H矩阵的性质

向量与矩阵的基本运算与性质向量与矩阵是线性代数的基础概念，它们在数学和物理领域中扮演着重要的角色。

本文将介绍向量与矩阵的基本运算以及它们的性质。

一、向量向量是具有大小和方向的量，通常表示为一个有序的实数列表或箭头。

向量可以用于表示力、速度、加速度等概念。

在线性代数中，向量通常表示为一个列向量或行向量。

1. 向量的表示向量可以用单个变量加上一个箭头表示，例如a→。

在文本中，向量通常以粗体字母表示，例如a。

2. 向量的加法向量的加法是指对应位置上的元素相加得到新的向量。

设有两个n 维向量a=(a1,a2,...,aa)和a=(a1,a2,...,aa)，则它们的和为：a+a=(a1+a1,a2+a2,...,aa+aa)3. 向量的数量乘法向量的数量乘法是指将向量的每个元素与一个实数相乘得到新的向量。

设有一个n维向量a=(a1,a2,...,aa)和实数a，则其数量乘积为：aa=(aa1,aa2,...,aaa)4. 向量的点积向量的点积，也称为内积或数量积，是两个向量对应位置上的元素相乘再相加的结果。

设有两个n维向量a=(a1,a2,...,aa)和a=(a1,a2,...,aa)，则它们的点积为：a·a=a1a1+a2a2+...+aaaa二、矩阵矩阵是一个二维数组，通常用于表示一组数据或线性变换。

矩阵由行和列组成，行表示矩阵的水平方向，列表示矩阵的垂直方向。

1. 矩阵的表示矩阵通常以大写字母表示，例如a、a。

一个m行n列的矩阵可以表示为：a=⎡⎢⎢⎢⎢⎢⎣a11 a12 ⋯a1a a21 a22 ⋯a2a⋮⋮⋱⋮aa1 aa2 ⋯aaa⎤⎥⎥⎥⎥⎥⎦2. 矩阵的加法矩阵的加法是指对应位置上的元素相加得到新的矩阵。

设有两个m 行n列的矩阵a和a，则它们的和为：a+a=⎡⎢⎢⎢⎢⎢⎣a11+a11 a12+a12 ⋯a1a+a1a a21+a21a22+a22 ⋯a2a+a2a⋮⋮⋱⋮aa1+aa1 aa2+aa2 ⋯aaa+aaa⎤⎥⎥⎥⎥⎥⎦3. 矩阵的数量乘法矩阵的数量乘法是指将矩阵的每个元素与一个实数相乘得到新的矩阵。

矩阵的基本性质矩阵A的第A第A列的元素为A AA。

我们A A或（A）表A×A的单位矩阵。

1.矩阵的加减法（1）A=A±A,对应元素相加减（2）矩阵加减法满足的运算法则a.交换律：A+A=A+Ab.结合律：(A+A)+A=A+（A+A）c.A+A=Ad.A−A=A2.矩阵的数乘（1）A=A A，各元素均乘以常数（2）矩阵数乘满足的运算法则a.数对矩阵的分配律：A(A+A)=A A+A Ab.矩阵对数的分配律：(A+A)A=A A+A Ac.结合律：(AA)A=A(A A)d.A?A=A3.矩阵的乘法（1）A=A A×A A A×A，左行右列对应元素相乘后求和为C的第A行第A列的元素（2）矩阵乘法满足的运算法则a.对于一般矩阵不满足交换律，只有两个方正满足且有AA=AA=Ab.分配律：A(A+A)=AA+AAc.结合律：(AA)A=A(AA)d.数乘结合律：A(AA)=A(A A)4.矩阵的转置A A, (A A)AA=A AA（1）矩阵的幂：A1=A,A2=AA,…,A A+1=A(A A)（2）矩阵乘法满足的运算法则a. (A A)A=Ab. (A+A)A=A A+A Ac. (A A)A=A(A A)d. (AA)A=A A A A5.对称矩阵：A A=A即a AA=a AA；反对称矩阵：A A=−A即a AA=−a AA （1）设A,A为（反）对称矩阵，则A±A仍是（反）对称矩阵。

（2）设A,A为对称矩阵，则AA或AA仍是对称矩阵的充要条件AA=AA。

（3）设A 为（反）对称矩阵，则A A ，A A 也是（反）对称矩阵。

（4）对任意矩阵A ，则A ≡12(A +A A ),A ≡12(A +A A )分别是对称矩阵和反对称矩阵且A =A +A . （5）(A A )A =A6. Hermite 矩阵：A A =A 即a AA =a AA ̅̅̅̅̅̅̅；反Hermite 矩阵，A A =−A 即a AA =−aAA ̅̅̅̅̅̅̅ a.A A =(A̅)Ab. (A +A )A =A A +A Ac. (A A )A =A ̅̅̅(A A )d. (AA )A =A A A Ae. (A A )A =Af. (A A )−A =(A −A )A （当A矩阵可逆时）7.正交矩阵：若A A A =A A A =A ,则A ,(A )∈A A ×A 是正交矩阵 （1）A −A =A A ∈A A ×A （2）det A =±1（3）AA , AA ∈A A ×A8.酉矩阵：若A A A =A A A =A ,则A ,(A )∈A A ×A 是酉矩阵 （1）A −A =A A ∈A A ×A（2）|det A |=1（3）AA , AA ∈A A ×A （4）A A ∈A A ×A9.正规矩阵：若A A A =A A A ,则A 是正规矩阵；若A A A =AA A ,则A 是实正规矩阵10.矩阵的迹和行列式（1）AA (A )=∑A AA A A =A =∑A A A A =A 为矩阵A 的迹；|A |或det ?(A )为行列式（2）AA (AA )=AA (AA )；注：矩阵乘法不满足交换律 （3）AA (AAA )=AA (AAA )=AA (AAA ) （4）A =AAA ?, A 为酉矩阵，则AA (A )=AA (A ) （5）|A A +AA A |=|A A +A A A | （6）|A A +AA A |=|A A +A A A | （7）|A A |=|A | （8）|A A |=A A |A | （9）|AA |=|A ||A |（10）det ?(A +AA )=det ?(A +AA ) （11）|A |=∏A A A A =A（12）A=log[det(A A+AAA∗)],A=AA A A，则A=∑log(1+AAA A)AA=1其中A A为AA∗奇异分解值的特征值11.矩阵的伴随矩阵A∗（1）设A={A AA}由行列式|A|的代数余子式A AA所构成的矩阵（2）AA∗=A∗A=|A|A12.矩阵的逆（逆矩阵是唯一的）（1）A的逆矩阵记作A−A,AA−A=A−A A=A;（2）|A|≠0（A为非奇矩阵）时，A−A=A|A|A∗（3）|A|≠0且A≠0，则(A A)−A=1AA−A（4）由AAA−A A−A=A，得(AA)−A=A−A A−A（5）(A A)−A=(A−A)A（6）若|A|≠0，|A−A|=A|A|（7）若A是非奇上（下）三角矩阵，则A−A也上（下）三角矩阵（8）A−A=(A−A)A（9）(A−A+A A A−A A)−A A A A−A=AA A(AAA A+A)−A （10）(A+AA)−A A=A(A+AA)−A（11）Woodbury 恒等式 :(A +AA −A A )−A=A −A −A −A A (A +AA −A A )−A AA −A （12）A −A =A ∧−1A A12.对角矩阵，矩阵A 为对称矩阵，A 正交矩阵，则A −A AA =AAAA (A A ?,A A )为对角矩阵或A −A AA =A A AA =AAAA (A A ?,A A )=∧，则A =A ∧A A =∑A A A A A A A A A =A ; A −A =A ∧−1A A =∑1A AA A A A A A A =A13.矩阵的导数（1）??A (AA )=?A?A A +A ?A?A （2）??A (A −A )=−A −A ?A?A A −A （3）??A AA |A |=AA (A −A ?A?A ) （4）??AAAAA (AA )=A AA（5）?AA (AA )=A A （6）??A AA (A A A )=A （7）??A AA (A )=A（8）??A AA (AAA A )=A (A +A A ) （9）??A AA |A |=(A −A )A。

矩阵相似的性质
矩阵相似的性质有反身性、对称性、传递性等。

1、在线性代数中，相似矩阵是指存在相似关系的矩阵。

设A，B为n阶矩阵，如果有n阶可逆矩阵P存在，使得P^(-1)AP=B，则称矩阵A与B相似，记为A~B。

两者的秩相等，两者的行列式值相等，两者的迹数相等，两者拥有同样的特征值，尽管相应的特征向量一般不同，两者拥有同样的特征多项式。

2、矩阵指在数学中，按照长方阵列排列的复数或实数集合，最早来自于方程组的系数及常数所构成的方阵，是高等代数学中的常见工具，其运算是数值分析领域的重要问题。

将矩阵分解为简单矩阵的组合，可以在理论和实际应用上简化矩阵的运算。

3、矩阵就是线性空间中的元素。

行列式就是矩阵的一个性质，数学中的行列式的概念已经被边缘化了，行列式可以说在实际应用中只是一个矩阵的算出来的，很有些用处的值，因为行列式值有正负，而模作为一种距离度量要求是非负的。

与向量模长相似的概念应该是范数。

正定矩阵和实对称矩阵正定矩阵是线性代数中一个很重要的概念，与之相关的概念还有实对称矩阵。

本文将详细介绍正定矩阵和实对称矩阵的定义、性质以及它们之间的关系。

1.正定矩阵的定义在矩阵理论中，正定矩阵是一种特殊的方阵，具有一些重要的性质。

对于一个n阶矩阵A，如果对于任意非零向量x，都有x^T*A* x>0，那么矩阵A就被称为正定矩阵。

其中，x^T表示向量x的转置，"*"表示矩阵的乘法。

2.正定矩阵的性质正定矩阵具有以下重要性质：-正定矩阵的特征值都是正数。

这是正定矩阵的一个重要性质，可以通过特征值分解来证明。

-正定矩阵的行列式大于0。

正定矩阵的行列式可以看作是矩阵的所有特征值的乘积，由于特征值都是正数，所以行列式也必然大于0。

-正定矩阵的逆矩阵也是正定矩阵。

逆矩阵的定义与正定矩阵的性质相呼应，两者之间存在密切的关联。

3.实对称矩阵的定义实对称矩阵是指对于一个矩阵A，它的转置矩阵等于它本身，即A^T=A。

实对称矩阵在应用中具有很多重要的特性和性质。

4.实对称矩阵与正定矩阵的关系实对称矩阵和正定矩阵之间存在着紧密的关系。

事实上，一个实对称矩阵是正定矩阵的充分条件是它的所有特征值都是正数。

这可以通过特征值分解和正定矩阵的定义进行证明。

5.应用领域正定矩阵和实对称矩阵在数学和工程领域中都有广泛的应用。

在最优化问题中，正定矩阵是一类重要的关键性质，它们被广泛应用于凸优化、线性规划等领域。

实对称矩阵在物理学、力学、信号处理等领域中也有重要的应用。

本文介绍了正定矩阵和实对称矩阵的定义、性质以及它们之间的关系。

正定矩阵具有特征值全为正数、逆矩阵也是正定矩阵等重要性质；实对称矩阵是指转置矩阵等于本身的矩阵。

实对称矩阵的所有特征值为正则可以称之为正定矩阵。

正定矩阵和实对称矩阵在数学和工程领域中有广泛的应用，对于最优化问题、物理学、力学等领域具有重要意义。

矩阵特征值的性质
矩阵特征值的性质如下：
1. 特征值定义：矩阵的特征值是特定的标量，它们可以使矩阵的所有元素变成零。

特征值可以用来确定矩阵的形状和性质。

2. 特征值定理：对于任意一个mxn矩阵A，都可以找到m个特征值。

这m个特征值构成了该矩阵的特征值集。

3. 特征向量：特征向量是一个与特征值相关的列
向量，它通常用于确定特征值的方向。

特征向量表示特定特征值改变时矩阵元素的变化方向。

4. 谱半径：特征值的谱半径是整个特征值集的最大范数。

这个值可以用来衡量一个矩阵的半径。

5. 矩阵的性质：矩阵的特征值可以用来确定矩阵的性质。

例如，如果所有特征值都是正的，那么该矩阵就是正定的；如果有一个特征值是0，那么该矩阵就是奇异的。

6. 特征空间：特征空间是一组特征向量的集合。

它可以用来描述一个矩阵的变换特性。

7. 谱图：谱图表示特征值集合中特征值和特征向量的关系。

它可以直观地展示出矩阵的特征值结构。

8. 奇异值分解：奇异值分解可以用来拆分矩阵，使其方便处理。

它是一种矩阵分解方法，可将一个矩阵A分解为其特征值集和特征向量的积。

科技视界Science &Technology VisionScience &Technology Vision 科技视界1正交矩阵的性质定义1如果n 阶矩阵A 满足A T A =E (即A -1=A T ),那么称A 为正交矩阵,简称正交阵。

规定:本文中的正交阵都是实矩阵。

性质1方阵A 为正交矩阵的充分必要条件是A 的列向量(行向量)都是单位向量,且两两正交。

性质2若A 为正交矩阵,则|λ|=±1。

性质3若A 为正交矩阵,则A -1为正交矩阵。

性质4若A 为正交矩阵,则它的伴随矩阵A *为正交矩阵。

证明:∵A *=|A |A -1,又∴|A |=±1,当|A |=1时,∵A *=A -1,∴A *为正交矩阵;当|A |=-1时,A *=-A -1,(A *)T A *=(-A -1)T (-A -1)=(A -1)T A -1=E ,∴A *为正交矩阵。

性质5若A ,B 都为正交矩阵,则AB 为正交矩阵。

性质6若A 为n 阶正交矩阵,则A 的特征值的模为1。

证明:设x 为n 维非零复向量,λ为复数,且Ax=λx ,(1)对(1)式两端取共轭转置(AX )T =(Ax )T =(x )T (A )T =(x )T A T =(λx )T =(λ)T x T ,又因为A T A =E ,x T x >0所以(x )T A T Ax =(λ)T x T λx ,x T x =(λ)T λx T x ,即x T x =|λ|2x T x ,所以|λ|2=1。

2正交矩阵的判定例1判断矩阵A =2/32/31/32/3-1/3-2/31/3-2/32/3⎛⎝⎜⎜⎜⎜⎜⎜⎜⎜⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟是否为正交矩阵。

解:设A=(a 1,a 2,a 3),||a 1||=(2/3)2+(2/3)2+(1/3)2√=1,||a 2||=(2/3)2+(-1/3)2+(-2/3)2√=1,||a 3||=(1/3)2+(-2/3)2+(2/3)2√=1,所以a 1,a 2,a 3都为单位向量,且[a 1,a 2]=(2/3)(2/3)+(2/3)(-1/3)+(1/3)(-2/3)=0,同理可证[a 1,a 3]=0,[a 2,a 3]=0,所以a 1,a 2,a 3两两正交,所以A 为正交矩阵。

线性代数第五讲矩阵的初等变换及其性质一、初等矩阵及其性质在前面的讲义中，我们已经学习到了矩阵的基本概念，包括矩阵的定义、矩阵的运算、矩阵的秩等基本知识点。

本章我们将学习一些矩阵的“变换”的概念，主要介绍矩阵的初等变换及其性质。

矩阵的初等变换指的是将一个矩阵通过某种方式变化成另外一个矩阵的运算。

初等变换可以分为三种：交换矩阵的某两行或某两列；用一个非零数乘以矩阵的某一行或某一列；用一个非零数乘以矩阵的某一行或某一列，再加到另一行或另一列上。

这三种变换分别称为矩阵的第一类、第二类和第三类变换。

对于任意一个矩阵A，我们可以进行一系列的初等变换，从而将A变换成标准形。

标准形主要有三种：行简化阶梯形矩阵、列简化阶梯形矩阵和对角矩阵。

从定义可以看出，行简化阶梯形矩阵和列简化阶梯形矩阵都是初等矩阵形式，是矩阵的标准形。

初等矩阵的定义：如果矩阵B是A通过一次初等变换得到的，则称矩阵B为矩阵A的初等矩阵。

我们前面已经学习过，矩阵的逆是一个重要的概念。

下面我们就来发现一个有趣的性质：一个矩阵是可逆矩阵，当且仅当它可以表示为一系列初等矩阵的乘积。

定理1：矩阵可逆的充分必要条件是它可以表示为一系列初等矩阵的乘积。

以上两个定理的证明可以参考矩阵论相关的课程。

二、矩阵的等价关系在学习矩阵的初等变换时，我们介绍了三类变换，也就是矩阵的第一类、第二类和第三类变换。

我们可以使用这三类变换将一个矩阵变换成另一个矩阵。

如果对于任意的矩阵A、B，B可以通过一系列的初等变换变成A，那么我们就称A和B是等价的。

性质1：等价关系具有反身性、对称性和传递性。

性质2：如果一个矩阵可以通过初等变换化为一个标准形，则标准形是唯一的。

性质3：如果一个矩阵可逆，则它和单位矩阵等价。

性质4：如果A、B等价，则r(A)=r(B)。

三、矩阵的秩和特殊矩阵在前面的讲义中，我们已经学习到了矩阵的秩的定义和性质。

矩阵的秩是矩阵实际所包含的信息量，因此秩是矩阵的一个重要特征。

矩阵与线性变换在线性代数中，矩阵与线性变换是密切相关的概念。

矩阵是一种有序矩形数表，而线性变换是一种保持向量加法和数乘的运算的函数。

本文将就矩阵与线性变换的概念、性质以及二者之间的关系进行探讨。

一、矩阵的定义和性质矩阵是数学中一种重要的代数结构，对于描述线性变换起到关键作用。

它是按照矩形的形式排列的一组数。

在定义方面，一个矩阵可以表示为m行n列的一个矩形数表，记作A=[a_{ij}]，其中1 ≤ i ≤ m，1 ≤ j ≤ n。

其中，a_{ij}表示矩阵A中第i行第j列的元素。

矩阵的性质有以下几点：1. 矩阵的行数和列数分别称为矩阵的行数和列数。

对于一个m行n列的矩阵，可以记作A_{m×n}。

2. 矩阵A中的元素可以是实数或者复数。

根据元素的性质，可以将矩阵分为实矩阵和复矩阵。

3. 矩阵的转置是指行和列进行对换，记作A^T。

矩阵的转置可以通过矩阵的行与列进行对换得到。

4. 矩阵的加法和数乘是指对矩阵中的每个元素进行相应的操作得到一个新的矩阵。

二、线性变换的定义和性质线性变换是线性代数中一个重要的概念，用于描述一个向量空间内的向量的变换规则。

其基本思想是保持向量加法和数乘的运算。

在线性代数中，一个线性变换可以定义为一个函数T，将向量空间V的向量映射到另一个向量空间W的向量。

线性变换的性质有以下几点：1. 线性变换必须满足保持向量加法的运算规则，即对于向量v和u，T(v+u) = T(v) + T(u)。

2. 线性变换必须满足保持数乘的运算规则，即对于向量v和标量c，T(cv) = cT(v)。

3. 对于线性变换T，它的核是指所有使得T(v) = 0的向量v的集合。

核是向量空间的一个子空间。

4. 对于线性变换T，它的值域是指所有T(v)的向量v的集合。

值域是向量空间的一个子空间。

三、矩阵与线性变换的关系矩阵与线性变换之间存在着密切的联系。

具体而言，对于一个 m 行n 列的矩阵 A，可以定义一个线性变换 T_A，该线性变换将一个 n 维向量空间 V 的向量映射到一个 m 维向量空间 W 的向量。

第一讲 矩阵运算性质及其应用矩阵是数学中的一个重要容，它是继数值这个运算对象之后，人们研究的又一个新的运算对象，也是处理线性模型的重要工具.矩阵的运算，到目前为止，人们已经研究了几十上百种.在这一讲中，我们复习学习过的其中10种，包括加法、减法、数乘、乘法、乘方、转置、共轭、行列式、伴随和求逆.学习矩阵运算，重点有两方面：运算的条件和性质.而运算需要的条件和数值运算是大不一样的.一 矩阵的概念及其运算方法首先，我们复习矩阵的概念及其运算方法.定义1 由m n ⨯个数字ij a 〔1,2,,i m =，1,2,,j n =〕排成的m 行n 列的数表，称为一个m 行n 列矩阵，简称为m n ⨯型矩阵.通常用圆括号或方括号括起来表示矩阵数表是一个整体，并用大写字母表示，即111212122212n n m m mn a a a a a a A a a a ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭位于矩阵A 的第i 行第j 列的数字ij a ，称为A 的(,)i j 元素，简称(,)i j 元.以ij a 为(,)i j 元的矩阵可简记作()ij a .m n ⨯型矩阵A 也记作m n A ⨯或m nA ⨯.m n =时，n n ⨯型矩阵A 也称为n 阶矩阵，记作n A .两个矩阵的行数相等，列数也一样时，称为同型矩阵.两个矩阵A 与B 是同型矩阵，且它们的对应位置上的数字元素都相等，就称这两个矩阵A 与B相等，记作A B =.有一些矩阵的元素分布比拟特殊，我们用专门规定的记号来表示，如 零矩阵O ，它的元素全为0.要注意，不同型的零矩阵是不同的. 单位矩阵E 〔也记作I 〕，它是对角线元素都为1，其余元素都为0的方阵.对角矩阵()1212diag ,,,=n n λλλλλλ⎛⎫⎪⎪Λ= ⎪ ⎪⎝⎭〔与行列式中一样，不写出的元素就是0〕.下面，我们来复习矩阵的10个运算方法.定义2 设两个矩阵()ij m n A a ⨯=和()ij s t B b ⨯=，①A 与B 能相加、减的条件是：A 与B 同型，即m s =且n t =. ②A 与B相加的和记作A B +，A 与B 相减的差记作A B -.运算方法规定为111112121121212222221122+++⎛⎫ ⎪+++ ⎪+= ⎪⎪+++⎝⎭n 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 b111112121121212222221122---⎛⎫ ⎪--- ⎪-= ⎪⎪---⎝⎭n 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根据定义，矩阵的加减就是对应位置上数字的加减.例如23342334575710517067++⎛⎫⎛⎫⎛⎫⎛⎫+== ⎪ ⎪ ⎪ ⎪++⎝⎭⎝⎭⎝⎭⎝⎭1233132(3)2543244234212112211213-----⎛⎫⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪-=--=- ⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪-----⎝⎭⎝⎭⎝⎭⎝⎭定义3数k 与矩阵()ij m n A a ⨯=相乘的积记作()=kA Ak .运算方法规定为()⨯=ij m nkA ka例如23452535410152053105(3)51501550-⨯-⨯-⨯---⎛⎫⎛⎫⎛⎫-== ⎪ ⎪ ⎪--⨯--⨯-⨯-⎝⎭⎝⎭⎝⎭定义4 设两个矩阵()ij m n A a ⨯=和()ij s t B b ⨯=，①A 与B 能相乘的条件是：n s =. ②A 与B相乘的积记作AB .运算方法规定为AB 的(,)i j 元1122=+++i j i j in nj a b a b a b即A 的第i 行各元素与B 的第j 列对应元素的乘积之和为AB 的(,)i j 元.例如312322314772⎛⎫-⎛⎫ ⎪- ⎪ ⎪⎝⎭ ⎪-⎝⎭233(2)(2)72133(2)(2)134(2)7711437(2)⨯+⨯-+-⨯⨯+⨯+-⨯-⎛⎫= ⎪⨯+⨯-+⨯⨯+⨯+⨯-⎝⎭1415441-⎛⎫= ⎪-⎝⎭定义5 设矩阵A 为m n ⨯型，①A 能乘方的条件是：m n =即A 为方阵. ②k 为非负整数，A 的k 次幂记作k A .运算方法规定为1,0,1,2-=⎧⎪==⎨⎪≥⎩kk E k A A k A A k ，例如32232323313131⎛⎫⎛⎫⎛⎫= ⎪ ⎪ ⎪---⎝⎭⎝⎭⎝⎭232323()313131⎛⎫⎛⎫⎛⎫= ⎪⎪ ⎪---⎝⎭⎝⎭⎝⎭1332331031⎛⎫⎛⎫= ⎪⎪-⎝⎭⎝⎭ 3536361⎛⎫= ⎪-⎝⎭定义6 将矩阵A 的行与列互换，得到的矩阵，称为A 的转置.记作'A 或T A ，即111212122212⎛⎫ ⎪ ⎪= ⎪⎪⎝⎭n n m m mn a a a a a a A a a a 时，112111222212⎛⎫ ⎪ ⎪'= ⎪ ⎪⎝⎭m m nnmn a a a a a a A a a a例如345123⎛⎫= ⎪⎝⎭A 时，314253⎛⎫⎪'= ⎪ ⎪⎝⎭A定义7 设矩阵()ij m n A a ⨯=，①A 可取行列式的条件是：m n =即A 为方阵. ②A 的行列式即=ijA a .例如341200111⎛⎫⎪= ⎪ ⎪-⎝⎭A 时，21341412002(1)611111+==⨯-=--A注：矩阵A 与行列式A 是完全不同的对象.矩阵A 是一数表，不是数，而行列式A 就是数.记号上，矩阵只能用圆括号或方括号，而行列式一定要用一对平行线.定义8 设矩阵()ij m n A a ⨯=，①A 能取伴随的条件是：A 为方阵且2m n =≥. ②A 的伴随记作*A ，并称为A 的伴随矩阵. 运算方法规定为1121112222*12⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭n n nnnn A A A A A A A A A A即在A 中将每个元素换成它的代数余子式后，再转置.例如*-⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭a b d b c d c a *123005111264200241-⎛⎫⎛⎫ ⎪ ⎪-=-- ⎪ ⎪ ⎪ ⎪--⎝⎭⎝⎭222312131213323332332223*111213212311131113212223313331332123313233212211121112313231322122⎛⎫- ⎪ ⎪⎛⎫ ⎪ ⎪ ⎪=-- ⎪ ⎪ ⎪⎝⎭⎪ ⎪- ⎪⎝⎭a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a 定义9 设矩阵()ij m n A a ⨯=，①A 可逆的条件是：A 为方阵且0A ≠. ②A 的逆记作1-A ，并称1-A为A 的逆矩阵运算方法规定为2=≥m n 时，1*1-=A A A；1==m n 时，即一阶方阵的逆111111()-=a a .当方阵A 可逆的条件不满足，即0A =时，常说A 不可逆或A 是奇异矩阵。