Хоризонталне линије у матрици се називају врстама, а вертикалне колонама матрице.[2]
Пресликавање , такво да је поље и називамо матрицом типа над пољем F.
Матрица са m врста и n колона се назива m-са-n матрицом (каже се и записује да је форматаm×n) а m и n су димензије матрице.
Члан матрице A, који се налази у i-тој врсти и у j-тој колони се назива (i,j)-ти члан матрице A. Ово се записује као Ai,j или A[i,j]. Увек се прво назначује врста, па колона.
Често се пише како би се дефинисала m × n матрица A чији се сваки члан, A[i,j] назива ai,j за све 1 ≤ i ≤ m и 1 ≤ j ≤ n. Међутим, конвенција да i и j почињу од 1 није универзална: неки програмски језици започињу од нуле, у ком случају имамо 0 ≤ i ≤ m − 1 и 0 ≤ j ≤ n − 1.
Матрицу чија је једна од димензија једнака јединици често називамо вектором, и интерпретирамо је као елемент реалног координатног простора. 1 × n матрица (једна врста и n колона) се назива вектор врста, а m × 1 матрица (једна колона и m врста) се назива вектор колона.
Пример
Матрица
је 4×3 матрица. Елемент A[2,3] или a2,3 је 7.
Матрица
је 1×9 матрица, или вектор врста са 9 елемената.
Сабирање и множење матрица
Нека су дате матрице и .
Сабирање
Збир матрица А и В, у ознаци А+В је матрица за коју важи за свако .
Множење скаларом
Ако узмемо матрицу A и број c, скаларни производcA се рачуна множењем скаларомc сваког елемента A (т. ј. (cA)[i, j] = cA[i, j] ). На пример:
Операције сабирања и множења скаларом претварају скуп M(m, n, R) свих m-са-n матрица са реалним члановима у реални векторски простор димензије mn.
Међусобно множење матрица
Множење две матрице је добро дефинисано само ако је број колона леве матрице једнак броју врста десне матрице. Ако је A матрица димензија m-са-n, а B је матрица димензија n-са-p, тада је њихов производAB матрица димензија m-са-p (m врста, p колона) дат формулом:
за сваки пар i и j.
На пример:
Множење матрица има следећа својства:
(AB)C = A(BC) за све k-са-m матрице A, m-са-n матрице B и n-са-p матрице C (асоцијативност).
(A + B)C = AC + BC за све m-са-n матрице A и B и n-са-k матрице C (десна дистрибутивност).
C(A + B) = CA + CB за све m-са-n матрице A и B и k-са-m матрице C (лева дистрибутивност).
Ваља знати да комутативностне важи у општем случају; ако су дате матрице A и B, чак и ако су оба производа дефинисана, у општем случају је AB ≠ BA.
Посебно, скуп M(n, R) свих квадратних матрица реда n јесте реална асоцијативна алгебра са јединицом, која је некомутативна за n ≥ 2.
Матрице могу на згодан начин да представе линеарне трансформације јер множење матрица одговара слагању пресликавања, као што ће даље бити описано. Управо ово својство матрице чини моћном структуром података у вишим програмским језицима.
Овде и у наставку, посматрамо Rn као скуп колона или n-са-1 матрица.
За свако линеарно пресликавање f : Rn → Rm постоји јединствена m-са-n матрица A, таква да f(x) = Ax за свако x у Rn.
Кажемо да матрица Aпредставља линеарно пресликавање f.
Ако k-са-m матрица B представља друго линеарно пресликавање g : Rm → Rk, тада је њихова композицијаg o f такође линеарно пресликавање Rm → Rn, и представљено је управо матрицом BA. Ово следи из горе поменуте асоцијативности множења матрица.
Општије, линеарно пресликавање из n-димензионог векторског простора у m-димензиони векторски простор је представљено m-са-n матрицом, ако су изабране базе за сваки.
Ранг матрицеA је димензијаслике линеарног пресликавања представљеног са A; она је иста као димензија простора генерисаног врстама A, и такође је исте димензије као простор генерисан колонама A.
Транспонована матрица, матрице m-са-n, A је n-са-m матрица Atr (некад се записује и као AT или tA), која настаје претварањем врста у колоне, и колона у врсте, то јест Atr[i, j] = A[j, i] за свако i и j. Ако A представља линеарно пресликавање у односу на две базе, тада матрица Atr представља линеарно пресликавање у односу на дуалне базе (види дуални простор).
Gilbarg, David; Trudinger, Neil S. (2001), Elliptic partial differential equations of second order (2nd изд.), Berlin, DE; New York, NY: Springer-Verlag, ISBN978-3-540-41160-4
Greub, Werner Hildbert (1975), Linear algebra, Graduate Texts in Mathematics, Berlin, DE; New York, NY: Springer-Verlag, ISBN978-0-387-90110-7
Halmos, Paul Richard (1982), A Hilbert space problem book, Graduate Texts in Mathematics, 19 (2nd изд.), Berlin, DE; New York, NY: Springer-Verlag, ISBN978-0-387-90685-0, MR675952
Latouche, Guy; Ramaswami, Vaidyanathan (1999), Introduction to matrix analytic methods in stochastic modeling (1st изд.), Philadelphia, PA: Society for Industrial and Applied Mathematics, ISBN978-0-89871-425-8
Manning, Christopher D.; Schütze, Hinrich (1999), Foundations of statistical natural language processing, MIT Press, ISBN978-0-262-13360-9
Mehata, K. M.; Srinivasan, S. K. (1978), Stochastic processes, New York, NY: McGraw–Hill, ISBN978-0-07-096612-3
Nering, Evar D. (1970), Linear Algebra and Matrix Theory (2nd изд.), New York: Wiley, LCCN76-91646
Nocedal, Jorge; Wright, Stephen J. (2006), Numerical Optimization (2nd изд.), Berlin, DE; New York, NY: Springer-Verlag, стр. 449, ISBN978-0-387-30303-1
Press, William H.; Flannery, Brian P.; Teukolsky, Saul A.; Vetterling, William T. (1992), „LU Decomposition and Its Applications”(PDF), Numerical Recipes in FORTRAN: The Art of Scientific Computing (2nd изд.), Cambridge University Press, стр. 34—42, Архивирано из оригинала 2009-09-06. г.CS1 одржавање: Неподобан URL (веза)
Protter, Murray H.; Morrey, Jr., Charles B. (1970), College Calculus with Analytic Geometry (2nd изд.), Reading: Addison-Wesley, LCCN76087042
Punnen, Abraham P.; Gutin, Gregory (2002), The traveling salesman problem and its variations, Boston, MA: Kluwer Academic Publishers, ISBN978-1-4020-0664-7
Reichl, Linda E. (2004), The transition to chaos: conservative classical systems and quantum manifestations, Berlin, DE; New York, NY: Springer-Verlag, ISBN978-0-387-98788-0
Riley, Kenneth F.; Hobson, Michael P.; Bence, Stephen J. (1997), Mathematical methods for physics and engineering, Cambridge University Press, ISBN0-521-55506-X
Schiff, Leonard I. (1968), Quantum Mechanics (3rd изд.), McGraw–Hill
Wherrett, Brian S. (1987), Group Theory for Atoms, Molecules and Solids, Prentice–Hall International, ISBN0-13-365461-3
Zabrodin, Anton; Brezin, Édouard; Kazakov, Vladimir; Serban, Didina; Wiegmann, Paul (2006), Applications of Random Matrices in Physics (NATO Science Series II: Mathematics, Physics and Chemistry), Berlin, DE; New York, NY: Springer-Verlag, ISBN978-1-4020-4530-1
A. Cayley A memoir on the theory of matrices. Phil. Trans. 148 1858 17-37; Math. Papers II 475-496
Knobloch, Eberhard (1994), „From Gauss to Weierstrass: determinant theory and its historical evaluations”, The intersection of history and mathematics, Science Networks Historical Studies, 15, Basel, Boston, Berlin: Birkhäuser, стр. 51—66, MR1308079
Mehra, Jagdish; Rechenberg, Helmut (1987), The Historical Development of Quantum Theory (1st изд.), Berlin, DE; New York, NY: Springer-Verlag, ISBN978-0-387-96284-9
Shen, Kangshen; Crossley, John N.; Lun, Anthony Wah-Cheung (1999), Nine Chapters of the Mathematical Art, Companion and Commentary (2nd изд.), Oxford University Press, ISBN978-0-19-853936-0