线性代数第二章矩阵及其运算

$1.矩阵

定义1
$由m\ast n个数a_{ij}(i=1,2,3...,n)排成的m行n列的数表$

称为m行n列矩阵，简称mn矩阵。为表示它是一个整体，总是加一个括弧，并用大写黑体字母表示，记作

这mn个数称为矩阵A的元素，简称为元，数$aij$位于矩阵A的第i行第j列，称为矩阵A的（i,j）元。以数$a_{i,j}元的矩阵可简记作(a_{ij})或(a_{ij})m\ast n.m\ast n矩阵A也记作A_{m\ast n}$.
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，本书中的矩阵除特别说明者外，都指实矩阵。
行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。n阶矩阵A也记作An。
只有一行的矩阵
$A=(a_1,a_2,...,a_n)$.
只有一列的矩阵

称为列矩阵，又称列向量。
两个矩阵的行数相等、列数也相等时，就称它们是同型矩阵。如果$A=(a_{ij})与B=(b_{ij})是同型矩阵，并且它们的对应元素相等，即$

那么就称矩阵A与矩阵B相等，记作
A=B
元素都为零的矩阵称为零矩阵，记作O。注意不同型的零矩阵是不同的。
矩阵的应用非常广泛，下面仅举几例。

例1

某工厂三个商店发送四种产品的数量可列成矩阵

其中$a_{ij}为工厂向第i店发送第j种产品的数量。$
这四种产品的单价及单件重量也可列成矩阵

其中$b_{i1}为第i种产品的单价，b_{i2}为第i种产品的单件重量$。

例2

四个城市间的单向航线如图2.1所示：

若令
$a_{ij}=\{\begin{array}{l}1,从i市到j市有1条单向航线，\\ 0，从i市到j市没有单向航线.\end{array}$
则图2.1可用矩阵表示为

一般的，若干个点之间的单向通道都可以用这样的矩阵表示。

例3

$n个变量x_1,x_2,...,x_n与m个变量y_1,y_2,...,y_m之间的关系式$

表示一个从变量$x_1,x_2,...,x_n到变量y_1,y_2,...,y_m的线性变换，其中a_{ij}为常数。线性变换（2）的系数a_{ij}构成矩阵A=(a_{ij}{)}_{m\ast n}$
给定了线性变换（2），它的系数所构成的矩阵（称为系数矩阵）也就确定。反之，如果给出一个矩阵作为线性变换的系数矩阵，则线性变换也就确定。在这个意义上，线性变换和矩阵之间存在着一一对应的关系。
例如线性变换

叫做恒等变换，它对应的一个n阶方阵

叫做n阶单位矩阵，简称单位阵。这个方阵的特点是：从左上角到右下角的直线（叫做（主）对角线上的元素都是1，其他元素都是0.即单位阵E的（i,j）元为）

又如线性变换

对应n阶方阵

这个方阵的特点是：不在对角线上的元素都是0.这种方阵为对角矩阵，简称对角阵。对角阵也记作

由于矩阵和线性变换之间存在一一对应的关系，因此可以利用矩阵来研究线性变换，也可以利用线性变换来解释矩阵的含义。
例如矩阵
$\left(\begin{array}{cc}1& 0\\ 0& 0\end{array}\right)$
所对应的线性变换
$\{\begin{array}{l}{x}_1=x,\\ y_1=0\end{array}$
可看作是xOy平面上把向量OP=$\left(\begin{array}{c}{x}_1\\ y_1\end{array}\right)=\left(\begin{array}{c}x\\ 0\end{array}\right)$的变换（或看作把点P变为点P1的变换，参看图2.2），由于向量OP1是向量OP在x轴上的投影向量（即点P1是点P在x轴上的投影），因此这是一个投影变换。

$2.矩阵的运算

一、矩阵的加法

定义2 $设有两个m\ast n矩阵A=(a_{ij})和B=b_{ij},那么矩阵A和B的和记作A+B，规定为$

应该注意，只有当两个矩阵是同型矩阵时，这两个矩阵才能进行加法运算。
矩阵加法满足下列运算规律（设A,B,C都是m*n矩阵）
$(1)A+B=B+A$
$(2)(A+B)+C=A+(B+C)$.
$设矩阵A=(a_{ij}),记$
$-A=(-a_{ij})$
-A称为矩阵A的负矩阵，显然有
A+(-A)=O,
由此规定矩阵的减法为
A-B=A+(-B).

二、数与矩阵相乘

定义3 $数\lambda 与矩阵A的乘积记作\lambda A或A\lambda ,规定为$

$数乘矩阵满足下列运算规律（设A,B为m\ast n矩阵，\lambda ,\mu 为数）：$
$(1)(\lambda \mu )A=\lambda (\mu A);$
$(2)(\lambda +\mu )A=\lambda A+\mu A;$
$(3)\lambda (A+B)=\lambda$