小结
- 和与标量乘法
- 矩阵乘法
- 矩阵的乘幂
- 矩阵的转置
若
A
\boldsymbol{A}
A是
m
×
n
m \times n
m×n矩阵,即有
m
m
m行
n
n
n列的矩阵,则
A
\boldsymbol{A}
A的第
i
i
i行第
j
j
j列的元素用
a
i
​
j
a_i\!_j
aij表示,称为
A
\boldsymbol{A}
A的
(
i
,
j
)
(i,j)
(i,j)元素。
A
\boldsymbol{A}
A的各列是
R
m
\mathbb{R}^{m}
Rm中的向量,用
a
1
,
⋯
 
,
a
n
\boldsymbol{a_1},\cdots,\boldsymbol{a_n}
a1,⋯,an表示,写作
A
=
[
a
1
⋯
a
n
]
\boldsymbol{A}=\begin{bmatrix}\boldsymbol{a_1} & \cdots & \boldsymbol{a_n} \end{bmatrix}
A=[a1⋯an]。
m
×
n
m \times n
m×n矩阵
A
\boldsymbol{A}
A的对角线元素是
a
1
​
1
,
a
2
​
2
,
⋯
a_1\!_1, a_2\!_2,\cdots
a11,a22,⋯,它们组成
A
\boldsymbol{A}
A的主对角线。对角矩阵是一个方阵,它的非对角线元素全是0。元素全是0的
m
×
n
m \times n
m×n矩阵为零矩阵,用
0
\boldsymbol{0}
0表示。
和与标量运算
我们称两个矩阵相等,若它们有相同的维数(即有相同的行数和列数),而且对应元素相等。
A
+
B
\boldsymbol{A}+\boldsymbol{B}
A+B的每个元素就是
A
\boldsymbol{A}
A与
B
\boldsymbol{B}
B的对应元素相加。仅当
A
\boldsymbol{A}
A与
B
\boldsymbol{B}
B有相同维数,
A
+
B
\boldsymbol{A}+\boldsymbol{B}
A+B才有定义。
若
r
r
r是标量而
A
\boldsymbol{A}
A是矩阵,则标量乘法
r
A
r\boldsymbol{A}
rA是一个矩阵,它的每一列是
A
\boldsymbol{A}
A的对应列的
r
r
r倍。
设
A
=
[
4
0
5
−
1
3
2
]
,
B
=
[
1
1
1
3
5
7
]
\boldsymbol{A}=\begin{bmatrix}4 & 0 & 5 \\ -1 & 3 & 2\end{bmatrix}, \boldsymbol{B}=\begin{bmatrix}1 & 1 & 1 \\ 3 & 5 & 7\end{bmatrix}
A=[4−10352],B=[131517],求
A
−
2
B
\boldsymbol{A}-2\boldsymbol{B}
A−2B
解:
A
−
2
B
=
[
4
0
5
−
1
3
2
]
−
2
[
1
1
1
3
5
7
]
=
[
4
0
5
−
1
3
2
]
−
[
2
2
2
6
10
14
]
=
[
2
−
2
3
−
7
−
7
−
12
]
\quad \boldsymbol{A}-2\boldsymbol{B} \\ = \begin{bmatrix}4 & 0 & 5 \\ -1 & 3 & 2\end{bmatrix} - 2\begin{bmatrix}1 & 1 & 1 \\ 3 & 5 & 7\end{bmatrix} \\ =\begin{bmatrix}4 & 0 & 5 \\ -1 & 3 & 2\end{bmatrix} - \begin{bmatrix}2 & 2 & 2 \\ 6 & 10 & 14\end{bmatrix} \\ =\begin{bmatrix}2 & -2 & 3 \\ -7 & -7 & -12\end{bmatrix}
A−2B=[4−10352]−2[131517]=[4−10352]−[26210214]=[2−7−2−73−12]
定理1
  
\;
设
A
,
B
,
C
\boldsymbol{A},\boldsymbol{B},\boldsymbol{C}
A,B,C是相同维数的矩阵,
r
r
r与
s
s
s为标量,则有
a
.
  
A
+
B
=
B
+
A
b
.
  
(
A
+
B
)
+
C
=
A
+
(
B
+
C
)
c
.
  
A
+
0
=
A
d
.
  
r
(
A
+
B
)
=
r
A
+
r
B
e
.
  
(
r
+
s
)
A
=
r
A
+
s
A
f
.
  
r
(
s
A
)
=
(
r
s
)
A
\begin{aligned} & a.\;\boldsymbol{A}+\boldsymbol{B}=\boldsymbol{B}+\boldsymbol{A} & & b.\;(\boldsymbol{A}+\boldsymbol{B})+\boldsymbol{C}=\boldsymbol{A}+(\boldsymbol{B}+\boldsymbol{C}) \\ & c.\;\boldsymbol{A} + \boldsymbol{0}=\boldsymbol{A} & & d.\;r(\boldsymbol{A} + \boldsymbol{B})=r\boldsymbol{A} + r\boldsymbol{B} \\ & e.\;(r+s)\boldsymbol{A}=r\boldsymbol{A}+s\boldsymbol{A} & & f.\;r(s\boldsymbol{A})=(rs)\boldsymbol{A} \end{aligned}
a.A+B=B+Ac.A+0=Ae.(r+s)A=rA+sAb.(A+B)+C=A+(B+C)d.r(A+B)=rA+rBf.r(sA)=(rs)A
矩阵乘法
若
A
\boldsymbol{A}
A是
m
×
n
m \times n
m×n矩阵,
B
\boldsymbol{B}
B是
n
×
p
n \times p
n×p矩阵,用
b
1
,
⋯
 
,
b
p
\boldsymbol{b_1},\cdots,\boldsymbol{b_p}
b1,⋯,bp表示
B
\boldsymbol{B}
B的各列,则乘积
A
B
\boldsymbol{A}\boldsymbol{B}
AB是
m
×
p
m \times p
m×p矩阵,它的各列是
A
b
1
,
⋯
 
,
A
b
p
\boldsymbol{Ab_1},\cdots,\boldsymbol{Ab_p}
Ab1,⋯,Abp。即
A
B
=
A
[
b
1
⋯
b
p
]
=
[
A
b
1
⋯
A
b
p
]
\boldsymbol{A}\boldsymbol{B}=\boldsymbol{A}\begin{bmatrix}\boldsymbol{b_1} & \cdots & \boldsymbol{b_p}\end{bmatrix}=\begin{bmatrix}\boldsymbol{Ab_1} & \cdots & \boldsymbol{Ab_p}\end{bmatrix}
AB=A[b1⋯bp]=[Ab1⋯Abp]
计算
A
B
\boldsymbol{A}\boldsymbol{B}
AB,其中
A
=
[
2
3
1
−
5
]
,
B
=
[
4
3
6
1
−
2
3
]
\boldsymbol{A}=\begin{bmatrix}2 & 3 \\ 1 & -5\end{bmatrix},\boldsymbol{B}=\begin{bmatrix}4 & 3 & 6 \\ 1 & -2 & 3\end{bmatrix}
A=[213−5],B=[413−263]
解:利用(行-向量规则)规则计算
A
b
1
,
A
b
2
,
A
b
3
\boldsymbol{Ab_1},\boldsymbol{Ab_2},\boldsymbol{Ab_3}
Ab1,Ab2,Ab3
A
b
1
=
[
2
3
1
−
5
]
[
4
1
]
=
[
2
×
4
+
3
×
1
1
×
4
+
(
−
5
)
×
1
]
=
[
11
−
1
]
A
b
1
=
[
2
3
1
−
5
]
[
3
−
2
]
=
[
2
×
3
+
3
×
(
−
2
)
1
×
3
+
(
−
5
)
×
(
−
2
)
]
=
[
0
13
]
A
b
1
=
[
2
3
1
−
5
]
[
6
3
]
=
[
2
×
6
+
3
×
3
1
×
6
+
(
−
5
)
×
3
]
=
[
21
−
9
]
A
B
=
[
A
b
1
A
b
2
A
b
3
]
=
[
11
0
21
−
1
13
−
9
]
\begin{aligned} & \boldsymbol{Ab_1}=\begin{bmatrix}2 & 3 \\ 1 & -5\end{bmatrix}\begin{bmatrix}4 \\ 1 \end{bmatrix} =\begin{bmatrix}2 \times 4 + 3 \times 1 \\ 1 \times 4 + (-5) \times 1\end{bmatrix}=\begin{bmatrix}11 \\ -1\end{bmatrix} \\ & \boldsymbol{Ab_1}=\begin{bmatrix}2 & 3 \\ 1 & -5\end{bmatrix}\begin{bmatrix}3 \\ -2\end{bmatrix} =\begin{bmatrix}2 \times 3 + 3 \times (-2) \\ 1 \times 3 + (-5) \times (-2)\end{bmatrix}=\begin{bmatrix}0 \\ 13\end{bmatrix} \\ & \boldsymbol{Ab_1}=\begin{bmatrix}2 & 3 \\ 1 & -5\end{bmatrix}\begin{bmatrix}6 \\ 3\end{bmatrix} =\begin{bmatrix}2 \times 6 + 3 \times 3 \\ 1 \times 6 + (-5) \times 3\end{bmatrix}=\begin{bmatrix}21 \\ -9\end{bmatrix} \\ & \boldsymbol{A}\boldsymbol{B} = \begin{bmatrix}\boldsymbol{Ab_1} & \boldsymbol{Ab_2} & \boldsymbol{Ab_3}\end{bmatrix}=\begin{bmatrix}11 & 0 & 21 \\ -1 & 13 & -9\end{bmatrix} \end{aligned}
Ab1=[213−5][41]=[2×4+3×11×4+(−5)×1]=[11−1]Ab1=[213−5][3−2]=[2×3+3×(−2)1×3+(−5)×(−2)]=[013]Ab1=[213−5][63]=[2×6+3×31×6+(−5)×3]=[21−9]AB=[Ab1Ab2Ab3]=[11−101321−9]
A B \boldsymbol{A}\boldsymbol{B} AB的每一列都是 A \boldsymbol{A} A的各列的线性组合,以 B \boldsymbol{B} B的对应列的元素为权。
计算
A
B
\boldsymbol{A}\boldsymbol{B}
AB的行列法则
若乘积
A
B
\boldsymbol{A}\boldsymbol{B}
AB有定义,则
A
B
\boldsymbol{A}\boldsymbol{B}
AB的第
i
i
i行第
j
j
j列的元素是
A
\boldsymbol{A}
A的第
i
i
i行与第
j
j
j列对应元素乘积之和。若
(
A
B
)
i
​
j
(\boldsymbol{A}\boldsymbol{B})_i\!_j
(AB)ij表示
A
B
\boldsymbol{A}\boldsymbol{B}
AB的
(
i
,
j
)
(i,j)
(i,j)元素,
A
\boldsymbol{A}
A为
m
×
n
m \times n
m×n矩阵,则
(
A
B
)
i
​
j
=
a
i
​
1
b
1
​
j
+
⋯
+
a
i
​
n
b
n
​
j
(\boldsymbol{A}\boldsymbol{B})_i\!_j=a_i\!_1b_1\!_j+\cdots+a_i\!_nb_n\!_j
(AB)ij=ai1b1j+⋯+ainbnj
求
A
B
\boldsymbol{A}\boldsymbol{B}
AB,其中
A
=
[
2
−
5
0
−
1
3
−
4
6
−
8
−
7
−
3
0
9
]
,
B
=
[
4
−
6
7
1
3
2
]
\boldsymbol{A}=\begin{bmatrix}2 & -5 & 0 \\ -1 & 3 & -4 \\ 6 & -8 & -7 \\ -3 & 0 & 9\end{bmatrix}, \boldsymbol{B}=\begin{bmatrix}4 & -6 \\ 7 & 1 \\ 3 & 2\end{bmatrix}
A=⎣⎢⎢⎡2−16−3−53−800−4−79⎦⎥⎥⎤,B=⎣⎡473−612⎦⎤
解:
A
B
=
[
2
−
5
0
−
1
3
−
4
6
−
8
−
7
−
3
0
9
]
[
4
−
6
7
1
3
2
]
=
[
2
×
4
+
(
−
5
)
×
7
+
0
×
3
2
×
(
−
6
)
+
(
−
5
)
×
1
+
0
×
2
(
−
1
)
×
4
+
3
×
7
+
(
−
4
)
×
3
(
−
1
)
×
(
−
6
)
+
3
×
1
+
(
−
4
)
×
2
6
×
4
+
(
−
8
)
×
7
+
(
−
7
)
×
3
6
×
(
−
6
)
+
(
−
8
)
×
1
+
(
−
7
)
×
2
(
−
3
)
×
4
+
0
×
7
+
9
×
3
(
−
3
)
×
(
−
6
)
+
0
×
1
+
9
×
2
]
=
[
−
27
−
17
5
1
−
53
−
58
15
36
]
\begin{aligned} \boldsymbol{A}\boldsymbol{B} &= \begin{bmatrix}2 & -5 & 0 \\ -1 & 3 & -4 \\ 6 & -8 & -7 \\ -3 & 0 & 9 \end{bmatrix}\begin{bmatrix}4 & -6 \\ 7 & 1 \\ 3 & 2\end{bmatrix} \\ &= \begin{bmatrix}2 \times 4 + (-5) \times 7 + 0 \times 3 & 2 \times (-6) + (-5) \times 1 + 0 \times 2 \\ (-1) \times 4 + 3 \times 7 + (-4) \times 3 & (-1) \times (-6) + 3 \times 1 + (-4) \times 2 \\ 6 \times 4 + (-8) \times 7 + (-7) \times 3 & 6 \times (-6) + (-8) \times 1 + (-7) \times 2 \\ (-3) \times 4 + 0 \times 7 + 9 \times 3 & (-3) \times (-6) + 0 \times 1 + 9 \times 2\end{bmatrix} \\ &= \begin{bmatrix}-27 & -17 \\ 5 & 1 \\ -53 & -58 \\ 15 & 36\end{bmatrix} \end{aligned}
AB=⎣⎢⎢⎡2−16−3−53−800−4−79⎦⎥⎥⎤⎣⎡473−612⎦⎤=⎣⎢⎢⎡2×4+(−5)×7+0×3(−1)×4+3×7+(−4)×36×4+(−8)×7+(−7)×3(−3)×4+0×7+9×32×(−6)+(−5)×1+0×2(−1)×(−6)+3×1+(−4)×26×(−6)+(−8)×1+(−7)×2(−3)×(−6)+0×1+9×2⎦⎥⎥⎤=⎣⎢⎢⎡−275−5315−171−5836⎦⎥⎥⎤
矩阵乘法的性质
定理2
  
\;
设
A
\boldsymbol{A}
A为
m
×
n
m \times n
m×n矩阵,
I
m
\boldsymbol{I}_m
Im表示
m
×
m
m \times m
m×m单位矩阵,
I
n
\boldsymbol{I}_n
In表示
n
×
n
n \times n
n×n单位矩阵,
r
r
r为标量,
B
\boldsymbol{B}
B和
C
\boldsymbol{C}
C的维数是下列各式的乘积有定义。
a
.
  
A
(
B
C
)
=
(
A
B
)
C
b
.
  
A
(
B
+
C
)
=
A
C
+
B
C
c
.
  
(
B
+
C
)
A
=
B
A
+
B
C
d
.
  
r
(
A
B
)
=
(
r
A
)
B
=
A
(
r
B
)
e
.
  
I
m
A
=
A
=
A
I
n
\begin{aligned} & a.\;\boldsymbol{A}(\boldsymbol{B}\boldsymbol{C})=(\boldsymbol{AB})\boldsymbol{C} & & b.\;\boldsymbol{A}(\boldsymbol{B}+\boldsymbol{C})=\boldsymbol{AC}+\boldsymbol{BC} \\ & c.\;(\boldsymbol{B}+\boldsymbol{C})\boldsymbol{A}=\boldsymbol{BA}+\boldsymbol{BC} & & d.\;r(\boldsymbol{A}\boldsymbol{B})=(r\boldsymbol{A})\boldsymbol{B}=\boldsymbol{A}(r\boldsymbol{B}) \\ & e.\;\boldsymbol{I}_m\boldsymbol{A}=\boldsymbol{A}=\boldsymbol{A}\boldsymbol{I}_n \end{aligned}
a.A(BC)=(AB)Cc.(B+C)A=BA+BCe.ImA=A=AInb.A(B+C)=AC+BCd.r(AB)=(rA)B=A(rB)
注意:
- 一般情况下, A B ≠ B A \boldsymbol{AB}\neq\boldsymbol{BA} AB̸=BA
- 若 A B = A C \boldsymbol{AB}=\boldsymbol{AC} AB=AC,一般情况下, B = C \boldsymbol{B}=\boldsymbol{C} B=C并不成立
- 若乘积 A B \boldsymbol{AB} AB是零矩阵,一般情况下,不能断定 A = 0 \boldsymbol{A}=\boldsymbol{0} A=0或 B = 0 \boldsymbol{B}=\boldsymbol{0} B=0
矩阵的乘幂
若
A
\boldsymbol{A}
A是
n
×
n
n \times n
n×n矩阵,
k
k
k是正整数,则
A
k
\boldsymbol{A}^{k}
Ak表示
k
k
k个
A
\boldsymbol{A}
A的乘积:
A
k
=
A
⋯
A
⎵
k
个
\boldsymbol{A}^{k}=\underbrace{\boldsymbol{A}\cdots\boldsymbol{A}}_{k个}
Ak=k个
A⋯A
若 A \boldsymbol{A} A不是零矩阵,且 x \boldsymbol{x} x属于 R n \mathbb{R}^{n} Rn,则 A k x \boldsymbol{A}^{k}\boldsymbol{x} Akx表示 x \boldsymbol{x} x被 A \boldsymbol{A} A连续左乘 k k k次。若 k = 0 k=0 k=0,则 A 0 x \boldsymbol{A}^{0}\boldsymbol{x} A0x就是 x \boldsymbol{x} x本身。因此 A 0 \boldsymbol{A}^{0} A0被解释为单位矩阵。
矩阵的转置
给定 m × n m \times n m×n矩阵 A \boldsymbol{A} A,则 A \boldsymbol{A} A的转置是一个 n × m n \times m n×m矩阵,用 A T \boldsymbol{A}^{T} AT表示,它的列是由 A \boldsymbol{A} A的对应行构成的。
若 A = [ 1 1 1 1 − 3 5 − 2 7 ] \boldsymbol{A}=\begin{bmatrix}1 & 1 & 1 & 1 \\ -3 & 5 & -2 & 7\end{bmatrix} A=[1−3151−217],则 A T = [ 1 − 3 1 5 1 − 2 1 7 ] \boldsymbol{A}^{T}=\begin{bmatrix}1 & -3 \\ 1 & 5 \\ 1 & -2 \\ 1 & 7\end{bmatrix} AT=⎣⎢⎢⎡1111−35−27⎦⎥⎥⎤
定理3
  
\;
设
A
\boldsymbol{A}
A与
B
\boldsymbol{B}
B表示矩阵,
r
r
r表示标量,其维数使下列和与积有定义,则
a
.
  
(
A
T
)
T
=
A
b
.
  
(
A
+
B
)
T
=
A
T
+
B
T
c
.
  
(
r
A
)
T
=
r
A
T
d
.
  
(
A
B
)
T
=
B
T
A
T
\begin{aligned} & a.\;(\boldsymbol{A}^{T})^{T}=\boldsymbol{A} & & b.\;(\boldsymbol{A}+\boldsymbol{B})^{T}=\boldsymbol{A}^{T}+\boldsymbol{B}^{T} \\ & c.\;(r\boldsymbol{A})^{T}=r\boldsymbol{A}^{T} & & d.\;(\boldsymbol{A}\boldsymbol{B})^{T}=\boldsymbol{B}^{T}\boldsymbol{A}^{T} \end{aligned}
a.(AT)T=Ac.(rA)T=rATb.(A+B)T=AT+BTd.(AB)T=BTAT