14 KiB
第2讲 · 矩阵:从会乘到会判断
这讲解决四件事:矩阵怎样乘,怎样求逆,怎样算秩,怎样利用结构少算。先读第 1—5 节,再做练习 1—8;第 6—9 节配合练习 9—18。第一次读不要求背完公式,要求能把例题的每一步自己写出来。
全讲默认实矩阵。O 是零矩阵,E_n 是 n 阶单位矩阵;阶数清楚时写 $E$。A^{\mathrm T} 是转置,A^{-1} 是逆,A^* 是伴随,r(A) 是秩。这些是不同操作。
1. 先看大小,再做乘法
m\times n 矩阵有 m 行、n 列。加法要求两个矩阵同型,数乘就是每个元素都乘这个数。
乘法要求左边的列数等于右边的行数:
A_{m\times n}B_{n\times s}=(AB)_{m\times s}.
例如
A=\begin{pmatrix}1&2\\0&1\end{pmatrix},\qquad B=\begin{pmatrix}2&0\\1&3\end{pmatrix}.
乘积第 1 行第 2 列,取 A 的第 1 行与 B 的第 2 列相乘再相加,得到 $1\times0+2\times3=6$。其余位置同样算:
AB=\begin{pmatrix}4&6\\1&3\end{pmatrix},\qquad BA=\begin{pmatrix}2&4\\1&5\end{pmatrix}.
换顺序会改变结果。结合律 A(BC)=(AB)C 和分配律仍成立;交换律一般不成立。因此
(A+B)^2=A^2+AB+BA+B^2.
只有确认 $AB=BA$,才能合并成 $A^2+2AB+B^2$。同一个矩阵的幂可以合并:$A^pA^q=A^{p+q}$。
为什么不能随意消去? 取
D=\begin{pmatrix}1&0\\0&0\end{pmatrix},\qquad F=\begin{pmatrix}0&0\\0&1\end{pmatrix}.
两者都非零,但 $DF=O=D O$。所以 DB=DC 且 $D\ne O$,仍可能 $B\ne C$。对方阵,若 D 可逆,才可以左乘 D^{-1} 消去它。
贯穿后面两讲的理解: 若 $A=(\alpha_1,\ldots,\alpha_n)$,则
Ax=x_1\alpha_1+\cdots+x_n\alpha_n.
矩阵乘列向量,就是按 x 中的系数,把矩阵各列组合起来。向量的“线性表示”和“解方程”都从这句话出发。
2. 转置、行列式与特殊矩阵
转置是把原来的第 i 行变为新的第 i 列。m\times n 转置后变为 $n\times m$,且
(AB)^{\mathrm T}=B^{\mathrm T}A^{\mathrm T}.
先检查大小:右边是 s\times n 乘 $n\times m$,才会得到 (AB)^{\mathrm T} 的 $s\times m$。加法转置不用反序。
只有方阵有行列式。矩阵 A 是一张数表,|A| 是一个数。对同阶方阵:
|AB|=|A||B|,\quad |A^{\mathrm T}|=|A|,\quad |kA|=k^n|A|.
最后一式的 n 是阶数,因为每一行都提出一个 $k$。一般没有 $|A+B|=|A|+|B|$;二阶 A=B=E 时,左边为 $4$,右边为 $2$。
| 名称 | 条件 | 现在怎样使用 |
|---|---|---|
| 对角矩阵 | 非对角元素全为 0 | 幂按对角元素分别求 |
| 对称矩阵 | A^{\mathrm T}=A |
转置后不变 |
| 反对称矩阵 | A^{\mathrm T}=-A |
主对角为 0;奇数阶行列式为 0 |
| 正交矩阵(方阵) | Q^{\mathrm T}Q=E |
Q^{-1}=Q^{\mathrm T} |
| 幂等矩阵 | A^2=A |
正整数次幂都等于 A |
| 对合矩阵 | A^2=E |
偶数次幂为 $E$,奇数次幂为 A |
| 幂零矩阵 | 某个正整数 q 使 A^q=O |
高次项可以截掉 |
正交矩阵的列向量两两垂直、长度都为 1。|Q|=\pm1 只是必要条件。例如 \begin{pmatrix}1&2\\0&1\end{pmatrix} 的行列式为 1,但两列不垂直。
任意方阵可拆成对称与反对称两部分:
A=\frac{A+A^{\mathrm T}}2+\frac{A-A^{\mathrm T}}2.
3. 逆矩阵:找一个乘上去能得到单位阵的矩阵
对 n 阶方阵 $A$,若 $AB=BA=E$,则 $B=A^{-1}$。同阶方阵只需验证一侧乘积为 E 即可。
先记住三个等价条件:
A\text{ 可逆}\iff |A|\ne0\iff r(A)=n.
后两讲会解释,它们还等价于“列向量无关”“Ax=0 只有零解”“对每个 $b$,Ax=b 都有唯一解”。
3.1 具体矩阵:二阶公式与行变换
若 $ad-bc\ne0$,则
\begin{pmatrix}a&b\\c&d\end{pmatrix}^{-1}=\frac1{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}.
更通用的办法是把 A 与 E 横着拼起来,同时作行变换。例如
[A\mid E]=\left(\begin{array}{cc|cc}1&2&1&0\\1&3&0&1\end{array}\right).
先 $R_2\leftarrow R_2-R_1$,再 $R_1\leftarrow R_1-2R_2$:
$$\left(\begin{array}{cc|cc}1&2&1&0\0&1&-1&1\end{array}\right) \longrightarrow \left(\begin{array}{cc|cc}1&0&3&-2\0&1&-1&1\end{array}\right).$$
左边变成 $E$,右边就是 $A^{-1}$。原因是这串行变换等于左乘某个 $P$,左块 $PA=E$,所以 $P=A^{-1}$,右块 $PE=P$。
这个横排算法要一直用行变换。若用列变换,应把 A,E 上下拼接,不能混用。
3.2 抽象矩阵:从已知关系凑出乘积
已知 $A^2+A-2E=O$,先把单位阵单独放一边:
A^2+A=2E\quad\Longrightarrow\quad A\frac{A+E}{2}=E.
于是 A 可逆,$A^{-1}=(A+E)/2$。证明可逆前,没有用到 $A^{-1}$。
再如 $AB=A+B$,要研究 $A-E$,可观察
(A-E)(B-E)=AB-A-B+E=E.
所以 $(A-E)^{-1}=B-E$。目标是“乘出 $E$”,而不是先写一个尚不知道存在的逆。
3.3 逆的顺序与矩阵方程
(AB)^{-1}=B^{-1}A^{-1},\quad (A^{\mathrm T})^{-1}=(A^{-1})^{\mathrm T},\quad (kA)^{-1}=\frac1kA^{-1}\ (k\ne0).
第一式可由 ABB^{-1}A^{-1}=E 检查。反序是为了让相邻因子能消掉。
| 方程 | 条件 | 解 |
|---|---|---|
AX=B |
A 可逆 |
左乘得 X=A^{-1}B |
XA=B |
A 可逆 |
右乘得 X=BA^{-1} |
AXB=C |
A,B 均为可逆方阵 |
X=A^{-1}CB^{-1} |
没有一般的 $(A+B)^{-1}=A^{-1}+B^{-1}$。若 A 可逆,可以先写 $A+B=A(E+A^{-1}B)$,再判断括号中的矩阵能否求逆。
4. 初等变换:为什么左乘改行、右乘改列
三种操作:交换两行;某行乘非零数;某行加上另一行的若干倍。列也有对应操作。从 E 做一次这样的操作,得到初等矩阵,它必可逆,因为每一步都能撤销。
先不用背容易混淆的下标。取
P=\begin{pmatrix}1&0\\2&1\end{pmatrix},\qquad A=\begin{pmatrix}a&b\\c&d\end{pmatrix}.
直接相乘:
PA=\begin{pmatrix}a&b\\2a+c&2b+d\end{pmatrix},\quad AP=\begin{pmatrix}a+2b&b\\c+2d&d\end{pmatrix}.
左乘 P 是第 2 行加上第 1 行的 2 倍;右乘同一个 P 是第 1 列加上第 2 列的 2 倍。左右不仅位置不同,来源和目标也要看清。
先左乘 $P_1$,再左乘 $P_2$,最终是 $P_2P_1A$;先右乘 $Q_1$,再右乘 $Q_2$,最终是 $AQ_1Q_2$。写出中间式,就不容易错。
5. 秩:数出还剩多少独立信息
先把秩理解为独立列的最大个数。它也等于独立行的最大个数。计算时化为行阶梯形,数非零行即可。
$$A=\begin{pmatrix}1&2&0\2&4&1\3&6&1\end{pmatrix} \xrightarrow{R_2-2R_1,\ R_3-3R_1} \begin{pmatrix}1&2&0\0&0&1\0&0&1\end{pmatrix} \xrightarrow{R_3-R_2} \begin{pmatrix}1&2&0\0&0&1\0&0&0\end{pmatrix}.$$
有两行非零,故 $r(A)=2$。原矩阵第二列是第一列的 2 倍;第三列提供新的独立信息。任意原矩阵的非零行数不一定是秩,化成阶梯形后才可以数。
秩的行列式定义是“最高阶非零子式的阶数”。本例有非零二阶子式,但三阶行列式为零,所以也是秩 2。
5.1 先掌握的性质
0\le r(A)\le\min(m,n),\qquad r(A^{\mathrm T})=r(A).
r(PAQ)=r(A)\quad(P,Q\text{ 为大小匹配的可逆方阵}).
可逆操作不会丢掉信息。因此初等变换不改变秩。若乘的矩阵不可逆,信息可能丢失。
两个同型矩阵“等价”,指可以通过初等行、列变换互相变到;判据是同秩。它不要求两矩阵的列张成同一空间,第 3 讲会区分这两个“等价”。
5.2 秩不等式:遇到什么关系用什么式子
| 题目出现 | 可用结论 | 理解 |
|---|---|---|
乘积 AB |
r(AB)\le\min(r(A),r(B)) |
连续作用不会增加独立信息 |
和 A+B |
r(A+B)\le r(A)+r(B) |
新列来自两组列的组合 |
乘积,公共内维为 n |
r(AB)\ge r(A)+r(B)-n |
Sylvester 不等式 |
$AB=O$,A 有 n 列 |
r(A)+r(B)\le n |
上一式取 r(AB)=0 |
例如 $A^2=A$,求 $r(A)+r(E-A)$。先看到 $A(E-A)=O$,得上界 $n$;再看到 $A+(E-A)=E$,得
n=r(E)\le r(A)+r(E-A).
上下界相同,所以和等于 $n$。这个证明可以迁移:一个零乘积给上界,一个可逆的和给下界。
对实矩阵还有 $r(A^{\mathrm T}A)=r(A)=r(AA^{\mathrm T})$。关键是
A^{\mathrm T}Ax=0\Rightarrow x^{\mathrm T}A^{\mathrm T}Ax=\|Ax\|^2=0\Rightarrow Ax=0.
反方向直接左乘 $A^{\mathrm T}$。两个齐次方程组同解,列数相同,由“解空间维数 = 列数减秩”得同秩;第 4 讲展开这一步。
6. 伴随矩阵:先抓住一条关系
A^* 的元素来自 |A| 的代数余子式,再作转置。不可逆方阵也有伴随矩阵。核心关系是
AA^*=A^*A=|A|E.
只有 |A|\ne0 时,才可以除以它:
A^{-1}=\frac{A^*}{|A|},\qquad A^*=|A|A^{-1}.
二阶 A=\begin{pmatrix}a&b\\c&d\end{pmatrix} 的伴随是 $\begin{pmatrix}d&-b\-c&a\end{pmatrix}$。三阶若可逆,可以先求逆、再乘行列式,不必总是算九个余子式。
常用性质($n\ge2$):
|A^*|=|A|^{n-1},\quad (kA)^*=k^{n-1}A^*,\quad (AB)^*=B^*A^*,
(A^{\mathrm T})^*=(A^*)^{\mathrm T},\qquad (A^*)^*=|A|^{n-2}A.
二阶最后一式直接理解为 $(A^)^=A$。缩放指数是 $n-1$,因为每个余子式是 n-1 阶行列式。
r(A) |
r(A^*) |
原因 |
|---|---|---|
n |
n |
$A^*= |
n-1 |
1 |
有非零余子式,所以 $A^\ne O$;又 $AA^=O$,故秩至多 1 |
至多 n-2 |
0 |
所有 n-1 阶子式为零 |
7. 分块:把大矩阵当成几个小矩阵计算
仍按左行乘右列,但块的乘法顺序不能变,块的大小必须匹配。比如
M=\begin{pmatrix}A&C\\O&B\end{pmatrix},
其中 A,B 为可逆方阵。设逆为 $\begin{pmatrix}X&Y\Z&W\end{pmatrix}$。由 MM^{-1}=E 得
BZ=O\Rightarrow Z=O,\quad AX=E\Rightarrow X=A^{-1},\quad BW=E\Rightarrow W=B^{-1},
AY+CW=O\Rightarrow Y=-A^{-1}CB^{-1}.
所以
M^{-1}=\begin{pmatrix}A^{-1}&-A^{-1}CB^{-1}\\O&B^{-1}\end{pmatrix}.
这解释了交叉块为什么有负号、为什么按这个顺序乘。
分块对角矩阵的秩相加:
r\begin{pmatrix}A&O\\O&B\end{pmatrix}=r(A)+r(B).
上三角分块只保证秩至少为 $r(A)+r(B)$,不能直接写等号;$A=B=O$、C\ne O 就是反例。
7.1 两个常用化简,要会写过程
先下块行减上块行,再右块列减左块列:
$$\begin{pmatrix}A&A\A&A\end{pmatrix} \longrightarrow\begin{pmatrix}A&A\O&O\end{pmatrix} \longrightarrow\begin{pmatrix}A&O\O&O\end{pmatrix}.$$
故秩为 $r(A)$。
对同阶方阵 $A,B$,令
M=\begin{pmatrix}A&B\\B&A\end{pmatrix},\quad S=\begin{pmatrix}E&E\\E&-E\end{pmatrix},\quad S^{-1}=\frac12S.
分块相乘得到
S^{-1}MS=\begin{pmatrix}A+B&O\\O&A-B\end{pmatrix}.
两侧乘的矩阵可逆,所以 $r(M)=r(A+B)+r(A-B)$。这里无须 $AB=BA$。
7.2 补充:左上块可逆时的消元
若 A 可逆,先下块行减去 CA^{-1} 乘上块行,再右块列减去左块列乘 $A^{-1}B$:
$$\begin{pmatrix}A&B\C&D\end{pmatrix} \longrightarrow\begin{pmatrix}A&B\O&D-CA^{-1}B\end{pmatrix} \longrightarrow\begin{pmatrix}A&O\O&D-CA^{-1}B\end{pmatrix}.$$
故秩为 $r(A)+r(D-CA^{-1}B)$。先理解这是分块消元,再记结果。
8. 矩阵幂:先算平方,找出结构
8.1 秩 1:把中间一段变成数
若 $A=uv^{\mathrm T}$,u,v 为列向量,则
A^2=u(v^{\mathrm T}u)v^{\mathrm T}=(v^{\mathrm T}u)A.
v^{\mathrm T}u 是一个数,记为 $c$,便有 $A^k=c^{k-1}A$($k\ge2$;A^1=A 单独写)。例如
A=\begin{pmatrix}2&-1\\4&-2\end{pmatrix}=\binom12(2,-1).
中间数 $c=(2,-1)\binom12=0$,所以 $A^2=O$。秩 1 也可能平方为零。
迹 \operatorname{tr}A 是主对角元素之和。这里 $c=\operatorname{tr}A$。一般有 $\operatorname{tr}(AB)=\operatorname{tr}(BA)$,这不表示 $AB=BA$。
8.2 单位阵加幂零矩阵:二项式会提前结束
若 $N^3=O$,因为 E 与 N 可交换,整数 k\ge2 时
(E+N)^k=E+kN+\binom{k}{2}N^2.
三次以上项全为零。求逆也利用消项:
(E-N)(E+N+N^2)=E-N^3=E.
更一般,N^q=O 时,$(E-N)^{-1}=E+N+\cdots+N^{q-1}$。这是有限项恒等式,无须讨论无穷级数收敛。
8.3 递推:把两个状态放进一列
若 $a_{j+2}=pa_{j+1}+qa_j$,则
\binom{a_{j+2}}{a_{j+1}}=\begin{pmatrix}p&q\\1&0\end{pmatrix}\binom{a_{j+1}}{a_j}.
所以 $\binom{a_{k+1}}{a_k}=M^k\binom{a_1}{a_0}$。先检查 k=0,1 是否与初值相符。第 5 讲会增加对角化路线 $M=P\Lambda P^{-1}$。
9. 做题时怎样选入口
| 看见什么 | 先写什么 | 对应练习 |
|---|---|---|
| 具体乘积、转置 | 写清大小,保留顺序 | 1、2 |
| 具体求逆 | 行列式或 [A\mid E] |
3 |
| 抽象关系求逆 | 设法凑出 XY=E |
7、8 |
| 参数与秩 | 行变换,特殊参数代回 | 4、9 |
| 伴随 | $AA^*= | A |
| 分块秩 | 先消块,再数秩 | 13、14、18 |
| 高次幂 | 先算平方,看秩 1 或幂零 | 11、12 |
| 秩的证明 | 零乘积给上界,和给下界 | 16、17 |
10. 参考与学习边界
按本仓库 参考仓库/Math/linear-algebra/knowledge/2-matrix/matrix.tex 的矩阵运算、逆、初等变换、秩主线,以及 exercise/2-matrix/matrix.tex 的矩阵幂、抽象求逆、分块求逆和矩阵方程题型重新组织。参考稿也有笔误,所有结论仍须检查条件。
题型锚点沿用本地题库:可逆判定(2017·5、2022·5),初等变换(2018·21、2020·5),分块秩(2018·6、2021·7、2023·5),矩阵幂与递推(2016·21、2024·21),秩不等式(2025·7)。锚点用于标识知识点,不据此预测下一年考什么。
接着打开 02-试题。不会时先翻对应节的例题,解析留到尝试之后。