Upload
onawa
View
318
Download
0
Embed Size (px)
DESCRIPTION
第二章 矩陣. 2.1 矩陣運算 2.2 矩陣運算特性 2.3 反矩陣 2.4 基本矩陣 2.5 矩陣運算的應用. Elementary Linear Algebra 投影片設計編製者 - PowerPoint PPT Presentation
Citation preview
第二章矩陣
2.1 矩陣運算2.2 矩陣運算特性2.3 反矩陣2.4 基本矩陣2.5 矩陣運算的應用
Elementary Linear Algebra 投影片設計編製者R. Larsen et al. (6 Edition) 淡江大學 電機系 翁慶昌 教授
2/95
2.1 矩陣運算 矩陣
(Matrix)
nm
nm321
3333231
2232221
1131211
M ][
mnmmm
n
n
n
ij
aaaa
aaaa
aaaa
aaaa
aA
第 (i,j) 個元素 :
ija
列 : m
行 : n
大小 : m×n
線性代數 : 2.1 節 p.58
3/95
第 i 個列向量 (row vector)
第 j 個行向量 (column vector)
iniii aaar 21
mj
j
j
j
c
c
c
c2
1
列矩陣 (row matrix)
行矩陣 (column matrix)
方陣 : m=n
線性代數 : 2.1 節 p.59
4/95
對角矩陣 (diagonal matrix)
),,,( 21 nddddiagA nn
n
M
d
d
d
00
00
00
2
1
跡數 (trace)
nnij][aA 若
nnaaaATr 2211)( 則
線性代數 : 2.1 節 補充
5/95
範例:
654
321A
2
1
r
r
321 ccc
,3211 r 6542 r
,4
11
c ,
5
22
c
6
33c
654
321A
線性代數 : 2.1 節 補充
6/95
nmijnmij bBaA ][ ,][ 若
相等 (equal) 矩陣
njmibaBA ijij 1 ,1 若且唯若則
範例 1 :相等矩陣
dc
baBA
43
21
BA 若
4 ,3 ,2 ,1 dcba 則
線性代數 : 2.1 節 p.58
A 和 B 的大小必須相同
7/95
矩陣相加 (matrix addition)
nmijnmij bBaA ][ ,][ 若
nmijijnmijnmij babaBA ][][][ 則
範例 2 : 矩陣相加
31
50
2110
3211
21
31
10
21
2
3
1
2
3
1
22
33
11
0
0
0
線性代數 : 2.1 節 pp.59-60
A 和 B 的大小必須相同
8/95
矩陣相減 (matrix subtraction) BABA )1(
純量積 (scalar multiplication)
[ ] , [ ] c:ij m n ij m nA a cA ca 若 則 常數
範例 3 : 純量積與矩陣相減
212
103
421
A 與
231
341
002
B
求 (a) 3A, (b) -B, (c) 3A-B 。
線性代數 : 2.1 節 p.60
9/95
(a)
212
103
421
33A
(b)
231
341
002
1B
(c)
231
341
002
636
309
1263
3 BA
解 :
636
309
1263
3 1 3 2 3 4
3 3 3 0 3 1
3 2 3 1 3 2
231
341
002
407
6410
1261
線性代數 : 2.1 節 p.61
10/95
矩陣乘法
售出物品的數量
花生 熱狗 汽水 銷售價格
南販賣部 120 250 305 2.00 ( 花生 )
北販賣部 207 140 419 3.00 ( 熱狗 )
西販賣部 29 120 190 2.75 ( 汽水 )南部銷售額 = 120 2.00 250 3.00 305 2.75 1828.75
2.00
120 250 305 3.00 1828.75
2.75
線性代數 : 2.1 節 p.61
11/95
120 250 305 2.00
207 140 419 3.00
29 120 190 2.75
120 2.00 250 3.00 305 2.75 1828.75
207 2.00 140 3.00 419 2.75 1986.25
29 2.00 120 3.00 190 2.75 940.50
北部銷售額 = 207 2.00 140 3.00 419 2.75 1986.25
西部銷售額 = 29 2.00 120 3.00 190 2.75 940.50
12/95
120 250 305 2.00 1.80 2.10 2.00
207 140 419 3.00 2.75 3.05 2.80
29 120 190 2.75 2.5 2.80 3.00
1828.75 1666.00 1868.50 1855.00
1986.25 1805.10 2034.90 2063.00
940.50 857.20 958.90 964.00
第一季
第二季
第三季
第四季
第一季
第二季
第三季
第四季
13/95
矩陣相乘 (matrix multiplication)
pnijnmij bBaA ][ ,][ 若 pmijpnijnmij cbaAB ][][][ 則
相等AB 的大小
njin
n
kjijikjikij babababac
1
2211
其中
inijii
nnnjn
nj
nj
nnnn
inii
n
cccc
bbb
bbb
bbb
aaa
aaa
aaa
21
1
2221
1111
21
21
11211
線性代數 : 2.1 節 p.62&p64
14/95
05
24
31
A 與
14
23B
範例 4 : 求解下列兩矩陣的乘積
解 :
)1)(0()2)(5()4)(0()3)(5(
)1)(2()2)(4()4)(2()3)(4(
)1)(3()2)(1()4)(3()3)(1(
AB
1015
64
19
線性代數 : 2.1 節 pp.62-63
15/95線性代數 : 2.1 節 補充
範例
1 2
3 4
1 0 1 2
0 1 3 4
13 4 121
3 6
4 8
1 2 1 0
3 4 0 1
1
1 2 3 1 0 0 1 0 0 1 2 3 1 2 3
4 5 6 0 1 0 0 1 0 4 5 6 4 5 6
7 8 9 0 0 1 0 0 1 7 8 9 7 8 9
2
31 2
4
3
31 2
4
4
16/95線性代數 : 2.1 節 補充
範例
1 2 5 6
3 4 7 8
1
5 6 1 2
7 8 3 4
2
19 22
43 50
23 34
31 46
AB BA矩陣乘法不滿足交換律
17/95
線性方程式系統之矩陣形式
mnmnmm
nn
nn
bxaxaxa
bxaxaxa
bxaxaxa
2211
22222121
11212111
mnmnmm
n
n
b
b
b
x
x
x
aaa
aaa
aaa
2
1
2
1
21
22221
11211
= = =
A x b
條線性方程式m
單一矩陣方程式
bx A1 nnm 1m
線性代數 : 2.1 節 p.66
18/95
分割矩陣 (partitioned matrices)
2221
1211
34333231
24232221
14131211
AA
AA
aaaa
aaaa
aaaa
A
子矩陣
3
2
1
34333231
24232221
14131211
r
r
r
aaaa
aaaa
aaaa
A
4321
34333231
24232221
14131211
cccc
aaaa
aaaa
aaaa
A
線性代數 : 2.1 節 補充
19/95
n
mnmm
n
n
ccc
aaa
aaa
aaa
A
21
21
22221
11211
nx
x
x
x2
1
12211
2222121
1212111
mnmnmm
nn
nn
xaxaxa
xaxaxa
xaxaxa
Ax
矩陣 A 之行向量的線性組合 (linear combination)
(A 之行向量的線性組合 )
mn
n
n
n
a
a
a
x
2
1
1
21
11
1
ma
a
a
x
2
22
21
2
ma
a
a
x
1c 2c nc
線性代數 : 2.1 節
20/95
摘要與複習 (2.1 節之關鍵詞 )
row vector: 列向量 column vector: 行向量 diagonal matrix: 對角矩陣 trace: 跡數 equality of matrices: 相等矩陣 matrix addition: 矩陣相加 scalar multiplication: 純量積 matrix multiplication: 矩陣相乘 partitioned matrix: 分割矩陣
21/95
2.2 矩陣運算的性質 三種矩陣基本運算 :
(1) 矩陣相加(2) 純量積(3) 矩陣相乘
零矩陣 (zero matrix) : nm0
n 階單位矩陣 (identity matrix of order n) : nI
線性代數 : 2.1 節 pp.75-81
22/95
矩陣相加與純量積的性質
則 (1) A+B = B + A
(2) A + ( B + C )=( A + B ) + C
(3) ( cd ) A = c ( dA )
(4) 1A = A
(5) c( A+B ) = cA + cB
(6) ( c+d ) A =cA + dA
純量若 :dc, ,CB,A, nmM
線性代數 : 2.1 節 p.75
23/95
零矩陣的性質
純量若 :, c A nmM
A0A )1( nm 則
nm0(-A)A (2)
nmnm 0Aor 0c 0cA )3(
注意:(1) 0m×n: 所有 m×n 矩陣的加法單位矩陣
(2) -A: 矩陣 A 的加法反元素 (additive inverse)
線性代數 : 2.1 節 p.77
24/95
矩陣相乘的性質
(1) A(BC) = (AB)C
(2) A(B+C) = AB + AC
(3) (A+B)C = AC + BC
(4) c (AB) = (cA) B = A (cB)
單位矩陣的性質
AAI nmMA
n
)1(
則若
AAI m )2(
線性代數 : 2.1 節 p.78&p81
25/95
矩陣乘冪
n nA M
0nA I
1A A
2A AA
'kA
k
s
A A A A
26/95
矩陣的轉置 (transpose)
nm
mnmm
n
n
M
aaa
aaa
aaa
A
21
22221
11211
若
mn
mnnn
m
m
T M
aaa
aaa
aaa
A
21
22212
12111
則
線性代數 : 2.1 節 p.83
27/95
範例 : 求下列每一個矩陣的轉置
8
2A
(b)
987
654
321
A
(c)
11
42
10
A
解 : (a)
8
2A 82 TA
(b)
987
654
321
A
963
852
741TA
(c)
11
42
10
A
141
120TA
(a)
線性代數 : 2.1 節 pp.83-84
28/95
)4(
)3(
)2(
)1(
TTT
TT
TTT
TT
ABAB
AccA
BABA
AA
轉置矩陣的性質
和的轉置
純量積的轉置
矩陣乘積的轉置
線性代數 : 2.1 節 p.84
29/95
對稱矩陣 (symmetric matrix)
若 A = AT ,則方陣 A 被稱為對稱矩陣
範例 :
6
54
321
cb
aA若 為對稱矩陣,則 a, b, c 為何 ?
解 :
5 ,3 ,2 cba
6
54
321
cb
aA
653
42
1
c
ba
AT
TAA
線性代數 : 2.1 節
30/95
範例 :
0
30
210
cb
aA若 為反對稱矩陣,則 a, b, c 為何 ?
解 :
3 ,2 ,1 cba
,
0
30
210
cb
aA
032
01
0
c
ba
AT
TAA 線性代數 : 2.1 節 p.86
若 AT = -A ,則方陣 A 被稱為反對稱矩陣
反對稱矩陣 (skew-symmetric matrix)
31/95
注意 :TAA 是對稱矩陣
證明 :
為對稱矩陣T
TTTTTT
AA
AAAAAA
)()(
32/95
實數ab = ba 乘法交換律
矩陣 BAAB
pnnm
沒有定義有定義
則若 (1)
BA
ABpm
4說明見範例
)但未必相等( ,矩陣大小相同 mm
mm
MBA
MABn pm
則若 (3)
nn
nm
MBA
MABnmpm
則若 (2) ,
三種可能情形
( 矩陣大小不同 )
線性代數 : 2.1 節 補充
33/95
範例 4 : 無交換性的矩陣相乘 對下列的矩陣證明 AB 和 BA 不相等
12
31A 與
20
12B
解:
44
52
20
12
12
31AB
注意 :
BAAB
24
70
12
31
20
12BA
線性代數 : 2.1 節 pp.79-80
34/95
摘要與複習 (2.2 節之關鍵詞 )
zero matrix: 零矩陣 identity matrix: 單位矩陣 transpose matrix: 轉置矩陣 symmetric matrix: 對稱矩陣 skew-symmetric matrix: 反對稱矩陣
35/95
2.3 反矩陣 反矩陣 (inverse matrix)
nnMA
若存在一 矩陣 使得 nIBAAB nnMB
注意 : 若矩陣沒有反矩陣則稱此矩陣為不可逆 (noninvertible)
或奇異 (singular) 矩陣
考慮
則 (1) A 是可逆 (invertible) 或非奇異 (nonsingular) 矩陣
(2) B 為 A 的反矩陣
線性代數 : 2.1 節 p.90
36/95
定理 2.7 : 反矩陣的唯一性
若 B 與 C 都是 A 的反矩陣,則 B = C
證明 :
CB
CIB
CBCA
CIABC
IAB
)(
)(
因此 B=C ,所以一矩陣的反矩陣是唯一的 注
意 : (1) A 的反矩陣被表示成
(2)
1A
IAAAA 11
線性代數 : 2.1 節 pp.90-91
37/95
實數ac = bc ,
0c
ba 乘法消去律
矩陣
0 CBCAC
(1) 若 C 是可逆,則 A=B
(2) 若 C 是不可逆,則 ( 消去法不成立 )BA
線性代數 : 2.1 節 p.80
38/95
範例 5 : 消去法不成立的範例 對下列的矩陣證明 AC=BC
21
21 ,
32
42 ,
10
31CBA
解 :
21
42
21
21
10
31AC
因此 BCAC
但是 BA
21
42
21
21
32
42BC
線性代數 : 2.1 節 p.80
39/95
利用高斯 - 喬登消去法求一矩陣的反矩陣 1|| AIIA 高斯喬登消去法
範例 2 : 求下列矩陣的反矩陣
31
41A
解:
IAX
10
01
31
41
2221
1211
xx
xx
13
04
03
14
2212
2212
2111
2111
xx
xx
xx
xx
1 2
10
01
33
44
22122111
22122111
xxxx
xxxx
線性代數 : 2.1 節 p.92
40/95
110
301
031
141)4(
21(1)
12 ,r
喬登消去法高斯
r
110
401
131
041)4(
21)1(
12 ,
喬登消去法高斯
rr
1 ,3 2111 xx
1 ,4 2212 xx
1
2
11
431AX
所以
線性代數 : 2.1 節 p.92
41/95
注意:
1110
4301
1031
0141
1
, )4(21
)1(12
AIIA
rr
喬登消去法高斯
若矩陣 A 不能夠用列運算將其化成單位矩陣 I ,則矩陣 A 為奇異矩陣。
線性代數 : 2.1 節 p.93
42/95
範例 3 : 求下列矩陣的反矩陣
326
101
011
A
解:
R2+(-1)R1->R2
100326
011110
001011
)1(
12
r
100
010
001
326
101
011
IA
線性代數 : 2.1 節 p.94
43/95
331-
142100
011110
001011
)1(
3 RRr
4
1421-00
011-1-10
00101-1
323
)4(23 RRRr
232 (1)
142100
133010
001011
)1(
32 RRRr
313 R-(6)RR
106
011
001
340
110
011
)6(
13
r
線性代數 : 2.1 節 p.94
44/95
所以矩陣 A 是可逆的,其反矩陣為
142
133
1321A
我們可以藉由A和 的相乘來得到 以確認其為反矩陣
注意:
I1A
121
142100
133010
132001
)1(
21 RRRr
] [ 1 AI
線性代數 : 2.1 節 pp.94-95
45/95
方陣的冪次 (power)
IA 0 )1(
0)(k )2(個
k
k AAAA
整數:, )3( srAAA srsr rssr AA )(
kn
k
k
k
n d
d
d
D
d
d
d
D
00
00
00
00
00
00
)4( 2
1
2
1
線性代數 : 2.1 節 補充
46/95
定理 2.8 : 反矩陣的性質
若 A 是可逆矩陣,則有下列的性質 :
AAA 111 )( )1( 是可逆且
1 1 1 1 1
'
(2) ( ) ( )k k k k
k A s
A A A A A A A 是可逆且
0 ,1
)( c )3( 11 cAc
cAA 是可逆且
1 1(4) ( ) ( )T T TA A A 是可逆且
線性代數 : 2.1 節 p.97
47/95
111 ABAB
定理 2.9 : 乘積的反矩陣若 A 和 B 為大小為 nxn 的可逆矩
陣,則 AB 為可逆且 證明 :
111)( ABAB
AB
所以
因為反矩陣有唯一性是可逆的所以
IBBIBBBIBBAABABAB
IAAAAIAIAABBAABAB1111111
1111111
注意 : 1
11
21
311
321 AAAAAAAA nn
線性代數 : 2.1 節 pp.99-100
48/95
定理 2.10 : 相消性質 若 C 為可逆矩陣,則以下的性質成立 (1) 若 AC=BC ,則 A=B ( 右相消性質 )
(2) 若 CA=CB ,則 A=B ( 左相消性質 )
證明 :
BA
BIAI
CCBCCA
CBCCAC
BCAC
11
11 )存在(即 是可逆因為 1 -CC
注意 : 若 C 不是可逆,則相消法是不成立的
線性代數 : 2.1 節 p.101
49/95
bAx 1
定理 2.11 : 有唯一解的方程式系統 若 A 為一可逆矩陣,則此線性方程式系統 Ax=b 有唯一解
證明 :
( A 為一非奇異矩陣 )
bAx
bAIx
bAAxA
bAx
1
1
11
此解為唯一
21 xx 和 若 為 Ax=b 的兩個解
21 AxbAx 則
21 xx ( 左相消性質 )
線性代數 : 2.1 節 pp.101-102
50/95
注意 :
bAx
bAIbAAAbA A 111 |||1
nA
n bAbAIbbbA 11
121 |||||||
1
線性代數 : 2.1 節
51/95
摘要與複習 (2.3 節之關鍵詞 )
inverse matrix: 反矩陣 invertible: 可逆 nonsingular: 非奇異 singular: 奇異 power: 冪次
52/95
2.4 基本矩陣
三項列基本矩陣)( )1( IrR ijij
)0( )( )2( )()( kIrR ki
ki
)( )3( )()( IrR kij
kij
列基本矩陣 (row elementary matrix)
一 nn 矩陣稱為列基本矩陣若它可以將單位矩陣 I 進行 一次 基本列運算來獲得
兩列互換一列乘以一非零常數某一列的倍數加到另一列
列基本矩陣基本列運算
單位矩陣
注意 :只能做“一次 ”列運算
線性代數 : 2.1 節 p.107
53/95
範例 1 : 基本矩陣與非基本矩陣 (a)
100
030
001(b)
010
001(c)
000
010
001(d)
010
100
001
(e)
12
01
(f)
100
020
001
))(I(r 3(3)2是 )(非方陣不是
)
(
一個非零常數必須乘上不是 ))(I(r 323是
))(I(r 2(2)
12是 )(必須只做一次列運算不是
線性代數 : 2.1 節 p.107
54/95
定理 2.12: 基本列運算的表示
令 E 為對 Im 做基本列運算所得到的基本矩陣。
若要對一 mn 的矩陣 A 進行相同的基本列運算,
則所得到的矩陣可以表示成 EA 的相乘
注意 :ARAr ijij )( )1(
ARAr ki
ki
)()( )( )2(
ARAr kij
kij
)()( )( )3(
EAAr
EIr
)(
)(
線性代數 : 2.1 節 p.109
55/95
))((
123
120
631
123
631
120
100
001
010
)( 1212 ARAra
範例 2 : 基本矩陣與基本列運算
))((
540
120
101
540
322
101
100
012
001
)( )5(12
)2(12 ARArc
))((
1310
2310
1401
1310
4620
1401
100
02
10
001
)()
2
1(
2
)2
1(
2 ARArb
線性代數 : 2.1 節 p.108
56/95
範例 3 : 使用基本矩陣求一序列的基本矩陣以將下列矩陣化簡成列梯形形
式
0262
2031
5310
A
解 :
100
001
010
)( 3121 IrE
102
010
001
)( 3)2(
132 IrE
21
3
)2
1(
33
00
010
001
)(IrE
線性代數 : 2.1 節 p.109
57/95
0262
5310
2031
0262
2031
5310
100
001
010
)( 1121 AEArA
4200
5310
2031
0262
5310
2031
102
010
001
)( 121)2(
132 AEArA
2100
5310
2031
4200
5310
2031
21
00
010
001
)( 232
)21
(
33 AEArA
=
BAEEEB 123 )( 12
)2(13
)2
1(
3 ArrrB 或( )列梯形矩陣
線性代數 : 2.1 節 p.110
58/95
若存在有限數目的基本矩陣使得
AEEEEB kk 121
則稱 B 列等價於 A
列等價 (row-equivalent)
線性代數 : 2.1 節 p.110
59/95
1E
定理 2.13 : 基本列矩陣是可逆
若 E 為一基本矩陣,則 存在且為一基本矩陣 注意 :
1(1) (R )ij ijR
)1
(1)( )( )2( ki
ki RR
)(1)( )(R )3( kij
kij R
線性代數 : 2.1 節 p.111
60/95
範例 : 基本矩陣 反矩陣
121
100
001
010
RE
100
001
010
)( 11
112 ER
)2(132
102
010
001
RE
102
010
001
)( 12
1)2(13 ER
)2
1(
3
21
3
00
010
001
RE
200
010
001
)( 13
1)21
(
3 ER
12R
)2(13R
)2(3R
線性代數 : 2.1 節 p.111
61/95
定理 2.14: 可逆矩陣的性質
一方陣 A 為可逆若且唯若它可以寫成基本矩陣的相
乘證明 : (1) 先假設 A 為一些基本矩陣的相乘。每一基本矩陣均 是可逆矩陣,且可逆矩陣相乘的結果依然是可逆, 所以可以得知 A 為可逆
(2) 假設 A 為可逆則 只有顯然解 ( 定理 2.11) 0xA
00 IA
IAEEEEk 123 11
31
21
1 kEEEEA
所以 A 可以寫成許多基本矩陣的相乘 線性代數 : 2.1 節 pp.111-112
62/95
範例 4 :求一序列的基本矩陣,其乘積為
83
21A
解 :
I
A
rr
rr
10
01
10
21
20
21
83
21
83
21
)2(21
)2
1(
2
)3(12
)1(1
IARRRR )1(1
)3(12
)21
(
2)2(
21 所以
線性代數 : 2.1 節 p.112
63/95
1)2(21
1)21
(
21)3(
121)1(
1 )()()()( RRRRA因此
)2(21
)2(2
)3(12
)1(1 RRRR
10
21
20
01
13
01
10
01
注意 :
若 A 是可逆
][][ 1123
AIIAEEEEk
IAEEEEk 123 則
1231 EEEEA k
線性代數 : 2.1 節 p.113
64/95
定理 2.15: 等價條件 若 A 為一 nn 矩陣,則以下這些敘述是等價的 (1) A 為可逆 (2) 對於每一個 n1 行矩陣 b , Ax=b 具有唯一解 (3) Ax=0 只有顯然解 (4) A 列等價於 In
(5) A 可以寫成一些基本矩陣的乘積
線性代數 : 2.1 節 p.113
65/95
LUA L 是一下三角矩陣 (lower triangular)
U 是一上三角矩陣 (upper triangular)
若一 nn 矩陣 A 可以寫成一下三角矩陣 L 及一上三角矩陣 U 的相乘,則 LUA
LU- 分解 (LU-factorization)
注意 :若只使用一列的倍數加到另一列的列運算就可以將矩陣 A
化簡為一上三角矩陣 U ,則 A 具有 LU- 分解
LUA
UEEEA
UAEEE
k
k
11
21
1
12
線性代數 : 2.1 節 p.114
66/95
範例 5 : LU- 分解
UA
20
21
01
21 (-1)12r
01
21A
(b)
2102
310
031
A(a)
解: (a)
UAR )1(12
LUURA 1)1(12 )(
11
01)( )1(
121)1(
12 RRL
線性代數 : 2.1 節 p.114
67/95
(b)
UA rr
1400
310
031
240
310
031
2102
310
031)4(
23)2(
13
UARR )2(13
)4(23
LUURRA 1)4(23
1)2(13 )()(
142
010
001
140
010
001
102
010
001
)()( )4(23
)2(13
1)4(23
1)2(13 RRRRL
線性代數 : 2.1 節 p.114
68/95
利用 A 矩陣的 LU 分解求 Ax=b 的解
bLUx
LUA
則 若
兩步驟:bLy
Uxy
則令
(1) 寫出 y=Ux 並由 Ly=b 解得 y
(2) 由 Ux=y 解得 x
bAx
線性代數 : 2.1 節 p.116
69/95
範例 7 : 利用 LU- 分解求解一線性系統
202102
13
53
321
32
21
xxx
xx
xx
解:
LUA
1400
310
031
142
010
001
2102
310
031
線性代數 : 2.1 節 p.116
70/95
令 xy U 並解系統 by L
20
1
5
142
010
001
3
2
1
y
y
y
(1)
可解得
1
5
2
1
y
y
14)1(4)5(2204220 213 yyy
線性代數 : 2.1 節 pp.116-117
71/95
(2) 解系統 yxU
14
1
5
1400
310
031
3
2
1
x
x
x
1)2(3535
2)1)(3(131
1
21
32
3
xx
xx
x
所以原方程式系統的解為
1
2
1
x
可得
線性代數 : 2.1 節 p.117
72/95
摘要與復習 (2.4 節之關鍵詞 )
row elementary matrix: 列基本矩陣 row equivalent: 列等價 lower triangular matrix: 下三角矩陣 upper triangular matrix: 上三角矩陣 LU-factorization: LU 分解
73/95
2.5 矩陣運算的應用
線性代數 : 2.5 節 p.121
74/95線性代數 : 2.5 節 p.121
75/95線性代數 : 2.5 節 p.122
76/95線性代數 : 2.5 節 p.122
77/95線性代數 : 2.5 節 p.122-123
78/95線性代數 : 2.5 節 p.124-125
79/95線性代數 : 2.5 節 p.125
80/95線性代數 : 2.5 節 p.125-126
81/95線性代數 : 2.5 節 p.126
82/95線性代數 : 2.5 節 p.127
83/95線性代數 : 2.5 節 p.127
84/95線性代數 : 2.5 節 p.128
85/95線性代數 : 2.5 節 p.128
86/95線性代數 : 2.5 節 p.129
87/95線性代數 : 2.5 節 p.129-130
88/95線性代數 : 2.5 節 p.130
89/95線性代數 : 2.5 節 p.130-131
90/95線性代數 : 2.5 節 p.131-132
91/95線性代數 : 2.5 節 p.132
92/95線性代數 : 2.5 節 p.132
93/95線性代數 : 2.5 節 p.132-133
94/95線性代數 : 2.5 節 p.133
95/95線性代數 : 2.5 節 p.133
96/95線性代數 : 2.5 節 p.134
97/95線性代數 : 2.5 節 p.134
98/95線性代數 : 2.5 節 p.134-135
99/95線性代數 : 2.5 節 p.135
100/95線性代數 : 2.5 節 p.136
101/95線性代數 : 2.5 節 p.136
102/95線性代數 : 2.5 節 p.137