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
A
m
n
∗
B
n
v
=
C
m
v
A_{mn}*B_{nv}=C_{mv}
Amn∗Bnv=Cmv
矩阵反人类特性:
- 一般情况下 A B ≠ B A AB\neq BA AB=BA
- A B = 0 ⇏ A = 0 或 B = 0 AB=0\nRightarrow A=0 或 B=0 AB=0⇏A=0或B=0
- A B = A C , A ≠ 0 ⇏ B = C AB=AC,A\neq0\nRightarrow B=C AB=AC,A=0⇏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 = [ 2 0 − 1 0 ] A=\begin{bmatrix}2&0\\-1&0\end{bmatrix} A=[2−100], B = [ 0 0 1 3 ] B=\begin{bmatrix}0&0\\1&3\end{bmatrix} B=[0103], C = [ 0 0 2 4 ] C=\begin{bmatrix}0&0\\2&4\end{bmatrix} C=[0204]
A B = 0 , A C = 0 AB=0,AC=0 AB=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 [ 1 2 3 4 5 6 7 8 9 ] = [ k 2 k 3 k 4 k 5 k 6 k 7 k 8 k 9 k ] 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} k⎣⎡147258369⎦⎤=⎣⎡k4k7k2k5k8k3k6k9k⎦⎤
行列式:
k
3
∣
A
∣
=
∣
B
∣
k^3|A|=|B|
k3∣A∣=∣B∣
∣
−
A
∣
=
(
−
1
)
5
∣
A
∣
=
−
A
|-A|=(-1)^5|A|=-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
∣
∣
A
∣
A
∣
||A|A|
∣∣A∣A∣ ?
解:
∣
3
A
∣
=
3
5
∣
A
∣
=
3
6
|3A|=3^5|A|=3^6
∣3A∣=35∣A∣=36
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!!:
(
A
B
C
D
)
T
=
D
T
C
T
B
T
A
T
(ABCD)^T=D^TC^TB^TA^T
(ABCD)T=DTCTBTAT
但是加减可以对应:
(
A
+
B
+
C
)
T
=
A
T
+
B
T
+
C
T
(A+B+C)^T=A^T+B^T+C^T
(A+B+C)T=AT+BT+CT
常见的转置运算:
(1)
(
A
T
)
T
=
A
(A^T)^T=A
(AT)T=A
(2)
(
A
+
B
)
T
=
A
T
+
B
T
(A+B)^T=A^T+B^T
(A+B)T=AT+BT
(3)
(
k
A
)
T
=
k
A
T
(kA)^T=kA^T
(kA)T=kAT
(4)
(
A
B
)
T
=
B
T
A
T
(AB)^T=B^TA^T
(AB)T=BTAT
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:
- ( A B ) k ≠ A k B k (AB)^k\neq A^kB^k (AB)k=AkBk
- A B A B ≠ A A B B ABAB\neq AABB ABAB=AABB
- ( A + B ) 2 ≠ A 2 + 2 A B + B 2 (A+B)^2\neq A^2+2AB+B^2 (A+B)2=A2+2AB+B2
- 只有方阵才能进行幂运算!!
特别的: A 0 = E A^0=E A0=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
)
=
A
A
+
A
B
+
B
A
+
B
B
(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
=
[
1
1
1
]
,
B
=
[
1
2
3
]
A=\begin{bmatrix}1\\1\\1\end{bmatrix},B=\begin{bmatrix}1&2&3\end{bmatrix}
A=⎣⎡111⎦⎤,B=[123],写出
(
A
B
)
10
(AB)^{10}
(AB)10 的矩阵表达式
解:
已知
B
A
=
(
6
)
,
A
B
=
[
1
2
3
1
2
3
1
2
3
]
BA=(6),AB=\begin{bmatrix}1&2&3\\1&2&3\\1&2&3\end{bmatrix}
BA=(6),AB=⎣⎡111222333⎦⎤
( A B ) 10 = A B A B A B A B A B A B . . . = A ( B A ) ( B A ) ( B A ) ( B A ) ( B A ) B . . . = 6 9 [ 1 2 3 1 2 3 1 2 3 ] (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} (AB)10=ABABABABABAB...=A(BA)(BA)(BA)(BA)(BA)B...=69⎣⎡111222333⎦⎤
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} ⎣⎡1 1 1⎦⎤ 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} ⎣⎡a a a⎦⎤
【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} ⎣⎡1 1 0 ⎦⎤
- 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} ⎣⎢⎢⎡1 1 0 0⎦⎥⎥⎤
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
=
[
1
0
1
1
]
A=\begin{bmatrix}1&0\\1&1\end{bmatrix}
A=[1101]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。
设
B
=
[
a
b
c
d
]
B=\begin{bmatrix}a&b\\c&d\end{bmatrix}
B=[acbd]
可交换最好用的性质是 A B = B A AB=BA AB=BA
可以得到方程组:
{
a
=
a
+
b
b
=
b
a
+
c
=
c
+
d
b
+
d
=
d
\begin{cases}a=a+b\\b=b\\a+c=c+d\\b+d=d\end{cases}
⎩⎪⎪⎪⎨⎪⎪⎪⎧a=a+bb=ba+c=c+db+d=d
B = [ a 0 c a ] B=\begin{bmatrix}a&0\\c&a\end{bmatrix} B=[ac0a],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: [ 1 1 − 1 1 2 4 − 1 4 3 ] \begin{bmatrix}1&1&-1\\1&2&4\\-1&4&3\end{bmatrix} ⎣⎡11−1124−143⎦⎤,反对称矩阵: [ 0 1 − 3 − 1 0 − 4 3 4 0 ] \begin{bmatrix}0&1&-3\\-1&0&-4\\3&4&0\end{bmatrix} ⎣⎡0−13104−3−40⎦⎤
- 考对称必考 A T = A A^T=A AT=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 A T = A A^T=A AT=A吗,反对称使用 A T = − A A^T=-A AT=−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 = [ 1 1 1 2 1 3 1 1 4 ] A=\begin{bmatrix}1&1&1\\2&1&3\\1&1&4\end{bmatrix} A=⎣⎡121111134⎦⎤,第一步:逐元素求代数余子式。例如: A 12 = − 5 A_{12}=-5 A12=−5,第二步:按行求,按列放
- A*代表伴随矩阵。
- A ∗ = [ 1 − 3 2 − 5 3 − 1 1 0 − 1 ] A^*=\begin{bmatrix}1&-3&2\\-5&3&-1\\1&0&-1\end{bmatrix} A∗=⎣⎡1−51−3302−1−1⎦⎤
- 伴随矩阵的万能公式:对于任意方阵成立 A A ∗ = A ∗ A = ∣ A ∣ E AA^*=A^*A=|A|E AA∗=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 [ ∣ A ∣ 0 0 0 ∣ A ∣ 0 0 0 ∣ A ∣ ] \begin{bmatrix}|A|&0&0\\0&|A|&0\\0&0&|A|\end{bmatrix} ⎣⎡∣A∣000∣A∣000∣A∣⎦⎤。
- 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 ∗ ∣ = ∣ A ∣ n − 1 |A^*|=|A|^{n-1} ∣A∗∣=∣A∣n−1
- 伴随矩阵和逆矩阵的关系: A ∗ = ∣ A ∣ A − 1 A^*=|A|A^{-1} A∗=∣A∣A−1
例题:
A=(5),问A*?
解:
|A|=5
AA*=(5)
A*=1
例题:
(1)
(
A
∗
)
∗
=
?
(A^*)^*=?
(A∗)∗=?
解:
(1)
∣
A
∣
n
−
1
(
A
∗
)
−
1
=
∣
A
∣
n
−
2
A
|A|^{n-1}(A^*)^{-1}=|A|^{n-2}A
∣A∣n−1(A∗)−1=∣A∣n−2A
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 A − 1 A^{-1} A−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 A B = B A = E , A − 1 = B AB=BA=E,A^{-1}=B AB=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): D ≠ 0 且 A − 1 = 1 ∣ A ∣ A ∗ D\neq0且A^{-1}=\frac{1}{|A|}A^* D=0且A−1=∣A∣1A∗
1 ∣ A ∣ \frac{1}{|A|} ∣A∣1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 D ≠ 0 D\neq0 D=0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。
A
B
−
A
−
B
=
0
A
B
−
A
−
B
+
E
=
E
(
A
−
E
)
B
−
(
A
−
E
)
=
E
(
A
−
E
)
(
B
−
E
)
=
E
AB-A-B=0\\ AB-A-B+E=E\\ (A-E)B-(A-E)=E\\ (A-E)(B-E)=E
AB−A−B=0AB−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
=
[
4
2
3
1
1
0
−
1
2
3
]
A=\begin{bmatrix}4&2&3\\1&1&0\\-1&2&3\end{bmatrix}
A=⎣⎡41−1212303⎦⎤
请解该矩阵方程:
A
X
=
A
+
2
X
AX=A+2X
AX=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!
∣ A − 2 E ∣ ≠ 0 |A-2E|\neq0 ∣A−2E∣=0 故,A-2E可逆
接下来,两边同时乘以 ( A − 2 E ) − 1 (A-2E)^{-1} (A−2E)−1
X = ( A − 2 E ) − 1 A X=(A-2E)^{-1}A X=(A−2E)−1A
逆矩阵的性质
(1)
(
A
−
1
)
−
1
=
A
(A^{-1})^{-1}=A
(A−1)−1=A
(2)
(
A
B
)
−
1
=
B
−
1
A
−
1
(AB)^{-1}=B^{-1}A^{-1}
(AB)−1=B−1A−1 和转置类似
(3)
(
A
T
)
−
1
=
(
A
−
1
)
T
(A^T)^{-1}=(A^{-1})^T
(AT)−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。
A T ( A − 1 ) T = E A^T(A^{-1})^T=E AT(A−1)T=E
(4) ∣ A − 1 ∣ = ∣ A ∣ − 1 |A^{-1}|=|A|^{-1} ∣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。
- [ A 1 A 2 A 3 A 4 ] \begin{bmatrix}A_1&A_2\\A_3&A_4\end{bmatrix} [A1A3A2A4],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 = [ A C 0 B ] H=\begin{bmatrix}A&C\\0&B\end{bmatrix} H=[A0CB],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) H − 1 = [ A − 1 − A − 1 C B − 1 0 B − 1 ] H^{-1}=\begin{bmatrix}A^{-1}&-A^{-1}CB^{-1}\\0&B^{-1}\end{bmatrix} H−1=[A−10−A−1CB−1B−1]
从上面我们可以有推论:
[
A
B
]
−
1
=
[
A
−
1
B
−
1
]
\begin{bmatrix}A&\space\\\space&B\end{bmatrix}^{-1}=\begin{bmatrix}A^{-1}&\space\\\space&B^{-1}\end{bmatrix}
[A B]−1=[A−1 B−1]
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
(
k
≠
0
)
k(k\neq0)
k(k=0)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)
E(i,j) 交换第i行和第j行
【2】
E
(
i
(
k
)
)
E(i(k))
E(i(k)) 第 i 行数乘k
【3】
E
(
i
,
j
(
k
)
)
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。
E
−
1
(
i
,
j
)
=
E
(
i
,
j
)
E^{-1}(i,j)=E(i,j)
E−1(i,j)=E(i,j)
E
−
1
(
i
(
k
)
)
=
E
(
i
(
1
k
)
)
E^{-1}(i(k))=E(i(\frac{1}{k}))
E−1(i(k))=E(i(k1))
E
−
1
(
i
,
j
(
k
)
)
=
E
(
i
,
j
(
−
k
)
)
E^{-1}(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 \Rightarrow ⇐⇒A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。
Q
1
Q
2
.
.
.
Q
t
A
=
E
Q_1Q_2...Q_tA=E
Q1Q2...QtA=E
Q
1
Q
2
.
.
.
Q
t
E
=
A
−
1
Q_1Q_2...Q_tE=A^{-1}
Q1Q2...QtE=A−1
例题:(初等变换法求逆矩阵)
已知: A = [ 1 0 1 2 1 0 − 3 2 − 5 ] A=\begin{bmatrix}1&0&1\\2&1&0\\-3&2&-5\end{bmatrix} A=⎣⎡12−301210−5⎦⎤ ,问A的逆矩阵?
解题步骤:
第一步:
(
A
,
E
)
=
[
1
0
1
∣
1
0
0
2
1
0
∣
0
1
0
−
3
2
−
5
∣
0
0
1
]
(A,E)=\begin{bmatrix}1&0&1&|&1&0&0\\2&1&0&|&0&1&0\\-3&2&-5&|&0&0&1\end{bmatrix}
(A,E)=⎣⎡12−301210−5∣∣∣100010001⎦⎤
第二步:
我们接下来做初等变换,使得
(
A
,
E
)
→
(
E
,
A
−
1
)
(A,E)\rightarrow(E,A^{-1})
(A,E)→(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: [ 1 2 3 1 0 0 0 0 3 − 2 1 0 0 0 0 . . . ] \begin{bmatrix}1&2&3&1&0&0\\0&0&3&-2&1&0\\0&0&0&.&.&.\end{bmatrix} ⎣⎡1002003301−2.01.00.⎦⎤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 = [ 1 2 3 0 0 1 0 1 0 0 1 0 ] r ( A ) = 3 A=\begin{bmatrix}1&2&3&0\\0&1&0&1\\0&0&1&0\end{bmatrix}\space r(A)=3 A=⎣⎡100210301010⎦⎤ r(A)=3
A = [ 1 2 5 0 3 4 0 0 0 ] r ( A ) = 2 A=\begin{bmatrix}1&2&5\\0&3&4\\0&0&0\end{bmatrix}\space r(A)=2 A=⎣⎡100230540⎦⎤ r(A)=2
A = [ 2 1 2 3 5 0 8 1 5 3 0 0 0 7 2 0 0 0 0 0 ] r ( A ) = 3 A=\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 A=⎣⎢⎢⎡20001800210035705320⎦⎥⎥⎤ 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\Rightarrow ⇐⇒A可逆 ⇐ ⇒ ∣ A ∣ ≠ 0 \Leftarrow\Rightarrow|A|\neq0 ⇐⇒∣A∣=0
方阵满秩即可逆
【2】秩的范围
矩阵
A
m
n
A_{mn}
Amn 的秩 r(A)
0 ≤ r ( A ) ≤ m i n { m , n } 0\leq r(A)\leq min\{m,n\} 0≤r(A)≤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
(
A
T
)
r(A)=r(A^T)
r(A)=r(AT)
【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 0 1 0 0 1 0 0 0 1 0 0 0 0 ] \begin{bmatrix}1&\space&\space&\space\\0&1&\space&\space\\0&0&1&\space\\0&0&0&1\\0&0&0&0\end{bmatrix} ⎣⎢⎢⎢⎢⎡10000 1000 100 10⎦⎥⎥⎥⎥⎤
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 0 1 0 0 1 0 0 1 0 0 0 0 ] \begin{bmatrix}1&\space&\space&\space\\0&1&\space&\space\\0&0&1&\space\\0&0&1&\space\\0&0&0&0\end{bmatrix} ⎣⎢⎢⎢⎢⎡10000 1000 110 0⎦⎥⎥⎥⎥⎤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:
[
1
−
1
2
1
0
2
−
2
4
−
2
0
3
0
6
−
1
1
0
3
0
0
1
]
\begin{bmatrix}1&-1&2&1&0\\2&-2&4&-2&0\\3&0&6&-1&1\\0&3&0&0&1\end{bmatrix}
⎣⎢⎢⎡1230−1−20324601−2−100011⎦⎥⎥⎤
解:
化成阶梯型即可,
[
1
−
1
2
1
0
0
3
0
−
4
1
0
0
0
−
4
0
0
0
0
0
0
]
\begin{bmatrix}1&-1&2&1&0\\0&3&0&-4&1\\0&0&0&-4&0\\0&0&0&0&0\end{bmatrix}
⎣⎢⎢⎡1000−130020001−4−400100⎦⎥⎥⎤
所以r(A)=3
例题:(知道秩求参数)
已知矩阵:
[
k
1
1
1
1
k
1
1
1
1
k
1
1
1
1
k
]
\begin{bmatrix}k&1&1&1\\1&k&1&1\\1&1&k&1\\1&1&1&k\end{bmatrix}
⎣⎢⎢⎡k1111k1111k1111k⎦⎥⎥⎤,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 + 3 1 1 1 k + 3 k 1 1 k + 3 1 k 1 k + 3 1 1 k ∣ |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} ∣A∣=∣∣∣∣∣∣∣∣k+3k+3k+3k+31k1111k1111k∣∣∣∣∣∣∣∣以列为单位提取公因式 (k+3)。
∣ A ∣ = ( k + 3 ) ∣ 1 1 1 1 1 k 1 1 1 1 k 1 1 1 1 k ∣ |A|=(k+3)\begin{vmatrix}1&1&1&1\\1&k&1&1\\1&1&k&1\\1&1&1&k\end{vmatrix} ∣A∣=(k+3)∣∣∣∣∣∣∣∣11111k1111k1111k∣∣∣∣∣∣∣∣
再把第一列元素乘以-1加到每一列上去:
∣
A
∣
=
(
k
+
3
)
∣
1
0
0
0
1
k
−
1
0
0
1
0
k
−
1
0
1
0
0
k
−
1
∣
|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}
∣A∣=(k+3)∣∣∣∣∣∣∣∣11110k−10000k−10000k−1∣∣∣∣∣∣∣∣
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
)
∣
k
−
1
0
0
0
k
−
1
0
0
0
k
−
1
∣
=
(
k
+
3
)
(
k
−
1
)
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
∣A∣=(k+3)∣∣∣∣∣∣k−1000k−1000k−1∣∣∣∣∣∣=(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。