以下均为个人理解，如有错误，请大佬指出，小生立马就改正。
线性代数-矩阵及其运算
1. 线性方程组
设，有n个未知数m个方程的线性方程组：
{
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
\left\{ \begin{aligned} &a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=b_1\\ &a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=b_2\\ &......\\ &a_{m1}x_1+a_{m2}x_2+...+a_{mn}x_n=b_m\\ \end{aligned} \right.
⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧a11x1+a12x2+...+a1nxn=b1a21x1+a22x2+...+a2nxn=b2......am1x1+am2x2+...+amnxn=bm
其中 a i j a_{ij} aij是第i个方程的第j个未知数的系数， b i b_i bi是第i个方程的常数项，i=1，2，…，m；j=1，2，…，n；当常数项 b 1 b_1 b1， b 2 b_2 b2，…， b m b_m bm全不为零时，称作n元非齐次线性方程组。
{
a
11
x
1
+
a
12
x
2
+
.
.
.
+
a
1
n
x
n
=
0
a
21
x
1
+
a
22
x
2
+
.
.
.
+
a
2
n
x
n
=
0
.
.
.
.
.
.
a
m
1
x
1
+
a
m
2
x
2
+
.
.
.
+
a
m
n
x
n
=
0
\left\{ \begin{aligned} &a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=0\\ &a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=0\\ &......\\ &a_{m1}x_1+a_{m2}x_2+...+a_{mn}x_n=0\\ \end{aligned} \right.
⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧a11x1+a12x2+...+a1nxn=0a21x1+a22x2+...+a2nxn=0......am1x1+am2x2+...+amnxn=0
当常数项
b
1
b_1
b1，
b
2
b_2
b2，…，
b
m
b_m
bm全为零时，称作n元齐次线性方程组。
补充：n元线性方程组简称线性方程组或方程组。
2. 矩阵的定义
定义1：由mn个数
a
i
j
a_{ij}
aij排成的m行n列的数表称为m行n列矩阵，简称mxn矩阵，记作
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= \begin{pmatrix} a_{11} & a_{12} & ... & a_{1n}\\ a_{21} & a_{22} & ... & a_{2 n} \\ ... & ... & ... & ...&\\ a_{m1} & a_{m2} & ... & a_{mn} \\ \end{pmatrix}
A=⎝⎜⎜⎛a11a21...am1a12a22...am2............a1na2n...amn⎠⎟⎟⎞
这mn个数称为矩阵的元素，简称元，数
a
i
j
a_{ij}
aij位于矩阵A第i行第j列，称为矩阵A的（i，j）元。
以数
a
i
j
a_{ij}
aij为（i，j）元的矩阵可简记作
(
a
i
j
)
(a_{ij})
(aij)或
(
a
i
j
)
m
∗
n
(a_{ij})_{m*n}
(aij)m∗n.
m*n矩阵A也记作
A
m
∗
n
A_{m*n}
Am∗n.
元素是实数的矩阵称为实矩阵，元素是负数的矩阵称为复矩阵。
补充：接下来没有特殊说明都指实矩阵。
行数和列数都等于n的矩阵称为n阶矩阵或n阶方阵.n阶矩阵A也记作 A n A_n An.
两个矩阵的行数、列数相等，就称这两个矩阵为同型矩阵。
如果
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)与
B
=
(
b
i
j
)
B=(b_{ij})
B=(bij)是同型矩阵，并且他们的对应元素相等(
(
a
i
j
)
=
(
b
i
j
)
(a_{ij})=(b_{ij})
(aij)=(bij))，那么就称矩阵A与矩阵B相等，记作A=B.
元素都是零的矩阵称为零矩阵，，记作 O O O.
2.1.1 行矩阵
只有一行的矩阵称为行矩阵，又称行向量。
A
=
(
a
1
a
2
.
.
.
a
n
)
A= \begin{pmatrix} a_{1} & a_{2} & ... & a_{n}\\ \end{pmatrix}
A=(a1a2...an)
2.1.2 行矩阵
只有一列的矩阵称为列矩阵，又称列向量。
A
=
(
b
1
b
2
.
.
.
b
m
)
A= \begin{pmatrix} b_{1} \\ b_{2} \\ ... \\ b_{m}\\ \end{pmatrix}
A=⎝⎜⎜⎛b1b2...bm⎠⎟⎟⎞
2.2 非齐次线性方程组的矩阵
设，有n个未知数m个方程的线性方程组：
{
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
\left\{ \begin{aligned} &a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=b_1\\ &a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=b_2\\ &......\\ &a_{m1}x_1+a_{m2}x_2+...+a_{mn}x_n=b_m\\ \end{aligned} \right.
⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧a11x1+a12x2+...+a1nxn=b1a21x1+a22x2+...+a2nxn=b2......am1x1+am2x2+...+amnxn=bm
其中有那么几个有用的矩阵:
A
=
a
i
j
A=a_{ij}
A=aij
x
=
(
x
1
x
2
.
.
.
x
n
)
x=\begin{pmatrix} x_{1} \\ x_{2} \\ ... \\ x_{n}\\ \end{pmatrix}
x=⎝⎜⎜⎛x1x2...xn⎠⎟⎟⎞
b
=
(
b
1
b
2
.
.
.
b
m
)
b=\begin{pmatrix} b_{1} \\ b_{2} \\ ... \\ b_{m}\\ \end{pmatrix}
b=⎝⎜⎜⎛b1b2...bm⎠⎟⎟⎞
B
=
(
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
)
B= \begin{pmatrix} a_{11} & a_{12} & ... & a_{1n} & & b_{1}\\ a_{21} & a_{22} & ... & a_{2 n} & &b_{2}\\ ... & ... & & ...&& ...\\ a_{m1} & a_{m2} & ... & a_{mn}& & b_{m} \\ \end{pmatrix}
B=⎝⎜⎜⎛a11a21...am1a12a22...am2.........a1na2n...amnb1b2...bm⎠⎟⎟⎞
其中A称为系数矩阵，x称为未知数矩阵，b称为常系数矩阵，B称为增广矩阵。
2.3 单位矩阵
E
=
(
1
0
.
.
.
0
0
1
.
.
.
0
.
.
.
.
.
.
.
.
.
0
0
.
.
.
1
)
E= \begin{pmatrix} 1 & 0 & ... & 0 & \\ 0 &1 & ... & 0 \\ ... & ... & & ...\\ 0 & 0 & ... & 1 \\ \end{pmatrix}
E=⎝⎜⎜⎛10...001...0.........00...1⎠⎟⎟⎞
矩阵E叫做n阶单位矩阵，其特点是对角线上的元素都是1，其他元素都是0。
3. 矩阵的运算
3.1 矩阵的加减法
定义1：设有两个m*n的矩阵
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)与
B
=
(
b
i
j
)
B=(b_{ij})
B=(bij)，那么矩阵A与B的和记作A+B，规定为：
A
+
B
=
(
a
11
+
b
11
a
12
+
b
12
.
.
.
a
1
n
+
b
1
n
a
21
+
b
21
a
22
+
b
22
.
.
.
a
2
n
+
b
2
n
.
.
.
.
.
.
.
.
.
.
.
.
a
m
1
+
b
m
1
a
m
2
+
b
m
2
.
.
.
a
m
n
+
b
m
n
)
A+B= \begin{pmatrix} a_{11} + b_{11} & a_{12}+b_{12} & ... & a_{1n}+b_{1n}\\ a_{21}+b_{21} & a_{22}+ b_{22} & ... & a_{2 n}+b_{2 n} \\ ... & ... & ... & ...&\\ a_{m1}+b_{m1} & a_{m2}+b_{m2} & ... & a_{mn}+b_{mn} \\ \end{pmatrix}
A+B=⎝⎜⎜⎛a11+b11a21+b21...am1+bm1a12+b12a22+b22...am2+bm2............a1n+b1na2n+b2n...amn+bmn⎠⎟⎟⎞
注意：只有当两个矩阵是同型矩阵时，这两个矩阵才能进行加法运算。
矩阵加法满足下列运算规律（设A、B、C都是m*n矩阵）
①
A
+
B
=
B
+
A
A+B=B+A
A+B=B+A
②
(
A
+
B
)
+
C
=
A
+
(
B
+
C
)
(A+B)+C=A+(B+C)
(A+B)+C=A+(B+C)
设矩阵
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)，记
−
A
=
−
a
i
j
-A = -a_{ij}
−A=−aij
-A称为矩阵A的负矩阵，显然有
A
+
(
−
A
)
=
0
A+(-A)=0
A+(−A)=0
由此规定矩阵的减法为
A
−
B
=
A
+
(
−
B
)
A-B=A+(-B)
A−B=A+(−B)
3.2 数与矩阵相乘
定义2：数
λ
\lambda
λ与矩阵A的乘积记作
λ
\lambda
λA或A
λ
\lambda
λ，记作：
λ
A
=
A
λ
=
(
λ
a
11
λ
a
12
.
.
.
λ
a
1
n
λ
a
21
λ
a
22
.
.
.
λ
a
2
n
.
.
.
.
.
.
.
.
.
.
.
.
λ
a
m
1
λ
a
m
2
.
.
.
λ
a
m
n
)
\lambda A=A\lambda = \begin{pmatrix} \lambda a_{11} & \lambda a_{12} & ... &\lambda a_{1n}\\ \lambda a_{21} & \lambda a_{22} & ... &\lambda a_{2 n} \\ ... & ... & ... & ...&\\ \lambda a_{m1}& \lambda a_{m2} & ... &\lambda a_{mn} \\ \end{pmatrix}
λA=Aλ=⎝⎜⎜⎛λa11λa21...λam1λa12λa22...λam2............λa1nλa2n...λamn⎠⎟⎟⎞
数乘矩阵满足下列运算规律（设A、B都是m*n矩阵，
λ
\lambda
λ、
μ
\mu
μ为常数）
①(
λ
\lambda
λ
μ
\mu
μ)A =
λ
\lambda
λ(
μ
\mu
μA)
②(
λ
\lambda
λ +
μ
\mu
μ)A =
λ
\lambda
λA +
μ
\mu
μA
③
λ
\lambda
λ(A + B) =
λ
\lambda
λA +
λ
\lambda
λB
矩阵加法和数乘矩阵统称为矩阵的线性运算。
3.3 矩阵与矩阵相乘
暂略
3.4 矩阵的转置
定义：把矩阵A的行换成同序数的列得到一个新的矩阵，叫做A的转置矩阵，记作
A
T
A^T
AT。
栗子：
例如矩阵A
A
=
(
1
2
0
3
−
1
1
)
A = \begin{pmatrix} 1 & 2& 0\\ 3 &-1 & 1 \\ \end{pmatrix}
A=(132−101)
矩阵
A
T
A^T
AT
A
T
=
(
1
3
2
−
1
0
1
)
A^T = \begin{pmatrix} 1 &3\\ 2 &-1\\ 0 & 1\\ \end{pmatrix}
AT=⎝⎛1203−11⎠⎞
3.4.1 矩阵转置的运算规律
矩阵的转置也算是一种运算，矩阵的转置满足下述运算规律。
①
(
A
T
)
T
=
A
(A^T)^T=A
(AT)T=A
②
(
A
+
B
)
T
=
A
T
+
B
T
(A+B)^T=A^T+B^T
(A+B)T=AT+BT
③
(
λ
A
)
T
=
λ
A
T
(\lambda A)^T=\lambda A^T
(λA)T=λAT
④
(
A
B
)
T
=
B
T
A
T
(AB)^T=B^TA^T
(AB)T=BTAT(注意，顺序不能反)
补充：
如果
A
T
=
A
A^T=A
AT=A，那么A称为对称矩阵，简称对称阵。
对称矩阵的特点是，它的元素以对角线为对称轴对应相等。
如果如果 A = − ( A T ) A=-(A^T) A=−(AT)，那么A称为反对称矩阵。
4. 方阵的行列式
注意：方阵（n*n的矩阵）和行列式是两个不同的概念，n阶方阵是 n 2 n^2 n2个数按一定方式排列的数表，而n阶行列阵则是这些数（也就是数表A）按一定的运算法则所确定的一个数。
方阵行列式的运算规律：
①
∣
A
T
∣
=
∣
A
∣
|A^T|=|A|
∣AT∣=∣A∣
②
∣
λ
A
∣
=
λ
n
∣
A
∣
|\lambda A|=\lambda ^n|A|
∣λA∣=λn∣A∣
③
∣
A
B
∣
=
∣
A
∣
∣
B
∣
|AB|=|A||B|
∣AB∣=∣A∣∣B∣
4.1 伴随矩阵
伴随矩阵：行列式|A|的各个元素的代数余子式
A
i
j
A_{ij}
Aij所构成的矩阵.
伴随矩阵的特性：
A
A
∗
=
A
∗
A
=
∣
A
∣
E
AA^*=A^*A=|A|E
AA∗=A∗A=∣A∣E
5.逆矩阵
定义： 对于n阶矩阵A，如果有一个n阶矩阵B，使
A
B
=
B
A
=
E
AB=BA=E
AB=BA=E
则说矩阵A是可逆的，并把矩阵B称为A的逆矩阵。
如果矩阵A是可逆的，那么A的逆矩阵是唯一的。
定理1：若矩阵A可逆，则|A|不等于0。
定理2：若|A|不等于0，则矩阵A可逆，且
A
−
1
=
1
∣
A
∣
A
∗
A^{-1}=\frac{1}{|A|}A^*
A−1=∣A∣1A∗
5.1逆矩阵的的运算规律
逆矩阵的的运算规律:
①若A可逆，则
A
−
1
A^{-1}
A−1也可逆，且
(
A
−
1
)
−
1
=
A
(A^{-1})^{-1}=A
(A−1)−1=A；
②若A可逆，数
λ
\lambda
λ不等于0，则
λ
A
\lambda A
λA可逆，且
(
λ
A
)
−
1
=
1
λ
A
−
1
(\lambda A)^{-1} = \frac{1}{\lambda}A^{-1}
(λA)−1=λ1A−1
③若A、B为同阶矩阵且均可逆，则AB亦可逆，且
(
A
B
)
−
1
=
B
−
1
A
−
1
(AB)^{-1}=B^{-1}A^{-1}
(AB)−1=B−1A−1
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
