分块矩阵在高等代数中的应用[1]

分块矩阵及其应用姓名：王红军 学号：200840510638 指导老师：李群摘要 分块矩阵是《高等代数》的一个重要内容。

为了研究一些问题的需要，适当地将矩阵进行分块，可以使矩阵的结构变得更加清楚，有关矩阵的很多问题也将迎刃而解。

关键词 分块矩阵 线性方程组 矩阵方程 逆矩阵 行列式计算 特征值 秩1.分块矩阵的概念及重要理论1.1分块矩阵的概念设A 是一个矩阵，我们将矩阵A 用若干条横线和若干条纵线按照某种需要将其划分为若干个小矩阵。

被这种分法分成若干个小矩阵的矩阵称为一个分块矩阵。

划分出的每个小矩阵称为A 的一个子块或子阵。

1.2分块矩阵的运算分块矩阵和一般矩阵一样，主要有四种运算：加法、数乘、乘法、转置。

但值得注意的是分块一定要满足一定的条件才可以实施加法和乘法运算。

1.3分块矩阵的初等变换分块矩阵有如下三种初等变换：（1）用一个可逆矩阵左（右）乘分块矩阵的某一行；（2）用一个非零的矩阵左（右）乘分块矩阵的某一行（列）加到另一行（列）上；（3）交换分块矩阵的两行或两列.1.4常见的分块方法（1）列分法A=（1a ,2a ,…,n a ） 其中i a （i=1,2,…,n ）为A 的列向量；（2）行分法A=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n a a a 21 其中i a （i=1,2,…,n ）为A 的列向量； （3）分成两块A=()21A A 其中1A ,2A 分别为A 的若干列；或者⎝⎛⎪⎪⎭⎫=21A A A 其中1A ,2A 分别为A 的若干列；（4）分成四块 ⎪⎪⎭⎫ ⎝⎛=4231A A A A A2．1分块矩阵与线性方程组2.1.1设n m A ⨯≠0,s n B ⨯的列向量组为1B ,2B ,…,S B 则有以下结论成立： AB=0⇔1B ,2B ,…,S B 都是齐次线性方程组AX=0的解证明：由题意AB=0(A 1B ,A 2B ,…,A S B )=0⇔A 1B =0,A 2B =0,…,A S B =0⇔1B ,2B ,…,S B 都是AX=0的解由上知我们可以利用分块矩阵的理论去解决齐次线性方程组的理论中的问题2..1.2已知A=2.1.3 设非齐次线性方程组2.2求解矩阵方程2.2.1 形如AX=B （A 为可逆矩阵）的矩阵方程易知解为X=1-A B ，计算格式如下：（A,B)→(E 1-A C) 2.2.2 形如XA=B （A 为可逆矩阵）的矩阵方程易知解为X=B 1-A ，计算格式如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡B A →⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-1BA E 2.2.3 形如AXB=C （A 、B 分别为m 、n 阶可逆矩阵）的矩阵方程 易知解为X=1-A C 1-B ,计算格式如下：（A C ）→(E 1-A C) ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-C A B 1 →⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--11CB A E现在此基础上构造一个分块矩阵，将两步合为一步：⎪⎪⎭⎫ ⎝⎛O A B C →⎪⎪⎭⎫ ⎝⎛→⎪⎪⎭⎫ ⎝⎛--o E E CB A O E B C A m n m 11 例：求解下给矩阵方程。

分块矩阵及其应用徐健,数学计算机科学学院摘要：在高等代数中，分块矩阵是矩阵内容的推广. 一般矩阵元素是数量，而分块矩阵则是将大矩阵分割成小矩形矩阵，它的元素是每个矩阵块.分块矩阵的引进使得矩阵工具的利用更加便利，解决相关问题更加强有力，所以其应用也更广泛. 本文主要研究分块矩阵及其应用，主要应用于计算行列式、解决线性方程组、求矩阵的逆、证明与矩阵秩有关的定理.关键词：分块矩阵；行列式；方程组；矩阵的秩On Block Matrixes and its ApplicationsXu Jian, School of Mathematics and Computer ScienceAbstract In the higher algebra, block matrix is a generalization of matrix content.In general, matrix elements are numbers. However, the block matrix is a large matrix which is divided into some small rectangular matricies, whose elements are matrix blocks. The introduction of the block matrix makes it more convenient to use matrix, and more powerful to solve relevant problems. So the application of the block matrix is much wider. This paper mainly studies the block matrix and its application in the calculation of determinant, such as solving linear equations, calculating inverse matrix, proving theorem related to the rank of matrix , etc.Keywords Block matrix; Determinant; System of equations; Rank of a matrix11 ⎪1 引 言我们在高等代数中接触到矩阵后，学习了矩阵的相关性质，但是对于一些复杂高阶矩阵，我们希望能将问题简化. 考虑将矩阵分割为若干块，并将矩阵的部分性质平移至分块矩阵中，这样的处理往往会使问题简化.定义 1.1 [1] 分块矩阵是把一个大矩阵分割成若干“矩阵的矩阵”，如把 m ⨯ n 矩阵分割为如下形式的矩阵：⎛A 11A ⎫ 1n ⎪A m ⨯n = ⎪A m 1 A m n特别地，对于单位矩阵分块：⎝ ⎭ ⎛E 0 0 ⎫ ⎪ E n ⨯n = 0 0 0 ⎪ 0 E ⎝n n ⎭ 显然，这里我们认识的矩阵元素不再局限于数字，而是一个整体，这里的A 所代表的是大矩阵囊括的小矩阵，而小矩阵一般是我们熟知的常见矩阵.ij依照以上设想，有关矩阵性质的一些问题,我们可以考虑用分块矩阵的思路来解决.2.1 矩阵的相关概念2 分块矩阵在矩阵的学习中，我们学过一些最基本的概念，比如矩阵的行列式、矩阵 的秩、矩阵的逆、初等变换、初等矩阵等等.事实上，我们发现：分块后的矩阵同样用到这些概念.a 11 定义 2.1.1[2]n 级行列式a 21a 12 a 22 a 1n a 2n等于所有取自不同行不同列的a n 1 a n 2a nn 个元素的乘积a 1j a 2ja n j的代数和，这一定义又可写成:12na 11 a 21 a 12a 22a 1na 2n =(-1) (j 1j 2 j n )a aa .a n 1 a n 2a n∑j 1j 2 j n1j 1 2j 2n j n[2]定义 2.1.2向量组的极大无关组所含向量的个数称为这个向量组的的秩.所O I ⎪ ⎪ ⎪1谓矩阵的行秩就是指矩阵的行向量组的秩；矩阵的列秩就是矩阵列向量组的秩. 定义 2.1.3 [2] n 级方阵称为可逆的，如果有n 级方阵 B ，使得A B = A -1 .BA = E （这里 E 是n 级单位矩阵），那么B 就称为 A 的逆矩阵，记为定义 2.1.4 [3] 对分块矩阵施行下列三种初等变换： (1) 互换分块矩阵的某两行(列)；(2) 用一个非奇异阵左（右）乘分块矩阵的某一行(列)；(3) 用一个非零阵左(右)乘分块矩阵的某一行(列)加至另一行(列)上， 分别称上述三种初等行(列)变换为分块矩阵的初等行(列)变换. 定义 2.1.5 [3] m + n 2 ⨯ 2 ⎛I m O ⎫对 阶单位矩阵作 分块，即I m +n = O I ⎪ ，然后⎝ n ⎭对其作相应的初等变换所得到的矩阵称为分块初等矩阵. 分块矩阵具有以下形式：(1) 分块初等对换阵⎛I n O ；⎫ ⎝ m ⎭⎛P O ⎫ ⎛I m O ⎫(2) 分块初等倍乘阵 0 I ⎪ ， ⎪ ；⎝ n ⎭ (3) 分块初等倍加阵⎛I m R 1 ⎫ O I ⎝ 0 Q ⎭ ，⎛I m O ⎫ ； S I ⎝ n ⎭ ⎝ n ⎭其中 P , Q 分别是m 阶和n 阶可逆方阵，且R ∈ R m ⨯n ，S ∈ R n ⨯m为非零阵.2.2 矩阵的运算性质矩阵的运算包括加法、乘法、数乘，这里主要讨论矩阵的运算性质： 定义 2.2.1 [4] 矩阵加法：设A = (a ) ， B = (b ) 是两个同型矩阵，ij snij sn则矩阵C = (c i j )= (a i j+ b i j )称为 A 和 B 的和，记为C = A + B .元素全为零的矩阵称为零矩阵，记为O s n ，可简单记为O,对于矩阵 A 、 B ，有:(1) A + O = A(2) A + ( -A ) = 0(3) A - B = A + ( -B )(4) ( A + B ) + C = A + ( B + C )snsnn11 (5)A + B = 定义 2.2.2 [4] B + A矩阵乘法：设A = (a ) ，B = (b ) 是两个不同型矩阵，i k s nk j n m那么矩阵C = A B =(c i j )，称为矩阵 A 与 B 的乘积，其中：smc i j = a i 1b 1j + a i 2b 2j+ a i n b n j= ∑a i k b k jk =1在乘积的定义中，我们要求第二个矩阵行数和第一个矩阵列数相等.特别地，矩阵的乘法和加法满足以下性质：(1) A ( B + C ) = A B + A C(2) ( B + C )A = B A + C A(3) (A B )D =A (B D )⎛k a 11 k a 1k a 1 ⎫定义 2.2.3 [4] 矩阵数乘： k a 21k ak a 2n ⎪ ⎪A = (a ) 与 数 22 ⎪称为矩阵 ⎪⎪ ij sn k a k a k a ⎝ s 1 s 2 s n ⎭k 的数量乘积，记为kA ，有以下性质：(1) 1 * A = A ；(2) k(l A ) = (k l )A ;(3) k ( A + B )= kA + kB ;(4) (k + l )A = kA +lA ; (5) k (A + B ) = kA +kB .2.3 分块矩阵的初等变换性质我们对于分块矩阵，也有其运算性质：设 A 、 B 是m ⨯ n 矩阵，若对它们有相同的划分，也就有：⎛A 11 + B A 1t + B 1t ⎫ ⎪ 加法：A + B = ⎪ . ⎪ A + B A + B ⎪ ⎝ s 1 s 1 st st ⎭乘法：C = A B , 其中：∑ ⎪ 1 C i j = A i 1B 1j + A i 2B 2j+ + A i n B n j⎛k A 11k A 1 ⎫⎪ n= A i k B k j .k =1数乘：k A =⎪ .⎪ k Ak A⎝s 1 s t ⎭总结了矩阵的运算性质，我们主要看看分块矩阵初等变换性质：定义 2.3.1 [2] 由单位矩阵 E 经过一次初等变换得到的矩阵称为初等矩阵. 初等矩阵都是方阵，包括以下三种变换：(1) 互换矩阵 E 的i 行与 j 行的位置; (2) 用数域 P 中的非零数c 乘 E 的i 行; (3) 把矩阵 E 的 j 行的k 倍加到i 行.定义 2.3.2 [5] 将单位矩阵分块，并施行如下三种变换中的一种变换而得到的方阵称为分块初等矩阵:(1) 对调两块同阶的块所在的行或列; (2) 某一块乘以同阶的满秩方阵;(3) 某一块乘以一个矩阵后加到另一行上(假定这种运算可以进行).如：我们对分块矩阵⎛ A B ⎫进行相应变换，只要应用矩阵的计算性质，左乘对⎝C D ⎭ 应分块矩阵： ⎛ O E m ⎫ ⎛ A B ⎫ ⎪⎪⎛C D ⎫ ⎪ ⎝E n O ⎭ ⎝C D ⎭⎝ A B ⎭ ⎛P O ⎫ ⎛ A B ⎫ ⎛P A = P B ⎫ O E ⎪C D ⎪ ⎪⎝ n ⎭ ⎝⎭ ⎝ C D ⎭ ⎛E m O ⎫ ⎛ A B ⎫ ⎛ = A B⎫P E ⎪C D ⎪ ⎪C + P AD + P B⎝ n ⎭ ⎝⎭ ⎝ ⎭2.4 矩阵的分块技巧对矩阵的分块不是唯一的，我们往往根据问题的不同进行不同的分块，分块的合适与否，都对问题的解决至关重要，最常见的有四种分块方法[6] ：(1) 列向量分法，即A =(1,⎛ ⎫ ⎪, n )，其中j 为 A 的列向量.(2) 行向量分法，即A = ⎪ ，其中j 为 A 的行向量.⎪ ⎝ m ⎭=1⎪ (3)分两块，即A = (A 1, A 2 ),其中A 1 ,A 2 分别为A 的各若干列作成.或 A = ⎛B ⎫ ，其中B ，B 分别为 A 的若干行作成. B ⎪1 2 ⎝ 2 ⎭⎛C 1 C 2 ⎫(4) 分四块，即A =C C ⎪ .⎝ 3 4 ⎭我们在进行分块时，希望分割的矩阵块尽可能是我们所熟悉的简单矩阵，于是，我们有必要熟悉一些常见的矩阵.2.5 常见的矩阵块我们把高等代数中学习过的一些常见矩阵总结如下： （1） 单位矩阵：对角线元素都为1，其余元素为0 的n 阶方阵. （2） 对角矩阵：对角线之外的元素都为0 的n 阶方阵. （3） 三角矩阵：对角线以上（或以下）元素全为0 的n 阶方阵. （4） 对称矩阵：满足矩阵 A 的转置和 A 相等. （5） 若尔丹（Jordan ）块：形如⎛ 0 1 0 0 ⎫ 0 ⎪J ( ,t ) ⎪= ⎪0 0 ⎪ 0 0 0 1 ⎝ ⎭（6） 若尔丹形矩阵：由若干个若尔丹块组成的准对角矩阵, 其一般形状形如：⎛A 1 ⎫⎪ A 2⎪ ⎪ ⎪A ⎪ ⎝n ⎭在复杂矩阵中，找到这些矩阵块，会使计算简化.3.1 行列式计算的应用3 分块矩阵及其应用定理 3.1.1 [2] 拉普拉斯（Laplace ）定理:设在行列式 D 中任意取定了k 个 行.由这k 行元素所组成的一切k 级子式与它们的代数余子式的乘积的和等于行列式 D .事实上，行列式计算中的拉普拉斯定理就包括了矩阵分块的思想，它通过取k 级子式的方法，提取出矩阵内的矩阵块. 然而，在行列式计算中，行列式a ⎪ a 按行或列的展开更为常用. 这里，我们最常用到的是取列向量分块和行向量分块.例 3.1.1 [7] ：（爪形行列式）计算行列式：a 01 1 1 1 a 10 0 1 0 a 2 0 ,其中a i ≠ 0(i = 1, 2, , n ) .1 0 0 a n解:设Q =A D ,其中A = (a )C B a 1 B =，C = ( 1, 1, , 1)T ，D = ( 1, 1, , 1) .a n因为a i ≠ 0(i = 1, 2, , n ) ，所以 B 是可逆矩阵.-1⎛n 1 ⎫又易知: A - D B C = a 0 - ∑ ⎪ . ⎝ i =1 i ⎭根据分块矩阵乘法： ⎛ E0 ⎫ ⎛ A D ⎫ --1 ⎪ ⎪= ⎛A D ⎫-1 ⎝ C A E ⎭ ⎝C B ⎭ ⎝ 0 B - C A D ⎭A D -1 -1 ⎛ n 1 ⎫则：= AB - C A D =B A - D BC = a a a a-∑ a ⎪C B⎛n 1 ⎫ 12n 0⎝i =1 i ⎭故：原行列式=a 1a 2 a n a 0 - ∑ ⎪ . ⎝ i =1 i ⎭例 3.1.2 [7] ：(对角行列式)计算行列式：adH 2n= a d.c bcb解：令⎪ a x A =⎛a ⎫⎪ ，B = ⎛b ⎫⎪ ，C = ⎛ c ⎫ ⎛ ，D = d ⎫⎪ ⎪ ⎪ ⎪ ⎪ a ⎪ b ⎪ c ⎪ d ⎪ ⎝ ⎭ 为n 阶方阵. 由于a ≠ ⎝ ⎭ ⎝ ⎭ ⎝ ⎭ 0,故 A 为可逆方阵.⎛ b - c a -1d⎫⎪ 又易知：B - C A -1D =⎝ b - c a -1d ⎪ b - -1 ⎪ ca d ⎭故 H 2n= A D = C BAB - C A -1D = a n (b - c a -1d )n= (a b - c d )n .例 3.1.3 [8] ：设 A 、 B 、C 、 D 都是n 阶矩阵，证明当 AC = CA 时， A 可逆时，有A D= A B - C DC B⎛ A D ⎫ ⎛E -A 1D-⎛ A 0 ⎪ ⎫,证明：若 A 可逆，⎪ ⎪ =-1 ⎝C B ⎭ ⎝OE ⎭ ⎝C B - C A D ⎭A D故：=C BAB - C A -1D = A B - A C A-1D = A B - C D .注意到，这里计算分块矩阵行列式和计算一般数字矩阵行列式有所区别，不是简单的a d c b= a b - c d ，其矩阵块限制条件有所加强. 所以本例告诉我们，在矩阵分块以后，并非所有一般矩阵性质都可以应用到分块矩阵中.3.2 线性方程组的应用对于线性方程组，我们有以下四种表述： （1） 标准型：⎧a 11x 1 + a 12x 2+ + ax = b ⎪ 1nn 1⎨ax + ax + + a x = b ; ⎪a 21 x 1+ 22 2 + + 2n n a x = b ⎩ m1 1 m2 2 m n n m （2） 矩阵型：令A = ⎣a i j ⎦m ⨯n，x = (x 1, x 2, , x n )' ，B = (b 1, b 2, b m )' 方程组可以表述为： Ax = B ;（3） 列向量型：令2⎢a ⎥ ⎝O O⎪ ⎪ ⎪ ⎡a 11 ⎤ ⎢21 ⎥⎡a 12 ⎤⎥ 22 ⎡a 1n ⎤ ⎢ ⎥ = ， 1 ⎢ ⎥ 2 = ， ， ⎢ ⎥= ⎢a 2n ⎥ n ⎢ ⎥ ⎢ ⎥ ⎣a m 1 ⎦ ⎢ ⎥ ⎣a m 2 ⎦ ⎢ ⎥ ⎣a m n ⎦则方程组又可以表述为：x 11 + x22+ + x nn = B ;（4）行向量型： x ' + x ' + + x' = B ' .1 12 2n n可见，矩阵分块为我们解方程组提供了新的思路.事实上，在求齐次线性方程组系数矩阵的秩时，在判断非齐次线性方程组是否有解时，行列向量组的合理应用，使得问题解决更加便捷、明了.例 3.2.1：（齐次线性方程组）求解方程组：⎧ x 1 + 2x 2 2x ⎪ + x + 2x 3 - 2x + x 4 = 0 - 2x = 0 ⎨ 1 x -2x - 4x 3 - 3x 4=0 ⎩ 1 2 3 4 解：对系数矩阵施行行变换,并将结果用分块矩阵表示：⎛1 0 -25 ⎫ - 3⎪ ⎛ 1 2 2 1 ⎪⎫ ⎛ 1 2 2 1 ⎪⎫4 ⎪ ⎛E C ⎫ A = 2 1 -2 -2 0 -3 -6 -4 0 1 2 ⎪ = 2 ⎪ ⎪1 -1 -4 -3⎪ 0 -3 -6 -4⎪ 3 ⎪ 12 ⎭ ⎝ ⎭ ⎝ ⎭ 0 0 0 0 ⎪⎪ ⎝ ⎭R ( A ) = 2，基础解系含4 - 2 = 2 个.而方程又满足：相应的可以取：⎛E 2 C ⎫ ⎛1 ⎫ = ⎛ 0⎫⎪ ,⎝O 1 O 2 ⎭ ⎝2 ⎭⎝ 0⎭⎛ 5 ⎫ 2 3 ⎪ ⎛ -C ⎫⎪⎝ E 2 ⎭⎪ = -2 4 ⎪3 ⎪1 0 ⎪ ⎝ 0 1 ⎭-⎪ 0 3 ⎪⎭⎛ 2 ⎫ ⎛ 5 ⎫3 ⎪有通解： = k + k，其中= -2⎪1， =- ⎪ 4 ⎪ . 1 12 21 ⎪2 ⎪ ⎪ ⎝ 0 ⎭⎪ 1 ⎪ ⎝ ⎭例 3.2.2 [9] ：（非齐次线性方程组）求解方程组：⎧⎪ x 1 + 2x 2- 3x 4 + 2x 5 = 1 x - x - 3x + x - 3x = 2 ⎪ ⎨ 1 2 3 4 52x - 3x + 4x - 5x + 2x = 7 ⎪ 9x ⎩ 1= 25 解：我们分别对于方程组的系数矩阵和增广矩阵求秩：r ( A ) = 3，而r ( A ) = 4 , 故r ( A ) ≠ r ( A) . 从而方程组无解. ⎛ Λ45 -b ⎫事实上，我们可以利用分块矩阵叙述：经对分块矩阵 ⎝ E变换，都不能把最后一列变成0 ,所以该方程组无解.例 3.2.3：证明： n 阶方阵 A 的秩为n- 1，则r a n k ( A* )=1首先证明此例需要利用的一个引理： 4进行行列0 引理：A = (a i j )n ⨯n ，B = (b i j )n ⨯n ，r( A ) = r ，A B =0 ，则r ( B ) ≤ n - r证明：对矩阵 B 进行列向量的分块，B = (B 1, B 2, B n ) ,A B = 0 则有：A B i= 0 ，B i 是AX = 0 的解. 而A X =0 基础解系有n - r 个解.故：r ( B ) ≤ n - r 再证明本例： 因为r ( A )= n - 1，则 A = 0 ，A 至少有一个n -1级子式不为零,r a n k ( A* ) ≥ 1.而：A * =AE = 0 .利用引理得：r a n k ( A * ) ≤ 1，故r a n k ( A )=*.51 - 9 x +2 6x - 163 x4 + 2x 52 3 4 5⎝⎪ 1 2= ⎪ ⎪ 得证.3.3 求矩阵逆的应用我们在求矩阵逆的时候包括很多方法：利用定义求逆、利用伴随矩阵求逆、 利用初等变换求逆、混合采用初等行列变换求逆等等.这里我们统一用矩阵分块的思路来求矩阵的逆.例 3.3.1 [6] ：设 A 、 B 是n 阶方阵，若 A + B 与 A - B 可逆，试证明： ⎛ A B ⎫可逆，并求其逆矩阵. B A ⎭ ⎪ 解：令D = ⎛ A B ⎫，由假设知 A + B ≠ 0 , A - B ≠ 0B A ⎪ .那么：D =A B⎝ ⎭A +B B =A + BB= A + B A - B ≠ 0 .B AB + A AA - B即 D 可逆. 再令D -1 ⎛D 1= D 2⎫ , 由D -1 = E ，即：可得：D D ⎝ 3 4 ⎭⎛ A B ⎫ ⎛D D ⎫ ⎛E 0 ⎫ ⎪ ⎪⎪ ⎝B A ⎭ ⎝D 3D 4 ⎭ ⎝ 0E ⎭⎪⎧A D 1 + B D 3 = E B D + A D = 0⎪12⎨A D +B D = 0 B D 2 + A D 4 = E ⎩ 2 4将第一行和第二行相加、相减，得：⎪D + D = ( A + B )-1 ⎨1 3⎩D 1 - D 3= ( A - B )-1 解之得：D = 1 ⎡( A + B )-1 + ( A - B )-1 ,D = 1⎡( A + B )-1 - ( A - B )-11 2 ⎣⎦ 2 2 ⎣⎦类似地：D 2所以： = D 3 ,D 4= D 1 .⎛ A B ⎫-11 ⎛( A + B )-1 + ( A - B )-1 ( A + B )-1 - ( A - B )-1 ⎫⎪ = 2 -1 -1 -1-1 ⎪ . ⎝B A ⎭ ⎝( A + B ) - ( A - B )( A + B ) + ( A - B ) ⎭ =⎝⎭ ⎝ - ⎪⎪ ⎪0 例 3.3.2 [6] ：已知分块形矩阵M = ⎛ A B ⎫可逆，其中 B 为p ⨯ p 块， C 为C 0 ⎪ ⎝ ⎭q ⨯ q 块，求证： B 与C 都可逆，并求M-1 . 解：由0 ≠M = (-1)p qBC ，则： B ≠0 , C ≠ 0 ,即证 B 、C 都可逆.这里用分块矩阵的广义初等变换来求逆： ⎛ A B E p0 ⎫ → ⎛ A B E 0 ⎫ → ⎛ 0B E -AC -1 ⎫⎪ ⎪ -1 ⎪ -1⎝C 0 0 Eq ⎭ ⎝E 0 0 C ⎭ ⎝E 0 0 E ⎭→ ⎛ 0 E B -1-B -1A C -1 ⎫ → ⎛E 0 0 C-1 ⎫E 0 0 C-1⎪ 0 E B -1-B -1A C -1 ⎪ ⎭-1⎛C -1 ⎫故 ：M = B -1-B -1A C-1 ⎪ . ⎝⎭备注：本例和上例属于同一个类型的问题，但我们利用分块矩阵，可以有两种不同的方法来解决，待定系数法和广义初等变换都是求逆的有效方法.值得注意的是，在题目没有直接给出分块矩阵的情况时，我们要学会自己构造:⎛ 1 0 1 ⎫ 例 3.3.3 [10] ：求矩阵A = 2 1 0 ⎪的逆矩阵.⎝ ⎭ 解：构造矩阵：⎛ 10 1 1 00⎫⎪⎛ 1 0 1 1 0 0⎫⎪2 0 0 1 -2 -2 1 0 D = ⎛ A E ⎫= -3 1 0 0 1 2 -5 0 0 1⎪ → 0 2 -2 3 0 1⎪ ⎪⎪ ⎪ ⎝E O ⎭6⨯6 1 0 0 0 00 1 0 0 0 0⎪ 1 0 0 0 0 0⎪ 0⎪ 0 1 0 0 0 0⎪0 0 1 0 0 0 0 1 0 0 0 ⎝ ⎭ ⎝ ⎭⎛ 1 0⎫⎪ 00 1⎪ →1 0⎪ ⎛ 1 0 1 1 0 0⎫ 0 1 -2 -2 1 0 0 1⎪ → 1 0⎪⎪ ⎪ 0 0⎪ 0 0⎪ 00⎪ 0 0⎪ ⎝⎭ ⎝ ⎭ 0 1 1 0 1 -2 -2 1 0 2 7 -2 0 0 0 0 1 0 0 0 0 1 0 00 2 7 -2 0 -1 0 0 1 0 0 0 0 1 0 0- - ⎪ ⎝ ⎭ ⎝ ⎭1 ⎛ 1 0 0 1 0 0⎫⎪0 1 0 2 1 0 ⎛ 10 0 1 0 0⎪⎫ 0 1 0 2 1 0 0 0 17 -2 1⎪0 0 2 7 -2 1⎪1 ⎪→ ⎪ → 10 - 0 0 0⎪ .1 0 -1 0 0 0⎪2⎪ 0 1 2 0 0 0⎪ 00 10 01 0 0 0⎪0 0 1 0 0 0⎪⎝所以;⎭⎪⎝2⎭⎛1 0 1 ⎫ ⎛ 5 1 ⎫- 2 ⎪⎛ 1 0 0⎫ - 2 -1 - 2 ⎪ A -1 = 0 1 1 ⎪ -2 1 0⎪ = 5 -1 1 ⎪ . ⎪ ⎪ ⎪ 1 ⎪ 7 -2 17 1 ⎪ 0 0 2 ⎪ ⎝ ⎭ 2 -1 2 ⎪ 此方法在计算上并不简单，但是它把平常的单纯的一种变换变成了两种变换同时应用，把已知的可逆矩阵置于含单位矩阵的分块矩阵中，以此求逆矩阵， 有时比较简单.3.4 矩阵秩基本不等式矩阵理论中， 矩阵的秩是一个重要的概念，而矩阵经过运算后所得新矩阵 的秩往往与原矩阵的秩有一定关系. 现把高等代数书中有关矩阵秩最基本的不等式总结如下：（1）矩阵和的秩不超过两矩阵秩的和.即：设 A 、 B 均为m ⨯ n 矩阵，则：r ( A + B ) ≤ r(A ) + r ( B ) .（2）矩阵乘积的秩不超过各因子的秩.即：设 A 是m ⨯ n 矩阵 , B 是n ⨯ s 矩（3）r ⎛A B ⎫阵，则：r ( A B ) ≤≥ r ( A ) + r ( B ) . m i n {r ( A ) , r ( B )}.（4）r ⎝ 0 C ⎭ ⎪ ⎛A ⎫ ⎪⎪ ≥ A i j .A ⎪ ⎝ m ⎭再来介绍由分块矩阵证明导出的两个基本不等式例 3.4.1[11] ：（薛尔弗斯特不等式）设A = (a ) ，B = (b ) ，证明：ij s ⨯nij n ⨯mr a n k ( A B ) ≥ r a n k ( A ) + r a n k ( B ) - n⎪ 证明：由分块矩阵的乘积⎛ E n 0⎪ ⎫ ⎛E B ⎫ ⎪⎛E n -B ⎫⎛E n 0 ⎫ -A E A n0 0 E ⎪ = ⎪0 - ⎝ s ⎭ ⎝ ⎭ ⎝ 知：m ⎭⎝ A B ⎭ r a n k⎛E n B⎫ = r a n k (E ) + r a n k ( -A B ) = n + r a n k ( A B )A 0 ⎪n.⎝ ⎭但,r a n k⎛E nB ⎫ A 0⎪= r a n k⎛B E n ⎫ ≥ r a n k ( A ) + r a n k ( B ) ⎪故：得证.⎝⎭ ⎝ 0 A ⎭.n + r a n k ( A B )≥ r a n k ( A ) + r a n k ( B )备注：在矩阵秩不等式的证明过程中，我们往往会构造如下的分块矩阵： (1) 矩阵不等式中含两个不同矩阵：构造 ⎛A 0 ⎫⎪;⎝ 0 B ⎭(2) 矩阵不等式中含有两个不同矩阵及阶数：构造⎛ A E ⎫ ⎪ 或者 ⎛ A 0 ⎫ ⎪.⎝ 0 B ⎭ ⎝E B ⎭具体分块矩阵的元素则要看题目所给的条件.例 3.4.2 [6] ：（Frobenius 不等式）设 A 、 B 、C 是任意3 个矩阵，乘积ABC 有意义，证明：r ( A B C ) ≥ r ( A B ) + r ( B C ) - r ( B )证明：设 B 是n ⨯ m 矩阵，r ( B ) = r那么存在n 阶可逆阵 P ， m 阶可逆阵Q ，使B = ⎛Er0⎫ P ⎪ Q .⎝ 0 0⎭把 P 、Q 适当分块：P = (M , S ),Q =⎛N ⎫, 由上式有： T ⎝ ⎭故：r ( A B C )= r ( A M N C ) B = (M , S )⎛E r0⎫ ⎛N ⎫ = M N .⎪ ⎪ ⎝ 0 0⎭ ⎝T ⎭≥ r ( A M ) + r ( N C ) - r0 ≥ r ( A M N ) + r ( M N C ) - r ( B )得证.= r ( A B ) + r ( B C ) - r ( B ) .3.5 矩阵秩不等式证明的应用矩阵基本不等式的证明思路，在一般不等式中也常常用到， 以下例题是对矩阵秩不等式的推广及其应用：例 3.5.1[11] ：设 A 为m ⨯ k 矩阵， B 为k ⨯ n 矩阵，则证明：r a n k ( A )+r ank( B ) - k≤ r ank( AB) ≤ m i n {r a n k ( A ) , r a n k ( B )}证明：先证明右边的不等式，由：(A 0)(E k0 B ) = ( A A B ) ;E n可得：⎛E k A E 0⎪ ⎫ ⎛B ⎪⎫ = ⎛ B A B ⎫⎪ ,⎝m ⎭ ⎝ ⎭⎝ ⎭r a n k ( A ) =r ank( A 0) = r a n k ( A A B ) ≥ r a n k ( A B ) ;r a n k ( B ) = r a n k ⎛ B ⎫ = r a n k ⎛ B ⎫≥ r a n k ( A B ) .⎪ ⎪⎝ 0 ⎭ ⎝AB ⎭ 再证左边的不等式.注意到下列事实：⎛E m -A ⎫ ⎛ A 0 ⎫ ⎛E ⎪k -B ⎫ = ⎛ 0 -A B ⎫⎪ 0 E ⎪E B 0E⎪ E 0 ⎝k ⎭ ⎝ k 则：⎭ ⎝ n ⎭⎝ k ⎭0 ⎫⎛ 0r a n k ⎛ A ⎪ = r a n k-A B ⎫ ⎪于是：⎝E kB ⎭ ⎝E k0 ⎭⎛ A 0 ⎫r a n k ( A ) + r ank ( B ) ≤r ank ⎪ = r a n k ( -A B ) + r a n k (E k )= r a n k ( A B ) + k⎝E kB ⎭ 从而: r a n k ( A ) + r a n k ( B ) - k ≤ r a n k ( A B ) .这里也是用到构造矩阵的方法.例 3.5.2 [6] ：设n 阶矩阵 A 、 B 可交换，证明：r a n k ( A + B ) ≤ r a n k ( A ) + r a n k ( B ) - r a n k ( A B )→ → , ⎝ ⎭ 解：利用分块初等变换，有：⎛A O ⎫ ⎛A B ⎫ ⎛A + B B ⎫⎪ ⎪⎪ ⎝O B ⎭ ⎝O B ⎭ ⎝ B B ⎭ 因为 AB = BA ，所以：⎛ E O ⎫ ⎛A + B B ⎫ = ⎛A + B B ⎫ .B -A - ⎪ B ⎪ O- ⎪B B A B ⎝ 于是，有：⎭ ⎝ ⎭ ⎝ ⎭r a n k ( A ) + r a n k ( B )= r a n k⎛A + B B ⎫≥ r a n k ⎛A + B B ⎫B ⎪⎝ B ⎭ ⎝ ⎪O-A B ⎭即：r a n k ( A + B )得证.≥ r a n k ( A + B ) + r a n k ( A B ) .≤ r a n k ( A ) + r a n k ( B ) - r a n k ( A B ) .例 3.5.3：设 A 是n 阶方阵，且r ( A ) = r ( A 2 ,证明：对任意自然数k ,有r ( A k ) = r ( A )⎛A 2O ⎫证：构造分块矩阵 O A 2 ⎪，由 Frobenius 不等式： 2 2 2 ⎛A O ⎫ ⎛A 2 -A 3 ⎫ ⎛O -A 3 ⎫ 3 r ( A )+r( A ) ≤ r ⎪ = r A A 2 A O ⎪ = r A O ⎪ = r ( A ) + r ( A ) . 由：r ( A ) = r ( A 2 ) ⎝ ⎭ ⎝ ⎭ ⎝ ⎭所以，r ( A3 ) = r ( A 2 * A )≤ r ( A2 ) .故： r(A 2 ) = r ( A 3 .由此可推得：r ( A3) = r ( A 4) , r ( A4) = r ( A5 ) , .故：对任意自然数k , 有：r ( A k ) = r ( A ) .3.6 综合应用在掌握了分块矩阵的技巧之后，可以由其导出的一个重要的定理：特征多项式的降阶定理，以下主要讨论该定理及其结论的应用.例 3.6.1 [6] ：（特征多项式的降阶定理）设 A 是m ⨯n 矩阵， B 是n ⨯ m 矩阵. 证明: AB 的特征多项式f A B ( ) 与 BA 的特征多项式f B A( ) 有如下的关系：nm1 2 s证：先要把上式改写为：n f () =m f () .A BB AnE -m A B =mEE 1 Bn - B A .用构造法，设 ≠ 0 ，令： H =n.A E m⎛1 ⎫ ⎛E 1 B ⎫对 ⎛E n 0⎪ ⎫ E n B ⎪= n ⎪ ⎝ -A E⎪⎪ 1 ⎪ 两边取行列式得： n ⎭ A E⎝ m ⎭ 0 E - ⎝A B ⎪⎭ H = E -1 A B = 1 m E - A B .⎛E 1 B ⎫ ⎛E nm 0 ⎫⎛ 1( ) m1 B ⎫ 再对 n ⎪ -A E ⎪ E - B A ⎪ 两边取行列式得： ⎪ ⎪ = n⎪⎝ A E m ⎭⎝ n ⎭ ⎝ H = E -0 1B A = E m ⎭ 1 n E - B A .故： 1nE n- B A =1Em mn- A B() nmE n - B A = nE m - A B .上述等式是假设了 ≠ 0 ，但是两边均为的n + m 次多项式，有无穷多个值使它们成立（0）≠ ，从而一定是恒等式，即证.这个等式也称为薛尔弗斯特（Sylvester ）公式. 以下例题是定理的应用. 例 3.6.2 [6] ：设 A 为m ⨯ n 矩阵， B 为n ⨯ m 矩阵，证明： AB 与 BA 有相同的非零特征值.证：由定理：m E - B A = n E - A B .设 E m- A B = m -s (- ) ( - ) ( - ) ,其中12 m ≠么有：0 ，即 AB 有s 个非零特征值：1, 2, , s , 由上面两式,那nE - B A = ( - 1) ( - ) 2 (- )n- s s即证 BA 也只有s 个非零特征值：1, 2, , s .m∑ 例 3.6.3 [6] ：设 A 、 B 分别是m ⨯n 和n ⨯ m 矩阵，证明：t r A B = t r B A .解：由上例知，若E - A B = m -s ( - a ) ( - a )m1s其中a 1a 2 a s ≠ 0. 则 AB 的全部特征值为1 = a 1, , s= a s , s +1= = m = 0 ,且：E - B A = n -s ( - a ) ( - a ) .n1s即 BA 的全部特征值为:1 = a 1,2 = a2, ,s +1= = n = 0 .从而 t r A B =sa ii=1=t r B A .可见，在一些问题中，直接利用特征多项式的降阶定理会更加方便处理，这里则要求我们对分块矩阵的了解更加深刻.结论本文主要通过“分块矩阵、分块矩阵及其应用”两个部分，分别简单介绍了分块矩阵的性质概念、导出的定理结论和相关应用.主要是将分块矩阵的技巧和推广做了一个内容的总结.本文简单的将矩阵工具应用于计算行列式、解决线性方程组、求矩阵的逆、证明矩阵秩的相关定理等，对应不同问题也举了几个重要的应用以及它们的综合应用.将以前出现的矩阵思想整体化，并对相关知识也做了一个系统的复习.最后，本文还有一些不足之处，有待于进一步的改善和提高.参考文献[1] 上海交通大学线性代数编写组. 线性代数[M]. 高等教育出版社, 1982. [2] 北京大学. 高等代数{M}. 高等教育出版社, 1998.[3] 高百俊. 分块矩阵的初等变换及其应用[J]. 伊犁师范学院学报, 2007(4):14-18.[4]张红玉, 魏慧敏. 矩阵的研究[M]. ft 西人民出版社, 2010.[5]雷英果. 分块初等方阵及其应用[J].工科数学, 1998, 14(4):150-154. [6]钱吉林. 高等代数题解精粹(第二版)[M]. 中央民族大学出版社, 2010.[7] 王莲花, 李念伟, 梁志新. 分块矩阵在行列式计算中的应用[J]. 河南教育学院学报(自然科学版), 2005, 14(3):12-15.[8] 张贤科, 许甫华. 高等代数学[M]. 清华大学出版社, 1998:91-96.[9]杨子胥. 高等代数习题集[M]. ft东科学技术出版社, 1981.[10]鲁翠仙. 分块矩阵在求矩阵逆的应用[D]. 云南:云南大学数学系数学研究所,2009：14-15.[11]刘丁酉. 高等代数习题精解[M].中国科学技术大学出版社, 1999.“”“”At the end, Xiao Bian gives you a passage. Minand once said, "people who learn to learn are very happy people.". In every wonderful life, learning is an eternal theme. As a professional clerical and teaching position, I understand the importance of continuous learning, "life is diligent, nothing can be gained", only continuous learning can achieve better self. Only by constantly learning and mastering the latest relevant knowledge, can employees from all walks of life keep up with the pace of enterprise development and innovate to meet the needs of the market. This document is also edited by my studio professionals, there may be errors in the document, if there are errors, please correct, thank you!。

分块矩阵及其应用【摘要】矩阵论是代数学中是一个重要的组成部分和主要的研究对象。

而分块矩阵可以降低较高级数的矩阵级数，使矩阵的结构更加清晰，从而使矩阵的相关计算简化，并且可以证明一些与矩阵有关的问题。

本文详细且全面论述了分块矩阵阵的概念、分块矩阵的运算和其初等变换，而且证明了矩阵的分块在高等代数中的应用，包括用分块矩阵证明矩阵秩的问题，用分块矩阵求行列式问题，用分块矩阵求逆矩阵的问题,分块矩阵相似的问题。

【关键词】：分块矩阵；矩阵的秩；逆矩阵；行列式目录1引言 (2)2矩阵分块的定义和性质 (2)2.1 矩阵分块的定义 (2)2.2 分块矩阵的运算 (2)2.3 分块矩阵的初等变换 (3)2.4 n阶准对角矩阵的性质 (3)3分块矩阵在高等代数中的应用 (4)3.1 分块矩阵在矩阵的秩的相关证明中的应用 (4)3.2 利用分块矩阵计算行列式 (7)3.3 分块矩阵在求逆矩阵方面的应用 (11)3.4 分块矩阵在解线性方程组方面的应用 (16)4总结 (19)参考文献 (20)1 引言矩阵是高等代数中的一个重要内容，也是高等数学的很多分支研究问题的工具。

在学习高等代数的时候常常碰到一些很难的问题，我们要经常用到矩阵的分块去解决，它可以使矩阵的结构更简单，从而使问题的解决更简明。

比如当我们处理阶数较高或具有特殊结构的矩阵时，用处理一般低阶矩阵的方法，往往比较困难，为了研究问题的方便，也为了显示出矩阵中某些部分的特性，我们常把一个大型矩阵分成若干子块，把每个子块看作一个元素，从而构成一个分块矩阵，这是处理矩阵问题的重要技巧。

利用矩阵的分块，可以把高阶矩阵划分成阶数较低的“块”，然后对这些以“块”为元素的矩阵施行矩阵的运算。

本文就分块矩阵的加法、乘法、转置、初等变换等运算性质，及分块矩阵在证明矩阵相关秩的问题、矩阵求逆、行列式展开计算等方面的应用作了较为深入的研究。

矩阵的分块能使矩阵的一些证明和计算变的非常简洁和快速，易于理解和掌握，而且能开拓思维，提高灵活应用知识解决问题的能力。

分块矩阵及其运用摘要分块矩阵是高等代数中的一个重要内容，是处理阶数较高的矩阵时常采用的技巧，也是数学在多领域的研究工具。

对矩阵进行适当分块，可使高阶矩阵的运算可以转化为低阶矩阵的运算，同时也使原矩阵的结构显得简单而清晰，从而能够大大简化运算步骤，或给矩阵的理论推导带来方便。

有不少数学问题利用分块矩阵来处理或证明，将显得简洁、明快。

本文先介绍了分块矩阵的概念、运算，几类特殊的分块矩阵，讨论了分块矩阵的初等变换，接着介绍了分块初等矩阵及其性质，最后分类举例说明了分块矩阵在高等代数中的一些应用，包括在在行列式计算中的应用，在证明矩阵秩的问题中的应用，在矩阵求逆问题中的应用，在解线性方程组问题中的应用，在线性相关性及矩阵分解中的应用，在特征值问题中的应用，在相似与合同问题中的应用以及在其他问题中的应用等。

大量的例体现了矩阵分块法的基本思想，说明了应用分块矩阵可以使高等代数中的很多计算与证明问题简单化，所以了解分析并掌握分块矩阵的性质与应用及相关的技巧是非常必要的。

关键词矩阵分块矩阵初等变换应用Block Matrix and its ApplicationAbstract:Matrix is an important concept in high algebra，it's often used to deal with high order matrix and it's an instrument of math in many fields.Dividing matrix in a proper way can turn the operation of high order matrix into the operation of a low order matrix.At the same time，it makes the structure of the original matrix look simple and clear，so it can simplify the steps of the operation a lot or bring the convenience for the theory derivation of matrix.A lot of math problems solved or proved by using block matrix appears concise.At the beginning，this paper introduces the concepts and operations of block matrix and some special kinds of block matrix，then，it discusses the elementary transformation of block matrix and introduces the elementary block matrix and it's natures.At last，it explains the use of block matrix in high algebra by making examples in several kinds，including the use in the calculation of determinant，the testify of the problem of the rank of matrix，the answer of the inverse of matrix，the answer of system of linear equations，the linear correlation and the dividing of matrix，the problem of the eigenvalue，the similar matrix and Contract matrix and so on.A lot of example shows the basic theory of block matrix，It shows that using block matrix can make the calculation and the testify in high algebra easier.It is necessary that we must learn and analyse and grasp the skill of block matrix which is an important concept in high algebra.Key words: matrix block matrix elementary transformation application目录1前言 (1)2分块矩阵 (1)2.1分块矩阵的定义 (1)2.2分块矩阵的运算 (2)2.2.1加法 (2)2.2.2数乘 (2)2.2.3乘法 (2)2.2.4转置 (4)2.3两种特殊的分块矩阵 (4)2.3.1分块对角矩阵 (4)2.3.2分块上（下）三角形矩阵 (5)2.4两种常见的分块方法 (6)2.5分块矩阵的初等变换 (7)2.6分块初等矩阵及其性质 (7)3分块矩阵的应用 (8)3.1在行列式计算中的应用 (9)3.2在证明矩阵秩的问题中的应用 (17)3.3在逆矩阵问题中的应用 (25)3.3.1解线性方程组法 (26)3.3.2初等变换法 (27)3.3.3三角分解法 (29)3.4在解线性方程组问题中的应用 (30)3.4.1齐次线性方程组 (30)3.4.2非齐次线性方程组 (31)3.5在线性相关性及矩阵分解中的应用 (34)3.5.1关于矩阵列（行）向量的线性相关性 (34)3.5.2矩阵的分解 (34)3.6在特征值问题中的应用 (35)3.7分块矩阵在相似问题中的应用 (37)3.8分块矩阵在合同问题中的应用 (38)3.9分块矩阵在矩阵分解中的应用 (40)3.10分块矩阵的其他应用 (41)4结束语 (42)参考文献 (43)致谢 (44)1 前言矩阵作为重要的数学工具之一，有极其实用的价值。

分块矩阵的应用相关例题分块矩阵是为了简化矩阵的运算而产生的一种工具，在处理高阶矩阵的时候，可以将大矩阵看成是由一些小矩阵组成的，这就将矩阵中的元素由数扩展为矩阵，在运算时，把这些小矩阵当作数来处理，这就是分块矩阵的运算。

分块矩阵的运算在形式上和数字矩阵完全一样，在本文中不再叙述。

本文主要列举了分块矩阵在高等代数课程中的若干应用。

分为三章，第一章讲了分块矩阵在化简运算方面的应用，包括对矩阵乘法新的理解和Gramer 法则的证明。

第二章讲了分块矩阵的思想在证明一些经典定理中的应用，主要证明了Cayley-Hamilton 定理和齐次线性方程组解的结构定理。

第三章列举了一些运用分块矩阵的例题。

关键词：高等代数；分块矩阵；化简运算。

1.1 例题1.1.1 例题1：给定n m ⨯矩阵A ,试求出下面矩阵方程的通解：''A X X A =.解：设矩阵A 的秩为r .已知存在n 阶非异方阵P 和m 阶非异方阵Q ,使得000rEPAQ ⎛⎫=Λ= ⎪⎝⎭. 由此可知11A P Q --=Λ,所以1111()''P Q X X P Q ----Λ=Λ,即1111(')'(')'Q P X X P Q ----Λ=Λ.等式两边左乘以'Q ,再右乘以Q ,于是等式变成111'()'''(()')'P XQ Q X P P XQ ---Λ=Λ=Λ.利用矩阵的分块,将n m ⨯矩阵1()'P XQ -和Λ同法分块,即记111212122()'Y Y P XQ Y Y -⎛⎫= ⎪⎝⎭,于是有 1112112121221222''00''0000rr Y Y Y Y EE Y Y Y Y ⎛⎫⎛⎫⎛⎫⎛⎫= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭. 因此 11111212'0'000Y Y Y Y ⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭,即120Y =,1111'Y Y =.所以11121220()'YP XQ Y Y -⎛⎫= ⎪⎝⎭,1111'Y Y =.这证明了所求的n m ⨯矩阵X 可表为11121220'Y X P Q Y Y -⎛⎫= ⎪⎝⎭,1111'Y Y =.反之,任意上面形式的n m ⨯矩阵X ,只要r 阶方阵适合条件1111'Y Y =,则''A X X A =.故求出了矩阵方程''A X X A =的通解.1.1.2 例题2：设,A B 分别为数域F 上的m 阶方阵和n 阶方阵,C 为数域F 上秩为r 的m n ⨯阶矩阵,其中m n >且AC CB =.证明：A 与B 至少有r 个公共特征值,且1>若A 与B 的特征多项式互素,则0C =.2>若C 为列满秩矩阵,则B 的特征值全部为A 的特征值. 证明：首先对特殊的C 进行证明,假设000rI C ⎛⎫= ⎪⎝⎭,11122122A A A A A ⎛⎫= ⎪⎝⎭,11122122B B B B B ⎛⎫= ⎪⎝⎭, 则 112100A AC A ⎛⎫= ⎪⎝⎭,111200B B CB ⎛⎫=⎪⎝⎭. 由AC CB =得1111A B =,210A =,120B =.显然,A 和B 至少有r 个相同的特征值.现在来证明一般情形.因为C 的秩等于r ,不妨设000rE C P Q ⎛⎫=⎪⎝⎭,其中P 是m 阶可逆矩阵,Q 是n 阶可逆矩阵,则000000rrEE AC AP Q CB P QB ⎛⎫⎛⎫=== ⎪ ⎪⎝⎭⎝⎭.于是 11000000rr EE P AP QBQ --⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭. 由前面的证明,1P AP -和1QBQ -至少有r 个相同的特征值,因此A 和B 至少有r 个相同的特征值.1>A 与B 的特征多项式互素,说明A 与B 有零个公共特征值,则矩阵C 秩为零,所以0C =.2>若C 为列满秩矩阵,即C 的秩为n ,则A 与B 至少有n 个公共特征值,又因为B 是n 阶方阵,故B 的特征值全部为A 的特征值.1.1.3 例题3：令A ,B ,C 为数域F 上的n 阶方阵,A 可逆,并且0i CB CA B ==,1,2,,i n =.证明：A B C A ⎛⎫⎪⎝⎭可逆,并求其逆矩阵.证明：先证()()r C r B n +=的情形.设()r C r =,我们知道存在n 阶可逆矩阵P 和Q ,使得 000rEPCQ ⎛⎫= ⎪⎝⎭,1112112122B B Q BP B B --⎛⎫= ⎪⎝⎭,111212122A A Q AQ A A -⎛⎫= ⎪⎝⎭, 其中矩阵分块方式都遵照PCQ 的形式. 由条件0i CB CA B ==,1,2,,i n =.及分块矩阵运算可知110B =,120B =.()()122122122221220i A B B A A B B ==,1,2,,1i n =-. (7)则可记 11121212221221000000**0**r A A A B Q A A B B Q M C A P E P --⎛⎫ ⎪⎛⎫⎛⎫⎛⎫ ⎪==⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭ ⎪⎝⎭, 其中1****PAP -⎛⎫= ⎪⎝⎭.由于11()()r Q BP r B n r --==-和式(7)知,()2122B B 中存在()()n r n r -⨯-可逆矩阵022B 使得012220A B =,则120A =.所以11122det()det()det()0Q AQ A A -=⋅≠,则11A 可逆.于是我们可以对M 左乘初等行变换矩阵1P ,使得1112122212211100000000**0**A A B Q A A B B Q PM P C A P P --⎛⎫⎪⎛⎫⎛⎫⎛⎫ ⎪==⎪ ⎪⎪⎪⎝⎭⎝⎭⎝⎭ ⎪⎝⎭, (8) 故 1121det()det()det()det()0PM Q AQ PAP A --=⋅=≠, 这就说明det 0A B C A ⎛⎫≠ ⎪⎝⎭,A B C A ⎛⎫⎪⎝⎭可逆得证.由于以上对A B C A ⎛⎫ ⎪⎝⎭的操作都是可逆的,并且上三角可逆矩阵0a b c ⎛⎫⎪⎝⎭的逆矩阵是11110a a bc c ----⎛⎫- ⎪⎝⎭,则可以求出A B C A ⎛⎫⎪⎝⎭的逆矩阵,对之后讨论的情形,求逆矩阵方式都类似,不再赘述.我们还是把重点放在证明上. 下面证()()r C r B n +<的情形.易知()0r C =或()0r B =时结论一定成立,设()0r C r =>,()0r B s =>. 我们先从简单情形入手,令3n =,1r =,1s =,这时1112212221221000**0**a A A A B B M E ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭, 可对其进行初等行变换消去()2122B B 的一行并对M 进行初等列变换让33b 为可逆量(此时即非零量)11121313233100000**0**00**a A M b b b E ⎛⎫⎪⎪⎪= ⎪⎪ ⎪⎝⎭,即111213222321133331000****0**00**a a a a a a M a b E ⎛⎫⎪⎪ ⎪=⎪⎪ ⎪⎝⎭,其中*代表无关紧要的量.由条件式(7)计算后可知130a =,12230a a =,1222230a a a =.若120a =,则110a ≠,经初等行变换可消去1E ,得类似式(8)的11222321233330000000****00**00**a a a a M a b ⎛⎫ ⎪⎪⎪= ⎪ ⎪ ⎪⎝⎭,随即得证.若230a =,则330a ≠,经初等列变换消去()2122B B 的最后一行,得到1112222123310000000**0000**00**a a a a M a E ⎛⎫ ⎪⎪⎪= ⎪ ⎪ ⎪⎝⎭,类似之前的讨论也可证明结论成立.到此3n ≤时结论成立.以上讨论是从求C 的等价标准型的角度出发,若从求B 的等价标准型开始,也能得到以上结论,也就是说C 和B 有某种“对称性”,所以我们只考虑()()r C r B ≤的情形.再证一下4n =的情形,则需要考虑的有两种情况：()()1r C r B ==或()1r C =,()2r B =.()()1r C r B ==时,对M 进行类似之前的处理后得111222214414410000*****0**00**a A A Ab M a E ⨯⨯⨯⎛⎫ ⎪ ⎪⎪= ⎪ ⎪ ⎪⎝⎭, 其中m n A ⨯代表矩阵A 中的m n ⨯小矩阵. 由条件式(7)计算后可知12210A A ⨯⨯=,1222210i A A A ⨯⨯⨯=,1,2i =. (9)若120A ⨯=或210A ⨯=,则对应的11a 可逆或33a 可逆,则进行适当的初等行变换或列变换就得到我们想要的式(8)或“对称”的类似式,总之都能得证.反之,1221()()1r A r A ⨯⨯==,对1M 中12A ⨯所在的列进行初等列变换,对21A ⨯所在的行进行初等行变换,得111222233334442441000000*******0**00**a a a a a ab M a E ⎛⎫ ⎪ ⎪ ⎪=⎪ ⎪ ⎪ ⎪ ⎪⎝⎭, 由条件式(9)得230a =,22330a a =,2232330a a a =,则220a =或330a =,对应的进行初等行变换或列变换可以消去12a 或34a ,进而可消去1E 或44b ,进而可证结论成立.()1r C =,()2r B =时, 对M 进行类似之前的处理后得1112221222122100000****0**00**a a a A B M A E ⨯⨯⨯⎛⎫ ⎪⎪⎪= ⎪⎪ ⎪⎝⎭,由条件式(7)知12120a A ⨯=,由此说明120a =或120A ⨯=,则类似之前讨论,可证结论成立.最后证一般情形,处理后的()()()()()()()000000**00**rrr n r s n r s n r s n r s sn r rs n r s ss s n r s ss sr rA A A A AA AB B M B E ⨯----⨯----⨯-⨯⨯--⨯--⎛⎫⎪ ⎪ ⎪=⎪ ⎪ ⎪⎝⎭, 其中ss B 是可逆矩阵. 由条件式(7)可得()()()()()()0i r n r s n r s s r n r s n r s n r s n r s s A A A A A ⨯----⨯⨯----⨯----⨯==,1,2,,2i n =-. (10)若()0r n r s A ⨯--=或()0n r s s A --⨯=,则对应的rr A 可逆或ss A 可逆,则进行适当的初等行变换或列变换就得到我们想要的式(8)或“对称”的类似式,总之都能得证.反之,我们可以继续对()()()(),,r n r s n r s n r s n r s s A A A ⨯----⨯----⨯仿照矩阵,,C A B 的形式进行分块,经过适当处理后可得到()()n r s n r s A --⨯--中类似式(10)的条件式,并重复上述判别,若能消去()r n r s A ⨯--或()n r s s A --⨯中对应的类似“r E ”或“ss B ”的矩阵,则能消去r E 或ss B ,进而证明结论.不行的话就对新得到的条件式中的相应矩阵再分块…,由于n 是有限数,如此进行下去,最终能得到条件0LN =,而其中一定有一个矩阵是一阶的,也就是一定有0L =或0M =,再经过适当行变换列变换可使M 变成类似式(8)的矩阵,从而结论得证.。