线代 第二讲 矩阵

线代 第二讲 矩阵

重点

• 矩阵的定义与运算
• 矩阵的逆
• 伴随矩阵
• 初等行变换&&初等矩阵
• 矩阵方程
• 矩阵的秩&&等价矩阵

定义与运算

本质

表达一个系统信息

观点1

矩阵是由若干行列向量拼成

观点2

矩阵不能运算，但行列向量之间可能存在关系

$\to$矩阵的本质——矩阵的秩

矩阵的秩：组成该矩阵线性无关量的个数

定义

$\text{ 由 }m\times n\text{ 个数 }{a}_{ij}(i=1,2,\cdots ,m;j=1,2,\cdots ,n)\text{ 排成的 }m\text{ 行 }n\text{ 列的矩形表格 }$

$\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mn}\end{array}\right]$

$\text{ 称为一个 }m\times n\text{ 矩阵 }$

方阵：$m=n$

基本运算

相等

$A=B$

同型矩阵，对应元素相同

加法

同型矩阵，对应元素相加

数乘

顾名思义，乘上一个数

因为矩阵是一个系统

SO

$k\mathbf{A}=\mathbf{A}k=k\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mn}\end{array}\right]=\left[\begin{array}{cccc}k{a}_{11}& k{a}_{12}& \cdots & k{a}_{1n}\\ k{a}_{21}& k{a}_{22}& \cdots & k{a}_{2n}\\ ⋮& ⋮& & ⋮\\ k{a}_{m1}& k{a}_{m2}& \cdots & k{a}_{mn}\end{array}\right]$

做行列式运算时

常考

$A_{n\times n},|kA|=k^n\cdot |A|\text{, }$

$\text{ 当用 }n\text{ 阶方阵 }\mathbf{A}\text{ 计算行列式时, 记成 }|\mathbf{A}|$

注

$\mathbf{A}\ne \mathbf{O}\Rightarrow |\mathbf{A}|\ne 0$

$\mathbf{A}\ne \mathbf{B}\nmid \mathbf{A}|\ne |\mathbf{B}|$

乘法

$A_{m\times s}{B}_{s\times n}=C_{m\times n}$

$C_{11}={\sum }_{s=1}^s{A}_{1\times s}{B}_{s\times 1}$

即新矩阵第一个元素是指：$A$矩阵的第一行与$B$矩阵的第一列对应相乘再求和

$AB\ne BA$

注

$AB=O\Rightarrow A=O\text{ 或 }B=O\text{. }$

$AB=AC\Rightarrow A(B-C)=O\text{, 此时即使有 }A\ne O,\text{ 一般也得不出 }B=C$

转置

将矩阵的行列互换，记为$\boldsymbol{A}^{\mathrm{T}} $

向量的内积与正交

内积

$\text{ 设 }\mathbf{\alpha }={\left[a_1,a_2,\cdots ,a_n\right]}^{\mathrm{T}},\mathbf{\beta }={\left[b_1,b_2,\cdots ,b_n\right]}^{\mathrm{T}}\text{,则称 }$

​ $${\mathbf{\alpha }}^{\mathrm{T}}\mathbf{\beta }=\sum _{i=1}^n{a}_i{b}_i=a_1{b}_1+a_2{b}_2+\cdots +a_n{b}_n$$

$为向量\mathbf{\alpha },\mathbf{\beta }的内积,记作(\mathbf{\alpha },\mathbf{\beta }),即(\mathbf{\alpha },\mathbf{\beta })={\mathbf{\alpha }}^{\mathrm{T}}\mathbf{\beta }$

正交

$\text{ 当 }{\mathbf{\alpha }}^{\mathrm{T}}\mathbf{\beta }=0\text{ 时,称向量 }\mathbf{\alpha },\mathbf{\beta }\text{ 是正交向量 }$

模

$\Vert \mathbf{\alpha }\Vert =\sqrt{{\sum }_{i=1}^n{a}_i^2}\text{ 称为向量 }\mathbf{\alpha }\text{ 的模 (长度) }$

向量每个元素先平方再求和，再开方

$\Vert \mathbf{\alpha }\Vert =1\text{ 时,称 }\mathbf{\alpha }\text{ 为单位向量 }$

施密特正交化过程

$\text{ 线性无关向量组 }{\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2\text{ 的标准正交化 (又称正交规范化) 公式为 }$

$\begin{array}{l}{\mathbf{\beta }}_1={\mathbf{\alpha }}_1,\\ {\mathbf{\beta }}_2={\mathbf{\alpha }}_2-\frac{\left({\mathbf{\alpha }}_2,{\mathbf{\beta }}_1\right)}{\left({\mathbf{\beta }}_1,{\mathbf{\beta }}_1\right)}{\mathbf{\beta }}_1\end{array}$

$\text{ 得到的 }{\mathbf{\beta }}_1,{\mathbf{\beta }}_2\text{ 是正交向量组 }$

$\text{ 将 }{\mathbf{\beta }}_1,{\mathbf{\beta }}_2\text{ 单位化, 得 }$

${\mathbf{\eta }}_1=\frac{{\mathbf{\beta }}_1}{\Vert {\mathbf{\beta }}_1\Vert },{\mathbf{\eta }}_2=\frac{{\mathbf{\beta }}_2}{\Vert {\mathbf{\beta }}_2\Vert }$

$\text{ 则 }{\mathbf{\eta }}_1,{\mathbf{\eta }}_2\text{ 是标准正交向量组 }$

矩阵的幂

$\mathbf{A}\text{ 是一个 }n\text{ 阶方阵, }{\mathbf{A}}^m=\stackrel{m}{\overbrace{\mathbf{A}\mathbf{A}\cdots \mathbf{A}}}\text{ 称为 }\mathbf{A}\text{ 的 }m\text{ 次幂 }$

方阵乘积的行列式

$\mathbf{A},\mathbf{B}\text{ 是同阶方阵, 则 }|\mathbf{AB}|=|\mathbf{A}||\mathbf{B}|$

$(\mathbf{A}+\mathbf{B}{)}^2=(\mathbf{A}+\mathbf{B})(\mathbf{A}+\mathbf{B})={\mathbf{A}}^2+\mathbf{A}\mathbf{B}+\mathbf{B}\mathbf{A}+{\mathbf{B}}^2\ne {\mathbf{A}}^2+2\mathbf{A}\mathbf{B}+{\mathbf{B}}^2$

重要矩阵

零矩阵：每个元素均为0，记为0

单位矩阵：主对角线元素均为1，其余为0的$n$阶方阵，记作$E$

数量矩阵：数量$k$与矩阵相乘

对角矩阵：主对角线外元素均为0

三角矩阵：一角均为0

对称矩阵:如$A_{12}=A_{21}$，对应位置相等，即${\mathbf{A}}^{\mathrm{T}}=\mathbf{A}$

反对称矩阵：${\mathbf{A}}^{\mathrm{T}}=-\mathbf{A}$

正交矩阵：${\mathbf{A}}^{\mathrm{T}}\mathbf{A}=\mathbf{E}$

分块矩阵：$如A按行分块:\mathbf{A}=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ & \cdots & \cdots & ⋮\\ a_{m1}& a_{m2}& \cdots & a_{nn}\end{array}\right]=\left[\begin{array}{c}{\mathbf{A}}_1\\ {\mathbf{A}}_2\\ ⋮\\ {\mathbf{A}}_m\end{array}\right],其中,{\mathbf{A}}_i=\left[a_{i1},a_{i2},\cdots ,a_{in}\right](i=1,2,\cdots ,m)是\mathbf{A}的一个子块.$

分块矩阵运算时满足矩阵运算法则

$\text{ 乘法: }\left[\begin{array}{ll}\mathbf{A}& \mathbf{B}\\ \mathbf{C}& \mathbf{D}\end{array}\right]\left[\begin{array}{cc}\mathbf{X}& \mathbf{Y}\\ \mathbf{Z}& \mathbf{W}\end{array}\right]=\left[\begin{array}{cc}\mathbf{AX}+\mathbf{BZ}& \mathbf{A}\mathbf{Y}+\mathbf{BW}\\ CX+DZ& CY+DW\end{array}\right]\text{, 要可乘、可加. }$

乘方：${\left[\begin{array}{ll}\mathbf{A}& \mathbf{O}\\ \mathbf{O}& \mathbf{B}\end{array}\right]}^n=\left[\begin{array}{cc}{\mathbf{A}}^n& \mathbf{O}\\ \mathbf{O}& {\mathbf{B}}^n\end{array}\right]$

矩阵的逆

定义

$\mathbf{A},\mathbf{B}\text{ 是 }n\text{ 阶方阵, }\mathbf{E}\text{ 是 }n\text{ 阶单位矩阵, 若 }\mathbf{AB}=\mathbf{B}\mathbf{A}=\mathbf{E}\text{, 则称 }\mathbf{A}\text{ 是可逆矩阵, }$

$\text{并称 }\mathbf{B}\text{ 是 }\mathbf{A}\text{ 的逆矩阵 }$，逆矩阵是唯一的

记作$A^{-1}$

$A\text{ 可逆的充分必要条件是 }|\mathbf{A}|\ne 0\text{. 当 }|\mathbf{A}|\ne 0\text{ 时, }\mathbf{A}\text{ 可逆, 且 }$

${\mathbf{A}}^{-1}=\frac{1}{|\mathbf{A}|}{\mathbf{A}}^{\ast }$

重要公式

1. ${\left({\mathbf{A}}^{-1}\right)}^{-1}=\mathbf{A}$
2. $(\mathbf{A}\mathbf{B}{)}^{-1}={\mathbf{B}}^{-1}{\mathbf{A}}^{-1}$
3. ${\left({\mathbf{A}}^{\mathrm{T}}\right)}^{-1}={\left({\mathbf{A}}^{-1}\right)}^{\mathrm{T}}$
4. $\left|{\mathbf{A}}^{-1}\right|=|\mathbf{A}{|}^{-1}$

注

$\mathbf{A}+\mathbf{B}\text{ 不一定可逆,且 }(\mathbf{A}+\mathbf{B}{)}^{-1}\ne {\mathbf{A}}^{-1}+{\mathbf{B}}^{-1}$

求逆矩阵

定义法

$\text{ 求一个矩阵 }\mathbf{B}\text{, 使 }\mathbf{AB}=\mathbf{E}\text{, 则 }\mathbf{A}\text{ 可逆, 且 }{\mathbf{A}}^{-1}=\mathbf{B}$

乘积法

$\text{ 若 }A=BC\text{, 其中 }$$\mathbf{B},\mathbf{C}\text{ 均可逆, 则 }\mathbf{A}\text{ 可逆, 且 }$${\mathbf{A}}^{-1}=(\mathbf{B}\mathbf{C}{)}^{-1}={\mathbf{C}}^{-1}{\mathbf{B}}^{-1}$

分块矩阵

$\text{ 一些简单分块矩阵的逆. 若 }\mathbf{A},\mathbf{B}\text{ 均是可逆方阵, 则 }$

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

二阶矩阵的逆

伴随矩阵

$\text{ 将行列式 }|\mathbf{A}|\text{ 的 }{n}^2\text{ 个元素的代数余子式按如下形式排成的矩阵 }$

${\mathbf{A}}^{\ast }=\left[\begin{array}{cccc}{A}_{11}& A_{21}& \cdots & A_{n1}\\ A_{12}& A_{22}& \cdots & A_{n2}\\ ⋮& ⋮& & ⋮\\ A_{1n}& A_{2n}& \cdots & A_{nn}\end{array}\right]$

并且$\mathbf{A}{\mathbf{A}}^{\ast }={\mathbf{A}}^{\ast }\mathbf{A}=|\mathbf{A}|\mathbf{E}$

重要公式

${\mathbf{A}}^{\ast }=|\mathbf{A}|{\mathbf{A}}^{-1}$

$\mathbf{A}=|\mathbf{A}|{\left({\mathbf{A}}^{\ast }\right)}^{-1}$

${\mathbf{A}}^{-1}=\frac{1}{|\mathbf{A}|}{\mathbf{A}}^{\ast }$

${\left({\mathbf{A}}^{\ast }\right)}^{\ast }=|\mathbf{A}{|}^{n-2}\mathbf{A}$

初等行变换

定义

倍乘：数乘某行某列

${\mathbf{E}}_2(k)=\left[\begin{array}{lll}1& 0& 0\\ 0& k& 0\\ 0& 0& 1\end{array}\right],\mathbf{E}\text{ 的第 2 行(或第 2 列) 乘 }k\text{ 倍, 称为倍乘初等矩阵 }$

互换：互换两行或两列

${\mathbf{E}}_{12}=\left[\begin{array}{lll}0& 1& 0\\ 1& 0& 0\\ 0& 0& 1\end{array}\right],\mathbf{E}\text{ 的第 1,2 行 (或第 1,2 列) 互换, 称为互换初等矩阵 }$

倍加：某行倍乘加到另一行

初等矩阵：由单位矩阵经过一次变换得到的矩阵

${\mathbf{E}}_{31}(k)=\left[\begin{array}{lll}1& 0& 0\\ 0& 1& 0\\ k& 0& 1\end{array}\right],\mathbf{E}\text{ 的第 }1\text{ 行的 }k\text{ 倍加到第 }3\text{ 行 (或第 }3\text{ 列的 }k\text{ 倍加到第 }1\text{ 列), 称为倍加初等 }$

公式

$E_{ij}^T=E_{ij}，E_i^{\top }(k)=E_i(k)，E_{ij}^{\top }(k)=E_{ji}(k)$

因为初等矩阵由单位阵变换而来

故：$\left|{\mathbf{E}}_i(k)\right|=k\ne 0,\left|{\mathbf{E}}_{ij}\right|=-1\ne 0,\left|{\mathbf{E}}_{ij}(k)\right|=1\ne 0$

即初等矩阵都是可逆矩阵

${\left[{\mathbf{E}}_i(k)\right]}^{-1}={\mathbf{E}}_i\left(\frac{1}{k}\right),{\mathbf{E}}_{ij}^{-1}={\mathbf{E}}_{ij},{\left[{\mathbf{E}}_{ij}(k)\right]}^{-1}={\mathbf{E}}_{ij}(-k)$

性质

求逆矩阵

化单位阵

作分块阵

先保证大矩阵可逆再分块

复杂部分，左乘同行，右乘同列

$A=\left(\begin{array}{ll}B& 0\\ D& C\end{array}\right)\Rightarrow A^{-1}=\left(\begin{array}{cc}{B}^{-1}& 0\\ -C^{-1}D{B}^{-1}& C^{-1}\end{array}\right)$

$A=\left(\begin{array}{ll}B& D\\ 0& C\end{array}\right)\Rightarrow A^{-1}=\left(\begin{array}{cc}{B}^{-1}& -B^{-1}D{C}^{-1}\\ 0& C^{-1}\end{array}\right)$

$A=\left(\begin{array}{ll}0& B\\ C& D\end{array}\right)\Rightarrow A^{-1}=\left(\begin{array}{cc}-C^{-1}D{B}^{-1}& C^{-1}\\ B^{-1}& 0\end{array}\right)$

$A=\left(\begin{array}{ll}D& B\\ C& 0\end{array}\right)\Rightarrow A^{-1}=\left(\begin{array}{cc}0& C^{-1}\\ B^{-1}& -B^{-1}D{C}^{-1}\end{array}\right)$

左行右列

等价矩阵

等价即秩相等

矩阵的秩

$k$阶子式不得0，$k+1$子式全为0，则$r(A)=k$

初等变换不改变秩

相关公式