标签：AB end 运算 矩阵 cdots pmatrix lambda
目录矩阵的加法
定义:
设 \(A=(a_{ij})、B=(b_{ij})\) 均为 \(m\times n\) 矩阵，将它们的对应位置元素相加得到的 \(m\times n\) 矩阵，称为 矩阵 \(A\) 与 \(B\) 的和，记为 \(A+B\)，即
\[A+B=\begin{pmatrix} a_{11}+b_{11}&a_{12}+b_{12}&\cdots&a_{1n}+b_{1n}\\ a_{21}+b_{21}&a_{22}+b_{22}&\cdots&a_{2n}+b_{2n}\\ \vdots&\vdots&&\vdots\\ a_{m1}+b_{m1}&a_{m2}+b_{m2}&\cdots&a_{mn}+b_{mn}\\ \end{pmatrix}. \]注：只有同型矩阵之间才能进行加法运算.
矩阵加法的运算律:
- 交换律 \(A+B=B+A\)
- 结合律 \((A+B)+C=A+(B+C)\)
负矩阵:
设矩阵 \(A=(a_{ij})\)，将 \(A\) 的各元素变号得到的矩阵称为 \(A\) 的 负矩阵，记作 \(-A\) ，即 \(-A=(-a_{ij})\) .
矩阵的减法
矩阵的减法为 \(A-B=A+(-B)\) ，亦即两个矩阵对应的元素相减
有关加减法的恒等式:
\(A-A=A+(-A)=O\)
\(A+O=O+A=A\)
其中 \(O\) 为与 \(A\) 同型的零矩阵.
数与矩阵相乘
设 \(A=(a_{ij})_{m\times n}\)，数 \(\lambda\) 与矩阵 \(A\) 的各元素相乘所得到的矩阵，称为 数 \(\lambda\) 与矩阵 \(A\) 的乘积，记为 \(\lambda A\). 数与矩阵相乘简称为 数乘，即
\[\lambda A=\begin{pmatrix} \lambda a_{11}&\lambda a_{12}&\cdots&\lambda a_{1n}\\ \lambda a_{21}&\lambda a_{22}&\cdots&\lambda a_{2n}\\ \vdots&\vdots&&\vdots\\ \lambda a_{m1}&\lambda a_{m2}&\cdots&\lambda a_{mn} \end{pmatrix} \]规定 \(\lambda A=A\lambda\) .
由定义得：\(0A=O\)，\(1A=A\) .
数乘矩阵的运算律：
-
结合律 \((\lambda\mu)A=\lambda(\mu A)\)
-
分配律
\((\lambda+\mu)A=\lambda A+\mu A\)
\(\lambda(A+B)=\lambda A+\lambda B\)
矩阵加法与数乘运算合起来，统称为矩阵的 线性运算
矩阵与矩阵相乘
定义
设矩阵 \(A=(a_{ij})_{m\times s}\) 的列数与矩阵 \(B=(b_{ij})_{s\times n}\) 的行数相等，则由元素
\[c_{ij}=a_{i1}b_{1j}+a_{i2}b_{2j}+\cdots+a_{is}b_{sj}=\sum^s_{k=1}a_{ik}b_{{kj}}\\ (i=1,2,\cdots,m;j=1,2,\cdots,n) \]构成的 \(m\times n\) 矩阵 \(C=(c_{ij})_{m\times n}\) 称为 矩阵 \(A\) 与矩阵 \(B\) 的乘积，记为 \(C=AB\)
注意：两个矩阵相乘的前提是左矩阵的列数等于右矩阵的行数.
例子
设 \(A=\begin{pmatrix}1&1\\-1&-1\end{pmatrix},B=\begin{pmatrix}1&-1\\-1&1\end{pmatrix},C=\begin{pmatrix}-1&1\\1&-1\end{pmatrix}\)，求 \(AB,BA,AC\) .
解
\[\begin{flalign}& AB=\begin{pmatrix}1&1\\-1&-1\end{pmatrix}\begin{pmatrix}1&-1\\-1&1\end{pmatrix}\\& \ \ \ \ \ \ =\begin{pmatrix}1\times1+1\times(-1)&1\times(-1)+1\times1\\-1\times1+(-1)\times(-1)&-1\times(-1)+(-1)\times1\end{pmatrix}\\& \ \ \ \ \ \ =\begin{pmatrix}0&0\\0&0\end{pmatrix};\\& BA=\begin{pmatrix}2&2\\-2&-2\end{pmatrix};\\& AC=\begin{pmatrix}0&0\\0&0\end{pmatrix}. \end{flalign} \]矩阵乘法的运算律
一般地，称 \(AB\) 为 \(A\) 左乘 \(B\)（或 \(B\) 被 \(A\) 左乘），称 \(BA\) 为 \(A\) 右乘 \(B\)（或 \(B\) 被 \(A\) 右乘）.
矩阵的乘法不满足交换律，即 \(AB\ne BA\) .
设 \(A,B\) 均为 \(n\) 阶方阵，若 \(AB=BA\)，则称方阵 \(A\) 与 \(B\) 是 相乘可换 的.
由上面的例子可见，矩阵 \(A\ne O,B\ne O\)，但可能有 \(AB=O\)，即由 \(AB=O\) 不能得出 \(A=O\) 或 \(B=O\)；依据上述结论，显然若 \(A(B-C)=O\) 而 \(A\ne O\)，不能得出 \(B=C\) 的结论，即若 \(AB=AC\)，不能推出 \(B=C\)，因此，矩阵乘法消去律不成立.
矩阵乘法满足以下运算律：
- 结合律 \((AB)C=A(BC)\)
- 数乘结合律 \(\lambda(AB)=(\lambda A)B=A(\lambda B)\)
- 左分配律 \(A(B+C)=AB+AC\)
- 右分配律 \((B+C)A=BA+CA\)
对任意一个实数 \(x\)，有 \(1\times x=x\times1=x\)，一般称 \(1\) 是单位元. 这一概念可以推广到矩阵上.
设 \(A\) 是一个 \(m\times n\) 矩阵，由于 \(E_mA_{m\times n}=A_{m\times n}=A_{m\times n}E_n\)，则称 \(E_m\) 为矩阵 \(A\) 的 左单位元，称 \(E_n\) 为矩阵 \(A\) 的 右单位元. 如果 \(A\) 是一个 \(n\) 方阵，则 \(E_m=E_n\)，即左、右单位元相等，\(E_n\) 称为矩阵 \(A\) 的 单位元.
方阵的幂运算
定义
设 \(A\) 为 \(n\) 阶方阵，则 \(A^k=\underbrace{AA\cdots A}_{k个}\) 称为 方阵 \(A\) 的 \(k(k\in \Z^+)\) 次幂.
方阵幂运算满足的运算律
- \(A^kA^l=A^lA^k=A^{k+l}\)
- \((A^k)^l=(A^l)^k=A^{kl}\)
若 \(A\) 与 \(B\) 相乘可换，则
-
\((AB)^k=A^kB^k(k\in\Z^+)\)
-
\((A+B)^2=A^2+2AB+B^2\)
-
\(A^2-B^2=(A+B)(A-B)\)
方阵的多项式
与 \(x\) 的代数多项式 \(f(x)=a_nx^n+\cdots+a_1x+a_0\) 类似，由方阵幂的定义，可以定义出方阵的多项式。
方阵 \(A\) 的多项式
设 \(A\) 为 \(n\) 阶方阵
\(f(A)=a_mA^m+\cdots+a_1A+a_0E\)
\(a_i(i=0,1,\cdots,m,m\in\Z^+)\) 是常数
记为 \(f(A),g(A),h(A)\) 等
方阵多项式也有类似的因式分解：
例如，
\(f(A)=A^3+A^2-6A=A(A^2+A-6E)=A(A-2E)(A+3E)\)
\(g(A)=A^5-E=(A-E)(A^4+A^3+A^2+A+E)\)
线性方程的矩阵表示
设有 \(n\) 个未知数、\(m\) 个方程的线性方程组
\[\begin{cases} a_{11}x_1+a_{12}x_2+\cdots+a_{1n}x_n=b_1,\\ a_{21}x_1+a_{22}x_2+\cdots+a_{2n}x_n=b_2,\\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \vdots\\ a_{m1}x_1+a_{m2}x_2+\cdots+a_{mn}x_n=b_m,\\ \end{cases} \]系数矩阵
\[A=\begin{pmatrix} a_{11}&a_{12}&\cdots&a_{1n}\\ a_{21}&a_{22}&\cdots&a_{2n}\\ \vdots&\vdots&&\vdots\\ a_{m1}&a_{m2}&\cdots&a_{mn} \end{pmatrix} \]未知数向量
\[x=\begin{pmatrix} x_1\\x_2\\\vdots\\x_n \end{pmatrix} \]常数项向量
\[b=\begin{pmatrix} b_1\\b_2\\\vdots\\b_m \end{pmatrix} \]增广矩阵
\[\overline A=\begin{pmatrix} a_{11}&a_{12}&\cdots&a_{1n}&b_1\\ a_{21}&a_{22}&\cdots&a_{2n}&b_2\\ \vdots&\vdots&&\vdots&\vdots\\ a_{m1}&a_{m2}&\cdots&a_{mn}&b_m \end{pmatrix} \]根据矩阵乘法，有
\[\begin{flalign} & Ax=\begin{pmatrix} a_{11}&a_{12}&\cdots&a_{1n}\\ a_{21}&a_{22}&\cdots&a_{2n}\\ \vdots&\vdots&&\vdots\\ a_{m1}&a_{m2}&\cdots&a_{mn} \end{pmatrix}_{m\times n} \begin{pmatrix} x_1\\x_2\\\vdots\\x_n \end{pmatrix}_{n\times1}\\& \ \ \ \ \ =\begin{pmatrix} a_{11}x_1+a_{12}x_2+\cdots+a_{1n}x_n\\ a_{21}x_1+a_{22}x_2+\cdots+a_{2n}x_n\\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \vdots\\ a_{m1}x_1+a_{m2}x_2+\cdots+a_{mn}\\ \end{pmatrix}_{m\times1}=\begin{pmatrix}b_1\\b_2\\\vdots\\b_m\end{pmatrix}_{m\times1} \end{flalign} \]由矩阵相等的定义，线性方程组也可表示为矩阵形式
\[Ax=b \]该式称为 矩阵方程，则 \(x\) 也称为矩阵方程的 解向量.
又如 \(AX=B,XA=B,AXB=C(A,B,C为元素已知的矩阵，X为元素未知的矩阵)\)，这些都是 矩阵方程.
矩阵的转置
将矩阵 \(A_{m\times n}=(a_{ij})_{m\times n}\) 的行与列互换，得到矩阵 \((a_{ij})_{n\times m}\)，称为 矩阵 \(A\) 的转置矩阵，记作 \(A^T\)
例如，
若 \(A=\begin{pmatrix}1&2&3\\4&5&6\end{pmatrix}_{2\times3}\)，则 \(A^T=\begin{pmatrix}1&4\\2&5\\3&6\end{pmatrix}\).
矩阵的转置满足以下运算律
- \((A^T)^T=A\)
- \((A+B)^T=A^T+B^T\)
- \((\lambda A)^T=\lambda A^T\)
- \((AB)^T=B^TA^T\)
对称矩阵、反对称矩阵
设 \(A\) 为 \(n\) 阶方阵，若 \(A^T=A\)，即 \(a_{ij}=a_{ji}(i,j=1,2,\cdots,n)\)，则称 \(A\) 为 \(n\) 阶对称矩阵
若 \(A^T=-A\)，即 \(a_{ij}=-a_{ji}(i,j=1,2,\cdots,n)\)，则称 \(A\) 为 反对称矩阵
对称矩阵以主对角线为对称轴对应元素相等，
在反对称矩阵中，由 \(a_{ii}=-a_{ii}(i=1,2,\cdots,n)\)，得到 \(a_{ii}=0\)，即反对称矩阵中主对角线元素都等于 \(0\) .
例如，\(\begin{pmatrix}1&-2&0\\-2&2&1\\0&1&3\end{pmatrix}\) 是对称矩阵，\(\begin{pmatrix}0&-2&0\\2&0&1\\0&-1&0\end{pmatrix}\) 是反对称矩阵.
例
设 \(A,B\) 是 \(n\) 阶对称矩阵，证明 \(AB\) 是对称矩阵的充分必要条件是 \(AB=BA\).
证 由于 \(A,B\) 均是对称矩阵，所以 \(A^T=A,B^T=B\) .
若 \(AB=BA\) ，则有 \((AB)^T=B^TA^T=BA=AB\) 所以 \(AB\) 是对称矩阵
反之，若 \(AB\) 是对称矩阵，则有 \(AB=(AB)^T=B^TA^T=BA\) ，所以 \(AB=BA\) .
矩阵的逆
对于 \(n\) 阶矩阵 \(A\)，若存在一个同阶矩阵 \(B\)，使得 \(AB=BA=E\)，则称矩阵 \(A\) 为 可逆矩阵，矩阵 \(B\) 称为 \(A\) 的 逆矩阵
注意：
- 若矩阵 \(A\) 可逆，则 \(A\) 的逆矩阵是唯一的，\(A\) 的逆矩阵记为 \(A^{-1}\)
- 只有方阵才有逆矩阵
性质1
若 \(A\) 可逆，则 \(A^{-1}\) 亦可逆，且 \((A^{-1})^{-1}=A\)
性质2
若 \(A\) 可逆，数 \(\lambda\ne0\) ，则 \(\lambda A\) 可逆，且 \((\lambda A)^{-1}=\frac1\lambda A^{-1}\) .
性质3
若 \(A,B\) 为同阶矩阵且均可逆，则 \(AB\) 亦可逆，且 \((AB)^{-1}=B^{-1}A^{{-1}}\) .
推广 \((A_1A_2\cdots A_n)^{-1}=A_n^{-1}\cdots A_2^{-1}A_1^{-1}\) .
性质4
若 \(A\) 可逆，则 \(A^T\) 也可逆，且 \((A^T)^{-1}=(A^{-1})^{T}\)
性质5
若 \(A\) 是可逆矩阵，则 \(A\) 的任一行（列）的元素不全为零。
当 \(A\) 可逆时，定义
\(A^0=E,A^{-k}=(A^{-1})^k(k为正整数)\)
当 \(\lambda,\mu\) 为整数时，有
\(A^\lambda A^\mu=A^{\lambda+\mu},(A^\lambda)^\mu=A^{\lambda\mu}\)
标签：AB,end,运算,矩阵,cdots,pmatrix,lambda 来源： https://www.cnblogs.com/CegghnnoR/p/16662772.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。