§2.3 逆矩阵
§2.4 矩阵分块法
§2.4 矩阵分块法
2.3 逆矩阵
对于
n
n
n阶矩阵
A
,
A,
A,如果有一个
n
n
n阶矩阵
B
,
B,
B,使
A
B
=
B
A
=
E
AB=BA=E
AB=BA=E
则说矩阵
A
A
A是可逆的,并把矩阵
B
B
B称为矩阵
A
A
A的逆矩阵,简称逆阵。
定理:
若矩阵 A A A可逆,则 ∣ A ∣ ≠ 0. |A| \neq 0. ∣A∤=0.
定理:
若
∣
A
∣
≠
0
,
|A| \neq 0,
∣A∤=0,则矩阵
A
A
A可逆,且
A
−
1
=
1
∣
A
∣
A
∗
,
A^{-1}=\frac{1}{|A|}A^{*},
A−1=∣A∣1A∗,
其中
A
∗
A^{*}
A∗为矩阵
A
A
A的伴随矩阵。
当
∣
A
∣
=
0
|A|=0
∣A∣=0时,
A
A
A称为奇异矩阵,否则称为非奇异矩阵。则
A
A
A是可逆矩阵的充分必要条件是
∣
A
∣
≠
0
,
|A| \neq 0,
∣A∤=0,即可逆矩阵就是非奇异矩阵。
推论
若 A B = E ( B A = E ) , AB=E(BA=E), AB=E(BA=E),则 B = A − 1 . B=A^{-1}. B=A−1.
运算规律
1、若
A
A
A可逆,则
A
−
1
A^{-1}
A−1也可逆,且
(
A
−
1
)
−
1
=
A
.
(A^{-1})^{-1}=A.
(A−1)−1=A.
2、若
A
A
A可逆,数
λ
≠
0
,
\lambda \neq 0,
λ̸=0,则,
λ
A
\lambda A
λA可逆,且
(
λ
A
)
−
1
=
1
λ
A
−
1
.
(\lambda A)^{-1}=\frac{1}{\lambda}A^{-1}.
(λA)−1=λ1A−1.
3、若
A
A
A、
B
B
B为同阶矩阵且均可逆,则
A
B
AB
AB亦可逆,且
(
A
B
)
−
1
=
B
−
1
A
−
1
.
(AB)^{-1}=B^{-1}A^{-1}.
(AB)−1=B−1A−1.
设
φ
(
x
)
=
a
0
+
a
1
x
+
⋯
+
a
m
x
m
\varphi(x)=a_{0}+a_{1}x+\cdots+a_{m}x^{m}
φ(x)=a0+a1x+⋯+amxm
为
x
x
x的
m
m
m次多项式,
A
A
A为
n
n
n阶矩阵,记
φ
(
A
)
=
a
0
E
+
a
1
A
+
⋯
+
a
m
A
m
\varphi(A)=a_{0}E+a_{1}A+\cdots+a_{m}A^{m}
φ(A)=a0E+a1A+⋯+amAm
φ
(
A
)
\varphi(A)
φ(A)称为矩阵
A
A
A的
m
m
m次多项式。
2.4 矩阵分块法
我们将矩阵
A
A
A用若干条纵线和横线分成许多个小矩阵,每一个矩阵称为
A
A
A的子块,以子块为元素的形式上的矩阵称为分块矩阵。
分块矩阵的运算规则与普通矩阵的运算规则想类似。
对线性方程组
{
a
11
x
1
+
a
12
x
2
+
⋯
+
a
1
n
x
n
=
b
1
,
a
21
x
1
+
a
22
x
2
+
⋯
+
a
2
n
x
n
=
b
2
,
⋯
⋯
a
m
1
x
1
+
a
m
2
x
2
+
⋯
+
a
m
n
x
n
=
b
m
,
\begin{cases} a_{11}x_{1}+a_{12}x_{2}+\cdots+a_{1n}x_{n}=b_{1},\\ a_{21}x_{1}+a_{22}x_{2}+\cdots+a_{2n}x_{n}=b_{2},\\ \cdots\cdots\\ a_{m1}x_{1}+a_{m2}x_{2}+\cdots+a_{mn}x_{n}=b_{m}, \end{cases}
⎩⎪⎪⎪⎨⎪⎪⎪⎧a11x1+a12x2+⋯+a1nxn=b1,a21x1+a22x2+⋯+a2nxn=b2,⋯⋯am1x1+am2x2+⋯+amnxn=bm,
记
A
=
(
a
i
j
)
,
A=(a_{ij}),
A=(aij),
x
=
(
x
1
x
2
⋮
x
n
)
,
x=\left( \begin{matrix} x_{1}\\ x_{2}\\ \vdots\\ x_{n} \end{matrix} \right),
x=⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞,
b
=
(
b
1
b
2
⋮
x
m
)
,
b=\left( \begin{matrix} b_{1}\\ b_{2}\\ \vdots\\ x_{m} \end{matrix} \right),
b=⎝⎜⎜⎜⎛b1b2⋮xm⎠⎟⎟⎟⎞,
B
=
(
a
11
a
12
⋯
a
1
n
b
1
a
21
a
22
⋯
a
2
n
b
2
⋮
⋮
⋮
⋮
a
m
1
a
m
2
⋯
a
m
n
b
m
)
,
B=\left( \begin{matrix} a_{11}&a_{12}&\cdots&a_{1n}&b_{1}\\ a_{21}&a_{22}&\cdots&a_{2n}&b_{2}\\ \vdots&\vdots&&\vdots&\vdots\\ a_{m1}&a_{m2}&\cdots&a_{mn}&b_{m} \end{matrix} \right),
B=⎝⎜⎜⎜⎛a11a21⋮am1a12a22⋮am2⋯⋯⋯a1na2n⋮amnb1b2⋮bm⎠⎟⎟⎟⎞,
其中
A
A
A称为系数矩阵,
x
x
x称为未知数向量,
b
b
b称为常数项向量,
B
B
B称为增广矩阵。
按照分块矩阵的记法可记为:
B
=
(
A
⋮
b
)
,
B=(A\ \vdots \ b),
B=(A ⋮ b),或
B
=
(
A
,
b
)
=
(
a
1
,
a
2
,
⋯
 
,
a
n
,
b
)
.
B=(A,b)=(a_{1},a_{2},\cdots,a_{n},b).
B=(A,b)=(a1,a2,⋯,an,b).
此方程可记为
A
x
=
b
,
Ax=b,
Ax=b,
以向量
x
x
x为未知源,它的解称为方程组的解向量。
克拉默法则
对于
n
n
n个变量,
n
n
n个方程的线性方程组
{
a
11
x
1
+
a
12
x
2
+
⋯
+
a
1
n
x
n
=
b
1
,
a
21
x
1
+
a
22
x
2
+
⋯
+
a
2
n
x
n
=
b
2
,
⋯
⋯
a
n
1
x
1
+
a
n
2
x
2
+
⋯
+
a
n
n
x
n
=
b
n
,
\begin{cases} a_{11}x_{1}+a_{12}x_{2}+\cdots+a_{1n}x_{n}=b_{1},\\ a_{21}x_{1}+a_{22}x_{2}+\cdots+a_{2n}x_{n}=b_{2},\\ \cdots\cdots\\ a_{n1}x_{1}+a_{n2}x_{2}+\cdots+a_{nn}x_{n}=b_{n}, \end{cases}
⎩⎪⎪⎪⎨⎪⎪⎪⎧a11x1+a12x2+⋯+a1nxn=b1,a21x1+a22x2+⋯+a2nxn=b2,⋯⋯an1x1+an2x2+⋯+annxn=bn,
如果它的系数行列式
D
≠
0
,
D\neq 0,
D̸=0,则它有唯一解
x
j
=
1
D
D
j
=
1
D
(
b
j
A
1
j
+
b
2
A
2
j
+
⋯
+
b
n
A
n
j
)
(
j
=
1
,
2
,
⋯
 
,
n
)
.
x_{j}=\frac{1}{D}D_{j}=\frac{1}{D}(b_{j}A_{1j}+b_{2}A_{2j}+\cdots+b_{n}A_{nj})(j=1,2,\cdots,n).
xj=D1Dj=D1(bjA1j+b2A2j+⋯+bnAnj)(j=1,2,⋯,n).
《线性代数》同济大学第五版笔记