本篇笔记首先回顾了矩阵的运算,并通过数的除法讨论逆矩阵的引入部分,需要注意: 永 远 不 要 把 矩 阵 放 到 分 母 上 ! \color{red}{永远不要把矩阵放到分母上!} 永远不要把矩阵放到分母上!所以矩阵不存在除法的说法;然后通过矩阵的属性讨论了方阵的行列式,以及方阵行列式的三条性质;最后重点介绍了方阵的伴随矩阵,包括伴随矩阵的求法,以及伴随矩阵相关的定理和推论。
1 矩阵运算回顾
前面在介绍矩阵的运算时,已经学习过了矩阵的加法、矩阵的减法、矩阵的数乘以及矩阵的乘法,那矩阵是否有除法运算呢?“矩阵的除法”就是下一篇博客要介绍的逆矩阵,其实矩阵只有逆矩阵,并没有除法的说法。
比如对于数来说:
2
×
1
2
=
1
2
×
2
=
1
2×\frac{1}{2}=\frac{1}{2}×2=1
2×21=21×2=1,
那么能否找到矩阵
A
A
A和矩阵
B
B
B,使得:
A
×
B
=
B
×
A
=
E
A×B=B×A=E
A×B=B×A=E。
是否是 B = 1 A B=\frac{1}{A} B=A1呢?因为: A × 1 A = 1 A × A = E \bcancel{A}×\frac{1}{\bcancel{A}}=\frac{1}{\bcancel{A}}×\bcancel{A}=E A ×A 1=A 1×A =E。
以上做法是错误的! 永 远 不 要 把 矩 阵 放 到 分 母 上 \color{red}{永远不要把矩阵放到分母上} 永远不要把矩阵放到分母上。
2 方阵的行列式
将给定方阵的元素作为行列式的元素就叫方阵的行列式。
例如:方阵 A = [ 2 2 2 3 3 3 1 1 1 ] A=\begin{bmatrix}2&2&2\\3&3&3\\1&1&1\end{bmatrix} A=⎣⎡231231231⎦⎤,则其行列式记作: ∣ A ∣ |A| ∣A∣,故 ∣ A ∣ = ∣ 2 2 2 3 3 3 1 1 1 ∣ |A|=\begin{vmatrix}2&2&2\\3&3&3\\1&1&1\end{vmatrix} ∣A∣=∣∣∣∣∣∣231231231∣∣∣∣∣∣。
不难发现,上述 ∣ A ∣ = 0 |A|=0 ∣A∣=0,我们知道,行列式表示一个数,而矩阵表示一个数表,那么求矩阵的行列式是什么意思呢?其实矩阵具有很多的属性,方阵的行列式是方阵其中的一个属性,其他属性例如:
矩阵 { 特 征 值 特 征 向 量 行 列 式 . . . \begin{cases} 特征值\\ 特征向量\\ 行列式\\ ...\\ \end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧特征值特征向量行列式...
3 方阵行列式的性质
①
∣
A
T
∣
=
∣
A
∣
\color{red}{|A^T|=|A|}
∣AT∣=∣A∣
原因:行列式性质第一条,行列式转置值不变。
★ ②
∣
k
A
∣
=
k
n
∣
A
∣
\color{red}{|kA|=k^n|A|}
∣kA∣=kn∣A∣
原因:矩阵所有元素有公因子向外提
1
1
1次,行列式所有元素的公因子向外提
n
n
n次。
例如: A = [ 1 1 1 2 2 2 3 3 3 ] A=\begin{bmatrix}1&1&1\\2&2&2\\3&3&3\end{bmatrix} A=⎣⎡123123123⎦⎤
k A = [ k k k 2 k 2 k 2 k 3 k 3 k 3 k ] kA=\begin{bmatrix}k&k&k\\2k&2k&2k\\3k&3k&3k\end{bmatrix} kA=⎣⎡k2k3kk2k3kk2k3k⎦⎤
∣ k A ∣ = ∣ k k k 2 k 2 k 2 k 3 k 3 k 3 k ∣ |kA|=\begin{vmatrix}k&k&k\\2k&2k&2k\\3k&3k&3k\end{vmatrix} ∣kA∣=∣∣∣∣∣∣k2k3kk2k3kk2k3k∣∣∣∣∣∣
∣ k A ∣ = k 3 ∣ 1 1 1 2 2 2 3 3 3 ∣ = k 3 ∣ A ∣ |kA|=k^3\begin{vmatrix}1&1&1\\2&2&2\\3&3&3\end{vmatrix}=k^3|A| ∣kA∣=k3∣∣∣∣∣∣123123123∣∣∣∣∣∣=k3∣A∣
③
∣
A
B
∣
=
∣
A
∣
∣
B
∣
\color{red}{|AB|=|A||B|}
∣AB∣=∣A∣∣B∣
行列式的乘法定理,前提条件:
A
A
A、
B
B
B为同阶,可以推广到多个方阵相乘的情况,如
∣
A
B
C
∣
=
∣
A
∣
∣
B
∣
∣
C
∣
|ABC|=|A||B||C|
∣ABC∣=∣A∣∣B∣∣C∣。
例1:已知 A A A为 5 5 5阶方阵,并且 ∣ A ∣ = 3 |A|=3 ∣A∣=3,求 ∣ − A ∣ |-A| ∣−A∣、 ∣ 2 A T ∣ |2A^T| ∣2AT∣、 ∣ ∣ ∣ A ∣ A ∣ |||A|A| ∣∣∣A∣A∣和 ∣ ∣ ∣ ∣ A ∣ A ∣ A ∣ A ∣ ||||A|A|A|A| ∣∣∣∣A∣A∣A∣A∣。
(1) ∣ − A ∣ = ( − 1 ) 5 ∣ A ∣ = − 1 × 3 = − 3 |-A|=(-1)^5|A|=-1×3=-3 ∣−A∣=(−1)5∣A∣=−1×3=−3;
(2) ∣ 2 A T ∣ = 2 5 ∣ A T ∣ = 2 5 ∣ A ∣ = 2 5 × 3 = 96 |2A^T|=2^5|A^T|=2^5|A|=2^5×3=96 ∣2AT∣=25∣AT∣=25∣A∣=25×3=96;
(3) ∣ ∣ A ∣ A ∣ = ∣ 3 A ∣ = 3 5 ∣ 3 ∣ = 3 5 × 3 = 3 6 ||A|A|=|3A|=3^5|3|=3^5×3=3^6 ∣∣A∣A∣=∣3A∣=35∣3∣=35×3=36;
(4)
∣
∣
∣
∣
A
∣
A
∣
A
∣
A
∣
||||A|A|A|A|
∣∣∣∣A∣A∣A∣A∣
=
∣
∣
∣
3
A
∣
A
∣
A
∣
=|||3A|A|A|
=∣∣∣3A∣A∣A∣
=
∣
∣
3
5
∣
A
∣
A
∣
A
∣
=||3^5|A|A|A|
=∣∣35∣A∣A∣A∣
=
∣
∣
3
5
×
3
A
∣
A
∣
=||3^5×3A|A|
=∣∣35×3A∣A∣
=
∣
∣
3
6
A
∣
A
∣
=||3^6A|A|
=∣∣36A∣A∣
=
∣
(
3
6
)
5
∣
A
∣
A
∣
=|(3^6)^5|A|A|
=∣(36)5∣A∣A∣
=
∣
3
30
∣
A
∣
A
∣
=|3^{30}|A|A|
=∣330∣A∣A∣
=
∣
3
30
×
3
A
∣
=|3^{30}×3A|
=∣330×3A∣
=
∣
3
31
A
∣
=|3^{31}A|
=∣331A∣
=
(
3
31
)
5
∣
A
∣
=(3^{31})^5|A|
=(331)5∣A∣
=
3
155
∣
A
∣
=3^{155}|A|
=3155∣A∣
=
3
155
×
3
=3^{155}×3
=3155×3
=
3
156
=3^{156}
=3156
4 伴随矩阵
只有方阵才有伴随矩阵。
定义:假设
n
n
n阶方阵
A
A
A,
A
i
j
A_{ij}
Aij是其元素
a
i
j
a_{ij}
aij的代数余子式,那么矩阵
A
A
A的伴随矩阵:
A
∗
=
[
A
11
A
21
⋯
A
n
1
A
12
A
22
⋯
A
n
2
⋮
⋮
⋱
⋮
A
1
n
A
2
n
⋯
A
n
n
]
A^*=\begin{bmatrix} A_{11}&A_{21}&{\cdots}&A_{n1}\\ A_{12}&A_{22}&{\cdots}&A_{n2}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ A_{1n}&A_{2n}&{\cdots}&A_{nn}\\ \end{bmatrix}
A∗=⎣⎢⎢⎢⎡A11A12⋮A1nA21A22⋮A2n⋯⋯⋱⋯An1An2⋮Ann⎦⎥⎥⎥⎤。
矩阵 A A A的伴随矩阵记作 A ∗ A^* A∗。
例2:矩阵 A = [ 1 1 1 2 1 3 1 1 4 ] A=\begin{bmatrix}1&1&1\\2&1&3\\1&1&4\end{bmatrix} A=⎣⎡121111134⎦⎤
① 第一步:分别求所有元素的代数余子式
A
11
=
(
−
1
)
1
+
1
∣
1
3
1
4
∣
=
1
A_{11}=(-1)^{1+1}\begin{vmatrix}1&3\\1&4\end{vmatrix}=1
A11=(−1)1+1∣∣∣∣1134∣∣∣∣=1
A
12
=
(
−
1
)
1
+
2
∣
2
3
1
4
∣
=
−
5
A_{12}=(-1)^{1+2}\begin{vmatrix}2&3\\1&4\end{vmatrix}=-5
A12=(−1)1+2∣∣∣∣2134∣∣∣∣=−5
A
13
=
(
−
1
)
1
+
3
∣
2
1
1
1
∣
=
1
A_{13}=(-1)^{1+3}\begin{vmatrix}2&1\\1&1\end{vmatrix}=1
A13=(−1)1+3∣∣∣∣2111∣∣∣∣=1
A
21
=
(
−
1
)
2
+
1
∣
1
1
1
4
∣
=
−
3
A_{21}=(-1)^{2+1}\begin{vmatrix}1&1\\1&4\end{vmatrix}=-3
A21=(−1)2+1∣∣∣∣1114∣∣∣∣=−3
A
22
=
(
−
1
)
2
+
2
∣
1
1
1
4
∣
=
3
A_{22}=(-1)^{2+2}\begin{vmatrix}1&1\\1&4\end{vmatrix}=3
A22=(−1)2+2∣∣∣∣1114∣∣∣∣=3
A
23
=
(
−
1
)
2
+
3
∣
1
1
1
1
∣
=
0
A_{23}=(-1)^{2+3}\begin{vmatrix}1&1\\1&1\end{vmatrix}=0
A23=(−1)2+3∣∣∣∣1111∣∣∣∣=0
A
31
=
(
−
1
)
3
+
1
∣
1
1
1
3
∣
=
2
A_{31}=(-1)^{3+1}\begin{vmatrix}1&1\\1&3\end{vmatrix}=2
A31=(−1)3+1∣∣∣∣1113∣∣∣∣=2
A
32
=
(
−
1
)
3
+
2
∣
1
1
2
3
∣
=
−
1
A_{32}=(-1)^{3+2}\begin{vmatrix}1&1\\2&3\end{vmatrix}=-1
A32=(−1)3+2∣∣∣∣1213∣∣∣∣=−1
A
33
=
(
−
1
)
3
+
3
∣
1
1
2
1
∣
=
−
1
A_{33}=(-1)^{3+3}\begin{vmatrix}1&1\\2&1\end{vmatrix}=-1
A33=(−1)3+3∣∣∣∣1211∣∣∣∣=−1
② 第二步:按行求的代数余子式按列放构成矩阵
A
∗
=
[
1
−
3
2
−
5
3
−
1
1
0
−
1
]
A^*=\begin{bmatrix}1&-3&2\\-5&3&-1\\1&0&-1\end{bmatrix}
A∗=⎣⎡1−51−3302−1−1⎦⎤
求伴随矩阵的口诀: 按 行 求 , 按 列 放 \color{red}{按行求,按列放} 按行求,按列放。
定理2.4.1:对于任意方阵 A A A,有: A A ∗ = A ∗ A = ∣ A ∣ E \color{red}{AA^*=A^*A=|A|E} AA∗=A∗A=∣A∣E。
证明:
①
A
A
∗
=
[
a
11
a
12
⋯
a
1
n
a
21
a
22
⋯
a
2
n
⋮
⋮
⋱
⋮
a
n
1
a
n
2
⋯
a
n
n
]
[
A
11
A
21
⋯
A
n
1
A
12
A
22
⋯
A
n
2
⋮
⋮
⋱
⋮
A
1
n
A
2
n
⋯
A
n
n
]
AA^*=\begin{bmatrix} a_{11}&a_{12}&{\cdots}&a_{1n}\\ a_{21}&a_{22}&{\cdots}&a_{2n}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ a_{n1}&a_{n2}&{\cdots}&a_{nn}\\ \end{bmatrix}\begin{bmatrix} A_{11}&A_{21}&{\cdots}&A_{n1}\\ A_{12}&A_{22}&{\cdots}&A_{n2}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ A_{1n}&A_{2n}&{\cdots}&A_{nn}\\ \end{bmatrix}
AA∗=⎣⎢⎢⎢⎡a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1na2n⋮ann⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡A11A12⋮A1nA21A22⋮A2n⋯⋯⋱⋯An1An2⋮Ann⎦⎥⎥⎥⎤
根据矩阵的乘法得:
=
[
a
11
A
11
+
a
12
A
12
+
.
.
.
+
a
1
n
A
1
n
a
11
A
21
+
a
12
A
22
+
.
.
.
+
a
1
n
A
2
n
⋯
a
11
A
n
1
+
a
12
A
n
2
+
.
.
.
+
a
1
n
A
n
n
a
21
A
11
+
a
22
A
12
+
.
.
.
+
a
2
n
A
1
n
a
21
A
21
+
a
22
A
22
+
.
.
.
+
a
2
n
A
2
n
⋯
a
21
A
n
1
+
a
22
A
n
2
+
.
.
.
+
a
2
n
A
n
n
⋮
⋮
⋱
⋮
a
n
1
A
11
+
a
n
2
A
12
+
.
.
.
+
a
n
n
A
1
n
a
n
1
A
21
+
a
n
2
A
22
+
.
.
.
+
a
n
n
A
2
n
⋯
a
n
1
A
n
1
+
a
n
2
A
n
2
+
.
.
.
+
a
n
n
A
n
n
]
=\begin{bmatrix} a_{11}A_{11}+a_{12}A_{12}+...+a_{1n}A_{1n}&a_{11}A_{21}+a_{12}A_{22}+...+a_{1n}A_{2n}&{\cdots}&a_{11}A_{n1}+a_{12}A_{n2}+...+a_{1n}A_{nn}\\ a_{21}A_{11}+a_{22}A_{12}+...+a_{2n}A_{1n}&a_{21}A_{21}+a_{22}A_{22}+...+a_{2n}A_{2n}&{\cdots}&a_{21}A_{n1}+a_{22}A_{n2}+...+a_{2n}A_{nn}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ a_{n1}A_{11}+a_{n2}A_{12}+...+a_{nn}A_{1n}&a_{n1}A_{21}+a_{n2}A_{22}+...+a_{nn}A_{2n}&{\cdots}&a_{n1}A_{n1}+a_{n2}A_{n2}+...+a_{nn}A_{nn}\\ \end{bmatrix}
=⎣⎢⎢⎢⎡a11A11+a12A12+...+a1nA1na21A11+a22A12+...+a2nA1n⋮an1A11+an2A12+...+annA1na11A21+a12A22+...+a1nA2na21A21+a22A22+...+a2nA2n⋮an1A21+an2A22+...+annA2n⋯⋯⋱⋯a11An1+a12An2+...+a1nAnna21An1+a22An2+...+a2nAnn⋮an1An1+an2An2+...+annAnn⎦⎥⎥⎥⎤
根据行列式的按行展开定理:某行元素与其对应代数余子式相乘等于行列式的值,即: a 11 A 11 + a 12 A 12 + . . . + a 1 n A 1 n = ∣ A ∣ a_{11}A_{11}+a_{12}A_{12}+...+a_{1n}A_{1n}=|A| a11A11+a12A12+...+a1nA1n=∣A∣。
根据异乘变零定理:某行元素与其他行元素对应代数余子式相乘等于零,即: a 11 A 21 + a 12 A 22 + . . . + a 1 n A 2 n = 0 a_{11}A_{21}+a_{12}A_{22}+...+a_{1n}A_{2n}=0 a11A21+a12A22+...+a1nA2n=0。
同理其他元素也是相同的处理,所以上述表达式:
=
[
∣
A
∣
0
⋯
0
0
∣
A
∣
⋯
0
⋮
⋮
⋱
⋮
0
0
⋯
∣
A
∣
]
=\begin{bmatrix} |A|&0&{\cdots}&0\\ 0&|A|&{\cdots}&0\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ 0&0&{\cdots}&|A|\\ \end{bmatrix}
=⎣⎢⎢⎢⎡∣A∣0⋮00∣A∣⋮0⋯⋯⋱⋯00⋮∣A∣⎦⎥⎥⎥⎤
= ∣ A ∣ E =|A|E =∣A∣E
② A ∗ A = [ A 11 A 21 ⋯ A n 1 A 12 A 22 ⋯ A n 2 ⋮ ⋮ ⋱ ⋮ A 1 n A 2 n ⋯ A n n ] [ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ] A^*A=\begin{bmatrix} A_{11}&A_{21}&{\cdots}&A_{n1}\\ A_{12}&A_{22}&{\cdots}&A_{n2}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ A_{1n}&A_{2n}&{\cdots}&A_{nn}\\ \end{bmatrix}\begin{bmatrix} a_{11}&a_{12}&{\cdots}&a_{1n}\\ a_{21}&a_{22}&{\cdots}&a_{2n}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ a_{n1}&a_{n2}&{\cdots}&a_{nn}\\ \end{bmatrix} A∗A=⎣⎢⎢⎢⎡A11A12⋮A1nA21A22⋮A2n⋯⋯⋱⋯An1An2⋮Ann⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1na2n⋮ann⎦⎥⎥⎥⎤
根据矩阵的乘法得:
=
[
a
11
A
11
+
a
21
A
21
+
.
.
.
+
a
n
1
A
n
1
a
12
A
11
+
a
22
A
21
+
.
.
.
+
a
n
2
A
n
1
⋯
a
1
n
A
11
+
a
2
n
A
21
+
.
.
.
+
a
n
n
A
n
1
a
11
A
12
+
a
21
A
22
+
.
.
.
+
a
n
1
A
n
2
a
12
A
12
+
a
22
A
22
+
.
.
.
+
a
n
2
A
n
2
⋯
a
1
n
A
12
+
a
2
n
A
22
+
.
.
.
+
a
n
n
A
n
2
⋮
⋮
⋱
⋮
a
11
A
1
n
+
a
21
A
2
n
+
.
.
.
+
a
n
1
A
n
n
a
12
A
1
n
+
a
22
A
2
n
+
.
.
.
+
a
n
2
A
n
n
⋯
a
1
n
A
1
n
+
a
2
n
A
2
n
+
.
.
.
+
a
n
n
A
n
n
]
=\begin{bmatrix} a_{11}A_{11}+a_{21}A_{21}+...+a_{n1}A_{n1}&a_{12}A_{11}+a_{22}A_{21}+...+a_{n2}A_{n1}&{\cdots}&a_{1n}A_{11}+a_{2n}A_{21}+...+a_{nn}A_{n1}\\ a_{11}A_{12}+a_{21}A_{22}+...+a_{n1}A_{n2}&a_{12}A_{12}+a_{22}A_{22}+...+a_{n2}A_{n2}&{\cdots}&a_{1n}A_{12}+a_{2n}A_{22}+...+a_{nn}A_{n2}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ a_{11}A_{1n}+a_{21}A_{2n}+...+a_{n1}A_{nn}&a_{12}A_{1n}+a_{22}A_{2n}+...+a_{n2}A_{nn}&{\cdots}&a_{1n}A_{1n}+a_{2n}A_{2n}+...+a_{nn}A_{nn}\\ \end{bmatrix}
=⎣⎢⎢⎢⎡a11A11+a21A21+...+an1An1a11A12+a21A22+...+an1An2⋮a11A1n+a21A2n+...+an1Anna12A11+a22A21+...+an2An1a12A12+a22A22+...+an2An2⋮a12A1n+a22A2n+...+an2Ann⋯⋯⋱⋯a1nA11+a2nA21+...+annAn1a1nA12+a2nA22+...+annAn2⋮a1nA1n+a2nA2n+...+annAnn⎦⎥⎥⎥⎤
根据行列式的按列展开定理:某列元素与其对应代数余子式相乘等于行列式的值,即: a 11 A 11 + a 21 A 21 + . . . + a n 1 A n 1 = ∣ A ∣ a_{11}A_{11}+a_{21}A_{21}+...+a_{n1}A_{n1}=|A| a11A11+a21A21+...+an1An1=∣A∣。
根据异乘变零定理:某列元素与其他列元素对应代数余子式相乘等于零,即: a 12 A 11 + a 22 A 21 + . . . + a n 2 A n 1 = 0 a_{12}A_{11}+a_{22}A_{21}+...+a_{n2}A_{n1}=0 a12A11+a22A21+...+an2An1=0。
同理其他元素也是相同的处理,所以上述表达式:
=
[
∣
A
∣
0
⋯
0
0
∣
A
∣
⋯
0
⋮
⋮
⋱
⋮
0
0
⋯
∣
A
∣
]
=\begin{bmatrix} |A|&0&{\cdots}&0\\ 0&|A|&{\cdots}&0\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ 0&0&{\cdots}&|A|\\ \end{bmatrix}
=⎣⎢⎢⎢⎡∣A∣0⋮00∣A∣⋮0⋯⋯⋱⋯00⋮∣A∣⎦⎥⎥⎥⎤
= ∣ A ∣ E =|A|E =∣A∣E
综上所述: A A ∗ = A ∗ A = ∣ A ∣ E AA^*=A^*A=|A|E AA∗=A∗A=∣A∣E。
推论2.4.1:若 ∣ A ∣ ≠ 0 |A|{\neq}0 ∣A∣=0,则: ∣ A ∗ ∣ = ∣ A ∣ n − 1 \color{red}{|A^*|=|A|^{n-1}} ∣A∗∣=∣A∣n−1。
证明:因为
A
A
∗
=
∣
A
∣
E
AA^*=|A|E
AA∗=∣A∣E,两边取行列式得:
∣
A
A
∗
∣
=
∣
∣
A
∣
E
∣
|AA^*|=||A|E|
∣AA∗∣=∣∣A∣E∣
即:
∣
A
∣
∣
A
∗
∣
=
∣
A
∣
n
∣
E
∣
|A||A^*|=|A|^n|E|
∣A∣∣A∗∣=∣A∣n∣E∣
又因为:
∣
E
∣
=
1
|E|=1
∣E∣=1
所以:
∣
A
∣
∣
A
∗
∣
=
∣
A
∣
n
|A||A^*|=|A|^n
∣A∣∣A∗∣=∣A∣n
因为
∣
A
∣
≠
0
|A|{\neq}0
∣A∣=0,所以两边同时除以
∣
A
∣
|A|
∣A∣得:
∣
A
∗
∣
=
∣
A
∣
n
−
1
|A^*|=|A|^{n-1}
∣A∗∣=∣A∣n−1
故原式获证。
事实上,可以证明,当 ∣ A ∣ = 0 |A|=0 ∣A∣=0时,以上结论也是成立的。
5 引用
《线性代数》高清教学视频 “惊叹号”系列 宋浩老师_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili_2.4 逆矩阵(一)