 0 1 0 －3 －3 | 0 －3 －3 | －4 0 0 1
1 2 ‑1 | 1 2 ‑1 1000 1 2 ‑1 | 1 2 ‑1 1 00 0
0 －3 －3 | 0 －3 －3 | －4 0 0 1 01 1 | 4/3 0 0 －1/3
～ ⇒P
055|055 1010 0 0 0 | 0 0 0 －17/3 0 1 5/3
0 0 0 | 0 0 0 －2 1 0 0 0 0 0 | 0 0 0 －2 1 0 0
1 －2 1
0 －3 －3
00 1 100
1 －2 3
－－－
010
⇒N= 0 1 －1
100 000
00 1
=Q
01 1 000
000
000
`
揚·莫雷爾
4.4 矩陣之間的等價 23 / 55
顯然 P 和 Q 不是唯一的：而不是將第 4 行與第 2 行交換

可以做：
1 2 ‑1 | 1 2 ‑1 1000 1 2 ‑1 | 1 2 ‑1 1 000
05 5 | 1010 01 1 | 1/5 0 1/5 0

～
(*)
0 －3 －3 | 0 －3 －3 | －4 0 0 1 0 0 0 | 0 0 0 －17/5 0 3/5 1
0 0 0 | 0 0 0 －2 1 0 0 0 0 0 | 0 0 0 －2 1 0 0
1 000
1/5 0 1/5 0
P2 =
－17/5 0 3/5 1
－2 1 0 0
且矩陣的秩為2。
矩陣計算課程
25 / 55
章節 5
決定因素
5.1 性質
設方陣A(m×n) = (aij )，或 P = {des n! n 個索引的排列} = {a1j1 , a2j2 , . 。。 , anjn εj1...jn = 1 或－1 取決於排列是偶數還是奇數（幹預次數
是偶數還是奇數，123 和 312 是偶數，132 和 321 是奇數）
然後：
檢測 (A) = |A| = (－1)i+j aij A{ij}

p∈P
開發遵循同一路線：
不是
|一個| = (－1)i+j aij A{ij}

j=1
A{ij}是透過消除第 i 行和第 j 列所獲得的 A 的次要（或方形子矩陣）。
開發遵循jmecolumn：
不是
|一個| = (－1)i+j aij A{ij}

我=1
例：
106
4 15 34
3 4 15 =1 +6 與一線相比的發展。
6月21日 56
5 6 21
= －6 + (－12) = －18。
16 16
甚至4個 + (－1)5 6 = －36 + 18 = －18。
5 21 3 15
26 / 55 第 5 章：決定因素
屬性 5.1.1。如果 B
是交換 A 的兩行（列）
而得到的，則 |B| = ‑ |A| 如果 B 是 A 的行（列）
乘以標量 k 得到的，則：
|B| = k |A|
若 B 是由 A 與第 i 行（列）
標量的乘積相加所得到的
透過另一行（列）
然後：|B| =|A| 若 A 是對角矩陣或三角矩
不是
陣： |A| = |A| = AT i=1 aii
, 啊=|A|和|kA| = k n |A| |A| |B| =|

AB|
定理 5.1.1。矩陣的行列式與其史密斯形式的行列式成正比，因為 P AQ = N 且正規 P 和 Q |PQ| |一個| =|N|。
推論 5.1.2。 A 是正則當且僅當 |A| = 0，A 是正則秩 A = n ⇒ N = In且 A = P －1Q－1且 |A| = 0。
定義 5.1.1。小數：A 的
小數的行列式，元素aij的輔因子： Cij = (－1)i+j A{ij} 。 (A{ij}小數
透過消除而獲得
第行與第 j 列）， Comatrix：輔因子
矩陣 com (A) = (Cij )， Adjoint：comatrix 的轉置 adj(A) = (Cji) =
時間
com (A) 。
123
範例：A = 232
122
32 22 23
C11 = = 2， C12 = ‑ = －2, C13 = = 1,
22 12 12
23 13 12
C21 = ‑ = 2， C22 = = ‑1， C23 = = 0,
32 12 12
23 13 12
C31 = = －5, C32 = － = 4， C33 = = －1,
32 22 23
因此：
2 －2 1 2 2 －5
com (A) = 2 －1 0 , 調整(A) = －2 －1 4 。
－5 4 －1 1 0 －1
`
揚·莫雷爾
5.2 應用 27 / 55
使用某些屬性的範例
1 ab+c 1aa+b+c 1對1
= = 0。
1巴+c 1巴+b+c = (a + b + c) 1乙1
1 交流+b 1 交流+b+c 1對1
范德世界
2
1λ1λ 1 1 λ1 λ 21
1 λ1 + λ2
2 = 2 2
1λ2λ 2 1 λ2 － λ1 λ 2 ‑λ 1 = (λ2 – λ1) (λ3 – λ1)
1 λ1 + λ3
2 22－λ
1λ3λ 3 1 λ3 － λ1 λ 3 1
1 λ1 + λ2
= (λ2 – λ1) (λ3 – λ1) = (λ2 – λ1) (λ3 – λ1) (λ3 – λ2)。
1 λ3 – λ2
3 階方陣
a11 a12 a13
a11a22a33 + a12a23a31 + a13a21a32

=
|一個| = a21 a22 a23
－a13a22a31 － a11a23a32 － a12a21a33
a31 a32 a33
5.2 應用
5.2.1 矩陣的逆
令 A 為正規矩陣 (rankA = n, det A = 0)，我們有：
－1 1
有 =
· (形容詞(A))
|一個|
123
通過恢復：A = 232
122
2 2 －5
|一個| = 6 + 4 + 12 － 9 － 4 － 8 = 1 因此A－1 = －2 －1 4 。
1 0 －1
矩陣計算課程
28 / 55 第 5 章：決定因素
5.2.2 求解線性方程組
克萊默法則
設 A 為 n 階方陣，K 為 n 階列向量，若 |A| = 0，線性方程組 AX = K 有唯一解：X = (x1, . . . , xn)由 i = 1, 2, . 。。 n 用Ai取代

時間
A 的第 i 列所得到的矩陣
|艾|
xi = |A|
由 K.
r + 2s + t = 4 121 r 4
例： r－s+t=5 ⇒ 1 －1 1 s 5 。 A 的行列式
2r + 3s ‑ t = 1 2 3 －1 t 1
=
350
值：|A| = 320 = 9. 解決方法如下：
2 3 －1
42 1 550
5 －1 1 620
1 3 －1 －1 －1 －1
20
r= = =
9 9 9
141 350
1 1 1
s= = =‑
151 361
9 9 3
2 1 －1 2 1 －1
1 24 124
1 1 22 號
t= = =
1 －1 5 0 －3 1
9 9 9
23 1 0 －1 －7
20
9
X= ‑
13
22
9
如果行列式|A| = 0 我們無法求解，則必須使用 Gauss‑Jordan 消去法。
`
揚·莫雷爾
5.2 應用 29 / 55
分割矩陣：Schur 公式如果 A 是塊對角線或塊三角形。
A11 A12 · · · A1n
。。。
0 。
。
。
。
。
。
A=
。。。
。。。
。。
。年－1n
0···0安
（矩陣Aii為方陣，i ∈ {1, . . . , n}），則： |A| = |A11| |A22| 。。。 |安|。
A11 A12
考慮以下形式的分區矩陣： A =
A21 A22
與方格A11和A22 。這
以下結果構成 Schur 公式：
如果A11 是常規的：
－1
|一個| = |A11| A22 ‑ A21A 11 在12
我 0 A11 在12
（因為 V =
－1
‑A21A 11 我
0 A22 ‑ A21A ‑ 11A12
, VA = 然後|VA| = |V | |一個| =
|
A|）。如果A22是常規的：
－1
|一個| = |A22| A11 ‑ A12A 22 號 A21
應用
設A(m×n)和B(n×m) , |Im － AB| = |Im － BA|。
Im A(m×n)
考慮矩陣 M =
B(n×m) 在
使用 Schur 形式：
|米| = |我| |在‑BA| = |在| |我– AA|
矩陣計算課程
31 / 55
章節 6
矩陣求逆
6.1 定義和屬性
定義 6.1.1。 B/BA = BA = I，如果 rangA = n 或 det A = 0，則B , A 是正規的且不是奇異的。 A 是

= A－1可逆。
－1 時間－1 H －1
= AT =啊 ,
dA－1 (α) dα =
屬性 6.1.1。 (AB) dA(α) = (B－1 ) (A－1 ), (A－1 ) , (A－1 )
dA－1 (α) dA(α)
－A－1 (α) α A－1 (α) (因為 A (α) A－1 (α) = I ⇒ A (α) + α α A－1 (α) = 0)
引理 6.1.1。矩陣求逆：讓我們成為一個正則A + BCD矩陣以及正則A和C：
－1 －1 －1 －1
(A+BCD) =A － A －1B C + DA－1B DA－1 。
註 6.1.1。若 B 列矩陣、D 行矩陣與 C 標量 = 0
－1 －1 ‑ VS
(A+BCD) =A A －1BDA－1
1 + CDA－1B
劃分矩陣的逆
設 A 為正規矩陣
A11(p×d) A12(p×q)
A=
A21(q×p) A22(q×q)
與A11和A22正方形和
X11(p×p) X12(p×q)
－1 =
有
X21(q×p) X22(q×q)
其中AA－1 = A－1A = I。
如果 A 是正則，則X11A11 + X12A21 = A11X11 + A12X21 = I。
X11A12 + X12A22 = A11X12 + A12X22 = 0
X21A11 + X22A21 = A21X11 + A22X21 = 0

32 / 55 第 6 章：矩陣求逆
－1 －1
X21A12 + X22A22 = A21X12 + A22X22 = I → X12 = ‑A
－1 －1 －1 －1 －1
11 A12X22, X21 = －X22A21A 11 、 X11 =
有11 ‑A 11 A12X21 ⇒ X11 = A 11 +A 11 A12X22A21A 11 .
－1
A22 ‑ A21A 11 A12 X22 = I 或X22存在，因為A－1因此存在：
－1
X22 = A22 － A21A 11 A12－1
因此：
－1 －1 －1
X11 =A 11 +A 11 A12X22A21A 11
－1
X12 = ‑A 11 A12X22
－1
X21 = －X22A21A 11
如果A11是單數，我們使用A22來代替A11且：
－1
X11 = A11 － A12A 22 A21－1
‑1
X12 = ‑X11A12A 22 號
－1
X21 = ‑A 22 號 A21X11
－1 －1 －1
X22 =A 22 號 +A 22 號 A21X11A12A 22 號
允許透過遞減歸納來計算矩陣逆的公式：
A(n×m) bn
M((n+1)×(n+1)) =
溫
度不是年
Tc
與bn(n×1) ， n (1×n) 和一個(1×1) 。
X ‑X bm 年
M－1 =
溫
度 1
T
‑
年
X 一
個
2
+c nXbn an
時間
－1
bnc 不是
且X=A－年
。
133
13 3 時間
範例：A = 143 , A= 2 13, a2 = 4. =

14 3
, b2 = ,c
134
－1 －1
3 7 3
13 1 39 14 4 4
‑
4
X= = ·4
4 7 1
14 39 14 4
‑
4 14
‑ =
`
揚·莫雷爾
6.1 定義和屬性 33 / 55
7 ‑3 12
X= 時間
2 X = 4 0 因此：
－1 1 0
, Xb2 = ,c
7 ‑3 ‑3
M－1 = －1 1 0
－1 0 1
矩陣計算課程
35 / 55
章節 7
´
矩陣的特徵方程
7.1 定義、屬性
設A(n×n)為方陣，我們將特徵值稱為複數值，使其特徵矩陣 λIm － A奇異。
因此它們是 |λIm － A|的根= 0。

他們驗證：AX = XA。
驗證此等式的任何非零向量 X 稱為特徵向量。由特徵向量產生的空間稱為特徵空間。
P (λ) = |λIm － A|稱為 A 的特徵多項式，其次數為 λ：

不是 n－1
P(λ) = λ + αn－1λ +···+ α1λ
寫成：P(λ) = (λ － λ1) (λ － λ2)。。 .(λ － λm)與λi為特徵向量，則：

不是
αn－1 = － λi = －跡線 (A)

我=1
α0 = (－1)nn λi = (－1)n |A|

我=1
如果 n = 2，我們有：
2
P (λ) = |λI － A| =λ －跡 (A) λ + |A|
221
範例：求與 A = 相關的特徵值和特徵向量 131
122
λ－2 2 1
2
|λI － A| = 1λ－3 1 3=λ －7 λ + 11λ ‑5 = (λ － 5) (λ － 1)2
‑跡線(A) (－1)3 det(A)
1 2λ－2
λ1 = 5 簡單特徵值。
´
36 / 55 第7章：矩陣的特徵方程
λ2 = 1 雙特徵值。對於 λ = 5，我們有 (5I － A) X = 0，因此得出：
3 －2 1 x1 0
－1 2 －1 x2 0
－1 －2 3 x3 0
=
3 －2 －1 0 －4 4 0 1 －1 0 1 －1
5I‑A～ 1 －2 1 1 －2 1 1 －2 1 1 －2 1
0 －4 4 0 －4 4 0 －4 4 000
～～～
1 －2 1 1 －2 1 1 －2 1
5I‑A～－3 －2 －1 0 4 －4 0 －1 1
－1 －2 3 0 －4 4 000
～～
1 0 －1 x1
～
0 1 －1 x2
000 x3
x2 = x3 , x1 = x3和 (1 1 1)T特徵向量。
是與特徵值 λ = 5 相關的特徵向量。
時間
任意向量 (kkk)
k k
A= k k
k k
=5
－1 －2 －1 121 x1
I－A= －1 －2 －1 000 x1 + 2x2 + x3 = 0

x2
－1 －2 －1 000 x3
～
例如： X1 = ( 1 0 － 1 ) T且值為 1。
時間
乾淨的空間。
定理7.1.1。如果λ1 ，. 。。 , λn是不同的特徵值，如果X1, . 。特徵向量分別與這些特徵值相關聯，。 , Xn是

那麼特徵向量是線性無關的。
`
揚·莫雷爾
7.1 定義、屬性 37 / 55
定理7.1.2。 Cauchy‑Hamilton，任何矩陣都是其特徵多項式的解：P(A) = 0 或：－An = αn－1An－1 + · · · + α1A

+ α0In
矩陣計算課程
39 / 55
章節 8
相似矩陣
8.1 定義和屬性
定義 8.1.1。如果存在非奇異矩陣 R 且滿足：B = R－1AR，則兩個 n 階矩陣 A 和 B 相似。
屬性 8.1.1。兩個相
似矩陣具有相同的特徵值
－1
|λI － B| = R |λI － A| |R| = |λI － A|
（因為 λI － B = λR－1R － R－1AR = R－1 (λI － A) R）

如果 Y 是與 B 的λi相關的B = R－1AR的特徵向量，則 X = RY 為向量
A 的真值與 A 的λi相關：
BY = R －1ARY = λY ⇔ ARY = λRY ⇔ AX = λX 其中 X = RY
8.2 對角矩陣
對角矩陣的特徵值是對角元素。當對角矩陣的階數為 n 且規範基的Ei是特徵向量時，它總是具有 n 個線性獨立的特徵向量：
a1 0
。。
。。
。 0 。
DEi = aiEi 有 1
。。
。。
0 。。
年 0
定理8.2.1。當且僅當矩陣 A 具有線性相關特徵向量時，它才類似於對角矩陣。
40/55
第 8 章：相似矩陣
這相當於
定理8.2.2。在域 R 中，n 階矩陣 A 類似於對角矩陣，當且僅當 λI －A 完全因式分解 K，且任何根λi的階
數等於相關特徵空間的維數。
221
如果我們回到前面的例子：A = 131 A2 =1，
122
我們有： A1 = 5, X1 = (1 1 1)T ，
X2 = (1 0 － 1)T , X3 = (－1 1 － 1)T維度 2 的特徵空間，可對角化為：
1 1 －1 500
R= 10 1 010
1 －1 －1 001
= (X1 X2 X3) R －1AR = =D
121
1
右－1 = 2 0 －2
6
－1 2 －1
5 1 －1 5 1 －1
檢查：AR = RD 501 50 1
5 ‑1 ‑1 5 ‑1 ‑1
=
R－1AR = D的證明： AR = RD, AR = A (X1 . . . Xn) = (AX1 . . . AXn),

λ1 0
。
RD = (X1 . . . Xn) D 為 D 對角線。
。 , RD = (λ1X1, ..., λnXn)因此
0 λn
∀i ∈ {1, . 。。 , n} AXi = λiXi 。
定理8.2.3。任何n階矩陣A都類似一個三角矩陣，其對角線元素是A的特徵值。
8.3 實對稱矩陣
定理8.3.1。實數對稱矩陣的特徵值是實數。
`
揚·莫雷爾
8.3 實對稱矩陣 41 / 55
定理8.3.2。設 A 為 n 階對稱方陣，特徵值為λ1, ...。。。 , λn則 ∃P 正交/PTAP = P －1AP = diag (λ1, ..., λn)
為了找到 P，我們必須找到正交特徵向量，然後將它們歸一化。
2 0 －1
2
範例：A = 020 , |λI － A| = (λ － 2)3 － (λ － 2) = (λ － 2) (λ － 4λ + 3) =
－1 0 2
(λ － 1) (λ － 2) (λ － 3)。
－1 0 1
λ = 1: I － A = 0 －1 0 , x1 = x3, x2 = 0, V1 = (1 0 1)T
0 0 －1
001
λ = 2: 2I － A = 000 , x1 = x3 = 0, V2 = (0 1 0)T , V2 V1 = 0（正交）

時間
100
101
λ = 3: 3I－A = 010 , x1 = －x3 = 0, x2 = 0, V3 = (1 0 － 1)T , V3

時間
V1 =V
時間
3 V2 = 0
101
（正交）
1 1
101 0 100
√2 √2
因此： P = 01 0 並標準化：P = 010 和 020
1 1
1 0 －1 0 003
√2 √2 =
P －1AP = P TAP。
矩陣計算課程
43 / 55
章節 9
二次形式
9.1 定義和屬性
A = (aij ) n 階方陣。
不是
遠的
不是
×R → R/ fA (X,Y) =
不是
愛吉西伊吉
我,j=1
時間
其中XT = (x1, ..., xn)和 Y = (y1, ..., yn)。
定義 9.1.1。函數fA稱為與 A 相關的 n 階雙線性形式。
a11 a12 a11 a12 y1

範例：A =
a21 a22 a21 a22 y2
, fA (x, y) = (x1 x2) , fA (x, y) = a11x1y1+
a12x1y2 + a21x2y1 + a22x2y2。
9.2 二次形式
n 階二次形式是以下類型的函數：
不是
qA ：R → R qA (X) = X TAX
具有 n 階對稱矩陣。
2 －1
2 2
註 9.2.1。 A= 1+3x2－2x1x2且XT = (x1 x2)我們可以有
－1 3
, qA (X) = 2x
2 －2
取： A =
03
但我們選擇對稱矩陣的唯一代表。
44 / 55 第 9 章：二次形式
因此，我們可以很容易地從二次形式轉到矩陣，反之亦然。例如：
112
2 2 2
A= 130 qA (X) = x 1 + 3x 2 +4x 3 + 2x1x2 + 4x1x3
204
1
－1 － 2
1
2 2
qA (X) = ‑x 1 + 3x 3 － x1x2 + 2x1x3 － 5x1x3 A = ‑ 0－2
5
12
5
1－2 3
根據定義，與 A 相關的雙線性形式或二次形式的秩就是 A 的秩。
定義 9.2.1。二次形式 q 或擴展相關的對稱矩陣 A 被認為是：正定義，如果 q (X) > 0 ∀X ∈ R n (X = 0) (A > 0) 半 d 正定，如果 q (X ) ≥ 0 ∀X

∈ R n (A ≥
0) 負定，若 q (X) < 0 ∀X ∈ R n (X = 0) (A < 0) 半定負，若 q (X) ≤ 0 ∀X ∈ R n (A ≤ 0)

不定，若 ∃X/q (X) > 0 且 ∃X/q (X ) < 0
2
例：q (X) = x 1 2 + 2x 2 2 + 7x 3 是 > 0 因為所有項目都 > 0 因此 A =
100
2 2
020 1 + 2x3 ≥ 0，因為對於x2 = 0，q (0 x2 0)T = 0 因此
007
> 0. q (X) = x
100
A= 000
2
1 2+x 2 － 3x1x2未定義，因為：q (1 0)T = 1 > 0，
002
≥ 0。
3
1－2
q (1 1)T = －1 < 0 因此 A =
‑ 3
2
1
≥ 0 未定義。
註 9.2.2。 A > 0 當且僅 ‑A < 0 (A ≥ 0 當且僅當 ‑A ≤ 0) q (X) = XTAX > 0 ∀X ∈ R n ‑A) X
< 0 ∀X ∈ R n在標量情況下：q (X) = ax2 ，
因此 q (X) > 0 ⇒ a > 0。
在這裡，我們尋找相同的屬性，除了可能存在 A 既不是正值也不是負值的情況。
`
揚·莫雷爾
9.2 二次形式 45 / 55
屬性 9.2.1。對角二次形式或 n 階對角矩陣 A = diag (a1, . . . , an)為： A > 0 if ∀i ai > 0, A < 0 if ∀i ai < 0, A如果∀i
ai ≥ 0，則 ≥ 0；如果 ∀i ai
≤ 0，則 A ≤ 0；如果存在符號
相反的非零元素，則不定。
若 ∃P / B = P TAP，非奇異線性映射X = BY變換二次形式同餘。
秩 r 的二次式可以簡化為對角線形式：
2 2
h1x 1 +···+ hrx r (hi = 0 ∀i ∈ {1, . . . , r})
為了傳遞到對角形式，我們一次又一次地使用相同的演算法，這次只是因為矩陣 A 是對稱的，所以在行
上應用的基本運算與列上應用的 ees 相同，因此：D = BTAB。
1 －2 4
2 2 2
範例： qA = x 1+2x 2－7x3－4x1x2+8x1x3 A = －2 2 0 |一個| = －14－32+28 = 0
4 0 －7
等級 A = 3。
1 －2 4 100 1 －2 4 100
(A | I) = －2 2 0 010 0 －2 8 －2 1 0
4 0 －7 001 0 8 －23 －4 0 1
～
10 0 100
～
0 －2 8 －2 1 0
0 8 －23 －4 0 1
因此，線上的操作就足夠了，因為 A
由於是對稱的，所以列上的操作是相同的。
100 100 124
～因此 D = BTAB 且 B = 且 X = BY。因此如果
0 －2 8 210 014
009 441 001
x1 = y1 + 2y2 + 4y3
2 2 2
x2 = y2 + 4y3 那麼 q(Y) = y 1 － 2年2 +9年3
x3 = y3
矩陣計算課程
46 / 55 第 9 章：二次形式
因此矩陣A是不定的。
我們可以透過保留矩陣 B 和BT來繼續減少：
1√2 4 100
3
B= 0 1 4 我們有 D = 0 －1 0
√2 3
00 001
13
定理9.2.1。任何實數二次形式都可以透過實數非奇異映射簡化為規範形式α1y ，其中αi = 1 或 ‑1，r 是二次形式的秩。

2
1 +···+ αry ,2
定理9.2.2。矩陣A(n×n)定義為正當且僅當： XTAX > 0 ∀X ∈ R n定義為正，矩陣 A 的

所有連續主次數都 > 0， Choleski 分
解：
A 具有三角分解 A = U TU，其中 U 是具有正對角線的上三角矩陣。
註 9.2.3。對於 Cholesky： ⇒ 如果 A 定義為正，則

它與具有所有正項的對角矩陣 D 全等。透過每個元素的變換，它與恆等式一致。因此 ∃P 上三角 /X － PY 且： I = P TAP 與 P 上三角，因此： A = P
1
√αi
‑T －1 －1 我們有：
智慧財產
並取 U = P
A = U TU 和下三角 T。
UX = y X = T 2 y = y 1 + . 。。 + yr2 > 0 因此
時間
⇐ 如果我們有 A = U TU qA (X) = XTU TUX = (UX) qA (X) = 0

⇒U 時間
0⇒ X = 0（因為 U 是可逆的）。
a11 a12 a13
a11 a12
連續主要次要： p1 = a11， p2 = , p3 =
a21 a22 a23
, . 。。 PN =
a21 a22
a31 a32 a33
|A|。
1 －1 0
2 + 3x 2 +11x 2
範例： qA = x 1 2 3
－ 2x1x2 － 8x2x3因此 A = －1 3 －4
0 －4 11
我們有p1 = 1，
1 －1
p2 = = 2， p3 = |A| = 33 － 16 － 11 = 6 因此 A 定義為正值。
－1 3
`
揚·莫雷爾
9.2 二次形式 47 / 55
喬列斯基分解：
1 －1 0 1 10 0 1
－1 3 －4 1 0 3 －4 11
0 4 11 1 0 －4 11 001
～
100 1 1 1
～因此 D =
020 11 2 11
003 221 3 221

= BTAB 與 B =
1 100
然後：D · BT 1
1 1
0
√2√2
2 2 1
1
√3√3√3
12√2√
1
3
－1
所以： I = P TAP 且 P = 0 12√2√ 且U=P
3
00 3
1√
1 －1 0
因此 U = √ 2 －2 √ 2 且 A = U TU。
√3
矩陣計算課程
49 / 55
章節 10
差動系統
10.1 屬性和定義
dX(t)
dt = AX (t) 與 X (t) = (x1 ( t) . . . xn (t)) T與
A = (aij ) 且 t ∈ R。
(n×n)
不是
dxi (t) =
aijxj (t)
dt
j=1
一階微分方程。
10.2 標量情況
x˙ (t) = ax (t) 這種微分方程的解由 x (t) = e atx (0)給出

x (0) 初始條件 (CI)。
2 我
在在 2
t
有無窮大有
寫成 e
我
電子商務發展有限 =1+在+ 2
噸 +···= 我=0 我！
。
10.3 矩陣情況
我
A2
t 2 +···= t 。令 X (t) = P (t) X (0) ( =
無窮大有我 dA(t)
以此類推：設P(t)=I+At+ 2！我=0 我！ dt
戴吉(t)
dt ）。
i－1 我
= A+A2 t+。。。 =
無窮大無窮大
dP(t) dX(t)
dt 我=1
艾特 =A 我=0
艾特
我！
= A·P 因此： dt = A P (t) A (0) = AX (t)
(i－1)!
因此X(t)=P(t)X(0)是矩陣微分方程的解。
因此我們稱矩陣指數為：
無窮大
吃 2
t2 有
= I + At + A +· ··= t 我
。
2！我！
我=0
50/55 第10章：微分系統
´
吃
10.4 評估
10.4.1 數值計算
透過數值計算，當項變成可以忽略不計或 A 為零時停止 (∃k ∈ N/Ak = 0)。
01
dX(t) =
例： dt 1 (t) = x2 (t), x˙ 2 (t) = 0 ⇒ x2 (t) =
00
X (t) 我們配對`ax˙
1噸
x2 (0) 和x1 (t) = x2 (0)t + x2 (0) ⇒
01
X0。
10 10 1噸
在 = =
A2 = 0 因此：e 1！
01 00 01
+ t 解決方法是：
1噸
01
10.4.2 對角線
在 λit 在無窮大無窮大 tj
= =
A = diag (λi) i ∈ {1, . 。。，出生 = 診斷 e 汽車 e
j=0 (diag (λi))j t j j！
= diag j=0
λ
jj!
我
λit
診斷。
10.4.3 使用西爾弗斯特公式
令PA (λ) = a0 + a1λ + · · · + λ n為A 根據柯西漢密爾頓的特徵多項式： aiAi ， e j!Aj ， A 的任意冪， Ak且 k ≥ n PA

n－1 在 tj 無窮大
i=0 (A) = 0 因此An = =－可以寫成

j=0 n － 1 個第一個矩陣的函數，其中：
無窮大
吃 j
=
αjA （西爾維斯特公式）
j=0
λt ‑ n－1 在 n－1
我
‑
設函數為： g (A) = e i=0 αi (t) λ 我們有： g (A) = e i=0 αi (t) Ai
階的 A 的特徵值，則重數nj階的 g (A) 的特徵值(d 之後：如果λ階的則 g (λj ) 是特徵值或如果λj是重數nj
特徵值n, f (λ) f (A) 的 n 階特徵值，無論 f 是標量函數）。
或 g (A) = 0 因此矩陣 g (A) 具有零特徵值因此 ∀j ∈ {1, . 。。 , n} g (λj ) = 0 λj ti=0 αj (t) λ 因此 e

n－1
= 我
j.
λi nj階特徵值→ g (λi) nj階 g(A) 特徵值或所有 g(A) 的特徵值為零，所以λg(A) = 0 = g (λi)。
`
揚·莫雷爾
´
吃
10.4 評估 51 / 55
在 λj t
⇒ 處求 e λj ：對 e 進行處理就足夠了。由於重數的階數為nj
dk
g (λ) =0
dλk
λ=λj
或者
k n－1
‑
d dλk
λte αi (t) λ 我
∀k ∈ {0, . 。。 , nj － 1}
我=0 λ=λj=0
01
範例：A = 2
+ 10λ 即λ1 = 0 且λ2 = －10 因此
0 －10
特徵值： PA (λ) = λ
在
e 特徵值為 1 且 e = α0 (t) + 0 · α1 －10噸。
0·t
e (t) ⇒ α0 (t) = 1
－10·
te = α0 (t) － 10 · α1 (t) ⇒ α1 (t) = 1 10 (1 － e－10噸）因此
10 0 (1 － e－10噸）
吃 1 10
= α0 (t) I + α1 (t) A =
01 0 －1 + e －10噸
+
1 (1 － e－10噸）
1 10
=
－10t
0 e
01
0·t 時。 e
A= = α0 (t)+0·α1 (t)
00
特徵值 0, 0 ⇒ e 的雙特徵值
d
→ α0 (t) = 1。 dλ
λte － α0 (t － λα1 (t)) λ=0 = teλt － α1 (t) λ=0
= 0 其中： α1 (t) = t 且
0噸 1噸
因
此在 e =我+
00 01
‑ 。
矩陣計算課程
53 / 55
章節 11
一些額外的東西
11.1 喬丹形式
它是由塊組成的。
λ1 1
。。
。。
。。
。
。
。 1 0
λ1
λ2
。
。
。
λp 1 0
。。
。。
0 。。
。
。
。 1
λp
任何矩陣都可以表示為喬丹形式。
我們將矩陣A的譜半徑稱為A的特徵值的最大模數。
ρ (A) = su i∈{1...n} |λi |

54 / 55 第 11 章：一些額外內容
11.2 伴隨矩陣
0 ‑α0
。
。
1 。
‑α1
。。。
C= 。
。
。
。
。
。
。。
。。
。0 。
0 1 －αn－1
λ α0
λ 0 α1
－1 λ α1
。
。
－1 。 α2
。。
|λI － C| = －1 。
。
。
。
=λ + α0
。。
。。
。λ 。
。。
。。
。λ 。
0 －1 λ + αn－1
0 －1 λ + αn－1
λ 0 α2
。。
。。
－1 。。
2
=λ + λα1 + α0
。。
。。
。λ 。
0 －1 λ + αn－1
n－1
因此Pc (λ) = λ n + αn－1λ + · · · + α1λ + α0特徵多項式是立即數。
例：
000
在
A= 100 和光譜半徑。
0 1 －1
計算 e
3 2 2 λt
PA (λ) = λ λ +λ =λ (λ + 1) ⇒ λ1 = 0 雙特徵值，λ = －1。 e = α0 (t) + λα1 (t) +
2α2 (t)。
d
dt→teλt = α1 (t) + 2λα2 (t) λ1 = 0:
α0 (t) = 1 且α1 (t) = t

‑t ‑t
λ2 = －1: e = 1 － t + α2且α2 (t) = t － 1 + e
`
揚·莫雷爾
11.2 伴隨矩陣 55 / 55
000 0 0 0
吃
=我+ t00 0 0 0
‑t ‑t ‑t
0t－t t－1+e ‑t + 1 ‑ e t－1+e
+
1 0 0
=
t 1 0
‑t ‑t t
t－1+e 1－e ‑e
‑t 在
1 是雙特徵值，e e 的簡單特徵值。
矩陣計算課程

Cours - Matrice Chinois

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cours - Matrice Chinois

Uploaded by

Copyright:

Available Formats

Machine Translated by Google

1.1 定義。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 1

。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 1

。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 2

。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 2

1.3.2 總和。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 2

。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 2

1.3.6 推導。 。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。4

。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。4

。 。 。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。4

。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。4

。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。7

。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。9

。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 14

4.1 方陣。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 17 號

4.2.1 單位矩陣。 。 。 。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 17 號

。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 17 號

。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 17 號

。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 17 號

。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 18

。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 18

。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 18

。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 18

4.2.9 正規矩陣。 。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 18

4.2.10 埃爾米特矩陣。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 18

4.2.11 反埃爾米特矩陣。 。 。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 19 號

4.2.12 酉矩陣。 。 。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 19 號

4.2.13 正規矩陣。 。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 19 號

4.3 初等矩陣。 。 。 。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 19 號

。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 21

。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 21

5.2.1 矩陣的逆。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 27

。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 39

。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 40

10.2 標量情況。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 49

10.3 矩陣情況。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 49

。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 50

。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 50

11.1 約旦形式。 。 。 。 。 。 。 。 。。。 。 。 。。。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 53

。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 。 。。。 。 。 。 。 。 。 。。。 。 54

a11 a12 。 。 。 a1n

其中aij ∈ R, C, R λ多項式 in λ....

m 個 n 元組(ai1 . . . ain) i ∈ {1 . 。 。 m} 稱為 A 的線。

1. 設 f 為幾個變數的實函數 f (x1, ..., xn) (x = (x1 ... xn)) 我們定義

f1 (x1, ..., xn)

調頻(x1, ..., xn)

A = B ⇔ ∀ (i, j) aij = bij 。

與cij = PK=1 aikbkj 。

a11 a12 。 。 。 a1n a11 a21 。 。 。 1米

A(m×n) = (aij ) 其中aij取決於 α。

A (α) dα = aij (α) dα

1.3.9 矩陣的跡A(m×n) = (aij )

A(m×n) = Aij(m×n)其中 i=1 mi = m 且 i=1 ni = n 當矩陣

A(m×n) = (aij ) = (a1, a2, . . . , an)其中ai列為

如果我們有 2 個矩陣 A 和 B 進行分區以使總和和乘積有意義，則這一點很有趣：

A = (Aij ), B = (Bij ) A + B = (Aij + Bij ) C = AB = B 的線

證明如果 A 有零線，則 AB 也有零線：

A(m×p) = (a1, . . . , ap) = 。

B(p×n) = (b1, . . . , bn) =

類似地，如果 B 具有零列，則 AB 具有零列。

3. 以a1j1為主元來取得a1j1下的零，即： for i > 1 apply

A = (aij ) 縮放矩陣a1j1 , a2j2 , . 。 。 、愛吉尊貴元素

2. 以arjr = 1 作為主元，得到arjr上方的零點，即 for i ∈

1.1 定義。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 1

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 1

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 2

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 2

1.3.2 總和。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 2

。。。。。。。。。。。。。。。。。。。。。。。 2

1.3.6 推導。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4

。。。。。。。。。。。。。。。。。。。。。4

。。。。。。。。。。。。。。。。。。。。。。7

。。。。。。。。。。。。。。。。。。。。。9

。。。。。。。。。。。。。。。。。。 14

4.1 方陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 17 號

4.2.1 單位矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 17 號

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 17 號

。。。。。。。。。。。。。。。。。。。。 17 號

。。。。。。。。。。。。。。。。。。 17 號

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18

。。。。。。。。。。。。。。。。。。。。。。。。 18

。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18

4.2.9 正規矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18

4.2.10 埃爾米特矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 18

4.2.11 反埃爾米特矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。 19 號

4.2.12 酉矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 19 號

4.2.13 正規矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 19 號

4.3 初等矩陣。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 19 號

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 21

。。。。。。。。。。。。。。。。。。。。。 21

5.2.1 矩陣的逆。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 27

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 39

。。。。。。。。。。。。。。。。。。。。。。。。。。。。 40

10.2 標量情況。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 49

10.3 矩陣情況。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 49

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 50

。。。。。。。。。。。。。。。。。。。 50

11.1 約旦形式。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 53

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 54

a11 a12 。。。 a1n

m 個 n 元組(ai1 . . . ain) i ∈ {1 . 。。 m} 稱為 A 的線。

a11 a12 。。。 a1n a11 a21 。。。 1米

A = (aij ) 縮放矩陣a1j1 , a2j2 , . 。。、愛吉尊貴元素

定義 3.1.2。一組 S = {u, . 。。 , a}是 V 的底數，如果：

1,t, t2 , t3 , . 。。 , tn形成Pn (t)的基，且昏暗Pn (t) = n + 1。

它是一個n階方陣，對角線元素等於1，其他元素為零。 aii = 1, ∀i ∈ {1, . 。。 , n} 且aij = 0, ∀i = j。此矩陣記為Inet，

aij = 0 ∀i = j A = {a11, . 。。 ,安}

小數的行列式，元素aij的輔因子： Cij = (－1)i+j A{ij} 。 (A{ij}小數

設 A 為 n 階方陣，K 為 n 階列向量，若 |A| = 0，線性方程組 AX = K 有唯一解：X = (x1, . . . , xn)由 i = 1, 2, . 。。 n 用Ai取代

（矩陣Aii為方陣，i ∈ {1, . . . , n}），則： |A| = |A11| |A22| 。。。 |安|。