4 矩阵的运算
4.1 矩阵的运算
1、数域K上两个矩阵称为相等,如果它们的行数相等,列数也相等,并且它们的所有元素对应相等。
2、定义1:设
A
=
(
a
i
j
)
,
B
=
(
b
i
j
)
A=(a_{ij}),B=(b_{ij})
A=(aij),B=(bij)都是数域K上
s
×
n
s \times n
s×n矩阵,令
C
=
(
a
i
j
+
b
i
j
)
s
×
n
,
C=(a_{ij}+b_{ij})_{s \times n},
C=(aij+bij)s×n,
则称矩阵C是矩阵A与B的和,记作
C
=
A
+
B
C=A+B
C=A+B。
3、定义2:设
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)是数域K上
s
×
n
s \times n
s×n矩阵,
k
∈
K
k\in K
k∈K,令
M
=
(
k
a
i
j
)
s
×
n
,
M=(ka_{ij})_{s \times n},
M=(kaij)s×n,
则称矩阵M是k与矩阵A的数量乘积,记作
M
=
k
A
M=kA
M=kA。
4、设 A = ( a i j ) A=(a_{ij}) A=(aij),矩阵 ( − a i j ) (-a_{ij}) (−aij)称为A的负矩阵,记作—A。容易验证,矩阵的加法与数量乘法运算满足类似于n维向量的加法与数量乘法所满足的8条运算法则。并可由负矩阵概念定义矩阵减法运算。
5、定义3:设
A
=
(
a
i
j
)
s
×
n
A=(a_{ij})_{s \times n}
A=(aij)s×n,
B
=
(
b
i
j
)
n
×
m
B=(b_{ij})_{n \times m}
B=(bij)n×m,令
C
=
(
c
i
j
)
s
×
m
,
C=(c_{ij})_{s \times m},
C=(cij)s×m,
其中
c
i
j
=
a
i
1
b
1
j
+
a
i
2
b
2
j
+
⋯
+
a
i
n
b
n
j
=
∑
k
=
1
n
a
i
k
b
k
j
,
i
=
1
,
2
,
…
,
s
;
j
=
1
,
2
,
…
,
m
.
c_{ij}=a_{i1}b_{1j}+a_{i2}b_{2j}+\dots+a_{in}b_{nj}=\sum_{k=1}^n a_{ik}b_{kj}\, ,\, i=1,2,\dots,s;j=1,2,\dots,m.
cij=ai1b1j+ai2b2j+⋯+ainbnj=k=1∑naikbkj,i=1,2,…,s;j=1,2,…,m.
则称矩阵C为矩阵A与矩阵B的乘积,记作
C
=
A
B
C=AB
C=AB。
注:
(1)只有左矩阵的列数与右矩阵的行数相同的两个矩阵才能相乘;
(2)乘积矩阵的 ( i , j ) (i,j) (i,j)元等于左矩阵的第 i i i行与右矩阵的第 j j j列的对应元素的乘积之和;
(3)乘积矩阵的行数等于左矩阵的行数,乘积矩阵的列数等于右矩阵的列数。
6、对于 A B = 0 AB=0 AB=0,若 B ≠ 0 B\not=0 B=0,则称A是一个左零因子,若 A ≠ 0 A\not=0 A=0,则称B是是一个右零因子,左零因子和右零因子统称为零因子。显然,零矩阵是零因子,称为平凡的零因子。
7、矩阵的乘法适合结合律和左右分配律。另与数量乘法一起满足: k ( A B ) = ( k A ) B = A ( k B ) k(AB)=(kA)B=A(kB) k(AB)=(kA)B=A(kB)。
8、主对角线上元素都是1,其余元素为0的n级矩阵称为n级单位矩阵,记作 I n I_n In,或简记 I I I。 k I kI kI称为数量矩阵。
9、若 A B = B A AB=BA AB=BA,则称A与B可交换。数量矩阵与任一同级矩阵可交换。
10、由于矩阵的乘法适合结合律,因此可定义n级矩阵A的非负整数次幂:
A
m
=
def
A
⋅
A
⋅
…
⋅
A
,
m
∈
Z
+
;
A
0
=
def
I
.
\begin{aligned} &A^m\xlongequal{\text{def}}A\cdot A\cdot \ldots\cdot A,\,m\in Z^+;\\ &A^0\xlongequal{\text{def}}I. \end{aligned}
AmdefA⋅A⋅…⋅A,m∈Z+;A0defI.
容易看出,对于任意自然数
k
,
l
k,l
k,l有:
A
k
A
l
=
A
k
+
l
,
(
A
k
)
l
=
A
k
l
.
A^kA^l=A^{k+l},\,(A^k)^l=A^{kl}.
AkAl=Ak+l,(Ak)l=Akl.
注:由于矩阵乘法不满足交换律,故一般来说,
(
A
B
)
k
≠
A
k
B
k
(AB)^k\not=A^kB^k
(AB)k=AkBk。
11、对于矩阵转置有:
(
1
)
(
A
+
B
)
′
=
A
′
+
B
′
;
(
2
)
(
k
A
)
′
=
k
A
′
;
(
3
)
(
A
B
)
′
=
B
′
A
′
.
\begin{aligned} (1)\qquad&(A+B)'=A'+B';\\ (2)\qquad&(kA)'=kA';\\ (3)\qquad&(AB)'=B'A'. \end{aligned}
(1)(2)(3)(A+B)′=A′+B′;(kA)′=kA′;(AB)′=B′A′.
4.2 特殊矩阵
1、对角矩阵
定义1:主对角线以外的元素全为0的方阵称为对角矩阵,简记作: d i a g { d 1 , d 2 , … , d n } diag\{d_1,d_2,\dots,d_n\} diag{d1,d2,…,dn}。
命题1:用一个对角矩阵左(右)乘一个矩阵A,就相当于用对角矩阵的主对角元分别去乘A的相应的行(列)。
2、基本矩阵
定义2:只有一个元素是1,其余元素全为0的矩阵称为基本矩阵。
(
i
,
j
)
(i,j)
(i,j)元为1的基本矩阵记作
E
i
j
E_{ij}
Eij。故:
A
=
(
a
i
j
)
s
×
n
=
[
a
11
a
12
.
.
.
a
1
n
a
21
a
22
.
.
.
a
2
n
⋮
⋮
⋮
a
s
1
a
s
2
.
.
.
a
s
n
]
=
a
11
E
11
+
a
12
E
12
+
⋯
+
a
s
n
E
s
n
=
∑
i
=
1
s
∑
j
=
1
n
a
i
j
E
i
j
.
A=(a_{ij})_{s \times n}=\begin{bmatrix} a_{11} & a_{12} & ... & a_{1n} \\ a_{21} & a_{22} & ... & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{s1} & a_{s2} & ... & a_{sn} \end{bmatrix}=a_{11}E_{11}+a_{12}E_{12}+\dots+a_{sn}E_{sn}=\sum_{i=1}^s\sum_{j=1}^n a_{ij}E_{ij}.
A=(aij)s×n=⎣⎢⎢⎢⎡a11a21⋮as1a12a22⋮as2.........a1na2n⋮asn⎦⎥⎥⎥⎤=a11E11+a12E12+⋯+asnEsn=i=1∑sj=1∑naijEij.
命题2:用
E
i
j
E_{ij}
Eij左乘一个矩阵A,就相当于把A的第j行搬到第i行的位置,而乘积矩阵的其余行全为零行;用
E
i
j
E_{ij}
Eij右乘一个矩阵A,就相当于把A的第j列搬到第i列的位置,而乘积矩阵的其余列全为零列。故:
E
i
j
E
k
l
=
{
E
i
l
当
k
=
j
;
0
当
k
≠
j
.
E
i
j
A
E
k
l
=
a
j
k
E
i
l
.
\begin{aligned} &E_{ij}E_{kl}= \begin{cases} E_{il}&当k=j; \\ 0&当k\not=j. \end{cases} \\ &E_{ij}AE_{kl}=a_{jk}E_{il}. \end{aligned}
EijEkl={Eil0当k=j;当k=j.EijAEkl=ajkEil.
3、上(下)三角矩阵
定义3:主对角线下(上)方元素全为0的方阵称为上(下)三角矩阵。
A为上三角矩阵的充分必要条件:
a
i
j
=
0
,
当
i
>
j
.
A
=
∑
i
=
1
n
∑
j
=
1
n
a
i
j
E
i
j
.
a_{ij}=0,当i>j.\, A=\sum_{i=1}^n\sum_{j=1}^n a_{ij}E_{ij}.
aij=0,当i>j.A=i=1∑nj=1∑naijEij.
命题3:两个n级上三角矩阵A与B的乘积仍为上三角矩阵,并且AB的主对角线元素等于A与B的相应主对角元的乘积。两个n级下三角矩阵A与B的乘积仍为下三角矩阵,并且AB的主对角线元素等于A与B的相应主对角元的乘积。
4、初等矩阵
定义4:由单位矩阵经过一次初等行(列)变换得到的矩阵称为初等矩阵。容易得出,初等矩阵只有下面三种类型:
I
→
(
j
)
+
(
i
)
⋅
k
P
(
j
,
i
(
k
)
)
,
I
→
(
i
,
j
)
P
(
i
,
j
)
,
I
→
(
i
)
⋅
c
P
(
i
(
c
)
)
,
c
≠
0
;
\begin{aligned} &I\xrightarrow{(j)+(i)\cdot k}P(j,i(k)),\\ &I\xrightarrow{(i,j)}P(i,j),\\ &I\xrightarrow{(i)\cdot c}P(i(c)),\, c\not=0; \end{aligned}
I(j)+(i)⋅kP(j,i(k)),I(i,j)P(i,j),I(i)⋅cP(i(c)),c=0;
设A是一个
s
×
n
s \times n
s×n矩阵,它的行向量组是
γ
1
,
γ
2
,
…
,
γ
s
\gamma_1,\gamma_2,\dots,\gamma_s
γ1,γ2,…,γs;列向量组是
α
1
,
α
2
,
…
,
α
n
\alpha_1,\alpha_2,\dots,\alpha_n
α1,α2,…,αn。则
P
(
j
,
i
(
k
)
)
A
=
[
1
⋱
1
⋮
⋱
k
…
1
⋱
1
]
[
γ
1
γ
2
⋮
γ
s
]
=
[
γ
1
⋮
γ
i
⋮
k
γ
i
+
γ
j
⋮
γ
s
]
,
A
P
(
j
,
i
(
k
)
)
=
(
α
1
,
α
2
,
…
,
α
n
)
[
1
⋱
1
⋮
⋱
k
…
1
⋱
1
]
=
(
α
1
,
…
,
α
i
+
k
α
j
,
…
,
α
j
,
…
,
α
n
)
\begin{aligned} &P(j,i(k))A=\begin{bmatrix} 1 & & & & & & \\ &\ddots& & & & & \\ & & 1 & & & & \\ & &\vdots&\ddots& & & \\ & & k &\dots &1 & & \\ & & & & &\ddots& \\ & & & & & & 1 \end{bmatrix} \begin{bmatrix} \gamma_1 \\ \gamma_2 \\ \vdots \\ \gamma_s \end{bmatrix}= \begin{bmatrix} \gamma_1 \\ \vdots \\ \gamma_i \\ \vdots \\ k\gamma_i+\gamma_j \\ \vdots \\ \gamma_s \end{bmatrix} ,\\ &AP(j,i(k))=(\alpha_1,\alpha_2,\dots,\alpha_n)\begin{bmatrix} 1 & & & & & & \\ &\ddots& & & & & \\ & & 1 & & & & \\ & &\vdots&\ddots& & & \\ & & k &\dots &1 & & \\ & & & & &\ddots& \\ & & & & & & 1 \end{bmatrix}=(\alpha_1,\dots,\alpha_i+k\alpha_j,\dots,\alpha_j,\dots,\alpha_n) \end{aligned}
P(j,i(k))A=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡1⋱1⋮k⋱…1⋱1⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤⎣⎢⎢⎢⎡γ1γ2⋮γs⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡γ1⋮γi⋮kγi+γj⋮γs⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤,AP(j,i(k))=(α1,α2,…,αn)⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡1⋱1⋮k⋱…1⋱1⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤=(α1,…,αi+kαj,…,αj,…,αn)
由上诉看出:
用
P
(
j
,
i
(
k
)
)
左
乘
A
,
就
相
当
于
把
A
的
第
i
行
的
k
倍
加
到
第
j
行
上
,
其
余
行
不
变
;
用
P
(
j
,
i
(
k
)
)
右
乘
A
,
就
相
当
于
把
A
的
第
j
列
的
k
倍
加
到
第
i
列
上
,
其
余
列
不
变
;
用
P
(
i
,
j
)
左
(
右
)
乘
A
,
就
相
当
于
把
A
的
第
i
行
(
列
)
与
第
j
行
(
列
)
互
换
,
其
余
行
(
列
)
不
变
;
用
P
(
i
(
c
)
)
(
c
≠
0
)
左
(
右
)
乘
A
,
就
相
当
于
用
c
乘
A
的
第
i
行
(
列
)
,
其
余
行
(
列
)
不
变
。
\begin{aligned} &用P(j,i(k))左乘A,就相当于把A的第i行的k倍加到第j行上,其余行不变;\\ &用P(j,i(k))右乘A,就相当于把A的第j列的k倍加到第i列上,其余列不变;\\ &用P(i,j)左(右)乘A,就相当于把A的第i行(列)与第j行(列)互换,其余行(列)不变;\\ &用P(i(c))(c\not=0)左(右)乘A,就相当于用c乘A的第i行(列),其余行(列)不变。 \end{aligned}
用P(j,i(k))左乘A,就相当于把A的第i行的k倍加到第j行上,其余行不变;用P(j,i(k))右乘A,就相当于把A的第j列的k倍加到第i列上,其余列不变;用P(i,j)左(右)乘A,就相当于把A的第i行(列)与第j行(列)互换,其余行(列)不变;用P(i(c))(c=0)左(右)乘A,就相当于用c乘A的第i行(列),其余行(列)不变。
定理1:用初等矩阵左(右)乘一个矩阵A,就相当于A作了一次相应的初等行(列)变换。
5、对称矩阵
定义5:一个矩阵A如果满足 A ′ = A A'=A A′=A,那么称A是对称矩阵。
命题4:设A、B都是数域K上的n级对称矩阵,则 A + B , k A ( k ∈ K ) A+B,kA(k\in K) A+B,kA(k∈K)都是对称矩阵。
命题5:设A、B都是数域K上的n级对称矩阵,则AB为对称矩阵的充分必要条件是A与B可交换。
6、斜对称矩阵
定义6:一个矩阵A如果满足 A ′ = − A A'=-A A′=−A,那么称A是斜对称矩阵。
命题6:数域K上奇数级斜对称矩阵的行列式等于0。
4.3 矩阵乘积的秩与行列式
1、定理1:设 A = ( a i j ) s × n , B = ( b i j ) n × m , 则 : r a n k ( A B ) ⩽ m i n { r a n k ( A ) , r a n k ( B ) } . A=(a_{ij})_{s \times n},B=(b_{ij})_{n \times m},则:rank(AB)\leqslant min\{rank(A),rank(B)\}. A=(aij)s×n,B=(bij)n×m,则:rank(AB)⩽min{rank(A),rank(B)}.
2、定理2:设 A = ( a i j ) n × n , B = ( b i j ) n × n , 则 : ∣ A B ∣ = ∣ A ∣ ∣ B ∣ . A=(a_{ij})_{n \times n},B=(b_{ij})_{n \times n},则:|AB|=|A||B|. A=(aij)n×n,B=(bij)n×n,则:∣AB∣=∣A∣∣B∣.
3、定理3(Binet-Cauchy公式):
A
=
(
a
i
j
)
s
×
n
,
B
=
(
b
i
j
)
n
×
s
,
A=(a_{ij})_{s \times n},B=(b_{ij})_{n \times s},
A=(aij)s×n,B=(bij)n×s,
(
1
)
如
果
s
>
n
,
那
么
∣
A
B
∣
=
0
;
(
2
)
如
果
s
⩽
n
,
那
么
∣
A
B
∣
等
于
A
的
所
有
s
阶
子
式
与
B
的
相
应
s
阶
子
式
的
乘
积
之
和
,
即
∣
A
B
∣
=
∑
1
⩽
v
1
<
v
2
<
⋯
<
v
s
⩽
n
A
(
1
,
2
,
…
,
s
v
1
,
v
2
,
…
,
v
s
)
⋅
B
(
v
1
,
v
2
,
…
,
v
s
1
,
2
,
…
,
s
)
.
\begin{aligned} &(1)如果s>n,那么|AB|=0;\\ &(2)如果s\leqslant n,那么|AB|等于A的所有s阶子式与B的相应s阶子式的乘积之和,即\\ &|AB|=\sum_{1\leqslant v_1<v_2<\dots<v_s\leqslant n} A\begin{pmatrix} 1,2,\dots,s \\ v_1,v_2,\dots,v_s \end{pmatrix}\cdot B\begin{pmatrix} v_1,v_2,\dots,v_s \\ 1,2,\dots,s \end{pmatrix}. \end{aligned}
(1)如果s>n,那么∣AB∣=0;(2)如果s⩽n,那么∣AB∣等于A的所有s阶子式与B的相应s阶子式的乘积之和,即∣AB∣=1⩽v1<v2<⋯<vs⩽n∑A(1,2,…,sv1,v2,…,vs)⋅B(v1,v2,…,vs1,2,…,s).
4、命题1:设
A
=
(
a
i
j
)
s
×
n
,
B
=
(
b
i
j
)
n
×
s
,
设
正
整
数
r
⩽
s
A=(a_{ij})_{s \times n},B=(b_{ij})_{n \times s},设正整数r\leqslant s
A=(aij)s×n,B=(bij)n×s,设正整数r⩽s,
(
1
)
如
果
r
>
n
,
那
么
A
B
的
所
有
r
阶
子
式
都
等
于
0
;
(
2
)
如
果
r
⩽
n
,
那
么
A
B
的
任
一
r
阶
子
式
为
A
B
(
i
1
,
i
2
,
…
,
i
r
j
1
,
j
2
,
…
,
j
r
)
=
∑
1
⩽
v
1
<
v
2
<
⋯
<
v
r
⩽
n
A
(
i
1
,
i
2
,
…
,
i
r
v
1
,
v
2
,
…
,
v
r
)
⋅
B
(
v
1
,
v
2
,
…
,
v
r
j
1
,
j
2
,
…
,
j
r
)
.
\begin{aligned} &(1)如果r>n,那么AB的所有r阶子式都等于0;\\ &(2)如果r\leqslant n,那么AB的任一r阶子式为\\ &AB\begin{pmatrix} i_1,i_2,\dots,i_r \\ j_1,j_2,\dots,j_r \end{pmatrix}=\sum_{1\leqslant v_1<v_2<\dots<v_r\leqslant n} A\begin{pmatrix} i_1,i_2,\dots,i_r \\ v_1,v_2,\dots,v_r \end{pmatrix}\cdot B\begin{pmatrix} v_1,v_2,\dots,v_r \\ j_1,j_2,\dots,j_r \end{pmatrix}. \end{aligned}
(1)如果r>n,那么AB的所有r阶子式都等于0;(2)如果r⩽n,那么AB的任一r阶子式为AB(i1,i2,…,irj1,j2,…,jr)=1⩽v1<v2<⋯<vr⩽n∑A(i1,i2,…,irv1,v2,…,vr)⋅B(v1,v2,…,vrj1,j2,…,jr).
5、矩阵A的一个子式如果行指标与列指标相同,那么称它为A的一个主子式。
4.4 可逆矩阵
1、定义1:对于数域K上矩阵A,如果存在数域K上矩阵B,使得
A
B
=
B
A
=
I
(1)
AB=BA=I \tag{1}
AB=BA=I(1)
那么称A是可逆矩阵(或非奇异矩阵)。
2、定义2:如果A是可逆矩阵,那么适合(1)式的矩阵B称为A的逆矩阵,记作 A − 1 A^{-1} A−1。 A − 1 A^{-1} A−1是唯一的。
3、定理1:数域K上n级矩阵A可逆的充分必要条件是
∣
A
∣
≠
0
|A|\not=0
∣A∣=0。当A可逆时,
A
−
1
=
1
∣
A
∣
A
∗
.
(2)
A^{-1}=\frac 1 {|A|} A^*. \tag{2}
A−1=∣A∣1A∗.(2)
称
A
∗
A^{*}
A∗为A的伴随矩阵。满足
A
A
∗
=
A
∗
A
=
∣
A
∣
I
AA^{*}=A^{*}A=|A|I
AA∗=A∗A=∣A∣I。
数域K上n级矩阵A可逆的充分必要条件汇总:
数
域
K
上
n
级
矩
阵
A
可
逆
⟺
∣
A
∣
≠
0
⟺
A
为
满
秩
矩
阵
⟺
A
的
行
(
列
)
向
量
组
线
性
无
关
⟺
A
的
行
(
列
)
向
量
组
为
K
n
的
一
个
基
⟺
A
的
行
(
列
)
空
间
等
于
K
n
⟺
A
可
以
表
示
成
一
些
初
等
矩
阵
的
乘
积
。
\begin{aligned} &数域K上n级矩阵A可逆 \\ \iff&|A|\not=0\\ \iff&A为满秩矩阵\\ \iff&A的行(列)向量组线性无关 \\ \iff&A的行(列)向量组为K^{n}的一个基\\ \iff&A的行(列)空间等于K^{n}\\ \iff&A可以表示成一些初等矩阵的乘积。 \end{aligned}
⟺⟺⟺⟺⟺⟺数域K上n级矩阵A可逆∣A∣=0A为满秩矩阵A的行(列)向量组线性无关A的行(列)向量组为Kn的一个基A的行(列)空间等于KnA可以表示成一些初等矩阵的乘积。
命题1:设A与B都是数域K上的n级矩阵,如果
A
B
=
I
AB=I
AB=I,那么A与B都是可逆矩阵,并且
A
−
1
=
B
,
B
−
1
=
A
A^{-1}=B,B^{-1}=A
A−1=B,B−1=A。
4、可逆矩阵的性质:
性
质
1
:
单
位
矩
阵
I
可
逆
,
且
I
−
1
=
I
。
性
质
2
:
如
果
A
可
逆
,
那
么
A
−
1
也
可
逆
,
且
(
A
−
1
)
−
1
=
A
。
性
质
3
:
如
果
n
级
矩
阵
A
、
B
都
可
逆
,
那
么
A
B
也
可
逆
,
并
且
(
A
B
)
−
1
=
B
−
1
A
−
1
。
推
广
:
(
A
1
A
2
…
A
s
)
−
1
=
A
s
−
1
…
A
2
−
1
A
1
−
1
。
性
质
4
:
如
果
A
可
逆
,
那
么
A
′
也
可
逆
,
并
且
(
A
′
)
−
1
=
(
A
−
1
)
′
。
性
质
5
:
可
逆
矩
阵
经
过
初
等
行
变
换
化
成
的
简
化
行
阶
梯
形
矩
阵
一
定
是
单
位
矩
阵
。
性
质
6
:
矩
阵
A
可
逆
的
充
分
必
要
条
件
是
它
可
以
表
示
成
一
些
初
等
矩
阵
的
乘
积
。
性
质
7
:
用
一
个
可
逆
矩
阵
左
(
右
)
乘
一
个
矩
阵
A
,
不
改
变
A
的
秩
。
\begin{aligned} &性质1:单位矩阵I可逆,且I^{-1}=I。\\ &性质2:如果A可逆,那么A^{-1}也可逆,且(A^{-1})^{-1}=A。\\ &性质3:如果n级矩阵A、B都可逆,那么AB也可逆,并且(AB)^{-1}=B^{-1}A^{-1}。推广:(A_1A_2\dots A_s)^{-1}=A_s^{-1}\dots A_2^{-1}A_1^{-1}。\\ &性质4:如果A可逆,那么A'也可逆,并且(A')^{-1}=(A^{-1})'。\\ &性质5:可逆矩阵经过初等行变换化成的简化行阶梯形矩阵一定是单位矩阵。\\ &性质6:矩阵A可逆的充分必要条件是它可以表示成一些初等矩阵的乘积。\\ &性质7:用一个可逆矩阵左(右)乘一个矩阵A,不改变A的秩。 \end{aligned}
性质1:单位矩阵I可逆,且I−1=I。性质2:如果A可逆,那么A−1也可逆,且(A−1)−1=A。性质3:如果n级矩阵A、B都可逆,那么AB也可逆,并且(AB)−1=B−1A−1。推广:(A1A2…As)−1=As−1…A2−1A1−1。性质4:如果A可逆,那么A′也可逆,并且(A′)−1=(A−1)′。性质5:可逆矩阵经过初等行变换化成的简化行阶梯形矩阵一定是单位矩阵。性质6:矩阵A可逆的充分必要条件是它可以表示成一些初等矩阵的乘积。性质7:用一个可逆矩阵左(右)乘一个矩阵A,不改变A的秩。
5、初等变换法求逆矩阵:
(
A
,
I
)
→
初等行变换
(
I
,
A
−
1
)
(A,I)\xrightarrow{\text{初等行变换}}(I,A^{-1})
(A,I)初等行变换(I,A−1)
4.5 矩阵的分块
1、对于分块矩阵 A = [ A 1 A 2 A 3 A 4 ] , A ′ = [ A 1 ′ A 3 ′ A 2 ′ A 4 ′ ] A=\begin{bmatrix}A_1&A_2\\A_3&A_4 \end{bmatrix},A'=\begin{bmatrix}A_1'&A_3'\\A_2'&A_4' \end{bmatrix} A=[A1A3A2A4],A′=[A1′A2′A3′A4′]。
2、分块矩阵相乘需满足下列条件:
(
1
)
左
矩
阵
的
列
组
数
等
于
右
矩
阵
的
行
组
数
;
(
2
)
左
矩
阵
每
个
列
组
所
含
列
数
等
于
右
矩
阵
相
应
行
组
所
含
行
数
。
\begin{aligned} &(1)左矩阵的列组数等于右矩阵的行组数;\\ &(2)左矩阵每个列组所含列数等于右矩阵相应行组所含行数。 \end{aligned}
(1)左矩阵的列组数等于右矩阵的行组数;(2)左矩阵每个列组所含列数等于右矩阵相应行组所含行数。
3、命题1:
设
A
是
s
×
n
矩
阵
,
B
是
n
×
m
矩
阵
,
B
的
列
向
量
组
为
β
1
,
β
2
,
…
,
β
m
。
则
设A是s \times n矩阵,B是n \times m矩阵,B的列向量组为\beta_1,\beta_2,\dots,\beta_m。则
设A是s×n矩阵,B是n×m矩阵,B的列向量组为β1,β2,…,βm。则
A
B
=
A
(
β
1
,
β
2
,
…
,
β
m
)
=
(
A
β
1
,
A
β
2
,
…
,
A
β
m
)
.
AB=A(\beta_1,\beta_2,\dots,\beta_m)=(A\beta_1,A\beta_2,\dots,A\beta_m).
AB=A(β1,β2,…,βm)=(Aβ1,Aβ2,…,Aβm).
推论1:
设
A
s
×
n
≠
0
,
B
n
×
m
的
列
向
量
组
是
β
1
,
β
2
,
…
,
β
m
。
则
设A_{s \times n}\not=0,B_{n \times m}的列向量组是\beta_1,\beta_2,\dots,\beta_m。则
设As×n=0,Bn×m的列向量组是β1,β2,…,βm。则
A
B
=
0
⟺
β
1
,
β
2
,
…
,
β
m
都
是
齐
次
线
性
方
程
组
A
X
=
0
的
解
。
AB=\bold 0\iff\beta_1,\beta_2,\dots,\beta_m 都是齐次线性方程组AX=\bold 0的解。
AB=0⟺β1,β2,…,βm都是齐次线性方程组AX=0的解。
推论2:
设
A
s
×
n
≠
0
,
B
n
×
m
的
列
向
量
组
是
β
1
,
β
2
,
…
,
β
m
;
C
s
×
m
的
列
向
量
组
是
δ
1
,
δ
2
,
…
,
δ
m
。
则
设A_{s \times n}\not=0,B_{n \times m}的列向量组是\beta_1,\beta_2,\dots,\beta_m;C_{s \times m}的列向量组是\delta_1,\delta_2,\dots,\delta_m。则
设As×n=0,Bn×m的列向量组是β1,β2,…,βm;Cs×m的列向量组是δ1,δ2,…,δm。则
A
B
=
C
⟺
β
i
是
线
性
方
程
组
A
X
=
δ
i
的
一
个
解
,
i
=
1
,
2
,
…
,
m
.
AB=C\iff\beta_i是线性方程组AX=\delta_i的一个解,i=1,2,\dots,m.
AB=C⟺βi是线性方程组AX=δi的一个解,i=1,2,…,m.
4、分块矩阵的初等行变换:
(
1
)
把
一
个
块
行
的
左
P
倍
(
P
是
矩
阵
)
加
到
另
一
个
块
行
上
,
如
[
A
1
A
2
A
3
A
4
]
→
(
2
)
+
P
⋅
(
1
)
[
A
1
A
2
P
A
1
+
A
3
P
A
2
+
A
4
]
;
(
2
)
互
换
两
个
块
行
的
位
置
;
(
3
)
用
一
个
可
逆
矩
阵
左
乘
某
一
块
行
(
为
的
是
可
以
把
所
得
到
的
分
块
矩
阵
变
回
原
来
的
分
块
矩
阵
)
。
\begin{aligned} &(1)把一个块行的左P倍(P是矩阵)加到另一个块行上,如\\ &\qquad \begin{bmatrix}A_1&A_2\\A_3&A_4 \end{bmatrix}\xrightarrow{(2)+P\cdot (1)} \begin{bmatrix}A_1&A_2\\PA_1+A_3&PA_2+A_4 \end{bmatrix};\\ &(2)互换两个块行的位置;\\ &(3)用一个可逆矩阵左乘某一块行(为的是可以把所得到的分块矩阵变回原来的分块矩阵)。 \end{aligned}
(1)把一个块行的左P倍(P是矩阵)加到另一个块行上,如[A1A3A2A4](2)+P⋅(1)[A1PA1+A3A2PA2+A4];(2)互换两个块行的位置;(3)用一个可逆矩阵左乘某一块行(为的是可以把所得到的分块矩阵变回原来的分块矩阵)。
类似的有分块矩阵的初等列变换。
把单位矩阵分块,并经过一次分块矩阵的初等行(列)变换得到的矩阵称为分块初等矩阵。
5、分块对角矩阵: d i a g { A 1 , A 2 , … , A s } , 其 中 A i 是 方 阵 , i = 1 , 2 , … , s . diag\{A_1,A_2,\dots,A_s\},其中A_i是方阵,i=1,2,\dots,s. diag{A1,A2,…,As},其中Ai是方阵,i=1,2,…,s.
6、分块上(下)三角矩阵:主对角线上子矩阵都是方阵,而位于主对角线上(下)方的所有矩阵都为0。
性质: ∣ A 0 C B ∣ = ∣ A ∣ ∣ B ∣ . \begin{vmatrix} A&0\\C&B\end{vmatrix}=|A||B|. ∣∣∣∣AC0B∣∣∣∣=∣A∣∣B∣.
7、命题2:
设
A
、
B
分
别
是
s
×
n
、
n
×
s
矩
阵
,
则
设A、B分别是s \times n、n \times s矩阵,则
设A、B分别是s×n、n×s矩阵,则
(
1
)
∣
I
n
B
A
I
s
∣
=
∣
I
s
−
A
B
∣
;
(
2
)
∣
I
n
B
A
I
s
∣
=
∣
I
n
−
B
A
∣
;
(
3
)
∣
I
s
−
A
B
∣
=
∣
I
n
−
B
A
∣
.
\begin{aligned} &(1)\begin{vmatrix} I_n&B\\ A&I_s\end{vmatrix}=|I_s-AB|;\\ &(2)\begin{vmatrix} I_n&B\\ A&I_s\end{vmatrix}=|I_n-BA|;\\ &(3)|I_s-AB|=|I_n-BA|. \end{aligned}
(1)∣∣∣∣InABIs∣∣∣∣=∣Is−AB∣;(2)∣∣∣∣InABIs∣∣∣∣=∣In−BA∣;(3)∣Is−AB∣=∣In−BA∣.
8、命题3:
设
A
=
[
A
1
A
3
0
A
2
]
,
其
中
A
1
,
A
2
都
是
方
阵
。
则
A
可
逆
当
且
仅
当
A
1
,
A
2
都
可
逆
,
此
时
设A=\begin{bmatrix}A_1&A_3\\0&A_2 \end{bmatrix},其中A_1,A_2都是方阵。则A可逆当且仅当A_1,A_2都可逆,此时
设A=[A10A3A2],其中A1,A2都是方阵。则A可逆当且仅当A1,A2都可逆,此时
A
−
1
=
[
A
1
−
1
−
A
1
−
1
A
3
A
2
−
1
0
A
2
−
1
]
.
A^{-1}=\begin{bmatrix}A_1^{-1}&-A_1^{-1}A_3A_2^{-1}\\0&A_2^{-1} \end{bmatrix}.
A−1=[A1−10−A1−1A3A2−1A2−1].
4.6 正交矩阵 ⋅ \cdot ⋅欧几里得空间 R n R^n Rn
1、定义1:实数域上的n级矩阵A如果满足: A A ′ = I AA'=I AA′=I,那么称A是正交矩阵。
命题1:实数域上的n级矩阵A是正交矩阵
⟺
A
A
′
=
I
⟺
A
可
逆
,
且
A
−
1
=
A
′
⟺
A
′
A
=
I
\begin{aligned} &\iff AA'=I\\ &\iff A可逆,且A^{-1}=A'\\ &\iff A'A=I \end{aligned}
⟺AA′=I⟺A可逆,且A−1=A′⟺A′A=I
正交矩阵具有下列性质:
(
1
)
I
是
正
交
矩
阵
;
(
2
)
若
A
和
B
是
正
交
矩
阵
,
则
A
B
也
是
正
交
矩
阵
;
(
3
)
若
A
是
正
交
矩
阵
,
则
A
−
1
(
即
A
′
)
也
是
正
交
矩
阵
;
(
4
)
若
A
是
正
交
矩
阵
,
则
∣
A
∣
=
1
或
−
1
。
\begin{aligned} &(1)I是正交矩阵;\\ &(2)若A和B是正交矩阵,则AB也是正交矩阵;\\ &(3)若A是正交矩阵,则A^{-1}(即A')也是正交矩阵;\\ &(4)若A是正交矩阵,则|A|=1或-1。 \end{aligned}
(1)I是正交矩阵;(2)若A和B是正交矩阵,则AB也是正交矩阵;(3)若A是正交矩阵,则A−1(即A′)也是正交矩阵;(4)若A是正交矩阵,则∣A∣=1或−1。
命题2:设实数域上n级矩阵A的行向量组为
γ
1
,
…
,
γ
n
\gamma_1,\dots,\gamma_n
γ1,…,γn;列向量组为
α
1
,
…
,
α
n
\alpha_1,\dots,\alpha_n
α1,…,αn。则
(
1
)
A
为
正
交
矩
阵
当
且
仅
当
A
的
行
向
量
组
满
足
:
γ
i
γ
j
′
=
{
1
,
当
i
=
j
,
0
,
当
i
≠
j
;
(
1
)
A
为
正
交
矩
阵
当
且
仅
当
A
的
列
向
量
组
满
足
:
α
i
′
α
j
=
{
1
,
当
i
=
j
,
0
,
当
i
≠
j
.
\begin{aligned} &(1)A为正交矩阵当且仅当A的行向量组满足:\gamma_i\gamma_j'=\begin{cases}1,\qquad 当i=j,\\0,\qquad 当i\not=j;\end{cases}\\ &(1)A为正交矩阵当且仅当A的列向量组满足:\alpha_i'\alpha_j=\begin{cases}1,\qquad 当i=j,\\0,\qquad 当i\not=j.\end{cases} \end{aligned}
(1)A为正交矩阵当且仅当A的行向量组满足:γiγj′={1,当i=j,0,当i=j;(1)A为正交矩阵当且仅当A的列向量组满足:αi′αj={1,当i=j,0,当i=j.
引用Kronecker记号
δ
i
j
,
δ
i
j
=
{
1
,
当
i
=
j
,
0
,
当
i
≠
j
.
\delta_{ij},\delta_{ij}=\begin{cases}1,\qquad 当i=j,\\0,\qquad 当i\not=j.\end{cases}
δij,δij={1,当i=j,0,当i=j.。故命题2可简记为:
(
1
)
γ
i
γ
j
′
=
δ
i
j
,
1
⩽
i
,
j
⩽
n
;
(
2
)
α
i
′
α
j
=
δ
i
j
,
1
⩽
i
,
j
⩽
n
;
\begin{aligned} &(1)\gamma_i\gamma_j'=\delta_{ij},1\leqslant i,j\leqslant n; \\ &(2)\alpha_i'\alpha_j=\delta_{ij},1\leqslant i,j\leqslant n; \end{aligned}
(1)γiγj′=δij,1⩽i,j⩽n;(2)αi′αj=δij,1⩽i,j⩽n;
2、定义2:
在
R
n
中
,
任
给
α
=
(
a
1
,
a
2
,
…
,
a
n
)
,
β
=
(
b
1
,
b
2
,
…
,
b
n
)
,
规
定
在R^n中,任给\alpha=(a_1,a_2,\dots,a_n),\beta=(b_1,b_2,\dots,b_n),规定
在Rn中,任给α=(a1,a2,…,an),β=(b1,b2,…,bn),规定
(
α
,
β
)
=
def
a
1
b
1
+
a
2
b
2
+
⋯
+
a
n
b
n
,
(1)
(\alpha,\beta)\xlongequal{\text{def}}a_1b_1+a_2b_2+\dots+a_nb_n,\tag{1}
(α,β)defa1b1+a2b2+⋯+anbn,(1)
这个二元实值函数
(
α
,
β
)
称
为
R
n
(\alpha,\beta)称为R^n
(α,β)称为Rn的一个内积(通常也称为标准内积)。(1)式可写为
(
α
,
β
)
=
α
β
′
(\alpha,\beta)=\alpha\beta'
(α,β)=αβ′.
可验证
R
n
R^n
Rn的标准内积具有以下性质:
(
1
)
(
α
,
β
)
=
(
β
,
α
)
,
对
称
性
(
2
)
(
α
+
γ
,
β
)
=
(
α
,
β
)
+
(
γ
,
β
)
,
线
性
性
1
(
3
)
(
k
α
,
β
)
=
k
(
α
,
β
)
,
线
性
性
2
(
4
)
(
α
,
α
)
⩾
0
,
等
号
成
立
当
且
仅
当
α
=
0
。
(
正
定
性
)
\begin{aligned} &(1)(\alpha,\beta)=(\beta,\alpha),对称性\\ &(2)(\alpha+\gamma,\beta)=(\alpha,\beta)+(\gamma,\beta),线性性1\\ &(3)(k\alpha,\beta)=k(\alpha,\beta),线性性2\\ &(4)(\alpha,\alpha)\geqslant 0,等号成立当且仅当\alpha=\bold 0。(正定性) \end{aligned}
(1)(α,β)=(β,α),对称性(2)(α+γ,β)=(α,β)+(γ,β),线性性1(3)(kα,β)=k(α,β),线性性2(4)(α,α)⩾0,等号成立当且仅当α=0。(正定性)
定义了内积之后,n维向量空间
R
n
R^n
Rn就被称为一个欧几里得空间。
在欧几里得空间 R n R^n Rn中规定向量 α 的 长 度 : ∣ α ∣ = def ( α , α ) . \alpha 的长度:|\alpha|\xlongequal{\text{def}}\sqrt{(\alpha,\alpha)}. α的长度:∣α∣def(α,α).
长度为1的向量称为单位向量,把非零向量 α \alpha α乘以 1 ∣ α ∣ \frac 1 {|\alpha|} ∣α∣1称为把** α \alpha α单位化**。
如果 ( α , β ) = 0 (\alpha,\beta)=0 (α,β)=0,那么称 α 与 β \alpha与\beta α与β是正交的,记作 α ⊥ β \alpha \bot \beta α⊥β。非零向量组成的向量组如果向量两两正交,则称为正交向量组。类似可定义正交单位向量组。
命题3:欧几里得空间 R n R^n Rn中,正交向量组一定是线性无关的。
根据命题3得,欧几里得空间 R n R^n Rn 中,n个向量组成的正交向量组一定是 R n R^n Rn的一个基,称它为正交基。n个单位向量组成的向量组称为标准正交基。
命题4:实数域上n级矩阵A是正交矩阵的充分必要条件为:A的行(列)向量组是欧几里得空间 R n R^n Rn的一个标准正交基。
3、定理1:
设
α
1
,
…
,
α
s
是
欧
几
里
得
空
间
R
n
中
一
个
线
性
无
关
的
向
量
组
,
令
设\alpha_1,\dots,\alpha_s是欧几里得空间R^n中一个线性无关的向量组,令
设α1,…,αs是欧几里得空间Rn中一个线性无关的向量组,令
β
1
=
α
1
β
2
=
α
2
−
(
α
2
,
β
1
)
(
β
1
,
β
1
)
β
1
,
…
β
s
=
α
s
−
∑
j
=
1
s
−
1
(
α
s
,
β
j
)
(
β
j
,
β
j
)
β
j
,
(2)
\begin{aligned} &\beta_1=\alpha_1\\ &\beta_2=\alpha_2-\frac {(\alpha_2,\beta_1)} {(\beta_1,\beta_1)} \beta_1,\\ &\dots\\ &\beta_s=\alpha_s-\sum_{j=1}^{s-1} \frac {(\alpha_s,\beta_j)} {(\beta_j,\beta_j)} \beta_j, \end{aligned}\tag{2}
β1=α1β2=α2−(β1,β1)(α2,β1)β1,…βs=αs−j=1∑s−1(βj,βj)(αs,βj)βj,(2)
则
β
1
,
β
2
,
…
,
β
s
是
正
交
向
量
组
,
并
且
β
1
,
β
2
,
…
,
β
s
与
α
1
,
…
,
α
s
等
价
。
则\beta_1,\beta_2,\dots,\beta_s是正交向量组,并且\beta_1,\beta_2,\dots,\beta_s与\alpha_1,\dots,\alpha_s等价。
则β1,β2,…,βs是正交向量组,并且β1,β2,…,βs与α1,…,αs等价。
定理1称为施密特(Schmidt)正交化过程。只要再进行单位化,就能得到正交单位向量组,即 R n R^n Rn的标准正交基。
4.7 从 K n 到 K s K^n到K^s Kn到Ks的线性映射
1、定义1:设
S
和
S
′
S和S'
S和S′是两个集合,如果存在一个对应法则
f
f
f,使得集合
S
S
S中每一个元素a,都有集合
S
′
S'
S′中唯一确定的元素b与之对应,那么称
f
f
f是集合
S
S
S到
S
′
S'
S′的一个映射,记作
f
:
S
→
S
′
a
↦
b
,
\begin{aligned} f:&S\rightarrow S'\\&a\mapsto b, \end{aligned}
f:S→S′a↦b,
其中,b称为a在
f
f
f下的象,a称为b在
f
f
f下的一个原象。b在
f
f
f下的原象集记作
f
−
1
(
b
)
。
f^{-1}(b)。
f−1(b)。a在
f
f
f下的象用符号
f
(
a
)
f(a)
f(a)或
f
a
fa
fa表示,于是映射
f
f
f也可以记成
f
(
a
)
=
b
,
a
∈
S
f(a)=b,a\in S
f(a)=b,a∈S
2、设
f
f
f是集合S到集合S’的一个映射,则把S叫做映射
f
f
f的定义域,把S’叫做
f
f
f的陪域。S的所有元素在
f
f
f下的象组成的集合叫做
f
f
f的值域或**
f
f
f的象**,记作
f
(
S
)
f(S)
f(S)或Im
f
f
f。即
f
(
S
)
=
Im
f
=
def
{
f
(
a
)
∣
a
∈
S
}
=
{
b
∈
S
′
∣
存
在
a
∈
S
使
f
(
a
)
=
b
}
.
f(S)=\text{Im}f\xlongequal{\text{def}}\{f(a)\,|\,a\in S\}=\{b\in S'\,|\,存在a\in S使f(a)=b\}.
f(S)=Imfdef{f(a)∣a∈S}={b∈S′∣存在a∈S使f(a)=b}.
3、设
f
f
f是集合S到集合S’的一个映射,如果
f
(
S
)
=
S
′
f(S)=S'
f(S)=S′,那么称
f
f
f是满射(或
f
f
f是S到S’上的映射)。
f
f
f是满射当且仅当
f
f
f的陪域中每一个元素都有至少一个原象。
如果映射 f f f的定义域S中不同的元素的象也不同,那么称 f f f是单射(或 f f f是一对一映射)。 f f f是单射当且仅当从 a 1 , a 2 ∈ S a_1,a_2\in S a1,a2∈S且 f ( a 1 ) = f ( a 2 ) f(a_1)=f(a_2) f(a1)=f(a2)可以推出 a 1 = a 2 。 a_1=a_2。 a1=a2。
如果映射 f f f既是单射,又是满射,那么称 f f f是双射(或 f f f是S到S’的一个一一对应)。 f f f是双射当且仅当陪域中每一个元素都有唯一的一个原象。
映射 f f f与映射 g g g称为相等,如果他们的定义域相等,陪域相等,并且对应法则相同。( 即 ∀ x ∈ S , 有 f ( x ) = g ( x ) 即\forall x\in S,有f(x)=g(x) 即∀x∈S,有f(x)=g(x))。
集合S到自身的一个映射,通常称为S上的一个变换。
4、定义2:映射 f : S → S f:S\rightarrow S f:S→S,如果把S中每一个元素对应到它自身,即 ∀ x ∈ S , 有 f ( x ) = x \forall x\in S,有f(x)=x ∀x∈S,有f(x)=x,那么称 f f f是恒等映射(或S上的恒等变换),记作: 1 s 1_s 1s。
5、定义3:相继施行映射
g
:
S
→
S
′
和
f
:
S
′
→
S
′
′
,
得
到
S
到
S
′
′
g:S\rightarrow S'和f:S'\rightarrow S'',得到S到S''
g:S→S′和f:S′→S′′,得到S到S′′的一个映射,称为
f
与
g
f与g
f与g的乘积(或合成),记作
f
g
fg
fg。即
(
f
g
)
(
a
)
=
def
f
(
g
(
a
)
)
,
∀
a
∈
S
.
(fg)(a)\xlongequal{\text{def}}f(g(a)),\forall a\in S.
(fg)(a)deff(g(a)),∀a∈S.
定理1:映射的乘法适合结合律。即如果
h
:
S
→
S
′
,
g
:
S
′
→
S
′
′
,
f
:
S
′
′
→
S
′
′
′
h:S\rightarrow S',g:S'\rightarrow S'',f:S''\rightarrow S'''
h:S→S′,g:S′→S′′,f:S′′→S′′′,那么
f
(
g
h
)
=
(
f
g
)
h
.
f(gh)=(fg)h.
f(gh)=(fg)h.
注意映射的乘法不适合交换律,但对于 f : S → S ′ , 有 f 1 s = 1 s f = f . f:S\rightarrow S',有f1_s=1_sf=f. f:S→S′,有f1s=1sf=f.
6、定义4:设 f : S → S ′ f:S\rightarrow S' f:S→S′,如果存在一个映射 g : S ′ → S 使 得 f g = g f = 1 s g:S'\rightarrow S使得fg=gf=1_s g:S′→S使得fg=gf=1s,那么称映射 f f f是可逆的,此时称 g 是 f g是f g是f的一个逆映射。
定理2:映射 f : S → S ′ f:S\rightarrow S' f:S→S′是可逆的充分必要条件为 f f f是双射。
7、定义5:数域K上的向量空间
K
n
到
K
s
K^n 到K^s
Kn到Ks的一个映射
σ
\sigma
σ如果保持加法和数量乘法,即
∀
α
,
β
∈
K
n
,
k
∈
K
\forall \alpha,\beta \in K^n,k\in K
∀α,β∈Kn,k∈K,有
σ
(
α
+
β
)
=
σ
(
α
)
+
σ
(
β
)
,
σ
(
k
α
)
=
k
σ
(
α
)
,
\begin{aligned} \sigma(\alpha+\beta)&=\sigma(\alpha)+\sigma(\beta),\\ \sigma(k\alpha)&=k\sigma(\alpha), \end{aligned}
σ(α+β)σ(kα)=σ(α)+σ(β),=kσ(α),
那么称
σ
是
K
n
到
K
s
\sigma是K^n 到K^s
σ是Kn到Ks的一个线性映射。
设A是数域K上
s
×
n
s \times n
s×n矩阵,令
A
:
K
n
→
K
s
α
↦
A
α
,
(1)
\begin{aligned} A:&K^n\rightarrow K^s\\&\alpha\mapsto A\alpha, \end{aligned}\tag{1}
A:Kn→Ksα↦Aα,(1)
则容易验证A是
σ
是
K
n
到
K
s
\sigma是K^n 到K^s
σ是Kn到Ks的一个线性映射。
事实1:数域K上n元线性方程组
A
X
=
β
AX=\beta
AX=β有解
⟺
存
在
γ
∈
K
n
,
使
得
A
γ
=
β
⟺
存
在
γ
∈
K
n
,
使
得
A
(
γ
)
=
β
⟺
β
∈
Im
A
.
\begin{aligned} \iff&存在\gamma \in K^n,使得A\gamma=\beta\\ \iff&存在\gamma \in K^n,使得A(\gamma)=\beta\\ \iff&\beta \in \text{Im}A. \end{aligned}
⟺⟺⟺存在γ∈Kn,使得Aγ=β存在γ∈Kn,使得A(γ)=ββ∈ImA.
事实2:设数域K上
s
×
n
s \times n
s×n矩阵A的列向量组是
α
1
,
…
,
α
n
\alpha_1,\dots,\alpha_n
α1,…,αn,则
β
∈
Im
A
⟺
线
性
方
程
组
A
X
=
β
有
解
⟺
β
∈
<
α
1
,
…
,
α
n
>
.
\begin{aligned} &\beta\in \text{Im}A\\ \iff&线性方程组AX=\beta有解\\ \iff&\beta \in <\alpha_1,\dots,\alpha_n>. \end{aligned}
⟺⟺β∈ImA线性方程组AX=β有解β∈<α1,…,αn>.
因此
Im
A
=
<
α
1
,
…
,
α
n
>
\qquad \text{Im}A=<\alpha_1,\dots,\alpha_n>
ImA=<α1,…,αn>
即,由(1)式定义的映射A的象(值域)等于矩阵A的列空间,从而Im A A A是 K s K^s Ks的一个子空间。
事实3:设数域K上齐次线性方程组
A
X
=
0
AX=\bold 0
AX=0的解空间是W,则
η
∈
W
⟺
A
η
=
0
⟺
A
(
η
)
=
0.
\eta \in W \iff A\eta=\bold 0 \iff A(\eta)=\bold 0.
η∈W⟺Aη=0⟺A(η)=0.
8、定义6:设
σ
是
K
n
到
K
s
\sigma 是K^n到K^s
σ是Kn到Ks的一个映射,
K
n
K^n
Kn的一个子集
{
α
∈
K
n
∣
σ
(
α
)
=
0
}
\{\alpha \in K^n|\sigma(\alpha)=\bold 0\}
{α∈Kn∣σ(α)=0}称为
σ
\sigma
σ的核,记作:Ker
σ
\sigma
σ
容易验证Ker σ \sigma σ是 K n K^n Kn的一个子空间。
由(1)式定义的线性映射A的核等于齐次线性方程组 A X = 0 AX=\bold 0 AX=0的解空间。即:Ker σ = W \sigma=W σ=W
综上,有:
d
i
m
Ker
A
+
d
i
m
Im
A
=
d
i
m
K
n
.
dim \,\text{Ker}\,A+dim\,\text{Im}\,A=dim\,K^n.
dimKerA+dimImA=dimKn.