线性代数3.矩阵及其运算

线性代数的矩阵运算矩阵是线性代数中一种重要的数学工具，矩阵运算是线性代数的核心内容之一。

通过矩阵运算，我们可以解决各种线性方程组，研究向量空间的性质，以及进行线性变换等。

本文将介绍线性代数中的矩阵运算，包括矩阵的加法、减法、乘法、转置以及求逆运算等。

1. 矩阵的加法和减法矩阵的加法和减法是相似的运算。

对于两个具有相同维度的矩阵A 和B，它们的加法运算定义为将相同位置的元素相加得到一个新的矩阵C，即C = A + B。

而矩阵的减法运算定义为将相同位置的元素相减得到一个新的矩阵D，即D = A - B。

例如，对于如下两个矩阵：A = [1 2 3]B = [4 5 6][7 8 9] [10 11 12]它们的加法运算结果为：C = A + B = [1+4 2+5 3+6] = [5 7 9][7+10 8+11 9+12] [17 19 21]而减法运算结果为：D = A - B = [1-4 2-5 3-6] = [-3 -3 -3][7-10 8-11 9-12] [-3 -3 -3]这样，我们可以通过矩阵的加法和减法运算来对矩阵进行融合、分解和控制等操作。

2. 矩阵的乘法矩阵的乘法是矩阵运算中的关键操作，它可以将两个矩阵相乘得到一个新的矩阵。

对于两个矩阵A和B，若A的列数等于B的行数，则它们可以进行乘法运算。

设A是一个m×n的矩阵，B是一个n×p的矩阵，它们的乘法运算定义为两个矩阵对应元素的乘积之和。

新的矩阵C的行数等于A的行数，列数等于B的列数。

记作C = A × B。

例如，对于如下两个矩阵：A = [1 2 3]B = [4 5][6 7 8] [9 10][11 12]它们的乘法运算结果为：C = A × B = [1×4+2×9+3×11 1×5+2×10+3×12][6×4+7×9+8×11 6×5+7×10+8×12]= [59 64][149 163]矩阵的乘法可以应用于很多实际的问题中，比如线性方程组的求解、向量空间的转换等。

线性代数-矩阵的运算1、矩阵的加减法定义A = (a ij)mxn 、B = (b ij)mxn；是两个同型矩阵（⾏数和列数分别相等），则矩阵A、B和定义为：只有同型矩阵才能进⾏加法计算运算定律交换律：A + B = B + A结合律：（A + B）+ C = A + (B + C)A + O = A = O + A （O为零矩阵）A + （-A） = O （矩阵减法的定义）设：则：2、矩阵的数乘定义数k与矩阵A乘法定义为：记作：kA = (ka ij)mxn;矩阵的加法和数乘运算，称为矩阵的线性运算。

运算定律结合律：(kl)A = k(lA)分配律：k(A+B) = kA + kB;(k + l)A = kA + lA;1A = A;0A = O3、乘法运算定义设A = (aij)mxs、B=(bij)sxn AB的乘发定义为注意：只有当A矩阵的列数等于B矩阵的⾏数，矩阵乘积AB才有意义；且乘积C矩阵的⾏数等于A矩阵的⾏数、C矩阵的列数等于B矩阵的列数。

如：A是(2x3)矩阵,B是(3x4)矩阵，则AB为(2x4)矩阵，BA⽆意义。

运算定律矩阵乘法不满⾜交换律：⼀般AB不等于BA，如果AB = BA，即记作A、B可交换AB = 0 未必 A = O或者 B = O不满⾜消除律，即AB = AC 未必B = C矩阵乘法满⾜下⾯运算律：结合律：(AB)C = A(BC)左分配律：A(B+C) = AB+AC右分配律：(B+C)A = BA+CAk(AB) = (kA)B = A(kB)设A为mxs矩阵，则 I m A = A ，AI s = A（I为单位矩阵）AO=O OA=OA k A l = A k+l (A k)l = A kl (kl皆为⾮负整数)矩阵乘法中，单位矩阵与零矩阵，有类似于数字乘法1，0的作⽤。

4、矩阵的转置定义mxn的矩阵A，⾏列交换后得到nxm的矩阵，称为A的转置矩阵，记作A'。

《线性代数》教案一、前言1. 教学目标：使学生理解线性代数的基本概念、理论和方法，培养学生运用线性代数解决实际问题的能力。

2. 适用对象：本教案适用于大学本科生线性代数课程的教学。

3. 教学方式：采用讲授、讨论、练习相结合的方式进行教学。

二、教学内容1. 第一章：线性代数基本概念1.1 向量及其运算1.2 线性方程组1.3 矩阵及其运算1.4 行列式2. 第二章：线性空间与线性变换2.1 线性空间2.2 线性变换2.3 矩阵与线性变换2.4 特征值与特征向量3. 第三章：特征值与特征向量3.1 特征值与特征向量的定义3.2 矩阵的特征值与特征向量3.3 矩阵的对角化3.4 二次型4. 第四章：线性方程组的求解方法4.1 高斯消元法4.2 克莱姆法则4.3 矩阵的逆4.4 最小二乘法5. 第五章：线性代数在实际应用中的案例分析5.1 线性规划5.2 最小二乘法在数据分析中的应用5.3 线性代数在工程中的应用5.4 线性代数在计算机科学中的应用三、教学方法1. 讲授：通过讲解线性代数的基本概念、理论和方法，使学生掌握线性代数的基础知识。

2. 讨论：组织学生就线性代数中的重点、难点问题进行讨论，提高学生的思维能力和解决问题的能力。

3. 练习：布置适量的练习题，让学生通过自主练习巩固所学知识，提高解题能力。

四、教学评价1. 平时成绩：考察学生的出勤、作业、课堂表现等方面，占总评的30%。

2. 期中考试：考察学生对线性代数知识的掌握程度，占总评的40%。

3. 期末考试：全面测试学生的线性代数知识水平和应用能力，占总评的30%。

五、教学资源1. 教材：推荐使用《线性代数》（高等教育出版社，同济大学数学系编）。

2. 辅助教材：可参考《线性代数教程》（清华大学出版社，谢乃明编著）。

3. 网络资源：推荐学生浏览线性代数相关网站、论坛，拓展知识面。

4. 软件工具：推荐使用MATLAB、Mathematica等数学软件，辅助学习线性代数。

线性代数矩阵运算法则线性代数是数学的一个重要分支，它研究的是向量空间和线性映射。

在线性代数中，矩阵是一种非常重要的数学工具，它可以用来表示线性变换和解线性方程组。

矩阵运算是线性代数中的重要内容，它包括矩阵的加法、减法、数乘、矩阵乘法等运算法则。

本文将详细介绍矩阵运算的各种法则，以及它们的应用。

1. 矩阵的加法。

设A和B是两个m×n的矩阵，它们的和记作C=A+B，其中C中的每个元素都等于A和B对应位置的元素之和。

即C的第i行第j 列的元素等于A的第i行第j列的元素加上B的第i行第j列的元素。

例如，如果。

A=[1 2 3。

4 5 6]B=[7 8 9。

10 11 12]则A+B=[8 10 12。

14 16 18]。

2. 矩阵的减法。

矩阵的减法与矩阵的加法类似，设A和B是两个m×n的矩阵，它们的差记作C=A-B，其中C中的每个元素都等于A和B对应位置的元素之差。

即C的第i行第j列的元素等于A的第i行第j列的元素减去B的第i行第j列的元素。

3. 矩阵的数乘。

设A是一个m×n的矩阵，k是一个实数，则kA记作B，其中B 中的每个元素都等于k乘以A对应位置的元素。

即B的第i行第j 列的元素等于k乘以A的第i行第j列的元素。

4. 矩阵的乘法。

设A是一个m×n的矩阵，B是一个n×p的矩阵，则它们的乘积记作C=AB，其中C是一个m×p的矩阵，C的第i行第j列的元素等于A的第i行与B的第j列对应元素的乘积之和。

即C的第i行第j列的元素等于A的第i行的每个元素与B的第j列的对应元素的乘积之和。

矩阵的乘法是线性代数中最重要的运算之一，它在解线性方程组和表示线性变换等方面有着重要的应用。

5. 矩阵的转置。

设A是一个m×n的矩阵，则A的转置记作AT，AT是一个n×m的矩阵，AT的第i行第j列的元素等于A的第j行第i列的元素。

即AT的第i行第j列的元素等于A的第j行第i列的元素。

矩阵的运算及其运算规则矩阵是线性代数中的基本概念，也是数学、计算机科学、物理、经济学等领域中广泛运用的工具之一。

矩阵的运算是矩阵代数的重要组成部分，并且矩阵的运算规则是进行代数运算、求解线性方程组、计算特征值和特征向量等的关键。

1.基本矩阵运算矩阵的四则运算：加法、减法、乘法和除法是矩阵运算的基础。

加减法均是对应元素相加减，必须两个矩阵形状相同才可加减。

例如A、B是两个3\*3矩阵，那么它们相加后我们可以表示为C=A+B，C的每个元素都等于A和B对应位置的元素之和。

矩阵的乘法是相乘并对乘积元素求和，而不是元素相乘。

A\*B中A的列数应该等于B的行数，乘积C则应该是A的行数和B的列数构成的矩阵。

例如A是一个3\*2 的矩阵，B是一个2\*4 的矩阵，则将A的每一行和B的每一列依次相乘求和，得到一个3\*4的结果矩阵C。

除法在矩阵中一般不存在，但是可以通过矩阵的逆来实现除法运算。

如果乘积A\*B=C，且B是可逆的，那么我们可以利用B的逆矩阵来得出矩阵A，即A=B^{-1}C。

2.转置和逆矩阵矩阵的转置是将矩阵的行和列交换位置得到的新矩阵。

如果矩阵A的形状是m\*n，则转置后的矩阵形状是n\*m。

例如A=\begin{bmatrix}1 & 2 \\ 3 & 4 \\ 5 & 6\end{bmatrix}，则A的转置为A^T=\begin{bmatrix}1 & 3 & 5 \\ 2 & 4 & 6\end{bmatrix}。

矩阵的逆矩阵是一个矩阵，使得矩阵和它的逆矩阵的乘积为单位矩阵。

只有方阵才有逆矩阵，而且并不是所有的方阵都有逆矩阵。

如果一个矩阵A不能求逆，那么我们称它是奇异矩阵或不可逆矩阵。

如果一个矩阵A可以求逆，那么我们称它是非奇异矩阵或可逆矩阵。

逆矩阵的求解方法有伴随矩阵法、高斯-约旦消元法、矩阵分块法等。

3.矩阵的性质及运算规则矩阵的性质包括转置、对称、正交、幂等、奇异等性质。

《线性代数》教案一、前言1. 教学目标（1）理解线性代数的基本概念和原理；（2）掌握线性代数的基本运算方法和技巧；（3）能够应用线性代数解决实际问题。

2. 教学内容（1）线性方程组；（2）矩阵及其运算；（3）线性空间和线性变换；（4）特征值和特征向量；（5）二次型。

二、第一章：线性方程组1. 教学目标（1）理解线性方程组的定义和性质；（2）掌握线性方程组的求解方法；（3）能够应用线性方程组解决实际问题。

2. 教学内容（1）线性方程组的定义和性质；（2）线性方程组的求解方法：高斯消元法、克莱姆法则；（3）线性方程组的应用：线性规划、电路方程等。

三、第二章：矩阵及其运算1. 教学目标（1）理解矩阵的定义和性质；（2）掌握矩阵的运算方法；（3）能够应用矩阵解决实际问题。

2. 教学内容（1）矩阵的定义和性质；（2）矩阵的运算：加法、数乘、乘法；（3）矩阵的逆矩阵及其求法；（4）矩阵的应用：线性方程组、线性变换等。

四、第三章：线性空间和线性变换1. 教学目标（1）理解线性空间和线性变换的定义和性质；（2）掌握线性变换的表示方法；（3）能够应用线性变换解决实际问题。

2. 教学内容（1）线性空间的定义和性质；（2）线性变换的定义和性质；（3）线性变换的表示方法：矩阵表示、坐标表示；（4）线性变换的应用：图像处理、信号处理等。

五、第四章：特征值和特征向量1. 教学目标（1）理解特征值和特征向量的定义和性质；（2）掌握特征值和特征向量的求法；（3）能够应用特征值和特征向量解决实际问题。

2. 教学内容（1）特征值和特征向量的定义和性质；（2）特征值和特征向量的求法：幂法、矩阵对角化；（3）特征值和特征向量的应用：线性变换、振动系统等。

六、第五章：二次型1. 教学目标（1）理解二次型的定义和性质；（2）掌握二次型的标准形和规范形；（3）能够应用二次型解决实际问题。

2. 教学内容（1）二次型的定义和性质；（2）二次型的标准形和规范形：配方法、矩阵的对角化；（3）二次型的应用：最小二乘法、优化问题等。

线性代数中的矩阵运算矩阵运算，在线性代数中是一个十分重要的概念，我们通常用矩阵来表示线性映射，这些矩阵之间的加、减、乘等运算，是我们学习矩阵的基础。

本文将从矩阵的定义、矩阵的加减、矩阵的乘法、矩阵的转置和逆等方面详细介绍矩阵运算。

一、矩阵的定义矩阵是一个由m行、n列元素排列成的矩形表格，其中每个元素都是一个数字(标量)，通常用 A = [aij]表示。

其中，i表示行号，j表示列号， aij表示第i行、第j列的元素，矩阵的大小写成m×n表示，其中m表示行数，n表示列数。

二、矩阵的加减对于两个具有相同大小的矩阵A和B，它们的和C可以通过将每个对应的元素相加得到，即Ci,j = ai,j + bi,j，也可以用向量的形式表示C = A+B。

矩阵的差同理，Ci,j = ai,j - bi,j，用向量的形式表示C = A - B。

加减运算的性质：1.交换律：A + B = B + A，A - B ≠ B - A；2.结合律：(A + B) + C = A + (B + C)， (A - B) - C ≠ A - (B - C);3.分配律：a(A + B) = aA + aB，(a + b)A= aA + bA。

三、矩阵的乘法对于两个矩阵A和B，只有满足A的列数等于B的行数时，A和B才能相乘。

设A为m行n列的矩阵，B是一个n行p列的矩阵，它们相乘得到的结果C是一个m行p列的矩阵。

在矩阵乘法中，相乘的行列数相等的两个矩阵必须一一对应进行相乘，并将所有乘积相加。

矩阵乘法的表达式：Cij = ∑ akj ᠖ bj i，其中k=1,2,,....,nC = AB，A的第i行乘以B的第j列，它们的乘积之和就是C的第i行第j列元素。

用向量的形式表示C = A×B。

在矩阵乘法中，乘法不具备交换律，即AB ≠ BA。

(只有在A、B中至少有一个为单位矩阵时，AB=BA)矩阵乘法的性质：1.结合律：A(BC) = (AB)C；2.分配律：A(B+C) = AB + AC；3.结合律：(aA)B = A(aB) = a(AB)；4.单位矩阵： AI = IA = A；5.逆矩阵：存在矩阵B满足AB=I，则称矩阵A可逆，矩阵B 就是矩阵A的逆矩阵(A的行列式必须不等于零)。

§3.1 矩阵的运算（1）第三章矩阵矩阵的加法定义1111112121121212222221122n n n n m m m m mn mn a b a b a b a b a b a b a b a b a b +++⎡⎤⎢⎥+++⎢⎥+=⎢⎥⎢⎥+++⎣⎦A B 设有两个 矩阵 和 n m ⨯[]ij a =A [],ij b =B 那么矩阵与 的和 A B 记作 规定为,+A B 只有当两个矩阵是同型矩阵时，才能进行加法运算.（可加的条件）注矩阵的加法235178190, 645, 368321-⎡⎤⎡⎤⎢⎥⎢⎥=-=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦设矩阵矩阵则A B 213758169405336281+-++⎡⎤⎢⎥=+-++⎢⎥⎢⎥+++⎣⎦3413755.689⎡⎤⎢⎥=-⎢⎥⎢⎥⎣⎦对应元相加例1+A B矩阵的加法;+=+A B B A ()()++=++A B C A B C ；+=+=；A OO A A 矩阵加法的运算律 [],ij a =A 设矩阵 （交换律）（结合律）（加法单位元）(1)(2) (3) (4) 规定 [],ija -=-A 称之为 的负矩阵.A ()(),+-=-+=A A A A O ().-=+-A B A B （加法逆元）规定矩阵的减法为：+=+⇒=.A B A C B C (5) 加法消去律成立，即数量乘法111212122211[].n nij m n m m mn ka ka ka kaka ka k ka ka ka ka ⨯⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎣⎦A 规定数 k 与矩阵 A 的数量乘积为定义2数量乘法()();k l kl =A A ()k l k l +=+A A A ；()k k k +=+.A B A B 数量乘法的运算规律(1) (2)(3)矩阵的加法和数量乘法统称为矩阵的线性运算 .设为A , B 为矩阵，k, l 为数： m n ⨯矩阵的乘法（矩阵与矩阵相乘）定义3设 是一个 矩阵， m n ⨯[]ij a =A 记作 C =AB.[]ij b =B 是一个 矩阵， n s ⨯规定矩阵 与 的乘积是一个 的矩阵 A Bm s ⨯[],ij c =C 其中 11221nij i j i j in nj ikkjk c a b a b a b ab ==+++=∑()1,2,;1,2,,,i m j s ==矩阵的乘法1212[,,,]j j i i in nj b b a a a b ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦1122i j i j in nj a b a b a b =+++1n ik kj ij k a b c ===∑行乘列法则可乘条件：左矩阵的列数=右矩阵的行数11211300514-⎡⎤⎢⎥=-⎢⎥⎢⎥-⎣⎦设，A 034121.311121⎡⎤⎢⎥⎢⎥=⎢⎥-⎢⎥-⎣⎦B 例20311212113031051412⎡⎤-⎡⎤⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦-⎣⎦C AB .⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦5-61022-17乘积矩阵的“型” ？ A m n ⨯B n s ⨯C m s⨯=1111⎡⎤=⎢⎥--⎣⎦设，A 例300,00⎡⎤=⎢⎥⎣⎦AB 22,22⎡⎤=⎢⎥--⎣⎦BA .BA AB ≠故1111-⎡⎤=⎢⎥-⎣⎦，B 则矩阵的乘法（1）矩阵乘法一般不满足交换律； 若 ，则称矩阵 与是乘法可交换的. =AB BA A B 定义3=AB O ⇒;==或A O B O （2） ()≠-=若而A O A B C O，⇒=B C.注意：(),+=+A B C AB AC ();+=+B C A BA CA ()()()k k k ==AB A B A B （其中 k 为数）;n m ;m n m n m n ⨯⨯⨯==A E E A A 矩阵的乘法()();=AB C A BC 矩阵乘法的运算规律 (1) (2) (3) (4) （结合律） （左分配律）（右分配律）（乘法单位元）11112211211222221122n n n n m m mn n ma x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩，，，11121121222212n n m m mn n a a a x a a a x a a a x ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦111122121122221122n n n n m m mn n a x a x a x a x a x a x a x a x a x ⎡⎤+++⎢⎥+++⎢⎥⎢⎥⎢⎥+++⎢⎥⎣⎦12m b b b ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦=AX =β⇔=（矩阵形式）AX β ==00（齐次线性方程当时组的矩阵形式），AX β .例4cos sin ,,sin cos OP ϕϕϕϕ-⎡⎤⎡⎤==⎢⎥⎢⎥⎣⎦⎣⎦设矩阵平面向量x A y cos ,sin ,x r y r θθ=⎧⎨=⎩于是x y ⎡⎤⎢⎥⎣⎦A cos sin sin cos x y ϕϕϕϕ-⎡⎤⎡⎤=⎢⎥⎢⎥⎣⎦⎣⎦cos()sin()r r θϕθϕ+⎡⎤=⎢⎥+⎣⎦例5cos cos sin sin cos sin sin cos r r r r θϕθϕθϕθϕ-⎡⎤=⎢⎥+⎣⎦,,OP r θ设的长度为幅角为则cos sin sin cos x y x y ϕϕϕϕ-⎡⎤=⎢⎥+⎣⎦111x OP y ⎡⎤==⎢⎥⎣⎦.OP ϕ这是把向量按逆（或顺）时针旋转角的旋转变换xyopp 1θϕ11cos sin ,sin cos .x x y y x y ϕϕϕϕ=-⎧⎨=+⎩（线性变换）小结（1）只有当两个矩阵是同型矩阵时，才能进行加法运算；（2） ≠=若而A O AB AC ，⇒;=B C 且矩阵相乘一般不满足交换律；（3）只有当左矩阵的列数等于右矩阵的行数时，两个矩阵才能相乘，矩阵的数乘运算与行列式的数乘运算不同； 可交换的典型例子：同阶对角阵；数量阵与任何同阶方阵. k n E ≠=若而A O BA CA ，⇒=B C.( 4 )§3.1 矩阵的运算（2）方阵的幂·矩阵多项式·迹第三章矩阵定义1注1A 设为阶方阵，为正整数n k ，A A AA∆=kk 个.A 为的次幂k 01,.A E A A ==规定n 称,AA A km k m +=m k mkA A =（），其中m , k 为非负整数.定义1注1A 设为阶方阵，为正整数n k ，A A AA∆=kk 个.A 为的次幂k 01,.A E A A ==规定n 称,AA A km k m +=m k mkA A =（），其中m , k 为非负整数.一般地， (),,.AB A B A B ⨯≠∈k k k n n注2 注3时，以下结论成立：AB BA =当 (1)();AB A B =kkk222(2)()2;A B A AB B +=++22(3)()();A B A B A B +-=-,,A B ⨯∈n n11(4)()C C .A B A AB AB B --+=+++++mmm k m kkmmm例1解 ,A ⎡⎤⎡⎤⎡⎤=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦2121214=01010112.01A A ⎡⎤=⎢⎥⎣⎦设求其中为正整数mm ,（）32141216,010101A A A ⎡⎤⎡⎤⎡⎤===⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦()122.01A ⎡⎤=≥⎢⎥⎣⎦mm m 由此归纳出方阵的幂112(1)1212,010101A A A --⎡⎤⎡⎤⎡⎤===⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦k k k k ()122.01A ⎡⎤=≥⎢⎥⎣⎦m m m 用数学归纳法证明当 时，显然成立.2=m 假设 时成立， 1=-m k 所以对于任意的m 都有=m k 则时，方阵的幂解法二 利用二项式定理122()m m m mA EB EC B=+=+202,.00⎡⎤=⎢⎥⎣⎦B B O 其中=且这种方法适用于主对角元全相同的三角形矩阵求幂 2,=+A E B ,E B 显然与乘法可交换由二项式定理有2E B=+m 100212.010001m ⎡⎤⎡⎤⎡⎤=+=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦m1110()A A A A E --=++++m m m m n f a a a a 为方阵 A 的矩阵多项式.例如 2()524,f x x x =--12,11⎡⎤=⎢⎥-⎣⎦A 22524A A E --1412101116524211101811--⎡⎤⎡⎤⎡⎤⎡⎤=--=⎢⎥⎢⎥⎢⎥⎢⎥-----⎣⎦⎣⎦⎣⎦⎣⎦定义2A ⨯∈设n n ，称()A =f：注f g g fA A A A()()()()运算性质 定义3设A 是n 阶方阵，称A 的主对角线上所有元素之和为方阵的迹(trace )，记为11221tr .A ==+++=∑nnn ii i a a a a (1) tr()tr tr ;A B A B ⨯⨯⨯⨯+=+n n n n n n n n (2) tr()tr();A A ⨯⨯=n n n n k k (3) tr()tr().A B B A ⨯⨯⨯⨯=m n n m n m m ntr()tr().A B B A ⨯⨯⨯⨯=m n n m n m m n设A , B 为 n 阶方阵， 求证.AB BA E -≠n tr()tr()tr()0,--AB BA =AB BA = 证明： tr()0,n n =≠E 故 . n -≠AB BA E 例2§3.1 矩阵的运算（3）矩阵的转置·方阵的行列式第三章矩阵例 123,458A ⎡⎤=⎢⎥⎣⎦T ;A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦142538叫做 的转置矩阵， m n A ⨯m n A ⨯把矩阵的行依次变为同序数的列得到的新矩阵， 定义1T A 记作. 思考 T A A 与的关系?⨯→⨯的变化型m n n m(1) : '(,)=元的变化ij ji i j a a (2) ：TA A 与的关系?矩阵的转置()()T T 1;=A A ()()T T T 2;+=+A B A B ()()T T 3;A A =k k 注 性质(2)和(4)可推广到有限个矩阵的情形()()T T T T12122;s s '+=+A A ++A A A ++A ()()T T T T 12114.s s s -'=A A A A A A ()()T T T 4.=AB B A (倒序)矩阵的转置与其它矩阵运算的关系若矩阵A 满足 A A =T ，()n ,,,j ,i a a ji ij 21==201035.157A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦例为对称阵如注：对称矩阵为方阵，元素以主对角线为对称轴 对应相等 .例1 (对称矩阵）则称 A 为对称矩阵 .注 对任意矩阵 A,和 均是对称矩阵. T A A T AA对称矩阵的数乘、和、乘积是否为对称矩阵？思考：练习1 对任意实矩阵 A, 若 则 . T A A =O ,A =O练习2 若实对称矩阵 A 满足 则 . 2A =O ,A =O 设A ，B 为同阶实对称矩阵，则AB 为实对称矩阵当且仅当AB =BA .若矩阵A 满足 A A =-T ，013105.350A ⎡⎤⎢⎥=--⎢⎥⎢⎥-⎣⎦例为反对称阵如注：反对称矩阵为方阵，且例2 (反对称矩阵）则称 A 为反对称矩阵 . 0-≠⎧=⎨=⎩ji ij a i j a i j证明任一 n 阶方阵 A 都可表示成一个对称矩阵与一个反对称矩阵之和. 证明： ()T T A A +T A A =+()T T A A -T A A =-22T T A A A A A -++=证毕.例3所以 为对称矩阵.T A A +T ,A A =+T ()A A =-- 所以 为反对称矩阵. T A A -方阵的行列式设 A 与 B 都是数域 上的 n 阶方阵, 则()T1;A A =()3;AB A B =()2,;A A =∀∈n k k k 矩阵的运算与行列式的关系方阵的行列式n n n n n A O E B ⨯⨯-A B =n n nO AB E B ⨯=-2(1)n n E AB =--2(1)n n AB +=-.AB =证明： 22222A O E B ⨯⨯-111221221112212200001001a a a a b b b b =--12111111122122111221220001001a a b a b a a b b b b =--111112211112122221221112212200001001a b a b a b a b a a b b b b ++=--111112211112122221112221211222221112212200001001a b a b a b a b a b a b a b a b b b b b ++++=--222O AB E B ⨯=-设 A 与 B 都是数域 上的 n 阶方阵, 则 ()T 1;A A =()3;AB A B =(可推广到有限个) 一般的， +.A B A B ≠+特别地 ,A A =mm ()2,;A A =∀∈n k k k 矩阵的运算与行列式的关系 其中m 为非负整数.24000200,00430034A ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥-⎣⎦设2.A 求k 22A A =k k2242443()(4(25))10.0234=⋅=⋅-=-k k k 解 例4证明奇数阶反对称矩阵的行列式为零.例5§3.2 初等矩阵第三章矩阵定义1elementary matrix 阶单位矩阵经过一次矩阵的初等变换所得到的矩阵称为阶即初等矩阵n n （），E B −−−−−→一次初等变换行或列为一个初等矩阵n 1,23100010010100.001001E B ⎡⎤⎡⎤⎢⎥⎢⎥=−−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦对换行为一个初等矩阵例如初等矩阵的类型及表示方法1[()],0E ≠初等倍乘矩阵n i k k ） .0E ≠即以数乘单位矩阵的第行(或第列).n k i i i i r c 11[()]11E E ⨯⨯⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦kn n ki k k 或i ←第行初等矩阵的类型及表示方法2[()],0E +≠初等倍加矩阵n i j k k ） .0E ≠即将的某行元素的倍加到另一行(或列)上去.n k 11[())]11E E ++⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥−−−−→=+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦i jj ir kr n n c kc k i j k 或←i 第行←j 第行[()]E >+n i j k i j 当时,为下三角 .初等矩阵的类型及表示方法3[,],E 初等对换矩阵n i j ） E n 即对调的某两行或某两列.11011[,]11011E E ↔↔⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥−−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦i ji jr r n n c c i j 或i ←第行j ←第行11[()]11E ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦n i k k i ←第行1[()],0E ≠初等倍乘矩阵n i k k ） .2[()],0E +≠初等倍加矩阵n i j k k ） .11[())]11E ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥+=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦n k i j k ←i 第行←j 第行()i j <3[,],E 初等对换矩阵n i j ） 11011[,]11011E E ↔↔⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥−−−−→=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦i ji jr r n n c c i j 或i ←第行j ←第行注初等矩阵的转置矩阵仍为同类型的初等阵.Ti k i k=1)[()][()];E En nT+=+i j k j i kE E2)[()][()];n nTi j i j=3)[,][,].E En n初等矩阵的应用揭示： 初等矩阵与矩阵的初等变换的关系.11121314212223243132333411⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦a a a a a a a a k a a a a 111213142122232313233434⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦k a a a a a a a a a ka ka ka 111213142122232431323334111a a a a a a a a k a a a a ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦111214212221323343133234a a a a a a a a a ka ka a k ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦()i k A i r k ⨯相当于以数乘的第行；111211212[()]E A ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦n m m m m i i in n a a a i k a ka ka a a a k i ←第行[()]E A 左以矩阵乘m i k ，[()]n E i k A 右乘而以矩阵，其结果结论: 相当于以数k 乘A 的第i 列 .()i c k ⨯。