线性代数从零开始详解笔记【矩阵】

矩阵

0. 引言

为什么我们需要研究矩阵?
因为在计算机里面表达关系的一个标志:图,需要使用矩阵表示。

还有,行列式一定是方的,但是矩阵不一定,矩阵是个数表,行列式是个数。只有当矩阵是个方阵的时候,才会有行列式的属性。
|A| 表示 A的行列式的值。

0.1 本章思维导图

1. 矩阵运算

1.1 加减

必须是同型矩阵才能进行加减,时刻记住矩阵是个数表。

1.2 乘法

满足 AmnBnv=CmvA_{mn}*B_{nv}=C_{mv}
矩阵反人类特性:

  • 一般情况下 ABBAAB\neq BA
  • AB=0A=0B=0AB=0\nRightarrow A=0 或 B=0
  • AB=AC,A0B=CAB=AC,A\neq0\nRightarrow B=C

为什么矩阵会有这些反人类特性?
因为本身矩阵是个数表,矩阵的乘法是数表的乘法,数表的乘法是非逐元素组合运算的综合体现,通俗的是乘法是两个矩阵的交叉融合操作

A=[2010]A=\begin{bmatrix}2&0\\-1&0\end{bmatrix}B=[0013]B=\begin{bmatrix}0&0\\1&3\end{bmatrix}C=[0024]C=\begin{bmatrix}0&0\\2&4\end{bmatrix}

AB=0AC=0AB=0,AC=0

矩阵的除法是逆矩阵的内容,我们一般不叫矩阵除法。

1.3 数乘

矩阵的数乘是对整张表产生影响,和行列式的数乘意义是不一样的,行列式是个数,而矩阵是张表。

k[123456789]=[k2k3k4k5k6k7k8k9k]k\begin{bmatrix}1&2&3\\4&5&6\\7&8&9\end{bmatrix}=\begin{bmatrix}k&2k&3k\\4k&5k&6k\\7k&8k&9k\end{bmatrix}

行列式:
k3A=Bk^3|A|=|B|
A=(1)5A=A|-A|=(-1)^5|A|=-A(A是5阶方阵)

例题:
已知|A|=3,A是5阶矩阵,问AA||A|A|

解:
3A=35A=36|3A|=3^5|A|=3^6

1.4 转置

主要关注转置的 “拆”
满足对逐矩阵的操作,拆的时候,元素对称,不对应!!
(ABCD)T=DTCTBTAT(ABCD)^T=D^TC^TB^TA^T

但是加减可以对应:
(A+B+C)T=AT+BT+CT(A+B+C)^T=A^T+B^T+C^T

常见的转置运算:
(1)(AT)T=A(A^T)^T=A
(2)(A+B)T=AT+BT(A+B)^T=A^T+B^T
(3)(kA)T=kAT(kA)^T=kA^T
(4)(AB)T=BTAT(AB)^T=B^TA^T

1.5 幂运算(方阵才可)

幂运算是矩阵乘法的拓展,所以一定满足矩阵乘法的反人类特性。

注意下面的坑:

  • (AB)kAkBk(AB)^k\neq A^kB^k
  • ABABAABBABAB\neq AABB
  • (A+B)2A2+2AB+B2(A+B)^2\neq A^2+2AB+B^2
  • 只有方阵才能进行幂运算!!

特别的:A0=EA^0=E

幂运算一定要满足元素顺序合法性!
比如(A+B)2=(A+B)(A+B)=AA+AB+BA+BB(A+B)^2=(A+B)(A+B)=AA+AB+BA+BB

有一种情况,我们可以把矩阵当成常数,那就是单元素矩阵,假如矩阵乘法之后产生了单元素矩阵,那么我们可以利用单元素矩阵计算矩阵的高次幂运算。

例题:
A=[111]B=[123]A=\begin{bmatrix}1\\1\\1\end{bmatrix},B=\begin{bmatrix}1&2&3\end{bmatrix},写出(AB)10(AB)^{10} 的矩阵表达式

解:
已知BA=(6)AB=[123123123]BA=(6),AB=\begin{bmatrix}1&2&3\\1&2&3\\1&2&3\end{bmatrix}

(AB)10=ABABABABABAB...=A(BA)(BA)(BA)(BA)(BA)B...=69[123123123](AB)^{10}=ABABABABABAB...=A(BA)(BA)(BA)(BA)(BA)B...=6^9\begin{bmatrix}1&2&3\\1&2&3\\1&2&3\end{bmatrix}

2. 矩阵性质

2.1 基础性质

【1】零矩阵

  • 零矩阵的全部元素都是0,但是需要注意的是,有不同的零矩阵取决于零矩阵的不同结构。

【2】单位阵

  • 单位阵一定是方阵!
  • [1   1   1]\begin{bmatrix}1&\space&\space\\\space&1&\space\\\space&\space&1\end{bmatrix} 其余是0。
  • A=AE 在计算运算中外面经常用单位阵对矩阵常数进行换算。

单位阵的拓展:数量矩阵:A=aE,[a   a   a]\begin{bmatrix}a&\space&\space\\\space&a&\space\\\space&\space&a\end{bmatrix}

【3】负矩阵

  • 对某矩阵所有元素取相反数,使得满足A+(-A)=0,B=-A,则称B是A的负矩阵。

【4】同型矩阵

  • 行数和列数对应相同

【5】对角矩阵和三角矩阵

  • 上三角(上右),下三角(下左),对角型(只有对角线有数)数量矩阵属于对角型的特殊情况。

【6】标准型矩阵

  • 标准形不一定是方阵!! 这个也是标准形:[1    1    0 ]\begin{bmatrix}1&\space&\space&\space\\\space&1&\space&\space\\\space&\space&0&\space\end{bmatrix}
  • 从左上角开始1…10…0,可以全1和全0,但是1之间不能有0,0之间不能有1。
  • [1    1    0    0]\begin{bmatrix}1&\space&\space&\space\\\space&1&\space&\space\\\space&\space&0&\space\\\space&\space&\space&0\end{bmatrix}

2.2 特殊性质 I(只有方阵才有)

【1】可交换

  • 当AB=BA成立的时候就叫做可交换,也就是说当A和B都是同阶方阵的时候成立。

求可交换矩阵的时候,一定要注意是方阵才能求。

例题:
求与A=[1011]A=\begin{bmatrix}1&0\\1&1\end{bmatrix}可交换的矩阵。

解:
首先A是方阵,可以求可交换矩阵。
求可交换,我们设出来即可。
B=[abcd]B=\begin{bmatrix}a&b\\c&d\end{bmatrix}

可交换最好用的性质是AB=BAAB=BA

可以得到方程组:
{a=a+bb=ba+c=c+db+d=d\begin{cases}a=a+b\\b=b\\a+c=c+d\\b+d=d\end{cases}

B=[a0ca]B=\begin{bmatrix}a&0\\c&a\end{bmatrix},a和c是任意常数

【2】对称和反对称矩阵

  • 对称:以主对角线为周,对应元素相等,对于主对角线元素没有要求,反对称的主对角线元素都是0。
  • 对称矩阵:[111124143]\begin{bmatrix}1&1&-1\\1&2&4\\-1&4&3\end{bmatrix},反对称矩阵:[013104340]\begin{bmatrix}0&1&-3\\-1&0&-4\\3&4&0\end{bmatrix}
  • 考对称必考AT=AA^T=A
  • A和B对称,AB对称的充分必要条件是AB可交换
  • 需要注意的是,虽然A对称,B对称,但是AB不一定对称。
  • 验证对称的时候使用AT=AA^T=A吗,反对称使用AT=AA^T=-A

【3】伴随矩阵

  • 只有方阵才有伴随矩阵!!伴随矩阵和代数余子式息息相关,而且求伴随矩阵计算量巨大。
  • 已知矩阵A=[111213114]A=\begin{bmatrix}1&1&1\\2&1&3\\1&1&4\end{bmatrix},第一步:逐元素求代数余子式。例如:A12=5A_{12}=-5第二步:按行求,按列放
  • A*代表伴随矩阵。
  • A=[132531101]A^*=\begin{bmatrix}1&-3&2\\-5&3&-1\\1&0&-1\end{bmatrix}
  • 伴随矩阵的万能公式:对于任意方阵成立 AA=AA=AEAA^*=A^*A=|A|E
  • 方阵本身和自己的伴随矩阵可交换,所以才有前面的等号,后面的|A|E是个矩阵[A000A000A]\begin{bmatrix}|A|&0&0\\0&|A|&0\\0&0&|A|\end{bmatrix}
  • 万能公式是可以用异乘变零定理来证明的。
  • 伴随矩阵和行列式的关系:A=An1|A^*|=|A|^{n-1}
  • 伴随矩阵和逆矩阵的关系:A=AA1A^*=|A|A^{-1}

例题:
A=(5),问A*?

解:
|A|=5
AA*=(5)
A*=1

例题:
(1)(A)=?(A^*)^*=?

解:
(1)An1(A)1=An2A|A|^{n-1}(A^*)^{-1}=|A|^{n-2}A

这里需要活用伴随矩阵和行列式,逆矩阵的关系。
实际上,伴随矩阵的万能公式把:逆矩阵,伴随矩阵,方阵行列式联系在一起了。

假如我们想启用和逆矩阵相关的内容,两边乘以A1A^{-1}这样的操作即可。

【4】逆矩阵

  • 只有方阵才有逆矩阵!!!
  • 逆矩阵是用来讨论“矩阵除法“的基础,但是记住一点,无论什么时候不能把矩阵放在分母上!!!!!
  • 逆矩阵的定义:当满足 AB=BA=EA1=BAB=BA=E,A^{-1}=B,叫B是A的逆矩阵。
  • 未必所有方阵都可逆,如果方阵可逆,那么逆矩阵唯一。
  • 逆矩阵的 充要条件(逆矩阵公式):D0A1=1AAD\neq0且A^{-1}=\frac{1}{|A|}A^*

1A\frac{1}{|A|}是个常数!可以放分母。可逆矩阵的公式是由伴随矩阵的万能公式证明的。

为什么不是所有方阵都有逆矩阵呢?

当|A|不能放分母的时候就说明不存在逆矩阵。也就是D0D\neq0的限制。使用逆矩阵公式的时候时刻需要记住这个限制。

  • 根据逆矩阵的充要条件,我们可以判断是否是逆矩阵,但是需要计算伴随矩阵,计算量巨大,我们会有初等变换法来证明逆矩阵,后面会介绍。

例题:(证明可逆矩阵)
A+B=AB,证明A-E可逆

证明:
证明可逆,我们只需要找出一个表达式满足:(A-E)(?)=E即可。
ABAB=0ABAB+E=E(AE)B(AE)=E(AE)(BE)=E AB-A-B=0\\ AB-A-B+E=E\\ (A-E)B-(A-E)=E\\ (A-E)(B-E)=E

在转化表达式的时候,我们时刻记住:

[1] 我们需要构造除在表达式两边该有的元素
[2] 提取的时候注意不能掉乱顺序
[3] 我们意念所用的1,用E代替。

例题:(求矩阵方程,逆矩阵最重要的考点)

A=[423110123]A=\begin{bmatrix}4&2&3\\1&1&0\\-1&2&3\end{bmatrix}
请解该矩阵方程:AX=A+2XAX=A+2X

解:
(A-2E)X=A

我们可否除过去?不可!!无论何时,矩阵都不可以放在分母上!!!

代替除法的方法就是使用逆矩阵!。

但是使用逆矩阵的时候,请时刻记住:先判断矩阵是否可逆!

A2E0|A-2E|\neq0 故,A-2E可逆

接下来,两边同时乘以(A2E)1(A-2E)^{-1}

X=(A2E)1AX=(A-2E)^{-1}A

逆矩阵的性质

(1)(A1)1=A(A^{-1})^{-1}=A
(2)(AB)1=B1A1(AB)^{-1}=B^{-1}A^{-1} 和转置类似
(3)(AT)1=(A1)T(A^T)^{-1}=(A^{-1})^T

假如我们把它看成是逆运算的话,逆运算和转置运算等价。

AT(A1)T=EA^T(A^{-1})^T=E

(4)A1=A1|A^{-1}|=|A|^{-1}非常重要!!!,说明了行列式关系和逆矩阵之间的关系

2.3 特殊性质 II(所有矩阵都有)

【5】分块矩阵

  • 当我们把矩阵的部分元素看作一个整体,这样就可以减少矩阵的数面积,也可以更加灵活的运算。
  • [A1A2A3A4]\begin{bmatrix}A_1&A_2\\A_3&A_4\end{bmatrix},每块不一定同型。
  • 分块矩阵可以适用于矩阵的运算性质。
  • 分块矩阵的转置:先对整体转置,在对逐块转置。
  • 分块方阵的行列式和逆矩阵,已知H=[AC0B]H=\begin{bmatrix}A&C\\0&B\end{bmatrix},A和B都是方阵且可逆。则有两个结论记住(关联分块矩阵和行列式和逆矩阵):

(1)|H|=|A||B|

(2)H1=[A1A1CB10B1]H^{-1}=\begin{bmatrix}A^{-1}&-A^{-1}CB^{-1}\\0&B^{-1}\end{bmatrix}

从上面我们可以有推论:
[A  B]1=[A1  B1]\begin{bmatrix}A&\space\\\space&B\end{bmatrix}^{-1}=\begin{bmatrix}A^{-1}&\space\\\space&B^{-1}\end{bmatrix}

3. 初等变换

3.1 变换类型和变换表达式

矩阵的初等变换无非就是三种:
【1】交换两行/列
【2】用k(k0)k(k\neq0)乘以1行
【3】某一行乘以k(k可以为0),加到另外一行上

需要注意的是,初等变换是一种变化,不是等值变化我们一般用\Rightarrow来表示。

虽然和行列式的变换类似,但是矩阵的变换和行列式本身没有任何联系。

但是用语言表达变换时很不方便的,我们可以用表达式来代表。

【1】E(i,j)E(i,j) 交换第i行和第j行
【2】E(i(k))E(i(k)) 第 i 行数乘k
【3】E(i,j(k))E(i,j(k)) 对第 j 行数乘,加到第 i 行,jk+i。

初等方阵是对单位阵E做一次初等变换得到的矩阵。

上面这些表达实际上是初等方阵,初等方阵均可逆。

E1(i,j)=E(i,j)E^{-1}(i,j)=E(i,j)
E1(i(k))=E(i(1k))E^{-1}(i(k))=E(i(\frac{1}{k}))
E1(i,j(k))=E(i,j(k))E^{-1}(i,j(k))=E(i,j(-k))

假如矩阵左乘初等矩阵,相当于做行变换,右乘初等矩阵,相当于做列变换。

比如:AE(2(3)),对第二列数乘3。

E在左行变,E在右列变。

行列式的等价:在一条初等变换线上的行列式都是等价的。

A和B等价\Leftarrow \Rightarrow存在可逆P,Q,使得PAQ=B

3.2 初等变换求逆矩阵

A可逆\Leftarrow \RightarrowA的标准形为E

求逆矩阵,我们可以使用初等变换法的依据就在此。

Q1Q2...QtA=EQ_1Q_2...Q_tA=E
Q1Q2...QtE=A1Q_1Q_2...Q_tE=A^{-1}

例题:(初等变换法求逆矩阵)

已知:A=[101210325]A=\begin{bmatrix}1&0&1\\2&1&0\\-3&2&-5\end{bmatrix} ,问A的逆矩阵?

解题步骤:
第一步:
(A,E)=[101100210010325001](A,E)=\begin{bmatrix}1&0&1&|&1&0&0\\2&1&0&|&0&1&0\\-3&2&-5&|&0&0&1\end{bmatrix}

第二步:
我们接下来做初等变换,使得(A,E)(E,A1)(A,E)\rightarrow(E,A^{-1})

我们一次处理第一列,第二列,第三列…

如果出现化不出来的情况,类似于:[123100003210000...]\begin{bmatrix}1&2&3&1&0&0\\0&0&3&-2&1&0\\0&0&0&.&.&.\end{bmatrix}无法继续初等变换的情况则说明该矩阵没有逆矩阵。

求逆矩阵一共两种方法:一种伴随矩阵法,一种初等变换法。依据也不同,伴随矩阵法利用的是伴随矩阵的万能公式,初等变换法利用的是A可逆则说明A经过初等变换可以变成标准形。

4. 矩阵的秩

4.1 秩的定义

如果从定义的角度来看的话:非零子式的最高阶数叫做矩阵的秩

从以下例子里面体会一下什么是秩(需要注意的是下面是阶梯型行列式):

A=[123001010010] r(A)=3A=\begin{bmatrix}1&2&3&0\\0&1&0&1\\0&0&1&0\end{bmatrix}\space r(A)=3

A=[125034000] r(A)=2A=\begin{bmatrix}1&2&5\\0&3&4\\0&0&0\end{bmatrix}\space r(A)=2

A=[21235081530007200000] r(A)=3A=\begin{bmatrix}2&1&2&3&5\\0&8&1&5&3\\0&0&0&7&2\\0&0&0&0&0\end{bmatrix}\space r(A)=3

4.2 秩的性质

【1】满秩

A方阵的话,A是n阶,秩是n的话,说明满秩。

A方阵,A满秩\Leftarrow\RightarrowA可逆A0\Leftarrow\Rightarrow|A|\neq0

方阵满秩即可逆

【2】秩的范围
矩阵 AmnA_{mn} 的秩 r(A)

0r(A)min{m,n}0\leq r(A)\leq min\{m,n\}

零矩阵的秩是0
r(0)=0
r(全部元素相同)=1

【3】转置和秩的关系
r(A)=r(AT)r(A)=r(A^T)

【4】逆矩阵和秩的关系
任意矩阵乘以某一个可逆矩阵,秩不变

4.3 求矩阵的秩

行简化阶梯型
形如:

[1   01  001 00010000]\begin{bmatrix}1&\space&\space&\space\\0&1&\space&\space\\0&0&1&\space\\0&0&0&1\\0&0&0&0\end{bmatrix}

每行首非零元后退,可以后退一格,两格,但是不能不后退。比如:[1   01  001 001 0000]\begin{bmatrix}1&\space&\space&\space\\0&1&\space&\space\\0&0&1&\space\\0&0&1&\space\\0&0&0&0\end{bmatrix}就不是行简化阶梯型了。

常规求秩

首先把矩阵化成阶梯型,然后数非零行的个数,就是矩阵的秩。

例题:(常规求秩)
已知矩阵:[11210224203061103001]\begin{bmatrix}1&-1&2&1&0\\2&-2&4&-2&0\\3&0&6&-1&1\\0&3&0&0&1\end{bmatrix}

解:
化成阶梯型即可,[11210030410004000000]\begin{bmatrix}1&-1&2&1&0\\0&3&0&-4&1\\0&0&0&-4&0\\0&0&0&0&0\end{bmatrix}

所以r(A)=3

例题:(知道秩求参数)
已知矩阵:[k1111k1111k1111k]\begin{bmatrix}k&1&1&1\\1&k&1&1\\1&1&k&1\\1&1&1&k\end{bmatrix},r(A)=3,问k?

解:
A方阵,A不满秩,所以A不可逆,所以|A|=0

这种行列式属于行列式技巧里面的大量重复元素类型,使用提取公因式法三步走:首先把2…n列元素加到第一列上去。

有:A=k+3111k+3k11k+31k1k+311k|A|=\begin{vmatrix}k+3&1&1&1\\k+3&k&1&1\\k+3&1&k&1\\k+3&1&1&k\end{vmatrix}以列为单位提取公因式 (k+3)。

A=(k+3)11111k1111k1111k|A|=(k+3)\begin{vmatrix}1&1&1&1\\1&k&1&1\\1&1&k&1\\1&1&1&k\end{vmatrix}

再把第一列元素乘以-1加到每一列上去:
A=(k+3)10001k10010k10100k1|A|=(k+3)\begin{vmatrix}1&0&0&0\\1&k-1&0&0\\1&0&k-1&0\\1&0&0&k-1\end{vmatrix}

还记得在加边法里面加一条1边和0边吗?用于剥行列式的皮

所以,可以化成:
A=(k+3)k1000k1000k1=(k+3)(k1)3=0|A|=(k+3)\begin{vmatrix}k-1&0&0\\0&k-1&0\\0&0&k-1\end{vmatrix}=(k+3)(k-1)^3=0

k=-3 或 k=1
当真两个结果都可以吗?我们要讨论。必须满足r(A)=3,当k=1的时候r(A)=1,所以只有k=-3是最后结果。

展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 程序猿惹谁了 设计师: 上身试试
应支付0元
点击重新获取
扫码支付

支付成功即可阅读