发布时间：
矩阵的应用是很多的。尤其是在程序处理方面。在世界上存在的，都是离散的，那些理想的才是连续的~而矩阵可以很好地诠释世界上的各种东西~例如我们经常处理的图片，我们平时的数据等等。
随着现代科学的发展，数学中的矩阵也有更广泛而深入的应用，下面列举几项矩阵在现实生活中的应用：（1）矩阵在经济生活中的应用可“活用”行列式求花费总和最少等类似的问题；可“借用”特征值和特征向量预测若干年后的污染水平等问题。（2）在人口流动问题方面的应用这是矩阵高次幂的应用，比如预测未来的人口数数、人口的发展趋势。（3）矩阵在密码学中的应用可用可逆矩阵及其逆矩阵对需发送的秘密消息加密和译密。（4）矩阵在文献管理中的应用比如现代搜索中往往包括几百万个文件和成千的关键词，但可以利用矩阵和向量的稀疏性，节省计算机的存储空间和搜索时间。
告诉你拟就会写吗。不如我给你写得了
初等代数从最简单的一元一次方程开始，一方面进而讨论二元及三元的一次方程组，另一方面研究二次以上及可以转化为二次的方程组。沿着这两个方向继续发展，代数在讨论任意多个未知数的一次方程组，也叫线型方程组的同时还研究次数更高的一元方程组。发展到这个阶段，就叫做高等代数。 高等代数是代数学发展到高级阶段的总称，它包括许多分支。现在大学里开设的高等代数，一般包括两部分：线性代数初步、多项式代数。 高等代数在初等代数的基础上研究对象进一步的扩充，引进了许多新的概念以及与通常很不相同的量，比如最基本的有集合、向量和向量空间等。这些量具有和数相类似的运算的特点，不过研究的方法和运算的方法都更加繁复。 集合是具有某种属性的事物的全体；向量是除了具有数值还同时具有方向的量；向量空间也叫线性空间，是由许多向量组成的并且符合某些特定运算的规则的集合。向量空间中的运算对象已经不只是数，而是向量了，其运算性质也由很大的不同了。 高等代数发展简史 代数学的历史告诉我们，在研究高次方程的求解问题上，许多数学家走过了一段颇不平坦的路途，付出了艰辛的劳动。 人们很早就已经知道了一元一次和一元二次方程的求解方法。关于三次方程，我国在公元七世纪，也已经得到了一般的近似解法，这在唐朝数学家王孝通所编的《缉古算经》就有叙述。到了十三世纪，宋代数学家秦九韶再他所著的《数书九章》这部书的“正负开方术”里，充分研究了数字高次方程的求正根法，也就是说，秦九韶那时候以得到了高次方程的一般解法。 在西方，直到十六世纪初的文艺复兴时期，才由有意大利的数学家发现一元三次方程解的公式——卡当公式。 在数学史上，相传这个公式是意大利数学家塔塔里亚首先得到的,后来被米兰地区的数学家卡尔达诺(1501～1576)到了这个三次方程的解的公式，并发表在自己的著作里。所以现在人们还是叫这个公式为卡尔达诺公式(或称卡当公式)，其实，它应该叫塔塔里亚公式。 三次方程被解出来后，一般的四次方程很快就被意大利的费拉里(1522～1560)解出。这就很自然的促使数学家们继续努力寻求五次及五次以上的高次方程的解法。遗憾的是这个问题虽然耗费了许多数学家的时间和精力，但一直持续了长达三个多世纪，都没有解决。 到了十九世纪初，挪威的一位青年数学家阿贝尔(1802～1829)证明了五次或五次以上的方程不可能有代数解。既这些方程的根不能用方程的系数通过加、减、乘、除、乘方、开方这些代数运算表示出来。阿贝尔的这个证明不但比较难，而且也没有回答每一个具体的方程是否可以用代数方法求解的问题。 后来，五次或五次以上的方程不可能有代数解的问题，由法国的一位青年数学家伽罗华彻底解决了。伽罗华20岁的时候，因为积极参加法国资产阶级革命运动，曾两次被捕入狱，1832年4月，他出狱不久，便在一次私人决斗中死去，年仅21岁。 伽罗华在临死前预料自己难以摆脱死亡的命运，所以曾连夜给朋友写信，仓促地把自己生平的数学研究心得扼要写出，并附以论文手稿。他在给朋友舍瓦利叶的信中说：“我在分析方面做出了一些新发现。有些是关于方程论的；有些是关于整函数的……。公开请求雅可比或高斯，不是对这些定理的正确性而是对这些定理的重要性发表意见。我希望将来有人发现消除所有这些混乱对它们是有益的。” 伽罗华死后，按照他的遗愿，舍瓦利叶把他的信发表在《百科评论》中。他的论文手稿过了14年，才由刘维尔(1809～1882)编辑出版了他的部分文章，并向数学界推荐。 随着时间的推移，伽罗华的研究成果的重要意义愈来愈为人们所认识。伽罗华虽然十分年轻，但是他在数学史上做出的贡献，不仅是解决了几个世纪以来一直没有解决的高次方程的代数解的问题，更重要的是他在解决这个问题中提出了“群”的概念，并由此发展了一整套关于群和域的理论，开辟了代数学的一个崭新的天地，直接影响了代数学研究方法的变革。从此，代数学不再以方程理论为中心内容，而转向对代数结构性质的研究，促进了代数学的进一步的发展。在数学大师们的经典著作中，伽罗华的论文是最薄的，但他的数学思想却是光辉夺目的。 高等代数的基本内容 代数学从高等代数总的问题出发，又发展成为包括许多独立分支的一个大的数学科目，比如：多项式代数、线性代数等。代数学研究的对象，也已不仅是数，还有矩阵、向量、向量空间的变换等，对于这些对象，都可以进行运算。虽然也叫做加法或乘法，但是关于数的基本运算定律，有时不再保持有效。因此代数学的内容可以概括为研究带有运算的一些集合，在数学中把这样的一些集合叫做代数系统。比如群、环、域等。 多项式是一类最常见、最简单的函数，它的应用非常广泛。多项式理论是以代数方程的根的计算和分布作为中心问题的，也叫做方程论。研究多项式理论，主要在于探讨代数方程的性质，从而寻找简易的解方程的方法。 多项式代数所研究的内容，包括整除性理论、最大公因式、重因式等。这些大体上和中学代数里的内容相同。多项式的整除性质对于解代数方程是很有用的。解代数方程无非就是求对应多项式的零点，零点不存在的时候，所对应的代数方程就没有解。 我们知道一次方程叫做线性方程，讨论线性方程的代数就叫做线性代数。在线性代数中最重要的内容就是行列式和矩阵。 行列式的概念最早是由十七世纪日本数学家关孝和提出来的，他在1683年写了一部叫做《解伏题之法》的著作，标题的意思是“解行列式问题的方法”，书里对行列式的概念和它的展开已经有了清楚的叙述。欧洲第一个提出行列式概念的是德国的数学家莱布尼茨。德国数学家雅可比于1841年总结并提出了行列式的系统理论。 行列式有一定的计算规则，利用行列式可以把一个线性方程组的解表示成公式，因此行列式是解线性方程组的工具。行列式可以把一个线性方程组的解表示成公式，也就是说行列式代表着一个数。 因为行列式要求行数等于列数，排成的表总是正方形的，通过对它的研究又发现了矩阵的理论。矩阵也是由数排成行和列的数表，可以行数和烈数相等也可以不等。 矩阵和行列式是两个完全不同的概念，行列式代表着一个数，而矩阵仅仅是一些数的有顺序的摆法。利用矩阵这个工具，可以把线性方程组中的系数组成向量空间中的向量；这样对于一个多元线性方程组的解的情况，以及不同解之间的关系等等一系列理论上的问题，就都可以得到彻底的解决。矩阵的应用是多方面的，不仅在数学领域里，而且在力学、物理、科技等方面都十分广泛的应用。 代数学研究的对象，不仅是数，也可能是矩阵、向量、向量空间的变换等，对于这些对象，都可以进行运算，虽然也叫做加法或乘法，但是关于数的基本运算定律，有时不再保持有效。因此代数学的内容可以概括称为带有运算的一些集合，在数学中把这样的一些集合，叫做代数系统。比较重要的代数系统有群论、环论、域论。群论是研究数学和物理现象的对称性规律的有力工具。现在群的概念已成为现代数学中最重要的，具有概括性的一个数学的概念，广泛应用于其他部门。 高等代数与其他学科的关系 代数学、几何学、分析数学是数学的三大基础学科，数学的各个分支的发生和发展，基本上都是围绕着这三大学科进行的。那么代数学与另两门学科的区别在哪儿呢？ 首先，代数运算是有限次的，而且缺乏连续性的概念，也就是说，代数学主要是关于离散性的。尽管在现实中连续性和不连续性是辩证的统一的，但是为了认识现实，有时候需要把它分成几个部分，然后分别地研究认识，在综合起来，就得到对现实的总的认识。这是我们认识事物的简单但是科学的重要手段，也是代数学的基本思想和方法。代数学注意到离散关系，并不能说明这时它的缺点，时间已经多次、多方位的证明了代数学的这一特点是有效的。 其次，代数学除了对物理、化学等科学有直接的实践意义外，就数学本身来说，代数学也占有重要的地位。代数学中发生的许多新的思想和概念，大大地丰富了数学的许多分支，成为众多学科的共同基础。
随着现代科学的发展，数学中的矩阵也有更广泛而深入的应用，下面列举几项矩阵在现实生活中的应用：
矩阵的应用是很多的。尤其是在程序处理方面。在世界上存在的，都是离散的，那些理想的才是连续的~而矩阵可以很好地诠释世界上的各种东西~例如我们经常处理的图片，我们平时的数据等等。
矩阵在许多领域都应用广泛。有些时候用到矩阵是因为其表达方式紧凑，例如在博弈论和经济学中，会用收益矩阵来表示两个博弈对象在各种决策方式下的收益。文本挖掘和索引典汇编的时候，比如在TF-IDF方法中，也会用到文件项矩阵来追踪特定词汇在多个文件中的出现频率。早期的密码技术如希尔密码也用到矩阵。然而，矩阵的线性性质使这类密码相对容易破解。计算机图像处理也会用到矩阵来表示处理对象，并且用放射旋转矩阵来计算对象的变换，实现三维对象在特定二维屏幕上的投影。多项式环上的矩阵在控制论中有重要作用。化学中也有矩阵的应用，特别在使用量子理论讨论分子键和光谱的时候。具体例子有解罗特汉方程时用重叠矩阵和福柯矩阵来得到哈特里－福克方法中的分子轨道。
在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合[1] ，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。 矩阵的运算是数值分析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。对一些应用广泛而形式特殊的矩阵，例如稀疏矩阵和准对角矩阵，有特定的快速运算算法。关于矩阵相关理论的发展和应用，请参考矩阵理论。在天体物理、量子力学等领域，也会出现无穷维的矩阵，是矩阵的一种推广。矩阵的研究历史悠久，拉丁方阵和幻方在史前年代已有人研究。作为解决线性方程的工具，矩阵也有不短的历史。成书最迟在东汉前期的《九章算术》中，用分离系数法表示线性方程组，得到了其增广矩阵。在消元过程中，使用的把某行乘以某一非零实数、从某行中减去另一行等运算技巧，相当于矩阵的初等变换。但那时并没有现今理解的矩阵概念，虽然它与现有的矩阵形式上相同，但在当时只是作为线性方程组的标准表示与处理方式。矩阵正式作为数学中的研究对象出现，则是在行列式的研究发展起来后。逻辑上，矩阵的概念先于行列式，但在实际的历史上则恰好相反。日本数学家关孝和（1683年）与微积分的发现者之一戈特弗里德·威廉·莱布尼茨（1693年）近乎同时地独立建立了行列式论。其后行列式作为解线性方程组的工具逐步发展。1750年，加布里尔·克拉默发现了克莱姆法则[2] 。矩阵的现代概念在19世纪逐渐形成。1800年代，高斯和威廉·若尔当建立了高斯—若尔当消去法。1844年，德国数学家费迪南·艾森斯坦（）讨论了“变换”（矩阵）及其乘积。1850年，英国数学家詹姆斯·约瑟夫·西尔维斯特（James Joseph Sylvester）首先使用矩阵一词[3] 。英国数学家凯利被公认为矩阵论的奠基人。他开始将矩阵作为独立的数学对象研究时，许多与矩阵有关的性质已经在行列式的研究中被发现了，这也使得凯利认为矩阵的引进是十分自然的。他说：“我决然不是通过四元数而获得矩阵概念的；它或是直接从行列式的概念而来，或是作为一个表达线性方程组的方便方法而来的。”他从1858年开始，发表了《矩阵论的研究报告》等一系列关于矩阵的专门论文，研究了矩阵的运算律、矩阵的逆以及转置和特征多项式方程。凯利还提出了凯莱-哈密尔顿定理，并验证了3×3矩阵的情况，又说进一步的证明是不必要的。哈密尔顿证明了4×4矩阵的情况，而一般情况下的证明是德国数学家弗罗贝尼乌斯（）于1898年给出的[2] 。1854年时法国数学家埃尔米特（）使用了“正交矩阵”这一术语，但他的正式定义直到1878年才由费罗贝尼乌斯发表。1879年，费罗贝尼乌斯引入矩阵秩的概念。至此，矩阵的体系基本上建立起来了。无限维矩阵的研究始于1884年。庞加莱在两篇不严谨地使用了无限维矩阵和行列式理论的文章后开始了对这一方面的专门研究。1906年，希尔伯特引入无限二次型（相当于无限维矩阵）对积分方程进行研究，极大地促进了无限维矩阵的研究。在此基础上，施密茨、赫林格和特普利茨发展出算子理论，而无限维矩阵成为了研究函数空间算子的有力工具[4] 。
一般使用初等行变换或者伴随矩阵方法，来求逆矩阵。
矩阵是工程技术以及经济管理等领域的不可缺少的数学工具,凡是用到矩阵的地方,基本上都要涉及广义逆矩阵,尤其数值分析与数理统计有着重要作用.广义逆矩阵共15类,但最常用有5类,包括A{1},A{1,2},A{1,3},A{1,4},A{1,2,3,4}.主要讨论这5类广义逆矩阵的计算及其应用.作 者： 马秀珍 韩静华 MA Xiu-zhen HAN Jing-hua 作者单位： 沈阳航空工业学院理学系,辽宁,沈阳,110034 刊 名： 沈阳航空工业学院学报 英文刊名： JOURNAL OF SHENYANG INSTITUTE OF AERONAUTICAL ENGINEERING 年，卷(期)： 2005 22(2) 分类号： 关键词： 广义逆矩阵 矩阵方程 自反广义逆 最小范数广义逆 通解 机标分类号： 机标关键词： 广义逆矩阵应用数值分析数学工具数理统计经济管理工程技术计算 基金项目：
求解高维相似度矩阵（All Pairs Similarity Search，or Pairwise Similarity），或者在大规模数据集上挖掘Top-K最相似的items（K-Nearest Neighbor Graph Construction， or TopK Set expansion），主要有如下几种方法（以Document Similarity为例）：Brute Force：最直接、暴力的方法，两个for循环，计算任意两篇文档之间的相似度，时间复杂度为O(n^2)。这种方法可以得到最好的效果，但是计算量太大，效率较差，往往作为baseline。 Inverted Index Based：由于大量文档之间没有交集term，为了优化算法性能，只需计算那些包含相同term文档之间的相似度即可，算法伪代码如下：基于MapReduce的分布式计算框架如下：为了进一步优化计算，节省空间，研究人员提出了一系列剪枝策略和近似算法，详细见：《Scaling Up All Pairs Similarity Search》、《Pairwise document similarity in large collections with MapReduce》、《Brute Force and Indexed Approaches to Pairwise Document Similarity Comparisons with MapReduce》。Locality Sensitive Hashing（LSH）：通过对文档进行某种度量操作后将其分组散列在不同的桶中。在这种度量下相似度较高的文档被分在同一个桶中的可能性较高。主要用于Near-duplicate detection和Image similarity identification等，详细见：《Approximate Nearest Neighbors: Towards Removing the Curse of Dimensionality》、《Google news personalization: scalable online collaborative filtering》。
1、判断两个矩阵相似的方法是：判断特征值是否相等、判断行列式是否相等、判断迹是否相等、判断秩是否相等。2、（1）判断特征值是否相等。3、（2）判断行列式是否相等。4、（3）判断迹是否相等。5、（4）判断秩是否相等。6、两个矩阵相似充要条件是：特征矩阵等价行列式因子相同不变，因子相同初等因子相同，且特征矩阵的秩相同转置矩阵相似。两个矩阵若相似于同一对角矩阵，这两个矩阵相似。更多关于如何判断两个矩阵相似，进入：查看更多内容
① research on similar matrix②Aticle expatiated the concept, nature and application of similar matrix, also summarized it's methods of proof.③ similar ，similar matrix, nature of similar matrix, methods of proof of similar matrix.
Topic: The similar matrixs studies the Chinese abstract: This article elaborated similar matrixs's definition, the nature and the application, and have made the conclusion to similar matrixs's proof method. Chinese key word: Similar similar matrixs similar matrixs nature similar matrixs proof 参考一下吧
逆矩阵的性质：
1、可逆矩阵是方阵。
2、矩阵A是可逆的，其逆矩阵是唯一的。
3、A的逆矩阵的逆矩阵还是A。
4、可逆矩阵A的转置矩阵AT可逆，并且（AT）-1=（A-1）T 。
5、若矩阵A可逆，则矩阵A满足消去律。
6、两个可逆矩阵乘积依然是可逆的。
7、矩阵可逆仅当是满秩矩阵。
设A是数域上的一个n阶矩阵，若在相同数域上存在另一个n阶矩阵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。注：E为单位矩阵。
扩展资料：
矩阵的应用：
1、图像处理
在图像处理中图像的仿射变换一般可以表示为一个仿射矩阵和一张原始图像相乘的形式。
2、线性变换及对称
线性变换及其所对应的对称，在现代物理学中有着重要的角色。例如，在量子场论中，基本粒子是由狭义相对论的洛伦兹群所表示，具体来说，即它们在旋量群下的表现。
3、量子态的线性组合
1925年海森堡提出第一个量子力学模型时，使用了无限维矩阵来表示理论中作用在量子态上的算子。这种做法在矩阵力学中也能见到。
4、简正模式
矩阵在物理学中的另一类泛应用是描述线性耦合调和系统。这类系统的运动方程可以用矩阵的形式来表示，即用一个质量矩阵乘以一个广义速度来给出运动项，用力矩阵乘以位移向量来刻画相互作用。
求逆矩阵的方法，进来学一下吧
性质:如果矩阵A可逆，则A的`转置矩阵AT也可逆，且(AT)–1=(A–1)T。
矩阵可逆当且仅当它是满秩矩阵。
定理： n阶矩阵A可逆的充分必要条件是|A|≠0，且当A可逆时， A–1= A* /|A| （ A*为A伴随矩阵）
推论1：若A、B为同阶方阵，且AB=E，则A、B都可逆，且A–1=B，B–1=A。
推论2：n阶矩阵A可逆的充分必要条件是r(A)=n。
推论3：n阶矩阵A可逆的充分必要条件是A的行(列)向量组线性无关。
推论4：n阶矩阵A可逆的充分必要条件是A的n个特征值都不为0.
1、公式法：
其中，A^*为矩阵A的伴随矩阵。
2、初等变换法：对(A,E)作初等变换，将A化为单位阵E，单位矩阵E就化为A^-1。
设A是数域上的一个n阶矩阵，若在相同数域上存在另一个n阶矩阵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。注：E为单位矩阵。
扩展资料：
可逆矩阵的性质：
1、可逆矩阵一定是方阵。
2、如果矩阵A是可逆的，其逆矩阵是唯一的。
3、A的逆矩阵的逆矩阵还是A。记作（A-1）-1=A。
4、可逆矩阵A的转置矩阵AT也可逆，并且（AT）-1=（A-1）T (转置的逆等于逆的转置）。
5、若矩阵A可逆，则矩阵A满足消去律。即AB=O（或BA=O），则B=O，AB=AC（或BA=CA），则B=C。
6、两个可逆矩阵的乘积依然可逆。
7、矩阵可逆当且仅当它是满秩矩阵。