矩阵相关基础知识

1 矩阵相关概念

1.1 伴随矩阵

设n阶方程
$$A=\left[\begin{array}{cccc}{a}_1{}_1& a_1{}_2& ...& a_1{}_n\\ a_2{}_1& a_2{}_2& ...& a_2{}_n\\ ...& & & \\ a_n{}_1& a_n{}_2& ...& a_n{}_n\end{array}\right]$$
由方阵A中元素$a_i{}_j$的代数余子式
$$A_i{}_j(i=1,2,...n;j=1,2,...n)$$
按转置方式排列的n阶方程，称为方阵A的伴随矩阵，记作
$$A^{\ast }=\left[\begin{array}{cccc}{A}_1{}_1& A_2{}_1& ...& A_n{}_1\\ A_1{}_2& A_2{}_2& ...& A_n{}_2\\ ...& & & \\ A_1{}_n& A_2{}_n& ...& A_n{}_n\end{array}\right]$$
其中代数余子式
$$A_i{}_j=(-1{)}^{i+j}M{}_i{}_j$$
且$M{}_i{}_j$称为余子式。

1.2 矩阵的特征值和特征向量

犹如世界上每一片叶子都不同都有自己的特点一样，每个矩阵也有其内在的特性。可逆性、秩、初等变换的结果等属于矩阵的代数性质，而特征值、特征向量偏向于反应矩阵的几何特性。
设$A$是$n$阶矩阵，$x$是$n$维列向量，则$Ax$也是$n$维列向量，当然它己经改变了原来的$x$的大小与方向。有没有一个特别的非零向量$x$，使得向量$Ax$仅仅使向量$x$伸长了若干倍而没有改变其方向呢？这个使$Ax=\lambda x$成立的特别的向量因矩阵$A$而定，反映$A$的内在特性，故称之为特征向量，相应的数称为特征值。
定义：设$A$是n阶矩阵，若存在数$\lambda$及非零向量$x$使$Ax=\lambda x$，则称数$\lambda$为$A$的特征值，$x$为$A$的对应于$\lambda$的特征向量。
特征值与特征向量的特点：
设$\lambda {}_1,\lambda {}_2...\lambda {}_n$是$A$的$n$个特征值，则有

1. $\lambda {}_1+\lambda {}_2+...+\lambda {}_n=a_1{}_1+a_2{}_2+...+a_n{}_n$
2. $\lambda {}_1\lambda {}_2...\lambda {}_n=|A|$
3. $A$可逆的充分必要条件是$A$没有零特征值
4. $A$不可逆的充分必要条件是$A$有零特征值
5. 方阵$A$不同的特征值对应的特征向量是线性无关的

例子

1.3 相似矩阵及对角化

定义
设$A$、$B$为$n$阶方阵，若存在可逆矩阵$P$ 使$P^{-1}AP=B$，称矩阵$A$与$B$相似。特别地，如果$A$与对角矩阵相似, 称A可对角化。
相似矩阵的性质

1. 相似的矩阵一定等价，反之不对；
2. 相似的矩阵有相同的特征值，从而有相同的行列式；
3. 若$A$与$B$，则$A^{-1}$与$B^{-1}$，$A^m$与$B^m$也相似。