《线性代数》第一章第一节“矩阵”笔记

第一章 矩 阵

第一节 矩阵的概念

一、矩阵的概念

• 定义 1：由 $m\times n$ 个数 $a_{ij}(i=1,2,\cdots ,m;j=1,2,\cdots ,n)$排成$m$行$n$列的矩形数表

示例:
$$\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mn}\end{array}\right]$$
此数表称做$m$行$n$列矩阵，简称==$m\times n$矩阵==，其中$a_{ij}$称为矩阵的第$i$行$j$列的元素，记为：
$$\begin{array}{r}A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mn}\end{array}\right]\end{array}$$

有时也记为$A=[a_{ij}{]}_{m\times n}$或$A=[a_{ij}{]}_{m\times n}$或$A_{m\times n}$

• 如果矩阵$A$的元素$a_{ij}$全为实数，就称$A$为实矩阵;如果矩阵$A$有一个元素为负数，就称$A$为复矩阵。
• 线性方程的系数矩阵和增广矩阵：

线性方程组：
$$\{\begin{array}{l}\begin{array}{rl}& a_{11}{x}_1+a_{12}{x}_2+\cdots +a_{1n}{x}_n=b_1,\\ & a_{21}{x}_1+a_{22}{x}_2+\cdots +a_{2n}{x}_n=b_2,\\ & \cdots \cdots \cdots \\ & a_{m1}{x}_1+a_{m2}{x}_2+\cdots +a_{mn}{x}_n=b_m,\end{array}\end{array}$$
系数方程组$A_{m\times n}$：
$$\begin{array}{r}A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mn}\end{array}\right]\end{array}$$
增广矩阵$A_{m\times (n+1)}$：
$$\begin{array}{r}A=\left[\begin{array}{ccccc}{a}_{11}& a_{12}& \cdots & a_{1n}& b_1\\ a_{21}& a_{22}& \cdots & a_{2n}& b_2\\ ⋮& ⋮& \ddots & ⋮& ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mn}& b_m\end{array}\right]\end{array}$$

• $n$阶矩阵：当$m=n$时，$A$称为$n$阶方阵，特别地，当$m=n=1$时，$A$为一阶方阵，即$A=[a]=a$。
• 行矩阵：只有一行的矩阵。

$$\begin{array}{r}A=\left[\begin{array}{cccc}{a}_1& a_2& \cdots & a_n\end{array}\right]\end{array}$$

也记作：
$$\begin{array}{r}A=\left[\begin{array}{cccc}{a}_1,& a_2,& \cdots ,& a_n\end{array}\right]\end{array}$$

\quad\quad 列矩阵：只有一列的矩阵。
$$\begin{array}{r}B=\left[\begin{array}{c}{b}_1\\ b_2\\ ⋮\\ b_n\end{array}\right]\end{array}$$

• 零矩阵：元素都是零的矩阵，称为$\mathbf{O}$

• 同型矩阵：若$A$、$B$的行数与列数都分别相等，称$A$与$B$为同型矩形

\qquad 相等矩阵：如果矩阵$A=[a_{ij}{]}_{m\times n}$，$B=[b_{ij}{]}_{m\times n}$，并且他们的对应元素相等，即：
$$a_{ij}=b_{ij},i=1,2,\cdots ,m;j=1,2,\cdots ,n,$$

则称矩阵$A$与矩阵$B$相等，记作$A=B$.

若两矩阵相等，则两矩阵一定为同型矩阵；反之，不成立。

二、 几种特殊的矩阵

1. 对角矩阵

• 定义：主对角线上的元素$a_{11},a_{22},\cdots ,a_m$不全为零，其余元素都为零的方阵，称为对角矩阵，记作$\Lambda$，也记作$\Lambda =diag(a_{11},a_{22},\cdots ,a_{nn})$，即：

$$\begin{array}{r}\Lambda =\left[\begin{array}{cccc}{a}_{11}& 0& \cdots & 0\\ 0& a_{22}& \cdots & 0\\ ⋮& ⋮& \ddots & ⋮\\ 0& 0& \cdots & a_m\end{array}\right]\end{array}$$

• $n$阶单位矩阵：主对角线上的元素都是1，其余元素都是零的$n$阶方阵称为$n$阶单位矩阵，记作$E$或$E_n$或$I$或$I_n$，即

$$\begin{array}{c}E/E_n/I/I_n=\left[\begin{array}{cccc}1& 0& \cdots & 0\\ 0& 1& \cdots & 0\\ ⋮& ⋮& \ddots & ⋮\\ 0& 0& \cdots & 1\end{array}\right]\end{array}$$

\qquad $n$阶数量矩阵：当$n$阶单位矩阵的主对角线上的元素都为$k$时，称为$n$阶数量矩阵，记作$kE$，即
$$\begin{array}{r}E=\left[\begin{array}{cccc}k& 0& \cdots & 0\\ 0& k& \cdots & 0\\ ⋮& ⋮& \ddots & ⋮\\ 0& 0& \cdots & k\end{array}\right]\end{array}$$

2. 上（下）三角矩阵

• 定义：主对角线下（上）方元素全为零的方阵称为==上（下）==三角矩阵，如：

  $n$阶上三角矩阵：

$$\begin{array}{c}\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ 0& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ 0& 0& \cdots & a_{nn}\end{array}\right]\end{array}$$

\qquad $n$阶下三角矩阵：
$$\begin{array}{c}\left[\begin{array}{cccc}{a}_{11}& 0& \cdots & 0\\ a_{21}& a_{22}& \cdots & 0\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right]\end{array}$$

3. 对称矩阵与反对称矩阵

• 对称矩阵：如果$n$阶矩阵$A=[a_{ij}]$的元素满足$a_{ij}=a_{ji}(i,j=1,2,\cdots ,n)$，那么称$A$为$n$阶对称矩阵

• 反对称矩阵：如果$n$阶矩阵$A=[a_{ij}]$元素满足$a_{ij}=-a_{ji}(i,j=1,2,\cdots ,n)$，则称$A$为反对称矩阵。

  \qquad\qquad 反对称矩阵的主对角线的元素全为零