2.2 矩阵的基本运算
本节介绍矩阵的线性运算和乘积运算,它们是矩阵的基本运算。正是这些基本运算的引入,才使矩阵在有序表达和描述有关对象这一基本作用的基础上,成为研究有关对象之间相互联系的有力工具,进而成为具有重要理论意义和实际应用价值的核心数学概念。
2.2.1 矩阵的线性运算
数量乘积(数乘)
定义:设 kkk 为任意一个数,A=(aij)m×nA = (a_{ij})_{m \times n}A=(aij)m×n,定义 kA=(kaij)m×nkA = (ka_{ij})_{m \times n}kA=(kaij)m×n 称为数 kkk 与矩阵 AAA 的数量乘积,简称数乘。如果 k=−1k = -1k=−1,则 −A-A−A 称为矩阵 AAA 的负矩阵。
注意,kAkAkA 是数 kkk 与矩阵 AAA 的每一个元素相乘得到的矩阵,它与数 kkk 乘以行列式 ∣A∣|A|∣A∣ 之间有着本质区别。设 k,lk, lk,l 是数,AAA 是矩阵,则容易验证矩阵的数乘满足以下运算性质:
- 1A=A1A = A1A=A
- (kl)A=k(lA)(kl)A = k(lA)(kl)A=k(lA)
- (k+l)A=kA+lA(k + l)A = kA + lA(k+l)A=kA+lA
矩阵的加法与减法
定义:设 A=(aij)m×nA = (a_{ij})_{m \times n}A=(aij)m×n,B=(bij)m×nB = (b_{ij})_{m \times n}B=(bij)m×n,定义 A+B=(aij+bij)A + B = (a_{ij} + b_{ij})A+B=(aij+bij) A−B=(aij−bij)A - B = (a_{ij} - b_{ij})A−B=(aij−bij) 并称 A+BA + BA+B 及 A−BA - BA−B 为 AAA 与 BBB 的和及差。
例如: (1−12−2)+(30−15)=(4−113)\begin{pmatrix} 1 & -1 \\ 2 & -2 \end{pmatrix} + \begin{pmatrix} 3 & 0 \\ -1 & 5 \end{pmatrix} = \begin{pmatrix} 4 & -1 \\ 1 & 3 \end{pmatrix}(12−1−2)+(3−105)=(41−13)
必须注意,只有同型矩阵才能相加(减),且其和(差)仍保持同型。根据上述定义,不难验证矩阵的加法满足以下性质:
- A+B=B+AA + B = B + AA+B=B+A
- (A+B)+C=A+(B+C)(A + B) + C = A + (B + C)(A+B)+C=A+(B+C)
- A+0=AA + 0 = AA+0=A
- A+(−A)=0A + (-A) = 0A+(−A)=0
- k(A+B)=kA+kBk(A + B) = kA + kBk(A+B)=kA+kB,其中 kkk 为任意一个数
矩阵的数乘运算和加减运算统称为矩阵的线性运算。
例 2.1 已知 2A+3X=B2A + 3X = B2A+3X=B,其中
A=(1−123),B=(3140)A = \begin{pmatrix} 1 & -1 \\ 2 & 3 \end{pmatrix}, \quad B = \begin{pmatrix} 3 & 1 \\ 4 & 0 \end{pmatrix}A=(12−13),B=(3410) 求矩阵 XXX。
解答:
注意到 3X=B−2A3X = B - 2A3X=B−2A,则 3X=(3140)−2(1−123)=(3140)−(2−246)=(130−6)3X = \begin{pmatrix} 3 & 1 \\ 4 & 0 \end{pmatrix} - 2 \begin{pmatrix} 1 & -1 \\ 2 & 3 \end{pmatrix} = \begin{pmatrix} 3 & 1 \\ 4 & 0 \end{pmatrix} - \begin{pmatrix} 2 & -2 \\ 4 & 6 \end{pmatrix} = \begin{pmatrix} 1 & 3 \\ 0 & -6 \end{pmatrix}3X=(3410)−2(12−13)=(3410)−(24−26)=(103−6)
因此, X=13(130−6)=(1310−2)X = \frac{1}{3} \begin{pmatrix} 1 & 3 \\ 0 & -6 \end{pmatrix} = \begin{pmatrix} \frac{1}{3} & 1 \\ 0 & -2 \end{pmatrix}X=31(103−6)=(3101−2)
2.2.2 矩阵的乘法及方阵的幂
定义:设 A=(aij)m×nA = (a_{ij})_{m \times n}A=(aij)m×n,B=(bij)n×pB = (b_{ij})_{n \times p}B=(bij)n×p,定义 C=ABC = ABC=AB 为一个 m×pm \times pm×p 的矩阵 C=(cij)m×pC = (c_{ij})_{m \times p}C=(cij)m×p,其中 cij=∑k=1naikbkjc_{ij} = \sum_{k=1}^{n} a_{ik} b_{kj}cij=∑k=1naikbkj
必须注意,只有当第一个矩阵 AAA 的列数等于第二个矩阵 BBB 的行数时,矩阵 AAA 与 BBB 的乘积 ABABAB 才有意义。否则 AAA 与 BBB 是不能相乘的。
矩阵乘法运算满足以下规律:
- (AB)C=A(BC)(AB)C = A(BC)(AB)C=A(BC)
- k(AB)=(kA)B=A(kB)k(AB) = (kA)B = A(kB)k(AB)=(kA)B=A(kB),其中 kkk 为任意一个数
- A(B+C)=AB+ACA(B + C) = AB + ACA(B+C)=AB+AC,(B+C)A=BA+CA(B + C)A = BA + CA(B+C)A=BA+CA
- AE=AAE = AAE=A,EA=AEA = AEA=A
- 设 A,BA, BA,B 均为同阶方阵,则 ∣AB∣=∣A∣∣B∣|AB| = |A||B|∣AB∣=∣A∣∣B∣
例 2.2
设 A=(1201)A = \begin{pmatrix} 1 & 2 \\ 0 & 1 \end{pmatrix}A=(1021),B=(0110)B = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}B=(0110)
计算 ABABAB 和 BABABA。
解答:
AB=(1201)(0110)=(2110)AB = \begin{pmatrix} 1 & 2 \\ 0 & 1 \end{pmatrix} \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} = \begin{pmatrix} 2 & 1 \\ 1 & 0 \end{pmatrix}AB=(1021)(0110)=(2110) BA=(0110)(1201)=(1201)BA = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} \begin{pmatrix} 1 & 2 \\ 0 & 1 \end{pmatrix} = \begin{pmatrix} 1 & 2 \\ 0 & 1 \end{pmatrix}BA=(0110)(1021)=(1021)
由此可见,矩阵乘法不满足交换律,即一般来说,AB≠BAAB \neq BAAB=BA。
2.2.3 矩阵的转置
定义:将矩阵 A=(aij)m×nA = (a_{ij})_{m \times n}A=(aij)m×n 的行依次转换成同序数得到的 n×mn \times mn×m 矩阵称为矩阵 AAA 的转置矩阵,记为 ATA^TAT。
例如,矩阵 A=(123456)A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{pmatrix}A=(142536) 的转置矩阵为 AT=(142536)A^T = \begin{pmatrix} 1 & 4 \\ 2 & 5 \\ 3 & 6 \end{pmatrix}AT=123456
矩阵的转置满足以下规律:
- (AT)T=A(A^T)^T = A(AT)T=A
- (A+B)T=AT+BT(A + B)^T = A^T + B^T(A+B)T=AT+BT
- (kA)T=kAT(kA)^T = kA^T(kA)T=kAT,其中 kkk 是一个数
- (AB)T=BTAT(AB)^T = B^T A^T(AB)T=BTAT
例 2.3
已知矩阵 A=(1234)A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}A=(1324),B=(0110)B = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}B=(0110)
求 (AB)T(AB)^T(AB)T,ATBTA^T B^TATBT 和 BTATB^T A^TBTAT。
解答:
利用矩阵乘法和转置的定义,直接计算得: (AB)T=((1234)(0110))T=((2143))T=(2413)(AB)^T = \left( \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} \right)^T = \left( \begin{pmatrix} 2 & 1 \\ 4 & 3 \end{pmatrix} \right)^T = \begin{pmatrix} 2 & 4 \\ 1 & 3 \end{pmatrix}(AB)T=((1324)(0110))T=((2413))T=(2143) ATBT=(1324)(0110)=(3142)A^T B^T = \begin{pmatrix} 1 & 3 \\ 2 & 4 \end{pmatrix} \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} = \begin{pmatrix} 3 & 1 \\ 4 & 2 \end{pmatrix}ATBT=(1234)(0110)=(3412) BTAT=(0110)(1324)=(2413)B^T A^T = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} \begin{pmatrix} 1 & 3 \\ 2 & 4 \end{pmatrix} = \begin{pmatrix} 2 & 4 \\ 1 & 3 \end{pmatrix}BTAT=(0110)(1234)=(2143)
由此可见,(AB)T=BTAT(AB)^T = B^T A^T(AB)T=BTAT。
应用实例
例 2.4
产品的销售数量:某厂向三个超市(代号为 XXX, YYY, ZZZ)发送四种产品(代号为 AAA, BBB, CCC, DDD)的包装箱数矩阵为: A=(50104020305010201051530)A = \begin{pmatrix} 50 & 10 & 40 \\ 20 & 30 & 50 \\ 10 & 20 & 10 \\ 5 & 15 & 30 \end{pmatrix}A=50201051030201540501030
每种产品的单价(元)分别为: B=(100200150250)B = \begin{pmatrix} 100 \\ 200 \\ 150 \\ 250 \end{pmatrix}B=100200150250
计算每个超市的总销售额。
解答:
总销售额矩阵为: AB=(50104020305010201051530)(100200150250)=(2000037500975014250)AB = \begin{pmatrix} 50 & 10 & 40 \\ 20 & 30 & 50 \\ 10 & 20 & 10 \\ 5 & 15 & 30 \end{pmatrix} \begin{pmatrix} 100 \\ 200 \\ 150 \\ 250 \end{pmatrix} = \begin{pmatrix} 20000 \\ 37500 \\ 9750 \\ 14250 \end{pmatrix}AB=50201051030201540501030100200150250=2000037500975014250
所以每个超市的总销售额分别为:20000元,37500元,9750元和14250元。