矩阵 I

钟裕民

ymzhong@bupt.edu.cn

2019 年 9 月
从线性方程组到矩阵



 a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2

 ...... ... ...... ... ... ... ...... ... ...

am1 x1 + am2 x2 + ... + amn xn = bm
矩阵的观点
    
a11 a12 ... a1n x1 b1
 a21 a22 ... a2n  x2   b2 
    
 .. .. ..  .. = .. 
 . . .  .   . 
am1 am2 ... amn xn bm
从线性方程组到矩阵



 a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2

 ...... ... ...... ... ... ... ...... ... ...

am1 x1 + am2 x2 + ... + amn xn = bm
矩阵的观点
    
a11 a12 ... a1n x1 b1
 a21 a22 ... a2n  x2   b2 
    
 .. .. ..  .. = .. 
 . . .  .   . 
am1 am2 ... amn xn bm

线方程组的系数矩阵
 

 a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2

 ...... ... ...... ... ... ... ...... ... ...

am1 x1 + am2 x2 + ... + amn xn = bm
增广矩阵  
a11 a12 ... a1n b1
 a21 a22 ... a2n b2 
 
 .. .. .. .. 
 . . . . 
am1 am2 ... amn bm
 

 a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2

 ...... ... ...... ... ... ... ...... ... ...

am1 x1 + am2 x2 + ... + amn xn = bm
增广矩阵  
a11 a12 ... a1n b1
 a21 a22 ... a2n b2 
 
 .. .. .. .. 
 . . . . 
am1 am2 ... amn bm

注
线性方程组与其增广矩阵是相互唯一确定的.
矩阵的定义

由 m × n 个数 aij , (i = 1, 2, ..., m; j = 1, 2, ..., n) 排列的一个 m 行

n 列的数表  
a11 a12 ... a1n
 a21 a22 ... a2n 
 
 .. .. .. 
 . . . 
am1 am2 ... amn
称为一个m 行 n 列矩阵. 其中 aij 称为该矩阵第 i 行第 j 列元素,
而 i 称为行标, j 称为列标.
注
▶ 通常用大写字母 A, B, C 等表示矩阵, 用相应的小写字母表
示矩阵中的元素, 记为

A = (aij )

或者简记为 A. 当为了表明矩阵的行数 m 和列数 n 时, 记为

A = (aij )m×n 或 Am×n .

注
▶ 通常用大写字母 A, B, C 等表示矩阵, 用相应的小写字母表
示矩阵中的元素, 记为

A = (aij )

或者简记为 A. 当为了表明矩阵的行数 m 和列数 n 时, 记为

A = (aij )m×n 或 Am×n .

▶ 当 m = n 时, 称 A = (aij )n×n 为 n 阶矩阵 或 n 阶方阵.

注
▶ 通常用大写字母 A, B, C 等表示矩阵, 用相应的小写字母表
示矩阵中的元素, 记为

A = (aij )

或者简记为 A. 当为了表明矩阵的行数 m 和列数 n 时, 记为

A = (aij )m×n 或 Am×n .

▶ 当 m = n 时, 称 A = (aij )n×n 为 n 阶矩阵 或 n 阶方阵.

▶ 矩阵与行列式是两个不同的概念, 行列式是一个数, 矩阵是
一个数表.
注
▶ 通常用大写字母 A, B, C 等表示矩阵, 用相应的小写字母表
示矩阵中的元素, 记为

A = (aij )

或者简记为 A. 当为了表明矩阵的行数 m 和列数 n 时, 记为

A = (aij )m×n 或 Am×n .

▶ 当 m = n 时, 称 A = (aij )n×n 为 n 阶矩阵 或 n 阶方阵.

▶ 矩阵与行列式是两个不同的概念, 行列式是一个数, 矩阵是
一个数表.
▶ n 阶方阵中元素 a11 , a22 , ..., ann 称为此方阵的对角元. 对角
元所在的对角线称为主对角线.
▶ 当 m = 1 时, 称
A = (a1 a2 ... an )
为行矩阵, 即 1 × n 矩阵, 也称为 n 维行向量. 行矩阵也记为

A = (a1 , a2 , ..., an ).
▶ 当 m = 1 时, 称
A = (a1 a2 ... an )
为行矩阵, 即 1 × n 矩阵, 也称为 n 维行向量. 行矩阵也记为

A = (a1 , a2 , ..., an ).

▶ 当 n = 1 时, 称  
b1
 b2 
 
B= .. 
 . 
bm
为列矩阵, 即 m × 1 矩阵, 也称为 m 维列向量.
▶ 当 m = 1 时, 称
A = (a1 a2 ... an )
为行矩阵, 即 1 × n 矩阵, 也称为 n 维行向量. 行矩阵也记为

A = (a1 , a2 , ..., an ).

▶ 当 n = 1 时, 称  
b1
 b2 
 
B= .. 
 . 
bm
为列矩阵, 即 m × 1 矩阵, 也称为 m 维列向量.
▶ 行向量和列向量也可以用粗体的小写字母表示, 如 a, b, c,
x, y, z 等.
▶ 如果两个矩阵的行数和列数分别相等, 则称它们是同型矩阵.
▶ 如果两个矩阵的行数和列数分别相等, 则称它们是同型矩阵.
▶ 设 A = (aij ), B = (bij ) 是两个矩阵. 如果 A B 是同型矩阵且
对应元素相等, 则称 A 与 B 相等, 即

A = B ⇔ aij = bij .
▶ 如果两个矩阵的行数和列数分别相等, 则称它们是同型矩阵.
▶ 设 A = (aij ), B = (bij ) 是两个矩阵. 如果 A B 是同型矩阵且
对应元素相等, 则称 A 与 B 相等, 即

A = B ⇔ aij = bij .

▶ 元素全为零的矩阵称为零矩阵. 用 Om×n 或者 O 表示, 有时

也记为 0. (不同型的零矩阵是不相等的)
▶ 如果两个矩阵的行数和列数分别相等, 则称它们是同型矩阵.
▶ 设 A = (aij ), B = (bij ) 是两个矩阵. 如果 A B 是同型矩阵且
对应元素相等, 则称 A 与 B 相等, 即

A = B ⇔ aij = bij .

▶ 元素全为零的矩阵称为零矩阵. 用 Om×n 或者 O 表示, 有时

也记为 0. (不同型的零矩阵是不相等的)
▶ 元素全为实 (复) 数的矩阵称为实矩阵(复矩阵).
几类特殊的方阵
n 阶对角阵
   
a11 0 ... 0 a11
 0 a22 ... 0   a22 
   
 .. .. ..  或  .. 
 . . .   . 
0 0 ... ann ann

注
对角矩阵必须是方阵, 常记为 Λ.
数量矩阵: 对角矩阵的主对角线上元素都相同, 即形如
   
a 0 ... 0 a
 0 a ... 0   a 
   
 .  或  . .
 . .   . . 
0 0 ... a a
单位矩阵: 数量矩阵主对角线上元素是 1, 即
   
1 0 ... 0 1
 0 1 ... 0   1 
   
 .  或  .. .
 ..   . 
0 0 ... 1 1
单位矩阵: 数量矩阵主对角线上元素是 1, 即
   
1 0 ... 0 1
 0 1 ... 0   1 
   
 .  或  .. .
 ..   . 
0 0 ... 1 1

注
通常 n 阶单位矩阵记为 En 或者 In .
n 阶上三角矩阵与下三角矩阵
   
a11 a12 ... a1n a11 0 ... 0
 0 a22 ... a2n   a21 a22 ... 0 
   
 .. .. ..   .. .. .. .
 . . .   . . . 
0 0 ... ann an1 an2 ... ann
一个矩阵的例子

设小赵与小李本学年学习成绩表如下:

小赵 线代 高数 英语
第一学期 90 95 85
第二学期 85 100 80
小李 线代 高数 英语
第一学期 80 90 80
第二学期 90 95 75
一个矩阵的例子

设小赵与小李本学年学习成绩表如下:

小赵 线代 高数 英语
第一学期 90 95 85
第二学期 85 100 80
小李 线代 高数 英语
第一学期 80 90 80
第二学期 90 95 75

则小赵与小李的成绩表可分别用以下矩阵表示
( ) ( )
90 95 85 80 90 80
85 100 80 90 95 75
矩阵的转置

定义
把矩阵 A 的所有行换成相应的列得到的矩阵, 称为矩阵 A 的转
置矩阵, 记为 AT 或 A′ , 即若
   
a11 a12 ... a1m a11 a21 ... an1
 a21 a22 ... a2m   
  T  a12 a22 ... an2 
A= .  ,A =  .
 ..
.
.. .
..   ..
.
.. .. 
.

an1 an2 ... anm a1m a2m ... anm
矩阵的转置

定义
把矩阵 A 的所有行换成相应的列得到的矩阵, 称为矩阵 A 的转
置矩阵, 记为 AT 或 A′ , 即若
   
a11 a12 ... a1m a11 a21 ... an1
 a21 a22 ... a2m   
  T  a12 a22 ... an2 
A= .  ,A =  .
 ..
.
.. .
..   ..
.
.. .. 
.

an1 an2 ... anm a1m a2m ... anm

注
矩阵转置把 m × n 矩阵变为 n × m 矩阵, 且 (AT )T = A
例
设 ( )
1 2 5
A=
6 4 3
例
设 ( )
1 2 5
A=
6 4 3
则  
1 6
AT =  2 4  .
5 3
加法

定义
设 A, B 是两个同型矩阵 (m × n), 定义

A + B := (aij + bij )m×n .

性质
设 A, B 是两个 m × n 矩阵, O 为同型零矩阵, 则：
▶ A + B = B + A (交换律);
加法

定义
设 A, B 是两个同型矩阵 (m × n), 定义

A + B := (aij + bij )m×n .

性质
设 A, B 是两个 m × n 矩阵, O 为同型零矩阵, 则：
▶ A + B = B + A (交换律);
▶ (A + B) + C = A + (B + C) (结合律);
加法

定义
设 A, B 是两个同型矩阵 (m × n), 定义

A + B := (aij + bij )m×n .

性质
设 A, B 是两个 m × n 矩阵, O 为同型零矩阵, 则：
▶ A + B = B + A (交换律);
▶ (A + B) + C = A + (B + C) (结合律);
▶ A + O = O + A = A;
加法

定义
设 A, B 是两个同型矩阵 (m × n), 定义

A + B := (aij + bij )m×n .

性质
设 A, B 是两个 m × n 矩阵, O 为同型零矩阵, 则：
▶ A + B = B + A (交换律);
▶ (A + B) + C = A + (B + C) (结合律);
▶ A + O = O + A = A;
▶ A + C = B + C ⇔ A = B (消去律);
加法

定义
设 A, B 是两个同型矩阵 (m × n), 定义

A + B := (aij + bij )m×n .

性质
设 A, B 是两个 m × n 矩阵, O 为同型零矩阵, 则：
▶ A + B = B + A (交换律);
▶ (A + B) + C = A + (B + C) (结合律);
▶ A + O = O + A = A;
▶ A + C = B + C ⇔ A = B (消去律);
▶ (A + B)T = AT + BT
数乘

定义
对任意 m × n 矩阵 A 和一个数 k, 定义

kA := (kaij )m×n .
数乘

定义
对任意 m × n 矩阵 A 和一个数 k, 定义

kA := (kaij )m×n .

性质
设 A, B 是两个 m × n 矩阵, k, l 为数, 则：
▶ (kl)A = k(lA) = klA (结合律);
数乘

定义
对任意 m × n 矩阵 A 和一个数 k, 定义

kA := (kaij )m×n .

性质
设 A, B 是两个 m × n 矩阵, k, l 为数, 则：
▶ (kl)A = k(lA) = klA (结合律);
▶ k(A + B) = kA + kB, (k + l)A = kA + lA (分配律);
数乘

定义
对任意 m × n 矩阵 A 和一个数 k, 定义

kA := (kaij )m×n .

性质
设 A, B 是两个 m × n 矩阵, k, l 为数, 则：
▶ (kl)A = k(lA) = klA (结合律);
▶ k(A + B) = kA + kB, (k + l)A = kA + lA (分配律);
▶ (kA)T = kAT .
注
▶ 由数乘的定义, n 阶数量矩阵可以表示为 n 阶单位矩阵 En
与一个数 a 的数乘, 即 aEn .
注
▶ 由数乘的定义, n 阶数量矩阵可以表示为 n 阶单位矩阵 En
与一个数 a 的数乘, 即 aEn .
▶ 由数乘可以定义矩阵减法. 定义

A − B := A + (−1)B = (aij − bij )m×n

其中 A, B 是两个同型矩阵 (m × n), (−1)B 可简记为 −B.

列矩阵称为列向量的几何原因
向量
−→
在平面或者空间中的有向线段称为向量, 记为 OP, 其中 O 为起
点, P 为终点. 有相同起点的向量可以相加, 其运算满足平行四边
形法则.
列矩阵称为列向量的几何原因
向量
−→
在平面或者空间中的有向线段称为向量, 记为 OP, 其中 O 为起
点, P 为终点. 有相同起点的向量可以相加, 其运算满足平行四边
形法则.

−→ −→ −→
OR = OP + OQ

−→
OQ

−→
OP
列矩阵称为列向量的几何原因
向量
−→
在平面或者空间中的有向线段称为向量, 记为 OP, 其中 O 为起
点, P 为终点. 有相同起点的向量可以相加, 其运算满足平行四边
形法则.

−→ −→ −→
OR = OP + OQ

−→
OQ

−→
OP

注
向量一词在不同的语境中有不同的定义, 因此在阅读文献时要注
意区别其含义. 此处为了需要, 我们使用这一定义.
2 维列矩阵的与平面向量
−→
将二维列矩阵 (x0 , y) 按如下方式与向量 OP 对映

y0 P
O x0
2 维列矩阵的与平面向量
−→
将二维列矩阵 (x0 , y) 按如下方式与向量 OP 对映

y0 P
O x0

注
显然按上述方式可以将所有二维列矩阵与坐标平面所有从原点你
出发的向量一一对映.
2 维列矩阵加法的几何意义
将 (x1 , y1 )T , (x2 , y2 )T 按前述对映关系, 则

R
y1 + y2 −→
Q
y2 (x1 , y1 )T ←→ OP
−→
y1 P (x2 , y2 )T ←→ OQ
−→
(x1 , y1 )T + (x2 , y2 )T ←→ OR
O x2 x1 x1 + x2
注
▶ 将二维列矩阵按前述方式与坐标平面向量对映后, 列矩阵的
加法运算与平面向量的加法平行四边形法则一致, 类似地,
可以解释数乘运算. 上述对映关系是将二维列矩阵称为二维
列向量的原因.
▶ 对于二维行矩阵也可以用上述方式理解.
▶ 对于一般的 n 维行矩阵或列矩阵亦然.
对称矩阵与反对称矩阵

定义
设 A = (aij ) 为 n 阶实方阵,
▶ 如果 A = AT , 则称 A 为实对称矩阵;
▶ 如果 A = −AT , 则称 A 为实反对称矩阵.

注
▶ 实对称矩阵和反对称矩阵都是方阵.
对称矩阵与反对称矩阵

定义
设 A = (aij ) 为 n 阶实方阵,
▶ 如果 A = AT , 则称 A 为实对称矩阵;
▶ 如果 A = −AT , 则称 A 为实反对称矩阵.

注
▶ 实对称矩阵和反对称矩阵都是方阵.
▶ 方阵 A = (aij )n×n 是实对称矩阵 ⇔ aij = aji ;
对称矩阵与反对称矩阵

定义
设 A = (aij ) 为 n 阶实方阵,
▶ 如果 A = AT , 则称 A 为实对称矩阵;
▶ 如果 A = −AT , 则称 A 为实反对称矩阵.

注
▶ 实对称矩阵和反对称矩阵都是方阵.
▶ 方阵 A = (aij )n×n 是实对称矩阵 ⇔ aij = aji ;
▶ 方阵 A = (aij )n×n 是实反对称矩阵 ⇔ aij = −aji (主对角线元
素是 0);
应用举例

设小赵与小李本学年学习成绩表如下:

小赵 线代 高数 英语
第一学期 90 95 85
第二学期 85 100 80
小李 线代 高数 英语
第一学期 80 90 80
第二学期 90 95 75

则小赵与小李的成绩表可分别用以下矩阵表示
( ) ( )
90 95 85 80 90 80
85 100 80 90 95 75

问二人每学期各科的平均成绩为多少?
例
   
−1 2 3 1 1 2 −1 0
A =  0 2 −1 3  , B =  4 −3 1 1 
4 2 0 5 1 0 2 5
求 2A − 3B.

例
( ) ( )
3 0 −1 2 5 6 3 2
A= , B=
2 8 3 1 2 4 7 1
且 A + 2X = B, 求 X.

例
证明任意方阵都可以唯一的表示为一个对称矩阵和一个反对称矩
阵之和.
乘法的引入
设小赵本学年学习成绩表如下:

小赵 线代 高数 英语
第一学期 90 95 85
第二学期 85 90 80

设总评成绩中线代、高数、英语的权重分别为 30%, 50%, 20%,

则小赵各学期的总评成绩用矩阵表示为
乘法的引入
设小赵本学年学习成绩表如下:

小赵 线代 高数 英语
第一学期 90 95 85
第二学期 85 90 80

设总评成绩中线代、高数、英语的权重分别为 30%, 50%, 20%,

则小赵各学期的总评成绩用矩阵表示为
[ ] [ ]
90 × 0.3 + 95 × 0.5 + 85 × 0.2 91.5
=
85 × 0.3 + 90 × 0.5 + 80 × 0.2 86.5
乘法的引入
设小赵本学年学习成绩表如下:

小赵 线代 高数 英语
第一学期 90 95 85
第二学期 85 90 80

设总评成绩中线代、高数、英语的权重分别为 30%, 50%, 20%,

则小赵各学期的总评成绩用矩阵表示为
[ ] [ ]
90 × 0.3 + 95 × 0.5 + 85 × 0.2 91.5
=
85 × 0.3 + 90 × 0.5 + 80 × 0.2 86.5

用矩阵形式我们可以记为
 
[ ] 0.3 [ ]
90 95 85   90 × 0.3 + 95 × 0.5 + 85 × 0.2
0.5 =
85 90 80 85 × 0.3 + 90 × 0.5 + 80 × 0.2
0.2
如果改变线代、高数及英语的权重为 40%, 50%, 10% 则相应的
总评成绩矩阵变为
 
[ ] 0.4 [ ]
90 95 85  90 × 0.4 + 95 × 0.5 + 85 × 0.1
0.5  =
85 90 80 85 × 0.4 + 90 × 0.5 + 80 × 0.1
0.1
如果改变线代、高数及英语的权重为 40%, 50%, 10% 则相应的
总评成绩矩阵变为
 
[ ] 0.4 [ ]
90 95 85  90 × 0.4 + 95 × 0.5 + 85 × 0.1
0.5  =
85 90 80 85 × 0.4 + 90 × 0.5 + 80 × 0.1
0.1

如果我们希望对比改变前后的总评成绩, 则用矩阵记法可以写为
 
[ ] 0.3 0.4 [ ]
90 95 85  91.5 92
0.5 0.5  =
85 90 80 86.5 87
0.2 0.1
现在反过来, 假设已知两个学期的总评成绩分别是 92 和 87 希望
求出各科的权重. 设线代、高数及英语的权重为 x1 , x2 , x3 则
{
90 × x1 + 95 × x2 + 85 × x3 = 92
.
85 × x1 + 90 × x2 + 80 × x3 = 87
现在反过来, 假设已知两个学期的总评成绩分别是 92 和 87 希望
求出各科的权重. 设线代、高数及英语的权重为 x1 , x2 , x3 则
{
90 × x1 + 95 × x2 + 85 × x3 = 92
.
85 × x1 + 90 × x2 + 80 × x3 = 87

利用矩阵的记法, 则
 
[ ] x1 [ ]
90 95 85  x2  = 92
85 90 80 87
x3
1 × n 矩阵与 n × 1 矩阵的乘积
设  
b1
 b2 
 
A = (a1 , a2 , ..., an ), B =  .. 
 . 
bn
规定
 
b1
 b2 
 
AB = (a1 , a2 , ..., an )  ..  = a1 b1 + a2 b2 + ... + an bn
 . 
bn
设  
a11 a12 ... a1s
 a21 a22 ... a2s 
 
A= .. .. .. ,
 . . . 
am1 am2 ... ams
Ai = (ai1 ai2 ... ais ), (i = 1, 2, ..., m)
则矩阵 A 可视为 m 个 s 维行向量构成, 即
 
A1
 A2 
 
A= . 
 .. 
Am
设
   
b11 b12 ... b1n b1j
 b21 b22 ... b2n   b2j 
   
B= .. .. ..  , Bj =  ..  (j = 1, 2, ..n),
 . . .   . 
bs1 bs2 ... bsn bsj

则矩阵 B 可视为 n 个 s 维列向量构成, 即

B = (B1 B2 ... Bn )
一般矩阵乘积
设矩阵 A = (aij )m×s , B = (bij )s×n . 定义 m × n 矩阵
 
A1 B1 A1 B2 ... A1 Bn
 A2 B1 A2 B2 ... A2 Bn 
 
C = (cij ) =  .. .. .. 
 . . . 
Am B1 Am B2 ... Am Bn

其中
 
b1j
 b2j 
 
Ai = (ai1 ai2 ... ais ), (i = 1, 2, ..., m), Bj =  ..  (j = 1, 2, ..., n)
 . 
bsj

即
cij = Ai Bj = ai1 b1j + ai2 b2j + ... + ais bsj ,
称矩阵 C 为矩阵 A 与 B 的乘积, 记为 C = AB.
注
▶ 两个矩阵 A, B 的积 C = AB 有定义当且仅当 A 的列数等于
B 的行数.
▶ 一般的矩阵乘法不是对应元素相乘！同型矩阵对应元素相乘
的运算称为“Hadamard”积运算.
矩阵乘法的四种计算方式
设 C = AB, 其中 A, B 为 m × s 和 s × n 矩阵, 则
▶ 矩阵 C 中第 i 行第 j 列元素由 A 中第 i 行和 B 中第 j 列确
定, 即
∑
n
cij = aik bkj .
k=1
矩阵乘法的四种计算方式
设 C = AB, 其中 A, B 为 m × s 和 s × n 矩阵, 则
▶ 矩阵 C 中第 i 行第 j 列元素由 A 中第 i 行和 B 中第 j 列确
定, 即
∑
n
cij = aik bkj .
k=1
▶ 矩阵 C 中第 j 列元素由 A 和 B 的第 j 列确定, 即
Cj = ABj ,
其中 Cj 为 C 的第 j 列, Bj 为 B 的第 j 列.
矩阵乘法的四种计算方式
设 C = AB, 其中 A, B 为 m × s 和 s × n 矩阵, 则
▶ 矩阵 C 中第 i 行第 j 列元素由 A 中第 i 行和 B 中第 j 列确
定, 即
∑
n
cij = aik bkj .
k=1
▶ 矩阵 C 中第 j 列元素由 A 和 B 的第 j 列确定, 即
Cj = ABj ,
其中 Cj 为 C 的第 j 列, Bj 为 B 的第 j 列.
▶ 矩阵 C 中第 i 行元素由 A 的第 i 行和 B 确定, 即
Ci = Ai B,
其中 Ci 为 C 的第 i 列, Ai 为 A 的第 i 行.
矩阵乘法的四种计算方式
设 C = AB, 其中 A, B 为 m × s 和 s × n 矩阵, 则
▶ 矩阵 C 中第 i 行第 j 列元素由 A 中第 i 行和 B 中第 j 列确
定, 即
∑
n
cij = aik bkj .
k=1
▶ 矩阵 C 中第 j 列元素由 A 和 B 的第 j 列确定, 即
Cj = ABj ,
其中 Cj 为 C 的第 j 列, Bj 为 B 的第 j 列.
▶ 矩阵 C 中第 i 行元素由 A 的第 i 行和 B 确定, 即
Ci = Ai B,
其中 Ci 为 C 的第 i 列, Ai 为 A 的第 i 行.
▶ 矩阵 C 等于矩阵 A 中各列与 B 中各行乘积之和, 即
∑
s
C= Ak Bk .
k=1
例
关于矩阵乘法的第四种方法
[ ][ ] [ ]
a b e f ae + bg af + bh
=
c d g h ce + dg cf + dh
[ ] [ ]
ae af bg bh
= +
ce cf dg dh
[ ] [ ]
a [ ] b [ ]
= e f + g h
c d
矩阵乘法与线性方程组



 a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2

 ...... ... ...... ... ... ... ...... ... ...

am1 x1 + am2 x2 + ... + amn xn = bm
矩阵的观点
    
a11 a12 ... a1n x1 b1
 a21 a22 ... a2n  x2   b2 
    
 .. .. ..  .. = .. 
 . . .  .   . 
am1 am2 ... amn xn bm
例
   
1 0 −1 1 0
A =  2 1 0 , B =  3 1 
3 2 −1 0 2
求 AB.

例
( ) ( )
1 0 0 0
A= , B=
1 0 1 1
求 AB 和 BA.
注
▶ 矩阵乘法一般不满足交换性, 即存在 AB ̸= BA. 当 AB = BA
时, 称 A, B 可交换. (此时, A, B 必为同阶方阵).
注
▶ 矩阵乘法一般不满足交换性, 即存在 AB ̸= BA. 当 AB = BA
时, 称 A, B 可交换. (此时, A, B 必为同阶方阵).
▶ 当 AB = 0 时, 不一定有 A = 0 或 B = 0, 即存在 A ̸= 0,
B ̸= 0 使得 AB = 0.
矩阵乘法的性质
假设以下运算是有意义的, 则
▶ (A + B)C = AC + BC, A(B + C) = AB + AC (分配律)
矩阵乘法的性质
假设以下运算是有意义的, 则
▶ (A + B)C = AC + BC, A(B + C) = AB + AC (分配律)
▶ k(AB) = (kA)B = A(kB), 其中 k 为一个数
矩阵乘法的性质
假设以下运算是有意义的, 则
▶ (A + B)C = AC + BC, A(B + C) = AB + AC (分配律)
▶ k(AB) = (kA)B = A(kB), 其中 k 为一个数
▶ Em Am×n = Am×n , Am×n En = Am×n , 其中 Em , En 为 m 阶, n
阶单位阵.
矩阵乘法的性质
假设以下运算是有意义的, 则
▶ (A + B)C = AC + BC, A(B + C) = AB + AC (分配律)
▶ k(AB) = (kA)B = A(kB), 其中 k 为一个数
▶ Em Am×n = Am×n , Am×n En = Am×n , 其中 Em , En 为 m 阶, n
阶单位阵.
▶ (AB)C = A(BC) (结合律);
矩阵乘法的性质
假设以下运算是有意义的, 则
▶ (A + B)C = AC + BC, A(B + C) = AB + AC (分配律)
▶ k(AB) = (kA)B = A(kB), 其中 k 为一个数
▶ Em Am×n = Am×n , Am×n En = Am×n , 其中 Em , En 为 m 阶, n
阶单位阵.
▶ (AB)C = A(BC) (结合律);
▶ (AB)T = BT AT , (A1 A2 ...Ak )T = AT T T
k ...A2 A1 .
方阵的幂
设 A 为 n 阶方阵, 定义

A0 := E, A1 := A, A2 := AA, ..., Ak := AA...A

| {z } .
k个
方阵的幂
设 A 为 n 阶方阵, 定义

A0 := E, A1 := A, A2 := AA, ..., Ak := AA...A

| {z } .
k个

注
▶ 矩阵乘法满足结合律, 故 Ak 与运算顺序无关, 定义完善;
▶ 设 k, l 为任意非负整数, 则

Ak Al = Ak+l (Ak )l = Akl ,

▶ 因为矩阵乘法不满足交换性, (AB)k 不一定等于 Ak Bk .

方阵多项式
设 f(x) = an xn + an−1 xn−1 + ... + a1 x + a0 为关于 x 的多项式, A
为任意方阵, 则定义

f(A) := an An + an−1 An−1 + ... + a1 A + a0 E

其中 E 是与 A 同阶的单位阵.

注
▶ 当矩阵为方阵时，上述定义才有意义 (非方阵不能求幂);
方阵多项式
设 f(x) = an xn + an−1 xn−1 + ... + a1 x + a0 为关于 x 的多项式, A
为任意方阵, 则定义

f(A) := an An + an−1 An−1 + ... + a1 A + a0 E

其中 E 是与 A 同阶的单位阵.

注
▶ 当矩阵为方阵时，上述定义才有意义 (非方阵不能求幂);
▶ 将 x 替换为方阵 A 时, 常数项替换为同阶的单位阵 E;
方阵多项式
设 f(x) = an xn + an−1 xn−1 + ... + a1 x + a0 为关于 x 的多项式, A
为任意方阵, 则定义

f(A) := an An + an−1 An−1 + ... + a1 A + a0 E

其中 E 是与 A 同阶的单位阵.

注
▶ 当矩阵为方阵时，上述定义才有意义 (非方阵不能求幂);
▶ 将 x 替换为方阵 A 时, 常数项替换为同阶的单位阵 E;
▶ 设 f(x), g(x) 是两个多项式, A, B 为两个同阶的方阵, 则

f(A)g(A) = g(A)f(A)

但 f(A)g(B) 与 g(B)f(A) 不一定相等.

例 ( )
1 0
设矩阵 A = , 求所有与 A 可交换的矩阵.
2 1

例
求 ( )n ( )n
1 1 1 1
1) 2)
0 1 1 1
.

例
设 f(x) = x2 − 2x + 2,
 
2 0 1
A =  −3 1 2  ,
1 −1 0

求 f(A).
例
设 P 为 n 阶方阵.
▶ 证明: 若 A 为 n 阶对称阵, PAPT 为对称矩阵;
▶ 若 PAPT 为对称矩阵, 问 A 是否对称?
矩阵与线性变换

设  
a11 a12 ... a1n
 a21 a22 ... a2n 
 
A= .. .. .. 
 . . . 
am1 am2 ... amn
定义
fA
Rn / Rm
x / Ax

其中 x = (x1 , x2 , ..., xn )T ∈ Rn , Ax 按矩阵乘法运算得到 m × 1

矩阵 ( m 维列向量), 则 fA 是 A 诱导的 Rn 到 Rm 的映射, 称这
个映射为Rn 到 Rm 的线性变换, 通常 fA 可以仍记为 A.
线性变换的例子

例1
[ ]
−1 0
A= ,
0 1
则
fA
R2 / R2
[ ] [ ][ ] [ ]
x  / −1 0 x
=
−x
.
y 0 1 y y

则 A 诱导了 R2 到自身的线性变换.
几何解释
y y

x x

(x, y)T 7→ (−x, y)T

线性变换 fA 是关于 y 轴的对称.

例 2.
设 [ ]
0 −1
B= ,
1 0
则
fB
R2 / R2
[ ] [ ][ ] [ ]
x  / 0 −1 x
=
−y
.
y 1 0 y x

则 fB 诱导了 R2 到自身的线性变换.
几何解释
y y

x x

(x, y)T 7→ (−y, x)T

线性变换 B 是逆时针旋转 π/2.

例3
给定矩阵 ( )
1/2 −1
A= ,
−1 1/2
则
( R ) −−→ (R )
2 2
( )
x x x/2 − y
7→ A =
y y −x + y/2
是 A 诱导的 R2 到自身的线性变换.
前例的几何表现

y y

x x
矩阵与矩阵诱导的线性变换的关系
▶ 对任意的矩阵 Am×n , 则 A 诱导了 Rn 到 Rm 的线性变换 fA

fA
Rn / Rm

x / f(x)

其中 fA (x) = Ax.
▶ 给定矩阵 Am×n , Bn×s , 则 A, B 分别诱导了线性变换 fA , fB ,

fB fA
Rs / Rn / Rm

x / fB (x)  / fA (fB (x))

此时不难证明有

fA (fB (x)) = (AB)x = fAB (x),

即矩阵的乘积对映线性变换的复合.
方阵行列式

定义
由 n 阶方阵 A 的元素按原来的顺序构成的行列式称为方阵 A 的
行列式, 记作 |A| 或 det(A).
方阵行列式

定义
由 n 阶方阵 A 的元素按原来的顺序构成的行列式称为方阵 A 的
行列式, 记作 |A| 或 det(A).

例
( )
1 2
A= ,
3 4
则  
 1 2 
det(A) =   = −2.

3 4
方阵行列式

定义
由 n 阶方阵 A 的元素按原来的顺序构成的行列式称为方阵 A 的
行列式, 记作 |A| 或 det(A).

例
( )
1 2
A= ,
3 4
则  
 1 2 
det(A) =   = −2.

3 4

注
矩阵与行列式是不同的两个概念. 矩阵是一个数表，行列式是一
个数.
性质
假设 A, B 为 n 阶方阵, k 为一个数, 则

|AT | = |A|, |kA| = kn |A|, |AB| = |A||B|.

性质
假设 A, B 为 n 阶方阵, k 为一个数, 则

|AT | = |A|, |kA| = kn |A|, |AB| = |A||B|.

例
( ) ( )
1 3 2 5
A= B= ,
2 −2 3 4
求 AB, BA 及其行列式.

例
设 A 是 n 阶方阵, 满足 AAT = E, 且 |A| = −1, 求 |A + E|.
行列式的几何意义

例1
设 ( )
2 −1
A= ,
1 1/2
则 A 诱导了 R2 到 R2 的映射 (线性变换)

fA : ( R2 ) −−−→ ( R) (
2
)
x x 2x − y
7 → A =
y y x + y/2

问: 单位正方形在映射 A 下的像的面积?
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
y ( ) y
2 −1
1 1 1/2 1
S 1/2

1 x −1 2 x

Area[A(S)] = 2Area(∆) + 2Area(∆)

= 2 × 12 + 1 × 1
 2 −1 
=  
1 1/2 
注
▶ 由上例可知, 方阵行列式对应于以方阵列向量诱导的平行四
边形的面积;
▶ 线性变换 (矩阵) A 将向量 e1 = (1, 0)T , e2 = (0, 1)T 分别映
为 ( ) ( )
2 −1
Ae1 = , Ae2 =
1 1/2
即 ( ) ( )
1 0 2 −1
A(e1 e2 ) = A = .
0 1 1 1/2
注意到向量 e1 , e2 诱导的平行四边形是单位正方形, 所以
det(A) 对应线性变换 A 下的面积伸缩因子.
例2
设 ( )
1 1/2
B= ,
2 −1
则 B 诱导了 R2 到 R2 的映射 (线性变换)

fB : ( R2 ) −−−→ ( R) (
2
)
x x x + y/2
7 → B =
y y 2x − y

问: 单位正方形在映射 B 下的像的面积?
 y
2
y
1
B
S 1/2
1 x 1 x

−1

 
 1 1/2 

area[B(S)] = −  
2 −1 
 y
2
y
1
B
S 1/2
1 x 1 x

−1

 
 1 1/2 

area[B(S)] = −  
2 −1 
注
▶ 例 2 中方阵的行列式同样对应矩阵列向量诱导的平行四边
形的面积. 但行列式是负数, 这是因为 B 作为线性变换是反
向的 (蓝色向量到红色向量的方向是顺时针). 因此, 二阶方
阵行列式等于方阵中列向量 (有序的) 诱导的平行四边形的
有向面积.
▶ 例 1 和例 2 可以推广到高阶方阵的情形. 此时方阵行列式等
于方阵中列向量 (有序的) 诱导高维多面体的体积.
▶ 高阶方阵的行列式也可以解释为作为线性变换时体积的放缩
因子, 而行列式的符号对应于线性变换是否保持方向.
▶ 由行列式的几何解释可以容易理解, 行列式交换两列改变符
号, 而行列式某一列乘以一个倍数等于行列式乘以一个倍数.
▶ 由行列式的几何解释也容易理解

Det(AB) = Det(A)Det(B)
一个退化的例子
y
2
y ( )
1 1/2
1 B= 1
2 1
S

1 x 1/2 1 x