线性代数 矩阵及其运算
文章目录
- 1 矩阵概念
- 1.1 矩阵的定义
- 1.2 与行列式的区别
- 1.3 矩阵分类
- 1.3.1 实矩阵与复矩阵
- 1.3.2 零矩阵
- 1.3.3 方阵
- 1.3.4 行矩阵与列矩阵
- 1.3.5 单位阵
- 1.3.6 同型矩阵
- 2 矩阵的运算
- 2.1 矩阵的加减法
- 2.2 矩阵的数乘运算
- 2.3 矩阵乘法
- 2.3.1 定义
- 2.3.2 注意点
- 2.3.2.1 不一定满足交换律
- 2.3.2.2 没有零元
- 2.3.3 性质
- 2.3.3.1 满足结合律与分配律
- 2.3.3.2 与零矩阵相乘
- 2.3.3.3 与单位阵相乘
- 2.4 矩阵的幂(只有方阵才有幂)
- 2.4.1 定义
- 2.4.2 性质
- 2.4.3 注意点
- 2.4.4 例题
- 2.5 矩阵的转置
- 2.5.1 定义
- 2.5.2 运算规律
- 3 特殊矩阵(方阵)
- 3.1 数量矩阵
- 3.2 对角形矩阵
- 3.3 上(下)三角形矩阵
- 3.4 对称与反对称矩阵
- 3.4.1 对称矩阵
- 3.4.1.1 定义
- 3.4.1.2 性质
- 3.4.2.3 定理
- 3.4.2 反对称矩阵
- 3.4.2.1 定义
- 4 逆矩阵
- 4.1 方阵的行列式
- 4.1.1 定义
- 4.1.2 运算规则
- 4.1.3 伴随矩阵
- 4.1.3.1 定义
- 4.1.3.2 注意点
- 4.1.3.3 性质
- 4.2 逆矩阵的定义
- 4.3 逆矩阵的性质
- 4.4 逆矩阵的运算规律
- 4.5 逆矩阵的求法
- 4.5.1 伴随矩阵法
- 4.5.2 初等变换法
- 4.6 逆矩阵的初步应用
- 4.6.1 例题1
- 4.6.1.1题目描述
- 4.6.1.2 解题思路
- 4.6.1.3 技巧总结
- 4.6.2 例题2
- 4.6.1.1题目描述
- 4.6.1.2 解题思路
- 4.6.1.3 技巧总结
- 4.6.3 解矩阵方程
- 4.6.3.1 题目描述
- 4.6.3.2 解题思路
- 4.6.3.3 技巧总结
1 矩阵概念
1.1 矩阵的定义
m × n m \times n m×n 个数,构成的 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{bmatrix} 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{bmatrix} ⎣⎢⎢⎢⎡a11a21⋮am1a12a22⋮am2⋯⋯⋯a1na2n⋮amn⎦⎥⎥⎥⎤
称为 m m m 行 n n n 列 矩阵,简称 m × n m \times n m×n 矩阵
1.2 与行列式的区别
行列式 | 矩阵 | |
---|---|---|
本质 | 一个数 | 数表 |
符号 | | | | ( ) [] |
形状 | 行数 = 列数 (方的) | 行数不一定等于列数 |
1.3 矩阵分类
1.3.1 实矩阵与复矩阵
元素是实数的矩阵称为实矩阵
元素是复数的矩阵称为复矩阵
1.3.2 零矩阵
元素全为零的矩阵称为零矩阵,记作
O m × n = [ 0 0 ⋯ 0 0 0 ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ 0 ] O _ {m \times n} = \begin{bmatrix} 0 & 0 & \cdots & 0\\ 0 & 0 & \cdots & 0\\ \vdots & \vdots & & \vdots\\ 0 & 0 & \cdots & 0\\ \end{bmatrix} Om×n=⎣⎢⎢⎢⎡00⋮000⋮0⋯⋯⋯00⋮0⎦⎥⎥⎥⎤
1.3.3 方阵
行数与列数相同的矩阵称为方阵
1.3.4 行矩阵与列矩阵
只有一列的矩阵称为列矩阵(列向量),常用 a , α , x a, \alpha, x a,α,x 表示
只有一行的矩阵称为行矩阵(行向量),常用 a T , α T , x T a ^ T, \alpha ^ T, x ^ T aT,αT,xT 表示
1.3.5 单位阵
对角线上元素全是 1 1 1 ,其他元素全是 0 0 0 ,的方阵称为单位阵,记作:
E n = [ 1 0 ⋯ 0 0 1 ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ 1 ] E _ n = \begin{bmatrix} 1 & 0 & \cdots & 0\\ 0 & 1 & \cdots & 0\\ \vdots & \vdots & & \vdots\\ 0 & 0 & \cdots & 1\\ \end{bmatrix} En=⎣⎢⎢⎢⎡10⋮001⋮0⋯⋯⋯00⋮1⎦⎥⎥⎥⎤
1.3.6 同型矩阵
两个矩阵的行数相等、列数也相等时,就称它们是同型矩阵
若两个矩阵为同型矩阵,且它们对应元素相等,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
注意:不同型的零矩阵是不同的
2 矩阵的运算
2.1 矩阵的加减法
只有同型矩阵才能相加减
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 m 1 + b m 1 a m 2 + b m 2 ⋯ a m n + b m n ] A + B = \begin{bmatrix} 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_{m1} + b_{m1} & a_{m2} + b_{m2} & \cdots & a_{mn} + b_{mn}\\ \end{bmatrix} A+B=⎣⎢⎢⎢⎡a11+b11a21+b21⋮am1+bm1a12+b12a22+b22⋮am2+bm2⋯⋯⋯a1n+b1na2n+b2n⋮amn+bmn⎦⎥⎥⎥⎤
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 m 1 − b m 1 a m 2 − b m 2 ⋯ a m n − b m n ] A - B = \begin{bmatrix} 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_{m1} - b_{m1} & a_{m2} - b_{m2} & \cdots & a_{mn} - b_{mn}\\ \end{bmatrix} A−B=⎣⎢⎢⎢⎡a11−b11a21−b21⋮am1−bm1a12−b12a22−b22⋮am2−bm2⋯⋯⋯a1n−b1na2n−b2n⋮amn−bmn⎦⎥⎥⎥⎤
矩阵加减法满足:
交换律 A + B = B + A A + B = B + A A+B=B+A
结合律 A + ( B + C ) = ( A + B ) + C A + (B + C) = (A + B) + C A+(B+C)=(A+B)+C
2.2 矩阵的数乘运算
数 λ \lambda λ 与矩阵 A A A 的乘积记作 λ A \lambda A λA 或者 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 m 1 λ a m 2 ⋯ λ a m n ] \lambda A = A \lambda = \begin{bmatrix} \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_{m1} & \lambda a_{m2} & \cdots & \lambda a_{mn}\\ \end{bmatrix} λA=Aλ=⎣⎢⎢⎢⎡λa11λa21⋮λam1λa12λa22⋮λam2⋯⋯⋯λa1nλa2n⋮λamn⎦⎥⎥⎥⎤
提公因子:
- 矩阵所有元素均有公因子,公因子外提一次
- 行列式中,某一行有公因子便提一次,所有元素均有公因子,公因子外提 n n n 次
矩阵数乘运算满足:
( λ μ ) A = λ ( μ A ) (\lambda \mu) A = \lambda (\mu A) (λμ)A=λ(μA)
( λ + μ ) A = λ A + μ A (\lambda + \mu) A = \lambda A + \mu A (λ+μ)A=λA+μA
λ ( A + B ) = λ A + λ B \lambda (A + B) = \lambda A + \lambda B λ(A+B)=λA+λB
2.3 矩阵乘法
2.3.1 定义
矩阵相乘的前提: 第一个矩阵的列数 = 第二个矩阵的行数
结果矩阵的形状: 第一个矩阵的行数 × \times × 第二个矩阵的列数
A m × n B n × s = C m × s A _ {m \times n} B _ {n \times s} = C _ {m \times s} Am×nBn×s=Cm×s
其中
c i j = a i 1 b 1 j + a i 2 b 2 + ⋯ + a i n b n j c_{ij} = a_{i1}b_{1j} +a_{i2}b_{2} + \cdots + a_{in}b_{nj} cij=ai1b1j+ai2b2+⋯+ainbnj
2.3.2 注意点
2.3.2.1 不一定满足交换律
A B AB AB 不一定等于 B A BA BA, A B AB AB 有意义, B A BA BA 不一定有意义。
如果 A B = B A AB = BA AB=BA ,则称 A A A 与 B B B 是可交换的
2.3.2.2 没有零元
A = [ 2 0 − 1 0 ] B = [ 0 0 1 3 ] C = [ 0 0 2 4 ] A = \begin{bmatrix} 2 & 0 \\ -1 & 0 \end{bmatrix} B = \begin{bmatrix} 0 & 0 \\ 1 & 3 \end{bmatrix} C = \begin{bmatrix} 0 & 0 \\ 2 & 4 \end{bmatrix} A=[2−100]B=[0103]C=[0204]
计算可得 A B = 0 AB = 0 AB=0 且 A C = 0 AC = 0 AC=0,因此
两个非零矩阵乘积可能为零
A B = 0 AB = 0 AB=0 不能推出 A = 0 A = 0 A=0 或者 B = 0 B = 0 B=0
A B = A C AB = AC AB=AC 且 A A A 不为零矩阵,不能推出 B = C B = C B=C
2.3.3 性质
2.3.3.1 满足结合律与分配律
( A B ) C = A ( B C ) (AB)C = A(BC) (AB)C=A(BC)
A ( B + C ) = A B + A C , ( A + B ) C = A C + B C A(B + C) = AB + AC, (A + B)C = AC + BC A(B+C)=AB+AC,(A+B)C=AC+BC
注意分配律中 左乘 与 右乘 顺序不可变
2.3.3.2 与零矩阵相乘
A m × n O n × s = O m × s A _ {m \times n} O _ {n \times s} = O _ {m \times s} Am×nOn×s=Om×s
2.3.3.3 与单位阵相乘
A E = A , E B = B AE = A, EB = B AE=A,EB=B
2.4 矩阵的幂(只有方阵才有幂)
2.4.1 定义
A k = A A ⋯ A ( k 个 A 相 乘 ) , A 0 = E A ^ k = AA \cdots A (k 个 A 相乘) ,A ^ 0 = E Ak=AA⋯A(k个A相乘),A0=E
2.4.2 性质
A k 1 + k 2 = A k 1 A k 2 A ^ {k _ 1 + k _ 2} = A ^ {k_1} A ^ {k_2} Ak1+k2=Ak1Ak2
( A k 1 ) k 2 = A k 1 k 2 (A ^ {k_1}) ^ {k _ 2} = A ^ {k_1 k_2} (Ak1)k2=Ak1k2
2.4.3 注意点
( A B ) k (AB)^k (AB)k 不一定等于 A k B k A ^ k B ^ k AkBk,只有当 A , B A, B A,B可交换时才相等
同理 ( A + B ) 2 (A + B) ^ 2 (A+B)2 不一定等于 A 2 + 2 A B + B 2 A ^ 2 + 2AB + B ^ 2 A2+2AB+B2,只有当 A , B A, B A,B可交换时才相等
( A − B ) 2 (A - B) ^ 2 (A−B)2 不一定等于 A 2 − 2 A B + B 2 A ^ 2 - 2AB + B ^ 2 A2−2AB+B2,只有当 A , B A, B A,B可交换时才相等
2.4.4 例题
A = [ 1 1 1 ] B = [ 1 2 3 ] A = \begin{bmatrix} 1 \\ 1 \\ 1 \end{bmatrix} B = \begin{bmatrix} 1 & 2 & 3 \end{bmatrix} A=⎣⎡111⎦⎤B=[123]
求 A B AB AB, B A BA BA, ( A B ) 2 (AB) ^ 2 (AB)2, ( A B ) 10 (AB) ^ {10} (AB)10
A B = [ 1 2 3 1 2 3 1 2 3 ] AB = \begin{bmatrix} 1 & 2 & 3 \\ 1 & 2 & 3 \\ 1 & 2 & 3 \end{bmatrix} AB=⎣⎡111222333⎦⎤
B A = 6 BA = 6 BA=6
( A B ) 2 = A B A B = A ( B A ) B = A × 6 × B = 6 A B = 6 [ 1 2 3 1 2 3 1 2 3 ] (AB)^2 = ABAB = A(BA)B = A \times 6 \times B = 6AB = 6\begin{bmatrix} 1 & 2 & 3 \\ 1 & 2 & 3 \\ 1 & 2 & 3 \end{bmatrix} (AB)2=ABAB=A(BA)B=A×6×B=6AB=6⎣⎡111222333⎦⎤
( A B ) 10 = A B A ⋯ B A B = A ( B A ) ⋯ ( B A ) B = A × 6 9 × B = 6 9 A B = 6 9 [ 1 2 3 1 2 3 1 2 3 ] (AB)^{10} = AB A\cdots BAB = A(BA)\cdots(BA)B = A \times 6^9 \times B = 6^9AB = 6^9\begin{bmatrix} 1 & 2 & 3 \\ 1 & 2 & 3 \\ 1 & 2 & 3 \end{bmatrix} (AB)10=ABA⋯BAB=A(BA)⋯(BA)B=A×69×B=69AB=69⎣⎡111222333⎦⎤
2.5 矩阵的转置
2.5.1 定义
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
2.5.2 运算规律
- ( A T ) T = A (A ^ T) ^ T = A (AT)T=A
- ( A + B ) T = A T + B T (A + B) ^ T = A ^ T + B ^ T (A+B)T=AT+BT
- ( λ A ) T = λ A T (\lambda A) ^ T = \lambda A ^ T (λA)T=λAT
- ( A B ) T = B T A T (AB) ^ T = B ^ T A ^ T (AB)T=BTAT
- ( A B C D ) T = D T C T B T A T (ABCD) ^ T = D ^ T C ^ T B ^ T A ^ T (ABCD)T=DTCTBTAT
3 特殊矩阵(方阵)
3.1 数量矩阵
主对角线元素全为 a a a,其他元素全为 0 0 0 的矩阵
[ a 0 ⋯ 0 0 a ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ a ] = a E \begin{bmatrix} a & 0 & \cdots & 0 \\ 0 & a & \cdots & 0 \\ \vdots & \vdots & & \vdots \\ 0 & 0 & \cdots & a \\ \end{bmatrix} = a E ⎣⎢⎢⎢⎡a0⋮00a⋮0⋯⋯⋯00⋮a⎦⎥⎥⎥⎤=aE
零矩阵和单位阵都是特殊的数量矩阵
3.2 对角形矩阵
[ a 1 0 ⋯ 0 0 a 2 ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ a n ] = d i a g ( a 1 , a 2 , ⋯   , a n ) \begin{bmatrix} a _ 1 & 0 & \cdots & 0 \\ 0 & a _ 2 & \cdots & 0 \\ \vdots & \vdots & & \vdots \\ 0 & 0 & \cdots & a _ n \\ \end{bmatrix} = diag(a_1, a_2, \cdots, a_n) ⎣⎢⎢⎢⎡a10⋮00a2⋮0⋯⋯⋯00⋮an⎦⎥⎥⎥⎤=diag(a1,a2,⋯,an)
3.3 上(下)三角形矩阵
主对角线以下的元素全为零的矩阵叫上三角矩阵
[ a 11 a 12 ⋯ a 1 n 0 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ 0 0 ⋯ a m n ] \begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1n}\\ 0 & a_{22} & \cdots & a_{2n}\\ \vdots & \vdots & & \vdots\\ 0 & 0 & \cdots & a_{mn}\\ \end{bmatrix} ⎣⎢⎢⎢⎡a110⋮0a12a22⋮0⋯⋯⋯a1na2n⋮amn⎦⎥⎥⎥⎤
3.4 对称与反对称矩阵
3.4.1 对称矩阵
3.4.1.1 定义
[ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a m 1 a m 2 ⋯ a m n ] \begin{bmatrix} 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{bmatrix} ⎣⎢⎢⎢⎡a11a21⋮am1a12a22⋮am2⋯⋯⋯a1na2n⋮amn⎦⎥⎥⎥⎤
其中 a i j = a j i a _ {ij} = a_ {ji} aij=aji
3.4.1.2 性质
A T = A A ^ T = A AT=A
若 A , B A, B A,B 同阶对称
- ( A + B ) T = A T + B T = A + B (A + B) ^ T = A ^ T + B ^ T = A + B (A+B)T=AT+BT=A+B
- ( A − B ) T = A T − B T = A − B (A - B) ^ T = A ^ T - B ^ T = A - B (A−B)T=AT−BT=A−B
- ( k A ) T = k A T = k A (kA) ^ T = k A ^ T = k A (kA)T=kAT=kA
- ( A B ) T = B T A T = B A (AB) ^ T = B^T A^T = BA (AB)T=BTAT=BA
3.4.2.3 定理
- A , B A, B A,B 对称当且仅当 A , B A, B A,B 可交换
3.4.2 反对称矩阵
3.4.2.1 定义
[ 0 a 12 ⋯ a 1 n a 21 0 ⋯ a 2 n ⋮ ⋮ ⋮ a m 1 a m 2 ⋯ 0 ] \begin{bmatrix} 0 & a_{12} & \cdots & a_{1n}\\ a_{21} & 0 & \cdots & a_{2n}\\ \vdots & \vdots & & \vdots\\ a_{m1} & a_{m2} & \cdots & 0\\ \end{bmatrix} ⎣⎢⎢⎢⎡0a21⋮am1a120⋮am2⋯⋯⋯a1na2n⋮0⎦⎥⎥⎥⎤
其中 a i j = − a j i a _ {ij} = - a_ {ji} aij=−aji
性质: A T = − A A ^ T = - A AT=−A
4 逆矩阵
4.1 方阵的行列式
4.1.1 定义
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 d e t A det A detA 或 ∣ A ∣ |A| ∣A∣
4.1.2 运算规则
- ∣ A T ∣ = ∣ A ∣ |A ^ T| = |A| ∣AT∣=∣A∣
- ∣ λ A ∣ = λ n ∣ A ∣ |\lambda A| = \lambda ^ n |A| ∣λA∣=λn∣A∣
- ∣ A B ∣ = ∣ A ∣ ∣ B ∣ |AB| = |A| |B| ∣AB∣=∣A∣∣B∣
4.1.3 伴随矩阵
4.1.3.1 定义
行列式 ∣ A ∣ |A| ∣A∣ 的各个元素的代数余子式 A i j A_{ij} Aij 所构成的如下的矩阵
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^{*} = \begin{bmatrix} 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{bmatrix} A∗=⎣⎢⎢⎢⎡A11A12⋮A1nA21A22⋮A2n⋯⋯⋯An1An2⋮Ann⎦⎥⎥⎥⎤
称为矩阵 A A A 的伴随矩阵,简称伴随阵。
4.1.3.2 注意点
注意代数余子式的顺序,原矩阵的第一行的元素所对应的代数余子式是伴随矩阵的第一列(按行求得代数余子式按列放置构成伴随矩阵)
4.1.3.3 性质
由于:
a j 1 A i 1 + a j 2 A i 2 + ⋯ + a j n A i n = { D if i = j 0 else a_{j1} A_{i1} + a_{j2} A_{i2} + \cdots + a_{jn} A_{in} = \begin{cases} D &\text{if } i = j \\ 0 &\text{else} \end{cases} aj1Ai1+aj2Ai2+⋯+ajnAin={D0if i=jelse
所以有性质如下:
A A ∗ = A ∗ A = ∣ A ∣ E A A^* = A^* A = |A| E AA∗=A∗A=∣A∣E
推论:
无论 ∣ A ∣ |A| ∣A∣ 是否为零,都有
∣ A ∗ ∣ = ∣ A ∣ n − 1 |A^*| = |A| ^ {n - 1} ∣A∗∣=∣A∣n−1
4.2 逆矩阵的定义
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
A A A 的逆矩阵记作 A − 1 A ^ {-1} A−1。即若 A B = B A = E AB = BA = E AB=BA=E,则 B = A − 1 B = A ^ {-1} B=A−1
4.3 逆矩阵的性质
如果矩阵 A A A 是可逆的,那么 A A A 的逆矩阵是唯一的
矩阵 A A A 可逆 当且仅当 ∣ A ∣ |A| ∣A∣ 不为零 (非奇异方阵 非退化 满秩)
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
4.4 逆矩阵的运算规律
- 若 A A A 可逆,则 A − 1 A ^ {-1} A−1 亦可逆,且 ( A − 1 ) − 1 = A (A ^ {-1}) ^ {-1} = A (A−1)−1=A
- 若 A A A 可逆,数 λ \lambda λ 不为零,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
- 若 A , B A, B A,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
- ( A B C D ) − 1 = D − 1 C − 1 B − 1 A − 1 (ABCD) ^ {-1} = D ^ {-1} C ^ {-1} B ^ {-1} A ^ {-1} (ABCD)−1=D−1C−1B−1A−1
- 若 A A A 可逆,则 A T A ^ T AT 亦可逆,且 ( A T ) − 1 = ( A − 1 ) T (A ^ T) ^ {-1} = (A ^ {-1}) ^ T (AT)−1=(A−1)T
- 若 A A A 可逆,则 ∣ A − 1 ∣ = ∣ A ∣ − 1 |A ^ {-1}| = |A| ^ {-1} ∣A−1∣=∣A∣−1
- 若 A A A 可逆,则 A ∗ A ^ * A∗ 也可逆, ( A ∗ ) − 1 = 1 ∣ A ∣ A (A ^ *) ^ {-1} = \frac{1}{|A|} A (A∗)−1=∣A∣1A
4.5 逆矩阵的求法
4.5.1 伴随矩阵法
4.5.2 初等变换法
4.6 逆矩阵的初步应用
4.6.1 例题1
4.6.1.1题目描述
已知 A + B = A B A + B = AB A+B=AB , 求 ( A − E ) (A - E) (A−E) 的逆矩阵
4.6.1.2 解题思路
A + B = A B A B − A − B + E = E A ( B − E ) − ( B − E ) = E ( A − E ) ( B − E ) = E A + B = AB \\ AB - A - B + E = E \\ A(B - E) - (B - E) = E \\ (A - E)(B - E) = E A+B=ABAB−A−B+E=EA(B−E)−(B−E)=E(A−E)(B−E)=E
所以 ( A − E ) (A - E) (A−E) 的逆矩阵为 ( B − E ) (B - E) (B−E)
4.6.1.3 技巧总结
非具体的矩阵求逆,充分运用性质:
若 A B = B A = E AB = BA = E AB=BA=E,则 B = A − 1 B = A ^ {-1} B=A−1
将等式左侧分解为 待求矩阵与另一矩阵的乘积,右侧凑出 单位矩阵 E E E
4.6.2 例题2
4.6.1.1题目描述
已知 A 2 + A − 4 E = 0 A^2 + A - 4E = 0 A2+A−4E=0 , 求 ( A − E ) (A - E) (A−E) 的逆矩阵
4.6.1.2 解题思路
A 2 + A − 4 E = 0 ( A − E ) ( A + 2 E ) − 2 E = 0 ( A − E ) ( A + 2 E ) = 2 E ( A − E ) 1 2 ( A + 2 E ) = E A^2 + A - 4E = 0 \\ (A - E)(A + 2E) - 2E = 0 \\ (A - E)(A + 2E) = 2E \\ (A - E)\frac{1}{2}(A + 2E) = E A2+A−4E=0(A−E)(A+2E)−2E=0(A−E)(A+2E)=2E(A−E)21(A+2E)=E
所以 ( A − E ) (A - E) (A−E) 的逆矩阵为 1 2 ( A + 2 E ) \frac{1}{2}(A + 2E) 21(A+2E)
4.6.1.3 技巧总结
非具体的矩阵求逆,充分运用性质:
若 A B = B A = E AB = BA = E AB=BA=E,则 B = A − 1 B = A ^ {-1} B=A−1
将等式左侧分解为 待求矩阵与另一矩阵的乘积,右侧凑出 单位矩阵 E E E
4.6.3 解矩阵方程
4.6.3.1 题目描述
已知
[ 4 2 3 1 1 0 − 1 2 3 ] \begin{bmatrix} 4 & 2 & 3\\ 1 & 1 & 0\\ -1 & 2 & 3\\ \end{bmatrix} ⎣⎡41−1212303⎦⎤
求解矩阵方程 A X = A + 2 X AX = A + 2X AX=A+2X
4.6.3.2 解题思路
A X = A + 2 X A X − 2 X = A ( A − 2 E ) X = A AX = A + 2X \\ AX - 2X = A \\ (A - 2E)X = A AX=A+2XAX−2X=A(A−2E)X=A
( A − 2 E ) = [ 2 2 3 1 − 1 0 − 1 2 1 ] (A - 2E) = \begin{bmatrix} 2 & 2 & 3\\ 1 & -1 & 0\\ -1 & 2 & 1\\ \end{bmatrix} (A−2E)=⎣⎡21−12−12301⎦⎤
经过计算
∣ A − 2 E ∣ = − 1 |A - 2E| = -1 ∣A−2E∣=−1
因此 ( A − 2 E ) (A - 2E) (A−2E) 可逆
( A − 2 E ) − 1 ( A − 2 E ) X = ( A − 2 E ) A X = ( A − 2 E ) A (A - 2E) ^ {-1} (A - 2E) X = (A - 2E) A \\ X = (A - 2E) A (A−2E)−1(A−2E)X=(A−2E)AX=(A−2E)A
4.6.3.3 技巧总结
- 矩阵多项式 提公因式时注意方向(左乘还是右乘)
- 矩阵不可与数运算,记得乘上单位阵
- 矩阵不可做分母
- 先证明可逆,再借助逆矩阵运算
线性代数 矩阵及其运算相关推荐
- 线性代数 |矩阵【运算、逆、转置】
文章目录 矩阵 矩阵介绍 矩阵相等 数与矩阵相乘 矩阵的运算规律 矩阵的加法 矩阵与矩阵相乘 矩阵的转置 对称矩阵 反对称矩阵 运算规则 注意 矩阵的逆 逆矩阵的几种求法 性质以及定理 end 矩阵 ...
- 线性代数-矩阵及其运算(总结)
因无法上传公式,故采用图片方式
- 线性代数--矩阵、向量
线性代数 线性代数 矩阵及其运算 矩阵分块法 矩阵的初等变换于线性方程组 矩阵的初等变换 矩阵的秩 线性方程组的解 向量组的线性相关性 向量组及其线性组合 向量组的线性相关性 线性代数 矩阵及其运算 ...
- 线性代数:第二章 矩阵及其运算
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习. 本章主要介绍有关矩阵的知识,主要包括矩阵的基本运算(加法.数乘.乘法.乘幂.迹. ...
- 【线性代数】第一章 1.1矩阵及其运算
[写在前面的话]众所周知,线性代数在计算机应用方面也是比较广的(比如人工智能等前沿科技领域).所以...在CSDN记录线性代数的知识不为过吧,哈哈(//狗头保命).从这里开始我将详细记录线性代数知识点 ...
- 考研:研究生考试(五天学完)之《线性代数与空间解析几何》研究生学霸重点知识点总结之第二课矩阵及其运算
考研:研究生考试(五天学完)之<线性代数与空间解析几何>研究生学霸重点知识点总结之第二课矩阵及其运算 目录
- 线性代数之矩阵四大运算总结
俗话说,只会赶鸭子不懂回首掏的卷王不是好卷王.虽然我挺菜的,但面对复杂易混的知识,总结思考还是必须的.今天,在男神宇哥的循循教导之下,我第二次学完了线性代数矩阵部分的知识,面对繁杂零碎的矩阵知识,我不 ...
- 线性代数:第二章 矩阵及其运算:逆矩阵、分块矩阵
第一节 矩阵及其运算 一.数学概念 定义1.1 由 个数 排成m行n列的数表 称为m行n列的矩阵,简称 矩阵,记作 二.原理,公式和法则 1.矩阵的加法 (1) 公式 (2) 运算律 2.数乘矩 ...
- 线性代数 第二章 矩阵及其运算
第二章 矩阵及其运算 1 矩阵 2 矩阵的运算 3 逆矩阵 4 矩阵分块法 课后习题 1 矩阵 2 矩阵的运算 3 逆矩阵 4 矩阵分块法 课后习题
最新文章
- Centos 7环境下源码安装PostgreSQL数据库
- 【编程题目】左旋转字符串 ☆
- Sublime Text3常用插件以及安装方法(实用)
- P1339 热浪 最短路径模板题
- MySQL------MySQL与SQLServer数据类型的转换
- Java IO流之缓冲流
- Idea问题:“marketplace plugins are not loaded”解决方案
- ofdm原理_什么是IQ调制,了解I/Q调制的基本原理及其主要特征 - 射频技术第2部分...
- 电视光端机应用范围及故障维护问题介绍
- linux防火墙 33001端口,Linux操作系统下IPTables配置方法详解
- 【elasticsearch】elasticsearch 搜索结果的含义
- 蓝桥杯 2017年C语言组大学B组 C/C++
- 计算机硬件设备税率,软件产品增值税即征即退税额的计算
- 基于51单片机流水灯仿真与程序设计
- php 图片底色替换,手把手教你替换相片中的颜色(给相片换底色)
- 搭建一个 nodejs 脚手架
- 带Fn的键盘linux能用吗,实用技巧:如何更有效率的使用Linux键盘
- 使用echarts中国地图上绘制散点图(自适应宽高)
- 一次人大金仓剔除锁经历
- python高逼格动态图_微信编辑哪里找高逼格 GIF 动图?