§2.1 矩阵
§2.2 矩阵的运算
§2.2 矩阵的运算
2.1 矩阵
由
m
×
n
m×n
m×n个数
a
i
j
(
i
=
1
,
2
,
⋯
 
,
m
;
j
=
1
,
2
,
⋯
 
,
n
)
a_{ij}(i=1,2,\cdots,m;j=1,2,\cdots,n)
aij(i=1,2,⋯,m;j=1,2,⋯,n)排成的
m
m
m行
n
n
n列的数表
a
11
a
12
⋯
a
1
n
a
21
a
22
⋯
a
2
n
⋮
⋮
⋮
a
m
1
a
m
2
⋯
a
m
n
\begin{matrix} a_{11} & a_{12} & \cdots& a_{1n}\\ a_{21} & a_{22} & \cdots& a_{2n}\\ \vdots & \vdots & & \vdots\\ a_{m1} & a_{m2} & \cdots& a_{mn} \end{matrix}
a11a21⋮am1a12a22⋮am2⋯⋯⋯a1na2n⋮amn
称为
m
m
m行
n
n
n列矩阵,简称
m
×
n
m×n
m×n矩阵。为表示它是一个整体,总是加一个括弧,并用大写黑体字母表示它,记作
A
=
(
a
11
a
12
⋯
a
1
n
a
21
a
22
⋯
a
2
n
⋮
⋮
⋮
a
m
1
a
m
2
⋯
a
m
n
)
,
A = \left( \begin{matrix} a_{11} & a_{12} & \cdots& a_{1n}\\ a_{21} & a_{22} & \cdots& a_{2n}\\ \vdots & \vdots & & \vdots\\ a_{m1} & a_{m2} & \cdots& a_{mn} \end{matrix} \right),
A=⎝⎜⎜⎜⎛a11a21⋮am1a12a22⋮am2⋯⋯⋯a1na2n⋮amn⎠⎟⎟⎟⎞,
这
m
×
n
m×n
m×n个数称为矩阵
A
A
A的元素,简称为元,数
a
i
j
a_{ij}
aij位于矩阵
A
A
A的第
i
i
i行第
j
j
j列,称为矩阵
A
A
A的
(
i
,
j
)
(i,j)
(i,j)元。以数
a
i
,
j
a_{i,j}
ai,j为
(
i
,
j
)
(i,j)
(i,j)元的矩阵可简记为
(
a
i
j
)
(a_{ij})
(aij)或
(
a
i
j
)
m
×
n
.
(a_{ij})_{m×n}.
(aij)m×n.
m
×
n
m×n
m×n矩阵
A
A
A也记作
A
m
×
n
.
A_{m×n}.
Am×n.行数与列数都等于
n
n
n的矩阵称为
n
n
n阶矩阵或
n
n
n阶方阵。
n
n
n阶矩阵
A
A
A也记作
A
n
.
A_{n}.
An.只有一行的矩阵
A
=
(
a
1
a
2
⋯
a
n
)
A=(a_{1}\ a_{2}\ \cdots \ a_{n})
A=(a1 a2 ⋯ an)
称为行矩阵,又称行向量。相应的也有列向量。
两个矩阵的行数相等、列数也相等时,就称它们是同型矩阵。如果
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)与
B
=
(
b
i
j
)
B=(b_{ij})
B=(bij)是同型矩阵,并且它们的对应元素相等,即
a
i
j
=
b
i
j
(
i
=
1
,
2
,
⋯
 
,
m
;
j
=
1
,
2
,
⋯
 
,
n
)
,
a_{ij}=b_{ij}(i=1,2,\cdots,m;j=1,2,\cdots,n),
aij=bij(i=1,2,⋯,m;j=1,2,⋯,n),
那么就称矩阵
A
A
A与矩阵
B
B
B相等,记作
A
=
B
.
A=B.
A=B.
元素都是零的矩阵称为零矩阵,记作
O
.
O.
O.
线性变换
n
n
n个变量
x
1
,
x
2
,
⋯
 
,
x
n
x_{1},x_{2},\cdots,x_{n}
x1,x2,⋯,xn与
m
m
m个变量
y
1
,
y
2
,
⋯
 
,
y
m
y_{1},y_{2},\cdots,y_{m}
y1,y2,⋯,ym之间的关系式
(2)
{
y
1
=
a
11
x
1
+
a
12
x
2
+
⋯
+
a
1
n
x
n
,
y
2
=
a
21
x
1
+
a
22
x
2
+
⋯
+
a
2
n
x
n
,
⋯
⋯
⋯
⋯
y
m
=
a
m
1
x
1
+
a
m
2
x
2
+
⋯
+
a
m
n
x
n
,
\begin{cases} y_{1} = a_{11}x_{1} + a_{12}x_{2} + \cdots + a_{1n}x_{n},\\ y_{2} = a_{21}x_{1} + a_{22}x_{2} + \cdots + a_{2n}x_{n},\\ \cdots\cdots\cdots\cdots \\ y_{m} = a_{m1}x_{1} + a_{m2}x_{2} + \cdots + a_{mn}x_{n},\\ \end{cases} \tag{2}
⎩⎪⎪⎪⎨⎪⎪⎪⎧y1=a11x1+a12x2+⋯+a1nxn,y2=a21x1+a22x2+⋯+a2nxn,⋯⋯⋯⋯ym=am1x1+am2x2+⋯+amnxn,(2)
表示一个变量
x
1
,
x
2
,
⋯
 
,
x
n
x_{1},x_{2},\cdots,x_{n}
x1,x2,⋯,xn到变量
y
1
,
y
2
,
⋯
 
,
y
m
y_{1},y_{2},\cdots,y_{m}
y1,y2,⋯,ym的线性变换,其中
a
i
j
a_{ij}
aij为常数。线性变换
(
2
)
(2)
(2)的系数
a
i
j
a_{ij}
aij构成矩阵
A
=
(
a
i
j
)
m
×
n
.
A=(a_{ij})_{m×n}.
A=(aij)m×n.
给定了线性变换
(
2
)
(2)
(2),它的系数所构成的矩阵(称为系数矩阵)也就确定。反之,如果给出一个矩阵作为线性变换的系数矩阵,则线性变换也就确定。在这个意义上,线性变换和矩阵之间存在一一对应的关系。
2.2 矩阵的运算
2.2.1 矩阵的加法
设有两个
m
×
n
m×n
m×n矩阵
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)和
B
=
(
b
i
j
)
,
B=(b_{ij}),
B=(bij),那么矩阵
A
A
A和
B
B
B的和记作
A
+
B
,
A+B,
A+B,规定为
A
+
B
=
(
a
11
+
b
11
a
12
+
b
12
⋯
a
1
n
+
b
1
n
a
21
+
b
21
a
22
+
b
22
⋯
a
2
n
+
b
2
n
⋮
⋮
⋮
a
n
1
+
b
n
1
a
n
2
+
b
n
2
⋯
a
n
n
+
b
n
n
)
.
A+B = \left( \begin{matrix} a_{11}+b_{11} & a_{12}+b_{12} & \cdots& a_{1n}+b_{1n}\\ a_{21}+b_{21} & a_{22}+b_{22} & \cdots& a_{2n}+b_{2n}\\ \vdots & \vdots & & \vdots\\ a_{n1}+b_{n1} & a_{n2}+b_{n2} & \cdots& a_{nn}+b_{nn} \end{matrix} \right).
A+B=⎝⎜⎜⎜⎛a11+b11a21+b21⋮an1+bn1a12+b12a22+b22⋮an2+bn2⋯⋯⋯a1n+b1na2n+b2n⋮ann+bnn⎠⎟⎟⎟⎞.
2.2.2 数与矩阵相乘
数
λ
\lambda
λ与矩阵
A
A
A的乘积记作
λ
A
\lambda A
λA或
A
λ
,
A\lambda,
Aλ,规定为
λ
A
=
A
λ
=
(
λ
a
11
λ
a
12
⋯
λ
a
1
n
λ
a
21
λ
a
22
⋯
λ
a
2
n
⋮
⋮
⋮
λ
a
n
1
λ
a
n
2
⋯
λ
a
n
n
)
.
\lambda A = A\lambda = \left( \begin{matrix} \lambda a_{11} & \lambda a_{12} & \cdots& \lambda a_{1n}\\ \lambda a_{21} & \lambda a_{22} & \cdots& \lambda a_{2n}\\ \vdots & \vdots & & \vdots\\ \lambda a_{n1} & \lambda a_{n2} & \cdots& \lambda a_{nn} \end{matrix} \right).
λA=Aλ=⎝⎜⎜⎜⎛λa11λa21⋮λan1λa12λa22⋮λan2⋯⋯⋯λa1nλa2n⋮λann⎠⎟⎟⎟⎞.
矩阵的相加与数乘矩阵合起来,统称为矩阵的线性运算。
2.2.3 矩阵与矩阵相乘
设
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)是一个
m
×
s
m×s
m×s矩阵,
B
=
(
b
i
j
)
B=(b_{ij})
B=(bij)是一个
s
×
n
s×n
s×n矩阵,那么规定矩阵
A
A
A与矩阵
B
B
B的乘积是一个
m
×
n
m×n
m×n矩阵
C
=
(
c
i
j
)
,
C=(c_{ij}),
C=(cij),其中
c
i
j
=
a
i
1
b
1
j
+
a
i
2
b
2
j
+
⋯
+
a
i
s
b
j
s
=
∑
k
=
1
s
a
i
k
b
k
j
(
i
=
1
,
2
,
⋯
 
,
m
;
j
=
1
,
2
,
⋯
 
,
n
)
,
c_{ij}=a_{i1}b_{1j}+a_{i2}b_{2j}+\cdots+a_{is}b_{js}=\sum^{s}_{k=1}{a_{ik}b_{kj}}\\ (i=1,2,\cdots,m;j=1,2,\cdots,n),
cij=ai1b1j+ai2b2j+⋯+aisbjs=k=1∑saikbkj(i=1,2,⋯,m;j=1,2,⋯,n),
并把此乘积记作
C
=
A
B
.
C=AB.
C=AB.
对于两个
n
n
n阶方阵
A
,
B
,
A,B,
A,B,若
A
B
=
B
A
,
AB=BA,
AB=BA,则称方阵
A
A
A和
B
B
B是可交换的。
2.2.4 矩阵的转置
把矩阵
A
A
A的行换成同序数的列得到一个新矩阵,叫做
A
A
A的转置矩阵,记作
A
T
.
A^{T}.
AT.
设
A
A
A为
n
n
n阶方阵,如果满足
A
T
=
A
,
A^{T}=A,
AT=A,即
a
i
j
=
a
j
i
(
i
,
j
=
1
,
2
,
⋯
 
,
n
)
,
a_{ij}=a_{ji}(i,j=1,2,\cdots,n),
aij=aji(i,j=1,2,⋯,n),
那么
A
A
A称为对称矩阵,简称对称阵。它的元素以对角线为对称轴对应相等。
2.2.5 方阵的行列式
由
n
n
n阶方阵
A
A
A的元素所构成的行列式(各元素的位置不变),称为方阵
A
A
A的行列式,记作
∣
A
∣
|A|
∣A∣或
d
e
t
A
.
detA.
detA.
行列式
∣
A
∣
|A|
∣A∣的各个元素的代数余子式
A
i
j
A_{ij}
Aij所构成的如下矩阵
A
∗
=
(
A
11
A
21
⋯
A
n
1
A
12
A
22
⋯
A
n
2
⋮
⋮
⋮
A
1
n
A
2
n
⋯
A
n
n
)
,
A^{*} = \left( \begin{matrix} A_{11} & A_{21} & \cdots& A_{n1}\\ A_{12} & A_{22} & \cdots& A_{n2}\\ \vdots & \vdots & & \vdots\\ A_{1n} & A_{2n} & \cdots& A_{nn} \end{matrix} \right),
A∗=⎝⎜⎜⎜⎛A11A12⋮A1nA21A22⋮A2n⋯⋯⋯An1An2⋮Ann⎠⎟⎟⎟⎞,
称为矩阵
A
A
A的伴随矩阵,简称伴随阵。则有
A
A
∗
=
A
∗
A
=
∣
A
∣
E
.
AA^{*}=A^{*}A=|A|E.
AA∗=A∗A=∣A∣E.
2.2.6 共轭矩阵
当
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)为复矩阵时,用
a
‾
i
j
\overline{a}_{ij}
aij表示
a
i
j
a_{ij}
aij的共轭复数,记
A
‾
=
(
a
‾
i
j
)
,
\overline{A}=(\overline{a}_{ij}),
A=(aij),
A
‾
\overline{A}
A称为
A
A
A的共轭矩阵。
《线性代数》同济大学第五版笔记