文章目录
行列式
定义与性质
三大定义
几何法(本质)
定义
n 阶 行 列 式 D n = ∣ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ∣ n × n 由 n 个 n 维 向 量 组 成 , 其 运 算 结 果 为 n 维 图 形 的 体 积 [ 注 ] 1. 结 果 是 一 个 算 式 2. 由 向 量 组 成 \begin{aligned} &n阶行列式\\ &D_n=\begin{vmatrix} a_{11}&a_{12}&\cdots&a_{1n}\\ a_{21}&a_{22}&\cdots&a_{2n}\\ \vdots&\vdots&&\vdots\\ a_{n1}&a_{n2}&\cdots&a_{nn} \end{vmatrix}_{n\times n}由n个n维向量组成,其运算结果为n维图形的体积\\ [注]&1.结果是一个算式\quad2.由向量组成 \end{aligned} [注]n阶行列式Dn=∣∣∣∣∣∣∣∣∣a11a21⋮an1a12a22⋮an2⋯⋯⋯a1na2n⋮ann∣∣∣∣∣∣∣∣∣n×n由n个n维向量组成,其运算结果为n维图形的体积1.结果是一个算式2.由向量组成
推导
∣
a
11
a
12
a
21
a
22
∣
=
a
11
a
22
−
a
12
a
21
=
S
p
a
r
a
l
l
e
l
o
g
r
a
m
S
p
a
r
a
l
l
e
l
o
g
r
a
m
=
l
⋅
m
⋅
sin
(
β
−
α
)
=
l
⋅
m
(
sin
β
cos
α
−
cos
β
sin
α
)
=
a
11
a
22
−
a
12
a
21
\begin{aligned} &\begin{vmatrix}a_{11}&a_{12}\\a_{21}&a_{22} \end{vmatrix}=a_{11}a_{22}-a_{12}a_{21}=S_{parallelogram}\\ &S_{parallelogram}=l\cdot m\cdot\sin(\beta-\alpha)\\ &=l\cdot m(\sin\beta\cos\alpha-\cos\beta\sin\alpha)\\ &=a_{11}a_{22}-a_{12}a_{21} \end{aligned}
∣∣∣∣a11a21a12a22∣∣∣∣=a11a22−a12a21=SparallelogramSparallelogram=l⋅m⋅sin(β−α)=l⋅m(sinβcosα−cosβsinα)=a11a22−a12a21
逆序数法
[注]顺序 12 左小右大;逆序 31 左大右小
∣
a
11
a
12
⋯
a
1
n
a
21
a
22
⋯
a
2
n
⋮
⋮
⋮
a
n
1
a
n
2
⋯
a
n
n
∣
=
∑
j
1
j
2
⋯
j
n
a
1
j
1
a
2
j
2
⋯
a
n
j
n
1.
展
开
后
有
n
!
个
项
2.
有
下
标
作
顺
序
排
后
,
取
自
不
同
行
不
同
列
的
n
个
元
素
的
乘
积
3.
τ
(
j
1
j
2
⋯
j
n
)
→
{
1
(
偶
)
−
1
(
奇
)
\begin{aligned} &\begin{vmatrix} a_{11}&a_{12}&\cdots&a_{1n}\\ a_{21}&a_{22}&\cdots&a_{2n}\\ \vdots&\vdots&&\vdots\\ a_{n1}&a_{n2}&\cdots&a_{nn} \end{vmatrix}=\sum_{j_1j_2\cdots j_n}a_{1j_1}a_{2j_2}\cdots a_{nj_n}\\ &1.展开后有n!个项\\ &2.有下标作顺序排后,取自不同行不同列的n个元素的乘积\\ &3.\tau(j_1j_2\cdots j_n)\to\begin{cases}1(偶)\\-1(奇)\end{cases}\\ \end{aligned}
∣∣∣∣∣∣∣∣∣a11a21⋮an1a12a22⋮an2⋯⋯⋯a1na2n⋮ann∣∣∣∣∣∣∣∣∣=j1j2⋯jn∑a1j1a2j2⋯anjn1.展开后有n!个项2.有下标作顺序排后,取自不同行不同列的n个元素的乘积3.τ(j1j2⋯jn)→{1(偶)−1(奇)
KaTeX parse error: Expected & or \\ or \cr or \end at position 529: …a_{22}&a_{33}\\\̲e̲n̲c̲l̲o̲s̲e̲{horizontalstri…
展开式法
余子式
KaTeX parse error: Expected & or \\ or \cr or \end at position 26: …igned} &M_{ij}=\̲r̲e̲q̲u̲i̲r̲e̲{enclose}\begin…
代数余子式
A i j = ( − 1 ) i + j M i j ( − 1 ) i + j A i j = ( − 1 ) 2 ( i + j ) M i j M i j = ( − 1 ) i + j A i j \begin{aligned} A_{ij}&=(-1)^{i+j}M_{ij}\\ (-1)^{i+j}A_{ij}&=(-1)^{2(i+j)}M_{ij}\\ M_{ij}&=(-1)^{i+j}A_{ij} \end{aligned} Aij(−1)i+jAijMij=(−1)i+jMij=(−1)2(i+j)Mij=(−1)i+jAij
展开式(化出尽可能多的0元素)
D n = ∣ A ∣ = { a i 1 A i 1 + a i 2 A i 2 + ⋯ + a i n A i n , 按第i行展开 a 1 j A 1 j + a 2 j A 2 j + ⋯ + a n j A n j , 按第j列展开 如 ∣ 5 2 1 1 2 5 34 1 34 ∣ = 1 ⋅ ( − 1 ) ∣ 2 1 1 34 ∣ + 2 ⋅ 1 ∣ 5 1 34 34 ∣ + 5 ⋅ ( − 1 ) ∣ 5 2 34 1 ∣ = − 67 + 2 ⋅ 136 + 315 = 520 再 如 ∣ 我 0 生 0 有 0 你 0 幸 ∣ = 有 ⋅ ∣ 我 生 你 幸 ∣ = 有 ( 我 ⋅ 幸 − 生 ⋅ 你 ) = 我 有 幸 − 生 有 你 \begin{aligned} &D_n=\mid A\mid=\begin{cases}a_{i1}A_{i1}+a_{i2}A_{i2}+\cdots+a_{in}A_{in},&\text{按第i行展开}\\a_{1j}A_{1j}+a_{2j}A_{2j}+\cdots+a_{nj}A_{nj},&\text{按第j列展开}\end{cases}\\ &如\begin{vmatrix}5&2&1\\1&2&5\\34&1&34 \end{vmatrix}=1\cdot(-1)\begin{vmatrix}2&1\\1&34 \end{vmatrix}+2\cdot1\begin{vmatrix}5&1\\34&34 \end{vmatrix}+5\cdot(-1)\begin{vmatrix}5&2\\34&1 \end{vmatrix}\\ &=-67+2\cdot136+315=520\\ &再如\begin{vmatrix}我&0&生\\0&有&0\\你&0&幸 \end{vmatrix}=有\cdot\begin{vmatrix}我&生\\你&幸 \end{vmatrix}\\ &=有(我\cdot幸-生\cdot你)=我有幸-生有你 \end{aligned} Dn=∣A∣={ai1Ai1+ai2Ai2+⋯+ainAin,a1jA1j+a2jA2j+⋯+anjAnj,按第i行展开按第j列展开如∣∣∣∣∣∣51342211534∣∣∣∣∣∣=1⋅(−1)∣∣∣∣21134∣∣∣∣+2⋅1∣∣∣∣534134∣∣∣∣+5⋅(−1)∣∣∣∣53421∣∣∣∣=−67+2⋅136+315=520再如∣∣∣∣∣∣我0你0有0生0幸∣∣∣∣∣∣=有⋅∣∣∣∣我你生幸∣∣∣∣=有(我⋅幸−生⋅你)=我有幸−生有你
[ 注 ] 1 阶 ∣ a 11 ∣ = a 11 2 阶 ∣ a 11 a 12 a 21 a 22 ∣ = a 11 a 22 − a 12 a 21 3 阶 ∣ a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ∣ = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 − a 13 a 22 a 31 − a 11 a 23 a 32 − a 12 a 21 a 33 \begin{aligned} \ [注]&\color{grey}1阶\mid a_{11}\mid=a_{11}\\ &\color{grey}2阶\begin{vmatrix}a_{11}&a_{12}\\a_{21}&a_{22} \end{vmatrix}=a_{11}a_{22}-a_{12}a_{21}\\ &\color{grey}3阶\begin{vmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33} \end{vmatrix}=a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{13}a_{21}a_{32}-a_{13}a_{22}a_{31}-a_{11}a_{23}a_{32}-a_{12}a_{21}a_{33} \end{aligned} [注]1阶∣a11∣=a112阶∣∣∣∣a11a21a12a22∣∣∣∣=a11a22−a12a213阶∣∣∣∣∣∣a11a21a31a12a22a32a13a23a33∣∣∣∣∣∣=a11a22a33+a12a23a31+a13a21a32−a13a22a31−a11a23a32−a12a21a33
七大性质
1. 行 列 互 换 , 其 值 不 变 , 即 ∣ A ∣ = ∣ A T ∣ 2. 行 列 式 中 某 行 ( 列 ) 元 素 为 0 , 则 行 列 式 为 0 ∣ a 11 a 12 0 0 ∣ = 0 3. 行 列 式 中 的 两 行 ( 列 ) 元 素 相 等 或 对 应 成 比 例 , 则 行 列 式 为 0 ∣ a 11 a 12 k a 11 k a 12 ∣ = 0 4. 行 列 式 中 某 行 ( 列 ) 元 素 均 是 两 个 元 素 之 和 , 则 可 拆 成 两 个 行 列 式 之 和 ∣ a 11 a 12 b 1 + c 1 b 2 + c 2 ∣ = ∣ a 11 a 12 b 1 b 2 ∣ + ∣ a 11 a 12 c 1 c 2 ∣ 5. 行 列 式 中 两 行 ( 列 ) 互 换 , 行 列 式 的 值 反 号 ( 互 换 性 质 ) ∣ a 11 a 12 a 21 a 22 ∣ = − ∣ a 21 a 22 a 11 a 12 ∣ 6. 行 列 式 中 某 行 ( 列 ) 元 素 有 公 因 子 k ( k ≠ 0 ) , 则 k 可 提 到 行 列 式 外 面 ( 倍 乘 性 质 ) ∣ k a 11 k a 12 a 21 a 22 ∣ = k ∣ a 11 a 12 a 21 a 22 ∣ 7. 行 列 式 中 某 行 ( 列 ) 的 k 倍 加 到 另 一 行 ( 列 ) , 行 列 式 的 值 不 变 ( 倍 加 性 质 ) ∣ a 11 a 12 a 21 a 22 ∣ = ∣ a 11 a 12 k a 11 + a 21 k a 12 + a 22 ∣ = ∣ a 11 a 12 k a 11 k a 12 ∣ + ∣ a 11 a 12 a 21 a 22 ∣ \begin{aligned} 1.& 行列互换,其值不变,即\mid A\mid=\mid A^T\mid\\ 2.& 行列式中某行(列)元素为0,则行列式为0\\ &\begin{vmatrix}a_{11}&a_{12}\\0&0 \end{vmatrix}=0\\ 3.& 行列式中的两行(列)元素相等或对应成比例,则行列式为0\\ &\begin{vmatrix}a_{11}&a_{12}\\ka_{11}&ka_{12} \end{vmatrix}=0\\ 4.& 行列式中某行(列)元素均是两个元素之和,则可拆成两个行列式之和\\ &\begin{vmatrix}a_{11}&a_{12}\\b_1+c_1&b_2+c_2 \end{vmatrix}=\begin{vmatrix}a_{11}&a_{12}\\b_1&b_2 \end{vmatrix}+\begin{vmatrix}a_{11}&a_{12}\\c_1&c_2 \end{vmatrix}\\ 5.& 行列式中两行(列)互换,行列式的值反号(互换性质)\\ &\begin{vmatrix}a_{11}&a_{12}\\a_{21}&a_{22} \end{vmatrix}=-\begin{vmatrix}a_{21}&a_{22}\\a_{11}&a_{12} \end{vmatrix}\\ 6.& 行列式中某行(列)元素有公因子k(k\neq0),则k可提到行列式外面(倍乘性质)\\ &\begin{vmatrix}ka_{11}&ka_{12}\\a_{21}&a_{22} \end{vmatrix}=k\begin{vmatrix}a_{11}&a_{12}\\a_{21}&a_{22} \end{vmatrix}\\ 7.& 行列式中某行(列)的k倍加到另一行(列),行列式的值不变(倍加性质)\\ &\begin{vmatrix}a_{11}&a_{12}\\a_{21}&a_{22} \end{vmatrix}=\begin{vmatrix}a_{11}&a_{12}\\ka_{11}+a_{21}&ka_{12}+a_{22} \end{vmatrix}=\begin{vmatrix}a_{11}&a_{12}\\ka_{11}&ka_{12} \end{vmatrix}+\begin{vmatrix}a_{11}&a_{12}\\a_{21}&a_{22} \end{vmatrix} \end{aligned} 1.2.3.4.5.6.7.行列互换,其值不变,即∣A∣=∣AT∣行列式中某行(列)元素为0,则行列式为0∣∣∣∣a110a120∣∣∣∣=0行列式中的两行(列)元素相等或对应成比例,则行列式为0∣∣∣∣a11ka11a12ka12∣∣∣∣=0行列式中某行(列)元素均是两个元素之和,则可拆成两个行列式之和∣∣∣∣a11b1+c1a12b2+c2∣∣∣∣=∣∣∣∣a11b1a12b2∣∣∣∣+∣∣∣∣a11c1a12c2∣∣∣∣行列式中两行(列)互换,行列式的值反号(互换性质)∣∣∣∣a11a21a12a22∣∣∣∣=−∣∣∣∣a21a11a22a12∣∣∣∣行列式中某行(列)元素有公因子k(k̸=0),则k可提到行列式外面(倍乘性质)∣∣∣∣ka11a21ka12a22∣∣∣∣=k∣∣∣∣a11a21a12a22∣∣∣∣行列式中某行(列)的k倍加到另一行(列),行列式的值不变(倍加性质)∣∣∣∣a11a21a12a22∣∣∣∣=∣∣∣∣a11ka11+a21a12ka12+a22∣∣∣∣=∣∣∣∣a11ka11a12ka12∣∣∣∣+∣∣∣∣a11a21a12a22∣∣∣∣
计算
具体型行列式
化为“12+1”
加边法
递推法
数学归纳法
化为“12+1”
1.主对角线行列式
∣
a
11
⋯
a
1
n
⋮
⋱
⋮
0
⋯
a
n
n
∣
=
∣
a
11
⋯
0
⋮
⋱
⋮
a
n
1
⋯
a
n
n
∣
=
∣
a
11
⋯
0
⋮
⋱
⋮
0
⋯
a
n
n
∣
=
a
11
⋯
a
n
n
\begin{aligned} &\begin{vmatrix}a_{11}&\cdots&a_{1n}\\\vdots&\ddots&\vdots\\0&\cdots&a_{nn} \end{vmatrix}=\begin{vmatrix}a_{11}&\cdots&0\\\vdots&\ddots&\vdots\\a_{n1}&\cdots&a_{nn} \end{vmatrix}=\begin{vmatrix}a_{11}&\cdots&0\\\vdots&\ddots&\vdots\\0&\cdots&a_{nn} \end{vmatrix}=a_{11}\cdots a_{nn}\\ \end{aligned}
∣∣∣∣∣∣∣a11⋮0⋯⋱⋯a1n⋮ann∣∣∣∣∣∣∣=∣∣∣∣∣∣∣a11⋮an1⋯⋱⋯0⋮ann∣∣∣∣∣∣∣=∣∣∣∣∣∣∣a11⋮0⋯⋱⋯0⋮ann∣∣∣∣∣∣∣=a11⋯ann
2.副对角线行列式
∣
a
11
⋯
a
1
n
⋮
⋱
⋮
a
n
1
⋯
0
∣
=
∣
0
⋯
a
1
n
⋮
⋱
⋮
a
n
1
⋯
a
n
n
∣
=
∣
0
⋯
a
1
n
⋮
⋱
⋮
a
n
1
⋯
0
∣
=
(
−
1
)
n
(
n
−
1
)
2
⋅
(
a
1
n
⋯
a
n
1
)
\begin{aligned} &\begin{vmatrix}a_{11}&\cdots&a_{1n}\\\vdots&\ddots&\vdots\\a_{n1}&\cdots&0 \end{vmatrix}=\begin{vmatrix}0&\cdots&a_{1n}\\\vdots&\ddots&\vdots\\a_{n1}&\cdots&a_{nn} \end{vmatrix}=\begin{vmatrix}0&\cdots&a_{1n}\\\vdots&\ddots&\vdots\\a_{n1}&\cdots&0 \end{vmatrix}=(-1)^{\frac{n(n-1)}2}\cdot(a_{1n}\cdots a_{n1})\\ \end{aligned}
∣∣∣∣∣∣∣a11⋮an1⋯⋱⋯a1n⋮0∣∣∣∣∣∣∣=∣∣∣∣∣∣∣0⋮an1⋯⋱⋯a1n⋮ann∣∣∣∣∣∣∣=∣∣∣∣∣∣∣0⋮an1⋯⋱⋯a1n⋮0∣∣∣∣∣∣∣=(−1)2n(n−1)⋅(a1n⋯an1)
3.拉普拉斯展开式
设A为m阶矩阵,B为n阶矩阵,则
∣
A
O
O
B
∣
=
∣
A
C
O
B
∣
=
∣
A
O
C
B
∣
=
∣
A
∣
∣
B
∣
∣
O
A
B
O
∣
=
∣
C
A
B
O
∣
=
∣
O
A
B
C
∣
=
(
−
1
)
m
n
∣
A
∣
∣
B
∣
\begin{aligned} &\begin{vmatrix}A&O\\O&B \end{vmatrix}=\begin{vmatrix}A&C\\O&B \end{vmatrix}=\begin{vmatrix}A&O\\C&B \end{vmatrix}=\mid A\mid\mid B\mid\\ &\begin{vmatrix}O&A\\B&O \end{vmatrix}=\begin{vmatrix}C&A\\B&O \end{vmatrix}=\begin{vmatrix}O&A\\B&C \end{vmatrix}=(-1)^{mn}\mid A\mid\mid B\mid\\ \end{aligned}
∣∣∣∣AOOB∣∣∣∣=∣∣∣∣AOCB∣∣∣∣=∣∣∣∣ACOB∣∣∣∣=∣A∣∣B∣∣∣∣∣OBAO∣∣∣∣=∣∣∣∣CBAO∣∣∣∣=∣∣∣∣OBAC∣∣∣∣=(−1)mn∣A∣∣B∣
4.范德蒙德行列式
V
m
=
∣
1
1
⋯
1
x
1
x
2
⋯
x
n
x
1
2
x
2
2
⋯
x
n
2
⋮
⋮
⋱
⋮
x
1
n
−
1
x
2
n
−
1
⋯
x
m
n
−
1
∣
n
×
n
=
(
x
n
−
x
1
)
(
x
n
−
x
2
)
⋯
(
x
n
−
x
n
−
1
)
(
x
n
−
1
−
x
1
)
(
x
n
−
1
−
x
2
)
⋯
(
x
n
−
1
−
x
n
−
2
)
⋯
(
x
2
−
x
1
)
1.
盯
着
第
二
行
2.
大
的
减
小
的
\begin{aligned} V_m=&\begin{vmatrix}1&1&\cdots&1\\x_1&x_2&\cdots&x_n\\x_1^2&x_2^2&\cdots&x_n^2\\\vdots&\vdots&\ddots&\vdots\\x_1^{n-1}&x_2^{n-1}&\cdots&x_m^{n-1} \end{vmatrix}_{n\times n}\\ =&(x_n-x_1)(x_n-x_2)\cdots(x_n-x_{n-1})\\ &(x_{n-1}-x_1)(x_{n-1}-x_2)\cdots(x_{n-1}-x_{n-2})\\ &\cdots(x_2-x_1)\\ &\color{grey}1.盯着第二行\quad2.大的减小的\\ \end{aligned}
Vm==∣∣∣∣∣∣∣∣∣∣∣1x1x12⋮x1n−11x2x22⋮x2n−1⋯⋯⋯⋱⋯1xnxn2⋮xmn−1∣∣∣∣∣∣∣∣∣∣∣n×n(xn−x1)(xn−x2)⋯(xn−xn−1)(xn−1−x1)(xn−1−x2)⋯(xn−1−xn−2)⋯(x2−x1)1.盯着第二行2.大的减小的
[ 例 1 ] ∣ b + c c + a a + b a b c a 2 b 2 c 2 ∣ = ∣ a + b + c a + b + c a + b + c a b c a 2 b 2 c 2 ∣ = ( a + b + c ) ∣ 1 1 1 a b c a 2 b 2 c 2 ∣ = ( a + b + c ) ( c − a ) ( c − b ) ( b − a ) [ 例 2 ] n 阶 行 列 式 ∣ a b 0 ⋯ 0 0 0 a b ⋯ 0 0 0 0 a ⋯ 0 0 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 0 0 0 ⋯ a b b 0 0 ⋯ 0 a ∣ 已 知 0 元 素 很 多 的 行 ( 列 )    ⟹    D n = a ⋅ ( − 1 ) 1 + 1 ⋅ ∣ a b ⋯ 0 0 a ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ a ∣ + b ⋅ ( − 1 ) n + 1 ∣ b 0 ⋯ 0 a b ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ b ∣ = a n + ( − 1 ) n + 1 b n [ 例 3 ] n 阶 行 列 式 ∣ 0 1 1 ⋯ 1 1 1 0 1 ⋯ 1 1 1 1 0 ⋯ 1 1 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 1 1 1 ⋯ 0 1 1 1 1 ⋯ 1 0 ∣ 行 ( 列 ) 和 相 等    ⟹    创 造 0 元 素 很 多 的 行 ( 列 ) D n = ∣ n − 1 n − 1 ⋯ n − 1 ∗ ∗ ⋯ ∗ ∣ = ( n − 1 ) ∣ 1 1 1 ⋯ 1 1 1 0 1 ⋯ 1 1 1 1 0 ⋯ 1 1 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 1 1 1 ⋯ 0 1 1 1 1 ⋯ 1 0 ∣ = ( n − 1 ) ∣ 1 1 1 ⋯ 1 1 0 − 1 0 ⋯ 0 0 0 0 − 1 ⋯ 0 0 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 0 0 0 ⋯ − 1 0 0 0 0 ⋯ 0 − 1 ∣ = ( n − 1 ) ( − 1 ) n − 1 [ 例 4 ] D 4 = ∣ 1 + a 1 1 1 1 1 − a 1 1 1 1 1 + b 1 1 1 1 1 − b ∣ = ∣ a a 0 0 1 1 − a 0 1 0 0 b b 1 1 1 1 − b ∣ = a b ∣ 1 1 0 0 1 1 − a 0 0 0 0 1 1 1 1 1 1 − b ∣ = a b ∣ A O C B ∣ = a b ∣ A ∣ ∣ B ∣ = a b ( − a ) ( − b ) = a 2 b 2 [ 例 5 ] 求 f ( x ) = ∣ 1 1 1 1 1 3 9 27 1 − 2 4 − 8 1 x x 2 x 3 ∣ = 0 的 根 f ( x ) = ∣ 1 1 1 1 1 3 − 2 x 1 9 4 x 2 1 27 − 8 x 3 ∣ = ( x − 1 ) ( x − 3 ) ( x + 2 ) ( − 2 − 1 ) ( − 2 − 3 ) ( 3 − 1 ) = 0    ⟹    x 1 = 1 , x 2 = 3 , x 3 = − 2 \begin{aligned} \ [例1]&\color{maroon}\begin{vmatrix}b+c&c+a&a+b\\a&b&c\\a^2&b^2&c^2 \end{vmatrix}\\ =&\begin{vmatrix}a+b+c&a+b+c&a+b+c\\a&b&c\\a^2&b^2&c^2 \end{vmatrix}=(a+b+c)\begin{vmatrix}1&1&1\\a&b&c\\a^2&b^2&c^2 \end{vmatrix}=(a+b+c)(c-a)(c-b)(b-a)\\ [例2]&\color{maroon}n阶行列式\begin{vmatrix}a&b&0&\cdots&0&0\\0&a&b&\cdots&0&0\\0&0&a&\cdots&0&0\\\vdots&\vdots&\vdots&\ddots&\vdots&\vdots\\0&0&0&\cdots&a&b\\b&0&0&\cdots&0&a \end{vmatrix}\\ &已知0元素很多的行(列)\implies\\ &D_n=a\cdot(-1)^{1+1}\cdot\begin{vmatrix}a&b&\cdots&0\\0&a&\cdots&0\\\vdots&\vdots&\ddots&\vdots\\0&0&\cdots&a \end{vmatrix}+b\cdot(-1)^{n+1}\begin{vmatrix}b&0&\cdots&0\\a&b&\cdots&0\\\vdots&\vdots&\ddots&\vdots\\0&0&\cdots&b \end{vmatrix}=a^n+(-1)^{n+1}b^n\\ [例3]&\color{maroon}n阶行列式\begin{vmatrix}0&1&1&\cdots&1&1\\1&0&1&\cdots&1&1\\1&1&0&\cdots&1&1\\\vdots&\vdots&\vdots&\ddots&\vdots&\vdots\\1&1&1&\cdots&0&1\\1&1&1&\cdots&1&0 \end{vmatrix}\\ &行(列)和相等\implies创造0元素很多的行(列)\\ &D_n=\begin{vmatrix}n-1&n-1&\cdots&n-1\\*&*&\cdots&* \end{vmatrix}=(n-1)\begin{vmatrix}1&1&1&\cdots&1&1\\1&0&1&\cdots&1&1\\1&1&0&\cdots&1&1\\\vdots&\vdots&\vdots&\ddots&\vdots&\vdots\\1&1&1&\cdots&0&1\\1&1&1&\cdots&1&0 \end{vmatrix}\\ &=(n-1)\begin{vmatrix}1&1&1&\cdots&1&1\\0&-1&0&\cdots&0&0\\0&0&-1&\cdots&0&0\\\vdots&\vdots&\vdots&\ddots&\vdots&\vdots\\0&0&0&\cdots&-1&0\\0&0&0&\cdots&0&-1 \end{vmatrix}=(n-1)(-1)^{n-1}\\ [例4]&\color{maroon}D_4=\begin{vmatrix}1+a&1&1&1\\1&1-a&1&1\\1&1&1+b&1\\1&1&1&1-b \end{vmatrix}\\ &=\begin{vmatrix}a&a&0&0\\1&1-a&0&1\\0&0&b&b\\1&1&1&1-b \end{vmatrix}=ab\begin{vmatrix}1&1&0&0\\1&1-a&0&0\\0&0&1&1\\1&1&1&1-b \end{vmatrix}\\ &=ab\begin{vmatrix}A&O\\C&B \end{vmatrix}=ab\mid A\mid\mid B\mid=ab(-a)(-b)=a^2b^2\\ [例5]&\color{maroon}求f(x)=\begin{vmatrix}1&1&1&1\\1&3&9&27\\1&-2&4&-8\\1&x&x^2&x^3 \end{vmatrix}=0的根\\ &f(x)=\begin{vmatrix}1&1&1&1\\1&3&-2&x\\1&9&4&x^2\\1&27&-8&x^3 \end{vmatrix}=(x-1)(x-3)(x+2)(-2-1)(-2-3)(3-1)=0\\ &\implies x_1=1,x_2=3,x_3=-2\\ \end{aligned} [例1]=[例2][例3][例4][例5]∣∣∣∣∣∣b+caa2c+abb2a+bcc2∣∣∣∣∣∣∣∣∣∣∣∣a+b+caa2a+b+cbb2a+b+ccc2∣∣∣∣∣∣=(a+b+c)∣∣∣∣∣∣1aa21bb21cc2∣∣∣∣∣∣=(a+b+c)(c−a)(c−b)(b−a)n阶行列式∣∣∣∣∣∣∣∣∣∣∣∣∣a00⋮0bba0⋮000ba⋮00⋯⋯⋯⋱⋯⋯000⋮a0000⋮ba∣∣∣∣∣∣∣∣∣∣∣∣∣已知0元素很多的行(列)⟹Dn=a⋅(−1)1+1⋅∣∣∣∣∣∣∣∣∣a0⋮0ba⋮0⋯⋯⋱⋯00⋮a∣∣∣∣∣∣∣∣∣+b⋅(−1)n+1∣∣∣∣∣∣∣∣∣ba⋮00b⋮0⋯⋯⋱⋯00⋮b∣∣∣∣∣∣∣∣∣=an+(−1)n+1bnn阶行列式∣∣∣∣∣∣∣∣∣∣∣∣∣011⋮11101⋮11110⋮11⋯⋯⋯⋱⋯⋯111⋮01111⋮10∣∣∣∣∣∣∣∣∣∣∣∣∣行(列)和相等⟹创造0元素很多的行(列)Dn=∣∣∣∣n−1∗n−1∗⋯⋯n−1∗∣∣∣∣=(n−1)∣∣∣∣∣∣∣∣∣∣∣∣∣111⋮11101⋮11110⋮11⋯⋯⋯⋱⋯⋯111⋮01111⋮10∣∣∣∣∣∣∣∣∣∣∣∣∣=(n−1)∣∣∣∣∣∣∣∣∣∣∣∣∣100⋮001−10⋮0010−1⋮00⋯⋯⋯⋱⋯⋯100⋮−10100⋮0−1∣∣∣∣∣∣∣∣∣∣∣∣∣=(n−1)(−1)n−1D4=∣∣∣∣∣∣∣∣1+a11111−a11111+b11111−b∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣a101a1−a0100b101b1−b∣∣∣∣∣∣∣∣=ab∣∣∣∣∣∣∣∣110111−a0100110011−b∣∣∣∣∣∣∣∣=ab∣∣∣∣ACOB∣∣∣∣=ab∣A∣∣B∣=ab(−a)(−b)=a2b2求f(x)=∣∣∣∣∣∣∣∣111113−2x194x2127−8x3∣∣∣∣∣∣∣∣=0的根f(x)=∣∣∣∣∣∣∣∣1111139271−24−81xx2x3∣∣∣∣∣∣∣∣=(x−1)(x−3)(x+2)(−2−1)(−2−3)(3−1)=0⟹x1=1,x2=3,x3=−2
加边法
∣ A ∣ = ∣ 1 − − − ⋯ − − − 0 a 11 ⋯ a 1 n ⋮ ⋮ ⋱ ⋮ 0 a n 1 ⋯ a n n ∣ = 1 ⋅ ∣ A ∣ [ 例 ] D n = ∣ 1 + x 1 2 x 1 x 2 ⋯ x 1 x n x 2 x 1 1 + x 2 2 ⋯ x 2 x n ⋮ ⋮ ⋱ ⋮ x n x 1 x n x 2 ⋯ 1 + x n 2 ∣ = ∣ 1 x 1 x 2 ⋯ x n 0 1 + x 1 2 x 1 x 2 ⋯ x 1 x n 0 x 2 x 1 1 + x 2 2 ⋯ x 2 x n ⋮ ⋮ ⋮ ⋱ ⋮ 0 x n x 1 x n x 2 ⋯ 1 + x n 2 ∣ = ∣ 1 x 1 x 2 ⋯ x n − x 1 1 0 ⋯ 0 − x 2 0 1 ⋯ 0 ⋮ ⋮ ⋮ ⋱ ⋮ − x n 0 0 ⋯ 1 ∣ = ∣ 1 + ∑ i = 1 n x i 2 x 1 x 2 ⋯ x n 0 1 0 ⋯ 0 0 0 1 ⋯ 0 ⋮ ⋮ ⋮ ⋱ ⋮ 0 0 0 ⋯ 1 ∣ = 1 + ∑ i = 1 n x i 2 \begin{aligned} &\mid A\mid=\begin{vmatrix}1&---&\cdots&---\\0&a_{11}&\cdots&a_{1n}\\\vdots&\vdots&\ddots&\vdots\\0&a_{n1}&\cdots&a_{nn} \end{vmatrix}=1\cdot\mid A\mid\\ [例]&\color{maroon}D_n=\begin{vmatrix}1+x_1^2&x_1x_2&\cdots&x_1x_n\\x_2x_1&1+x_2^2&\cdots&x_2x_n\\\vdots&\vdots&\ddots&\vdots\\x_nx_1&x_nx_2&\cdots&1+x_n^2 \end{vmatrix}\\ &=\begin{vmatrix}1&x_1&x_2&\cdots&x_n\\0&1+x_1^2&x_1x_2&\cdots&x_1x_n\\0&x_2x_1&1+x_2^2&\cdots&x_2x_n\\\vdots&\vdots&\vdots&\ddots&\vdots\\0&x_nx_1&x_nx_2&\cdots&1+x_n^2 \end{vmatrix}=\begin{vmatrix}1&x_1&x_2&\cdots&x_n\\-x_1&1&0&\cdots&0\\-x_2&0&1&\cdots&0\\\vdots&\vdots&\vdots&\ddots&\vdots\\-x_n&0&0&\cdots&1 \end{vmatrix}\\ &=\begin{vmatrix}1+\sum_{i=1}^nx_i^2&x_1&x_2&\cdots&x_n\\0&1&0&\cdots&0\\0&0&1&\cdots&0\\\vdots&\vdots&\vdots&\ddots&\vdots\\0&0&0&\cdots&1 \end{vmatrix}=1+\sum^n_{i=1}x_i^2 \end{aligned} [例]∣A∣=∣∣∣∣∣∣∣∣∣10⋮0−−−a11⋮an1⋯⋯⋱⋯−−−a1n⋮ann∣∣∣∣∣∣∣∣∣=1⋅∣A∣Dn=∣∣∣∣∣∣∣∣∣1+x12x2x1⋮xnx1x1x21+x22⋮xnx2⋯⋯⋱⋯x1xnx2xn⋮1+xn2∣∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣∣∣∣100⋮0x11+x12x2x1⋮xnx1x2x1x21+x22⋮xnx2⋯⋯⋯⋱⋯xnx1xnx2xn⋮1+xn2∣∣∣∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣∣∣∣1−x1−x2⋮−xnx110⋮0x201⋮0⋯⋯⋯⋱⋯xn00⋮1∣∣∣∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣∣∣∣1+∑i=1nxi200⋮0x110⋮0x201⋮0⋯⋯⋯⋱⋯xn00⋮1∣∣∣∣∣∣∣∣∣∣∣=1+i=1∑nxi2
递推法
[ 例 1 ] D n = ∣ b − 1 0 ⋯ 0 0 0 b − 1 ⋯ 0 0 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 0 0 0 ⋯ b − 1 a n a n − 1 a n − 2 ⋯ a 2 b + a 1 ∣ [ 分 析 ] D n 与 D n − 1 只 是 阶 数 不 同 , 规 律 相 同 D n = b D n − 1 + a n ( − 1 ) n + 1 ∣ − 1 0 ⋯ 0 b − 1 ⋯ ⋮ ⋮ ⋮ ⋱ ⋮ 0 ⋯ b − 1 ∣ = b D n − 1 + a n ( − 1 ) 2 n = b D n − 1 + a n 故 D n = b D n − 1 + a n = b ( b D n − 2 + a n − 1 ) + a n = b 2 D n − 2 + b a n − 1 + a n = b 2 ( b D n − 3 + a n − 2 ) + a n − 1 b + a n = b 3 D n − 3 + b 2 a n − 2 + b a n − 1 + a n = ⋯ = b n − 1 D 1 + b n − 2 a 2 + ⋯ + b a n − 1 + b 0 a n = b n − 1 ( b + a 1 ) + b n − 2 a 2 + ⋯ + b 0 a n = b n + b n − 1 a 1 + b n − 2 a 2 + ⋯ + b 0 a n [ 例 2 ] D 4 = ∣ λ − 1 0 0 0 λ − 1 0 0 0 λ − 1 4 3 2 λ + 1 ∣ = ‾ λ 4 + λ 3 + 2 λ 2 + 3 λ + 4 [ 例 3 ] D n = ∣ 2 − 1 0 ⋯ 0 0 0 2 − 1 ⋯ 0 0 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 0 0 0 ⋯ 2 − 1 n n − 1 n − 2 ⋯ 2 3 ∣ = 2 n + 2 n − 1 + 2 n − 2 ⋅ 2 + ⋯ + n [ 例 4 ] 证 明 D n = ∣ 2 a 1 0 ⋯ 0 0 a 2 2 a 1 ⋯ 0 0 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 0 0 0 ⋯ 2 a 1 0 0 0 ⋯ a 2 2 a ∣ = ( n + 1 ) a n ( 异 爪 型 ) D n = 2 a ⋅ D n − 1 + a 2 ( − 1 ) 2 + 1 ⋅ D n − 2 = 2 a D n − 1 − a 2 D n − 2    ⟹    D n − a D n − 1 = a D n − 1 − a 2 D n − 2 = a ( D n − 1 − a D n − 2 ) = a 2 ( D n − 2 − a D n − 3 ) = ⋯ = a n − 2 ( D 2 − a D 1 ) = a n D 1 = 2 a , D 2 = 3 a 2    ⟹    D n − a D n − 1 = a n    ⟹    D n = a D n − 1 + a n = a ( a D n − 2 + a n − 1 ) + a n = a 2 D n − 2 + 2 a n = a 2 ( a D n − 3 + a n − 2 ) + 2 a n = a 3 D n − 3 + 3 a n = ⋯ = a n − 1 D 1 + ( n − 1 ) a n = a n − 1 ⋅ 2 a + ( n − 1 ) a n = 2 a n + ( n − 1 ) a n = ( n + 1 ) a n \begin{aligned} \ [例1]&\color{maroon}D_n=\begin{vmatrix}b&-1&0&\cdots&0&0\\0&b&-1&\cdots&0&0\\\vdots&\vdots&\vdots&\ddots&\vdots&\vdots\\0&0&0&\cdots&b&-1\\a_n&a_{n-1}&a_{n-2}&\cdots&a_2&b+a_1 \end{vmatrix}\\ &[分析]D_n与D_{n-1}只是阶数不同,规律相同\\ &D_n=bD_{n-1}+a_n(-1)^{n+1}\begin{vmatrix}-1&0&\cdots&0\\b&-1&\cdots&\vdots\\\vdots&\vdots&\ddots&\vdots\\0&\cdots&b&-1 \end{vmatrix}\\ &=bD_{n-1}+a_n(-1)^{2n}=bD_{n-1}+a_n\\ &故D_n=bD_{n-1}+a_n=b(bD_{n-2}+a_{n-1})+a_n\\ &=b^2D_{n-2}+ba_{n-1}+a_n=b^2(bD_{n-3}+a_{n-2})+a_{n-1}b+a_n\\ &=b^3D_{n-3}+b^2a_{n-2}+ba_{n-1}+a_n=\cdots=b^{n-1}D_1+b^{n-2}a_2+\cdots+ba_{n-1}+b^0a_n\\ &=b^{n-1}(b+a_1)+b^{n-2}a_2+\cdots+b^0a_n=b^n+b^{n-1}a_1+b^{n-2}a_2+\cdots+b^0a_n\\ [例2]&\color{maroon}D_4=\begin{vmatrix}\lambda&-1&0&0\\0&\lambda&-1&0\\0&0&\lambda&-1\\4&3&2&\lambda+1 \end{vmatrix}=\underline{\quad}\\ &\lambda^4+\lambda^3+2\lambda^2+3\lambda+4\\ [例3]&\color{maroon}D_n=\begin{vmatrix}2&-1&0&\cdots&0&0\\0&2&-1&\cdots&0&0\\\vdots&\vdots&\vdots&\ddots&\vdots&\vdots\\0&0&0&\cdots&2&-1\\n&n-1&n-2&\cdots&2&3 \end{vmatrix}\\ &=2^n+2^{n-1}+2^{n-2}\cdot2+\cdots+n\\ [例4]&\color{maroon}证明D_n=\begin{vmatrix}2a&1&0&\cdots&0&0\\a^2&2a&1&\cdots&0&0\\\vdots&\vdots&\vdots&\ddots&\vdots&\vdots\\0&0&0&\cdots&2a&1\\0&0&0&\cdots&a^2&2a\end{vmatrix}=(n+1)a^n(异爪型)\\ &D_n=2a\cdot D_{n-1}+a^2(-1)^{2+1}\cdot D_{n-2}=2aD_{n-1}-a^2D_{n-2}\\ &\implies D_n-aD_{n-1}=aD_{n-1}-a^2D_{n-2}=a(D_{n-1}-aD_{n-2})\\ &=a^2(D_{n-2}-aD_{n-3})=\cdots=a^{n-2}(D_2-aD_1)=a^n\\ &D_1=2a,D_2=3a^2\implies D_n-aD_{n-1}=a^n\\ &\implies D_n=aD_{n-1}+a^n=a(aD_{n-2}+a^{n-1})+a^n\\ &=a^2D_{n-2}+2a^n=a^2(aD_{n-3}+a^{n-2})+2a^n\\ &=a^3D_{n-3}+3a^n=\cdots=a^{n-1}D_1+(n-1)a^n\\ &=a^{n-1}\cdot 2a+(n-1)a^n=2a^n+(n-1)a^n=(n+1)a^n\\ \end{aligned} [例1][例2][例3][例4]Dn=∣∣∣∣∣∣∣∣∣∣∣b0⋮0an−1b⋮0an−10−1⋮0an−2⋯⋯⋱⋯⋯00⋮ba200⋮−1b+a1∣∣∣∣∣∣∣∣∣∣∣[分析]Dn与Dn−1只是阶数不同,规律相同Dn=bDn−1+an(−1)n+1∣∣∣∣∣∣∣∣∣∣−1b⋮00−1⋮⋯⋯⋯⋱b0⋮⋮−1∣∣∣∣∣∣∣∣∣∣=bDn−1+an(−1)2n=bDn−1+an故Dn=bDn−1+an=b(bDn−2+an−1)+an=b2Dn−2+ban−1+an=b2(bDn−3+an−2)+an−1b+an=b3Dn−3+b2an−2+ban−1+an=⋯=bn−1D1+bn−2a2+⋯+ban−1+b0an=bn−1(b+a1)+bn−2a2+⋯+b0an=bn+bn−1a1+bn−2a2+⋯+b0anD4=∣∣∣∣∣∣∣∣λ004−1λ030−1λ200−1λ+1∣∣∣∣∣∣∣∣=λ4+λ3+2λ2+3λ+4Dn=∣∣∣∣∣∣∣∣∣∣∣20⋮0n−12⋮0n−10−1⋮0n−2⋯⋯⋱⋯⋯00⋮2200⋮−13∣∣∣∣∣∣∣∣∣∣∣=2n+2n−1+2n−2⋅2+⋯+n证明Dn=∣∣∣∣∣∣∣∣∣∣∣2aa2⋮0012a⋮0001⋮00⋯⋯⋱⋯⋯00⋮2aa200⋮12a∣∣∣∣∣∣∣∣∣∣∣=(n+1)an(异爪型)Dn=2a⋅Dn−1+a2(−1)2+1⋅Dn−2=2aDn−1−a2Dn−2⟹Dn−aDn−1=aDn−1−a2Dn−2=a(Dn−1−aDn−2)=a2(Dn−2−aDn−3)=⋯=an−2(D2−aD1)=anD1=2a,D2=3a2⟹Dn−aDn−1=an⟹Dn=aDn−1+an=a(aDn−2+an−1)+an=a2Dn−2+2an=a2(aDn−3+an−2)+2an=a3Dn−3+3an=⋯=an−1D1+(n−1)an=an−1⋅2a+(n−1)an=2an+(n−1)an=(n+1)an
归纳法
1. 第 一 归 纳 法 ( 1 ) 验 n = 1 成 立 ( 2 ) 设 n − 1 成 立 ( 3 ) 证 n 成 立 适 用 于 “ 一 阶 差 ” 2. 第 二 归 纳 法 ( 1 ) 验 n = 1 , 2 均 成 立 ( 2 ) 设 n < k 成 立 ( 3 ) 证 n = k 成 立 适 用 于 “ 二 阶 差 ” \begin{aligned} 1.&第一归纳法\\ &(1)验n=1成立\\ &(2)设n-1成立\\ &(3)证n成立\\ &适用于“一阶差”\\ 2.&第二归纳法\\ &(1)验n=1,2均成立\\ &(2)设n<k 成立\\ &(3)证n=k成立\\ &适用于“二阶差”\\ \end{aligned} 1.2.第一归纳法(1)验n=1成立(2)设n−1成立(3)证n成立适用于“一阶差”第二归纳法(1)验n=1,2均成立(2)设n<k成立(3)证n=k成立适用于“二阶差”
[ 例 1 ] 证 V n = ∣ 1 1 ⋯ 1 x 1 x 2 ⋯ x n x 1 2 x 2 2 ⋯ x n 2 ⋮ ⋮ ⋱ ⋮ x 1 n − 1 x 2 n − 1 ⋯ x n n − 1 ∣ = ∏ 1 ≤ i < j ≤ n ( x j − x i ) [ 分 析 ] 用 上 一 行 的 − x 1 倍 加 到 下 一 行 V n = ∣ 1 1 1 ⋯ 1 0 ( x 2 − x 1 ) ( x 3 − x 1 ) ⋯ ( x n − x 1 ) 0 x 2 ( x 2 − x 1 ) x 3 ( x 3 − x 1 ) ⋯ x n ( x n − x 1 ) ⋮ ⋮ ⋮ ⋱ ⋮ 0 x 2 n − 2 ( x 2 − x 1 ) x 3 n − 2 ( x 3 − x 1 ) ⋯ x n n − 2 ( x n − x 1 ) ∣ = ( x 2 − x 1 ) ( x 3 − x 1 ) ⋯ ( x n − x 1 ) ∣ 1 1 ⋯ 1 x 2 x 3 ⋯ x n ⋮ ⋮ ⋱ ⋮ x 2 n − 2 x 3 n − 2 ⋯ x n n − 2 ∣ 1. 验 n = 2 , V 2 = ∣ 1 1 x 1 x 2 ∣ = x 2 − x 1 2. 设 n − 1 成 立 3. 则 V n = ( x 2 − x 1 ) ( x 3 − x 1 ) ⋯ ( x n − x 1 ) ⋅ ∏ 2 ≤ i < j ≤ n ( x j − x i ) = ∏ 1 ≤ i < j ≤ n ( x j − x i ) [ 例 2 ] D n = ∣ 2 a 1 ⋯ 0 a 2 2 a ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 ⋯ a 2 2 a ∣ = ( n + 1 ) a n D n = 2 a D n − 1 − a 2 D n − 2 1. 验 D 1 = 2 a , D 2 = ∣ 2 a 1 a 2 2 a ∣ = 3 a 2 = ( 2 + 1 ) a 2 成 立 2. 设 n < k 时 , 成 立 3. 证 明 : D n = 2 a D n − 1 − a 2 D n − 2 D k = 2 a D k − 1 − a 2 D k − 2 = 2 a ( k − 1 + 1 ) a k − 1 − a 2 ( k − 2 + 1 ) a k − 2 = 2 k a k − ( k − 1 ) a k = ( k + 1 ) a k \begin{aligned} \ [例1]&\color{maroon}证V_n=\begin{vmatrix}1&1&\cdots&1\\x_1&x_2&\cdots&x_n\\x_1^2&x_2^2&\cdots&x_n^2\\\vdots&\vdots&\ddots&\vdots\\x_1^{n-1}&x_2^{n-1}&\cdots&x_n^{n-1}\end{vmatrix}=\prod_{1\leq i< j\leq n}(x_j-x_i)\\ &[分析]用上一行的-x_1倍加到下一行\\ &V_n=\begin{vmatrix}1&1&1&\cdots&1\\0&(x_2-x_1)&(x_3-x_1)&\cdots&(x_n-x_1)\\0&x_2(x_2-x_1)&x_3(x_3-x_1)&\cdots&x_n(x_n-x_1)\\\vdots&\vdots&\vdots&\ddots&\vdots\\0&x_2^{n-2}(x_2-x_1)&x_3^{n-2}(x_3-x_1)&\cdots&x_n^{n-2}(x_n-x_1)\end{vmatrix}\\ &=(x_2-x_1)(x_3-x_1)\cdots(x_n-x_1)\begin{vmatrix}1&1&\cdots&1\\x_2&x_3&\cdots&x_n\\\vdots&\vdots&\ddots&\vdots\\x_2^{n-2}&x_3^{n-2}&\cdots&x_n^{n-2}\end{vmatrix}\\ &1.验n=2,V_2=\begin{vmatrix}1&1\\x_1&x_2\end{vmatrix}=x_2-x_1\\ &2.设n-1成立\\ &3.则V_n=(x_2-x_1)(x_3-x_1)\cdots(x_n-x_1)\cdot\prod_{2\leq i< j\leq n}(x_j-x_i)=\prod_{1\leq i< j\leq n}(x_j-x_i)\\ [例2]&\color{maroon}D_n=\begin{vmatrix}2a&1&\cdots&0\\a^2&2a&\cdots&0\\\vdots&\vdots&\ddots&\vdots\\0&\cdots&a^2&2a\end{vmatrix}=(n+1)a^n\\ &D_n=2aD_{n-1}-a^2D_{n-2}\\ &1.验D_1=2a,D_2=\begin{vmatrix}2a&1\\a^2&2a\end{vmatrix}=3a^2=(2+1)a^2成立\\ &2.设n< k时,成立\\ &3.证明:D_n=2aD_{n-1}-a^2D_{n-2}\\ &D_k=2aD_{k-1}-a^2D_{k-2}=2a(k-1+1)a^{k-1}-a^2(k-2+1)a^{k-2}\\ &=2ka^k-(k-1)a^k=(k+1)a^k\\ \end{aligned} [例1][例2]证Vn=∣∣∣∣∣∣∣∣∣∣∣1x1x12⋮x1n−11x2x22⋮x2n−1⋯⋯⋯⋱⋯1xnxn2⋮xnn−1∣∣∣∣∣∣∣∣∣∣∣=1≤i<j≤n∏(xj−xi)[分析]用上一行的−x1倍加到下一行Vn=∣∣∣∣∣∣∣∣∣∣∣100⋮01(x2−x1)x2(x2−x1)⋮x2n−2(x2−x1)1(x3−x1)x3(x3−x1)⋮x3n−2(x3−x1)⋯⋯⋯⋱⋯1(xn−x1)xn(xn−x1)⋮xnn−2(xn−x1)∣∣∣∣∣∣∣∣∣∣∣=(x2−x1)(x3−x1)⋯(xn−x1)∣∣∣∣∣∣∣∣∣1x2⋮x2n−21x3⋮x3n−2⋯⋯⋱⋯1xn⋮xnn−2∣∣∣∣∣∣∣∣∣1.验n=2,V2=∣∣∣∣1x11x2∣∣∣∣=x2−x12.设n−1成立3.则Vn=(x2−x1)(x3−x1)⋯(xn−x1)⋅2≤i<j≤n∏(xj−xi)=1≤i<j≤n∏(xj−xi)Dn=∣∣∣∣∣∣∣∣∣2aa2⋮012a⋮⋯⋯⋯⋱a200⋮2a∣∣∣∣∣∣∣∣∣=(n+1)anDn=2aDn−1−a2Dn−21.验D1=2a,D2=∣∣∣∣2aa212a∣∣∣∣=3a2=(2+1)a2成立2.设n<k时,成立3.证明:Dn=2aDn−1−a2Dn−2Dk=2aDk−1−a2Dk−2=2a(k−1+1)ak−1−a2(k−2+1)ak−2=2kak−(k−1)ak=(k+1)ak
抽象性行列式
1.用行列式性质
2.用矩阵
(1) C=AB即|C|=|A||B|
(2) C=A+B即|C|=|A+B|,恒等变形化为乘积或建方程
(3) |A*|=|A|{n-1},|(A*)*|=|A|{(n-1)^2}
3.用相似理论
(1) |A|=λ_1λ_2…λ_n
(2) 若A~B即|A|=|B|
[ 例 1 ] 设 α 1 , α 2 , α 3 , β 1 , β 2 是 四 维 列 向 量 , 且 ∣ α 1 α 2 α 3 β 1 ∣ = m , ∣ α 1 α 2 β 2 α 3 ∣ = n 则 ∣ α 3 α 2 α 1 β 1 + β 2 ∣ = ‾ I = ∣ α 3 α 2 α 1 β 1 ∣ + ∣ α 3 α 2 α 1 β 2 ∣ = ∣ α 1 α 2 α 3 β 1 ∣ + ∣ α 1 α 2 β 2 α 3 ∣ = − m + n [ 例 2 ] 设 A = ( α 1 α 2 α 3 ) 为 三 阶 矩 阵 , 且 ∣ A ∣ = 4 , 若 B = ( α 1 − 3 α 2 + 2 α 3 , α 2 − 2 α 3 , 2 α 2 + α 3 ) , 则 ∣ B ∣ = ‾ B = ( α 1 α 2 α 3 ) ( 1 0 0 − 3 1 2 2 − 2 1 ) B = A ⋅ C    ⟹    ∣ B ∣ = ∣ A ∣ ⋅ ∣ C ∣ ∣ B ∣ = 4 ⋅ ∣ 1 0 0 − 3 1 2 2 − 2 1 ∣ = 4 ⋅ 5 = 20 [ 例 3 ] 设 A n × n , A A T = E , ∣ A ∣ < 0 , 则 ∣ A + E ∣ = ‾ ∣ A + E ∣ = ∣ A + A A T ∣ = ∣ A ( E + A T ) ∣ = ∣ A ∣ ∣ ( E + A ) T ∣ = ∣ A ∣ ∣ E + A ∣    ⟹    ( 1 − ∣ A ∣ ) ∣ A + E ∣ = 0    ⟹    ∣ A + E ∣ = 0 \begin{aligned} \ [例1]&\color{maroon}设\alpha_1,\alpha_2,\alpha_3,\beta_1,\beta_2是四维列向量,且\begin{vmatrix}\alpha_1&\alpha_2&\alpha_3&\beta_1\end{vmatrix}=m,\\ &\color{maroon}\begin{vmatrix}\alpha_1&\alpha_2&\beta_2&\alpha_3\end{vmatrix}=n\\ &\color{maroon}则\begin{vmatrix}\alpha_3&\alpha_2&\alpha_1&\beta_1+\beta_2\end{vmatrix}=\underline{\quad}\\ &I=\begin{vmatrix}\alpha_3&\alpha_2&\alpha_1&\beta_1\end{vmatrix}+\begin{vmatrix}\alpha_3&\alpha_2&\alpha_1&\beta_2\end{vmatrix}\\ &=\begin{vmatrix}\alpha_1&\alpha_2&\alpha_3&\beta_1\end{vmatrix}+\begin{vmatrix}\alpha_1&\alpha_2&\beta_2&\alpha_3\end{vmatrix}\\ &=-m+n\\ [例2]&\color{maroon}设A=\begin{pmatrix}\alpha_1&\alpha_2&\alpha_3\end{pmatrix}为三阶矩阵,且|A|=4,若B=(\alpha_1-3\alpha_2+2\alpha_3,\alpha_2-2\alpha_3,2\alpha_2+\alpha_3),则|B|=\underline{\quad}\\ &B=\begin{pmatrix}\alpha_1&\alpha_2&\alpha_3 \end{pmatrix}\begin{pmatrix}1&0&0\\-3&1&2\\2&-2&1 \end{pmatrix}\\ &B=A\cdot C\implies|B|=|A|\cdot|C|\\ &|B|=4\cdot\begin{vmatrix}1&0&0\\-3&1&2\\2&-2&1 \end{vmatrix}=4\cdot5=20\\ [例3]&\color{maroon}设A_{n\times n},AA^T=E,|A|<0,则|A+E|=\underline{\quad}\\ &|A+E|=|A+AA^T|=|A(E+A^T)|\\ &=|A||(E+A)^T|=|A||E+A|\\ &\implies(1-|A|)|A+E|=0\\ &\implies|A+E|=0 \end{aligned} [例1][例2][例3]设α1,α2,α3,β1,β2是四维列向量,且∣∣α1α2α3β1∣∣=m,∣∣α1α2β2α3∣∣=n则∣∣α3α2α1β1+β2∣∣=I=∣∣α3α2α1β1∣∣+∣∣α3α2α1β2∣∣=∣∣α1α2α3β1∣∣+∣∣α1α2β2α3∣∣=−m+n设A=(α1α2α3)为三阶矩阵,且∣A∣=4,若B=(α1−3α2+2α3,α2−2α3,2α2+α3),则∣B∣=B=(α1α2α3)⎝⎛1−3201−2021⎠⎞B=A⋅C⟹∣B∣=∣A∣⋅∣C∣∣B∣=4⋅∣∣∣∣∣∣1−3201−2021∣∣∣∣∣∣=4⋅5=20设An×n,AAT=E,∣A∣<0,则∣A+E∣=∣A+E∣=∣A+AAT∣=∣A(E+AT)∣=∣A∣∣(E+A)T∣=∣A∣∣E+A∣⟹(1−∣A∣)∣A+E∣=0⟹∣A+E∣=0
余子式与代数余子式计算
1.用行列式
2.用矩阵
3.用特征值
4.M_{ij}=(-1)^{i+j} A_{ij}
a i 1 A i 1 + a i 2 A i 2 + ⋯ + a i n A i n = ∣ ∗ a i 1 a i 2 ⋯ a i n ∗ ∣ k 1 A i 1 + k 2 A i 2 + ⋯ + k n A i n = ∣ ∗ k 1 k 2 ⋯ k n ∗ ∣ [ 例 1 ] 设 D n = ∣ 1 2 3 ⋯ n 1 2 0 ⋯ 0 1 0 3 ⋯ 0 ⋮ ⋮ ⋮ ⋱ ⋮ 1 0 0 ⋯ n ∣ 计 算 A 11 + A 12 + ⋯ + A 1 n 1 ⋅ A 11 + 2 ⋅ A 12 + 3 A 13 + ⋯ + n A 1 n = ∣ 1 2 3 ⋯ n ∗ ∣ = D n 1 ⋅ A 11 + 1 ⋅ A 12 + ⋯ + 1 ⋅ A 1 n = ∣ 1 1 1 ⋯ 1 ∗ ∣ = D n ^ A 11 + A 12 + ⋯ + A 1 n = ∣ 1 1 ⋯ 1 1 1 2 ⋯ 0 0 1 0 3 ⋯ 0 ⋮ ⋮ ⋮ ⋱ ⋮ 1 0 ⋯ 0 n ∣ = ∣ 1 − ∑ i = 2 n 1 i 1 ⋯ 1 1 0 2 ⋯ 0 0 0 0 3 ⋯ 0 ⋮ ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 0 n ∣ = n ! ( 1 − ∑ i = 2 n 1 i ) [ 例 2 ] 设 D 5 = ∣ 1 2 3 4 5 2 2 2 1 1 3 1 2 4 5 1 1 1 2 2 4 3 1 5 0 ∣ = 27 , 求 A 44 + A 45 A 41 + A 42 + A 43 + 2 ( A 44 + A 45 ) = 27 2 ( A 41 + A 42 + A 43 ) + ( A 44 + A 45 ) = 0 { x + 2 y = 27 2 x + y = 0    ⟹    y = 18 题 目 如 上 , 求 M 44 − M 45 M 44 = ( − 1 ) 4 + 4 A 44 = A 44 M 45 = ( − 1 ) 4 + 5 A 45 = − A 45 故 M 44 − M 45 = A 44 + A 45 = 18 \begin{aligned} &a_{i1}A_{i1}+a_{i2}A_{i2}+\cdots+a_{in}A_{in}=\begin{vmatrix}*\\a_{i1}&a_{i2}&\cdots&a_{in}\\*\end{vmatrix}\\ &k_1A_{i1}+k_2A_{i2}+\cdots+k_nA_{in}=\begin{vmatrix}*\\k_1&k_2&\cdots&k_n\\*\end{vmatrix}\\ [例1]&\color{maroon}设D_n=\begin{vmatrix}1&2&3&\cdots&n\\1&2&0&\cdots&0\\1&0&3&\cdots&0\\\vdots&\vdots&\vdots&\ddots&\vdots\\1&0&0&\cdots&n\end{vmatrix}计算A_{11}+A_{12}+\cdots+A_{1n}\\ &1\cdot A_{11}+2\cdot A_{12}+3A_{13}+\cdots+nA_{1n}=\begin{vmatrix}1&2&3&\cdots&n\\*\end{vmatrix}=D_n\\ &1\cdot A_{11}+1\cdot A_{12}+\cdots+1\cdot A_{1n}=\begin{vmatrix}1&1&1&\cdots&1\\*\end{vmatrix}=\hat{D_n}\\ &A_{11}+A_{12}+\cdots+A_{1n}=\begin{vmatrix}1&1&\cdots&1&1\\1&2&\cdots&0&0\\1&0&3&\cdots&0\\\vdots&\vdots&\vdots&\ddots&\vdots\\1&0&\cdots&0&n\end{vmatrix}\\ &=\begin{vmatrix}1-\sum_{i=2}^n\frac1i&1&\cdots&1&1\\0&2&\cdots&0&0\\0&0&3&\cdots&0\\\vdots&\vdots&\vdots&\ddots&\vdots\\0&0&\cdots&0&n\end{vmatrix}=n!(1-\sum_{i=2}^n\frac1i)\\ [例2]&\color{maroon}设D_5=\begin{vmatrix}1&2&3&4&5\\2&2&2&1&1\\3&1&2&4&5\\1&1&1&2&2\\4&3&1&5&0\end{vmatrix} =27,求A_{44}+A_{45}\\ &A_{41}+A_{42}+A_{43}+2(A_{44}+A_{45})=27\\ &2(A_{41}+A_{42}+A_{43})+(A_{44}+A_{45})=0\\ &\begin{cases}x+2y=27\\2x+y=0\end{cases}\implies y=18\\ &\color{maroon}题目如上,求M_{44}-M_{45}\\ &M_{44}=(-1)^{4+4}A_{44}=A_{44}\\ &M_{45}=(-1)^{4+5}A_{45}=-A_{45}\\ &故M_{44}-M_{45}=A_{44}+A_{45}=18 \end{aligned} [例1][例2]ai1Ai1+ai2Ai2+⋯+ainAin=∣∣∣∣∣∣∗ai1∗ai2⋯ain∣∣∣∣∣∣k1Ai1+k2Ai2+⋯+knAin=∣∣∣∣∣∣∗k1∗k2⋯kn∣∣∣∣∣∣设Dn=∣∣∣∣∣∣∣∣∣∣∣111⋮1220⋮0303⋮0⋯⋯⋯⋱⋯n00⋮n∣∣∣∣∣∣∣∣∣∣∣计算A11+A12+⋯+A1n1⋅A11+2⋅A12+3A13+⋯+nA1n=∣∣∣∣1∗23⋯n∣∣∣∣=Dn1⋅A11+1⋅A12+⋯+1⋅A1n=∣∣∣∣1∗11⋯1∣∣∣∣=Dn^A11+A12+⋯+A1n=∣∣∣∣∣∣∣∣∣∣∣111⋮1120⋮0⋯⋯3⋮⋯10⋯⋱0100⋮n∣∣∣∣∣∣∣∣∣∣∣=∣∣∣∣∣∣∣∣∣∣∣1−∑i=2ni100⋮0120⋮0⋯⋯3⋮⋯10⋯⋱0100⋮n∣∣∣∣∣∣∣∣∣∣∣=n!(1−i=2∑ni1)设D5=∣∣∣∣∣∣∣∣∣∣1231422113322114142551520∣∣∣∣∣∣∣∣∣∣=27,求A44+A45A41+A42+A43+2(A44+A45)=272(A41+A42+A43)+(A44+A45)=0{x+2y=272x+y=0⟹y=18题目如上,求M44−M45M44=(−1)4+4A44=A44M45=(−1)4+5A45=−A45故M44−M45=A44+A45=18
矩阵
定义与运算
矩 阵    ⟹    数 表    ⟹    由 “ 向 量 ” 组 成 A m × n = ( a 11 a 12 ⋯ a 1 n ⋮ ⋮ ⋱ ⋮ a m 1 a m 2 ⋯ a m n ) , 若 m = n , 则 称 A 叫 n 阶 矩 阵 \begin{aligned} &矩阵\implies数表\implies由“向量”组成\\ &A_{m\times n}=\begin{pmatrix}a_{11}&a_{12}&\cdots&a_{1n}\\\vdots&\vdots&\ddots&\vdots\\a_{m1}&a_{m2}&\cdots&a_{mn}\end{pmatrix},若m=n,则称A叫n阶矩阵 \end{aligned} 矩阵⟹数表⟹由“向量”组成Am×n=⎝⎜⎛a11⋮am1a12⋮am2⋯⋱⋯a1n⋮amn⎠⎟⎞,若m=n,则称A叫n阶矩阵
加法、数乘、乘法
1. 加 法 : A + B = ( a i j + b i j ) m × n { 1. 同 型 2. 对 应 加 2. 数 乘 : k A = ( k a i j ) m × n 若 A n × n    ⟹    ∣ k A ∣ = k n ∣ A ∣ 3. 乘 法 : A B = ( c i j ) m × s { 1. A m × n B n × s 2. 内 积 [ 注 ] 1. ( A B ) C = A ( B C ) 2. ( A + B ) C = A C + B C , A ( B + C ) = A B + A C 3. k A B = A k B 4. A B ̸ = B A , ( A B ) n ̸ = A n B n 5. A B = 0 不 能 推 出 A = 0 或 B = 0 6. A B = A C , A ̸ = 0 不 能 推 出 B = C \begin{aligned} 1.&加法:A+B=(a_{ij}+b_{ij})_{m\times n}\\ &\begin{cases}1.同型\\2.对应加\end{cases}\\ 2.&数乘:kA=(ka_{ij})_{m\times n}\\ &若A_{n\times n}\implies |kA|=k^n|A|\\ 3.&乘法:AB=(c_{ij})_{m\times s}\\ &\begin{cases}1.A_{m\times n}B_{n\times s}\\2.内积\end{cases}\\ [注]&1.(AB)C=A(BC)\\ &2.(A+B)C=AC+BC,A(B+C)=AB+AC\\ &3.kAB=AkB\\ &4.AB\not=BA,(AB)^n\not=A^nB^n\\ &5.AB=0不能推出A=0或B=0\\ &6.AB=AC,A\not=0不能推出B=C \end{aligned} 1.2.3.[注]加法:A+B=(aij+bij)m×n{1.同型2.对应加数乘:kA=(kaij)m×n若An×n⟹∣kA∣=kn∣A∣乘法:AB=(cij)m×s{1.Am×nBn×s2.内积1.(AB)C=A(BC)2.(A+B)C=AC+BC,A(B+C)=AB+AC3.kAB=AkB4.AB̸=BA,(AB)n̸=AnBn5.AB=0不能推出A=0或B=06.AB=AC,A̸=0不能推出B=C
求A的幂
r(A)=1(秩为1)
[ 例 1 ] 设 α = ( 1 2 3 ) , β = ( 1 1 2 1 3 ) ( 1 ) 求 A = α T β , ( 2 ) 求 A n ( 1 ) A = ( 1 2 3 ) ( 1 1 2 1 3 ) = ( 1 1 2 1 3 2 1 2 3 3 3 2 1 ) ( 2 ) A 2 = α T ( β α T ) β = ( 1 2 3 ) ( 1 1 2 1 3 ) ( 1 2 3 ) ( 1 1 2 1 3 ) = ( 1 2 3 ) ⋅ 3 ⋅ ( 1 1 2 1 3 ) = 3 ( 1 2 3 ) ( 1 1 2 1 3 ) = 3 A A n = α T β α T β ⋯ α T ⎵ n − 1 个 β α T β = 3 n − 1 A = 3 n − 1 ( 1 1 2 1 3 2 1 2 3 3 3 2 1 ) [ 小 结 ] 若 r ( A ) = 1 , A 为 方 阵 , 则 A n = [ t r ( A ) ] n − 1 A . 其 中 t r ( A ) = ∑ i = 1 n a i i , 叫 A 的 迹 ( t r a c e ) 如 A = ( a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ) [ 例 2 ] A = ( 1 4 2 − 2 − 8 4 1 2 2 1 )    ⟹    A n = ( − 6 ) n − 1 ⋅ A \begin{aligned} \ [例1]&\color{maroon}设\alpha=\begin{pmatrix}1& 2& 3\end{pmatrix},\beta=\begin{pmatrix}1& \frac12& \frac13\end{pmatrix}\\ &\color{maroon}(1)求A=\alpha^T\beta,(2)求A^n\\ &(1)A=\begin{pmatrix}1\\2\\ 3\end{pmatrix}\begin{pmatrix}1& \frac12& \frac13\end{pmatrix}=\begin{pmatrix}1&\frac12&\frac13\\2&1&\frac23\\3&\frac32&1\end{pmatrix}\\ &(2)A^2=\alpha^T(\beta\alpha^T)\beta\\ &=\begin{pmatrix}1\\2\\ 3\end{pmatrix}\begin{pmatrix}1& \frac12& \frac13\end{pmatrix}\begin{pmatrix}1\\2\\ 3\end{pmatrix}\begin{pmatrix}1& \frac12& \frac13\end{pmatrix}\\ &=\begin{pmatrix}1\\2\\ 3\end{pmatrix}\cdot3\cdot\begin{pmatrix}1& \frac12& \frac13\end{pmatrix}\\ &=3\begin{pmatrix}1\\2\\ 3\end{pmatrix}\begin{pmatrix}1& \frac12& \frac13\end{pmatrix}\\ &=3A\\ &A^n=\alpha^T\underbrace{\beta\alpha^T\beta\cdots\alpha^T}_{n-1个\beta\alpha^T}\beta\\ &=3^{n-1}A=3^{n-1}\begin{pmatrix}1&\frac12&\frac13\\2&1&\frac23\\3&\frac32&1\end{pmatrix}\\ [小结]&\color{blue}若r(A)=1,A为方阵,则A^n=[tr(A)]^{n-1}A.其中tr(A)=\sum_{i=1}^na_{ii},叫A的迹(trace)\\ &如A=\begin{pmatrix}\bf{a_{11}}&a_{12}&a_{13}\\a_{21}&\bf{a_{22}}&a_{23}\\a_{31}&a_{32}&\bf{a_{33}}\end{pmatrix}\\ [例2]&\color{maroon}A=\begin{pmatrix}1&4&2\\-2&-8&4\\\frac12&2&1\end{pmatrix}\\ &\implies A^n=(-6)^{n-1}\cdot A\\ \end{aligned} [例1][小结][例2]设α=(123),β=(12131)(1)求A=αTβ,(2)求An(1)A=⎝⎛123⎠⎞(12131)=⎝⎛1232112331321⎠⎞(2)A2=αT(βαT)β=⎝⎛123⎠⎞(12131)⎝⎛123⎠⎞(12131)=⎝⎛123⎠⎞⋅3⋅(12131)=3⎝⎛123⎠⎞(12131)=3AAn=αTn−1个βαT βαTβ⋯αTβ=3n−1A=3n−1⎝⎛1232112331321⎠⎞若r(A)=1,A为方阵,则An=[tr(A)]n−1A.其中tr(A)=i=1∑naii,叫A的迹(trace)如A=⎝⎛a11a21a31a12a22a32a13a23a33⎠⎞A=⎝⎛1−2214−82241⎠⎞⟹An=(−6)n−1⋅A
找规律
[ 例 1 ] 设 A = ( 1 4 2 0 − 3 − 2 0 4 3 ) , 则 A 9 = ‾ A 2 = ( 1 4 2 0 − 3 − 2 0 4 3 ) ( 1 4 2 0 − 3 − 2 0 4 3 ) = ( 1 0 0 0 1 0 0 0 1 ) = E A 9 = A 8 ⋅ A = ( A 2 ) 4 ⋅ A = E 4 ⋅ A = A [ 例 2 ] 设 A = ( 0 0 − 1 0 1 0 1 0 0 ) , 则 A 13 = ‾ A 2 = ( − 1 0 0 0 1 0 0 0 − 1 )    ⟹    A 4 = E ,    ⟹    A 13 = ( A 4 ) 3 ⋅ A = E 3 ⋅ A = A \begin{aligned} \ [例1]&\color{maroon}设A=\begin{pmatrix}1&4&2\\0&-3&-2\\0&4&3\end{pmatrix},则A^9=\underline{\quad}\\ &A^2=\begin{pmatrix}1&4&2\\0&-3&-2\\0&4&3\end{pmatrix}\begin{pmatrix}1&4&2\\0&-3&-2\\0&4&3\end{pmatrix}\\ &=\begin{pmatrix}1&0&0\\0&1&0\\0&0&1\end{pmatrix}=E\\ &A^9=A^8\cdot A=(A^2)^4\cdot A=E^4\cdot A=A\\ [例2]&\color{maroon}设A=\begin{pmatrix}0&0&-1\\0&1&0\\1&0&0\end{pmatrix},则A^{13}=\underline{\quad}\\ &A^2=\begin{pmatrix}-1&0&0\\0&1&0\\0&0&-1\end{pmatrix}\\ &\implies A^4=E,\implies A^{13}=(A^4)^3\cdot A=E^3\cdot A=A \end{aligned} [例1][例2]设A=⎝⎛1004−342−23⎠⎞,则A9=A2=⎝⎛1004−342−23⎠⎞⎝⎛1004−342−23⎠⎞=⎝⎛100010001⎠⎞=EA9=A8⋅A=(A2)4⋅A=E4⋅A=A设A=⎝⎛001010−100⎠⎞,则A13=A2=⎝⎛−10001000−1⎠⎞⟹A4=E,⟹A13=(A4)3⋅A=E3⋅A=A
拆开
即 A n = ( B + C ) n 前 提 : B C = C B [ 例 1 ] 设 A = ( 1 2 3 0 1 4 0 0 1 ) , 则 A n = ‾ A = ( 1 0 0 0 1 0 0 0 1 ) + ( 0 2 3 0 0 4 0 0 0 ) = E + B    ⟹    A n = ( E + B ) n ( E B = B E ) = E n + C n 1 B E n − 1 + C n 2 B 2 E n − 2 + ⋯ 其 中 , B 2 = ( 0 2 3 0 0 4 0 0 0 ) ( 0 2 3 0 0 4 0 0 0 ) = ( 0 0 8 0 0 0 0 0 0 ) B 3 = 0    ⟹    A n = ( 1 0 0 0 1 0 0 0 1 ) + ( 0 2 n 3 n 0 0 4 n 0 0 0 ) + ( 0 0 4 n ( n − 1 ) 0 0 0 0 0 0 ) = ( 1 2 n 4 n 2 − n 0 1 4 n 0 0 1 ) \begin{aligned} &\color{red}即A^n=(B+C)^n\\ &\color{blue}前提:BC=CB\\ [例1]&\color{maroon}设A=\begin{pmatrix}1&2&3\\0&1&4\\0&0&1\end{pmatrix},则A^n=\underline{\quad}\\ &A=\begin{pmatrix}1&0&0\\0&1&0\\0&0&1\end{pmatrix}+\begin{pmatrix}0&2&3\\0&0&4\\0&0&0\end{pmatrix}=E+B\\ &\implies A^n=(E+B)^n(EB=BE)\\ &=E^n+C_n^1BE^{n-1}+C_n^2B^2E^{n-2}+\cdots\\ &其中,B^2=\begin{pmatrix}0&2&3\\0&0&4\\0&0&0\end{pmatrix}\begin{pmatrix}0&2&3\\0&0&4\\0&0&0\end{pmatrix}=\begin{pmatrix}0&0&8\\0&0&0\\0&0&0\end{pmatrix}\\ &B^3=0\\ &\implies A^n=\begin{pmatrix}1&0&0\\0&1&0\\0&0&1\end{pmatrix}+\begin{pmatrix}0&2n&3n\\0&0&4n\\0&0&0\end{pmatrix}+\begin{pmatrix}0&0&4n(n-1)\\0&0&0\\0&0&0\end{pmatrix}\\ &=\begin{pmatrix}1&2n&4n^2-n\\0&1&4n\\0&0&1\end{pmatrix} \end{aligned} [例1]即An=(B+C)n前提:BC=CB设A=⎝⎛100210341⎠⎞,则An=A=⎝⎛100010001⎠⎞+⎝⎛000200340⎠⎞=E+B⟹An=(E+B)n(EB=BE)=En+Cn1BEn−1+Cn2B2En−2+⋯其中,B2=⎝⎛000200340⎠⎞⎝⎛000200340⎠⎞=⎝⎛000000800⎠⎞B3=0⟹An=⎝⎛100010001⎠⎞+⎝⎛0002n003n4n0⎠⎞+⎝⎛0000004n(n−1)00⎠⎞=⎝⎛1002n104n2−n4n1⎠⎞
可逆矩阵
定 义 : 若 A 、 B 均 为 方 阵 , 且 A B = E , 称 A 、 B 可 逆 , 且 { B A = E A − 1 = B , B − 1 = A [ 注 ] A 可 逆    ⟺    ∣ A ∣ ̸ = 0 性 质 : 1. ( A − 1 ) − 1 = A 2. k ̸ = 0 , ( k A ) − 1 = 1 k A − 1 3. ( A B ) − 1 = B − 1 A − 1 ( 穿 脱 原 则 ) 4. ( A T ) − 1 = ( A − 1 ) T 5. ∣ A − 1 ∣ = 1 ∣ A ∣ \begin{aligned} 定义:&\color{blue}若A、B均为方阵,且AB=E,称A、B可逆,且\begin{cases}BA=E\\A^{-1}=B,B^{-1}=A\end{cases}\\ [注]&\color{blue}A可逆\iff|A|\not=0\\ 性质:&1.(A^{-1})^{-1}=A\\ &2.k\not=0,(kA)^{-1}=\frac1kA^{-1}\\ &3.(AB)^{-1}=B^{-1}A^{-1}(穿脱原则)\\ &4.(A^T)^{-1}=(A^{-1})^T\\ &5.|A^{-1}|=\frac1{|A|}\\ \end{aligned} 定义:[注]性质:若A、B均为方阵,且AB=E,称A、B可逆,且{BA=EA−1=B,B−1=AA可逆⟺∣A∤=01.(A−1)−1=A2.k̸=0,(kA)−1=k1A−13.(AB)−1=B−1A−1(穿脱原则)4.(AT)−1=(A−1)T5.∣A−1∣=∣A∣1
求A的逆
1. 抽 象 型 { 1. 创 造 A B = E 2. 创 造 A = B C , 且 B 、 C 均 可 逆    ⟹    A − 1 = C − 1 B − 1 2. 具 体 型 { 1. 用 ∗ 2. 用 初 等 变 换 \begin{aligned} &1.抽象型\begin{cases}1.创造AB=E\\2.创造A=BC,且B、C均可逆\implies A^{-1}=C^{-1}B^{-1}\end{cases}\\ &2.具体型\begin{cases}1.用*\\2.用初等变换\end{cases} \end{aligned} 1.抽象型{1.创造AB=E2.创造A=BC,且B、C均可逆⟹A−1=C−1B−12.具体型{1.用∗2.用初等变换
抽象型
[ 例 1 ] 设 n 阶 矩 阵 A 满 足 5 A 3 + 2 A 2 + 3 A − 4 E = 0 , 证 明 A 可 逆 并 求 出 A − 1 多 项 式 除 法 部 分 请 看 下 图    ⟹    A ( 5 A 2 − 2 A + 3 E ) − 4 E = 0    ⟹    A ( 5 A 2 − 2 A + 3 E ) = 4 E    ⟹    A − 1 = 1 4 ( 5 A 2 − 2 A + 3 E ) \begin{aligned} \ [例1]&\color{maroon}设n阶矩阵A满足5A^3+2A^2+3A-4E=0,证明A可逆并求出A^{-1}\\ &多项式除法部分请看下图\\ &\implies A(5A^2-2A+3E)-4E=0\\ &\implies A(5A^2-2A+3E)=4E\\ &\implies A^{-1}=\frac14(5A^2-2A+3E) \end{aligned} [例1]设n阶矩阵A满足5A3+2A2+3A−4E=0,证明A可逆并求出A−1多项式除法部分请看下图⟹A(5A2−2A+3E)−4E=0⟹A(5A2−2A+3E)=4E⟹A−1=41(5A2−2A+3E)
[ 例 2 ] 设 n 阶 矩 阵 A 满 足 A 2 + A − 5 E = 0 , 证 明 A − E 可 逆 并 求 出 ( A − E ) − 1 多 项 式 除 法 部 分 请 看 下 图    ⟹    ( A − E ) ( A + 2 E ) − 3 E = 0    ⟹    ( A − E ) ⋅ 1 3 ( A + 2 E ) = E    ⟹    ( A − E ) − 1 = 1 3 ( A + 2 E ) \begin{aligned} \ [例2]&\color{maroon}设n阶矩阵A满足A^2+A-5E=0,证明A-E可逆并求出(A-E)^{-1}\\ &多项式除法部分请看下图\\ &\implies (A-E)(A+2E)-3E=0\\ &\implies (A-E)\cdot\frac13(A+2E)=E\\ &\implies (A-E)^{-1}=\frac13(A+2E) \end{aligned} [例2]设n阶矩阵A满足A2+A−5E=0,证明A−E可逆并求出(A−E)−1多项式除法部分请看下图⟹(A−E)(A+2E)−3E=0⟹(A−E)⋅31(A+2E)=E⟹(A−E)−1=31(A+2E)
[ 例 3 ] 设 A 、 B 、 A + B 均 为 n 阶 可 逆 矩 阵 , 证 明 A − 1 + B − 1 可 逆 并 求 出 ( A − 1 + B − 1 ) − 1 以 普 通 的 数 a 、 b 恒 等 变 形 来 做 类 比 设 a , b , a + b 均 不 为 0 , 则 ( a − 1 + b − 1 ) − 1 = ( 1 a + 1 b ) − 1 = ( a + b a b ) − 1 = a b a + b = a ( a + b ) − 1 b 故 类 比 写 出 ( A − 1 + B − 1 ) − 1 = A ( A + B ) − 1 B 往 回 写 : A − 1 + B − 1 = B − 1 ( A + B ) A − 1 = B − 1 A A − 1 + B − 1 B A − 1 = B − 1 + A − 1 故 可 回 推 : A − 1 + B − 1 = B − 1 + A − 1 = B − 1 A A − 1 + B − 1 B A − 1 = B − 1 ( A + B ) A − 1    ⟹    ( A − 1 + B − 1 ) − 1 = A ( A + B ) − 1 B \begin{aligned} \ [例3]&\color{maroon}设A、B、A+B均为n阶可逆矩阵,证明A^{-1}+B^{-1}可逆并求出(A^{-1}+B^{-1})^{-1}\\ &以普通的数a、b恒等变形来做类比\\ &设a,b,a+b均不为0,则(a^{-1}+b^{-1})^{-1}=(\frac1a+\frac1b)^{-1}=(\frac{a+b}{ab})^{-1}\\ &=\frac{ab}{a+b}=a(a+b)^{-1}b\\ &故类比写出(A^{-1}+B^{-1})^{-1}=A(A+B)^{-1}B\\ &往回写:A^{-1}+B^{-1}=B^{-1}(A+B)A^{-1}=B^{-1}AA^{-1}+B^{-1}BA^{-1}=B^{-1}+A^{-1}\\ 故可回推:&A^{-1}+B^{-1}=B^{-1}+A^{-1}\\ &=B^{-1}AA^{-1}+B^{-1}BA^{-1}=B^{-1}(A+B)A^{-1}\\ &\implies (A^{-1}+B^{-1})^{-1}=A(A+B)^{-1}B\\ \end{aligned} [例3]故可回推:设A、B、A+B均为n阶可逆矩阵,证明A−1+B−1可逆并求出(A−1+B−1)−1以普通的数a、b恒等变形来做类比设a,b,a+b均不为0,则(a−1+b−1)−1=(a1+b1)−1=(aba+b)−1=a+bab=a(a+b)−1b故类比写出(A−1+B−1)−1=A(A+B)−1B往回写:A−1+B−1=B−1(A+B)A−1=B−1AA−1+B−1BA−1=B−1+A−1A−1+B−1=B−1+A−1=B−1AA−1+B−1BA−1=B−1(A+B)A−1⟹(A−1+B−1)−1=A(A+B)−1B
具体型
用A的伴随矩阵求逆
定 义 : A ∗ = ( A 11 A 21 A 31 A 12 A 22 A 32 A 13 A 23 A 33 ) 叫 A 的 伴 随 矩 阵 , 记 作 A ∗ A A ∗ = A ∗ A = ∣ A ∣ E A A ∗ = ( a 11 a 12 a 21 a 22 ) ( A 11 A 21 A 12 A 22 ) = ( ∣ A ∣ 0 0 ∣ A ∣ ) = ∣ A ∣ ( 1 0 0 1 ) = ∣ A ∣ E [ 注 ] 天 生 可 交 换 一 般 地 , A B ̸ = B A , 但 是 { 1. A ⋅ k E = k E ⋅ A 2. A ⋅ A ∗ = A ∗ ⋅ A 3. 若 A B = E    ⟹    A B = B A \begin{aligned} 定义:&A^*=\begin{pmatrix}A_{11}&A_{21}&A_{31}\\A_{12}&A_{22}&A_{32}\\A_{13}&A_{23}&A_{33} \end{pmatrix}叫A的伴随矩阵,记作A^*\\ &\color{maroon}AA^*=A^*A=\mid A\mid E\\ &AA^*=\begin{pmatrix}a_{11}&a_{12}\\a_{21}&a_{22}\end{pmatrix}\begin{pmatrix}A_{11}&A_{21}\\A_{12}&A_{22}\end{pmatrix}\\ &=\begin{pmatrix}\mid A\mid&0\\0&\mid A\mid\end{pmatrix}\\ &=\mid A\mid\begin{pmatrix}1&0\\0&1\end{pmatrix}=\mid A\mid E\\ [注]&天生可交换\\ &一般地,AB\not=BA,但是\\ &\begin{cases}1.A\cdot kE=kE\cdot A\\2.A\cdot A^*=A^*\cdot A\\3.若AB=E\implies AB=BA\end{cases} \end{aligned} 定义:[注]A∗=⎝⎛A11A12A13A21A22A23A31A32A33⎠⎞叫A的伴随矩阵,记作A∗AA∗=A∗A=∣A∣EAA∗=(a11a21a12a22)(A11A12A21A22)=(∣A∣00∣A∣)=∣A∣(1001)=∣A∣E天生可交换一般地,AB̸=BA,但是⎩⎪⎨⎪⎧1.A⋅kE=kE⋅A2.A⋅A∗=A∗⋅A3.若AB=E⟹AB=BA
性 质 : 设 A 为 n 阶 矩 阵 , ∣ A ∣ ̸ = 0 , 即 A 可 逆 , 则 1. A A ∗ = A ∗ A = ∣ A ∣ E 2. ∣ A ∗ ∣ = ∣ A ∣ n − 1 3. ( A T ) ∗ = ( A ∗ ) T 4. ( k A ) ∗ = k n − 1 A ∗ 5. A − 1 = 1 ∣ A ∣ A ∗ 6. A ∗ = ∣ A ∣ A − 1 7. ( A ∗ ) − 1 = ( A − 1 ) ∗ 8. ( A ∗ ) ∗ = ∣ A ∣ n − 2 A 9. ∣ ( A ∗ ) ∗ ∣ = ∣ A ∣ ( n − 1 ) 2 = ∣ A ∣ n 2 − 2 n + 1 10. ( A B ) ∗ = B ∗ A ∗ \begin{aligned} 性质:&设A为n阶矩阵,\mid A\mid\not=0,即A可逆,则\\ 1.&AA^*=A^*A=\mid A\mid E\\ 2.&\mid A^*\mid=\mid A\mid^{n-1}\\ 3.&(A^T)^*=(A^*)^T\\ 4.&(kA)^*=k^{n-1}A^*\\ 5.&A^{-1}=\frac1{\mid A\mid}A^*\\ 6.&A^*=\mid A\mid A^{-1}\\ 7.&(A^*)^{-1}=(A^{-1})^*\\ 8.&(A^*)^*=\mid A\mid^{n-2}A\\ 9.&\mid (A^*)^*\mid=\mid A\mid^{(n-1)^2}=\mid A\mid^{n^2-2n+1}\\ 10.&(AB)^*=B^*A^* \end{aligned} 性质:1.2.3.4.5.6.7.8.9.10.设A为n阶矩阵,∣A∤=0,即A可逆,则AA∗=A∗A=∣A∣E∣A∗∣=∣A∣n−1(AT)∗=(A∗)T(kA)∗=kn−1A∗A−1=∣A∣1A∗A∗=∣A∣A−1(A∗)−1=(A−1)∗(A∗)∗=∣A∣n−2A∣(A∗)∗∣=∣A∣(n−1)2=∣A∣n2−2n+1(AB)∗=B∗A∗
[ 例 1 ] 设 A 4 × 4 , ∣ A ∣ = − 2 , 则 ∣ 6 A − 1 + A ∗ ∣ = ‾ A A ∗ = ∣ A ∣ E = − 2 E    ⟹    A − 1 = 1 ∣ A ∣ A ∗ = − 1 2 A ∗    ⟹    ∣ 6 A − 1 + A ∗ ∣ = ∣ − 3 A ∗ + A ∗ ∣ = ∣ − 2 A ∗ ∣ = ( − 2 ) 4 ∣ A ∗ ∣ = ( − 2 ) 4 ⋅ ( − 2 ) 3 = − 2 7 [ 例 2 ] 已 知 A = ( a b c d ) , a d ̸ = b c , 求 A − 1 A − 1 = 1 ∣ A ∣ A ∗ { 1. 求 ∣ A ∣ ̸ = 0 2. 求 A ∗ 3. A − 1 = 1 ∣ A ∣ A ∗ 1. ∣ A ∣ = a d − b c ̸ = 0 2. A ∗ = ( d − b − c a ) 3. A − 1 = 1 a d − b c ( d − b − c a ) ( 主 对 角 线 对 调 副 对 角 线 变 号 ) ⋅ 伴 随 矩 阵 [ 例 3 ] A = ( 3 2 1 1 1 1 1 0 1 ) , 求 A − 1 做 个 老 实 人 1. ∣ A ∣ = 2 ̸ = 0 2. A ∗ = ( A 11 A 21 A 31 A 12 A 22 A 32 A 13 A 23 A 33 ) = ( 1 − 2 1 0 2 − 2 − 1 2 1 ) 3. A − 1 = 1 2 ( 1 − 2 1 0 2 − 2 − 1 2 1 ) = ( 1 2 − 1 1 2 0 1 − 1 − 1 2 1 1 2 ) [ 例 4 ] 设 A − 1 = ( 1 − 2 1 0 0 1 − 2 1 0 0 1 − 2 0 0 0 1 ) , 求 ∣ A ∣ 的 所 有 代 数 余 子 式 之 和 = ‾ A ∗ = ∣ A ∣ A − 1 ∣ A − 1 ∣ = 1    ⟹    ∣ A ∣ = 1 即 A ∗ = A − 1 , 最 后 得 答 案 为 0 [ 例 5 ] 设 A 3 × 3 ̸ = 0 , 若 a i j + A i j = 0 , 则 ∣ A ∣ = ‾ A i j = − a i j    ⟹    A ∗ = − A T    ⟹    A A ∗ = − A A T ∣ A ∣ E = − A A T    ⟹    ∣ A ∣ 3 = − ∣ A ∣ ∣ A T ∣    ⟹    ∣ A ∣ 3 = − ∣ A ∣ 2 ∣ A ∣ 2 ( ∣ A ∣ + 1 ) = 0    ⟹    ∣ A ∣ = − 1 \begin{aligned} \ [例1]&\color{maroon}设A_{4\times4},\mid A\mid=-2,则\mid 6A^{-1}+A^*\mid=\underline{\quad}\\ &AA^*=\mid A\mid E=-2E\\ &\implies A^{-1}=\frac1{\mid A\mid}A^*=-\frac12A^*\\ &\implies \mid 6A^{-1}+A^*\mid=\mid -3A^*+A^*\mid=\mid -2A^*\mid\\ &=(-2)^4\mid A^*\mid=(-2)^4\cdot(-2)^3=-2^7\\ [例2]&\color{maroon}已知A=\begin{pmatrix}a&b\\c&d\end{pmatrix},ad\not=bc,求A^{-1}\\ &A^{-1}=\frac1{\mid A\mid}A^*\begin{cases}1.求\mid A\mid\not=0\\2.求A^*\\3.A^{-1}=\frac1{\mid A\mid}A^*\end{cases}\\ &1.\mid A\mid=ad-bc\not=0\\ &2.A^*=\begin{pmatrix}d&-b\\-c&a\end{pmatrix}\\ &3.A^{-1}=\frac1{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}\\ &\color{grey}\begin{pmatrix}主对角线对调\\副对角线变号\end{pmatrix}\cdot 伴随矩阵\\ [例3]&\color{maroon}A=\begin{pmatrix}3&2&1\\1&1&1\\1&0&1\end{pmatrix},求A^{-1}\\ &做个老实人\\ &1.\mid A\mid =2\not=0\\ &2.A^*=\begin{pmatrix}A_{11}&A_{21}&A_{31}\\A_{12}&A_{22}&A_{32}\\A_{13}&A_{23}&A_{33}\end{pmatrix}=\begin{pmatrix}1&-2&1\\0&2&-2\\-1&2&1 \end{pmatrix}\\ &3.A^{-1}=\frac12\begin{pmatrix}1&-2&1\\0&2&-2\\-1&2&1\end{pmatrix}=\begin{pmatrix}\frac12&-1&\frac12\\0&1&-1\\-\frac12&1&\frac12\end{pmatrix}\\ [例4]&\color{maroon}设A^{-1}=\begin{pmatrix}1&-2&1&0\\0&1&-2&1\\0&0&1&-2\\0&0&0&1\end{pmatrix},求\mid A\mid的所有代数余子式之和=\underline{\quad}\\ &A^*=\mid A\mid A^{-1}\\ &\mid A^{-1}\mid=1\implies \mid A\mid=1\\ &即A^*=A^{-1},最后得答案为0\\ [例5]&\color{maroon}设A_{3\times3}\not=0,若a_{ij}+A_{ij}=0,则\mid A\mid=\underline{\quad}\\ &A_{ij}=-a_{ij}\implies A^*=-A^T\implies AA^*=-AA^T\\ &\mid A\mid E=-AA^T\implies \mid A\mid^3=-\mid A\mid\mid A^T\mid\implies \mid A\mid^3=-\mid A\mid^2\\ &\mid A\mid^2(\mid A\mid+1)=0\implies \mid A\mid=-1\\ \end{aligned} [例1][例2][例3][例4][例5]设A4×4,∣A∣=−2,则∣6A−1+A∗∣=AA∗=∣A∣E=−2E⟹A−1=∣A∣1A∗=−21A∗⟹∣6A−1+A∗∣=∣−3A∗+A∗∣=∣−2A∗∣=(−2)4∣A∗∣=(−2)4⋅(−2)3=−27已知A=(acbd),ad̸=bc,求A−1A−1=∣A∣1A∗⎩⎪⎨⎪⎧1.求∣A∤=02.求A∗3.A−1=∣A∣1A∗1.∣A∣=ad−bc̸=02.A∗=(d−c−ba)3.A−1=ad−bc1(d−c−ba)(主对角线对调副对角线变号)⋅伴随矩阵A=⎝⎛311210111⎠⎞,求A−1做个老实人1.∣A∣=2̸=02.A∗=⎝⎛A11A12A13A21A22A23A31A32A33⎠⎞=⎝⎛10−1−2221−21⎠⎞3.A−1=21⎝⎛10−1−2221−21⎠⎞=⎝⎛210−21−11121−121⎠⎞设A−1=⎝⎜⎜⎛1000−21001−21001−21⎠⎟⎟⎞,求∣A∣的所有代数余子式之和=A∗=∣A∣A−1∣A−1∣=1⟹∣A∣=1即A∗=A−1,最后得答案为0设A3×3̸=0,若aij+Aij=0,则∣A∣=Aij=−aij⟹A∗=−AT⟹AA∗=−AAT∣A∣E=−AAT⟹∣A∣3=−∣A∣∣AT∣⟹∣A∣3=−∣A∣2∣A∣2(∣A∣+1)=0⟹∣A∣=−1
用初等变换求逆
1. 初 等 矩 阵 定 义 单 位 阵 E 经 过 一 次 初 等 变 换 得 到 的 矩 阵 , 叫 初 等 矩 阵 ( 1 0 0 0 k 0 0 0 1 ) = E 2 ( k )    ⟹    E i ( k ) 称 为 倍 乘 矩 阵 ( 0 1 0 1 0 0 0 0 1 ) = E 12    ⟹    E i j 称 为 互 换 矩 阵 ( 1 0 0 0 1 0 k 0 1 ) = E 31 ( k )    ⟹    E i j ( k ) 称 为 倍 加 矩 阵 2. 性 质 与 公 式 设 k ̸ = 0 1. ∣ E i j ∣ = − 1 ∣ E i j ( k ) ∣ = − 1 ∣ E i ( k ) ∣ = k 2. E i j T = E i j E i j T ( k ) = E i j ( k ) E i T ( k ) = E i ( k ) 3. E i j − 1 = E i j E i j − 1 ( k ) = E i j ( − k ) E i − 1 ( k ) = E i ( 1 k ) 4. E i j ∗ = − E i j E i j ∗ ( k ) = E i j ( − k ) E i ∗ ( k ) = k E i ( 1 k ) 3. 左 行 右 列 定 理 记 初 等 矩 阵 为 P 若 P A = B , 把 A 做 了 一 次 与 P 相 同 的 初 等 行 变 换 若 A P = B , 把 A 做 了 一 次 与 P 相 同 的 初 等 列 变 换 \begin{aligned} 1.&\color{red}初等矩阵定义\\ &单位阵E经过\color{maroon}{一次}\color{black}初等变换得到的矩阵,叫初等矩阵\\ &\begin{pmatrix}1&0&0\\0&k&0\\0&0&1\end{pmatrix}=E_2(k)\implies E_i(k)称为倍乘矩阵\\ &\begin{pmatrix}0&1&0\\1&0&0\\0&0&1\end{pmatrix}=E_{12}\implies E_{ij}称为互换矩阵\\ &\begin{pmatrix}1&0&0\\0&1&0\\k&0&1\end{pmatrix}=E_{31}(k)\implies E_{ij}(k)称为倍加矩阵\\ 2.&\color{red}性质与公式\\ &设k\not=0\\ &1.\mid E_{ij}\mid=-1\quad\mid E_{ij}(k)\mid=-1\quad\mid E_i(k)\mid=k\\ &2.E_{ij}^T=E_{ij}\quad E_{ij}^T(k)=E_{ij}(k)\quad E_i^T(k)=E_i(k)\\ &3.E_{ij}^{-1}=E_{ij}\quad E_{ij}^{-1}(k)=E_{ij}(-k)\quad E_i^{-1}(k)=E_i(\frac1k)\\ &4.E_{ij}^*=-E_{ij}\quad E_{ij}^*(k)=E_{ij}(-k)\quad E_i^*(k)=kE_i(\frac1k)\\ 3.&\color{red}左行右列定理\\ &记初等矩阵为P\\ &若PA=B,把A做了一次与P相同的初等行变换\\ &若AP=B,把A做了一次与P相同的初等列变换\\ \end{aligned} 1.2.3.初等矩阵定义单位阵E经过一次初等变换得到的矩阵,叫初等矩阵⎝⎛1000k0001⎠⎞=E2(k)⟹Ei(k)称为倍乘矩阵⎝⎛010100001⎠⎞=E12⟹Eij称为互换矩阵⎝⎛10k010001⎠⎞=E31(k)⟹Eij(k)称为倍加矩阵性质与公式设k̸=01.∣Eij∣=−1∣Eij(k)∣=−1∣Ei(k)∣=k2.EijT=EijEijT(k)=Eij(k)EiT(k)=Ei(k)3.Eij−1=EijEij−1(k)=Eij(−k)Ei−1(k)=Ei(k1)4.Eij∗=−EijEij∗(k)=Eij(−k)Ei∗(k)=kEi(k1)左行右列定理记初等矩阵为P若PA=B,把A做了一次与P相同的初等行变换若AP=B,把A做了一次与P相同的初等列变换
[ 例 1 ] 设 A 是 3 阶 可 逆 矩 阵 , 交 换 A 的 第 1 列 和 第 2 列 得 到 B , 则 B ∗ 可 由 ( D ) 互 换 得 到 ( A ) A ∗ 的 第 1 列 与 第 2 列 ( B ) A ∗ 的 第 1 行 与 第 2 行 ( C ) − A ∗ 的 第 1 列 与 第 2 列 ( D ) − A ∗ 的 第 1 行 与 第 2 行 A E 12 = B , B ∗ = ∣ B ∣ B − 1 , A ∗ = ∣ A ∣ A − 1 ∣ A ∣ ∣ E 12 ∣ = ∣ B ∣    ⟹    − ∣ A ∣ = ∣ B ∣ ( A E 12 ) − 1 = B − 1    ⟹    E 12 − 1 A − 1 = B − 1    ⟹    E 12 A − 1 = B − 1    ⟹    B ∗ = ( − ∣ A ∣ ) ⋅ E 12 A − 1 = E 12 ( − ∣ A ∣ A − 1 ) = E 12 A ∗ − − − − − − − − − − − − − − − − − − − − − − − − − − − − B ∗ = ( A E 12 ) ∗ = E 12 ∗ ⋅ A ∗ = − E 12 ⋅ A ∗ = E 12 ( − A ∗ ) [ 例 2 ] 已 知 A = ( 0 1 0 1 0 0 0 0 1 ) 5 ( 1 0 0 0 5 0 0 0 3 ) ( 1 0 0 0 1 1 0 0 1 ) 4 , 则 求 A − 1 = ‾ A = ( 0 1 0 1 0 0 0 0 1 ) ( 1 0 0 0 5 0 0 0 3 ) ( 1 0 0 0 1 4 0 0 1 ) A − 1 = ( 1 0 0 0 1 4 0 0 1 ) − 1 ( 1 0 0 0 5 0 0 0 3 ) − 1 ( 0 1 0 1 0 0 0 0 1 ) − 1 = ( 1 0 0 0 1 − 4 0 0 1 ) ( 1 0 0 0 1 5 0 0 0 1 3 ) ( 0 1 0 1 0 0 0 0 1 ) = ( 1 0 0 0 1 5 − 4 3 0 0 1 3 ) ( 0 1 0 1 0 0 0 0 1 ) = ( 0 1 0 1 5 0 − 4 3 0 0 1 3 ) 4. 用 初 等 变 化 求 A − 1 [ T h ] 任 何 可 逆 阵 一 定 可 通 过 若 干 次 初 等 行 变 化 为 同 阶 单 位 阵 , P s ⋯ P 2 P 1 A = E    ⟹    P s ⋯ P 2 P 1 E = A − 1 ( A ∣ E ) → ( E ∣ A − 1 ) [ 例 ] A = ( 3 2 1 1 1 1 1 0 1 ) , 求 A − 1 ( A ∣ E ) = ⋯ 草 稿 上 解 完 得 A − 1 = ( 1 2 − 1 1 2 0 1 − 1 − 1 2 1 1 2 ) \begin{aligned} \ [例1]&\color{maroon}设A是3阶可逆矩阵,交换A的第1列和第2列得到B,则B^*可由(D)互换得到\\ &(A)A^*的第1列与第2列\\ &(B)A^*的第1行与第2行\\ &(C)-A^*的第1列与第2列\\ &(D)-A^*的第1行与第2行\\ &AE_{12}=B,B^*=\mid B\mid B^{-1},A^*=\mid A\mid A^{-1}\\ &\mid A\mid\mid E_{12}\mid=\mid B\mid\implies -\mid A\mid=\mid B\mid\\ &(AE_{12})^{-1}=B^{-1}\implies E_{12}^{-1}A^{-1}=B^{-1}\implies E_{12}A^{-1}=B^{-1}\\ &\implies B^*=(-\mid A\mid)\cdot E_{12}A^{-1}\\ &=E_{12}(-\mid A\mid A^{-1})=E_{12}A^*\\ &----------------------------\\ &B^*=(AE_{12})^*=E_{12}^*\cdot A^*=-E_{12}\cdot A^*=E_{12}(-A^*)\\ [例2]&\color{maroon}已知A=\begin{pmatrix}0&1&0\\1&0&0\\0&0&1\end{pmatrix}^5\begin{pmatrix}1&0&0\\0&5&0\\0&0&3\end{pmatrix}\begin{pmatrix}1&0&0\\0&1&1\\0&0&1\end{pmatrix}^4,则求A^{-1}=\underline{\quad}\\ &A=\begin{pmatrix}0&1&0\\1&0&0\\0&0&1\end{pmatrix}\begin{pmatrix}1&0&0\\0&5&0\\0&0&3\end{pmatrix}\begin{pmatrix}1&0&0\\0&1&4\\0&0&1\end{pmatrix}\\ &A^{-1}=\begin{pmatrix}1&0&0\\0&1&4\\0&0&1\end{pmatrix}^{-1}\begin{pmatrix}1&0&0\\0&5&0\\0&0&3\end{pmatrix}^{-1}\begin{pmatrix}0&1&0\\1&0&0\\0&0&1\end{pmatrix}^{-1}\\ &=\begin{pmatrix}1&0&0\\0&1&-4\\0&0&1\end{pmatrix}\begin{pmatrix}1&0&0\\0&\frac15&0\\0&0&\frac13\end{pmatrix}\begin{pmatrix}0&1&0\\1&0&0\\0&0&1\end{pmatrix}\\ &=\begin{pmatrix}1&0&0\\0&\frac15&-\frac43\\0&0&\frac13\end{pmatrix}\begin{pmatrix}0&1&0\\1&0&0\\0&0&1\end{pmatrix}\\ &=\begin{pmatrix}0&1&0\\\frac15&0&-\frac43\\0&0&\frac13\end{pmatrix}\\ 4.&\color{red}用初等变化求A^{-1}\\ [Th]&任何可逆阵一定可通过若干次初等行变化为同阶单位阵,P_s\cdots P_2P_1A=E\\ &\implies P_s\cdots P_2P_1E=A^{-1}\\ &(A\mid E)\to(E\mid A^{-1})\\ [例]&\color{maroon}A=\begin{pmatrix}3&2&1\\1&1&1\\1&0&1\end{pmatrix},求A^{-1}\\ &(A|E)=\cdots 草稿上解完得A^{-1}=\begin{pmatrix}\frac12&-1&\frac12\\0&1&-1\\-\frac12&1&\frac12\end{pmatrix}\\ \end{aligned} [例1][例2]4.[Th][例]设A是3阶可逆矩阵,交换A的第1列和第2列得到B,则B∗可由(D)互换得到(A)A∗的第1列与第2列(B)A∗的第1行与第2行(C)−A∗的第1列与第2列(D)−A∗的第1行与第2行AE12=B,B∗=∣B∣B−1,A∗=∣A∣A−1∣A∣∣E12∣=∣B∣⟹−∣A∣=∣B∣(AE12)−1=B−1⟹E12−1A−1=B−1⟹E12A−1=B−1⟹B∗=(−∣A∣)⋅E12A−1=E12(−∣A∣A−1)=E12A∗−−−−−−−−−−−−−−−−−−−−−−−−−−−−B∗=(AE12)∗=E12∗⋅A∗=−E12⋅A∗=E12(−A∗)已知A=⎝⎛010100001⎠⎞5⎝⎛100050003⎠⎞⎝⎛100010011⎠⎞4,则求A−1=A=⎝⎛010100001⎠⎞⎝⎛100050003⎠⎞⎝⎛100010041⎠⎞A−1=⎝⎛100010041⎠⎞−1⎝⎛100050003⎠⎞−1⎝⎛010100001⎠⎞−1=⎝⎛1000100−41⎠⎞⎝⎛10005100031⎠⎞⎝⎛010100001⎠⎞=⎝⎛10005100−3431⎠⎞⎝⎛010100001⎠⎞=⎝⎛05101000−3431⎠⎞用初等变化求A−1任何可逆阵一定可通过若干次初等行变化为同阶单位阵,Ps⋯P2P1A=E⟹Ps⋯P2P1E=A−1(A∣E)→(E∣A−1)A=⎝⎛311210111⎠⎞,求A−1(A∣E)=⋯草稿上解完得A−1=⎝⎛210−21−11121−121⎠⎞
矩阵方程
基本型
{ A X = B    ⟹    X = A − 1 B X A = B    ⟹    X = B A − 1 A X B = C    ⟹    X = A − 1 C B − 1 [ 注 ] 如 A X = B , 若 A 不 可 逆    ⟹    A ( ξ 1 ⋯ ξ n ) = ( β 1 ⋯ β n )    ⟹    ( A ξ 1 ⋯ A ξ n ) = ( β 1 ⋯ β n )    ⟹    A ξ i = β i    ⟹    非 齐 次 方 程 组    ⟹    ξ i    ⟹    x = ( ξ 1 ξ 2 ⋯ ξ n ) \begin{aligned} &\begin{cases} AX=B\implies X=A^{-1}B\\ XA=B\implies X=BA^{-1}\\ AXB=C\implies X=A^{-1}CB^{-1} \end{cases}\\ [注]&如AX=B,若A不可逆\implies \\ &A(\xi_1\cdots\xi_n)=(\beta_1\cdots\beta_n)\implies (A\xi_1\cdots A\xi_n)=(\beta_1\cdots\beta_n)\\ &\implies A\xi_i=\beta_i\implies 非齐次方程组\\ &\implies \xi_i\implies x=(\xi_1\xi_2\cdots\xi_n)\\ \end{aligned} [注]⎩⎪⎨⎪⎧AX=B⟹X=A−1BXA=B⟹X=BA−1AXB=C⟹X=A−1CB−1如AX=B,若A不可逆⟹A(ξ1⋯ξn)=(β1⋯βn)⟹(Aξ1⋯Aξn)=(β1⋯βn)⟹Aξi=βi⟹非齐次方程组⟹ξi⟹x=(ξ1ξ2⋯ξn)
化简并求解
1. 消 公 因 式 即 若 C A = C B , 且 C 可 逆    ⟹    A = B 2. 提 取 公 因 式 即 若 C A + C B    ⟹    C A + C B = C ( A + B ) 3. 移 项 即 将 已 知 与 未 知 分 别 移 至 等 号 两 边 4. 常 用 公 式 1. A ∗    ⟹    10 个 公 式 2. 穿 脱 原 则    ⟹    ( A B ) T ⋯ 3. ( A T ) − 1 = ( A − 1 ) T ( A ∗ ) − 1 = ( A − 1 ) ∗ ( A T ) ∗ = ( A ∗ ) T 4. A 2 − E = ( A + E ) ( A − E ) = ( A − E ) ( A + E ) A 3 − E = ( A − E ) ( A 2 + A + E ) \begin{aligned} 1.&消公因式\\ &即若CA=CB,且C可逆\implies A=B\\ 2.&提取公因式\\ &即若CA+CB\implies CA+CB=C(A+B)\\ 3.&移项\\ &即将已知与未知分别移至等号两边\\ 4.&常用公式\\ &1.A*\implies 10个公式\\ &2.穿脱原则\implies (AB)^T\cdots\\ &3.(A^T)^{-1}=(A^{-1})^T\quad (A^*)^{-1}=(A^{-1})^*\quad (A^T)^*=(A^*)^T\\ &4.A^2-E=(A+E)(A-E)=(A-E)(A+E)\\ &A^3-E=(A-E)(A^2+A+E)\\ \end{aligned} 1.2.3.4.消公因式即若CA=CB,且C可逆⟹A=B提取公因式即若CA+CB⟹CA+CB=C(A+B)移项即将已知与未知分别移至等号两边常用公式1.A∗⟹10个公式2.穿脱原则⟹(AB)T⋯3.(AT)−1=(A−1)T(A∗)−1=(A−1)∗(AT)∗=(A∗)T4.A2−E=(A+E)(A−E)=(A−E)(A+E)A3−E=(A−E)(A2+A+E)
[ 例 1 ] 设 A = ( 1 1 1 − 1 1 1 1 − 1 1 ) , A ∗ B ( 1 2 A ∗ ) ∗ = 8 A − 1 B + 12 E , 求 B ( 1 2 A ∗ ) ∗ = ( 1 2 ) 3 − 1 ( A ∗ ) ∗ = 1 4 ⋅ 4 1 A = A    ⟹    A ∗ B A = 8 A − 1 B + 12 E    ⟹    4 A − 1 B A = 8 A − 1 B + 12 E    ⟹    4 A − 1 B ( A − 2 E ) = 12 E    ⟹    A − 1 B ( A − 2 E ) = 3 E ( 即 A X B = C )    ⟹    B = A ⋅ 3 E ( A − 2 E ) − 1 = 3 A ( A − 2 E ) − 1 其 中 ( A − 2 E ) − 1 = ( − 1 1 − 1 − 1 − 1 1 1 − 1 − 1 ) − 1 = − 1 2 ( 1 1 0 0 1 1 1 0 1 )    ⟹    B = 2 A ( A − 2 E ) − 1 = ( 0 − 3 0 0 0 − 3 − 3 0 0 ) \begin{aligned} \ [例1]&\color{maroon}设A=\begin{pmatrix}1&1&1\\-1&1&1\\1&-1&1\end{pmatrix},A^*B(\frac12A^*)^*=8A^{-1}B+12E,求B\\ &(\frac12A^*)^*=(\frac12)^{3-1}(A^*)^*=\frac14\cdot4^1A=A\\ &\implies A^*BA=8A^{-1}B+12E\\ &\implies4A^{-1}BA=8A^{-1}B+12E\\ &\implies4A^{-1}B(A-2E)=12E\\ &\implies A^{-1}B(A-2E)=3E(即AXB=C)\\ &\implies B=A\cdot3E(A-2E)^{-1}=3A(A-2E)^{-1}\\ &其中(A-2E)^{-1}=\begin{pmatrix}-1&1&-1\\-1&-1&1\\1&-1&-1\end{pmatrix}^{-1}=-\frac12\begin{pmatrix}1&1&0\\0&1&1\\1&0&1\end{pmatrix}\\ &\implies B=2A(A-2E)^{-1}=\begin{pmatrix}0&-3&0\\0&0&-3\\-3&0&0\end{pmatrix} \end{aligned} [例1]设A=⎝⎛1−1111−1111⎠⎞,A∗B(21A∗)∗=8A−1B+12E,求B(21A∗)∗=(21)3−1(A∗)∗=41⋅41A=A⟹A∗BA=8A−1B+12E⟹4A−1BA=8A−1B+12E⟹4A−1B(A−2E)=12E⟹A−1B(A−2E)=3E(即AXB=C)⟹B=A⋅3E(A−2E)−1=3A(A−2E)−1其中(A−2E)−1=⎝⎛−1−111−1−1−11−1⎠⎞−1=−21⎝⎛101110011⎠⎞⟹B=2A(A−2E)−1=⎝⎛00−3−3000−30⎠⎞
矩阵的秩
定义
A m × n 若 { ∃ k 阶 子 式 不 为 0 ∀ ( k + 1 ) 阶 子 式 全 为 0    ⟹    r ( A ) = k    ⟹    { ∃ k 个 线 性 无 关 的 向 量 ∀ ( k + 1 ) 个 向 量 必 有 多 余 的 有 且 仅 有 k 个 线 性 无 关 向 量 \begin{aligned} &A_{m\times n}若\begin{cases}\exists k阶子式不为0\\ \forall(k+1)阶子式全为0\end{cases}\implies r(A)=k\\ &\implies \begin{cases}\exists k个线性无关的向量\\ \forall(k+1)个向量必有多余的\end{cases}\\ &有且仅有k个线性无关向量 \end{aligned} Am×n若{∃k阶子式不为0∀(k+1)阶子式全为0⟹r(A)=k⟹{∃k个线性无关的向量∀(k+1)个向量必有多余的有且仅有k个线性无关向量
公式
设 A m × n , 则 1. 若 P 可 逆 ,    ⟹    r ( P A ) = r ( A )    ⟹    r ( A P ) = r ( A ) 2. r ( A B ) ≤ m i n { r ( A ) , r ( B ) } 3. r ( A + B ) ≤ r ( A ) + r ( B ) 4. 若 A B = 0    ⟹    r ( A ) + r ( B ) ≤ n ( 列 数 ) 5. r ( A ∗ ) { n , r ( A ) = n 1 , r ( A ) = n − 1 0 , r ( A ) < n − 1 \begin{aligned} &设A_{m\times n},则\\ 1.&若P可逆,\implies r(PA)=r(A)\implies r(AP)=r(A)\\ 2.&r(AB)\leq min\{r(A),r(B)\}\\ 3.&r(A+B)\leq r(A)+r(B)\\ 4.&若AB=0\implies r(A)+r(B)\leq n(列数)\\ 5.&r(A^*)\begin{cases}n,r(A)=n\\1,r(A)=n-1\\0,r(A)< n-1\end{cases} \end{aligned} 1.2.3.4.5.设Am×n,则若P可逆,⟹r(PA)=r(A)⟹r(AP)=r(A)r(AB)≤min{r(A),r(B)}r(A+B)≤r(A)+r(B)若AB=0⟹r(A)+r(B)≤n(列数)r(A∗)⎩⎪⎨⎪⎧n,r(A)=n1,r(A)=n−10,r(A)<n−1
[ 例 1 ] A 3 × 3 , B 3 × 3 , r ( A ) = 2 , r ( A B ) = 1 , B = ( 1 3 a − 1 − 2 1 2 6 − 1 ) , 则 a = ‾ 若 r ( B ) = 3    ⟹    r ( A B ) = r ( A )    ⟹    矛 盾    ⟹    r ( B ) < 3    ⟹    ∣ B ∣ = ∣ 1 3 a − 1 − 2 1 2 6 − 1 ∣ = 0    ⟹    − 2 a − 1 = 0    ⟹    a = − 1 2 [ 例 2 ] 若 A n × n , A 2 = A , 则 r ( A ) + r ( E − A ) = ‾ A 2 = A    ⟹    A − A 2 = 0    ⟹    A ( E − A ) = 0    ⟹    r ( A ) + r ( E − A ) ≤ n 又 r ( A + E − A ) ≤ r ( A ) + r ( E − A ) r ( E ) = n    ⟹    r ( A ) + r ( E − A ) = n [ 例 3 ] 若 A n × n , A 2 = E , 则 r ( E + A ) + r ( E − A ) = ‾ A 2 = E    ⟹    E − A 2 = 0    ⟹    ( E + A ) ( E − A ) = 0    ⟹    r ( E + A ) + r ( E − A ) ≤ n 又 r ( 2 E ) ≤ r ( E + A ) + r ( E − A )    ⟹    r ( E + A ) + r ( E − A ) = n [ 例 4 ] 已 知 Q = ( 1 2 3 2 4 t 3 6 9 ) , P 3 × 3 ̸ = 0 , 且 P Q = 0 , 则 ( ) ( A ) t = 6 时 , r ( P ) = 1 ( B ) t = 6 时 , r ( P ) = 2 ( C ) t ̸ = 6 时 , r ( P ) = 1 ( D ) t ̸ = 6 时 , r ( P ) = 2    ⟹    r ( P ) + r ( Q ) ≤ 3    ⟹    1 ≤ r ( P ) ≤ 3 − r ( Q ) r ( A ) = 0    ⟺    A = 0 当 t = 6 时    ⟹    r ( Q ) = 1    ⟹    1 ≤ r ( P ) ≤ 2 当 t ̸ = 6 时    ⟹    r ( Q ) = 2    ⟹    1 ≤ r ( P ) ≤ 1 故 答 案 为 C [ 例 5 ] 设 A 5 × 5 , A 2 = 0    ⟹    r ( A ∗ ) = ‾ 公 式 5 的 证 明 1. r ( A ) = n , ∣ A ∗ ∣ = ∣ A ∣ n − 1    ⟹    r ( A ∗ ) = n ( 满 秩 ) 2. r ( A ) = n − 1 < n    ⟹    ∣ A ∣ = 0 A A ∗ = ∣ A ∣ E = 0    ⟹    r ( A ) + r ( A ∗ ) ≤ n    ⟹    r ( A ∗ ) ≤ n − r ( A ) = 1 由 r ( A ) = n − 1    ⟹    ∃ n − 1 阶 子 式 不 为 0    ⟹    ∃ A i j = ( − 1 ) i + j M i j ̸ = 0 , 故 A ∗ ̸ = 0    ⟹    r ( A ∗ ) ≥ 1    ⟹    r ( A ∗ ) = 1 3. r ( A ) < n − 1    ⟹    ∃ n − 1 阶 子 式 全 为 0    ⟹    ∀ A i j 全 为 0    ⟹    A ∗ = 0    ⟹    r ( A ∗ ) = 0 [ 注 ] 1. 若 告 之 r ( A ) = k    ⟹    ∃ k 阶 子 式 ̸ = 0 , ∀ k + 1 阶 子 式 全 = 0 2. 若 告 之 r ( A ) < k    ⟹    ∀ k 阶 子 式 全 = 0 [ 例 5 ] A ⋅ A = 0    ⟹    r ( A ) + r ( A ) ≤ 5    ⟹    r ( A ) ≤ 2 < 4 , 故 r ( A ∗ ) = 0 [ 例 6 ] 设 A = ( 1 1 1 1 0 1 − 1 a 2 3 a 4 3 5 1 9 ) , 若 r ( A ∗ ) = 1 , 则 a = ‾ r ( A ∗ ) = 1    ⟹    r ( A ) = 3    ⟹    ∣ A ∣ = 0    ⟹    a = 3 o r 1 [ 注 ] 化 为 阶 梯 型 矩 阵 ( 1 1 1 1 0 1 − 1 a 2 3 a 4 3 5 1 9 ) → ( 1 1 1 1 0 1 − 1 a 0 1 a − 2 2 0 2 − 2 6 ) → ( 1 1 1 1 0 1 − 1 a 0 0 a − 1 2 − a 0 0 0 6 − 2 a ) 故 1. 若 6 − 2 a = 0    ⟹    a = 3 时 , ( 1 1 1 1 0 1 − 1 3 0 0 2 − 1 0 0 0 0 ) = r ( A ) = 3 2. 若 a = 1 时 , ( 1 1 1 1 0 1 − 1 1 0 0 0 1 0 0 0 0 )    ⟹    r ( A ) = 3 \begin{aligned} \ [例1]&\color{maroon}A_{3\times3},B_{3\times3},r(A)=2,r(AB)=1,B=\begin{pmatrix}1&3&a\\-1&-2&1\\2&6&-1\end{pmatrix},则a=\underline{\quad}\\ &若r(B)=3\implies r(AB)=r(A)\implies 矛盾\implies r(B)<3\\ &\implies \mid B\mid=\begin{vmatrix}1&3&a\\-1&-2&1\\2&6&-1\end{vmatrix}=0\\ &\implies -2a-1=0\implies a=-\frac12\\ [例2]&\color{maroon}若A_{n\times n},A^2=A,则r(A)+r(E-A)=\underline{\quad}\\ &A^2=A\implies A-A^2=0\implies A(E-A)=0\\ &\implies r(A)+r(E-A)\leq n\\ &又r(A+E-A)\leq r(A)+r(E-A)\\ &r(E)=n\implies r(A)+r(E-A)=n\\ [例3]&\color{maroon}若A_{n\times n},A^2=E,则r(E+A)+r(E-A)=\underline{\quad}\\ &A^2=E\implies E-A^2=0\\ &\implies (E+A)(E-A)=0\\ &\implies r(E+A)+r(E-A)\leq n\\ &又r(2E)\leq r(E+A)+r(E-A)\implies r(E+A)+r(E-A)=n\\ [例4]&\color{maroon}已知Q=\begin{pmatrix}1&2&3\\2&4&t\\3&6&9\end{pmatrix},P_{3\times3}\not=0,且PQ=0,则(\quad)\\ &(A)t=6时,r(P)=1\\ &(B)t=6时,r(P)=2\\ &(C)t\not=6时,r(P)=1\\ &(D)t\not=6时,r(P)=2\\ &\implies r(P)+r(Q)\leq3\implies 1\leq r(P)\leq3-r(Q)\\ &\color{red}{r(A)=0\iff A=0}\\ &当t=6时\implies r(Q)=1\implies 1\leq r(P)\leq2\\ &当t\not=6时\implies r(Q)=2\implies 1\leq r(P)\leq1\\ &故答案为C\\ [例5]&\color{maroon}设A_{5\times5},A^2=0\implies r(A^*)=\underline{\quad}\\ &公式5的证明\\ &1.r(A)=n,\mid A^*\mid=\mid A\mid^{n-1}\implies r(A^*)=n(满秩)\\ &2.r(A)=n-1< n\implies\mid A\mid=0\\ &AA^*=\mid A\mid E=0\\ &\implies r(A)+r(A^*)\leq n\implies r(A^*)\leq n-r(A)=1\\ &\color{red}{由r(A)=n-1\implies\exists n-1阶子式不为0}\\ &\color{red}{\implies\exists A_{ij}=(-1)^{i+j}M_{ij}\not=0,故A^*\not=0\implies r(A^*)\geq1}\\ &\implies r(A^*)=1\\ &3.r(A)< n-1\implies\exists n-1阶子式全为0\implies\forall A_{ij}全为0\implies A^*=0\implies r(A^*)=0\\ [注]&1.若告之r(A)=k\implies\exists k阶子式\not=0,\forall k+1阶子式全=0\\ &2.若告之r(A)< k\implies\forall k阶子式全=0\\ [例5]&A\cdot A=0\implies r(A)+r(A)\leq5\implies r(A)\leq2< 4,故r(A^*)=0\\ [例6]&\color{maroon}设A=\begin{pmatrix}1&1&1&1\\0&1&-1&a\\2&3&a&4\\3&5&1&9\end{pmatrix},若r(A^*)=1,则a=\underline{\quad}\\ &r(A^*)=1\implies r(A)=3\implies\mid A\mid=0\implies a=3or1\\ [注]&化为阶梯型矩阵\\ &\begin{pmatrix}1&1&1&1\\0&1&-1&a\\2&3&a&4\\3&5&1&9\end{pmatrix}\to\begin{pmatrix}1&1&1&1\\0&1&-1&a\\0&1&a-2&2\\0&2&-2&6\end{pmatrix}\to\begin{pmatrix}1&1&1&1\\0&1&-1&a\\0&0&a-1&2-a\\0&0&0&6-2a\end{pmatrix}\\ &故1.若6-2a=0\implies a=3时,\begin{pmatrix}1&1&1&1\\0&1&-1&3\\0&0&2&-1\\0&0&0&0\end{pmatrix}=r(A)=3\\ &2.若a=1时,\begin{pmatrix}1&1&1&1\\0&1&-1&1\\0&0&0&1\\0&0&0&0\end{pmatrix}\implies r(A)=3\\ \end{aligned} [例1][例2][例3][例4][例5][注][例5][例6][注]A3×3,B3×3,r(A)=2,r(AB)=1,B=⎝⎛1−123−26a1−1⎠⎞,则a=若r(B)=3⟹r(AB)=r(A)⟹矛盾⟹r(B)<3⟹∣B∣=∣∣∣∣∣∣1−123−26a1−1∣∣∣∣∣∣=0⟹−2a−1=0⟹a=−21若An×n,A2=A,则r(A)+r(E−A)=A2=A⟹A−A2=0⟹A(E−A)=0⟹r(A)+r(E−A)≤n又r(A+E−A)≤r(A)+r(E−A)r(E)=n⟹r(A)+r(E−A)=n若An×n,A2=E,则r(E+A)+r(E−A)=A2=E⟹E−A2=0⟹(E+A)(E−A)=0⟹r(E+A)+r(E−A)≤n又r(2E)≤r(E+A)+r(E−A)⟹r(E+A)+r(E−A)=n已知Q=⎝⎛1232463t9⎠⎞,P3×3̸=0,且PQ=0,则()(A)t=6时,r(P)=1(B)t=6时,r(P)=2(C)t̸=6时,r(P)=1(D)t̸=6时,r(P)=2⟹r(P)+r(Q)≤3⟹1≤r(P)≤3−r(Q)r(A)=0⟺A=0当t=6时⟹r(Q)=1⟹1≤r(P)≤2当t̸=6时⟹r(Q)=2⟹1≤r(P)≤1故答案为C设A5×5,A2=0⟹r(A∗)=公式5的证明1.r(A)=n,∣A∗∣=∣A∣n−1⟹r(A∗)=n(满秩)2.r(A)=n−1<n⟹∣A∣=0AA∗=∣A∣E=0⟹r(A)+r(A∗)≤n⟹r(A∗)≤n−r(A)=1由r(A)=n−1⟹∃n−1阶子式不为0⟹∃Aij=(−1)i+jMij̸=0,故A∗̸=0⟹r(A∗)≥1⟹r(A∗)=13.r(A)<n−1⟹∃n−1阶子式全为0⟹∀Aij全为0⟹A∗=0⟹r(A∗)=01.若告之r(A)=k⟹∃k阶子式̸=0,∀k+1阶子式全=02.若告之r(A)<k⟹∀k阶子式全=0A⋅A=0⟹r(A)+r(A)≤5⟹r(A)≤2<4,故r(A∗)=0设A=⎝⎜⎜⎛102311351−1a11a49⎠⎟⎟⎞,若r(A∗)=1,则a=r(A∗)=1⟹r(A)=3⟹∣A∣=0⟹a=3or1化为阶梯型矩阵⎝⎜⎜⎛102311351−1a11a49⎠⎟⎟⎞→⎝⎜⎜⎛100011121−1a−2−21a26⎠⎟⎟⎞→⎝⎜⎜⎛100011001−1a−101a2−a6−2a⎠⎟⎟⎞故1.若6−2a=0⟹a=3时,⎝⎜⎜⎛100011001−12013−10⎠⎟⎟⎞=r(A)=32.若a=1时,⎝⎜⎜⎛100011001−1001110⎠⎟⎟⎞⟹r(A)=3
考法
- 化行阶梯形矩阵,其台阶数=秩
- 用公式(5个)
向量组与方程组
预备知识
线性相关与线性无关
[ 定 义 1 ] 若 ∃ 一 组 不 全 为 0 的 数 k 1 , k 2 , ⋯   , k n , 使 k 1 α 1 + k 2 α 2 + ⋯ + k n α n = 0 成 立 , 称 α 1 , α 2 , ⋯   , α n 线 性 相 关 [ 定 义 2 ] 若 使 k 1 α 1 + k 2 α 2 + ⋯ + k n α n = 0 成 立 , 必 须 要 求 k 1 = k 2 = ⋯ = k n = 0 , 称 α 1 , α 2 , ⋯   , α n 线 性 无 关 即 { a 11 x 1 + ⋯ + a 1 n x n = 0 a 21 x 2 + ⋯ + a 2 n x n = 0 ⋮ a m 1 x 1 + ⋯ + a m n x n = 0    ⟹    A X = 0 ( 齐 次 方 程 组 ) A = ( a 1 1 ⋯ a 1 n ⋮ ⋱ ⋮ a n 1 ⋯ a n n ) ( 系 数 矩 阵 ) x = ( x 1 ⋯ x n ) T ( 未 知 数 矩 阵 ) { a 11 x 1 + ⋯ + a 1 n x n = b 1 a 21 x 2 + ⋯ + a 2 n x n = b 2 ⋮ a m 1 x 1 + ⋯ + a m n x n = b n    ⟹    A X = β ( 非 齐 次 方 程 组 ) β = ( b 1 b 2 ⋯ b n ) T ( 自 由 项 矩 阵 ) [ 注 ] α 1 ⋯ α n 相 关    ⟺    ( α 1 ⋯ α n ) ( x 1 ⋮ x n ) = 0 有 非 0 解 α 1 ⋯ α n 无 关    ⟺    ( α 1 ⋯ α n ) ( x 1 ⋮ x n ) = 0 只 有 0 解 \begin{aligned} \ [定义1]&若\exists一组不全为0的数k_1,k_2,\cdots,k_n,使k_1\alpha_1+k_2\alpha_2+\cdots+k_n\alpha_n=0成立,\\ &称\alpha_1,\alpha_2,\cdots,\alpha_n线性相关\\ [定义2]&若使k_1\alpha_1+k_2\alpha_2+\cdots+k_n\alpha_n=0成立,必须要求k_1=k_2=\cdots=k_n=0,\\ &称\alpha_1,\alpha_2,\cdots,\alpha_n线性无关\\ &即\begin{cases}a_{11}x_1+\cdots+a_{1n}x_n=0\\a_{21}x_2+\cdots+a_{2n}x_n=0\\\vdots\\a_{m1}x_1+\cdots+a_{mn}x_n=0\end{cases}\implies AX=0(齐次方程组)\\ &A=\begin{pmatrix}a_11&\cdots&a_{1n}\\\vdots&\ddots&\vdots\\a_{n1}&\cdots&a_{nn}\end{pmatrix}(系数矩阵)\\ &x=\begin{pmatrix}x_1&\cdots&x_n\end{pmatrix}^T(未知数矩阵)\\ &\begin{cases}a_{11}x_1+\cdots+a_{1n}x_n=b_1\\a_{21}x_2+\cdots+a_{2n}x_n=b_2\\\vdots\\a_{m1}x_1+\cdots+a_{mn}x_n=b_n\end{cases}\implies AX=\beta(非齐次方程组)\\ &\beta=\begin{pmatrix}b_1&b_2&\cdots&b_n\end{pmatrix}^T(自由项矩阵)\\ [注]&\alpha_1\cdots\alpha_n相关\iff\begin{pmatrix}\alpha_1&\cdots&\alpha_n\end{pmatrix}\begin{pmatrix}x_1\\\vdots\\x_n\end{pmatrix}=0有非0解\\ &\alpha_1\cdots\alpha_n无关\iff\begin{pmatrix}\alpha_1&\cdots&\alpha_n\end{pmatrix}\begin{pmatrix}x_1\\\vdots\\x_n\end{pmatrix}=0只有0解\\ \end{aligned} [定义1][定义2][注]若∃一组不全为0的数k1,k2,⋯,kn,使k1α1+k2α2+⋯+knαn=0成立,称α1,α2,⋯,αn线性相关若使k1α1+k2α2+⋯+knαn=0成立,必须要求k1=k2=⋯=kn=0,称α1,α2,⋯,αn线性无关即⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧a11x1+⋯+a1nxn=0a21x2+⋯+a2nxn=0⋮am1x1+⋯+amnxn=0⟹AX=0(齐次方程组)A=⎝⎜⎛a11⋮an1⋯⋱⋯a1n⋮ann⎠⎟⎞(系数矩阵)x=(x1⋯xn)T(未知数矩阵)⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧a11x1+⋯+a1nxn=b1a21x2+⋯+a2nxn=b2⋮am1x1+⋯+amnxn=bn⟹AX=β(非齐次方程组)β=(b1b2⋯bn)T(自由项矩阵)α1⋯αn相关⟺(α1⋯αn)⎝⎜⎛x1⋮xn⎠⎟⎞=0有非0解α1⋯αn无关⟺(α1⋯αn)⎝⎜⎛x1⋮xn⎠⎟⎞=0只有0解
线性表示
[ 定 义 ] 若 ∃ 一 组 数 k 1 , k 2 , ⋯   , k n , 使 k 1 α 1 + k 2 α 2 + ⋯ + k n α n = β 成 立 , 则 称 β 可 由 α 1 , α 2 , ⋯   , α n 线 性 表 示 否 则 , β 不 可 由 α 1 , α 2 , ⋯   , α n 线 性 表 示 [ 注 ] β 可 由 α 1 , α 2 , ⋯   , α n 表 示    ⟺    ( α 1 ⋯ α n ) ( x 1 ⋮ x n ) = β 有 解 β 不 可 由 α 1 , α 2 , ⋯   , α n 表 示    ⟺    ( α 1 ⋯ α n ) ( x 1 ⋮ x n ) = β 无 解 \begin{aligned} \ [定义]&若\exists一组数k_1,k_2,\cdots,k_n,使k_1\alpha_1+k_2\alpha_2+\cdots+k_n\alpha_n=\beta成立,\\ &则称\beta可由\alpha_1,\alpha_2,\cdots,\alpha_n线性表示\\ &否则,\beta不可由\alpha_1,\alpha_2,\cdots,\alpha_n线性表示\\ [注]&\beta可由\alpha_1,\alpha_2,\cdots,\alpha_n表示\iff\begin{pmatrix}\alpha_1&\cdots&\alpha_n\end{pmatrix}\begin{pmatrix}x_1\\\vdots\\x_n\end{pmatrix}=\beta有解\\ &\beta不可由\alpha_1,\alpha_2,\cdots,\alpha_n表示\iff\begin{pmatrix}\alpha_1&\cdots&\alpha_n\end{pmatrix}\begin{pmatrix}x_1\\\vdots\\x_n\end{pmatrix}=\beta无解 \end{aligned} [定义][注]若∃一组数k1,k2,⋯,kn,使k1α1+k2α2+⋯+knαn=β成立,则称β可由α1,α2,⋯,αn线性表示否则,β不可由α1,α2,⋯,αn线性表示β可由α1,α2,⋯,αn表示⟺(α1⋯αn)⎝⎜⎛x1⋮xn⎠⎟⎞=β有解β不可由α1,α2,⋯,αn表示⟺(α1⋯αn)⎝⎜⎛x1⋮xn⎠⎟⎞=β无解
解的理论
齐次AX=0
求 解 方 法 与 步 骤 1. 将 A 作 初 等 行 变 换    ⟹    行 阶 梯 形 矩 阵 B    ⟹    r ( A ) = 台 阶 数 = r 2. 按 列 找 出 一 个 秩 为 r 的 子 矩 阵 , 则 剩 余 位 置 的 未 知 数 即 设 为 自 由 变 量 3. 按 基 础 解 析 的 定 义 反 着 写 若 r ( A ) < n    ⟹    A X = 0 有 非 0 解 ( 无 穷 多 解 ) 则 ξ 1 ⋯ ξ n − r 满 足 { 1. 是 A X = 0 的 解 2. 线 性 无 关 3. 个 数 = n − r ( A )    ⟹    ξ 1 ⋯ ξ n − r 为 A X = 0 的 一 个 基 础 解 析 \begin{aligned} &\color{red}{求解方法与步骤}\\ 1.&将A作初等行变换\implies 行阶梯形矩阵B\implies r(A)=台阶数=r\\ 2.&按列找出一个秩为r的子矩阵,则剩余位置的未知数即设为自由变量\\ 3.&按基础解析的定义反着写\\ &若r(A)< n\implies AX=0有非0解(无穷多解)\\ &则\xi_1\cdots\xi_{n-r}满足\begin{cases}1.是AX=0的解\\2.线性无关\\3.个数=n-r(A)\end{cases}\\ &\implies\xi_1\cdots\xi_{n-r}为AX=0的一个基础解析\\ \end{aligned} 1.2.3.求解方法与步骤将A作初等行变换⟹行阶梯形矩阵B⟹r(A)=台阶数=r按列找出一个秩为r的子矩阵,则剩余位置的未知数即设为自由变量按基础解析的定义反着写若r(A)<n⟹AX=0有非0解(无穷多解)则ξ1⋯ξn−r满足⎩⎪⎨⎪⎧1.是AX=0的解2.线性无关3.个数=n−r(A)⟹ξ1⋯ξn−r为AX=0的一个基础解析
[ 例 1 ] 求 解 { x 1 + 5 x 2 − x 3 − x 4 = 0 x 1 − 2 x 2 + x 3 + 3 x 4 = 0 3 x 1 + 8 x 2 − x 3 + x 4 = 0 x 1 − 9 x 2 + 3 x 3 + 7 x 4 = 0 1. A = ( 1 5 − 1 − 1 1 − 2 1 3 3 8 − 1 1 1 − 9 3 7 ) → ( 1 5 − 1 − 1 0 − 7 2 4 0 0 0 0 0 0 0 0 )    ⟹    r ( A ) = 2 2. s = n − r ( A ) 自 由 空 间 的 维 度 = 自 由 度 − 真 实 的 约 束 个 数 3. s = n − r ( A ) = 2 { ξ 1 = ( − 3 7 2 7 1 0 ) T ξ 2 = ( − 13 7 4 7 0 1 ) T    ⟹    通 解 ξ = k 1 ( − 3 7 2 7 1 0 ) + k 2 ( − 13 7 4 7 0 1 ) , ∀ k 1 , k 2 \begin{aligned} \ [例1]&\color{maroon}求解\begin{cases}x_1+5x_2-x_3-x_4=0\\x_1-2x_2+x_3+3x_4=0\\3x_1+8x_2-x_3+x_4=0\\x_1-9x_2+3x_3+7x_4=0\end{cases}\\ &1.A=\begin{pmatrix}1&5&-1&-1\\1&-2&1&3\\3&8&-1&1\\1&-9&3&7\end{pmatrix}\to\begin{pmatrix}1&5&-1&-1\\0&-7&2&4\\0&0&0&0\\0&0&0&0\end{pmatrix}\implies r(A)=2\\ &2.s=n-r(A)\quad 自由空间的维度=自由度-真实的约束个数\\ &3.s=n-r(A)=2\\ &\begin{cases}\xi_1=\begin{pmatrix}-\frac37&\frac27&1&0\end{pmatrix}^T\\\xi_2=\begin{pmatrix}-\frac{13}7&\frac47&0&1\end{pmatrix}^T\end{cases}\implies通解\xi=k_1\begin{pmatrix}-\frac37\\\frac27\\1\\0\end{pmatrix}+k_2\begin{pmatrix}-\frac{13}7\\\frac47\\0\\1\end{pmatrix},\forall k_1,k_2\\ \end{aligned} [例1]求解⎩⎪⎪⎪⎨⎪⎪⎪⎧x1+5x2−x3−x4=0x1−2x2+x3+3x4=03x1+8x2−x3+x4=0x1−9x2+3x3+7x4=01.A=⎝⎜⎜⎛11315−28−9−11−13−1317⎠⎟⎟⎞→⎝⎜⎜⎛10005−700−1200−1400⎠⎟⎟⎞⟹r(A)=22.s=n−r(A)自由空间的维度=自由度−真实的约束个数3.s=n−r(A)=2{ξ1=(−737210)Tξ2=(−7137401)T⟹通解ξ=k1⎝⎜⎜⎛−737210⎠⎟⎟⎞+k2⎝⎜⎜⎛−7137401⎠⎟⎟⎞,∀k1,k2
非齐次AX=β
1. 写 出 A X = 0    ⟹    ξ 1 , ξ 2 ⋯   , ξ n − r 2. 写 出 A X = β 的 一 个 特 解 ξ ∗ 3.    ⟹    通 解 ξ = k 1 ξ 1 + ⋯ + k n − r ξ n − r + ξ ∗ \begin{aligned} 1.&写出AX=0\implies \xi_1,\xi_2\cdots,\xi_{n-r}\\ 2.&写出AX=\beta的一个特解\xi^*\\ 3.&\implies 通解\xi=k_1\xi_1+\cdots+k_{n-r}\xi_{n-r}+\xi^*\\ \end{aligned} 1.2.3.写出AX=0⟹ξ1,ξ2⋯,ξn−r写出AX=β的一个特解ξ∗⟹通解ξ=k1ξ1+⋯+kn−rξn−r+ξ∗
[ 例 1 ] 求 解 { x 1 + 5 x 2 − x 3 − x 4 = − 1 x 1 − 2 x 2 + x 3 + 3 x 4 = 3 3 x 1 + 8 x 2 − x 3 + x 4 = 1 x 1 − 9 x 2 + 3 x 3 + 7 x 4 = 7 ( A ∣ β ) → ( 1 5 − 1 − 1 ∣ − 1 0 − 7 2 4 ∣ 4 0 0 0 0 ∣ 0 0 0 0 0 ∣ 0 ) { ξ 1 = ( − 3 7 2 7 1 0 ) T ξ 2 = ( − 13 7 4 7 0 1 ) T ξ ∗ = ( 13 7 − 4 7 0 0 ) T 故 ξ = k 1 ( − 3 7 2 7 1 0 ) + k 2 ( − 13 7 4 7 0 1 ) + ( 13 7 − 4 7 0 0 ) , ∀ k 1 , k 2 \begin{aligned} \ [例1]&\color{maroon}求解\begin{cases}x_1+5x_2-x_3-x_4=-1\\x_1-2x_2+x_3+3x_4=3\\3x_1+8x_2-x_3+x_4=1\\x_1-9x_2+3x_3+7x_4=7\end{cases}\\ &(A|\beta)\to\begin{pmatrix}1&5&-1&-1&|&-1\\0&-7&2&4&|&4\\0&0&0&0&|&0\\0&0&0&0&|&0\end{pmatrix}\\ &\begin{cases}\xi_1=\begin{pmatrix}-\frac37&\frac27&1&0\end{pmatrix}^T\\\xi_2=\begin{pmatrix}-\frac{13}7&\frac47&0&1\end{pmatrix}^T\\\xi^*=\begin{pmatrix}\frac{13}7&-\frac47&0&0\end{pmatrix}^T\end{cases}\\ &故\xi=k_1\begin{pmatrix}-\frac37\\\frac27\\1\\0\end{pmatrix}+k_2\begin{pmatrix}-\frac{13}7\\\frac47\\0\\1\end{pmatrix}+\begin{pmatrix}\frac{13}7\\-\frac47\\0\\0\end{pmatrix},\forall k_1,k_2 \end{aligned} [例1]求解⎩⎪⎪⎪⎨⎪⎪⎪⎧x1+5x2−x3−x4=−1x1−2x2+x3+3x4=33x1+8x2−x3+x4=1x1−9x2+3x3+7x4=7(A∣β)→⎝⎜⎜⎛10005−700−1200−1400∣∣∣∣−1400⎠⎟⎟⎞⎩⎪⎨⎪⎧ξ1=(−737210)Tξ2=(−7137401)Tξ∗=(713−7400)T故ξ=k1⎝⎜⎜⎛−737210⎠⎟⎟⎞+k2⎝⎜⎜⎛−7137401⎠⎟⎟⎞+⎝⎜⎜⎛713−7400⎠⎟⎟⎞,∀k1,k2
具体型
1. β 与 α 1 , α 2 , ⋯   , α n 关 系 1. x 1 α 1 + x 2 α 2 + ⋯ + x n α n = β ( 1 ) 建 方 程 组 ( 1 ) 建 方 程 组 ( α 1 ⋯ α n ) ( x 1 ⋮ x n ) = β ( α 1 ⋯ α n ) ( x 1 ⋮ x n ) = β ( 2 ) ( A ∣ β ) → 行 变 化 至 阶 梯 型 行 列 式 ( 2 ) ( A ∣ β ) → 行 变 化 至 阶 梯 型 行 列 式 ( 3 ) 讨 论 ( 3 ) 讨 论 1 ) r ( A ) ̸ = r ( A ∣ β )    ⟺    1 ) r ( A ) ̸ = r ( A ∣ β )    ⟺    A X = β 无 解 β 不 可 由 α 1 , ⋯   , α n 表 示 2 ) r ( A ) = r ( A ∣ β ) = n    ⟺    2 ) r ( A ) = r ( A ∣ β ) = n    ⟺    A X = β 有 唯 一 解 β 可 由 α 1 , ⋯   , α n 线 性 表 示 3 ) r ( A ) = r ( A ∣ β ) < n    ⟺    3 ) r ( A ) = r ( A ∣ β ) < n    ⟺    A X = β 有 无 穷 多 解 β 可 由 α 1 , ⋯   , α n 无 穷 表 示 \begin{aligned} \begin{array}{l|l} 1.\beta与\alpha_1,\alpha_2,\cdots,\alpha_n关系 & 1.x_1\alpha_1+x_2\alpha_2+\cdots+x_n\alpha_n=\beta \\ (1)建方程组 & (1)建方程组 \\ \begin{pmatrix}\alpha_1&\cdots&\alpha_n\end{pmatrix}\begin{pmatrix}x_1\\\vdots\\x_n\end{pmatrix}=\beta & \begin{pmatrix}\alpha_1&\cdots&\alpha_n\end{pmatrix}\begin{pmatrix}x_1\\\vdots\\x_n\end{pmatrix}=\beta \\ (2)(A|\beta)\to行变化至阶梯型行列式 & (2)(A|\beta)\to行变化至阶梯型行列式 \\ (3)讨论 & (3)讨论 \\ \quad 1)r(A)\not=r(A|\beta)\iff & \quad 1)r(A)\not=r(A|\beta)\iff AX=\beta无解\\ \quad \beta不可由\alpha_1,\cdots,\alpha_n表示\\ \quad 2)r(A)=r(A|\beta)=n\iff & \quad 2)r(A)=r(A|\beta)=n\iff AX=\beta 有唯一解\\ \quad \beta可由\alpha_1,\cdots,\alpha_n线性表示\\ \quad 3)r(A)=r(A|\beta)< n\iff & \quad 3)r(A)=r(A|\beta)< n\iff AX=\beta 有无穷多解\\ \quad \beta可由\alpha_1,\cdots,\alpha_n无穷表示 \end{array} \end{aligned} 1.β与α1,α2,⋯,αn关系(1)建方程组(α1⋯αn)⎝⎜⎛x1⋮xn⎠⎟⎞=β(2)(A∣β)→行变化至阶梯型行列式(3)讨论1)r(A)̸=r(A∣β)⟺β不可由α1,⋯,αn表示2)r(A)=r(A∣β)=n⟺β可由α1,⋯,αn线性表示3)r(A)=r(A∣β)<n⟺β可由α1,⋯,αn无穷表示1.x1α1+x2α2+⋯+xnαn=β(1)建方程组(α1⋯αn)⎝⎜⎛x1⋮xn⎠⎟⎞=β(2)(A∣β)→行变化至阶梯型行列式(3)讨论1)r(A)̸=r(A∣β)⟺AX=β无解2)r(A)=r(A∣β)=n⟺AX=β有唯一解3)r(A)=r(A∣β)<n⟺AX=β有无穷多解
[ 例 1 ] 设 α 1 = ( 1 3 0 5 ) T , α 2 = ( 1 2 1 4 ) T , α 3 = ( 1 1 2 3 ) T , α 4 = ( 1 1 2 4 ) T , β = ( 1 a 3 b ) T , 问 a , b 为 何 值 时 ( 1 ) β 不 可 由 α 1 , α 2 , α 3 , α 4 表 示 ( 2 ) β 可 由 α 1 , α 2 , α 3 , α 4 表 示 , 且 写 出 表 达 式 [ 变 式 ] 设 { x 1 + x 2 + x 3 + x 4 = 1 3 x 1 + 2 x 2 + x 3 + x 4 = a x 2 + 2 x 3 + 2 x 4 = 3 5 x 1 + 4 x 2 + 3 x 3 + 4 x 4 = b 问 a , b 取 何 值 时 , ( 1 ) 方 程 组 无 解 ? ( 2 ) 方 程 组 有 解 , 有 解 时 写 出 全 部 解 ( A ∣ β ) → ( 1 0 − 1 − 1 ∣ − 2 0 1 2 2 ∣ 3 0 0 0 1 ∣ b − 2 0 0 0 0 ∣ a ) 1. 当 a ̸ = 0 , ∀ b 时 , r ( A ) ̸ = r ( A ∣ β )    ⟹    A X = β 无 解 ( β 不 可 由 α i 表 示 ) 2. 当 a = 0 , ∀ b 时 , r ( A ) = r ( A ∣ β ) = 3 < 4    ⟹    s = 4 − 3 = 1 , { ξ 1 = ( 1 − 2 1 0 ) T ξ ∗ = ( b − 4 7 − 2 b 0 b − 2 ) T    ⟹    通 解 ξ = k ξ 1 + ξ ∗ = k ( 1 − 2 1 0 ) + ( b − 4 7 − 2 b 0 b − 2 ) , ∀ k    ⟹    ( k + b − 4 − 2 k + 7 − 2 b k b − 2 )    ⟹    β = ( k + b − 4 ) α 1 + ( − 2 k + 7 − 2 b ) α 2 + k α 3 + ( b − 2 ) α 4 , ∀ k \begin{aligned} \ [例1]&\color{maroon}设\alpha_1=\begin{pmatrix}1&3&0&5\end{pmatrix}^T,\alpha_2=\begin{pmatrix}1&2&1&4\end{pmatrix}^T,\alpha_3=\begin{pmatrix}1&1&2&3\end{pmatrix}^T,\alpha_4=\begin{pmatrix}1&1&2&4\end{pmatrix}^T,\\ &\color{maroon}\beta=\begin{pmatrix}1&a&3&b\end{pmatrix}^T,问a,b为何值时\\ &\color{maroon}(1)\beta不可由\alpha_1,\alpha_2,\alpha_3,\alpha_4表示\\ &\color{maroon}(2)\beta可由\alpha_1,\alpha_2,\alpha_3,\alpha_4表示,且写出表达式\\ [变式]&\color{maroon}设\begin{cases}x_1+x_2+x_3+x_4=1\\3x_1+2x_2+x_3+x_4=a\\x_2+2x_3+2x_4=3\\5x_1+4x_2+3x_3+4x_4=b\end{cases}\\ &\color{maroon}问a,b取何值时,\\ &\color{maroon}(1)方程组无解?\\ &\color{maroon}(2)方程组有解,有解时写出全部解\\ &(A|\beta)\to\begin{pmatrix}1&0&-1&-1&|&-2\\0&1&2&2&|&3\\0&0&0&1&|&b-2\\0&0&0&0&|&a\end{pmatrix}\\ &1.当a\not=0,\forall b时,r(A)\not=r(A|\beta)\implies AX=\beta无解(\beta不可由\alpha_i表示)\\ &2.当a=0,\forall b时,r(A)=r(A|\beta)=3< 4\\ &\implies s=4-3=1,\begin{cases}\xi_1=\begin{pmatrix}1&-2&1&0\end{pmatrix}^T\\\xi^*=\begin{pmatrix}b-4&7-2b&0&b-2\end{pmatrix}^T\end{cases}\\ &\implies 通解\xi=k\xi_1+\xi^*=k\begin{pmatrix}1\\-2\\1\\0\end{pmatrix}+\begin{pmatrix}b-4\\7-2b\\0\\b-2\end{pmatrix},\forall k\\ &\implies \begin{pmatrix}k+b-4\\-2k+7-2b\\k\\b-2\end{pmatrix}\\ &\implies\beta=(k+b-4)\alpha_1+(-2k+7-2b)\alpha_2+k\alpha_3+(b-2)\alpha_4,\forall k\\ \end{aligned} [例1][变式]设α1=(1305)T,α2=(1214)T,α3=(1123)T,α4=(1124)T,β=(1a3b)T,问a,b为何值时(1)β不可由α1,α2,α3,α4表示(2)β可由α1,α2,α3,α4表示,且写出表达式设⎩⎪⎪⎪⎨⎪⎪⎪⎧x1+x2+x3+x4=13x1+2x2+x3+x4=ax2+2x3+2x4=35x1+4x2+3x3+4x4=b问a,b取何值时,(1)方程组无解?(2)方程组有解,有解时写出全部解(A∣β)→⎝⎜⎜⎛10000100−1200−1210∣∣∣∣−23b−2a⎠⎟⎟⎞1.当a̸=0,∀b时,r(A)̸=r(A∣β)⟹AX=β无解(β不可由αi表示)2.当a=0,∀b时,r(A)=r(A∣β)=3<4⟹s=4−3=1,{ξ1=(1−210)Tξ∗=(b−47−2b0b−2)T⟹通解ξ=kξ1+ξ∗=k⎝⎜⎜⎛1−210⎠⎟⎟⎞+⎝⎜⎜⎛b−47−2b0b−2⎠⎟⎟⎞,∀k⟹⎝⎜⎜⎛k+b−4−2k+7−2bkb−2⎠⎟⎟⎞⟹β=(k+b−4)α1+(−2k+7−2b)α2+kα3+(b−2)α4,∀k
抽象型
[ 例 1 ] 4 阶 矩 阵 A = ( α 1 α 2 α 3 α 4 ) , α 1 , α 2 线 性 无 关 . 若 β = α 1 + 2 α 2 + α 3 = α 1 + α 2 + α 3 + α 4 = α 1 + 3 α 2 + α 3 + 2 α 4 求 A X = β 的 通 解 ( α 1 α 2 α 3 α 4 ) ( 1 2 1 0 ) = β ( α 1 α 2 α 3 α 4 ) ( 1 1 1 1 ) = β ( α 1 α 2 α 3 α 4 ) ( 1 3 1 2 ) = β 又 α 1 , α 2 无 关    ⟹    r ( A ) ≥ 2 ξ 1 ∗ = ( 1 2 1 0 ) , ξ 2 ∗ = ( 1 1 1 1 ) , ξ 3 ∗ = ( 1 3 1 2 ) ξ 1 ∗ − ξ 2 ∗ = ( 0 1 0 − 1 ) , ξ 2 ∗ − ξ 3 ∗ = ( 0 − 2 0 − 1 )    ⟹    s = 4 − r ( A ) ≥ 2    ⟹    r ( A ) ≤ 2    ⟹    r ( A ) = 2 , s = 2 故 ξ = k 1 ( 0 1 0 − 1 ) + k 2 ( 0 − 2 0 − 1 ) + ( 1 2 1 0 ) , ∀ k 1 , k 2 \begin{aligned} \ [例1]&\color{maroon}4阶矩阵A=\begin{pmatrix}\alpha_1&\alpha_2&\alpha_3&\alpha_4\end{pmatrix},\alpha_1,\alpha_2线性无关.\\ &\color{maroon}若\beta=\alpha_1+2\alpha_2+\alpha_3=\alpha_1+\alpha_2+\alpha_3+\alpha_4=\alpha_1+3\alpha_2+\alpha_3+2\alpha_4\\ &\color{maroon}求AX=\beta的通解\\ &\begin{pmatrix}\alpha_1&\alpha_2&\alpha_3&\alpha_4\end{pmatrix}\begin{pmatrix}1\\2\\1\\0\end{pmatrix}=\beta\\ &\begin{pmatrix}\alpha_1&\alpha_2&\alpha_3&\alpha_4\end{pmatrix}\begin{pmatrix}1\\1\\1\\1\end{pmatrix}=\beta\\ &\begin{pmatrix}\alpha_1&\alpha_2&\alpha_3&\alpha_4\end{pmatrix}\begin{pmatrix}1\\3\\1\\2\end{pmatrix}=\beta\\ &又\alpha_1,\alpha_2无关\implies r(A)\geq2\\ &\xi_1^*=\begin{pmatrix}1\\2\\1\\0\end{pmatrix},\xi_2^*=\begin{pmatrix}1\\1\\1\\1\end{pmatrix},\xi_3^*=\begin{pmatrix}1\\3\\1\\2\end{pmatrix}\\ &\xi_1^*-\xi_2^*=\begin{pmatrix}0\\1\\0\\-1\end{pmatrix},\xi_2^*-\xi_3^*=\begin{pmatrix}0\\-2\\0\\-1\end{pmatrix}\\ &\implies s=4-r(A)\geq2\implies r(A)\leq2\implies r(A)=2,s=2\\ &故\xi=k_1\begin{pmatrix}0\\1\\0\\-1\end{pmatrix}+k_2\begin{pmatrix}0\\-2\\0\\-1\end{pmatrix}+\begin{pmatrix}1\\2\\1\\0\end{pmatrix},\forall k_1,k_2 \end{aligned} [例1]4阶矩阵A=(α1α2α3α4),α1,α2线性无关.若β=α1+2α2+α3=α1+α2+α3+α4=α1+3α2+α3+2α4求AX=β的通解(α1α2α3α4)⎝⎜⎜⎛1210⎠⎟⎟⎞=β(α1α2α3α4)⎝⎜⎜⎛1111⎠⎟⎟⎞=β(α1α2α3α4)⎝⎜⎜⎛1312⎠⎟⎟⎞=β又α1,α2无关⟹r(A)≥2ξ1∗=⎝⎜⎜⎛1210⎠⎟⎟⎞,ξ2∗=⎝⎜⎜⎛1111⎠⎟⎟⎞,ξ3∗=⎝⎜⎜⎛1312⎠⎟⎟⎞ξ1∗−ξ2∗=⎝⎜⎜⎛010−1⎠⎟⎟⎞,ξ2∗−ξ3∗=⎝⎜⎜⎛0−20−1⎠⎟⎟⎞⟹s=4−r(A)≥2⟹r(A)≤2⟹r(A)=2,s=2故ξ=k1⎝⎜⎜⎛010−1⎠⎟⎟⎞+k2⎝⎜⎜⎛0−20−1⎠⎟⎟⎞+⎝⎜⎜⎛1210⎠⎟⎟⎞,∀k1,k2
相似理论与二次型
相似理论
A的特征值与特征向量
[ 定 义 ] 给 出 A m × n , 若 ∃ 一 个 数 λ , 使 A ξ = λ ξ , ξ ̸ = 0 , 则 称 λ 是 A 的 特 征 值 , ξ 是 A 的 属 于 λ 的 特 征 向 量 [ 分 析 ] λ ξ − A ξ = 0 , ξ ̸ = 0    ⟹    ( λ E − A ) ξ = 0 , ξ ̸ = 0    ⟹    ( λ E − A ) X = 0 有 非 0 解    ⟹    r ( λ E − A ) < n    ⟹    ∣ λ E − A ∣ = 0 ( 特 征 方 程 )    ⟹    λ i ( 重 根 按 重 数 计 )    ⟹    ( λ i E − A ) X = 0 \begin{aligned} \ [定义]&给出A_{m\times n},若\exists 一个数\lambda,使A\xi=\lambda\xi,\xi\not=0,\\ &则称\lambda是A的特征值,\xi是A的属于\lambda的特征向量\\ [分析]&\lambda\xi-A\xi=0,\xi\not=0\\ &\implies (\lambda E-A)\xi=0,\xi\not=0\implies(\lambda E-A)X=0有非0解\\ &\implies r(\lambda E-A)< n\implies \color{maroon}{\mid\lambda E-A\mid=0(特征方程)}\\ &\implies \lambda_i(重根按重数计)\implies (\lambda_i E-A)X=0\\ \end{aligned} [定义][分析]给出Am×n,若∃一个数λ,使Aξ=λξ,ξ̸=0,则称λ是A的特征值,ξ是A的属于λ的特征向量λξ−Aξ=0,ξ̸=0⟹(λE−A)ξ=0,ξ̸=0⟹(λE−A)X=0有非0解⟹r(λE−A)<n⟹∣λE−A∣=0(特征方程)⟹λi(重根按重数计)⟹(λiE−A)X=0
[ 例 1 ] A = ( 2 2 − 1 2 5 − 4 − 2 − 4 5 ) , 求 A 的 λ 与 ξ ∣ λ E − A ∣ = ∣ λ − 2 − 2 2 − 2 λ − 5 4 2 4 λ − 5 ∣ = 0    ⟹    λ 1 = λ 2 = 1 , λ 3 = 10 1. λ 1 = λ 2 = 1    ⟹    ( − 1 − 2 2 − 2 − 4 4 2 4 − 4 ) → ( 1 2 − 2 0 0 0 0 0 0 ) s = 3 − 1 = 2 { ξ 1 = ( − 2 1 0 ) T ξ 2 = ( 2 0 1 ) T    ⟹    1 的 特 征 向 量 为 k 1 ξ 1 + k 2 ξ 2 , 但 k 1 , k 2 不 同 是 为 0 2. λ 3 = 10    ⟹    ( 8 − 2 2 − 2 5 4 2 4 5 ) → ( 2 4 5 0 1 1 0 0 0 ) ξ 3 = ( − 1 2 − 1 1 ) T , 10 的 ξ = k 3 ξ 3 , k 3 ̸ = 0 \begin{aligned} \ [例1]&\color{maroon}A=\begin{pmatrix}2&2&-1\\2&5&-4\\-2&-4&5\end{pmatrix},求A的\lambda与\xi\\ &\mid\lambda E-A\mid=\begin{vmatrix}\lambda-2&-2&2\\-2&\lambda-5&4\\2&4&\lambda-5\end{vmatrix}=0\\ &\implies \lambda_1=\lambda_2=1,\lambda_3=10\\ &1.\lambda_1=\lambda_2=1\implies\begin{pmatrix}-1&-2&2\\-2&-4&4\\2&4&-4\end{pmatrix}\to\begin{pmatrix}1&2&-2\\0&0&0\\0&0&0\end{pmatrix}\\ &s=3-1=2\begin{cases}\xi_1=\begin{pmatrix}-2&1&0\end{pmatrix}^T\\\xi_2=\begin{pmatrix}2&0&1\end{pmatrix}^T\end{cases}\\ &\implies 1的特征向量为k_1\xi_1+k_2\xi_2,但k_1,k_2不同是为0\\ &2.\lambda_3=10\implies \begin{pmatrix}8&-2&2\\-2&5&4\\2&4&5\end{pmatrix}\to\begin{pmatrix}2&4&5\\0&1&1\\0&0&0\end{pmatrix}\\ &\xi_3=\begin{pmatrix}-\frac12&-1&1\end{pmatrix}^T,10的\xi=k_3\xi_3,k_3\not=0\\ \end{aligned} [例1]A=⎝⎛22−225−4−1−45⎠⎞,求A的λ与ξ∣λE−A∣=∣∣∣∣∣∣λ−2−22−2λ−5424λ−5∣∣∣∣∣∣=0⟹λ1=λ2=1,λ3=101.λ1=λ2=1⟹⎝⎛−1−22−2−4424−4⎠⎞→⎝⎛100200−200⎠⎞s=3−1=2{ξ1=(−210)Tξ2=(201)T⟹1的特征向量为k1ξ1+k2ξ2,但k1,k2不同是为02.λ3=10⟹⎝⎛8−22−254245⎠⎞→⎝⎛200410510⎠⎞ξ3=(−21−11)T,10的ξ=k3ξ3,k3̸=0
相似
[ 定 义 ] 若 ∃ E 可 逆 矩 阵 P , 使 P − 1 A P = Λ , 则 A 相 似 于 Λ , 记 A ∼ Λ P P − 1 A P = P Λ    ⟺    A P = P Λ    ⟺    A ( ξ 1 ξ 2 ⋯ ξ n ) = ( ξ 1 ξ 2 ⋯ ξ n ) ( λ 1 λ 2 ⋱ λ n )    ⟺    ( A ξ 1 A ξ 2 ⋯ A ξ n ) = ( λ 1 ξ 1 λ 2 ξ 2 ⋯ λ n ξ n )    ⟺    A ξ 1 = λ i ξ i , i = 1 , 2 , ⋯   , n 故 A 可 以 与 Λ 相 似    ⟺    A 有 n 个 线 性 无 关 的 β [ 例 ] A = ( 2 2 − 2 2 5 − 4 − 2 − 4 5 ) , 求 A 的 λ 与 ξ Λ = ( 1 0 0 0 1 0 0 0 10 ) 令 P = ( − 2 2 − 1 2 1 0 − 1 0 1 1 )    ⟹    P − 1 A P = Λ \begin{aligned} \ [定义]&若\exists E可逆矩阵P,使P^{-1}AP=\Lambda,则A相似于\Lambda,记A\sim\Lambda\\ &PP^{-1}AP=P\Lambda\iff AP=P\Lambda\iff\\ &A(\xi_1\xi_2\cdots\xi_n)=(\xi_1\xi_2\cdots\xi_n)\begin{pmatrix}\lambda_1&&&\\&\lambda_2&&\\&&\ddots&\\&&& \lambda_n\end{pmatrix}\\ &\iff\begin{pmatrix}A\xi_1&A\xi_2&\cdots&A\xi_n\end{pmatrix}=\begin{pmatrix}\lambda_1\xi_1&\lambda_2\xi_2&\cdots&\lambda_n\xi_n\end{pmatrix}\\ &\iff A\xi_1=\lambda_i\xi_i,i=1,2,\cdots,n\\ &故A可以与\Lambda 相似\iff A有n个线性无关的\beta\\ [例]&\color{maroon}A=\begin{pmatrix}2&2&-2\\2&5&-4\\-2&-4&5\end{pmatrix},求A的\lambda与\xi\\ &\Lambda=\begin{pmatrix}1&0&0\\0&1&0\\0&0&10\end{pmatrix}\\ &令P=\begin{pmatrix}-2&2&-\frac12\\1&0&-1\\0&1&1\end{pmatrix}\implies P^{-1}AP=\Lambda \end{aligned} [定义][例]若∃E可逆矩阵P,使P−1AP=Λ,则A相似于Λ,记A∼ΛPP−1AP=PΛ⟺AP=PΛ⟺A(ξ1ξ2⋯ξn)=(ξ1ξ2⋯ξn)⎝⎜⎜⎛λ1λ2⋱λn⎠⎟⎟⎞⟺(Aξ1Aξ2⋯Aξn)=(λ1ξ1λ2ξ2⋯λnξn)⟺Aξ1=λiξi,i=1,2,⋯,n故A可以与Λ相似⟺A有n个线性无关的βA=⎝⎛22−225−4−2−45⎠⎞,求A的λ与ξΛ=⎝⎛1000100010⎠⎞令P=⎝⎛−210201−21−11⎠⎞⟹P−1AP=Λ
二次型化标准型
[ 例 ] f = 2 x 1 2 + 5 x 2 2 + 5 x 3 2 + 4 x 1 x 2 − 4 x 1 x 3 − 8 x 2 x 3 = ( x 1 x 2 x 3 ) ( 2 2 − 2 2 5 − 4 − 2 − 4 5 ) ( x 1 x 2 x 3 ) f = x T A X    ⟺    ( P Y ) T A P Y = Y T P T A P Y = Y T P − 1 A P Y = Y T Λ Y \begin{aligned} \ [例]&\color{maroon}f=2x_1^2+5x_2^2+5x_3^2+4x_1x_2-4x_1x_3-8x_2x_3\\ &\color{maroon}=\begin{pmatrix}x_1&x_2&x_3\end{pmatrix}\begin{pmatrix}2&2&-2\\2&5&-4\\-2&-4&5\end{pmatrix}\begin{pmatrix}x_1\\x_2\\x_3\end{pmatrix}\\ &f=x^TAX\iff(PY)^TAPY\\ &=Y^TP^TAPY=Y^TP^{-1}APY=Y^T\Lambda Y \end{aligned} [例]f=2x12+5x22+5x32+4x1x2−4x1x3−8x2x3=(x1x2x3)⎝⎛22−225−4−2−45⎠⎞⎝⎛x1x2x3⎠⎞f=xTAX⟺(PY)TAPY=YTPTAPY=YTP−1APY=YTΛY
附录
矩阵取行列式
1. ∣ A B ∣ = ∣ A ∣ ∣ B ∣ 2. ∣ k A ∣ = k n ∣ A ∣ 3. ∣ A − 1 ∣ = 1 ∣ A ∣ 4. ∣ A ∗ ∣ = ∣ A ∣ n − 1 5. ∣ ( A ∗ ) ∗ ∣ = ∣ A ∣ ( n − 1 ) 2 = ∣ A ∣ n 2 − 2 n + 1 6. ∣ E i j ∣ = − 1 , ∣ E i j ( k ) ∣ = − 1 , ∣ E i ( k ) ∣ = k \begin{aligned} &1.\mid AB\mid=\mid A\mid\mid B\mid\\ &2.\mid kA\mid=k^n\mid A\mid\\ &3.\mid A^{-1}\mid=\frac1{\mid A\mid}\\ &4.\mid A^*\mid=\mid A\mid^{n-1}\\ &5.\mid (A^* )^*\mid=\mid A\mid^{(n-1)^2}=\mid A\mid^{n^2-2n+1}\\ &6.\mid E_{ij}\mid=-1,\mid E_{ij}(k)\mid=-1,\mid E_i(k)\mid=k\\ \end{aligned} 1.∣AB∣=∣A∣∣B∣2.∣kA∣=kn∣A∣3.∣A−1∣=∣A∣14.∣A∗∣=∣A∣n−15.∣(A∗)∗∣=∣A∣(n−1)2=∣A∣n2−2n+16.∣Eij∣=−1,∣Eij(k)∣=−1,∣Ei(k)∣=k
求逆
1. ( A − 1 ) − 1 = A 2. ( A B ) − 1 = B − 1 A − 1 3. ( k A ) − 1 = 1 k A − 1 4. ( A T ) − 1 = ( A − 1 ) T ( A ∗ ) − 1 = ( A − 1 ) ∗ 5. ∣ A − 1 ∣ = 1 ∣ A ∣ 6. A − 1 = 1 ∣ A ∣ A ∗ 7. E i j − 1 = E i j E i j − 1 ( k ) = E i j ( − k ) E i − 1 ( k ) = E i ( 1 k ) \begin{aligned} &1.(A^{-1})^{-1}=A\\ &2.(AB)^{-1}=B^{-1}A^{-1}\\ &3.(kA)^{-1}=\frac1kA^{-1}\\ &4.(A^T)^{-1}=(A^{-1})^T\quad (A^*)^{-1}=(A^{-1})^*\\ &5.|A^{-1}|=\frac1{|A|}\\ &6.A^{-1}=\frac1{\mid A\mid}A^*\\ &7.E_{ij}^{-1}=E_{ij}\quad E_{ij}^{-1}(k)=E_{ij}(-k)\quad E_i^{-1}(k)=E_i(\frac1k)\\ \end{aligned} 1.(A−1)−1=A2.(AB)−1=B−1A−13.(kA)−1=k1A−14.(AT)−1=(A−1)T(A∗)−1=(A−1)∗5.∣A−1∣=∣A∣16.A−1=∣A∣1A∗7.Eij−1=EijEij−1(k)=Eij(−k)Ei−1(k)=Ei(k1)
求伴随矩阵
1. A A ∗ = A ∗ A = ∣ A ∣ E 2. A − 1 = 1 ∣ A ∣ A ∗ ( k A ) ∗ = k n − 1 A ∗ 3. ∣ A ∗ ∣ = ∣ A ∣ n − 1 A ∗ = ∣ A ∣ A − 1 4. ( A ∗ ) ∗ = ∣ A ∣ n − 2 A ∣ ( A ∗ ) ∗ ∣ = ∣ A ∣ ( n − 1 ) 2 = ∣ A ∣ n 2 − 2 n + 1 5. ( A B ) ∗ = B ∗ A ∗ 6. ( A ∗ ) − 1 = ( A − 1 ) ∗ = A ∣ A ∣ , ( A T ) ∗ = ( A ∗ ) T 7. r ( A ∗ ) { n , r ( A ) = n 1 , r ( A ) = n − 1 0 , r ( A ) < n − 1 8. E i j ∗ = − E i j E i j ∗ ( k ) = E i j ( − k ) E i ∗ ( k ) = k E i ( 1 k ) \begin{aligned} &1.AA^*=A^*A=\mid A\mid E\\ &2.A^{-1}=\frac1{\mid A\mid}A^*\quad (kA)^*=k^{n-1}A^*\\ &3.\mid A^*\mid=\mid A\mid^{n-1}\quad A^*=\mid A\mid A^{-1}\\ &4.(A^*)^*=\mid A\mid^{n-2}A\quad \mid (A^*)^*\mid=\mid A\mid^{(n-1)^2}=\mid A\mid^{n^2-2n+1}\\ &5.(AB)^*=B^*A^*\\ &6.(A^*)^{-1}=(A^{-1})^*=\frac{A}{\mid A\mid},(A^T)^*=(A^*)^T\\ &7.r(A^*)\begin{cases}n,r(A)=n\\1,r(A)=n-1\\0,r(A)< n-1\end{cases}\\ &8.E_{ij}^*=-E_{ij}\quad E_{ij}^*(k)=E_{ij}(-k)\quad E_i^*(k)=kE_i(\frac1k) \end{aligned} 1.AA∗=A∗A=∣A∣E2.A−1=∣A∣1A∗(kA)∗=kn−1A∗3.∣A∗∣=∣A∣n−1A∗=∣A∣A−14.(A∗)∗=∣A∣n−2A∣(A∗)∗∣=∣A∣(n−1)2=∣A∣n2−2n+15.(AB)∗=B∗A∗6.(A∗)−1=(A−1)∗=∣A∣A,(AT)∗=(A∗)T7.r(A∗)⎩⎪⎨⎪⎧n,r(A)=n1,r(A)=n−10,r(A)<n−18.Eij∗=−EijEij∗(k)=Eij(−k)Ei∗(k)=kEi(k1)