矩阵

矩阵的概念

矩阵的概念

1. 由$m\times n$个数$a_{ij}(i=1,2,...,n;j=1,2,...,n)$排成的$m$行$n$列的数表 $$\left( \begin{matrix} a_{11} & a_{12} &...&a_{1n}\\a_{21} & a_{22} &...&a_{2n}\\...\\a_{m1} & a_{m2} &...&a_{mn}\end{matrix}\right)，$$ 称其为一个$m$行$n$列矩阵，简称为$m\times n$矩阵。矩阵通常用$A,B,C$等来表示，记为$A=(a_{ij})_{m\times n}$或$A_{m\times n}$，其中$a_{ij}$为第$i$行第$j$列交叉位置上的元素
2. • 元素$a_{ij}(i=1,2,...,m;j=1,2,...,n)$都为实数的矩阵称为实矩阵；元素$a_{ij}(i=1,2,...,m;j=1,2,...,n)$中有复数的矩阵称为复矩阵；元素全为零的矩阵称为零矩阵，$m\times n$零矩阵记作$O_{m\times n}$
   • 在矩阵$A_{m\times n}$中，当$m=1$时，称为行矩阵；当$n=1$时，称为列矩阵；当$m=n$时，称为$n$阶方阵，简记为$A_n$
   • 若矩阵$A,B$的行数相同，列数也相同，则称$A,B$为同型矩阵，设矩阵$A,B$是同型矩阵，如果对一切$i,j$，都有$a_{ij}=b_{ij}$，则称矩阵$A,B$相等，记作$A=B$

   • 几种特殊的矩阵

     1. 对角矩阵：称方阵 $$\left( \begin{matrix} a_{1} & 0&...&0\\0& a_{2} &...&0\\...\\0& 0 &...&a_{n}\end{matrix}\right)，$$ 为对角矩阵，记为$\Lambda$或$diag(a_1,a_2,...,a_n)$。其特点是：除从左上角到右下角（称为主对角线）上的元素以外，其余元素都为零（对角线上元素不全为零）
     2. 数量矩阵：若对角矩阵的主对角线上的元素全为非零常数$k$，即 $$\left( \begin{matrix} k& 0&...&0\\0& k &...&0\\...\\0& 0 &...&k\end{matrix}\right)_{n\times n}，$$ 则称该矩阵为数量矩阵（或标量矩阵），记为$kE$
     3. 单位矩阵：若对角矩阵的主对角线上的元素全为1，即 $$\left( \begin{matrix} 1& 0&...&0\\0& 1 &...&0\\...\\0& 0 &...&1\end{matrix}\right)_{n\times n}，$$ 称其为$n$阶单位矩阵，记为$E_n$或$E$
     4. 三角阵，主对角线上（下）方元素全为0的方阵，称为下（上）三角阵，如 $$A=\left( \begin{matrix} a_{11} & 0 &...&0\\a_{21} & a_{22} &...&0\\...\\a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right)，B=\left( \begin{matrix} a_{11} & a_{12} &...&a_{1n}\\0 & a_{22} &...&a_{2n}\\...\\0 & 0&...&a_{nn}\end{matrix}\right)，$$ 矩阵$A$为下三角阵，$B$为上三角阵

     矩阵的运算

     矩阵的线性运算

     1. 设矩阵$A=(a_{ij})，B=(b_{ij})$都是$m\times n$矩阵，矩阵$A$与矩阵$B$的和记为$A+B$，规定 $$A+B=\left( \begin{matrix} a_{11}+b_{11} & a_{12} +b_{12}&...&a_{1n}+b_{1n}\\a_{21} +b_{21} & a_{22}+b_{22} &...&a_{2n}+b_{2n}\\...\\a_{m1}+b_{m1} & a_{m2}+b_{m2} &...&a_{mn}+b_{mn}\end{matrix}\right)，$$ 只有当两个矩阵是同型矩阵时，才能进行加法运算
        设矩阵$A=(a_{ij})$，记$-A=(-a_{ij})$，称$-A$为矩阵$A$的负矩阵。这样，矩阵的减法可定义为 $$A-B=A+(-B)$$ ，显然 $$A-A=A+(-A)=O$$
     2. 数$\lambda$与矩阵$A$的乘积，记作$\lambda A$或$A\lambda$，规定 $$\lambda A=A\lambda=(\lambda a_{ij})=\left( \begin{matrix} \lambda a_{11} & \lambda a_{12} &...&\lambda a_{1n}\\\lambda a_{21} & \lambda a_{22} &...&\lambda a_{2n}\\...\\\lambda a_{m1} & \lambda a_{m2} &...&\lambda a_{mn}\end{matrix}\right).$$ 数与矩阵的乘积运算称为数乘运算.特别的，$1\cdot A=A, (-1)\cdot A=-A$
     3. 矩阵加法和数乘两种运算，统称为矩阵的线性运算.矩阵的线性运算满足以下运算律(设$A,B$都为$m\times n$矩阵，$\lambda,\mu$都为数)：
        
        1. 加法交换律：$A+B=B+A$;
        2. 加法结合律：$（A+B）+C=A+（B+C）$;
        3. 数乘结合律：$\lambda（\mu A）=\mu(\lambda A)=(\lambda \mu)A$;
        4. 数乘矩阵的分配律：$(\lambda+\mu)A=\lambda A+\mu A$，$\lambda(A+B)=\lambda A+\lambda B$.

     矩阵的乘法

     1. 设$A=(a_{ij})$是一个$m\times s$矩阵，$B=(b_{ij})$是一个$s\times n$矩阵，规定矩阵$A$与矩阵$B$的乘积是一个$m\times n$矩阵$C=(c_{ij})$，其中 $$c_{ij}=a_{i1}b_{1j}+a_{i2}b_{2j}+...+a_{is}b_{sj}=\sum_{k=1}^sa_{ik}b_{kj}，i=1,2,...,m；j=1,2,...,n$$ ，记作$C=AB$.（只有第一个矩阵的列数等于第二个矩阵的行数时，才能相乘）
     2. 矩阵乘法满足以下运算规律：
        
        1. 结合律：$(AB)C=A(BC)$;
        2. 分配律：$A(B+C)=AB+AC，(B+C)A=BA+CA$;
        3. $\lambda (AB)=(\lambda A)B=A(\lambda B)$，其中$\lambda$为数;
        4. 设矩阵$A_{m\times n}$，则$AE_{n}=E_mA=A$
     3. 若矩阵$A$与矩阵$B$满足$AB=BA$，则称矩阵$A,B$可交换，否则称为不可交换.显然，可交换的矩阵一定是方阵
     4. 设$A$是一个$n$阶方阵，记 $$A^1=A，A^2=A\cdot A，...，A^{k+1}=A^k\cdot A，$$ 其中$k$为正整数，称$A^k$为方阵$A$的$k$次幂，也就是$k$个$A$的连乘积.规定$A^0=E$.容易验证方阵的幂运算满足以下运算律： $$A^kA^l，(A^k)^l=A^{kl}$$ ，其中$k,l$都为正整数.
        若多项式$f(x)=a_kx^k+a_{k-1}x^{k-1}+...+a_1x+a_0(a_k,a_{k-1},...,a_0$均为实数)中的$x$以方阵$A$代替，得$f(A)=a_kA^k+a_{k-1}A^{k-1}+...a_1A+a_0E，$称其为方阵$A$的多项式

     矩阵的转置

     1. 设矩阵$A=(a_{ij})_{m\times n}$把矩阵$A$的行换成同序数的列，得到新矩阵$B=(a_{ji})_{n\times m}$，称矩阵$B$为矩阵$A$的转置矩阵，记作$A^T$。例如， $$A=\left( \begin{matrix} 1 & 2 & 2 \\ 4 & 5 & 8 \end{matrix}\right) A^T=\left( \begin{matrix} 1 & 4 \\ 2 & 5 \\ 2 & 8 \end{matrix}\right)$$
     2. • 矩阵的转置满足以下运算律：
          
          1. $(A^T)^T=A;$
          2. $(A+B)^T=A^T+B^T;$
          3. $(\lambda A)^T=\lambda A^T$
          4. $(AB)^T=B^TA^T$
        • 设矩阵$A$为$n$阶方阵，如果$A^T=A$，即对一切的$i,j(1\le i,j\le n)$，有 $$a_{ij}=a_{ji}，$$ 则称矩阵$A$为对称矩阵
        • 设矩阵$A$为$n$阶方阵，如果$A^T=-A$，即对一切的$i,j(1\le i, j\le n)$，有 $$a_{ij}=-a{ji}，$$ 则称矩阵A<script type="math/tex">A</script>为反对称矩阵

     共轭矩阵

     1. 设矩阵$A=(a_{ij})$为复（数）矩阵，称矩阵$\overline A=(\overline{a_{ij}})$为矩阵$A$的$共轭矩阵$，其中$\overline{a_{ij}}$表示$\overline{a_{ij}}$的共轭复数
     2. 共轭矩阵满足以下运算律：
        
        1. $\overline{A+B}=\overline{A}+\overline{B}；$
        2. $\overline{\lambda A}=\overline{\lambda}+\overline{A}；$
        3. $\overline{AB}=\overline{A}\cdot \overline{B}；$
        4. $\overline{A^T}=(\overline{A})^T$
           其中$\lambda$是复数

     方阵的行列式

     排列与逆序

     1. 将自然数$1,2,...,n$排成一列称为这$n$个自然数的一个全排列.$n$个数的不同全排列有$n!$个，我们规定按数的大小次序，由小到大的排列称为自然排列
     2. 在一个排列中，若某个较大的数排在某个较小的数前面，就称这两个数构成一个逆序，一个排列中出现的逆序的总数称为这个排列的逆序数，通常记为$\tau(i_1i_2...i_n)$
     3. 逆序数为奇数的排列称为奇排列，逆序数为偶数的排列称为偶排列
     4. 在排列中，将任意两个元素对调，其余元素不动，称为一次对换，将相邻两个元素对调，称为相邻对换
     5. 将一个排列中任意两个元素对换，排列的奇偶性改变
     6. 自然数$1~n(n\ge2)$的全排列中，奇偶排列各占一半，各为$\frac{n!}{2}$个

     $n$阶方阵的行列式的定义

     1. 由$n$阶方阵$A$的$n^2$个元素组成如下形式： $$\left| \begin{matrix} a_{11} & a_{12} &...& a_{1n}\\ a_{21} & a_{22} &...& a_{2n}\\...\\ a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right|，$$ 称为n<script type="math/tex">n</script>阶行列式，记为$|A|$或$\det A.$也可用$D$来表示.它等于$n!$项的代数和，其中每一项都是取自不同行、不同列的$n$个元素的乘积$a_{1j_1}a_{2j_2}...a_{nj_n}$，并赋予符号$(-1)^{\tau (j_1j_2...j_n)}$.这里，$j_1j_2...j_n$是$1,2,...,n$的某个全排列，$\tau(j_1j_2...j_n)$为该排列的逆序数，即 $$|A|=\left| \begin{matrix} a_{11} & a_{12} &...& a_{1n}\\ a_{21} & a_{22} &...& a_{2n}\\...\\ a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right|=\sum(-1)^{\tau(j_1j_2...j_n)}a_{1j_1}a_{2j_2}...a_{nj_n}，$$
        例如，6阶方阵的行列式由6!项组成的代数和，对于含$a_{12}a_{23}a_{35}a_{41}a_{54}a_{66}$的项，由于$\tau(235146)=4$，所以其符号为正
        特别的，当$n=1$时，$|A|=|a_{11}|=a_{11}$，此处行列式$|a|$不是$a$的绝对值，如行列式$|-1|=-1$
        • 对角矩阵的行列式（除主对角线上的元素外，其余元素都为0）： $$|\Lambda|=\left| \begin{matrix} a_{11} & 0 &...& 0\\ 0 & a_{22} &...& 0\\...\\ 0 & 0 &...&a_{nn}\end{matrix}\right|=a_{11}a_{22}...a_{nn}；$$
        • 上（下）三角矩阵的行列式： $$|A|=\left| \begin{matrix} a_{11} & a_{12} &...& a_{1n}\\ 0 & a_{22} &...& a_{2n}\\...\\ 0 & 0&...&a_{nn}\end{matrix}\right|=\left| \begin{matrix} a_{11} & 0 &...& 0\\ a_{21} & a_{22} &...& 0\\...\\ a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right|=a_{11}a_{22}...a_{nn}$$
        • 负对角矩阵的行列式： $$|\Lambda|=\left| \begin{matrix} 0 &...& 0& a_{1n}\\ 0 &...& a_{2,n-1}& 0\\...\\ a_{n1} &...& 0 &0\end{matrix}\right|=(-1)^{\frac{n(n-1)}{2}}a_{1n}a_{2,n-1}...a_{n1}$$
        • 行列式的等价定义： $$\left| \begin{matrix} a_{11} & a_{12} &...&a_{1n}\\a_{21} & a_{22} &...&a_{2n}\\...\\a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right|=\sum(-1)^{\tau(i_1i_2...i_n)}a_{i_11}a_{i_22}...a_{i_nn}$$

        方阵的行列式的性质

        1. $n$阶方阵$A=(a_{ij})_{n\times n}$的转置矩阵$A^T$的行列式等于矩阵$A$的行列式，即 $$设\left( \begin{matrix} a_{11} & a_{12} &...&a_{1n}\\a_{21} & a_{22} &...&a_{2n}\\...\\a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right)，A^T=\left( \begin{matrix} a_{11} & a_{21} &...&a_{n1}\\a_{12} & a_{22} &...&a_{n2}\\...\\a_{1n} & a_{2n} &...&a_{nn}\end{matrix}\right)，则|A^T|=|A|.$$
        2. 交换行列式的任意两行（列），行列式变号
        3. 如果行列式的某两行（列）对应元素相同，则行列式为0
        4. 用数$k$乘以行列式的某一行（列）中所有元素，等于用数$k$乘以此行列式
        5. 行列式中某一行（列）的公因子可以提到行列式符号外面，即 $$\left| \begin{matrix} a_{11} & a_{12} &...&a_{1n}\\...\\ka_{i1} & ka_{i2} &...&ka_{in}\\...\\a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right|=k\left| \begin{matrix} a_{11} & a_{12} &...&a_{1n}\\...\\a_{i1} & a_{i2} &...&a_{in}\\...\\a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right|$$
        6. 若行列式某两行（列）的对应元素成比例，则行列式等于0
        7. 在行列式中，如果某一行（列）都是两数之和，则此行列式等于两个行列式的和，并且这两个行列式除这一行（列）以外，其余的行（列）与原来行列式对应的行（列）一样，即 $$\left| \begin{matrix} a_{11} & a_{12} &...&a_{1n}\\...\\c_{i1}+b_{i1} & c_{i2} + b_{i2} &...&c_{in}+b_{in}\\...\\a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right| = \left| \begin{matrix} a_{11} & a_{12} &...&a_{1n}\\...\\c_{i1} & c_{i2} &...&c_{in}\\...\\a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right| + \left| \begin{matrix} a_{11} & a_{12} &...&a_{1n}\\...\\b_{i1} & b_{i2} &...&b_{in}\\...\\a_{n1} & a_{n2} &...&a_{nn}\end{matrix}\right|$$
        8. 行列式的某一行（列）的所有元素乘以同一数$k$后再加到另一行（列）对应元素上，行列式的值不变

        行列式按行（列）展开

        1. 在$n$阶行列式中，把元素$a_{ij}$所在的第$i$行和第$j$列划去后，余下的$n-1$阶行列式称为元素$a_{ij}$的余子式，记为$M_{ij}$，称为$(-1)^{i+j}M_{ij}$为元素$a_{ij}$的代数余子式，记为$A_{ij}$，即$A_{ij}=(-1)^{i+j}M_{ij}$，例如， $$|A|=\left| \begin{matrix}a_{11} & a_{12} &a_{13} &a_{14}\\a_{21} & a_{22} &a_{23} &a_{24}\\a_{31} & a_{32} &a_{33} &a_{34}\\a_{41} & a_{42} &a_{43} &a_{44}\\ \end{matrix}\right|，M_{23}=\left|\begin{matrix}a_{11} & a_{12} &a_{14}\\a_{31} & a_{32} &a_{34}\\a_{41} & a_{42} &a_{44}\\ \end{matrix}\right|$$ $$A_{23}=(-1)^{2+3}M_{23}=-M_{23}$$
        2. 行列式等于它的任一行（列）的各元素与其对应的代数余子式成绩之和，即 $$|A|=a_{i1}A_{i1}+a_{i2}A_{i2}+...+a_{in}A_{in，i=1,2,...,n}$$
        3. 行列式任一行（列）的元素与另一行（列）的对应元素的代数余子式成绩之和等于零，即 $$a_{i1}A_{j1}+a_{i2}A_{j2}+...+a_{in}A_{jn}=0，i\not= j.$$
        4. 利用行列式按行（列）展开定理，并结合行列式性质，可简化行列式的计算，计算行列式时，可先用行列式的性质将某一行（列）化为仅含一个非零元素；再按此行（列）展开，变为低一阶的行列式来计算

        拉普拉斯定理

        1. 在$n$阶方阵的行列式$|A|$中，任取$k$行$k$列，位于这些行和列交叉位置上的$k^2$个元素，按原来的顺序组成一个新的$k$阶行列式$M$，称其为$|A|$的一个$k$阶子式，在$|A|$中，划去这$k$行$k$列，余下元素按原来顺序构成一个$n-k$阶行列式$N$，称其为$M$的余子式，$(-1)^{i_1+...+i_k+j_1+...+j_k}N$为$M$的代数余子式，其中$i_1,...,i_k,j_1,...,j_k$分别是$k$阶行列式$M$在$|A|$中的行标和列标
        2. 拉普拉斯定理：在$n$阶方阵的行列式$|A|$中，任取$k$行（列），由这$k$行（列）组成的所有$k$阶行列式与它们对应的代数余子式之积求和等于$|A|$

        方阵的行列式的运算律

        1. 设$A,B$都是n<script type="math/tex">n</script>阶方阵，$\lambda$为实数，则 $$（1）|A^T|=|A|；（2）|\lambda A|=\lambda ^n|A|；（3）|AB|=|A||B|$$
        2. $n$阶方阵$A$的行列式$|A|$的各个元素的代数余子式$A_{ij}$构成的如下矩阵： $$\left( \begin{matrix} A_{11} & A_{21} &...&A_{n1}\\A_{12} & A_{22} &...&A_{n2}\\...\\A_{1n} & A_{2n} &...&A_{nn}\end{matrix}\right)，$$ 称为矩阵$A$的伴随矩阵，记为$A^*$
        3. 伴随矩阵的性质：$AA^*=A^*A=|A|E$

        逆矩阵

        逆矩阵的概念

        1. 设$A$为$n$阶方阵，若存在$n$阶方阵$B$，使得$AB=BA=E，$则称矩阵$A$是可逆的，称矩阵$B$为矩阵$A$的逆矩阵
        2. 设矩阵$B,C$都是矩阵$A$的逆矩阵，有 $$AB=BA=E，AC=CA=E，$$ 因此 $$B=BE=B(AC)=(BA)C=EC=C.$$ ，这说明，如果矩阵$A$可逆，其逆矩阵一定唯一，记为$A^{-1}$
        3. $n$阶方阵$A$可逆的充分必要条件为$|A|\not= 0$，且当矩阵$A$可逆时，$A^{-1}=\frac{1}{|A|}A^*$.其中，$A^*$为矩阵$A$的伴随矩阵
        4. 当$|A|=0$时，称矩阵$A$为奇异矩阵，否则称为非奇异矩阵，因此，可逆矩阵也称为非奇异矩阵
        5. 设矩阵$A,B$都为$n$阶方阵，如果$AB=E$或$BA=E$，则矩阵$A$可逆，且$A^{-1}=B$

        逆矩阵的性质

        1. 若$A$可逆，则$A^{-1}$也可逆，且$(A^{-1})^{-1}=A；$事实上，由$AA^{-1}=E，$有$(A^{-1})^{-1}=A.$
        2. 若$A$可逆，数$\lambda \not= 0$，则$\lambda A$可逆，且$(\lambda A)^{-1}=\frac{1}{\lambda}A^{-1}$
        3. 若$A,B$为同阶方阵且均可逆，则$AB$也可逆，且$(AB)^{-1}=B^{-1}A^{-1}$
        4. 设$A_1,A_2,...,A_m$都是$n$阶可逆矩阵，则$(A_1A_2...A_m)^{-1}=A_m^{-1}...A_2^{-1}A_1^{-1}$
        5. 若$A$可逆，则$A^T$也可逆，且$(A^T)^{-1}=(A^{-1})^T$
        6. 若$A$可逆，则$|A^{-1}|=\frac{1}{|A|}=|A|^{-1}$
        7. 设$n$阶方阵$B$满足$B^2=B$，称矩阵$B$为幂等矩阵

        矩阵的分块

        分块矩阵的概念

        1. 将矩阵用若干条纵线和横线将其分成许多个小矩阵，每一个小矩阵称为矩阵的子块，以子块为元素的形式上的矩阵称为分块矩阵。例如， $$A=\left( \begin{matrix} a & 1 &| & 0 & 0 \\ 0 & a & | & 0 & 0 \\ - &-&|&-&-\\1 & 0 &| & b & 1\\0 & 1 &| & 1 & b\end{matrix}\right)=\left( \begin{matrix} C_1 & C_2 \\ C_3 & C_4\end{matrix}\right)$$

        分块矩阵的运算

        1. 分块矩阵的加法：设矩阵$A,B$是同型矩阵，采用相同的分快法，有 $$A=\left( \begin{matrix} A_{11} & ... & A_{1r} \\ ...\\A_{s1}. &.. &A_{sr} \end{matrix}\right)，B=\left( \begin{matrix} B_{11} & ... & B_{1r} \\ ...\\B_{s1}&.... &B_{sr} \end{matrix}\right)$$ ，其中，$A_{ij}$与$B_{ij}$的行数相同、列数也相同，则 $$A + B =\left( \begin{matrix} A_{11}+B_{11} & ... & A_{1r}+B_{1r} \\ ...\\A_{s1}+B_{s1} &... &A_{sr}+B_{sr} \end{matrix}\right)$$ ，两个同型矩阵的分块方法相同，它们相加时，只需把对应的子块相加.
        2. 分块矩阵的数乘运算：设 $$A=\left( \begin{matrix} A_{11} & ... & A_{1r} \\ ...\\A_{s1}&... &A_{sr} \end{matrix}\right)，\lambda$$ 为数，那么 $$\lambda A=\left( \begin{matrix} \lambda A_{11} & ... & \lambda A_{1r} \\ ...\\\lambda A_{s1}&... &\lambda A_{sr} \end{matrix}\right).$$ 数乘分块矩阵时，用数遍乘子块即可
        3. 分块矩阵的乘法：设$A$为$m\times l$矩阵，$B$为$l\times n$矩阵，分块成 $$A=\left( \begin{matrix} A_{11} & ... & A_{1t} \\ ...\\A_{s1}&... &A_{st} \end{matrix}\right)，B=\left( \begin{matrix} B_{11} & ... & B_{1r} \\ ...\\B_{t1}&... &B_{tr} \end{matrix}\right)，$$ 其中，$A_{i1},A_{i2},...,A_{it}$的列数分别等于$B_{1j},B_{2j},...,B_{tj}$的行数，那么 $$AB=\left( \begin{matrix} C_{11} & ... & C_{1r} \\ ...\\C_{s1}&... &C_{sr} \end{matrix}\right).$$ 其中，$C_{ij}=\sum_{k=1}^tA_{ik}B_{kj}(i=1,...,s;j=1,...,r).$
           为了保证乘积的可行性，对矩阵$A$的列的分法一定要与矩阵$B$的行的分法一致，对$A$的行的分法和对$B$的列的分法可以任意.两个分块矩阵的乘法，以子块为元素，按矩阵的乘法法则相乘
        4. 分块矩阵的转置：设$A=\left( \begin{matrix} A_{11} &A_{12} & ... & A_{1r}\\A_{21} &A_{22} & ... & A_{2r} \\ ...\\A_{s1}&A_{s2}&... &A_{sr} \end{matrix}\right)$，则 $$A^T=\left( \begin{matrix} A_{11} ^T&A_{21}^T & ... & A_{s1}^T\\A_{12}^T &A_{22} ^T& ... & A_{s2}^T \\ ...\\A_{1r}^T&A_{2r}^T&... &A_{sr}^T \end{matrix}\right).$$ 分块矩阵$A$的转置，不仅要把分块矩阵的每一“行“变成同序号的“列”，还要把矩阵$A$的每一子块取转置
        5. 分块对角矩阵：设矩阵$A$为方阵，若$A$的分块矩阵只有在主对角线上有非零子块，其余子块都为零矩阵，且非零子块都是方阵，即 $$A=\left( \begin{matrix} A_1\\ &A_2\\&&...\\&&&A_s\end{matrix} \right)，$$ 其中，$A_i(i=1,2,...,s)$都是方阵，那么称$A$为分块对角矩阵
           分块对角矩阵具有下述性质：
           
           1. $|A|=|A_1||A_2|...|A_s|；$
           2. 若$A_i(i=1,2,...,s)$可逆，则$A$也可逆，且 $$A^{-1}=\left( \begin{matrix} A_1^{-1}\\ &A_2^{-1}\\&&...\\&&&A_s^{-1}\end{matrix} \right)$$
           • 分块对角矩阵乘法性质： $$\left( \begin{matrix} A_1\\ &A_2\\&&...\\&&&A_s\end{matrix} \right)\left( \begin{matrix} B_1\\ &B_2\\&&...\\&&&B_s\end{matrix} \right)=\left( \begin{matrix} A_1B_1\\ &A_2B_2\\&&...\\&&&A_sB_s\end{matrix} \right)$$

           • 克拉默法则

             线性方程组的矩阵表示

             对于线性方程组 $$\begin{equation} \left\{ \begin{aligned} a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=b_1， \\ a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=b_2， \\ ...\\ a_{m1}x_1+a_{m2}x_2+...+a_{mn}x_n=b_m， \end{aligned} \right. \end{equation}$$ 记 $$A=\left( \begin{matrix} a_{11} &a_{12} & ... & a_{1n}\\a_{21} &a_{22} & ... & a_{2n} \\ ...\\a_{m1}&a_{m2}&... &a_{mn} \end{matrix}\right)，x=\left( \begin{matrix} x_1\\x_2\\.\\.\\.\\x_n \end{matrix}\right)，b=\left( \begin{matrix} b_1\\b_2\\.\\.\\.\\b_m \end{matrix}\right).$$ 利用矩阵的乘法，则线性方程组可以表示为矩阵形式 $$Ax=b，$$ 称矩阵$A$为线性方程组的系数矩阵，矩阵$B=(A,b)$为线性方程组的增广矩阵

             克拉默法则及其应用

             1. 克拉默法则：对含有$n$个未知数、$n$个方程的线性方程组 $$\begin{equation} \left\{ \begin{aligned} a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=b_1， \\ a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=b_2， \\ ...\\ a_{n1}x_1+a_{n2}x_2+...+a_{nn}x_n=b_n， \end{aligned} \right. \end{equation}$$ ，如果系数矩阵的行列式$|A|$不等于零，则方程组有唯一解，并且 $$x_j=\frac{|A_j|}{|A|}，j=1,2,...,n，$$ 其中 $$|A_j|=\left|\begin{matrix} a_{11} &...&a_{1,j-1}&b_1&a_{1,j+1} & ... & a_{1n}\\a_{21} &...&a_{2,j-1}&b_2&a_{2,j+1} & ... & a_{2n} \\ ...\\a_{n1}&...&a_{n,j-1}&b_n&a_{n,j+1}&... &a_{nn} \end{matrix}\right|$$
             2. 如果含有$n$个未知数、$n$个方程的线性方程组$Ax=b$的系数矩阵的行列式$|A|\not= 0$，则方程组$Ax=b$一定有解，且解是唯一的
             3. 如果含有$n$个未知数、$n$个方程的线性方程组$Ax=b$无解或者解不唯一，则其系数矩阵的行列式一定等于0
             4. 对线性方程组$Ax=b$，若常数项$b=\left( \begin{matrix} b_1\\b_2\\.\\.\\.\\b_n \end{matrix}\right)\not=\left( \begin{matrix} 0\\0\\.\\.\\.\\0 \end{matrix}\right)$($b_1,b_2,...,b_n$不全为零)，则称此方程组为非齐次线性方程组；当$b=\left( \begin{matrix} b_1\\b_2\\.\\.\\.\\b_n \end{matrix}\right)=\left( \begin{matrix} 0\\0\\.\\.\\.\\0 \end{matrix}\right)$，即$b_1=b_2...=b_n=0$，则称此方程组为齐次线性方程组.齐次线性方程组$Ax=0$一定有解，至少有一个解$x_1=x_2=...=x_n=0，$称此解为齐次方程组的零解，否则称为非零解.
             5. 如果含有$n$个未知数、$n$个方程的齐次线性方程组$Ax=0$的系数矩阵的行列式$|A|\not=0$，则齐次线性方程组$Ax=0$只有零解
             6. 如果含有$n$个未知数、$n$个方程的齐次线性方程组$Ax=0$有非零解，则它的系数矩阵的行列式$|A|=0$

   http://blog.csdn.net/vi_nsn/article/details/77949019