矩阵
%
矩阵(Matrix)是一个按照长方阵列排列的复数或实数集合,一般用大写字母表示。例如由
m
×
n
m\times n
m×n 个数
a
i
,
j
a_{i,j}
ai,j 排成的
m
m
m 行
n
n
n 列的数表称为
m
m
m 行
n
n
n 列的矩阵,简称
m
×
n
m\times n
m×n 矩阵。记作:
A
=
[
a
1
,
1
a
1
,
2
⋯
a
1
,
n
a
2
,
1
a
2
,
2
⋯
a
2
,
n
a
3
,
1
a
3
,
2
⋯
a
3
,
n
⋯
⋯
⋯
a
m
,
1
a
m
,
2
⋯
a
m
,
n
]
\boldsymbol{A} = \begin{bmatrix} a_{1,1} & a_{1,2} & \cdots & a_{1,n} \\ a_{2,1} & a_{2,2} & \cdots & a_{2,n} \\ a_{3,1} & a_{3,2} & \cdots & a_{3,n} \\ \cdots & \cdots & & \cdots \\ a_{m,1} & a_{m,2} & \cdots & a_{m,n} \end{bmatrix}
A=⎣⎢⎢⎢⎢⎡a1,1a2,1a3,1⋯am,1a1,2a2,2a3,2⋯am,2⋯⋯⋯⋯a1,na2,na3,n⋯am,n⎦⎥⎥⎥⎥⎤ 这
m
×
n
m\times n
m×n 个数称为矩阵
A
\boldsymbol{A}
A 的元素,简称为元,数
a
i
,
j
a_{i,j}
ai,j 位于矩阵
A
\boldsymbol{A}
A 的第
i
i
i 行第
j
j
j 列。
元素是实数的矩阵称为实矩阵,元素是复数的矩阵称为复矩阵。而行数与列数都等于
n
n
n 的矩阵称为
n
n
n 阶矩阵或
n
n
n 阶方阵。
% 如果这两个或者两个以上的矩阵的行数和列数都相同,那么我们就说这两个或两个以上的矩阵是同型矩阵。
矩阵加法
%
一般地,矩阵的加法只能在同型矩阵中进行,结果等于两个矩阵的对应位置相加。减法为加法的逆运算,矩阵的加减法满足交换律和结合律。例如:
[
1
2
3
4
]
+
[
2
5
1
3
]
=
[
1
+
2
2
+
5
1
+
3
3
+
4
]
=
[
3
7
4
7
]
\begin{bmatrix} 1&2\\ 3&4 \end{bmatrix} + \begin{bmatrix} 2&5\\ 1&3 \end{bmatrix} =\begin{bmatrix} 1+2&2+5\\ 1+3&3+4 \end{bmatrix} =\begin{bmatrix} 3&7\\ 4&7 \end{bmatrix}
[1324]+[2153]=[1+21+32+53+4]=[3477]
矩阵的数乘
%
一般地,矩阵乘上一个数的结果等于矩阵上所有位置都乘上这个数,这被称为矩阵的数乘,如
2
⋅
[
1
8
−
3
4
−
2
5
]
=
[
2
⋅
1
2
⋅
8
2
⋅
(
−
3
)
2
⋅
4
2
⋅
(
−
2
)
2
⋅
5
]
=
[
2
16
−
6
8
−
4
10
]
2 \cdot \begin{bmatrix} 1 & 8 & -3 \\ 4 & -2 & 5 \end{bmatrix} =\begin{bmatrix} 2 \cdot 1 & 2\cdot 8 & 2\cdot (-3) \\ 2\cdot 4 & 2\cdot (-2) & 2\cdot 5 \end{bmatrix} =\begin{bmatrix} 2 & 16 & -6 \\ 8 & -4 & 10 \end{bmatrix}
2⋅[148−2−35]=[2⋅12⋅42⋅82⋅(−2)2⋅(−3)2⋅5]=[2816−4−610]
%
矩阵的数乘满足分配率,交换律,结合律,对于数
λ
\lambda
λ 和
μ
\mu
μ,矩阵
A
\boldsymbol{A}
A,有
λ
(
μ
A
)
=
(
λ
μ
)
A
=
μ
(
λ
A
)
(
λ
+
μ
)
A
=
λ
A
+
μ
A
λ
(
A
+
B
)
=
λ
A
+
λ
B
\begin{aligned}\lambda(\mu \boldsymbol{A})=(\lambda\mu) \boldsymbol{A}=\mu(\lambda \boldsymbol{A})\\ (\lambda+\mu)\boldsymbol{A}=\lambda \boldsymbol{A}+\mu \boldsymbol{A}\\ \lambda(\boldsymbol{A}+\boldsymbol{B})=\lambda \boldsymbol{A}+\lambda \boldsymbol{B}\end{aligned}
λ(μA)=(λμ)A=μ(λA)(λ+μ)A=λA+μAλ(A+B)=λA+λB
矩阵的转置
%
把矩阵
A
\boldsymbol{A}
A 的行和列互相交换所产生的矩阵称为
A
\boldsymbol{A}
A 的转置矩阵,记作
A
T
\boldsymbol{A}^{T}
AT,如
[
2
4
3
0
−
2
8
]
T
=
[
2
0
4
−
2
3
8
]
\begin{bmatrix} 2 & 4 & 3 \\ 0 & -2 & 8 \end{bmatrix}^T = \begin{bmatrix} 2 & 0 \\ 4 & -2 \\ 3 & 8 \end{bmatrix}
[204−238]T=⎣⎡2430−28⎦⎤
%
矩阵的转置满足如下性质
(
A
T
)
T
=
A
(
λ
A
)
T
=
λ
A
T
(
A
B
)
T
=
B
T
A
T
\begin{aligned}(\boldsymbol{A}^{T})^T&=\boldsymbol{A}\\ (\lambda \boldsymbol{A})^T&=\lambda \boldsymbol{A}^T\\ (\boldsymbol{AB})^T&=\boldsymbol{B}^T\boldsymbol{A}^T\end{aligned}
(AT)T(λA)T(AB)T=A=λAT=BTAT
矩阵的共轭
%
一个矩阵的共轭定义为其在位置上的数的取共轭后得到的矩阵,对于
A
=
[
3
+
i
5
2
−
2
i
i
]
\boldsymbol{A}=\begin{bmatrix} 3 + i & 5 \\ 2-2i & i \end{bmatrix}
A=[3+i2−2i5i] 其共轭为
A
‾
=
[
3
−
i
5
2
+
2
i
−
i
]
\overline \boldsymbol{A} = \begin{bmatrix} 3 - i & 5 \\ 2+2i & -i \end{bmatrix}
A=[3−i2+2i5−i]
矩阵乘法
% 一般地,两个矩阵的乘法仅当第一个矩阵 A \boldsymbol{A} A 的列数和另一个矩阵 B \boldsymbol{B} B 的行数相等时才能定义。如 A \boldsymbol{A} A 是 m × n m×n m×n 矩阵和 B \boldsymbol{B} B 是 n × p n×p n×p 矩阵,它们的乘积 C \boldsymbol{C} C 是一个 m × p m×p m×p 矩阵 ,对于元素 c i , j c_{i,j} ci,j,有 c i , j = ∑ k = 1 n a i , k b k , j c_{i,j}=\sum_{k=1}^na_{i,k}b_{k,j} ci,j=k=1∑nai,kbk,j 记作 C = A B \boldsymbol{C}=\boldsymbol{A}\boldsymbol{B} C=AB 如 [ 1 0 2 − 1 3 1 ] × [ 3 1 2 1 1 0 ] = [ ( 1 × 3 + 0 × 2 + 2 × 1 ) ( 1 × 1 + 0 × 1 + 2 × 0 ) ( − 1 × 3 + 3 × 2 + 1 × 1 ) ( − 1 × 1 + 3 × 1 + 1 × 0 ) ] = [ 5 1 4 2 ] \begin{bmatrix} 1 & 0 & 2 \\ -1 & 3 & 1 \\ \end{bmatrix} \times \begin{bmatrix} 3 & 1 \\ 2 & 1 \\ 1 & 0 \end{bmatrix} = \begin{bmatrix} (1 \times 3 + 0 \times 2 + 2 \times 1) & (1 \times 1 + 0 \times 1 + 2 \times 0) \\ (-1 \times 3 + 3 \times 2 + 1 \times 1) & (-1 \times 1 + 3 \times 1 + 1 \times 0) \\ \end{bmatrix} =\begin{bmatrix} 5 & 1 \\ 4 & 2 \\ \end{bmatrix} [1−10321]×⎣⎡321110⎦⎤=[(1×3+0×2+2×1)(−1×3+3×2+1×1)(1×1+0×1+2×0)(−1×1+3×1+1×0)]=[5412]
%
矩阵的乘法满足结合律,分配率,但不满足交换律。
(
A
B
)
C
=
A
(
B
C
)
(
A
+
B
)
C
=
A
C
+
B
C
C
(
A
+
B
)
=
C
A
+
C
B
\begin{aligned} \left(\boldsymbol{AB}\right)\boldsymbol{C}&=\boldsymbol{A}\left(\boldsymbol{BC}\right)\\ (\boldsymbol{A}+\boldsymbol{B})\boldsymbol{C}&=\boldsymbol{AC}+\boldsymbol{BC}\\ \boldsymbol{C}(\boldsymbol{A}+\boldsymbol{B})&=\boldsymbol{CA}+\boldsymbol{CB} \end{aligned}
(AB)C(A+B)CC(A+B)=A(BC)=AC+BC=CA+CB
向量
% 向量可视为特殊的矩阵,其也拥有上述的性质。
余子式和代数余子式
%
把一个
n
n
n 阶行列式(本质是一个方阵,先往后看)
A
\boldsymbol{A}
A 中的元素
a
i
,
j
a_{i,j}
ai,j 所在的第
i
i
i 行和第
j
j
j 列划去后,留下来的
n
−
1
n-1
n−1 阶行列式叫做元素
a
i
,
j
a_{i,j}
ai,j 的余子式,记作
M
i
,
j
\boldsymbol{M} _{i,j}
Mi,j。记
D
i
,
j
=
(
−
1
)
i
+
j
M
i
,
j
\boldsymbol{D} _{i,j}=(-1)^{i+j}\boldsymbol{M} _{i,j}
Di,j=(−1)i+jMi,j,叫做元素
a
i
,
j
a_{i,j}
ai,j 的代数余子式。例如:
A
=
∣
a
1
,
1
a
1
,
2
a
1
,
3
a
1
,
4
a
2
,
1
a
2
,
2
a
2
,
3
a
2
,
4
a
3
,
1
a
3
,
2
a
3
,
3
a
3
,
4
a
4
,
1
a
4
,
2
a
4
,
3
a
4
,
4
∣
,
M
=
∣
a
1
,
1
a
1
,
2
a
1
,
4
a
3
,
1
a
3
,
2
a
3
,
4
a
4
,
1
a
4
,
2
a
4
,
4
∣
,
\boldsymbol{A} = \begin{vmatrix} a_{1,1} & a_{1,2} & a_{1,3} &a_{1,4} \\ a_{2,1} & a_{2,2} & a_{2,3 } & a_{2,4 }\\ a_{3,1} & a_{3,2} & a_{3,3} &a_{3,4} \\ a_{4,1} & a_{4,2} &a_{4,3} & a_{4,4} \end{vmatrix},\boldsymbol{M} = \begin{vmatrix} a_{1,1} & a_{1,2} &a_{1,4} \\ a_{3,1} & a_{3,2} &a_{3,4} \\ a_{4,1} & a_{4,2} & a_{4,4} \end{vmatrix},
A=∣∣∣∣∣∣∣∣a1,1a2,1a3,1a4,1a1,2a2,2a3,2a4,2a1,3a2,3a3,3a4,3a1,4a2,4a3,4a4,4∣∣∣∣∣∣∣∣,M=∣∣∣∣∣∣a1,1a3,1a4,1a1,2a3,2a4,2a1,4a3,4a4,4∣∣∣∣∣∣, 则
D
2
,
3
=
(
−
1
)
2
+
3
M
2
,
3
=
−
M
2
,
3
.
\boldsymbol{D} _{2,3}= \left ( -1 \right )^{2+3} \boldsymbol{M} _{2,3}= - \boldsymbol{M} _{2,3}.
D2,3=(−1)2+3M2,3=−M2,3.
行列式
%
一个
n
×
n
n×n
n×n 矩阵的行列式等于其任意行(或列)的元素与对应的代数余子式乘积之和,记作
det
(
A
)
\det(\boldsymbol{A})
det(A) 或
∣
A
∣
|\boldsymbol{A}|
∣A∣:
det
(
A
)
=
a
i
,
1
D
i
,
1
+
.
.
.
+
a
i
,
n
D
i
,
n
=
∑
j
=
1
n
a
i
,
j
(
−
1
)
i
+
j
M
i
,
j
.
\det\left ( \boldsymbol{A}\right )=a_{i,1}\boldsymbol{D}_{i,1}+...+a_{i,n}\boldsymbol{D}_{i,n}=\sum_{j=1}^{n}a_{i,j}\left ( -1 \right )^{i+j} {\boldsymbol{M}_{i,j}}.
det(A)=ai,1Di,1+...+ai,nDi,n=j=1∑nai,j(−1)i+jMi,j.
特征值和特征向量
% 设 A \boldsymbol{A} A 是 n n n 阶方阵,如果存在常数 λ \lambda λ 和非零向量 x ⃗ \vec x x,满足 λ x ⃗ = A x ⃗ \lambda\vec x=\boldsymbol{A}\vec x λx=Ax,则称 λ \lambda λ 为矩阵 A \boldsymbol{A} A 的特征值,可记作 λ ( A ) \lambda(\boldsymbol{A}) λ(A), x ⃗ \vec x x 是 A \boldsymbol{A} A 属于特征值 λ \lambda λ 的特征向量。
特征多项式和特征方程
给定
n
n
n 阶矩阵
A
\boldsymbol{A}
A,行列式
∣
λ
E
−
A
∣
=
∣
λ
−
a
1
,
1
−
a
1
,
2
⋯
−
a
1
,
4
−
a
2
,
1
λ
−
a
2
,
2
⋯
−
a
2
,
4
⋯
⋯
a
3
,
4
−
a
4
,
1
−
a
4
,
2
⋯
λ
−
a
4
,
4
∣
|\lambda \boldsymbol{E}-\boldsymbol{A}|=\begin{vmatrix} \lambda-a_{1,1} & -a_{1,2} & \cdots &-a_{1,4} \\ -a_{2,1} & \lambda-a_{2,2} &\cdots & -a_{2,4 }\\ \cdots & \cdots & &a_{3,4} \\ -a_{4,1} & -a_{4,2} &\cdots & \lambda-a_{4,4} \end{vmatrix}
∣λE−A∣=∣∣∣∣∣∣∣∣λ−a1,1−a2,1⋯−a4,1−a1,2λ−a2,2⋯−a4,2⋯⋯⋯−a1,4−a2,4a3,4λ−a4,4∣∣∣∣∣∣∣∣ 的结果是一个关于
λ
\lambda
λ 的多项式,称为矩阵
A
\boldsymbol{A}
A 的特征多项式,该特征多项式构成的方程
∣
λ
E
−
A
∣
=
0
|\lambda \boldsymbol{E}-\boldsymbol{A}|=0
∣λE−A∣=0 称为矩阵
A
\boldsymbol{A}
A 的特征方程。
矩阵的迹
% 一个 n × n n\times n n×n 的矩阵 A \boldsymbol{A} A 的对角元素之和称为矩阵 A \boldsymbol{A} A 的迹(trace),记作 t r ( A ) tr(\boldsymbol{A}) tr(A),即 t r ( A ) = ∑ i = 1 n a i , i . tr(\boldsymbol{A})=\sum_{i=1}^na_{i,i}. tr(A)=i=1∑nai,i.
单位矩阵
% 一个 n × n n×n n×n 的矩阵,其主对角线上的元素是 1 1 1,其余元素都为 0 0 0 的矩阵称为 n n n 阶单位矩阵,记作 I n \boldsymbol{I}_n In。可以证明,单位矩阵为矩阵乘法运算的单位元,即所有矩阵和单位矩阵的乘法仍等于原矩阵,对于 n n n 阶矩阵 A \boldsymbol{A} A,有 A I = A = I A \boldsymbol{AI}=\boldsymbol{A}=\boldsymbol{IA} AI=A=IA
逆矩阵
%
对于矩阵
A
\boldsymbol{A}
A,满足
A
A
−
1
=
A
−
1
A
=
1
\boldsymbol{A}\boldsymbol{A}^{-1}=\boldsymbol{A}^{-1}\boldsymbol{A}=1
AA−1=A−1A=1 的矩阵
A
−
1
\boldsymbol{A}^{-1}
A−1 称作矩阵
A
\boldsymbol{A}
A 的逆矩阵。事实上,人工对高于2阶的矩阵求逆是一件很崩溃的事情。
奇异矩阵
% 当一个矩阵没有逆矩阵的时候,称该矩阵为奇异矩阵。当且仅当一个矩阵的行列式为零时,该矩阵是奇异矩阵。换句话说,一个矩阵存在逆矩阵,当且仅当这个矩阵的行列式不为零。
对称矩阵
% 如果一个矩阵转置后等于原矩阵,那么这个矩阵称为对称矩阵。