【线性代数基础进阶】矩阵-part2

最新推荐文章于 2024-07-17 21:40:42 发布

return bool(1)

最新推荐文章于 2024-07-17 21:40:42 发布

阅读量203

点赞数

分类专栏：线性代数文章标签：线性代数矩阵学习

本文链接：https://blog.csdn.net/liu20020918zz/article/details/126366615

版权

线性代数专栏收录该内容

19 篇文章 6 订阅

订阅专栏

文章目录

三、初等变换、初等矩阵

矩阵的初等行变换

用非 $0$ 常数 $k$ 乘 $A$ 某行的每个元素，即倍乘
互换 $A$ 中两行元素的位置，即互换
把 $A$ 中某行所有元素的 $k$ 倍加到另一行的对应元上，即倍加

初等矩阵

单位矩阵经过一次初等变换所得到的矩阵称为初等矩阵

初等矩阵 $P$ 左乘矩阵 $A$ ，其乘积 $P A$ 就是矩阵 $A$ 作一次与 $P$ 同样的行变换
初等矩阵 $P$ 右乘矩阵 $A$ ，其乘积 $A P$ 就是矩阵 $A$ 作一次与 $P$ 同样的列变换

初等矩阵的逆

$\begin{pmatrix}1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 0 & 1\end{pmatrix}\begin{pmatrix}1 & 0 & 0 \\ -2 & 1 & 0 \\ 0 & 0 & 1\end{pmatrix}=\begin{pmatrix}1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1\end{pmatrix}$
初等矩阵若为倍加矩阵，则其逆矩阵为将其倍加的元改为其相反数，例如
$\begin{pmatrix} 1 & 0 & 0 \\ \boxed{2} & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}^{-1}=\begin{pmatrix} 1 & 0 & 0 \\ \boxed{-2} & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}$

$\begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix}\begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix}=\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}$
初等矩阵若为互换矩阵，则其逆矩阵为本身，例如
$\begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix}^{-1}=\begin{pmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{pmatrix}$

$\begin{pmatrix} 1 & 0 & 0 \\ 0 & 5 & 0 \\ 0 & 0 & 1 \end{pmatrix}\begin{pmatrix} 1 & 0 & 0 \\ 0 & \frac{1}{5} & 0 \\ 0 & 0 & 1 \end{pmatrix}=\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}$
初等矩阵若为倍乘矩阵，则其逆矩阵为倍乘的元的倒数，例如
$\begin{pmatrix} 1 & 0 & 0 \\ 0 & \boxed{5} & 0 \\ 0 & 0 & 1 \end{pmatrix}^{-1}=\begin{pmatrix} 1 & 0 & 0 \\ 0 & \boxed{\frac{1}{5}} & 0 \\ 0 & 0 & 1 \end{pmatrix}$

初等矩阵均可逆，且其逆是同一类型的初等矩阵

例：已知 $a_{ij}\ne0$ ，如果 $\begin{pmatrix}a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33}\end{pmatrix}P=\begin{pmatrix}a_{11}^{2} & a_{12} & a_{12}+a_{13} \\ a_{11}a_{21} & a_{22} & a_{22}+a_{23} \\ a_{11}a_{31} & a_{32} & a_{32}+a_{33}\end{pmatrix}$ ，则 $P = ()$

经过第一列乘 $a_{11}$ 倍，第三列加第二列，因此
$P=\begin{pmatrix} a_{11} & 0 & 0 \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{pmatrix}$

例：已知 $A=(a_{ij})$ 是三阶矩阵， $∣ A ∣ = 2$ ，把矩阵 $A$ 的第二行的 $- 5$ 倍加到第三行得到矩阵 $B$ ，则 $3BA^{*})^{-1}=()$

由题意 $B = P A$ ，且
$P=\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & -5 & 1 \end{pmatrix}$
有
$3BA^{*}=3PAA^{*}=3P(|A|E)=6P$
则
$(3BA^{*})^{-1}=(6P)^{-1}=\frac{1}{6}P^{-1}=\frac{1}{6}\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 5 & 1 \end{pmatrix}$

行阶梯矩阵

设 $A$ 为 $m\times n$ 矩阵，若满足

矩阵如有零行，则零行都在矩阵的底部
每个非零行的主元（即该行最左边的第 $1$ 个非 $0$ 元）所在列的下面的元素都是 $0$

则称 $A$ 为行阶梯矩阵

行最简矩阵

设 $A$ 为 $m\times n$ 矩阵，若 $A$ 是行阶梯矩阵，且还满足

非零行的主元都是 $1$ ，且主元所在列的其他元素都是 $0$

则称 $A$ 为行最简矩阵

矩阵等价

矩阵 $A$ 经过有限次初等变换得到矩阵 $B$ 就称矩阵 $A$ 与矩阵 $B$ 等价，记作 $A\overset{\sim}{=}B$

矩阵 $A, B$ 都是 $m\times n$ 的矩阵，则 $A, B$ 等价 $\Leftrightarrow r(A)=r(B)$

设 $A$ 是 $m\times n$ 矩阵，则存在 $m$ 姐可逆矩阵 $P$ 和 $n$ 阶可逆矩阵 $A$ ，使
$PAQ=\begin{pmatrix} E_{r} & O \\ O & O \end{pmatrix}$

例：已知 $A=\begin{pmatrix}1 & -1 & -1 & 3 \\ 2 & -1 & -3 & 1 \\ 3 & 2 & -5 & 2\end{pmatrix}$ 化其为行最简

$\begin{aligned} A&=\begin{pmatrix}1 & -1 & -1 & 3 \\ 2 & -1 & -3 & 1 \\ 3 & 2 & -5 & 2\end{pmatrix}\rightarrow \begin{pmatrix} 1 & -1 & -1 & 3 \\ 0 & 1 & -1 & -5 \\ 0 & 5 & -2 & -7 \end{pmatrix}\\ &\rightarrow \begin{pmatrix} 1 & 0 & -2 & -2 \\ 0 & 1 & -1 & -5 \\ 0 & 0 & 3 & 18 \end{pmatrix}从左到右各列上下同时开工\\ &\rightarrow \begin{pmatrix} 1 & 0 & -2 & -2 \\ 0 & 1 & -1 & -5 \\ 0 & 0 & 1 & 6 \end{pmatrix}如果第一个非零元不是1，先化成1\\ &\rightarrow \begin{pmatrix} 1 & 0 & 0 & 10 \\ 0 & 1 & 0 & 1 \\ 0 & 0 & 1 & 6 \end{pmatrix} \end{aligned}$

对于已知 $P A = B, A, B$ ，求 $P$ 的题
已知
$A\overset{行变换}{\longrightarrow}B$
即存在
$P_{\tau}\cdots P_{2}P_{1}A=B$
记 $P=P_{\tau}\cdots P_{2}P_{1}$
$P_{\tau}\cdots P_{2}P_{1}E=P$
即 $A\rightarrow B$ 同时 $E\rightarrow P$
$(A,E)\overset{行变换}{\longrightarrow}(B,P)$

对于上一道例题，要求使得 $A$ 变为行最简的 $P$

$\begin{aligned} (A|E)&=\begin{pmatrix} 1 & -1 & -1 & 3 & 1 & & \\ 2 & -1 & -3 & 1 & & 1 & \\ 3 & 2 & -5 & 2 & & & 1 \end{pmatrix}\\ &\rightarrow \begin{pmatrix} 1 & -1 & -1 & 3 & 1 & & \\ 0 & 1 & -1 & -5 & -2 & 1 & \\ 0 & 5 & -2 & -7 & -3 & & 1 \end{pmatrix}\\ &\rightarrow \begin{pmatrix} 1 & -1 & -1 & 3 & 1 & & \\ 0 & 1 & -1 & -5 & -2 & 1 & \\ 0 & 0 & 3 & 18 & 7 & -5 & 1 \end{pmatrix}\\ &\rightarrow \begin{pmatrix} 1 & 0 & -2 & -2 & -1 & 1 & \\ & 1 & -1 & -5 & -2 & 1 & \\ & & 1 & 6 & \frac{7}{3} & - \frac{5}{3} & \frac{1}{3} \end{pmatrix}\\ & \rightarrow \begin{pmatrix} 1 & 0 & 0 & 10 & \frac{11}{3} & - \frac{7}{3} & \frac{2}{3} \\ 0 & 1 & 0 & 1 & \frac{1}{3} & - \frac{2}{3} & \frac{1}{3} \\ 0 & 0 & 1 & 6 & \frac{7}{3} & - \frac{5}{3} & \frac{1}{3} \end{pmatrix} \end{aligned}$

四、分块矩阵

分四块（ $AB,A^{n},A^{-1}$ ），列分块、行分块（方程组的解，向量，阶）

分四块

对矩阵适当的分块处理，有以下的运算法则
$\begin{gathered} \begin{pmatrix} A_{1} & A_{2} \\ A_{3} & A_{4} \end{pmatrix}+\begin{pmatrix} B_{1} & B_{2} \\ B_{3} & B_{4} \end{pmatrix}=\begin{pmatrix} A_{1}+B_{1} & A_{2}+B_{2} \\ A_{3}+B_{3} & A_{4}+B_{4} \end{pmatrix}\\ \begin{pmatrix} A & B \\ C & D \end{pmatrix}\begin{pmatrix} X & Y \\ Z & W \end{pmatrix}=\begin{pmatrix} AX+BZ & AY+BW \\ CX+DZ & CY+DW \end{pmatrix}\\ \begin{pmatrix} A & B \\ C & D \end{pmatrix}^{T}=\begin{pmatrix} A^{T} & C^{T} \\ B^{T} & D^{T} \end{pmatrix} \end{gathered}$
如果 $B, C$ 都是方阵
$\begin{pmatrix} B & O \\ O & C \end{pmatrix}^{n}=\begin{pmatrix} B^{n} & O \\ O & C^{n} \end{pmatrix}$
如果 $B, C$ 是可逆方阵
$\begin{pmatrix} B & O \\ O & C \end{pmatrix}^{-1}=\begin{pmatrix} B^{-1} & O \\ O & C^{-1} \end{pmatrix},\begin{pmatrix} O & B \\ C & O \end{pmatrix}^{-1}=\begin{pmatrix} O & C^{-1} \\ B^{-1} & O \end{pmatrix}$

行、列分块

若 $A B = C$
$\begin{pmatrix} \gamma_{1} & \gamma_{2} & \gamma_{3} \end{pmatrix}\begin{pmatrix} b_{11} & b_{12} & b_{13} \\ b_{21} & b_{22} & b_{23} \\ b_{31} & b_{32} & b_{33} \end{pmatrix}=\begin{pmatrix} \delta_{1} & \delta_{2} & \delta_{3} \end{pmatrix}$
对应行列式
$\begin{cases} b_{11}\gamma_{1}+b_{21}\gamma_{2}+b_{31}\gamma_{3}=\delta_{1} \\ b_{12}\gamma_{1}+b_{22}\gamma_{2}+b_{32}\gamma_{3}=\delta_{2} \\ b_{13}\gamma_{1}+b_{23}\gamma_{2}+b_{33}\gamma_{3}=\delta_{3} \\ \end{cases}$
即 $C = A B$ 的列向量可由 $A$ 的列向量线性表出
同理
$\begin{pmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{pmatrix}\begin{pmatrix} \alpha_{1} \\ \alpha_{2} \\ \alpha_{3} \end{pmatrix}=\begin{pmatrix} \beta_{1} \\ \beta_{2} \\ \beta_{3} \end{pmatrix}$
对应行列式
$\begin{cases} a_{11}\alpha_{1}+a_{12}\alpha_{2}+a_{13}\alpha_{3}=\beta_{1} \\ a_{21}\alpha_{1}+a_{22}\alpha_{2}+a_{23}\alpha_{3}=\beta _{2} \\ a_{31}\alpha_{1}+a_{32}\alpha_{2}+a_{33}\alpha_{3}=\beta _{3} \\ \end{cases}$
即 $C = A B$ 的行向量可由 $B$ 的行向量线性表出

如果 $A$ 可逆， $AB=C\rightarrow A^{-1}C=B$
$B$ 的行向量可由 $C$ 的行向量线性表出
如果 $B$ 可逆， $AB=C\rightarrow CB^{-1}=A$
$A$ 的列向量可由 $C$ 的列向量线性表出

如果 $A B = C$
$\begin{aligned} A \begin{pmatrix} \beta_{1} & \beta_{2} & \beta_{3} \end{pmatrix}&=\begin{pmatrix} \gamma_{1} & \gamma_{2} & \gamma_{3} \end{pmatrix}\\ \begin{pmatrix} A \beta_{1} & A \beta_{2} & A \beta_{3} \end{pmatrix}&=\begin{pmatrix} \gamma_{1} & \gamma_{2} & \gamma_{3} \end{pmatrix} \end{aligned}$
有
$\beta_{1}=\gamma_{1},A \beta_{2}=\gamma_{2},A \beta_{3}=\gamma_{3}$
可知
$\beta_{1}$ 是方程组 $Ax=\gamma_{1}$ 的解
$\beta_{2}$ 是方程组 $Ax=\gamma_{2}$ 的解
$\beta_{3}$ 是方程组 $Ax=\gamma_{3}$ 的解

如果 $A B = O$
$\begin{pmatrix} \beta_{1} & \beta_{2} & \beta_{3} \end{pmatrix}=\begin{pmatrix} O & O & Oa \end{pmatrix}$
可知 $\beta_{1},\beta_{2},\beta_{3}$ 是 $A x = O$ 的解

例：已知 $X = A B A$ ，其中 $A=\begin{pmatrix}1 & 0 & 0 & 1 \\ 0 & 1 & 1 & 0 \\ 0 & 1 & -1 & 0 \\ 1 & 0 & 0 & -1\end{pmatrix},B=\begin{pmatrix}0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 \\ 0 & 1 & 0 & 0 \\ 1 & 0 & 0 & 0\end{pmatrix}$ ，则 $X = ()$

本题直接求也行
令
$A=\left(\begin{array}{cc:cc} 1&0&0&1\\ 0&1&1&0\\\hdashline 0&1&-1&0\\ 1&0&0&-1 \end{array}\right)=\begin{pmatrix} E & C \\ C & -E \end{pmatrix},B=\left(\begin{array}{cc:cc}0&0&0&1\\ 0&0&1&0\\\hdashline 0&1&0&0\\ 1&0&0&0\end{array}\right)=\begin{pmatrix} O & C \\ C & O \end{pmatrix}$
则
$\begin{aligned} X&=\begin{pmatrix} E & C \\ C & -E \end{pmatrix}\begin{pmatrix} O & C \\ C & O \end{pmatrix}\begin{pmatrix} E & C \\ C & -E \end{pmatrix}\\ &=\begin{pmatrix} E & C \\ -C & E \end{pmatrix}\begin{pmatrix} E & C \\ C & -E \end{pmatrix}\\ &=\begin{pmatrix} 2E & O \\ O & -2E \end{pmatrix} \end{aligned}$
可得 $X=\begin{pmatrix}2 & & & \\ & 2 & & \\ & & -2 & \\ & & & -2\end{pmatrix}$

例：设 $A=\begin{pmatrix}1 & 2 & -2 \\ 4 & t & 3 \\ 3 & -1 & 1\end{pmatrix}$ ， $B$ 为三阶非零矩阵，且 $A B = O$ ，则 $t = ()$

由于 $A B = O$
$\begin{pmatrix} \beta_{1} & \beta_{2} & \beta_{3} \end{pmatrix}=\begin{pmatrix} A \beta_{1} & A \beta_{2} & A \beta_{3} \end{pmatrix}=\begin{pmatrix} O & O & O \end{pmatrix}$
可知 $\beta_{1}=O,A \beta_{2}=O,A \beta_{3}=O$
因此， $\beta_{1},\beta_{2},\beta_{3}$ 是 $A X = O$ 的解
又因为 $B\ne0$ ，故 $A X = O$ 存在非 $0$ 解，根据克拉默法则
$|A|=\begin{vmatrix} 1 & 2 & -2 \\ 4 & t & 3 \\ 3 & -1 & 1 \end{vmatrix}=5(t+3)=0$
解得 $t = - 3$

例：计算 $\begin{pmatrix}1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9\end{pmatrix}\begin{pmatrix}2 & 0 & 0 \\ 0 & 1 & -1 \\ 1 & 0 & 1\end{pmatrix}$

简单的矩阵乘复杂的矩阵，可以考虑复杂的进行分块，复杂的在左面进行列分块，在右面进行行分块

$\begin{aligned} 原式&=\begin{pmatrix} \alpha_{1} & \alpha_{2} & \alpha_{3} \end{pmatrix}\begin{pmatrix} 2 & 0 & 0 \\ 0 & 1 & -1 \\ 1 & 0 & 1 \end{pmatrix}\\ &=\begin{pmatrix} 2\alpha_{1}+\alpha_{3} & \alpha_{2} & -\alpha_{2}+\alpha_{3} \end{pmatrix}\\ &=\begin{pmatrix} 5 & 2 & 1 \\ 14 & 5 & 1 \\ 23 & 8 & 1 \end{pmatrix} \end{aligned}$

五、方阵的行列式

$A^{T}|=|A|$
$kA|=k^{n}|A|$
$|AB|=|A|\cdot|B|$
$A^{2}|=|A|^{2}$
$A^{*}|=|A|^{n-1}$
$|A^{-1}|=|A|^{-1}=\frac{1}{|A|}$
$\begin{vmatrix}A&O\\ *&B\end{vmatrix}=\begin{vmatrix}A&*\\O&B\end{vmatrix}=|A|\cdot|B|$
$\begin{vmatrix}O&A\\B&*\end{vmatrix}=\begin{vmatrix}*&A\\B&O\end{vmatrix}=(-1)^{mn}|A|\cdot|B|$
如果 $A\sim B$ ，则 $∣ A ∣ = ∣ B ∣, ∣ A + k E ∣ = ∣ B + k E ∣$ ，一般 $|A+B|\ne|A|+|B|$

例： $A, B$ 是 $n$ 阶矩阵， $∣ A ∣ = 2, ∣ B ∣ = - 3$ ，则

$A^{*}B^{-1}-A^{-1}B^{*}|=()$
$\begin{aligned} |A^{*}B^{-1}-A^{-1}B^{*}|&=||A|A^{-1}B^{-1}-|B|A^{-1}B^{-1}|\\ &=|5A^{-1}B^{-1}|\\ &=-\frac{5^{n}}{6} \end{aligned}$

$\begin{vmatrix}O&A^{T}\\B^{*}&2B\end{vmatrix}=()$
$\begin{aligned} \begin{vmatrix}O&A^{T}\\B^{*}&2B\end{vmatrix}&=(-1)^{n\cdot n}|A^{T}||B^{*}|\\ &=(-1)^{n^{2}+n-1}\cdot 2\cdot 3^{n-1}\\ &=-2\cdot3^{n-1} \end{aligned}$

return bool(1)

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
【线性代数基础进阶】矩阵-part2

单位矩阵经过一次初等变换所得到的矩阵称为初等矩阵初等矩阵PPP左乘矩阵AAA，其乘积PAPAPA就是矩阵AAA作一次与PPP同样的行变换初等矩阵PPP右乘矩阵AAA，其乘积APAPAP就是矩阵AAA作一次与PPP同样的列变换(100210001)(100−210001)=(100010001)\begin{pmatrix}1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 0 & 1\end{pmatrix}\begin{pmatrix}1 & 0 & 0 \\ -2 & 1 & 0 \\ 0
复制链接

扫一扫