线性代数——矩阵

系列文章目录

• 学习高等数学和线性代数需要的初等数学知识
• 线性代数——行列式
• 线性代数——矩阵
• 线性代数——向量
• 线性代数——线性方程组
• 线性代数——特征值和特征向量
• 线性代数——二次型

---

版权声明

本文大部分内容皆来自李永乐老师考研教材和视频课。

五分钟记住公式

从矩阵的转置章节到方阵和行列式章节有大量重要的公式，本人亲测通过以下方法可以在五分钟之内全部记忆：

• 摆正心态，此时此刻必须全部记住，不要往后拖。
• 每一节公式顺序上有规律（不一定全有，并且后面章节对前面章节有不可见性）：
  • ①最重要的公式
  • ②加法公式
  • ③数乘公式
  • ④乘法公式
  • ⑤转置公式
  • ⑥伴随公式
  • ⑦逆矩阵公式
  • ⑧其它公式
• 默写一遍，记不住的看看推导过程。

基础概念

• 矩阵：由$m\times n$个数组成的$m$行$n$列的表格：$$A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \dots & a_{1n}\\ a_{21}& a_{22}& \dots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{m1}& a_{m2}& \dots & a_{mn}\end{array}\right]$$
  称为一个$m\times n$矩阵，当$m=n$时，称$A$为$n$阶矩阵或$n$阶方阵。
• 同型矩阵：如果$A$和$B$都是$m\times n$矩阵，那么称$A$和$B$是同型矩阵。
• 相等矩阵：设$A,B$是同型矩阵，如果$a_{ij}=b_{ij}(\forall i=1,2,\dots ,m;j=1,2,\dots ,n)$，则称$A$和$B$相等，记作$A=B$。
• 零矩阵：如果一个矩阵的所有元素都是$0$，那么就称这个矩阵为零矩阵，记作$O$。
• 对角矩阵： $$\left[\begin{array}{cccc}{a}_{11}& & & \\ & a_{22}& & \\ & & \ddots & \\ & & & a_{nn}\end{array}\right]$$
• 单位矩阵$E$：$$\left[\begin{array}{cccc}1& & & \\ & 1& & \\ & & \ddots & \\ & & & 1\end{array}\right]$$
  • $E^T=E$
  • $E^{\ast }=E$
  • $E^{-1}=E$
• 上三角矩阵：$$\left[\begin{array}{cccc}{a}_{11}& a_{12}& \dots & a_{1n}\\ & a_{22}& \dots & a_{2n}\\ & & \ddots & ⋮\\ & & & a_{nn}\end{array}\right]$$当$i>j$时，$a_{ij}=0$
• 下三角矩阵：$$\left[\begin{array}{cccc}{a}_{11}& & & \\ a_{21}& a_{22}& & \\ ⋮& ⋮& \ddots & \\ a_{n1}& a_{n2}& \dots & a_{nn}\end{array}\right]$$当$i<j$时，$a_{ij}=0$

矩阵的运算

矩阵的加法

若$A=[a_{ij}],B=[b_{ij}]$为同型矩阵，那么
$$A+B=[a_{ij}+b_{ij}]$$
加法运算法则（$A,B,C$同型）：

• $A+B=B+A$
• $(A+B)+C=A+(B+C)$
• $A+O=A$
• $A+(-A)=O$

数与矩阵相乘

$$kA=[k{a}_{ij}]$$
数乘运算法则：

• $k(mA)=m(kA)=(mk)A$
• $(k+m)A=kA+mA$
• $k(A+B)=kA+kB$
• $1A=A$
• $0A=O$

矩阵的乘法

若$A=[a_{ij}{]}_{m\times s},B=[b_{ij}{]}_{s\times n}$，则$$A\times B=C=[c_{ij}{]}_{m\times n}$$其中$$c_{ij}=a_{i1}{b}_{1j}+a_{i2}{b}_{2j}+\cdots +a_{is}{b}_{sj}=\sum _{k=1}^n{a}_{ik}{b}_{kj}$$
乘法运算法则：

• $A(BC)=(AB)C$
  证明：设$A=[a_{ij}{]}_{m\times s}$，$B=[b_{ij}{]}_{s\times t}$，$C=[c_{ij}{]}_{t\times n}$：
  $$\begin{gathered} A(BC)=D_{m\times n} \\ (AB)C=E_{m\times n} \end{gathered}$$
  $D$中第$i$行第$j$列的元素等于$A$中$i$行与$BC$中$j$列对应元素相乘再相加：
  $$\sum _{k=1}^s{a}_{ik}(\sum _{p=1}^t{b}_{kp}{c}_{pj})=\sum _{k=1}^s\sum _{p=1}^t{a}_{ik}{b}_{kp}{c}_{pj}$$
  同理$E$中第$i$行第$j$列的元素等于：
  $$\sum _{p=1}^t(\sum _{k=1}^s{a}_{ik}{b}_{kp})c_{pj}=\sum _{k=1}^s\sum _{p=1}^t{a}_{ik}{b}_{kp}{c}_{pj}$$
• $A(B+C)=AB+AC$
• $(kA)(lB)=klAB$
• $AE=A,EA=A$
• $OA=O,AO=O$

注意：

• $AB\ne BA$
• $(A+B{)}^2\ne A^2+2AB+B^2$
• $(A+E{)}^2=A^2+2A+E$
• $AB=O\nRightarrow A=O$或$B=O$
• $AB=AC,A\ne O\nRightarrow B=C$
• 若$A,B$是对角矩阵，则$AB=BA$

几个特殊的向量乘法

设$\alpha ,\beta$为两个列向量，则：

• $r(\alpha {\beta }^T)=1$
• ${\alpha }^T\beta =tr(\alpha {\beta }^T)$
• $r(\alpha {\alpha }^T)=1$且$\alpha {\alpha }^T$是一个对称矩阵
• ${\alpha }^T\alpha =tr(\alpha {\alpha }^T)$

$A^n$的计算方法

计算$A^n$的方法如下：

• ${\left[\begin{array}{ccc}{a}_1& & \\ & a_2& \\ & & a_3\end{array}\right]}^n=\left[\begin{array}{ccc}{a}_1^n& & \\ & a_2^n& \\ & & a_3^n\end{array}\right]$
• 若$r(A)=1$，则$A$可分解为一个列向量和一个行向量的乘积，且有
  $$A^n=[tr(A){]}^{n-1}A$$
• 若$A\sim B$，则$A^n=P{B}^n{P}^{-1}$
• 若$A=kE+B$，则
  $$A^n=(kE{)}^n+n(kE{)}^{n-1}B+C_n^2(kE{)}^{n-2}{B}^2+C_n^3(kE{)}^{n-3}{B}^3+\dots$$

矩阵的转置

设$A=[a_{ij}{]}_{m\times n}$，将$A$的行列互换，得到的$n\times m$矩阵$[a_{ji}{]}_{n\times m}$称为$A$的转置矩阵，记为$$A^T$$若$A^T=A$，则称$A$为对称矩阵，若$A^T=-A$，则称$A$为反对称矩阵。转置运算法则如下：

• $(A+B{)}^T=A^T+B^T$
  证明：设$A=[a_{ij}{]}_{m\times n},B=[b_{ij}{]}_{m\times n}$，则：
  $$\begin{gathered} (A+B{)}^T=[a_{ij}+b_{ij}{]}_{m\times n}^T=[a_{ji}+b_{ji}{]}_{n\times m} \\ {A}^T+B^T=[a_{ij}{]}_{m\times n}^T+[b_{ij}{]}_{m\times n}^T=[a_{ji}{]}_{n\times m}+[b_{ji}{]}_{n\times m}=[a_{ji}+b_{ji}{]}_{n\times m} \end{gathered}$$
• $(kA{)}^T=k{A}^T$
  证明：设$A=[a_{ij}{]}_{m\times n}$，则：
  $$\begin{gathered} (kA{)}^T=[k{a}_{ij}{]}_{m\times n}^T=[k{a}_{ji}{]}_{n\times m} \\ k{A}^T=k[a_{ij}{]}_{m\times n}^T=[k{a}_{ji}{]}_{n\times m} \end{gathered}$$
• $(AB{)}^T=B^T{A}^T$
  证明：设$A=[a_{ij}{]}_{m\times s},B=[b_{ij}{]}_{s\times n}$，则有：
  $$\begin{gathered} AB=[c_{ij}{]}_{m\times n} \\ \Downarrow \\ (AB{)}^T=[c_{ji}{]}_{n\times m} \end{gathered}$$
  其中
  $$c_{ji}=\sum _{k=1}^s{a}_{ik}{b}_{kj}$$
  令
  $$B^T{A}^T=[d_{ij}{]}_{n\times m}$$
  $B^T{A}^T$的$j$行$i$列元素是$B^T$的$j$行与$A^T$的$i$列所得，也是$B$的$j$列与$A$的$i$行所得，因此：
  $$d_{ji}=\sum _{k=1}^s{b}_{kj}{a}_{ik}=c_{ji}$$
• $(A^T{)}^T=A$
• 若$A{A}^T=O$，则$A=O$
  证明：设$A=\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right]$，则$$\begin{gathered} O_{11}=a_{11}{a}_{11}+a_{12}{a}_{12}=0 \\ \Downarrow \\ {a}_{11}=0,a_{12}=0 \end{gathered}$$
  同理可得$a_{21}=0,a_{22}=0$，所以$A=O$

伴随矩阵

设$A=[a_{ij}]$是$n$阶方阵，行列式$|A|$的每个元素$a_{ij}$的代数余子式$A_{ij}$所构成的如下方阵称为$A$的伴随矩阵。$$A^{\ast }=\left[\begin{array}{cccc}{A}_{11}& A_{21}& \dots & A_{n1}\\ A_{12}& A_{22}& \dots & A_{n2}\\ ⋮& ⋮& & ⋮\\ A_{1n}& A_{2n}& \dots & A_{nn}\end{array}\right]$$伴随矩阵的性质：

• $A{A}^{\ast }=A^{\ast }A=|A|E$
  证明：设$A$为$n$阶矩阵（以$n=2$）为例：
  $$A{A}^{\ast }=\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right]\left[\begin{array}{cc}{A}_{11}& A_{21}\\ A_{12}& A_{22}\end{array}\right]=\left[\begin{array}{cc}{a}_{11}{A}_{11}+a_{12}{A}_{12}& a_{11}{A}_{21}+a_{12}{A}_{22}\\ a_{21}{A}_{11}+a_{22}{A}_{12}& a_{21}{A}_{21}+a_{22}{A}_{22}\end{array}\right]=\left[\begin{array}{cc}|A|& O\\ O& |A|\end{array}\right]=|A|\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]=|A|E$$
• 如果$A$可逆，则$A^{\ast }=|A|A^{-1}$
• 如果$A$可逆，则$(kA{)}^{\ast }=k^{n-1}{A}^{\ast }$
  证明：
  $$(kA{)}^{\ast }=|kA|(kA{)}^{-1}=k^n|A|\frac{1}{k}{A}^{-1}=k^{n-1}{A}^{\ast }$$
• 如果$A$可逆，则$(A^{\ast }{)}^T=(A^T{)}^{\ast }$
  证明：
  $$(A^{\ast }{)}^T=(|A|A^{-1}{)}^T=|A^T|(A^T{)}^{-1}=(A^T{)}^{\ast }$$
• 如果$A$可逆，则$(A^{\ast }{)}^{\ast }=|A{|}^{n-2}A$
  证明：
  $$(A^{\ast }{)}^{\ast }=(|A|A^{-1}{)}^{\ast }=|A{|}^{n-1}(A^{-1}{)}^{\ast }=|A{|}^{n-1}|A{|}^{-1}A=|A{|}^{n-2}A$$
• 二阶矩阵的伴随矩阵：主对角线互换，副对角线变号。

可逆矩阵

对于$n$阶方阵$A$，如果存在$n$阶方阵$B$，使$$AB=BA=E$$则称$A$是可逆矩阵或非奇异矩阵，矩阵$B$是$A$的逆矩阵。如果矩阵$A$是可逆的，那么$A$的逆矩阵是唯一的，记作$$A^{-1}$$可逆矩阵的性质如下：

• $A,B$是$n$阶方阵，如果$AB=E$，则$A^{-1}=B$。
• $A^{-1}=\frac{1}{|A|}{A}^{\ast }$
  证明：
  $$\begin{gathered} \because A{A}^{\ast }=|A|E \\ \therefore A\frac{A^{\ast }}{|A|}=E=A{A}^{-1} \\ \therefore A^{-1}=\frac{1}{|A|}{A}^{\ast } \end{gathered}$$
• $(kA{)}^{-1}=\frac{1}{k}{A}^{-1}$
  证明：
  $$\begin{gathered} \because kA{A}^{-1}\frac{1}{k}=kE\frac{1}{k}=E \\ \therefore (kA{)}^{-1}=\frac{1}{k}{A}^{-1} \end{gathered}$$
• $(AB{)}^{-1}=B^{-1}{A}^{-1}$
  证明：
  $$\begin{gathered} \because AB{B}^{-1}{A}^{-1}=AE{A}^{-1}=E \\ \therefore (AB{)}^{-1}=B^{-1}{A}^{-1} \end{gathered}$$
• $(A^{-1}{)}^T=(A^T{)}^{-1}$
  证明：
  $$(A^T{)}^{-1}=\frac{(A^T{)}^{\ast }}{|A^T|}=\frac{(A^{\ast }{)}^T}{|A^T|}=(\frac{A^{\ast }}{|A|}{)}^T=(A^{-1}{)}^T$$
• $(A^{-1}{)}^{\ast }=(A^{\ast }{)}^{-1}=\frac{A}{|A|}$
  证明：
  $$\begin{gathered} (A^{-1}{)}^{\ast }=(A^{-1}{)}^{\ast }{A}^{-1}A=|A^{-1}|EA=\frac{A}{|A|} \\ (A^{\ast }{)}^{-1}=(A^{-1}|A|{)}^{-1}=\frac{A}{|A|} \end{gathered}$$
• $(A^{-1}{)}^{-1}=A$
  证明：令$$B=A^{-1}$$
  那么：$$BA=AB=E$$
  所以$B$可逆且$$B^{-1}=(A^{-1}{)}^{-1}=A$$
• 如果$A=\left[\begin{array}{ccc}{a}_1& & \\ & a_2& \\ & & a_3\end{array}\right]$是对角矩阵，则$A^{-1}=\left[\begin{array}{ccc}\frac{1}{a_1}& & \\ & \frac{1}{a_2}& \\ & & \frac{1}{a_3}\end{array}\right]$
• $A$可逆
  $\iff |A|\ne 0$
  $\iff A$的列（行）向量组线性无关
  $\iff A=P_1{P}_2\dots P_n,P_i(i=1,2,\dots ,n)$为初等矩阵
  $\iff A\cong E$
  $\iff 0$不是矩阵$A$的特征值

正交矩阵

设$A$是$n$阶矩阵，满足
$$A{A}^T=A^{T}A=E$$
则称$A$为正交矩阵。正交矩阵的性质如下：

• $A$是正交矩阵
  $\iff A^T=A^{-1}$
  $\iff A$的列向量和行向量都是单位向量且两两正交
• 如果$A$是正交矩阵，则$|A|=1$或$-1$。
  证明：
  $$\begin{gathered} A{A}^T=E \\ |A{A}^T|=|E| \\ |A||A^T|=1 \\ |A{|}^2=1 \end{gathered}$$
• 若$A,B$都是正交矩阵，则$AB$也是正交矩阵。
  证明：
  $$(AB)(AB{)}^T=AB{B}^T{A}^T=AE{A}^T=E$$

方阵和行列式

设$A=[a_{ij}]$为$n$阶方阵，其所有元素保持位置不动所构成的行列式称为方阵$A$的行列式，记为$$|A|$$注意：

• 仅有方阵才有行列式。
• $A=O$和$|A|=0$没有必然关系。

方阵行列式的性质：

• $|kA|=k^n|A|$
  证明：设$A$为$n$阶矩阵（以$n=2$）为例：
  $$A=\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right]$$
  则：
  $$|kA|=\left|\begin{array}{cc}k{a}_{11}& k{a}_{12}\\ k{a}_{21}& k{a}_{22}\end{array}\right|=k^2\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|=k^2|A|$$
• $|AB|=|A||B|$
  证明：设$A$、$B$为$n$阶矩阵（以$n=2$）为例：
  $$A=\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right]B=\left[\begin{array}{cc}{b}_{11}& b_{12}\\ b_{21}& b_{22}\end{array}\right]$$
  构成四阶行列式$D$：
  $$D=|A||B|=\left|\begin{array}{cc}A& O\\ -E& B\end{array}\right|=\left|\begin{array}{cccc}{a}_{11}& a_{12}& 0& 0\\ a_{21}& a_{22}& 0& 0\\ -1& 0& b_{11}& b_{12}\\ 0& -1& b_{21}& b_{22}\end{array}\right|=\left|\begin{array}{cccc}{a}_{11}& a_{12}& a_{11}{b}_{11}+a_{12}{b}_{21}& a_{11}{b}_{12}+a_{12}{b}_{22}\\ a_{21}& a_{22}& a_{21}{b}_{11}+a_{22}{b}_{21}& a_{21}{b}_{12}+a_{22}{b}_{22}\\ -1& 0& 0& 0\\ 0& -1& 0& 0\end{array}\right|=\left|\begin{array}{cc}A& AB\\ -E& O\end{array}\right|=-1^{(2\times 2)}|-E||AB|=|AB|$$
• $|A^T|=|A|$
  证明：设$A$为$n$阶矩阵（以$n=2$）为例：
  $$A=\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right]$$
  则：
  $$|A^T|=\left|\begin{array}{cc}{a}_{11}& a_{21}\\ a_{12}& a_{22}\end{array}\right|=a_{11}{a}_{22}-a_{21}{a}_{12}$$
  $$|A|=\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|=a_{11}{a}_{22}-a_{12}{a}_{21}=|A^T|$$
• $|A^{\ast }|=|A{|}^{n-1}$
  证明：
  $$|A^{\ast }|=||A|A^{-1}|=|A{|}^n|A{|}^{-1}=|A{|}^{n-1}$$
• $|A^{-1}|=\frac{1}{|A|}$。
  证明：
  $$|A^{-1}|=(\frac{1}{|A|}{A}^{\ast }{)}^{-1}=|A{|}^{-n}|A{|}^{n-1}=\frac{1}{|A|}$$
• 奇数阶的反对称矩阵其行列式为零。

分块矩阵

对矩阵适当的进行分块处理，可以有效地进行计算，分块后有如下运算法则：

• $\left[\begin{array}{cc}{A}_1& A_2\\ A_3& A_4\end{array}\right]+\left[\begin{array}{cc}{B}_1& B_2\\ B_3& B_4\end{array}\right]=\left[\begin{array}{cc}{A}_1+B_1& A_2+B_2\\ A_3+B_3& A_4+B_4\end{array}\right]$
• $\left[\begin{array}{cc}A& B\\ C& D\end{array}\right]\left[\begin{array}{cc}X& Y\\ Z& W\end{array}\right]=\left[\begin{array}{cc}AX+BZ& AY+BW\\ CX+DZ& CY+DW\end{array}\right]$
• ${\left[\begin{array}{cc}A& B\\ C& D\end{array}\right]}^T=\left[\begin{array}{cc}{A}^T& C^T\\ B^T& D^T\end{array}\right]$

设$A,B$分别为$m,s$阶方阵，则：

• ${\left[\begin{array}{cc}A& O\\ O& B\end{array}\right]}^n=\left[\begin{array}{cc}{A}^n& O\\ O& B^n\end{array}\right]$

设$A,B$分别为$m,n$阶可逆矩阵，则：

• ${\left[\begin{array}{cc}A& O\\ O& B\end{array}\right]}^{-1}=\left[\begin{array}{cc}{A}^{-1}& O\\ O& B^{-1}\end{array}\right]$
• ${\left[\begin{array}{cc}O& A\\ B& O\end{array}\right]}^{-1}=\left[\begin{array}{cc}O& B^{-1}\\ A^{-1}& O\end{array}\right]$

若$AB=C$，对$B$和$C$按列分块有：
$$\begin{gathered} A[b_1,b_2,\dots ,b_n]=[{\gamma }_1,{\gamma }_2,\dots ,{\gamma }_3] \\ \Downarrow \\ A{b}_i={\gamma }_i \end{gathered}$$
即$B$的列向量是$Ax={\gamma }_i$的解；对$B$和$C$按行分块有：
$$\left[\begin{array}{cccc}{a}_{11}& a_{12}& \dots & a_{1n}\\ a_{21}& a_{22}& \dots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{m1}& a_{m2}& \dots & a_{mn}\end{array}\right]\left[\begin{array}{c}{\beta }_1\\ {\beta }_2\\ ⋮\\ {\beta }_n\end{array}\right]=\left[\begin{array}{c}{\gamma }_1\\ {\gamma }_2\\ ⋮\\ {\gamma }_n\end{array}\right]$$
即矩阵$C$的行向量可由$B$的行向量线性表示。对$A$和$C$按列分块有
$$[{\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n]\left[\begin{array}{cccc}{b}_{11}& b_{12}& \dots & b_{1n}\\ b_{21}& b_{22}& \dots & b_{2n}\\ ⋮& ⋮& & ⋮\\ b_{m1}& b_{m2}& \dots & b_{mn}\end{array}\right]=\left[\begin{array}{c}{\gamma }_1,{\gamma }_2,\dots ,{\gamma }_n\end{array}\right]$$
即矩阵$C$的列向量可由$A$的列向量表示。

矩阵的初等变换

以下三种变换称为矩阵的初等行（列）变换，统称为矩阵的初等变换：

• 用非零的常数乘矩阵的某一行（列）。
• 交换矩阵中两行（列）的位置。
• 将一行（列）的$k$倍加至另一行（列）。

注意：

• 前两种变换方阵的行列式值可能改变，最后一种变换方阵的行列式不变。

使用初等变换的时机

初等行列变换均可使用：

• 求矩阵的秩
• 矩阵化为行阶梯和行最简

只能使用初等行变换：

• 解线性方程组
• 求特征向量
• 求列向量的极大线性无关组

初等矩阵

由单位矩阵经过一次初等变换得到的矩阵称为初等矩阵。初等矩阵的性质如下：

• 初等矩阵$P$左乘$A$所得到的$PA$就是对$A$做一次与$P$同样的初等行变换。
• 初等矩阵$P$右乘$A$所得到的$AP$就是对$A$做一次与$P$同样的初等列变换。
• 初等矩阵均可逆，且其逆矩阵都是同类型的初等矩阵。
• ${\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& k& 1\end{array}\right]}^{-1}=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& -k& 1\end{array}\right]$
• ${\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 1\\ 0& 1& 0\end{array}\right]}^{-1}=\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 1\\ 0& 1& 0\end{array}\right]$
• ${\left[\begin{array}{ccc}1& 0& 0\\ 0& k& 0\\ 0& 0& 1\end{array}\right]}^{-1}=\left[\begin{array}{ccc}1& 0& 0\\ 0& \frac{1}{k}& 0\\ 0& 0& 1\end{array}\right]$

等价矩阵

如果矩阵$A$经过有限次初等变换变成矩阵$B$，就称矩阵$A$与$B$等价，记作$A\cong B$。矩阵等价的性质如下：

• 反身性：$A\cong A$
• 对称性：若$A\cong B$，则$B\cong A$
• 传递性：若$A\cong B,B\cong C$，则$A\cong C$
• $A\cong B$
  $\iff PAQ=B$，其中$P,Q$为可逆矩阵
  $\iff r(A)=r(B)$

行阶梯矩阵

设$A$是一个$m\times n$的矩阵，如果满足：

• 如果矩阵有零行，则零行都在矩阵的底部。
• 每个非零行的矩阵的主元（即某一行中最左边的第一个非零元）所在的列的下面元素都是$0$。

则称$A$为行阶梯矩阵。

行最简矩阵

设$A$是一个$m\times n$的矩阵，如果满足：

• $A$是行阶梯矩阵。
• 非零行的主元都是$1$，且主元所在列的其它元素都是$0$。

则称$A$为行最简矩阵。

初等变换在矩阵求解中的应用

• 通过初等行变换求解矩阵的逆矩阵：$A$矩阵可逆$\iff$$A$可以表示为若干个初等矩阵的乘积。即
  $$P_n\dots P_2{P}_1=A$$
  那么
  $$(P_n\dots P_2{P}_1{)}^{-1}A=E$$
  因为$(P_n\dots P_2{P}_1{)}^{-1}=P_1^{-1}{P}_2^{-1}\dots P_n^{-1}=Q_1{Q}_2\dots Q_n$（$Q$仍为初等矩阵），所以原式可写为：
  $$Q_1{Q}_2\dots Q_{n}A=E$$
  那么
  $$Q_1{Q}_2\dots Q_{n}E=A^{-1}$$
  因此：$A$矩阵经过若干次行变换可变为单位矩阵，单位矩阵经过若干次同样的行变换可变为$A$的逆矩阵，即：
  $$(A|E)\to \cdots \to (E|A^{-1})$$
• 通过初等行变换求解矩阵方程：若$AX=B$，如果$A$可逆，那么$$X=A^{-1}B$$又$$PA=E$$那么$$PB=A^{-1}B=X$$所以$$P(A|B)=(E|X)$$

矩阵的秩

在$m\times n$阶的矩阵$A$中，任取$k$行与$k$列（$k\le n,k\le m$），位于这些行与列的交叉点上的$k^2$个元素按其在原来矩阵$A$的次序可构成一个$k$阶行列式，称其为矩阵$A$的一个$k$阶子式。若矩阵$A$中存在$k$阶子式不为$0$，$k+1$阶子式（如果存在）全为$0$，则称$k$为矩阵$A$的秩，记为$$r(A)=k$$零矩阵的秩规定为$0$。秩的性质如下：

• 经过初等变换矩阵的秩不变。
• $r(kA)=r(A)(k\ne 0)$
• $r(A^T)=r(A)$
  证明：设$r(A)=r$，则$A$的列向量组的秩为$r$，$A$的列向量组就是$A^T$的行向量组，所以$r(A^T)=r=r(A)$
• $r(A^{T}A)=r(A{A}^T)=r(A)$
  证明：设$A^{T}Ax=O$，则
  $$\begin{gathered} x^T{A}^{T}A=O \\ (Ax{)}^{T}Ax=O \\ \Downarrow \\ Ax=O \end{gathered}$$
  所以$A^{T}Ax=O$与$Ax=O$同解，所以$r(A^{T}A)=r(A)$，同理可得$r(A{A}^T)=r(A)$
• $r(A^{\ast })=x=\{\begin{array}{ll}n& \text{如果 }r(A)=n\\ 1& \text{如果 }r(A)=n-1\\ 0& \text{如果 }r(A)<n-1\end{array}$
  证明：
  若$r(A)=n$，又因$|A^{\ast }|=|A{|}^{n-1}$，所以$|A^{\ast }|\ne 0,r(A^{\ast })=n$
  若$r(A)<n-1$，则$A$中的所有$n-1$阶子式全为$0$，则$A^{\ast }=O,r(A^{\ast })=0$
  若$r(A)=n-1$，则
  $$\begin{gathered} A^{\ast }A=|A|E=O \\ \Downarrow \\ r(A)+r(A^{\ast })\le n \\ \Downarrow \\ r(A^{\ast }\le 1) \end{gathered}$$
  又因为$A$中含有$n-1$阶子式非$0$，则$r(A^{\ast })\ge 1$，所以$r(A^{\ast })=1$
• 如果$A$可逆，则$r(AB)=r(B),r(BA)=r(B)$
• 左乘列满秩或右乘行满秩矩阵的秩不变
• $r(\left[\begin{array}{cc}A& O\\ O& B\end{array}\right])=r(A)+r(B)$
• $r(AB)\le min(r(A),r(B))$
  证明：设$r(A)=r$，则存在可逆矩阵$P,Q$使得$$PAQ={\left[\begin{array}{cc}{E}_r& O\\ O& O\end{array}\right]}_{m\times n}$$则$$PAB=\left[\begin{array}{cc}{E}_r& O\\ O& O\end{array}\right]Q^{-1}B=\left[\begin{array}{cc}{E}_r& O\\ O& O\end{array}\right]\left[\begin{array}{c}{B}_{r\times s}\\ B_{(n-r)\times s}\end{array}\right]=\left[\begin{array}{c}{B}_{r\times s}\\ O\end{array}\right]$$即$$r(AB)=r(PAB)=r(\left[\begin{array}{c}{B}_{r\times s}\\ O\end{array}\right])=r(B_{r\times s})\le r\le r(A)$$由此可得$$r(AB)=r((AB{)}^T)=r(B^T{A}^T)\le r(B^T)=r(B)$$故$r(AB)\le min(r(A),r(B))$
• $max(r(A),r(B))\le r(A|B)\le r(A)+r(B)$
  证明：设$r(A)=r,r(B)=t$，$$\begin{gathered} P{A}^T=A_1(行阶梯，r个非零行) \\ Q{B}^T=B_1(行阶梯，t个非零行) \end{gathered}$$那么$$\left[\begin{array}{cc}P& O\\ O& Q\end{array}\right]\left[\begin{array}{c}{A}^T\\ B^T\end{array}\right]=\left[\begin{array}{c}{A}_1\\ B_1\end{array}\right]$$则$$r(A|B)=r\left[\begin{array}{c}{A}^T\\ B^T\end{array}\right]=\left[\begin{array}{c}{A}_1\\ B_1\end{array}\right]\le r+t\le r(A)+r(B)$$
• $r(A+B)\le r(A|B)\le r(A)+r(B)$
  证明：构造矩阵
  $$\left[\begin{array}{c}A+B\\ B\end{array}\right]$$
  经初等行变换得
  $$\left[\begin{array}{c}A\\ B\end{array}\right]$$
  所以
  $$r(A+B)\le r(\left[\begin{array}{c}A+B\\ B\end{array}\right])=r(\left[\begin{array}{c}A\\ B\end{array}\right])=r({\left[\begin{array}{c}A\\ B\end{array}\right]}^T)=r[A^T,B^T]\le r(A^T)+r(B^T)=r(A)+r(B)$$
• 若$A_{m\times n}{B}_{n\times s}=O$，则$r(A)+r(B)\le n$
  证明：如果$AB=O$，那么$B$的每个列都是齐次方程组$AX=O$的解。设$r(A)=r$，那么方程组$AX=O$最多有$n-r$个线性无关的解，所以：$r(B)<=n-r=n-r(A)$。