線性代數
1 行列式
1.1 n n n 階行列式
定義 1.1.1:稱以下的式子為一個 n n n 階行列式:
∣ A ∣ = ∣ a 11 a 12 ? a 1 n a 21 a 22 ? a 2 n ? ? ? ? a n 1 a n 2 ? a n n ∣ \begin{vmatrix}\mathbf A\end{vmatrix}= \begin{vmatrix} a_{11}& a_{12}&\cdots&a_{1n} \\ a_{21}&a_{22}&\cdots&a_{2n} \\ \vdots&\vdots&\ddots&\vdots \\ a_{n1}&a_{n2}&\cdots&a_{nn} \end{vmatrix} ?A? ?= ?a11?a21??an1??a12?a22??an2???????a1n?a2n??ann?? ?
其中第 i i i 行第 j j j 列的元素成為行列式 ∣ A ∣ \begin{vmatrix}\mathbf A\end{vmatrix} ?A? ? 的第 ( i , j ) (i,j) (i,j) 元素。
元素 a 11 , a 22 , ? , a n n a_{11},a_{22},\cdots,a_{nn} a11?,a22?,?,ann? 稱為 ∣ A ∣ \begin{vmatrix}\mathbf A\end{vmatrix} ?A? ? 的主對角線。
性質 1:上三角行列式的值等于其對角線元素之和。
性質 2:行列式某行(列)全為零,則行列式的值等于零。
性質 3:用常數 c c c 乘以行列式的某一行(列),得到的行列式的值等于原行列式的值的 c c c 倍。
性質 4:交換行列式不同的兩行(列),行列式的值變號。
性質 5:若行列式兩行(列)成比例,則行列式的值為零。
性質 6:若行列式中某行(列)元素均為兩項之和,則行列式可表示為兩個行列式之和。
性質 7:行列式的某一行(列)乘以某個數加到另一行(列)上,行列式的值不變。
性質 8:行列式和其轉置有相同的值。
定義 1.1.2:定義元素 a i j a_{ij} aij? 的余子式 M i j M_{ij} Mij? 為由其行列式 ∣ A ∣ \begin{vmatrix}\mathbf A\end{vmatrix} ?A? ? 中劃去第 i i i 行第 j j j 列后剩下的元素組成的行列式。
定義 1.1.3:在行列式 ∣ A ∣ \begin{vmatrix}\mathbf A\end{vmatrix} ?A? ? 中, a i j a_{ij} aij? 的代數余子式定義為: A i j = ( ? 1 ) i + j M i j A_{ij} = (-1)^{i+j}M_{ij} Aij?=(?1)i+jMij?,其中 M i j M_{ij} Mij? 為 a i j a_{ij} aij? 的余子式。
1.2 行列式的展開
設 ∣ A ∣ \begin{vmatrix}\mathbf A\end{vmatrix} ?A? ? 是 n n n 階行列式,元素 a i j a_{ij} aij? 的代數余子式記為 A i j A_{ij} Aij?,則對任意 s , r ( = 1 , 2 , ? , n ) , s ≠ r s,r(=1,2,\cdots,n),s\neq r s,r(=1,2,?,n),s=r 存在:
∣ A ∣ = ∑ i = 1 n a i r A i r ∑ i = 1 n a i r A i s = 0 \begin{vmatrix}\mathbf A\end{vmatrix}=\sum\limits_{i=1}^n a_{ir}A_{ir} \\ \sum\limits_{i=1}^n a_{ir}A_{is}=0 ?A? ?=i=1∑n?air?Air?i=1∑n?air?Ais?=0
1.3 Cramer 法則
設線性方程組:
{ a 11 x 1 + a 12 x 2 + ? + a 1 n x n = b 1 a 21 x 1 + a 22 x 2 + ? + a 2 n x n = b 2 ? a n 1 x 1 + a n 2 x 2 + ? + a n n x n = b n \begin{cases} a_{11}x_1+a_{12}x_2+\cdots+a_{1n}x_n=b_1 \\ a_{21}x_1+a_{22}x_2+\cdots+a_{2n}x_n=b_2 \\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \cdots \\ a_{n1}x_1+a_{n2}x_2+\cdots+a_{nn}x_n=b_n \end{cases} ? ? ??a11?x1?+a12?x2?+?+a1n?xn?=b1?a21?x1?+a22?x2?+?+a2n?xn?=b2????????????????????????????an1?x1?+an2?x2?+?+ann?xn?=bn??
記其系數行列式為 ∣ A ∣ \begin{vmatrix}\mathbf A\end{vmatrix} ?A? ? ,則:
x 1 = ∣ A 1 ∣ ∣ A ∣ , x 2 = ∣ A 2 ∣ ∣ A ∣ , ? , x n = ∣ A n ∣ ∣ A ∣ x_1=\dfrac{\begin{vmatrix}\mathbf A_1\end{vmatrix}}{\begin{vmatrix}\mathbf A\end{vmatrix}},x_2=\dfrac{\begin{vmatrix}\mathbf A_2\end{vmatrix}}{\begin{vmatrix}\mathbf A\end{vmatrix}},\cdots,x_n=\dfrac{\begin{vmatrix}\mathbf A_n\end{vmatrix}}{\begin{vmatrix}\mathbf A\end{vmatrix}} x1?= ?A? ? ?A1?? ??,x2?= ?A? ? ?A2?? ??,?,xn?= ?A? ? ?An?? ??
其中 ∣ A j ∣ \begin{vmatrix}\mathbf A_j\end{vmatrix} ?Aj?? ? 為 ∣ A ∣ \begin{vmatrix}\mathbf A\end{vmatrix} ?A? ? 去掉第 j j j 列并用 b 1 , b 2 , ? , b n b_1,b_2,\cdots,b_n b1?,b2?,?,bn? 將之替換的 n n n 階行列式。
2 矩陣
2.1 矩陣的概念
定義 2.1.1:由 m n mn mn 個數 a i j ( i = 1 , 2 , ? , m ; j = 1 , 2 , ? n ) a_{ij}(i=1,2,\cdots,m;j=1,2,\cdots n) aij?(i=1,2,?,m;j=1,2,?n) 拍成 m m m 行 n n n 列的矩形陣列:
a 11 a 12 ? a 1 n a 21 a 22 ? a 2 n ? ? ? ? a n 1 a n 2 ? a n n \begin{matrix} a_{11}&a_{12}&\cdots&a_{1n} \\ a_{21}&a_{22}&\cdots&a_{2n} \\ \vdots&\vdots&\ddots&\vdots \\ a_{n1}&a_{n2}&\cdots&a_{nn} \\ \end{matrix} a11?a21??an1??a12?a22??an2???????a1n?a2n??ann??
稱為 m m m 行 n n n 列矩陣,簡稱為 m × n m\times n m×n 矩陣(或 m × n m\times n m×n 陣)。
若 A \mathbf A A 的元素全是實數則稱 A \mathbf A A 為實矩陣。
若 A \mathbf A A 的元素全是復數則稱 A \mathbf A A 為復矩陣。
若所有元素均為 0 0 0 則稱為零矩陣 O \mathrm O O,或 O m × n \mathrm O_{m\times n} Om×n?。
若 m = n m=n m=n 則稱為方陣,反之為長方陣。
若方陣 A \mathbf A A 僅存在對角元 a 11 , a 22 , ? , a n n a_{11},a_{22},\cdots,a_{nn} a11?,a22?,?,ann? 則簡記為 A = d i a g ( a 11 , a 22 , ? , a n n ) \mathbf A=\mathbf{diag}(a_{11},a_{22},\cdots,a_{nn}) A=diag(a11?,a22?,?,ann?)。
進一步,若 a 11 = a 22 = ? = a n n = 1 a_{11}=a_{22}=\cdots=a_{nn}=1 a11?=a22?=?=ann?=1 則稱 I n = d i a g ( 1 , 1 , ? , 1 ) \mathbf {I_n}=\mathbf{diag}(1,1,\cdots,1) In?=diag(1,1,?,1) 為 n n n 階單位矩陣。
2.2 矩陣的運算
一、矩陣加減法
定義 2.2.1:設有兩個 m × n m\times n m×n 矩陣 A = ( a i j ) , B = ( b i j ) \mathbf A=(a_{ij}),\mathbf B=(b_{ij}) A=(aij?),B=(bij?),定義 A + B \mathbf A+\mathbf B A+B 是一個 m × n m\times n m×n 矩陣且 A + B \mathbf A+\mathbf B A+B 的第 ( i , j ) (i,j) (i,j) 元素等于 a i j + b i j a_{ij}+b_{ij} aij?+bij?,即 A + B = ( a i j + b i j ) \mathbf A+\mathbf B=(a_{ij}+b_{ij}) A+B=(aij?+bij?)
矩陣的減法可看作矩陣加法的逆運算,即
A ? B = ( a i j ? b i j ) \mathbf A-\mathbf B=(a_{ij}-b_{ij}) A?B=(aij??bij?)
定義 2.2.2:定義 A = ( a i j ) \mathbf A=(a_{ij}) A=(aij?) 的負矩陣為 ? A = ( ? a i j ) -\mathbf A=(-a_{ij}) ?A=(?aij?),則有 A + ( ? A ) = O \mathbf A+(-\mathbf A)=\mathbf O A+(?A)=O。
矩陣加減法運算規則:
- 交換律: A + B = B + A \mathbf A+\mathbf B=\mathbf B+\mathbf A A+B=B+A。
- 結合律: ( A + B ) + C = A + ( B + C ) (\mathbf A+\mathbf B)+\mathbf C=\mathbf A+(\mathbf B+\mathbf C) (A+B)+C=A+(B+C)。
- O + A = A + O = A \mathbf O+\mathbf A=\mathbf A+\mathbf O=\mathbf A O+A=A+O=A。
- A + ( ? B ) = A ? B \mathbf A+(-\mathbf B)=\mathbf A-\mathbf B A+(?B)=A?B。
二、矩陣的數乘
定義 2.2.3:設 A \mathbf A A 是一個 m × n m\times n m×n 矩陣, A = ( a i j ) m × n \mathbf A=(a_{ij})_{m\times n} A=(aij?)m×n?, c c c 是一個常數,定義 c A = ( c a i j ) m × n c\mathbf A=(ca_{ij})_{m\times n} cA=(caij?)m×n? 。 c A c\mathbf A cA 稱為數 c A c\mathbf A cA 的數乘。
矩陣的數乘運算規則:
- c ( A + B ) = c A + c B c(\mathbf A+\mathbf B)=c\mathbf A+c\mathbf B c(A+B)=cA+cB。
- ( c + d ) A = c A + d A (c+d)\mathbf A=c\mathbf A+d\mathbf A (c+d)A=cA+dA。
- ( c d ) A = c ( d A ) (cd)\mathbf A=c(d\mathbf A) (cd)A=c(dA)。
- 1 ? A = A 1\cdot\mathbf A=\mathbf A 1?A=A。
- 0 ? A = O 0\cdot\mathbf A=\mathbf O 0?A=O。
三、矩陣的乘法
定義 2.2.4:設有 m × k m\times k m×k 矩陣 A = ( a i j ) m × k \mathbf A=(a_{ij})_{m\times k} A=(aij?)m×k?,以及 k × n k\times n k×n 矩陣 B = ( b i j ) m × n \mathbf B=(b_{ij})_{m\times n} B=(bij?)m×n?。定義 A \mathbf A A 和 B \mathbf B B 的乘積 A B \mathbf A\mathbf B AB 是一個 m × n m\times n m×n 矩陣且 A B \mathbf A\mathbf B AB 的第 ( i , j ) (i,j) (i,j) 元素
c i j = ∑ l = 1 k a i l b l j c_{ij}=\sum\limits_{l=1}^ka_{il}b_{lj} cij?=l=1∑k?ail?blj?
矩陣乘法的運算規則:
- 結合律: ( A B ) C = A ( B C ) (\mathbf A\mathbf B)\mathbf C=\mathbf A(\mathbf B\mathbf C) (AB)C=A(BC)。
- 左右分配律: A ( B + C ) = A B + A C , ( A + B ) C = A B + B C \mathbf A(\mathbf B+\mathbf C)=\mathbf A\mathbf B+\mathbf A\mathbf C,(\mathbf A+\mathbf B)\mathbf C=\mathbf A\mathbf B+\mathbf B\mathbf C A(B+C)=AB+AC,(A+B)C=AB+BC。
- c ( A B ) = ( c A ) B = A ( c B ) c(\mathbf A\mathbf B)=(c\mathbf A)\mathbf B=\mathbf A(c\mathbf B) c(AB)=(cA)B=A(cB)。
- 對任意的 m × n m\times n m×n 矩陣 A \mathbf A A, I m A = A = A I n \mathbf {I_m}\mathbf A=\mathbf A=\mathbf A\mathbf {I_n} Im?A=A=AIn?。
方陣冪運算規則:
- A r A s = A r + s \mathbf A^r\mathbf A^s=\mathbf A^{r+s} ArAs=Ar+s。
- ( A r ) s = A r s (\mathbf A^r)^s=\mathbf A^{rs} (Ar)s=Ars。
四、矩陣的轉置
定義 2.2.5:設 A = ( a i j ) \mathbf A=(a_{ij}) A=(aij?) 是 m × n m\times n m×n 矩陣,定義 A \mathbf A A 的轉置 A T \mathbf A^{\mathbf T} AT 為一個 n × m n\times m n×m 矩陣,它的第 k k k 行正好是矩陣 A \mathbf A A 的第 k k k 列( k = 1 , 2 , ? , n k=1,2,\cdots,n k=1,2,?,n);它的第 r r r 行是 A \mathbf A A 的第 r r r 行( r = 1 , 2 , ? , n r=1,2,\cdots,n r=1,2,?,n)。
矩陣轉置運算規則:
- ( A T ) T = A (\mathbf A^{\mathbf T})^{\mathbf T}=\mathbf A (AT)T=A。
- ( A + B ) T = A T + B T (\mathbf A+\mathbf B)^{\mathbf T}=\mathbf A^{\mathbf T}+\mathbf B^{\mathbf T} (A+B)T=AT+BT。
- ( c A ) T = c A T (c\mathbf A)^{\mathbf T}=c\mathbf A^{\mathbf T} (cA)T=cAT。
- ( A B ) T = B T A T (\mathbf A\mathbf B)^{\mathbf T}=\mathbf B^{\mathbf T}\mathbf A^{\mathbf T} (AB)T=BTAT。
五、矩陣的共軛
定義 2.2.6:設 A = ( a i j ) m × n \mathbf A=(a_{ij})_{m\times n} A=(aij?)m×n? 是一個復矩陣,則 A \mathbf A A 的共軛矩陣 A  ̄ \overline{\mathbf A} A 是一個 m × n m\times n m×n 復矩陣,且
A  ̄ = ( a  ̄ i j ) m × n \overline{\mathbf A}=(\overline a_{ij})_{m\times n} A=(aij?)m×n?
矩陣共軛運算規則:
- A + B  ̄ = A  ̄ + B  ̄ \overline{\mathbf A+\mathbf B}=\overline {\mathbf A}+\overline {\mathbf B} A+B?=A+B。
- c A  ̄ = c  ̄ A  ̄ \overline{c\mathbf A}=\overline c \overline {\mathbf A} cA=cA。
- A B  ̄ = A  ̄ B  ̄ \overline{\mathbf A \mathbf B}=\overline{\mathbf A}\ \overline {\mathbf B} AB=A?B。
- ( A T )  ̄ = ( A  ̄ ) T \overline{({\mathbf A}^{\mathbf T})}=(\overline{\mathbf A})^{\mathbf T} (AT)?=(A)T。
2.3 方陣的逆陣
定義 2.3.1:設 A \mathbf A A 是 n n n 階方陣,若存在一個 n n n 階方陣 B \mathbf B B,使得:
A B = B A = I n , \mathbf A\mathbf B=\mathbf B\mathbf A=\mathbf {I_n}, AB=BA=In?,
則稱 B \mathbf B B 是 A \mathbf A A 的逆陣,記為 B = A ? 1 \mathbf B=\mathbf A^{-1} B=A?1。凡有逆陣的矩陣稱為可逆陣或非奇異陣(簡稱非異陣),否則稱為奇異陣。
矩陣求逆運算規則:
- 若 A \mathbf A A 是非異陣,則 ( A ? 1 ) ? 1 = A (\mathbf A^{-1})^{-1}=\mathbf A (A?1)?1=A。
- 若 A , B \mathbf A,\mathbf B A,B 都是 n n n 階非異陣,則 A B \mathbf A\mathbf B AB 也是 n n n 階非異陣且 ( A B ) ? 1 = B ? 1 A ? 1 (\mathbf A\mathbf B)^{-1}=\mathbf B^{-1}\mathbf A^{-1} (AB)?1=B?1A?1。
- 若 A \mathbf A A 是非異陣, c c c 是非零數,則 c A c\mathbf A cA 也是非異陣且 ( c A ) ? 1 = c ? 1 A ? 1 (c\mathbf A)^{-1}=c^{-1}\mathbf A^{-1} (cA)?1=c?1A?1。
- 若 A \mathbf A A 是非異陣,則 A \mathbf A A 的轉置 A T \mathbf A^{\mathbf T} AT 也是非異陣且 ( A T ) ? 1 = ( A ? 1 ) T (\mathbf A^{\mathbf T})^{-1}=(\mathbf A^{-1})^{\mathbf T} (AT)?1=(A?1)T。
設 A \mathbf A A 是 n n n 階方陣,這個方陣決定了一個 n n n 階行列式,記為 ∣ A ∣ \begin{vmatrix}\mathbf A\end{vmatrix} ?A? ? 或 det ? A \det\mathbf A detA。
定義 2.3.2 :設 A A A 是 n n n 階方陣, A i j A_{ij} Aij? 是行列式 ∣ A ∣ \begin{vmatrix}\mathbf A\end{vmatrix} ?A? ? 中第 ( i , j ) (i,j) (i,j) 元素 a i j a_{ij} aij? 的代數余子式,則稱下列方陣為 A \mathbf A A 的伴隨陣:
( A 11 A 21 ? A n 1 A 12 A 22 ? A n 2 ? ? ? ? A 1 n A 2 n ? A n n ) \begin{pmatrix} A_{11}&A_{21}&\cdots &A_{n1} \\ A_{12}&A_{22}&\cdots &A_{n2} \\ \vdots&\vdots&\ddots &\vdots \\ A_{1n}&A_{2n}&\cdots &A_{nn} \end{pmatrix} ?A11?A12??A1n??A21?A22??A2n???????An1?An2??Ann?? ?
A \mathbf A A 的伴隨矩通常記為 A ? \mathbf {A^*} A?。
引理 2.3.1:設 A \mathbf A A 為 n n n 階方陣, A ? \mathbf A^* A? 為 A \mathbf A A 的伴隨矩,則
A A ? = A ? A = ∣ A ∣ ? I n \mathbf A\mathbf A^*=\mathbf A^*\mathbf A=\begin{vmatrix}\mathbf A\end{vmatrix}\cdot\mathbf{I_{n}} AA?=A?A= ?A? ??In?
定理 2.3.1:若 ∣ A ∣ ≠ 0 \begin{vmatrix}\mathbf A\end{vmatrix}\neq0 ?A? ?=0,則 A \mathbf A A 是一個非異陣,且
A ? 1 = 1 ∣ A ∣ A ? \mathbf A^{-1}=\dfrac{1}{\begin{vmatrix}\mathbf A\end{vmatrix}} \mathbf A^* A?1= ?A? ?1?A?