高等数学 · 第六章线性代数初步

最新推荐文章于 2024-07-16 17:08:14 发布

alun2bit

最新推荐文章于 2024-07-16 17:08:14 发布

阅读量704

点赞数 1

分类专栏：数学储备知识文章标签：矩阵

本文链接：https://blog.csdn.net/weixin_36406616/article/details/104809506

版权

数学储备知识专栏收录该内容

7 篇文章 27 订阅

订阅专栏

第一节线性方程组的行列式解法

一、线性方程组

由 $m$ 个 $n$ 元线性方程联立而成的方程组称为具有 $m$ 个方程的 $n$ 元线性方程。
这样的方程组一般可以表示如下：
$\begin{cases} {a_{11}x_1 + a_{12}x_2 + \cdots + a_{1n}x_n = b_1} \\ {a_{21}x_1 + a_{22}x_2 + \cdots + a_{2n}x_n = b_2} \\ \cdots \\ a_{n1}x_1 + a_{n2}x_2 + \cdots + a_{nn}x_n = b_n \end{cases}$
其中 $a_{ij}(1 \le i \le m, 1 \le j \le m)$ 和 $b_i{1 \le i \le m}$ 为给定常数； $x_1,x_2,x_3,\cdots,x_n$ 为未知量。常数 $a_{ij}$ 称为 $x_j$ 的系数，它有两个下标，第一个下标 $i$ 表示它在方程组中的第 $i$ 个方程，第二个下标 $j$ 表示它是第 $j$ 个未知量的系数。
常数 $b_1,b_2,\cdots,b_m$ 称为方程组的常数项。我们称任何一个使得方程组中各个方程都成立的 $n$ 元数组 $(x_1,x_2,\cdots,x_n)$ 为方程组的一个解。所谓求方程组的解就是求出它的所有解，即通解。
如果 $b_1,b_2,\cdots,b_m$ 全部为 $0$ ，则称方程组为 $n$ 元齐次线性方程组；如果 $b_1,b_2,\cdots,b_m$ 不全为 $0$ ，则称方程组为 $n$ 元非齐次线性方程组。

二、行列式解法

二元线性方程组 $\begin{cases} a_{11}x_1 + a_{12}x_2 = b_1 \\ a_{21}x_1 + a_{22}x_2 = b_2 \end{cases}$
我们引入记号 $\left | \begin{array} {cc} a_{11} & a_{12} \\ a_{21} & a_{22} \end{array} \right | = a_{11}a_{22} - a_{12}a_{21}$ 并称之为二阶行列式。
它有两行两列，横的叫行，竖的叫列。数 $a_{ij}(i,j = 1,2)$ 称为行列式的元素，第一个下标 $i$ 代表它所在的第 $i$ 行，第二个下标 $j$ 代表它所在的第 $j$ 列，即 $a_{ij}$ 是位于行列式第 $i$ 行与第 $j$ 列相交处的元素。

二阶行列式的解法——克拉默(Cramer)法则

定理 $6.1$ 若 $\left | \begin{array} {cc} a_{11} & a_{12} \\ a_{21} & a_{22} \end{array} \right | \neq 0$ 则二元线性方程组有唯一解
$x_1 = \cfrac{D_1}{D} = \cfrac {1}{D}\left| \begin{array} {cc} b_1 & a_{12} \\ b_2 & a_{22} \end{array} \right|$ , $x_2 = \cfrac{D_2}{D} = \cfrac {1}{D}\left| \begin{array} {cc} a_{11} & b_1 \\ a_{21} & b_2 \end{array} \right|$
其中 $D$ 称为方程组的系数行列式，
$\left| \begin{array} {cc} b_1 & a_{12} \\ b_2 & a_{22} \end{array} \right|$ ， $D_2 = \left| \begin{array} {cc} a_{11} & b_1 \\ a_{21} & b_2 \end{array} \right|$
就是分别将系数行列式中的第一列和第二列换成 $b_1, b_2$ 得到的两个行列式。

例题

解线性方程组 $\begin{cases} 3x + 4y = 2 \\ 4x + 5y = 3 \end{cases}$
解： $\left | \begin{array} {cc} 3 & 4 \\ 4 & 5 \end{array} \right | = 3 * 5 - 4 * 4 = -1 \neq 0$
$D_1 = \left | \begin{array} {cc} 2 & 4 \\ 3 & 5 \end{array} \right | = 2 * 5 - 4 * 3 = -2$
$D_2 = \left | \begin{array} {cc} 3 & 2 \\ 4 & 3 \end{array} \right | = 3 * 3 - 2 * 4 = 1$
所以，方程组有唯一解 $\cfrac {D_1} {D} = \cfrac {-2}{-1} = 2, y = \cfrac {D_2}{D} = \cfrac {1}{-1} = -1$

三阶行列式

类似地，我们引进三阶行列式
$\left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right | = a_{11}a_{22}a_{33} + a_{12}a_{23}a_{31} + a_{13}a_{23}a_{31} - a_{11}a_{23}a_{32} - a_{12}a_{21}a_{33} - a_{13}a_{22}a_{31}$
类似地，
$\left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ 0 & a_{22} & a_{23} \\ 0 & 0 & a_{33} \end{array} \right |$ 或 $\left | \begin{array} {ccc} a_{11} & 0 & 0 \\ a_{21} & a_{22} & 0 \\ a_{31} & a_{32} & a_{33} \end{array} \right |$
以上两个行列式分别称为上三角行列式和下三角行列式，它们的值均为其对角线上元素的乘积。

三阶行列式的解法——克拉默(Cramer)法则

定理 $6.2$ 若 $\left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right | \neq 0$
则三元线性方程组 $\begin{cases} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 = b_1 \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 = b_2 \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 = b_3 \end{cases}$ 有唯一解 $x_1 = \cfrac {D_1}{D}, x_2 = \cfrac {D_2}{D}, x_3 = \cfrac {D_3}{D}$ ,
其中 $\left | \begin{array} {ccc} b_1 & a_{12} & a_{13} \\ b_2 & a_{22} & a_{23} \\ b_3 & a_{32} & a_{33} \end{array} \right |, D_2 = \left | \begin{array} {ccc} a_{11} & b_1 & a_{13} \\ a_{21} & b_2 & a_{23} \\ a_{31} & b_3 & a_{33} \end{array} \right |, D_3 = \left | \begin{array} {ccc} b_1 & a_{12} & a_{13} \\ a_{21} & a_{22} & b_2 \\ a_{31} & a_{32} & b_3 \end{array} \right |$

推论 $1$ 若齐次线性方程组 $\begin{cases} a_{11}x_1 + a_{12}x_2 = b_1 \\ a_{21}x_1 + a_{22}x_2 = b_2 \end{cases}$ 和 $\begin{cases} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 = b_1 \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 = b_2 \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 = b_3 \end{cases}$ 的系数行列式 $\neq 0$ ，则它们都仅有零解。
推论 $2$ 若齐次线性方程组 $\begin{cases} a_{11}x_1 + a_{12}x_2 = b_1 \\ a_{21}x_1 + a_{22}x_2 = b_2 \end{cases}$ 和 $\begin{cases} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 = b_1 \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 = b_2 \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 = b_3 \end{cases}$ 有非零解，则它们的系数行列式 $D = 0$ .
齐次线性方程组仅有唯一解的充分必要条件是 $\neq 0$

第二节行列式的性质和计算

一、行列式的基本性质

将行列式 $\left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right |$ 的行与相应的列互换后得到的新行列式称为行列式 $D$ 的转置行列式，记为 $D^{'}$ 或 $D^T$ ，即 $\left | \begin{array} {ccc} a_{11} & a_{21} & a_{31} \\ a_{12} & a_{22} & a_{32} \\ a_{13} & a_{23} & a_{33} \end{array} \right |$
性质 $1$ 转置行列式与原行列式有相同的值， $D^{'} = D$ 。

性质 $2$ 将行列式中的某一行（列）的每个元素同乘以一个数 $k$ ，所得的新行列式等于该行列式的 $k$ 倍。即 $\left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ ka_{21} & ka_{22} & ka_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right | = k\left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right |$

性质 $3$ 如果行列式中某一行（列）所有元素都是两个数的和，则此行列式等于两个行列式的和，而且这两个行列式这一行（列）的元素分别为对应的两个数中的一个，其余行（列）的元素与原行列式的对应元素相同，如
$\left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21}+a'_{21} & a_{22}+a'_{22} & a_{23}+a'_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right | = \left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right | + \left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a'_{21} & a'_{22} & a'_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right |$

性质 $4$ 如果行列式中两行（列）对应元素相同，则行列式等于 $0$ 。
推论 $3$ 如果行列式中一行（列）的元素全是 $0$ ，则行列式等于 $0$ 。
推论 $4$ 如果行列式中有两行（列）的元素成比例，则行列式等于 $0$ 。

性质 $5$ 将行列式中的某行（列）的所有元素乘以同一个常数 $k$ ，然后加到另一行（列）的对应元素上，所得新行列式的值不变，如
$\left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21}+ka_{11} & a_{22}+ka_{12} & a_{23}+ka_{13} \\ a_{31} & a_{32} & a_{33} \end{array} \right | = \left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right |$

性质 $6$ 互换行列式中的任意两行（列），行列式仅改变符号。

利用行列式的性质，可以把行列式化成上三角行列式或下三角行列式来计算，从而简化计算过程。

$D_上 = \left| \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ 0 & a_{22} & a_{23} \\ 0 & 0 & a_{33} \end{array} \right| = a_{11}a_{22}a_{33}$ , $D_下 = \left| \begin{array} {ccc} a_{11} & 0 & 0 \\ a_{21} & a_{22} & 0 \\ a_{31} & a_{32} & a_{33} \end{array} \right| = a_{11}a_{22}a_{33}$

二、行列式的按行（列）展开

设 $D$ 是一个（二阶或三阶）行列式，去掉 $a_{ij}$ 所在的第 $i$ 行和第 $j$ 列的元素后，剩下的元素组成的（一阶或二阶）行列式称为 $a_{ij}$ 的余子式，记为 $M_{ij}$ ，而称 $A_{ij} = (-1)^{i + j} M_{ij}$ 为 $a_{ij}$ 的代数余子式。例如：
$\left | \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right |$
$M_{23} = \left | \begin{array} {cc} a_{11} & a_{12} \\ a_{31} & a_{32} \end{array} \right |$
$A_{23} = (-1)^{(2 + 3)}M_{23} = - \left | \begin{array} {cc} a_{11} & a_{12} \\ a_{31} & a_{32} \end{array} \right |$

拉普拉斯（Laplace）定理

定理 $6.3$ 设 $n (n = 2$ 或 $3)$ 阶行列式 $D$ 的值等于它的任意一行（列）的元素与其对应的代数余子式的乘积的和，即
$\sum \limits_{j = 1}^{n} a_{ij}A_{ij} (1\le i \le n)$
$\sum \limits_{i = 1}^{n} a_{ij}A_{ij} (1\le j \le n)$

推论 $5$ $n (n = 2$ 或 $3)$ 阶行列式 $D$ 的某一行（列）的元素与另一行（列）对应元素的代数余子式乘积之和等于 $0$ ，即
$\sum \limits_{k = 1}^{3} a_{ik}A_{ik} = a_{i1}A_{j1} + a_{i2}A_{j2} + a_{i3}A_{j3} = 0 (1\le i \neq j \le n)$
$\sum \limits_{k = 1}^{3} a_{ik}A_{ik} = a_{1i}A_{1j} + a_{2i}A_{2j} + a_{3i}A_{3j} = 0 (1\le i \neq j \le n)$

第三节矩阵与线性方程组的消元法

一、矩阵的概念

在自然科学、工程技术以及经济等领域中常常用到这种矩形数表，由此抽象出矩阵的概念。
我们称由 $\times n$ 个实数 $a_{ij}$ 排成的矩形数表 $\left [ \begin{array} {cccc} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mm}\end{array} \right ]$ 为一个 $m$ 行 $n$ 列的矩阵，或 $\times n$ 阶矩阵，称 $a_{ij}$ 为该矩阵的元素，第一下标 $i$ 表示元素所在的行，第二下标 $j$ 表示元素所在的列。通常将矩阵记为 $A$ 或 $a_{ij})$ ，为了指明矩阵的行和列，有时又记为 $A_{m \times n}$ 或 $(a_{ij})_{m \times n}$ ；

线性方程组的初等变换

用一非零的数乘某一方程
把一个方程的倍数加到另一个方程
互换两个方程的位置

以上三种变换称为线性方程组的初等变换。
这种通过反复地对方程组进行初等变换最终求出方程组的解的方法，称为（高斯）消元法。

矩阵的初等变换

如果将方程组的系数抽象为矩阵，那么这个矩阵称之为增广矩阵，对方程组做初等变换就相当于对增广矩阵做相应的变换：

用一非零的数乘矩阵的某一行
把一个矩阵的某行的倍数加到另一个行
互换矩阵两行的位置

称对矩阵做的这三种变换为矩阵的初等行变换。

第四节矩阵的运算

一、矩阵的加减法和矩阵与数的乘积

矩阵的加减法

将两个阶数相同的矩阵 A 和 B 的对应元素相加，所得到的新矩阵称为矩阵 A 和 B 的和，记为 A + B；而将对应元素作差得到的新矩阵称为矩阵 A 和 B 的差，记为 A - B。

由定义可知，只有在两个矩阵的行数和列数都对应相同时才能做加法和减法。
不难验证，矩阵加法具有如下性质：

交换律： A + B = B + A
结合律：（A + B）+ C = A + （B + C）
对任意矩阵 A，具有 A + O = A；其中 A，B，C 为阶数相同的矩阵， O 为阶数与 A 相同的零矩阵。
将矩阵 A 的所有元素都变成它自己的相反数而得到的新矩阵称为矩阵 A 的负矩阵，记为 -A。

矩阵与数的乘积

用一个实数 k 乘以矩阵 A 中的每一个元素，所得矩阵称为数 k 与矩阵 A 的乘积，简称数乘，记为 kA。
不难验证：

$(k + l) A = k A + l A$
$k (A + B) = k A + k B$
$k (l A) = (k l) A$
$1 A = A$
$0 A = O$
$(- 1) A = - A$

二、矩阵的乘法

设 A 和 B 分别为 $\times s$ 矩阵和 $\times n$ 矩阵：
$\left [ \begin{array} {cccc} a_{11} & a_{12} & \cdots & a_{1s} \\ a_{21} & a_{22} & \cdots & a_{2s} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{ms} \end{array} \right ]$ , $\left [ \begin{array} {cccc} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{s1} & a_{s2} & \cdots & a_{sn} \end{array} \right ]$
由 A 和 B 可以做一个新的 $\times n$ 矩阵 $\left [ \begin{array} {cccc} c_{11} & c_{12} & \cdots & c_{1n} \\ c_{21} & c_{22} & \cdots & c_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ c_{m1} & c_{m2} & \cdots & c_{mn} \end{array} \right ]$ ，其中 $c_{ij} = \sum \limits_{k = 1}^{s} a_{ik} b_{kj}$ $\le i \le m, 1 \le j \le n).$
称这个新矩阵 C 为矩阵 A 和矩阵 B 的乘积，记为 C = AB。

利用矩阵的乘法，线性方程组 $\begin{cases} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 = b_1 , \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 = b_2 , \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 = b_3 \end{cases}$
可以写成矩阵的形式 $\left [ \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right ]$ $\left [ \begin{array} {c} x_{1} \\ x_{2} \\ x_{3} \end{array} \right ] = \left [ \begin{array} {c} b_{1} \\ b_{2} \\ b_{3} \end{array} \right ]$ 。
如果令 $\left [ \begin{array} {ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right ]，$ $\left [ \begin{array} {c} x_{1} \\ x_{2} \\ x_{3} \end{array} \right ]， B = \left [ \begin{array} {c} b_{1} \\ b_{2} \\ b_{3} \end{array} \right ]$
则线性方程组又可以简写为 $A X = B$

矩阵的乘积具有下列性质（假定下列出现的矩阵乘积均有意义）：

结合律： $(A B) C = A (B C)$
分配律： $\pm C) = AB \pm AC$
$A_{m \times n}E_{n \times n} = E_{m \times m}A_{m \times n} = A_{m \times n}$ （其中 $E_{n \times n}, E_{m \times m}$ 均为单位阵）
$(\lambda A)B = \lambda(AB) = A(\lambda B)$ (其中 $\lambda$ 为任意实数)

三、矩阵的转置

将矩阵的所有的行换成相应的列所得到的新矩阵称为矩阵 A 的转置矩阵，记为 $A^{'}$ 或 $A^T$ 。
转置矩阵具有以下性质：
$(A^{'})^{'} = A^{'}; (A + B)^{'} = A^{'} + B^{'}; (A B)^{'} = B^{'} A^{'}; (k A)^{'} = k A^{'}$
如果 n 阶方阵 $A = (a_{ij})$ 满足 $A^{'} = A$ ，即 $a_{ij} = a_{ji} (1 \le i,j \le n)$ ，则称之为对称矩阵；如果 $A^{'} = - A$ ，即 $a_{ij} = -a_{ji} (1 \le i,j \le n)$ ，则称之为反对称矩阵。

四、方阵的行列式性质

定理 $6.4$ 设 A，B 均为三（或二）阶方阵，则 $∣ A B ∣ = ∣ A ∣ ∣ B ∣, ∣ A^{'} ∣ = ∣ A ∣$

第五节可逆矩阵与逆矩阵简介

设 A 是一个 n 阶方阵。
若存在一个 n 阶方阵 B，使得 AB = BA = E，则称 A 是可逆矩阵，并称 B 为 A 的逆矩阵。
由定义可知，可逆矩阵一定是方阵，并且它的逆矩阵亦为同阶方阵。如果 B 是 A 的逆矩阵，那么 B 也是可逆矩阵，并且 A 是 B 的逆矩阵。如果 A 是可逆矩阵，则其逆矩阵是唯一的，并记为 $A^{-1}$ 。事实上，如果 B 和 C 均为 A 的逆矩阵，则 AB = BA = E，AC = CA = E。
因而 B = BE = B(AC) = (BA)C = EC = C.
此外，如果 A 是可逆的，则 $\neq 0$ 。事实上，因为 A 可逆，所以存在矩阵 B，使得 AB = BA = E。
从而由方阵的行列式性质可知， $∣ A ∣ ∣ B ∣ = 1$ ，因此， $\neq 0$

例题
设 $\left [ \begin{array} {cc} a & b \\ c & d \end{array} \right ]$ ，且 $\neq 0$ 。验证 $\cfrac{1}{|A|} \left [ \begin{array} {cc} d & -b \\ -c & a \end{array} \right ]$ 为 $A$ 的逆矩阵。
解：
$\because AB = \left [ \begin{array} {cc} a & b \\ c & d \end{array} \right ] \left [ \cfrac{1}{|A|} \left [ \begin{array} {cc} d & -b \\ -c & a \end{array} \right ] \right ] = \cfrac{1}{|A|} \left [ \begin{array} {cc} a & b \\ c & d \end{array} \right ] \left [ \begin{array} {cc} d & -b \\ -c & a \end{array} \right ] = \cfrac{1}{|A|} \left [ \begin{array} {cc} ad - bc & 0 \\ 0 & ad - bc \end{array} \right ] = \left [ \begin{array} {cc} 1 & 0 \\ 0 & 1 \end{array} \right ] = E$
并且同理可证 $B A = E$
故由定义可知， $\cfrac{1}{|A|} \left [ \begin{array} {cc} d & -b \\ -c & a \end{array} \right ]$ 为 $A$ 的逆矩阵。