矩阵
矩阵是什么
先来看一个很有意思的小题目:
现在有5个房子, 房子的门的颜色有黄,蓝,红,绿和橙色
人物有:小明, 小红, 小兰, 小白, 小黄.
宠物有: 蜗牛, 小狗, 小猫, 小白兔, 小金鱼
饮料有: 水, 茶, 牛奶, 果汁, 咖啡.
食物有: 圆葱, 香蕉, 苹果, 蘑菇, 蛋糕.
现在的情况是这样的:
小明住在红门的房子里.
喝牛奶的住在中间房子里.
小白有只小猫, 邻居有只小金鱼.
小黄住在最左边的房子里.
住在绿门房子里的喝咖啡.
吃圆葱的住在吃苹果的右边.
小兰和茶还有只小狗.
吃蛋糕的喝果汁.
绿门房子在最右边, 橙门房子在其左边.
吃苹果的邻居有只小狗.
吃蘑菇的有一直小蜗牛.
小白吃香蕉.
住在黄门房子里的吃苹果.
小黄的邻居加的房门是蓝色的.
问题是: 谁喝水, 谁有只小金鱼.
最简单的作法就是做一个数表.
房子1 | 房子2 | 房子3 | 房子4 | 房子5 | |
---|---|---|---|---|---|
门 | |||||
人物 | |||||
宠物 | |||||
饮料 | |||||
食物 |
根据题目提供的信息,依次把信息填入数表,就能得出问题的答案.
生活中这样的数表比比皆是.
把这些数表中代表的具体事项去掉,只单独抽象出这些数字来, 就得到了矩形的数表. 这些数表就称做矩阵.英文是matrix.
由
矩阵还可以用来表示线性方程组.
比如: a 11 x 1 + a 12 x 2 + … + a 1 n x n = b 1 , a 21 x 1 + a 22 x 2 + … + a 2 n x n = b 2 , ⋯ ⋯ ⋯ ⋯ a m 1 x 1 + a m 2 x 2 + … + a m n x n = b m a_{11}x_1 + a_{12}x_2 + \ldots + a_{1n}x_n=b1, \\a_{21}x_1 + a_{22}x_2 + \ldots + a_{2n}xn=b2, \\ \cdots \cdots \cdots \cdots \\a_{m1}x_1 + a_{m2}x2 + \ldots + a_{mn}x_n=b_m a11x1+a12x2+…+a1nxn=b1,a21x1+a22x2+…+a2nxn=b2,⋯⋯⋯⋯am1x1+am2x2+…+amnxn=bm
a 11 a_{11} a11
可以表示为:
[ a 11 a 12 … a 1 n b 1 a 21 a 22 … a 2 n b 2 ⋯ ⋯ ⋯ ⋯ a m 1 a m 2 … a m n b m ] \left[\begin{matrix} a_{11}\qquad a_{12} \qquad \ldots \qquad a_{1n} \qquad b1\\ a_{21}\qquad a_{22} \qquad \ldots \qquad a_{2n} \qquad b2 \\ \cdots \cdots \cdots \cdots\\ a_{m1} \qquad a_{m2} \qquad \ldots \qquad a_{mn} \qquad b_m \end{matrix}\right] ⎣⎢⎢⎡a11a12…a1nb1a21a22…a2nb2⋯⋯⋯⋯am1am2…amnbm⎦⎥⎥⎤
矩阵还可以表示为线性变换的描述.这一点我们讲线性代数的直观表示的时候再讲.
由 m × n m \times n m×n个数按一定的次序排成的m行n列的矩形鼠标称为 m × n m \times n m×n的矩阵, 简称矩阵.
[ a 11 a 12 … a 1 n a 21 a 22 … a 2 n ⋯ ⋯ ⋯ ⋯ a m 1 a m 2 … a m n ] \left[\begin{matrix} a_{11}\qquad a_{12} \qquad \ldots \qquad a_{1n}\\ a_{21}\qquad a_{22} \qquad \ldots \qquad a_{2n} \\ \cdots \cdots \cdots \cdots\\ a_{m1} \qquad a_{m2} \qquad \ldots \qquad a_{mn}\end{matrix}\right] ⎣⎢⎢⎡a11a12…a1na21a22…a2n⋯⋯⋯⋯am1am2…amn⎦⎥⎥⎤
手写矩阵一般会用圆括号, 打印会用中括号,因为好看.
横的各排称为矩阵的行, 竖的各排称为矩阵的列. a i j a_{ij} aij称为矩阵的第 i i i行 j j j列的元素.
元素是实数的矩阵称为实矩阵, 我们只讨论实矩阵.
矩阵通常用大写字母表示A,B,C,D等.
[ a 11 a 12 … a 1 n a 21 a 22 … a 2 n ⋯ ⋯ ⋯ ⋯ a m 1 a m 2 … a m n ] 简 记 为 A = ( a i j ) m × n \left[\begin{matrix} a_{11}\qquad a_{12} \qquad \ldots \qquad a_{1n}\\ a_{21}\qquad a_{22} \qquad \ldots \qquad a_{2n} \\ \cdots \cdots \cdots \cdots\\ a_{m1} \qquad a_{m2} \qquad \ldots \qquad a_{mn}\end{matrix}\right] 简记为A=(a_{ij})_{m \times n} ⎣⎢⎢⎡a11a12…a1na21a22…a2n⋯⋯⋯⋯am1am2…amn⎦⎥⎥⎤简记为A=(aij)m×n
只有一行的矩阵叫做行矩阵, 只有一列的矩阵叫做列矩阵.
matrix的复数是什么?
几种特殊的矩阵
方阵
行列数相等的矩阵就是方阵
方阵有主对角线和斜对角线.
零矩阵
全是0的矩阵,叫做零矩阵, 一般用大写的O表示.
对角矩阵(对角阵)
主对角线上的元素是非0元素, 其他位置都是0的矩阵.
对角阵用 Λ \Lambda Λ表示
单位矩阵
主对角线上全是1,其余部分全是0的矩阵.记做 E n E_n En
数量阵
主对角线上的元素都是非零的相同元素.(也是一种对角矩阵)
三角阵
三角阵分为上三角阵和下三角阵
上三角阵是主对角线及其上方元素非零, 下三角阵是主对角线及其下方元素非零.
梯形阵
设 A = ( a i j ) m × n A=(a_{ij})_{m\times n} A=(aij)m×n为非零矩阵,若非零行(即至少有一个非零元素的行)全在零行的上面, A中各非零行中的第一个(最后一个)非零元素前(后)面零元素的个数随行数增大而增多(减少), 则称为上(下)梯形矩阵. 简称为上(下)梯形阵.
[ 1 2 3 4 5 0 0 7 8 0 0 0 0 0 0 ] 是 什 么 矩 阵 ? \left[\begin{matrix} 1\qquad 2 \qquad 3 \qquad 4 \qquad 5\\ 0\qquad 0 \qquad 7 \qquad 8 \qquad 0\\ 0 \qquad 0 \qquad 0 \qquad0 \qquad 0 \end{matrix}\right] 是什么矩阵? ⎣⎡123450078000000⎦⎤是什么矩阵?
[ 5 7 0 12 3 0 1 2 2 1 0 0 0 8 9 0 0 0 8 1 ] 是 什 么 矩 阵 ? \left[\begin{matrix} 5\qquad 7 \qquad 0 \qquad 12 \qquad 3\\ 0\qquad 1 \qquad 2 \qquad 2 \qquad 1\\ 0 \qquad 0 \qquad 0 \qquad8 \qquad 9 \\ 0 \qquad 0 \qquad 0 \qquad8 \qquad 1 \end{matrix}\right] 是什么矩阵? ⎣⎢⎢⎡570123012210008900081⎦⎥⎥⎤是什么矩阵?
[ 1 0 0 0 0 − 9 6 0 0 0 1 2 3 0 0 5 2 3 3 0 ] 是 什 么 矩 阵 ? \left[\begin{matrix} 1\qquad 0 \qquad 0 \qquad 0 \qquad 0\\-9\qquad 6 \qquad 0 \qquad 0 \qquad 0\\ 1 \qquad 2 \qquad 3 \qquad0 \qquad 0 \\ 5 \qquad 2 \qquad 3 \qquad3 \qquad 0 \end{matrix}\right] 是什么矩阵? ⎣⎢⎢⎡10000−960001230052330⎦⎥⎥⎤是什么矩阵?
[ 1 0 0 0 1 2 0 0 0 0 0 0 ] 是 什 么 矩 阵 ? \left[\begin{matrix} 1\qquad 0 \qquad 0 \qquad 0\\ 1\qquad 2 \qquad 0 \qquad 0 \\ 0 \qquad 0 \qquad 0 \qquad0 \end{matrix}\right] 是什么矩阵? ⎣⎡100012000000⎦⎤是什么矩阵?
简单来说就是上梯形阵0元素的个数在增加, 下梯形阵0元素的个数在减少,对增加或减少的数量没有要求.
思考, 以下两个矩阵是否是梯形阵?
[ 1 0 0 0 0 5 0 6 0 0 2 3 4 0 0 0 0 0 0 0 ] \left[\begin{matrix} 1\qquad 0 \qquad 0 \qquad 0 \qquad 0\\ 5\qquad 0 \qquad 6 \qquad 0 \qquad 0\\ 2 \qquad 3 \qquad 4 \qquad0 \qquad 0 \\ 0 \qquad 0 \qquad 0 \qquad0 \qquad 0 \end{matrix}\right] ⎣⎢⎢⎡10000506002340000000⎦⎥⎥⎤
[ 4 4 3 2 1 1 2 3 0 0 1 0 0 0 0 ] \left[\begin{matrix} 4\qquad 4 \qquad 3 \qquad 2 \qquad 1\\ 1\qquad 2 \qquad 3 \qquad 0 \qquad 0\\ 1 \qquad 0 \qquad 0 \qquad0 \qquad 0 \end{matrix}\right] ⎣⎡443211230010000⎦⎤
矩阵的运算
矩阵的线性运算
相等
两个矩阵相等是指这两个矩阵行列数相同,且对应元素相等.即:
A = ( a i j ) m × n = B = ( b i j ) m × n , 对 应 元 素 相 等 a i j = b i j A=(a_{ij})_{m \times n} = B=(b_{ij})_{m \times n}, 对应元素相等a_{ij}=b_{ij} A=(aij)m×n=B=(bij)m×n,对应元素相等aij=bij
加,减法
矩阵的加,减法就是同型矩阵对应元素相加减.
A = ( a i j ) m × n = B = ( b i j ) m × n 定 义 A=(a_{ij})_{m \times n} = B=(b_{ij})_{m \times n} 定义 A=(aij)m×n=B=(bij)m×n定义
A + B = ( a i j + b i j ) m × n A − B = ( a i j − b i j ) m × n A + B= (a_{ij} +b_{ij})_{m \times n} \qquad A - B = (a_{ij} - b_{ij})_{m \times n} A+B=(aij+bij)m×nA−B=(aij−bij)m×n
运算规律:
A + B = B + A , ( A + B ) + C = A + ( B + C ) A + O = A = O + A , A − A = O A +B = B +A, (A +B) +C = A +(B + C) \\ A + O = A = O + A, A - A = O A+B=B+A,(A+B)+C=A+(B+C)A+O=A=O+A,A−A=O
负矩阵: A = ( a i j ) m × n 的 负 矩 阵 为 ( − a i j ) m × n A=(a_{ij})_{m\times n}的负矩阵为(-a_{ij})_{m \times n} A=(aij)m×n的负矩阵为(−aij)m×n
数乘
矩阵与数的乘法,简称数乘, k与矩阵A的数乘,记做: k A kA kA
即每个元素和k做乘法.
运算规律:
k ( A + B ) = k A + k B k ( l A ) = ( k l ) A , ( k + l ) A = k A + l A k(A +B)= kA + kB \\k(lA)=(kl)A, (k + l)A=kA +lA k(A+B)=kA+kBk(lA)=(kl)A,(k+l)A=kA+lA
矩阵的乘法
观察下面两组方程
y 1 = a 11 x 1 + a 12 x 2 + a 13 x 3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x 3 {y_1 = a_{11}x_1 + a_{12}x_2 + a_{13}x3 \\y_2= a_{21}x_1 + a_{22}x_2 + a_{23}x3} y1=a11x1+a12x2+a13x3y2=a21x1+a22x2+a23x3
与
x 1 = b 11 t 1 + b 12 t 2 x 2 = b 21 t 1 + b 22 t 2 x 3 = b 31 t 1 + b 32 t 2 x_1 = b_{11}t_1 + b_{12}t2\\x_2 = b_{21}t1 + b_{22}t2\\x_3 = b_{31}t_1 + b_{32}t2 x1=b11t1+b12t2x2=b21t1+b22t2x3=b31t1+b32t2
能得出:
y 1 = ( a 11 b 11 + a 12 b 21 + a 13 b 31 ) t 1 + ( a 11 b 12 + a 12 b 12 + a 13 b 32 t 2 ) y 2 = ( a 21 b 11 + a 22 b 21 + a 23 b 31 ) t 1 + ( a 21 b 12 + a 22 b 22 + a 23 b 32 ) t 2 y_1 = (a_{11}b_{11} + a_{12}b_{21} + a_{13}b_{31})t_1 + (a_{11}b_{12} + a_{12}b_{12} + a_{13}b_{32}t_2)\\ y_2 = (a_{21}b_{11} + a_{22}b_{21}+a_{23}b_{31})t_1 + (a_{21}b_{12} + a_{22}b_{22} + a_{23}b_{32})t2 y1=(a11b11+a12b21+a13b31)t1+(a11b12+a12b12+a13b32t2)y2=(a21b11+a22b21+a23b31)t1+(a21b12+a22b22+a23b32)t2
上面两个关于 y 1 , y 2 y_1, y_2 y1,y2的方程组可以看做是两个矩阵的乘积:
[ a 11 a 12 a 13 a 21 a 22 a 23 ] [ b 11 b 12 b 21 b 22 b 31 b 32 ] = \left[\begin{matrix} a_{11}\qquad a_{12} \qquad a_{13} \\ a_{21}\qquad a_{22} \qquad a_{23} \end{matrix}\right] \left[\begin{matrix} b_{11}\qquad b_{12} \\ b_{21}\qquad b_{22} \\b_{31} \qquad b_{32} \end{matrix}\right] = [a11a12a13a21a22a23]⎣⎡b11b12b21b22b31b32⎦⎤=
[ a 11 b 11 + a 12 b 21 + a 13 b 31 a 11 b 12 + a 12 b 22 + a 13 b 32 a 21 b 11 + a 22 b 21 + a 23 b 31 a 21 b 12 + a 22 b 22 + a 23 b 32 ] \left[\begin{matrix} a_{11}b_{11} + a_{12}b_{21} + a_{13}b_{31} \qquad a_{11}b_{12} + a_{12}b_{22} + a_{13}b_{32}\\ a_{21}b_{11} + a_{22}b_{21} + a_{23}b_{31} \qquad a_{21}b_{12} + a_{22}b_{22} + a_{23}b_{32} \end{matrix}\right] [a11b11+a12b21+a13b31a11b12+a12b22+a13b32a21b11+a22b21+a23b31a21b12+a22b22+a23b32]
一般地, 有:
A = ( a i j ) m × s B = ( b i j ) s × n C = A B = ( C i j ) m × n A=(a_{ij})_{m\times s} \qquad B=(b_{ij})_{s \times n} \qquad C=AB=(C_{ij})_{m\times n} A=(aij)m×sB=(bij)s×nC=AB=(Cij)m×n
C m × n = A m × s B s × n C_{m\times n} = A_{m\times s}B_{s\times n} Cm×n=Am×sBs×n
A 与B满足什么条件能够相乘?
A的列数要和B的行数相同.
例1:
A = [ 1 1 − 1 − 1 ] B = [ 1 − 1 − 1 1 ] A=\left[\begin{matrix} 1\qquad 1\\ -1\qquad -1 \end{matrix}\right] \qquad B= \left[\begin{matrix} 1\qquad -1\\ -1\qquad 1 \end{matrix}\right] A=[11−1−1]B=[1−1−11]
求 A B , B A AB, BA AB,BA
A B = [ 0 0 0 0 ] B A = [ 2 2 − 2 − 2 ] AB= \left[\begin{matrix} 0\qquad 0\\ 0\qquad 0 \end{matrix}\right] \qquad BA=\left[\begin{matrix} 2\qquad 2\\ -2\qquad -2 \end{matrix}\right] AB=[0000]BA=[22−2−2]
显然 A B ≠ B A AB \neq BA AB=BA
矩阵乘法不满足交换律.
例2:
A = [ 2 4 − 3 − 6 ] B = [ − 1 4 2 − 1 ] C = [ 1 0 1 1 ] A=\left[\begin{matrix} 2\qquad 4\\ -3\qquad -6 \end{matrix}\right] \qquad B= \left[\begin{matrix} -1\qquad 4\\ 2\qquad -1 \end{matrix}\right] \qquad C=\left[\begin{matrix} 1\qquad 0\\ 1\qquad 1 \end{matrix}\right] A=[24−3−6]B=[−142−1]C=[1011]
求 A B , A C AB, AC AB,AC
A B = [ 6 4 − 9 − 6 ] A C = [ 6 4 − 9 − 6 ] AB=\left[\begin{matrix} 6\qquad 4\\ -9\qquad -6 \end{matrix}\right] \qquad AC=\left[\begin{matrix} 6\qquad 4\\ -9\qquad -6 \end{matrix}\right] AB=[64−9−6]AC=[64−9−6]
⇒ A B = A C \Rightarrow AB=AC ⇒AB=AC 但是 B ≠ C B \neq C B=C
总结: 矩阵乘法和实数乘法有一下三点不同:
- 矩阵乘法不满足交换律.
- 矩阵乘法不满足消去律.
- 矩阵乘法有非零的零因子.
矩阵乘法满足下面的规律:
- ( A B ) C = A ( B C ) (AB)C=A(BC) (AB)C=A(BC)
- A ( B + C ) = A B + A C ( B + C ) A = B A + C A A(B+C)=AB +AC\\(B+C)A = BA + CA A(B+C)=AB+AC(B+C)A=BA+CA
- k ( A B ) = ( k A ) B = A ( k B ) k(AB)=(kA)B=A(kB) k(AB)=(kA)B=A(kB)
- E m A m × n = A = A m × n E n E_mA_{m \times n} =A = A_{m\times n}E_n EmAm×n=A=Am×nEn
练习: a 1 . . . a n ≠ 0 , 对 角 阵 A = [ a 1 ⋱ a n ] , B = [ 1 a 1 ⋱ 1 a n ] a_1...a_n \neq0, 对角阵A=\left[\begin{matrix} a_1 \qquad\\ \quad \qquad \ddots \qquad \\ \qquad \qquad a_n \end{matrix}\right],B= \left[\begin{matrix} \frac{1}{a_1} \qquad\\ \quad \qquad \ddots \qquad \\ \qquad \qquad \frac{1}{a_n} \end{matrix}\right] a1...an=0,对角阵A=⎣⎡a1⋱an⎦⎤,B=⎣⎡a11⋱an1⎦⎤
AB=? E n E_n En
方阵的正整数幂
A k = A A ⋯ A A^k = AA\cdots A Ak=AA⋯A
规定 A 0 = E A^0=E A0=E(和实数里面规定任何数的0次方等于1一样的意思)
A k + l = A k A l A^{k+l} = A^kA^l Ak+l=AkAl
注意: ( A B ) k ≠ A k B k (AB)^k \neq A^kB^k (AB)k=AkBk, 请思考为什么.
矩阵的转置
就是把矩阵的行变成列, 列变成行.
A = [ a 11 a 12 … a 1 n a 21 a 22 … a 2 n ⋯ ⋯ ⋯ ⋯ a m 1 a m 2 … a m n ] A=\left[\begin{matrix} a_{11}\qquad a_{12} \qquad \ldots \qquad a_{1n}\\ a_{21}\qquad a_{22} \qquad \ldots \qquad a_{2n} \\ \cdots \cdots \cdots \cdots\\ a_{m1} \qquad a_{m2} \qquad \ldots \qquad a_{mn}\end{matrix}\right] A=⎣⎢⎢⎡a11a12…a1na21a22…a2n⋯⋯⋯⋯am1am2…amn⎦⎥⎥⎤
A T = [ a 11 a 21 … a m 1 a 12 a 22 … a m 2 ⋯ ⋯ ⋯ ⋯ a 1 n a 2 n … a m n ] A^T=\left[\begin{matrix} a_{11}\qquad a_{21} \qquad \ldots \qquad a_{m1}\\ a_{12}\qquad a_{22} \qquad \ldots \qquad a_{m2} \\ \cdots \cdots \cdots \cdots\\ a_{1n} \qquad a_{2n} \qquad \ldots \qquad a_{mn}\end{matrix}\right] AT=⎣⎢⎢⎡a11a21…am1a12a22…am2⋯⋯⋯⋯a1na2n…amn⎦⎥⎥⎤
思考, 对角阵的转置是什么?
转置的运算规律
( A T ) T = A ( A + B ) T = A T + B T ( k A ) T = k A T (A^T)^T=A\\(A+B)^T=A^T+B^T\\(kA)^T=kA^T (AT)T=A(A+B)T=AT+BT(kA)T=kAT
思考, ( A B ) T = ? (AB)^T=? (AB)T=?
答案: ( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT, 请记住并证明这个结论.
这个公式可以推广: ( A B C ) T = C T B T A T (ABC)^T= C^TB^TA^T (ABC)T=CTBTAT
对称阵和反对称阵
如果一个矩阵, 它的转置和它本身相等, 我们就把这个矩阵叫做对称阵.
对 称 阵 : A T = A , a i j = a j i 对称阵: A^T=A, a_{ij}=a_{ji} 对称阵:AT=A,aij=aji
反 对 称 阵 : A T = − A , a i j = − a j i 且 , a i i = 0 反对称阵: A^T=-A, a_{ij}=-a_{ji}且,a_{ii}= 0 反对称阵:AT=−A,aij=−aji且,aii=0
对称阵和反对称阵都是方阵.请思考为什么?
A A T , A T A , A + A T AA^T, A^TA, A+A^T AAT,ATA,A+AT这些矩阵都是对称阵,思考为什么?
A − A T A - A^T A−AT是反对称阵.
请证明 A A T 是 对 称 阵 AA^T是对称阵 AAT是对称阵.
请证明 A − A T A - A^T A−AT是反对称阵.
显然: A = A + A T 2 + A − A T 2 A=\frac{A+A^T}{2} + \frac{A - A^T}{2} A=2A+AT+2A−AT
任何方阵都可以分解为对称阵和反对称阵的和.
矩阵的初等变换
以下三种变换分别称为矩阵的第一, 第二, 第三种初等变换:
- 对换矩阵中的第 i , j i,j i,j两行(列)的位置, 记做 r i j ( c i j ) 或 r_{ij}(c_{ij})或 rij(cij)或 r i < − > r j ( c i < − > c j ) r_i <->r_j (c_i <-> c_j) ri<−>rj(ci<−>cj)
- 用非零常数k乘第 i i i行(列), 记做 k r i ( k c i ) kr_i(kc_i) kri(kci)
- 用矩阵的第 j j j行(列)乘以常数 k k k后加到第 i i i行(列)对应元素上去, 记做 r i + k r j ( c i + k c j ) r_i + kr_j(c_i + kc_j) ri+krj(ci+kcj)
矩阵初等变换是线性代数中非常重要的一个工具.对应求解方程组中使用的消元法.
初等变换可以简化矩阵, 比如可以将矩阵转化为梯形阵.
比如: A = [ 2 − 3 8 2 2 12 − 2 12 1 3 1 4 ] A=\left[\begin{matrix} 2 \qquad -3 \qquad 8 \qquad 2\\ 2 \qquad 12 \qquad -2 \qquad 12 \\1 \qquad 3 \qquad 1 \qquad 4 \end{matrix}\right] A=⎣⎡2−382212−2121314⎦⎤
对A做初等变换, 第一行和第三行互换即 r 1 < − > r 3 r_1<->r_3 r1<−>r3,然后第一行乘-2,分别和第二行和第三行相加,即
r 2 − 2 r 1 , r 3 − 2 r 1 r_2-2r_1, r_3-2r_1 r2−2r1,r3−2r1
A = [ 2 − 3 8 2 2 12 − 2 12 1 3 1 4 ] − > [ 1 3 1 4 2 12 − 2 12 2 − 3 8 2 ] − > [ 1 3 1 4 0 6 − 4 4 0 − 9 6 − 6 ] − > [ 1 3 1 4 0 3 − 2 2 0 − 3 2 − 2 ] A=\left[\begin{matrix} 2 \qquad -3 \qquad 8 \qquad 2\\ 2 \qquad 12 \qquad -2 \qquad 12 \\1 \qquad 3 \qquad 1 \qquad 4 \end{matrix}\right] -> \left[\begin{matrix} 1 \qquad 3 \qquad 1 \qquad 4\\ 2 \qquad 12 \qquad -2 \qquad 12 \\2 \qquad -3 \qquad 8 \qquad 2 \end{matrix}\right] -> \left[\begin{matrix} 1 \qquad 3 \qquad 1 \qquad 4\\ 0 \qquad 6 \qquad -4 \qquad 4 \\0 \qquad -9 \qquad6 \qquad -6 \end{matrix}\right] -> \left[\begin{matrix}1 \qquad 3 \qquad 1 \qquad 4\\ 0 \qquad 3 \qquad -2 \qquad 2 \\0 \qquad -3 \qquad2 \qquad -2\end{matrix}\right] A=⎣⎡2−382212−2121314⎦⎤−>⎣⎡1314212−2122−382⎦⎤−>⎣⎡131406−440−96−6⎦⎤−>⎣⎡131403−220−32−2⎦⎤
− > [ 1 3 1 4 0 3 − 2 2 0 0 0 0 ] -> \left[\begin{matrix}1 \qquad 3 \qquad 1 \qquad 4\\ 0 \qquad 3 \qquad -2 \qquad 2 \\0 \qquad 0 \qquad0 \qquad 0\end{matrix}\right] −>⎣⎡131403−220000⎦⎤
注意: 利用初等变换讲A化为B, A与B之间用记号 − > , 或 者 ≅ ->,或者\cong −>,或者≅连接
练习: 用初等变换将一下矩阵化为梯形阵.
A = [ 1 0 2 0 2 0 − 1 0 3 ] B = [ 1 2 − 2 3 4 − 3 3 12 3 − 1 1 9 ] A=\left[\begin{matrix}1 \qquad 0 \qquad 2\\ 0 \qquad 2 \qquad 0 \\-1 \qquad 0 \qquad3 \end{matrix}\right] \qquad B=\left[\begin{matrix}1 \qquad 2 \qquad -2 \qquad 3\\4 \qquad -3 \qquad 3 \qquad 12 \\3 \qquad -1 \qquad1 \qquad 9\end{matrix}\right] A=⎣⎡102020−103⎦⎤B=⎣⎡12−234−33123−119⎦⎤
A = [ 1 − 2 1 0 0 2 − 8 8 − 4 5 9 − 9 ] B = [ 3 − 4 5 2 − 3 1 3 − 5 − 1 ] C = [ 0 1 − 4 8 2 − 3 2 1 5 − 8 7 1 ] A=\left[\begin{matrix}1 \qquad -2 \qquad 1 \qquad 0\\ 0 \qquad 2 \qquad -8 \qquad 8 \\-4 \qquad 5 \qquad9 \qquad -9 \end{matrix}\right] \qquad B=\left[\begin{matrix}3 \qquad -4 \qquad 5\\ 2 \qquad -3 \qquad 1 \\3 \qquad -5 \qquad -1 \end{matrix}\right] \qquad C=\left[\begin{matrix}0 \qquad 1 \qquad -4 \qquad 8\\ 2 \qquad -3 \qquad 2 \qquad 1 \\5 \qquad -8 \qquad7 \qquad 1\end{matrix}\right] A=⎣⎡1−21002−88−459−9⎦⎤B=⎣⎡3−452−313−5−1⎦⎤C=⎣⎡01−482−3215−871⎦⎤
矩阵的等价
对矩阵A实行有限次初等变换得到矩阵B, 则称矩阵A与B等价, 记做 A ≅ B A\cong B A≅B或 A → B A \rightarrow B A→B
等价的矩阵具有自反性, 对称性和传递性.即:
A ≅ A ; A ≅ B ⇒ B ≅ A ; A ≅ B , B ≅ C ⇒ A ≅ C A \cong A; \qquad A \cong B \Rightarrow B \cong A; \qquad A \cong B, B \cong C \Rightarrow A \cong C A≅A;A≅B⇒B≅A;A≅B,B≅C⇒A≅C
A ≅ [ 1 0 ⋯ 0 0 ⋯ 0 0 1 ⋯ 0 0 ⋯ 0 ⋮ ⋮ ⋱ ⋮ ⋮ ⋯ ⋮ 0 0 ⋯ 1 0 ⋯ 0 0 0 ⋯ 0 0 ⋯ 0 ⋮ ⋮ ⋱ ⋮ ⋮ ⋯ ⋮ 0 0 ⋯ 0 0 ⋯ 0 ] ( A 的 等 价 标 准 型 ) A \cong \left[\begin{matrix} 1\qquad 0 \qquad \cdots \qquad 0 \qquad 0 \qquad \cdots \qquad 0\\ 0\qquad 1 \qquad \cdots \qquad 0 \qquad 0 \qquad \cdots \qquad 0\\ \vdots \qquad \vdots \qquad \ddots \qquad \vdots \qquad \vdots \qquad \cdots \qquad \vdots \\ 0\qquad 0 \qquad \cdots \qquad 1 \qquad 0 \qquad \cdots \qquad 0\\0\qquad 0 \qquad \cdots \qquad 0 \qquad 0 \qquad \cdots \qquad 0 \\ \vdots \qquad \vdots \qquad \ddots \qquad \vdots \qquad \vdots \qquad \cdots \qquad \vdots \\0\qquad 0 \qquad \cdots \qquad 0 \qquad 0 \qquad \cdots \qquad 0 \end{matrix}\right](A的等价标准型) A≅⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡10⋯00⋯001⋯00⋯0⋮⋮⋱⋮⋮⋯⋮00⋯10⋯000⋯00⋯0⋮⋮⋱⋮⋮⋯⋮00⋯00⋯0⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤(A的等价标准型)
定理: 任何一个矩阵都有等价标准型
练习: 把上面的矩阵通过初等变换转化为它们的等价标准型.
思考: 等价标准型中1的个数和什么因素有关.