第2讲 矩阵I（Matrices I）

历史背景 (Historical Context)#

矩阵理论的发展经历了多个关键阶段：

• 高斯 (Gauss) 在求解线性方程组时首次隐式使用矩阵

• 凯莱 (Arthur Cayley) 于1850-1858年正式提出矩阵概念，西尔维斯特 (Sylvester) 命名"矩阵"

• 凯莱-哈密顿定理：凯莱证明2×2和3×3情形，哈密顿证明4×4情形

• 若尔当标准型 (Jordan Canonical Form) 的提出标志着矩阵谱理论的发展

• 弗罗贝尼乌斯 (Frobenius) 通过双线性形式进一步发展矩阵理论

基本概念 (Basic Concepts)#

矩阵定义 (Definition of Matrix)#

• 尺寸 (Size)：m行×n列

• 元素 (Entry)：$a_{ij}$ 表示第i行第j列元素

特殊矩阵类型 (Special Matrix Types)#

学习建议：通过绘制不同矩阵类型的图示加深理解

矩阵运算 (Matrix Operations)#

矩阵加法 (Addition)#

对于同型矩阵$A = (a_{ij})$, $B = (b_{ij})$：

$A + B = (a_{ij} + b_{ij})$

性质：

• 结合律：$(A+B)+C = A+(B+C)$

• 交换律：$A+B = B+A$

• 零矩阵：$A + 0 = A$

标量乘法 (Scalar Multiplication)#

分配律：

矩阵乘法 (Multiplication)#

对于 $A_{m×p}$ 和 $B_{p×n}$：

重要性质：

• 结合律：$(AB)C = A(BC)$

• 非交换律：$AB \neq BA$ 一般情况

• 单位矩阵：$AI = IA = A$

示例：

转置 (Transpose)#

性质：

• $(A^T)^T = A$

• $(AB)^T = B^T A^T$

逆矩阵 (Matrix Inverse)#

定义与性质#

对于方阵$A$，若存在 $B$ 使得 $AB = BA = I$，则称 $A$ 可逆 (Invertible)，记作 $A^{-1}$

关键性质：

• $(A^{-1})^{-1} = A$

• $(AB)^{-1} = B^{-1}A^{-1}$

• $(A^T)^{-1} = (A^{-1})^T$

计算方法#

通过高斯-约旦消元法：

示例： 求矩阵 $A = \begin{pmatrix}1 & 2 \\ 3 & 4\end{pmatrix}$的逆：

应用实例 (Practical Applications)#

线性方程组解的结构#

对于非齐次方程组 $Ax = b$：

• 若齐次方程 $Ax=0$ 有非平凡解，则 $Ax=b$ 要么无解，要么有无穷多解

证明思路：

1. 通过秩-零化度定理分析解空间维度

2. 使用初等行变换化为行阶梯形

3. 验证增广矩阵的秩是否变化

特殊矩阵运算#

幂零矩阵 (Nilpotent Matrix)： 若存在 $k$ 使$A^k = 0$，则 $(I-A)^{-1} = I + A + \cdots + A^{k-1}$

证明：

$(I-A)(I+A+\cdots+A^{k-1}) = I - A^k = I$

练习题 (Exercises)#

1. 验证矩阵 $\begin{pmatrix}1 & 1 \\ 0 & 1\end{pmatrix}$ 与对角矩阵的乘法交换性

2. 证明：对称矩阵的差仍为对称矩阵

3. 构造2×2矩阵使得 $A^2 = -I$

学习建议：通过具体数值计算练习矩阵运算，再逐步过渡到符号运算

关键术语对照表#