矩陣與矩陣運算基礎

在線性代數中,矩陣(Matrix)是一種用於表示線性變換與解線性方程組的重要工具。
矩陣由數字依照**列(row)與行(column)**排列成長方形陣列。


1. 矩陣的表示法

令 $F$ 為一個域(Field),一個 $m \times n$ 的矩陣 $A$ 為:

$$
A =
\begin{bmatrix}
a_{11} & a_{12} & \cdots & a_{1n} \\
a_{21} & a_{22} & \cdots & a_{2n} \\
\vdots & \vdots & \ddots & \vdots \\
a_{m1} & a_{m2} & \cdots & a_{mn}
\end{bmatrix},
\quad a_{ij} \in F
$$

其中:

  • $A$ 為 $m$ 列 $n$ 行矩陣
  • $a_{ij}$:第 $i$ 列、第 $j$ 行元素
  • 行(row):橫向排列
  • 列(column):縱向排列
  • $F^{m \times n}$:所有 $m \times n$ 矩陣所形成的集合

特別類型:

  • $n \times 1$:行向量(column vector)
  • $1 \times n$:列向量(row vector)
  • $F = \mathbb{R}$:實矩陣(real matrix)
  • $F = \mathbb{C}$:複矩陣(complex matrix)

2. 矩陣基本名詞

假設 $A \in F^{m \times n}$

(1) n 階方陣

若 $m = n$,則 $A$ 為 n 階方陣

(2) 對角項元素

若 $A$ 為方陣,$a_{ii}$ 稱為 對角項(diagonal element)

(3) 零矩陣

所有元素皆為 0:

$$
O =
\begin{bmatrix}
0 & 0 & \cdots & 0 \\
0 & 0 & \cdots & 0 \\
\vdots & \vdots & \ddots & \vdots \\
0 & 0 & \cdots & 0
\end{bmatrix}
$$

(4) 負矩陣

若 $B$ 的所有元素皆為 $-a_{ij}$,則 $B = -A$

(5) n 階單位矩陣 $I_n$

對角線為 1、其他為 0:

$$
I_n =
\begin{bmatrix}
1 & 0 & \cdots & 0 \\
0 & 1 & \cdots & 0 \\
\vdots & \vdots & \ddots & \vdots \\
0 & 0 & \cdots & 1
\end{bmatrix}
$$

(6) 上三角與嚴格上三角矩陣

上三角矩陣($i > j$ 時 $a_{ij} = 0$):

$$
A =
\begin{bmatrix}
* & * & * \\
0 & * & * \\
0 & 0 & *
\end{bmatrix}
$$

嚴格上三角(對角全 0):

$$
A =
\begin{bmatrix}
0 & * & * \\
0 & 0 & * \\
0 & 0 & 0
\end{bmatrix}
$$

(7) 下三角與嚴格下三角矩陣

下三角矩陣($i < j$ 時 $a_{ij} = 0$):

$$
A =
\begin{bmatrix}
* & 0 & 0 \\
* & * & 0 \\
* & * & *
\end{bmatrix}
$$

嚴格下三角:

$$
A =
\begin{bmatrix}
0 & 0 & 0 \\
* & 0 & 0 \\
* & * & 0
\end{bmatrix}
$$

(8) 對角矩陣

上三角 + 下三角 ⇒ 只有對角線可能非零


3. 常見矩陣類型表(整理版)

類型 符號 特徵
零矩陣 $O$ 所有元素皆 0
單位矩陣 $I_n$ 對角線為 1
對角矩陣 — 僅對角線可能非零
方陣 $m=n$ 行列相同
轉置矩陣 $A^T$ 行列互換

4. 矩陣的基本運算

(1) 矩陣加減法

若 $A,B \in M_{m \times n}(F)$:

$$
A + B = [a_{ij} + b_{ij}],\quad
A - B = [a_{ij} - b_{ij}]
$$

(2) 純量乘法

$$
kA = [k a_{ij}],\quad k \in F
$$

(3) 矩陣乘法

若 $A \in M_{m \times p}(F)$、$B \in M_{p \times n}(F)$:

$$
c_{ij} = \sum_{k=1}^{p} a_{ik} b_{kj}
$$

範例:

$$
A =
\begin{bmatrix}
1 & 2 & 3 \\
4 & 5 & 6 \\
7 & 8 & 9
\end{bmatrix},
\quad
B =
\begin{bmatrix}
9 & 8 & 7 \\
6 & 5 & 4 \\
3 & 2 & 1
\end{bmatrix}
$$

$$
C = AB =
\begin{bmatrix}
30 & 24 & 18 \\
84 & 69 & 54 \\
138 & 114 & 90
\end{bmatrix}
$$

⚠ 矩陣乘法不可交換:
$$AB \neq BA$$
⚠ 相乘條件:前矩陣列數 = 後矩陣行數


5. 矩陣的常用性質

以下皆為任意矩陣 $A,B,C$ 與純量 $\alpha,\beta$:

  • $A + B = B + A$
  • $(A + B) + C = A + (B + C)$
  • $A + O = A$
  • $A + (-A) = O$
  • $(\alpha + \beta)A = \alpha A + \beta A$
  • $\alpha(A+B) = \alpha A + \alpha B$
  • $A(BC) = (AB)C$
  • $A(B \pm C) = AB \pm AC$

6. 補充例子(概念陷阱)

對角矩陣相乘

$$
A = \begin{bmatrix}2&0&0\\0&3&0\\0&0&4\end{bmatrix},\quad
B = \begin{bmatrix}5&0&0\\0&6&0\\0&0&7\end{bmatrix}
$$

對角線直接相乘:

$$
AB = \begin{bmatrix}10&0&0\\0&18&0\\0&0&28\end{bmatrix}
$$


多個常見錯誤觀念(務必注意!)

(1) 乘法不交換
$$AB \neq BA$$

(2) $A^n = O$ 不代表 $A=0$

(3) $A^2 = A$ 不代表 $A=0$ 或 $A=I$

(4) $A \neq 0, B \neq 0$ 不代表 $AB \neq 0$

(5) $AB = AC$ 不代表 $B=C$

(6) $X^n = A$ 可能有無限多解

(7) $(A+B)^2 = A^2 + 2AB + B^2$ 通常不成立


7. 矩陣的應用

矩陣廣泛應用於:

  • 線性方程組(高斯消去法)
  • 電腦圖學(旋轉、縮放、平移)
  • 統計學(協方差矩陣、PCA)
  • 機器學習(權重矩陣、batch 運算)

小結

矩陣是線代核心工具,理解矩陣結構與運算性質,
能為後續的特徵值、向量空間、SVD、QR 分解等奠定基礎。


筆者後記

若內容有誤或需補充部分,歡迎留言告訴我!
我會即時修正~ 🙌