第二章 矩阵(Matrix)
2.1 矩阵的概念
● 具体参考数据结构中的邻接矩阵。行列式与矩阵的区别:
● 行列式本质上是一个数,矩阵本质上是一个数表;
行列式的符号是竖线,矩阵符号是小括号,中括号; 大括号在线性代数中几乎不用。
行列式的行数等于列数,矩阵的形状无要求;
● 实矩阵,复矩阵;所有元素都是实数的,所有元素都是复数的。
● 行矩阵,列矩阵。
● 零矩阵,记作:O
● 把矩阵中的所有元素都取相反数,得到原来矩阵的负矩阵。
● 行数等于列数的矩阵叫方阵。
● 单位阵:主对角线都为1,其他位置是0的矩阵。
● 同型矩阵:行数和列数对应相等的两个矩阵。
● 两个同型矩阵的元素对应位置元素对应相等,就是相等矩阵。
2.2 矩阵的运算
● 同型矩阵才能相加减。
● 对应位置相加减即可。
● 矩阵的数乘:K乘以一个矩阵,用k乘以矩阵的每一个元素。
矩阵的所有元素都有同一个公因子,公因子朝外提一次。与行列式不同。
● 矩阵的乘法:
前提条件,第一个矩阵的列数等于第二个矩阵的行数;
结果矩阵的行数等于第一个矩阵的行数;结果矩阵的列数等于第二个矩阵的列数。
● 口诀:中相等,取两头。
● 矩阵的乘法中:
AB有意义,BA不一定有意义。(A不等于B)
AB = BC,A不等于0, 不能推出 B=C.
AB=0,不能推出A=0 或 B=0;
与零矩阵(符合相乘规则的)相乘都等于0矩阵(相应的结果0矩阵)
● 矩阵的乘法法则:
结合,(AB)C = A(BC)
分配,(A+B)C = AC+BC. C(AB) = CA + CB
K(A+B)=(KA)B=A(KB) K是常数
●
● 幂运算:
A
k
1
⋅
A
k
2
=
A
k
1
+
k
2
A^{k_1}\cdot A^{k_2}=A^{k_1+k_2}
Ak1⋅Ak2=Ak1+k2
(
A
k
1
)
k
2
=
A
k
1
⋅
k
2
(A^{k_1})^{k_2}=A^{k_1\cdot k2}
(Ak1)k2=Ak1⋅k2
一般来说,
(
A
B
)
k
≠
A
k
⋅
B
k
(AB)^k \ne A^k\cdot B^k
(AB)k=Ak⋅Bk ;
(
A
+
B
)
2
=
A
2
+
A
B
+
B
A
+
B
2
(A+B)^2=A^2+AB+BA+B^2
(A+B)2=A2+AB+BA+B2
在A是方阵,E是单位阵时,
(
A
+
E
)
2
=
A
2
+
2
A
E
+
E
2
(A+E)^2=A^2+2AE+E^2
(A+E)2=A2+2AE+E2
● 矩阵的转置:
概念,i j 互换位置。
性质: $(AT)T=A $
(
A
+
B
)
T
=
A
T
+
B
T
(A+B)^T=A^T+B^T
(A+B)T=AT+BT
(
k
A
)
T
=
k
⋅
A
T
(kA)^T=k\cdot A^T
(kA)T=k⋅AT
(
A
B
)
T
=
B
T
⋅
A
T
(AB)^T=B^T\cdot A^T
(AB)T=BT⋅AT 不能记反。
(
A
1
A
2
A
3
A
4
)
T
=
A
4
T
A
3
T
A
2
T
A
1
T
(A_1A_2A_3A_4)^T = A_4^TA_3^TA_2^TA_1^T
(A1A2A3A4)T=A4TA3TA2TA1T
(
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
2.3 特殊矩阵(方阵)
● 数量矩阵(特殊的对角型矩阵),
主对角线全为 a(任意数) ,等于a乘以相应的单位阵。
(
a
E
)
B
=
B
(
a
E
)
=
(
a
B
)
(aE)B=B(aE)=(aB)
(aE)B=B(aE)=(aB)
AE=EA=A 第一个E和第二个E不同。
● 对角型,
d
i
a
g
(
a
1
a
2
a
3
a
4
)
diag(a_1a_2a_3a_4)
diag(a1a2a3a4) 是以
a
1
,
a
2
,
a
3
,
a
4
a_1,a_2,a_3,a_4
a1,a2,a3,a4 为主对角线的对角型矩阵。
● 三角型:
上三角型,下三角型
对角型既是上三角,又是下三角
数和上三角或下三角的乘积,以及上三角或下三角的和、差、积均是上三角或下三角。
● 对称和反对称:
对称矩阵
a
i
j
=
a
j
i
a_{ij}=a_{ji}
aij=aji 或
A
T
=
A
A^T=A
AT=A
两个同阶对称矩阵的和、差、数乘依然是对称的。但是乘积一般不再是对称矩阵。
反对称矩阵 a j i = − a j i a_{ji}=-a_{ji} aji=−aji ,对称矩阵主对角线没有要求,但是反对称矩阵的主对角线必须都是0;
2.4 逆矩阵
● 永远不要把矩阵放在分母上
● 方阵的行列式 ,
把矩阵的括号换成竖线.
行列式本质上是一个数,矩阵本质上是一个数表。
矩阵有很多属性:特征值、特征向量、行列式等等。
方阵的行列式的性质:
∣
A
T
∣
=
∣
A
∣
\begin{vmatrix}A^T\end{vmatrix}=\begin{vmatrix}A\end{vmatrix}
AT
=
A
∣
k
A
∣
=
k
n
∣
A
∣
\begin{vmatrix}kA\end{vmatrix}=k^n\begin{vmatrix}A\end{vmatrix}
kA
=kn
A
*
∣
A
B
∣
=
∣
A
∣
⋅
∣
B
∣
\begin{vmatrix}AB\end{vmatrix}=\begin{vmatrix}A\end{vmatrix}\cdot \begin{vmatrix}B \end{vmatrix}
AB
=
A
⋅
B
条件:同阶行列式,可以推广到多个行列式。
● 伴随矩阵
只有方阵才有伴随矩阵。
伴随矩阵记作:
A
∗
A^*
A∗
定理:
A
A
∗
=
A
∗
A
=
∣
A
∣
E
AA^*=A^*A=\begin{vmatrix}A\end{vmatrix}E
AA∗=A∗A=
A
E
● 由
∣
A
A
∗
∣
=
∣
A
∣
E
\begin{vmatrix}AA^*\end{vmatrix}=\begin{vmatrix}A\end{vmatrix}E
AA∗
=
A
E ,
∣
A
∣
⋅
∣
A
∗
∣
=
∣
A
∣
n
\begin{vmatrix}A\end{vmatrix}\cdot \begin{vmatrix}A^*\end{vmatrix}=\begin{vmatrix}A\end{vmatrix}^n
A
⋅
A∗
=
A
n 那么:
在
∣
A
∣
≠
0
\begin{vmatrix}A\end{vmatrix} \ne 0
A
=0 时:
∣
A
∗
∣
=
∣
A
n
−
1
∣
\begin{vmatrix}A^*\end{vmatrix}=\begin{vmatrix}A^{n-1}\end{vmatrix}
A∗
=
An−1
。事实上,在以后,我们也能证明在
∣
A
∣
=
0
\begin{vmatrix}A\end{vmatrix}=0
A
=0 时,也成立。
● 任何方阵都有伴随矩阵。
一阶矩阵的伴随矩阵都是1(矩阵或数字都行)
● 逆矩阵:
A是n阶方阵,若存在方阵B ,使AB=BA=E ;记作
A
−
1
=
B
A^{-1}=B
A−1=B
○ 未必所有方阵都可逆. 0B = B0 = 0;
○ 若可逆,逆矩阵是唯一的.
○ 如果可逆,
A
A
∗
=
A
∗
A
=
E
AA^*=A^*A=E
AA∗=A∗A=E (定义)
● 如何判断矩阵可逆?
若方阵的行列式不等于0,即该矩阵非奇异,非退化,满秩。该矩阵可逆。
● 定理矩阵可逆的充分必要条件:
∣
A
∣
≠
0
\begin{vmatrix}A\end{vmatrix} \ne0
A
=0 。
A
−
1
=
1
∣
A
∣
A
∗
A^{-1} = \frac{1}{\begin{vmatrix}A\end{vmatrix}}A^*
A−1=∣A∣1A∗ .
推论:A 是n阶方阵,B也是n阶方阵,如果AB=E (BA=E) A 可逆,
A
−
1
=
B
A^{-1}=B
A−1=B
● 求逆矩阵的两种方法:伴随矩阵法,初等变换法。用定理的是伴随矩阵法,计算量大。
例子: A+B=AB , 证:A-B可逆
AB-A-B = 0 (矩阵0)
AB-A-B+E=E
(A-E)B-(A-E)=E
(A-E)(B-E)=E
所以 ( A − E ) − 1 = B − E (A-E)^{-1}=B-E (A−E)−1=B−E
矩阵方程:
A
x
=
A
+
2
x
A
x
−
2
x
=
A
(
A
−
2
E
)
x
=
A
(
x
在右边,提出后还在右边
)
一定要先判断
(
A
−
2
E
)
可逆
(
∣
(
A
−
2
E
)
∣
≠
0
)
(
A
−
2
E
)
−
1
(
A
−
2
E
)
x
=
(
A
−
2
E
)
−
1
A
(
同时
∗
左乘
∗
(
A
−
2
E
)
−
1
x
=
(
A
−
2
E
)
−
1
A
矩阵方程:Ax=A+2x\\ Ax-2x=A\\ (A-2E)x=A (x在右边,提出后还在右边)\\ 一定要先判断(A-2E)可逆(\begin{vmatrix}(A-2E)\end{vmatrix} \ne0)\\ (A-2E)^{-1}(A-2E)x=(A-2E)^{-1}A(同时*左乘*(A-2E)^{-1}\\x=(A-2E)^{-1}A
矩阵方程:Ax=A+2xAx−2x=A(A−2E)x=A(x在右边,提出后还在右边)一定要先判断(A−2E)可逆(
(A−2E)
=0)(A−2E)−1(A−2E)x=(A−2E)−1A(同时∗左乘∗(A−2E)−1x=(A−2E)−1A
●
○ 提的时候注意方向
○ 矩阵不能直接减去一个数字,一定要将数字乘上单位阵
○ 矩阵不能做分母
○ 要先证明矩阵可逆,在使用逆矩阵
○ 待定法不要用
● 逆矩阵的性质:
a.
A
可逆,
A
−
1
也可逆。
(
A
−
1
)
−
1
=
A
A 可逆,A^{-1}也可逆。(A^{-1})^{-1}=A
A可逆,A−1也可逆。(A−1)−1=A
(
A
T
)
T
=
A
(A^T)^T=A
(AT)T=A
b. 若A,B均可逆,AB可逆,
(
A
B
)
−
1
=
B
−
1
A
−
1
(AB)^{-1}=B^{-1}A^{-1}
(AB)−1=B−1A−1
(
A
B
)
T
=
B
T
A
T
(AB)^T=B^TA^T
(AB)T=BTAT
c. A 可逆,
A
T
可逆
A^T 可逆
AT可逆
(
A
T
)
−
1
=
(
A
−
1
)
T
(
k
≠
0
)
(A^T)^{-1} =(A^{-1})^T (k\ne0)
(AT)−1=(A−1)T(k=0)
(
k
A
)
−
1
=
1
k
A
−
1
(kA)^{-1}=\frac{1}{k}A^{-1}
(kA)−1=k1A−1
A
T
(
A
−
1
)
T
=
(
A
−
1
A
)
T
=
E
T
=
E
A^T(A^{-1})^T=(A^{-1}A)^T=E^T=E
AT(A−1)T=(A−1A)T=ET=E
d. A 可逆,
∣
A
−
1
∣
=
∣
A
∣
−
1
\begin{vmatrix}A^{-1}\end{vmatrix}=\begin{vmatrix}A\end{vmatrix}^{-1}
A−1
=
A
−1
e. A 可逆,
A
∗
A^*
A∗ 也可逆,
(
A
∗
)
−
1
=
1
∣
A
∣
A
(A^*)^{-1}=\frac{1}{\begin{vmatrix}A\end{vmatrix}}A
(A∗)−1=∣A∣1A
f.
2.5 分块矩阵
● 要求:横线和属性一汽到头。
● 经常把每行或每列去分块。(行向量,列向量)
● 标准型:
特征,从左上角开始的一串1,其余地方全是0. (标准型不一定是方的)
没有0,也行。没有1,也行
标准型的左上角可以分成一个单位阵,
● 分块矩阵的运算
加法,对应位置相加
数乘,用数去乘以分块矩阵的每个元素
乘法,跟矩阵乘法相似。前提:能乘
● 常见错误:
● 分块矩阵的转置
把子块看作普通元素求转置,再对每个子块求转置
● 结论1:
H
=
[
A
0
C
B
]
H=\left[\begin{matrix}A&0\\C&B\end{matrix}\right]
H=[AC0B] A,B是m阶,n阶可逆。那么:
H
−
1
=
[
A
−
1
0
0
B
−
1
]
H^{-1}=\left[\begin{matrix}A^{-1}&0\\0& B^{-1}\end{matrix}\right]
H−1=[A−100B−1] (可以推广到n阶)
● 结论2:
H
=
[
A
C
0
B
]
H=\left[\begin{matrix}A&C\\0&B\end{matrix}\right]
H=[A0CB] A,B是m阶,n阶可逆。那么:
H
−
1
=
[
A
−
1
−
A
−
1
C
B
−
1
0
B
−
1
]
H^{-1}=\left[\begin{matrix}A^{-1}&-A^{-1}CB^{-1}\\0& B^{-1}\end{matrix}\right]
H−1=[A−10−A−1CB−1B−1]
● 结论3: 结论2:
H
=
[
A
0
C
B
]
H=\left[\begin{matrix}A&0\\C&B\end{matrix}\right]
H=[AC0B] A,B是m阶,n阶可逆。那么:
H
−
1
=
[
A
−
1
−
B
−
1
C
A
−
1
0
B
−
1
]
H^{-1}=\left[\begin{matrix}A^{-1}&-B^{-1}CA^{-1}\\0& B^{-1}\end{matrix}\right]
H−1=[A−10−B−1CA−1B−1] (用的待定系数法)
2.6.1 初等变换
● 矩阵的三种初等变换:行和列相同。做初等变换不能用等号,只能用箭头
交换两行
用
k
(
k
≠
0
)
k(k\ne0)
k(k=0) 乘以某行
某一行的x 倍加到零一行上。
● 矩阵的初等变换跟行列式的关系
没有关系
行列式一定是方的
矩阵是方的时,有关系:方阵的行列式与该方阵做初等变换后的行列式相等,可以画等号。
● 定理:任何矩阵通过初等变换变换为标准型
A经过初等变换得到B ,那么
A
≅
B
A\cong B
A≅B
反身性:
A
≅
A
A\cong A
A≅A
对称性:
A
≅
B
→
B
≅
A
A\cong B \rightarrow B\cong A
A≅B→B≅A
传递性:
A
≅
B
,
B
≅
C
⇒
A
≅
C
A\cong B ,B\cong C \Rightarrow A\cong C
A≅B,B≅C⇒A≅C
● 矩阵的标准型的种类和秩:
2.6.2 初等方阵
● 对单位阵做一次初等变换得到的矩阵
● 初等变换时一个过程,而初等方阵时一个结果。
● 初等方阵均可逆,其逆矩阵也是初等方阵,初等仿真的转置也是初等方阵。
● 初等方阵左乘A ,相当于对A 实施了第 i 种 (同种的) 初等行变换;
初等方阵右乘A ,相当于对A 实施了第 i 种 (同种的) 初等列变换。
● 定理:任意矩阵A ,存在初等矩阵,使得A左乘或右乘该初等矩阵后,化成标准型。
推论:如果A、B等价 充要条件 存在可逆矩阵P,Q ,使得A左乘可逆矩阵后,等于B。
● 定理:A可逆
⇔
\Leftrightarrow
⇔A 的标准型为单位阵。
● 定理:A可逆
⇔
\Leftrightarrow
⇔ A =单位阵的乘积
● 初等行变换法(只做行变换):
A
−
1
=
1
∣
A
∣
A^{-1}=\frac{1}{\begin{vmatrix}A\end{vmatrix}}
A−1=∣A∣1 对矩阵A和单位阵E同时做初等变换,当A变成单位阵时,E就变成了
A
−
1
A^{-1}
A−1
2.6.2 初等方阵
● 对单位阵做一次初等变换得到的矩阵
● 初等变换时一个过程,而初等方阵时一个结果。
● 初等方阵均可逆,其逆矩阵也是初等方阵,初等仿真的转置也是初等方阵。
● 初等方阵左乘A ,相当于对A 实施了第 i 种 (同种的) 初等行变换;
初等方阵右乘A ,相当于对A 实施了第 i 种 (同种的) 初等列变换。
● 定理:任意矩阵A ,存在初等矩阵,使得A左乘或右乘该初等矩阵后,化成标准型。
推论:如果A、B等价 充要条件 存在可逆矩阵P,Q ,使得A左乘可逆矩阵后,等于B。
● 定理:A可逆
⇔
\Leftrightarrow
⇔A 的标准型为单位阵。
● 定理:A可逆
⇔
\Leftrightarrow
⇔ A =单位阵的乘积
● 初等行变换法(只做行变换):
A
−
1
=
1
∣
A
∣
A^{-1}=\frac{1}{\begin{vmatrix}A\end{vmatrix}}
A−1=∣A∣1 对矩阵A和单位阵E同时做初等变换,当A变成单位阵时,E就变成了
A
−
1
A^{-1}
A−1
2.7 矩阵的秩(rank)
● 对于一个矩阵 ,任取k行k列的子式(k=0,1,2 $\cdots $ ),求出子式行列式的值,非零子式的最高阶数就是该矩阵的秩。
● 秩用r来表示。
●
A
m
×
n
A_{m\times n}
Am×n
0
≤
r
(
A
)
≤
m
i
n
{
m
,
n
}
0\le r(A) \le min\{m,n\}
0≤r(A)≤min{m,n}
若r(A)=m ,取所有行,行满秩;r(A)=n ,取了所有列,列满秩 。
●
r
(
A
)
=
m
i
n
{
m
,
n
}
r(A)=min\{m,n\}
r(A)=min{m,n} 行列式满秩。
r
(
A
)
<
m
i
n
{
m
,
n
}
r(A)<min\{m,n\}
r(A)<min{m,n} 行列式降秩。
● A是方阵,且A满秩
⇔
\Leftrightarrow
⇔ A可逆
⇔
∣
A
∣
≠
0
\Leftrightarrow \begin{vmatrix}A\end{vmatrix}\ne0
⇔
A
=0
● 定理:
r
(
A
)
=
r
⇔
有一个
r
阶子式不为
0
,所有
r
+
1
阶为
0.
r(A)=r \Leftrightarrow 有一个r阶子式不为0,所有r+1阶为0.
r(A)=r⇔有一个r阶子式不为0,所有r+1阶为0.
但是由于r+2阶子式按行展开都包含r+1阶的代数子式。运算后证明r+2阶子式为0。
● 阶梯型矩阵
定义:矩阵若有零行,零行在非零行下边;
左起首非零元左边零个数随行数增加而严格增加。(严格的意思是只能增加,不能相等)
● 行简化阶梯型
定义:是阶梯型的矩阵;
非零行的首非零元是1
首非零元所在列的其余元素是0
● 阶梯型与矩阵的秩之间的关系
对于一个阶梯型矩阵,取它的首非零元行、列的子式。那么所取到的子式的对角线上就是首非零元。那么这个子式的行列式一定不等于0。首非零元有几个数,矩阵的秩就是几
● 求矩阵秩的方法:
1.用初等变换将矩阵变换成标准型。根据标准型 ‘1’ 的个数来判断矩阵的秩。
2.用初等行变换将矩阵变换成阶梯型。根据阶梯型矩阵的非零行个数来判断矩阵的秩。
● 秩的性质:
r
(
A
)
=
r
(
A
T
)
r(A)=r(A^T)
r(A)=r(AT)
任意矩阵乘以可逆矩阵,其秩不变。
A
m
×
n
P
是
m
阶可逆方阵,
Q
是
n
阶可逆方阵。
r
(
a
)
=
r
(
P
A
)
=
r
(
A
Q
)
=
r
(
P
A
Q
)
A_{m \times n} \ \ P是m阶可逆方阵,Q是n阶可逆方阵。 r(a)=r(PA)=r(AQ)=r(PAQ)
Am×n P是m阶可逆方阵,Q是n阶可逆方阵。r(a)=r(PA)=r(AQ)=r(PAQ)原因:P、Q可以看作多个初等矩阵的乘积。
P=
P
1
P
2
P
3
⋯
P
s
P_1P_2P_3\cdots P_s
P1P2P3⋯Ps
Q
=
Q
1
Q
2
Q
3
⋯
Q
s
Q=Q_1Q_2Q_3\cdots Q_s
Q=Q1Q2Q3⋯Qs
PA=
P
1
P
2
P
3
P
⋯
P
s
P1P2P3P\cdots P_s
P1P2P3P⋯Ps 即矩阵A左乘初等矩阵。即矩阵A做初等行变换。并不改变A的秩。右乘Q跟上边相似。