一般矩阵可逆的判定
一般矩阵可逆的判定
Good
（11统计数学与统计学院 1111060231）
摘要：作为一张表，矩阵的运算规则具有特殊性。在运算的过程中，逆矩阵则是作为矩阵乘法的逆运算而存在的。由于矩阵乘法的逆运算仅限于方阵，故而逆矩阵又作为一项特殊的矩阵除法运算而存在。对于矩阵的运算来说，逆矩阵是不可缺少的一部分。在以线性代数为基础的研究中，逆矩阵是解决实际问题的一个最直观，最实用的工具。然而在实际研究中，并不是所有方阵都存在逆矩阵，那么对于矩阵可逆的判定就显得极其重要了。
关键字：n阶方阵A；A≠0；r A=n；?λn≠0；AB=BA=I n
0 引言
逆矩阵是矩阵乘法逆运算的结果。这个逆运算的过程被作为矩阵运算的一部分而不可或缺。对于所有矩阵而言，只有方阵中可逆的那部分才存在逆矩阵；就好像四边形一样，只有当矩形的四边相等才能被叫做正方形。然而也就是这很特殊的一小部分，它的运用却充斥着所有与线性代数相关的领域。比如：物理学，经济学，统计学，数学，社会管理学等等。对于矩阵的运算来说，逆矩阵的运算至关重要。由于矩阵在实际运用中具有的重要作用，而逆矩阵对于矩阵来说又具有重要的作用。在以矩阵为研究对象的研究过程中，研究逆矩阵也就有了很重要的意义。
对于研究逆矩阵的过程中，“什么样的矩阵才可逆？”是值得深讨的问题。就像求四边形中的正方形一样，要求正方形，最基本的前提就是：四边形必须是矩形。只有四边形满足四个内角都是90度的时候，四边形才称的上是矩形。而对于矩形来说，只有满足矩形的四条边都相等时，这样的矩形才能被称为正方形。对于矩阵可逆来说，一个矩阵要可逆，最基本的前提：必须满足矩阵的行列相等，矩阵必须是一个方阵才行。研究方阵的可逆，对于实际应用才存在实际意义。那么对于方阵来说，又需要满足什么样的条件，方阵才可逆呢？本文也就是从可逆矩阵的判定条件入手，着重分析可逆判定的充要条件。最后介绍几种常用的求解逆矩阵的方法。
1 矩阵的概念
1.0矩阵的定义
定义1：令F是一个数域，用F上的m×n个数a ij(i=1,2,?,m;j=1,2,?,n)排成m行n列的矩阵列，则称为m×n阵，也称为一个F上的矩阵，简记为A mn。
A=a11a12
a21a22
?a1n
?a2n ??
a m1a m2
??
?a mn
1.1逆矩阵的定义
定义2：设A是数域F上的n阶方阵，若数域F上同时存在一个n阶方阵B,使得
AB=BA=I n
则称B是A的逆矩阵，记作：B=A?1。
2 矩阵可逆的判定
2.0矩阵可逆判定的前提
对于一个矩阵，要判定该矩阵是否可逆，首先必须要知道的就是该矩阵是不是方阵。跟要判断一个四边形是不是正方形一样，如果四边形不是矩形，那么也就不可能是正方形。如果已经是矩形，那么就需要进一步判定是不是正方形。内容不一样，但思想是相通的。这里要判定矩阵是否可逆，最基本的前提就是：矩阵必须是方阵！在满足该前提的情况下，再去讨论矩阵是否可逆才具有意义，否则是没意义的。
2.1由定义判定
由“2.0矩阵可逆判定的前提”和定义“1.1逆矩阵的定义”可知，从满足前提的矩阵可知，若存在一个方阵B，使得矩阵AB=BA=I n，那么就可以称矩阵A是可逆的，矩阵B就是矩阵A的逆矩阵。记作：B=A?1。
如果不存在方阵B使得AB=BA=I n，那么就说矩阵A是不可逆的。但是这种通过定义判断的方法存在局限性，只适用于很直观，很简单的矩阵。下面通过一个例子来分析。
例子1：设存在一个方阵A和方阵C，如下所示：
A=200
020
002
C=
3?11
2 01
1?12
解析：从题目可知矩阵A和矩阵C同时满足可逆的前提条件。但对于矩阵C来说，定义无法直接给出矩阵C的逆矩阵，因而无法判断C是否可逆。但是却可以马上判断出矩阵A是可逆的，并且可以马上写出矩阵A的逆矩阵B，即：
AB=BA=I n
200 020 0021
2
00
1
00
1
2
=
1
2
00
1
00
1
2
200
020
002
=
100
010
001
2.2矩阵秩的判定
定理1：设A是数域F上的n阶方阵，若A可逆，那么r A=n。
从定理1可知，一个矩阵可逆，矩阵必须是满秩的。在例子1中，矩阵A很明显是满秩。即r A=3，即矩阵A是可逆的。那么对于矩阵C是否可逆，则需要经过矩阵的初等变换求出矩阵C是否是满秩的。
C=3?11
2 01
1?12
=
3?1 1
2
3
1
3
0?
2
3
5
3
=
3?1 1
2
3
1
3
0 0 2
经过初等变换，可以得出r C=3,那么矩阵C也是可逆的。
2.3行列式判别法
定理2：设A是数域F上的n阶方阵，若A≠0，那么A是可逆的。
对于例子1中的方阵A和方阵C，可以求出A=8≠0，那么方阵A可逆。对于方阵C，要求相对应的行列式C的值。通过行列式的性质可将C化简。
C=3?11
2 01
1?12
=
3?1 1
2
3
1
3
0?
2
3
5
3
=
3?1 1
2
3
1
3
0 0 2
=4≠0
由于C≠0，所以通过行列式判断C也是可逆的。
2.4特征值判别法
定理3：设A是数域F上的n阶方阵，若存在特征向量λ使得A?λI=0，若特征向量λ中的任意的一个元素?λn≠0，那么A是可逆的。
对于例子1中的矩阵C有C?λI=0，即：
C?λI=3?λ?11
2?λ1
1?12?λ
=0
解析：
22?λ?λ2?λ3?λ=0
λ?1λ?22=0
λ1=1,λ2=λ3=2
通过求解矩阵C的特征值，对于?λn≠0，所以矩阵C是可逆的。
3 逆矩阵的求解
3.1定义法求逆矩阵
从定义2和2.1可知用定义法求解逆矩阵存在很大的局限性，只适用于很直观，很简单的矩阵。
3.2初等变换求逆矩阵
定义3：矩阵的初等变换
<第一类> 对调矩阵中任意两行（列）的位置。
<第二类> 用一非零数乘以矩阵的某一行（列）。
<第三类> 将矩阵中的某一行（列）乘以常数加到另一行（列）。
定义4：若A是数域F上可逆的n阶方阵，则A可以通过初等变换为单位矩阵I,在变换的过程中，当A转换为I时，相应的I也转换为A?1。记为：A I→I A?1
对于例子1中的矩阵C，由于判定的结果是可逆的，那么下面将利用初等变换法来求出矩阵C的逆矩阵C?1。
解析：
C I→I C?1
???→3?11
2 01
1?12
100
010
001
???→
1?
1
3
1
3
2
3
1
3
0?
2
3
5
3
1
00
?
2
3
10
?
1
3
01
???→
???→
1?110
210
?25 1300
?210?1301
???→
1?110 110 01 1
3
00
?13
0?1
2
1212 ???→
10
001
000
1
1414?
14?35?1?1212
12
，根据定义4，那么C ?1=
1
414?1
4?35?1?1212 12
CC
?1
= 3?1
12 011?1
2 11?1?35?1?11
1 = 100010001 =I n
C ?1C = 1414?14?
3
454?14?11 1
3?11
2 011?12 = 100010001 =I n
3.3伴随矩阵求逆矩阵
定理4：n 阶矩阵A 可逆的充要条件是A 非奇异,那么A
?1
=
A ? A
，A ?
为矩阵A 的伴随矩阵。 定义5：伴随矩阵：
A ?= A 11A 12A 21A 22?A 1n ?A 2n
??A n 1A n 2
??
?A nn , A ij 是 A 中a ij 的代数余子式。A ?为矩阵A 的伴随矩阵。
定义6： A =a 11A 11+a 21A 21+a 31A 31+?+a n 1A n 1= a 1r A 1s n r ,s =1<行列式展开式> 若s ≠r ,则 a 1r A 1s n r ,s =1=0；s =r ， a 1r A 1s n r ,s =1= A ，其中A ij =(?1)i +j M ij <代数余子式> 分析步骤：
<1>设n 阶矩阵A 是非奇异阵，那么A 可逆。那么AA ?如下所示：
AA ?= a 11a 12a 21a 22?a 1n ?a 2n ??a n 1a m 2
???a nn A 11A 12A 21A 22?A 1n ?A 2n
??A n 1A n 2 ??
?A nn
根据定义6可知AA ?的值为 A I 。
∵若s ≠r ,则 a 1r A 1s n r ,s =1=0；若s =r ， a 1r A 1s n
r ,s =1= A
∴
AA?=
A0
0 A
? 0
? 0
??
0 0
??
?A
=A
10
01
?0
?0
??
00
??
?1
例子1中的矩阵C
∵通过前面的判别分析可以知道矩阵C是可逆的。∴矩阵C是非奇异的。
下面用矩阵伴随矩阵法求出矩阵C的逆矩阵。
<1>求出伴随矩阵C?。
C?= 11?1?35?1?22 2
<2>求出矩阵C的行列式C。
C=3?11
2 01
1?12
=4
<3>根据定理4求出矩阵C的逆矩阵C?1=C?
C
C?1=C?
=
1
×
11?1
?35?1
?22 2
=
11
?
1
?
35
?
1
?
1
2
1
2
1
2
<4>验证AB=BA=I n
CC?1=C?1C=I n
CC?1=3?11
2 01
1?12
1
4
1
4
?
1
4
?
3
4
5
4
?
1
4
?
111
=
100
010
001
=I n
C?1C=
11
?
1
?
35
?
1
?
1
2
1
2
1
2
3?11
2 01
1?12
=
100
010
001
=I n
<5>结论
用伴随矩阵的方法和初等变换法所求的结果是一致的，只不过伴随矩阵的方法比较繁琐，当矩阵的阶数高于3阶时，初等变换法相对较方便。除此以外还有其他的一些其逆矩阵的方法，比如：分块矩阵求逆矩阵，分解矩阵求逆矩阵，递推法求逆矩阵，特征多项式法等多种
方法。这里就不一一介绍这些方法了。在实践中只有最简便的方法，才是最实用的，很多的方法虽然可以求出逆矩阵，但是方法太过复杂，但不能忽略那些思想，也许在某一个领域，这种思想才是最实用的。
4 总结
在求解一个矩阵的逆矩阵，很多人往往直接求解而不注重分析一个矩阵是否可逆，甚至有人直接拿着一个不是方阵的矩阵去求解逆矩阵，他就不会想到一个矩阵要可逆，最基本的前提：矩阵必须是一个方阵。然而也有很多的人知道这个前提，虽然知道怎么求解一个矩阵的逆矩阵，但是却不会去判断一个矩阵是否可逆。这样做很多时候只会浪费时间去求一个不可逆的矩阵。本文中也介绍了几种判断矩阵可逆的方法，虽然不是很全面，但是对一般矩阵可逆的判断已经足够了。在知道矩阵可逆之后，再去求解矩阵的逆矩阵才是明智的。对于矩阵的逆矩阵求解，本文介绍了两种求一般矩阵逆矩阵的方法，初等变换法，伴随矩阵法，对于不是研究的人员这已经足够了。
最后，在面对一个2阶方阵a b
c d
求逆矩阵时，也可以直接套公式A?1=1
ad?bc
d?c
?a a
，
这是伴随矩阵法求二阶逆矩阵的过程，也是较为方便的。
参考文献
[1]姚慕生，《高等代数学》[M],上海：复旦大学出版社（第二版），2002
[2]张禾瑞，郝炳新，《高等代数》[M],北京：高等教育出版社（第五版），2007
[3]同济大学数学系编，《线性代数》[M],北京：高等教育出版社（第五版），2007
一般矩阵可逆的判定电子教案
一般矩阵可逆的判定
一般矩阵可逆的判定 Good （11统计数学与统计学院 1111060231） 摘要：作为一张表，矩阵的运算规则具有特殊性。在运算的过程中，逆矩阵则是作为矩阵乘法的逆运算而存在的。由于矩阵乘法的逆运算仅限于方阵，故而逆矩阵又作为一项特殊的矩阵除法运算而存在。对于矩阵的运算来说，逆矩阵是不可缺少的一部分。在以线性代数为基础的研究中，逆矩阵是解决实际问题的一个最直观，最实用的工具。然而在实际研究中，并不是所有方阵都存在逆矩阵，那么对于矩阵可逆的判定就显得极其重要了。 关键字：阶方阵；；；； 0 引言 逆矩阵是矩阵乘法逆运算的结果。这个逆运算的过程被作为矩阵运算的一部分而不可或缺。对于所有矩阵而言，只有方阵中可逆的那部分才存在逆矩阵；就好像四边形一样，只有当矩形的四边相等才能被叫做正方形。然而也就是这很特殊的一小部分，它的运用却充斥着所有与线性代数相关的领域。比如：物理学，经济学，统计学，数学，社会管理学等等。对于矩阵的运算来说，逆矩阵的运算至关重要。由于矩阵在实际运用中具有的重要作用，而逆矩阵对于矩阵来说又具有重要的作用。在以矩阵为研究对象的研究过程中，研究逆矩阵也就有了很重要的意义。 对于研究逆矩阵的过程中，“什么样的矩阵才可逆？”是值得深讨的问题。就像求四边形中的正方形一样，要求正方形，最基本的前提就是：四边形必须是矩形。只有四边形满足四个内角都是90度的时候，四边形才称的上是矩形。而对于矩形来说，只有满足矩形的四条边都相等时，这样的矩形才能被称为正方形。对于矩阵可逆来说，一个矩阵要可逆，最基本的前提：必须满足矩阵的行列相等，矩阵必须是一个方阵才行。研究方阵的可逆，对于实际
2矩阵典型习题解析
2 矩阵 矩阵是学好线性代数这门课程的基础，而对于初学者来讲，对于矩阵的理解是尤为的重要；许多学生在最初的学习过程中感觉矩阵很难，这也是因为对矩阵所表示的内涵模糊的缘故。其实当我们把矩阵与我们的实际生产经济活动相联系的时候，我们才会发现，原来用矩阵来表示这些“繁琐”的事物来是多么的奇妙！于是当我们对矩阵产生无比的兴奋时，那么一切问题都会变得那么的简单! 知识要点解析 2.1.1 矩阵的概念 1．矩阵的定义 由m×n 个数),,2,1;,,2,1(n j m i a ij ==组成的m 行n 列的矩形数表 ?? ?? ? ? ? ??=mn m m n n a a a a a a a a a A 2 1 22221 11211 称为m×n 矩阵，记为n m ij a A ?=)( 2．特殊矩阵 （1）方阵：行数与列数相等的矩阵； } （2）上（下）三角阵：主对角线以下（上）的元素全为零的方阵称为上（下） 三角阵； （3）对角阵：主对角线以外的元素全为零的方阵； （4）数量矩阵：主对角线上元素相同的对角阵； （5）单位矩阵：主对角线上元素全是1的对角阵，记为E ； （6）零矩阵：元素全为零的矩阵。 3．矩阵的相等 设mn ij mn ij b B a A )(; )(== 若 ),,2,1;,,2,1(n j m i b a ij ij ===，则称A 与B 相等，记为A=B 。
2.1.2 矩阵的运算 1．加法 ~ （1）定义：设mn ij mn ij b B A A )(,)(==，则mn ij ij b a B A C )(+=+= （2）运算规律 ① A+B=B+A ； ②（A+B ）+C =A +（B+C ） ③ A+O=A ④ A +（-A ）=0， –A 是A 的负矩阵 2．数与矩阵的乘法 （1）定义：设,)(mn ij a A =k 为常数，则mn ij ka kA )(= （2）运算规律 ① K (A+B ) =KA+KB , ② (K+L )A =KA+LA , ③ (KL ) A = K (LA ) 3．矩阵的乘法 （1）定义：设.)(,)(np ij mn ij b B a A ==则 ,)(mp ij C C AB ==其中∑== n k kj ik ij b a C 1 . （2）运算规律 ①)()(BC A C AB =；②AC AB C B A +=+)( ③CA BA A C B +=+)( （3）方阵的幂 ①定义：A n ij a )(=，则K k A A A = ②运算规律：n m n m A A A +=?；mn n m A A =)( （4）矩阵乘法与幂运算与数的运算不同之处。 ①BA AB ≠ ②;00,0===B A AB 或不能推出 ③k k k B A AB ?≠)( 4．矩阵的转置 ~ （1）定义：设矩阵A =mn ij a )(，将A 的行与列的元素位置交换，称为矩阵A 的转置，记为nm a A ji T )(=， （2）运算规律 ①;)(A A T T = ②T T T B A B A +=+)(；
矩阵理论第一二章典型例题
《矩阵理论》第一二章 典型例题 一、 判断题 1．A n 为阶实对称矩阵，n R x 对中的列向量， ||x |A x =定义, ||x||x 则为向量 的范数. ( ) 提示：因为非负性不成立，故结论错误。 2．设A n 为阶Hermite 矩阵， 12,,,n λλλ是矩阵A 的特征值，则2 2 21 ||||n m i i A λ==∑. ( ) 提示：A n 为阶Hermite 矩阵?22 2 212||||||(,, ,)||H m n m A Udiag U λλλ= 2 212||(,, ,)||n m diag λλλ=21 n i i λ==∑. 3. 如果m n A C ?∈，且0A ≠，()H AA AA --=, 则2||||AA n -=. ( ) 提示：AA -为幂等矩阵?AA - 的特征值为0或1。又0A ≠,?A AA - ≥秩()=秩()1? 0AA -≠?1是AA -的特征值 ?2||||AA -=max ()i AA λ-= =1 4. 若设n x R ∈ ，则212||||||||||x x x ≤≤. ( ) 提示： 2 2 2 2 2 2 1221 ||||||||||||||x x x x x =++ +≤， 11||||||n i i x x ==∑1 ||1n i i x ==?∑ 21/21 ||)n i i x =≤ ∑2||x = 5. 设m n A R ?∈的奇异值为12n σσσ≥≥ ≥，则2 22 1 ||||n i i A σ==∑. ( ) 6. 设n n A C ?∈，且有某种算子范数||||?，使得||||1A <，则11 ||()||1|||| E A A --> -, 其中E 为n 阶单位矩阵. ( ) 提示：
一般矩阵可逆的判定
一般矩阵可逆的判定 Good （11统计数学与统计学院 1111060231） 摘要：作为一张表，矩阵的运算规则具有特殊性。在运算的过程中，逆矩阵则是作为矩阵乘法的逆运算而存在的。由于矩阵乘法的逆运算仅限于方阵，故而逆矩阵又作为一项特殊的矩阵除法运算而存在。对于矩阵的运算来说，逆矩阵是不可缺少的一部分。在以线性代数为基础的研究中，逆矩阵是解决实际问题的一个最直观，最实用的工具。然而在实际研究中，并不是所有方阵都存在逆矩阵，那么对于矩阵可逆的判定就显得极其重要了。 关键字：n阶方阵A；A≠0；r A=n；?λn≠0；AB=BA=I n 0 引言 逆矩阵是矩阵乘法逆运算的结果。这个逆运算的过程被作为矩阵运算的一部分而不可或缺。对于所有矩阵而言，只有方阵中可逆的那部分才存在逆矩阵；就好像四边形一样，只有当矩形的四边相等才能被叫做正方形。然而也就是这很特殊的一小部分，它的运用却充斥着所有与线性代数相关的领域。比如：物理学，经济学，统计学，数学，社会管理学等等。对于矩阵的运算来说，逆矩阵的运算至关重要。由于矩阵在实际运用中具有的重要作用，而逆矩阵对于矩阵来说又具有重要的作用。在以矩阵为研究对象的研究过程中，研究逆矩阵也就有了很重要的意义。 对于研究逆矩阵的过程中，“什么样的矩阵才可逆？”是值得深讨的问题。就像求四边形中的正方形一样，要求正方形，最基本的前提就是：四边形必须是矩形。只有四边形满足四个内角都是90度的时候，四边形才称的上是矩形。而对于矩形来说，只有满足矩形的四条边都相等时，这样的矩形才能被称为正方形。对于矩阵可逆来说，一个矩阵要可逆，最基本的前提：必须满足矩阵的行列相等，矩阵必须是一个方阵才行。研究方阵的可逆，对于实际应用才存在实际意义。那么对于方阵来说，又需要满足什么样的条件，方阵才可逆呢？本文也就是从可逆矩阵的判定条件入手，着重分析可逆判定的充要条件。最后介绍几种常用的求解逆矩阵的方法。 1 矩阵的概念 1.0矩阵的定义 定义1：令F是一个数域，用F上的m×n个数a ij(i=1,2,?,m;j=1,2,?,n)排成m行n列的矩阵列，则称为m×n阵，也称为一个F上的矩阵，简记为A mn。 A=a11a12 a21a22 ?a1n ?a2n ?? a m1a m2 ?? ?a mn 1.1逆矩阵的定义 定义2：设A是数域F上的n阶方阵，若数域F上同时存在一个n阶方阵B,使得 AB=BA=I n 则称B是A的逆矩阵，记作：B=A?1。
矩阵典型习题解析
2 矩阵 矩阵是学好线性代数这门课程的基础，而对于初学者来讲，对于矩阵的理解是尤为的重要；许多学生在最初的学习过程中感觉矩阵很难，这也是因为对矩阵所表示的内涵模糊的缘故。其实当我们把矩阵与我们的实际生产经济活动相联系的时候，我们才会发现，原来用矩阵来表示这些“繁琐”的事物来是多么的奇妙！于是当我们对矩阵产生无比的兴奋时，那么一切问题都会变得那么的简单! 2.1 知识要点解析 2.1.1 矩阵的概念 1．矩阵的定义 由m×n 个数),,2,1;,,2,1(n j m i a ij 组成的m 行n 列的矩形数表 mn m m n n a a a a a a a a a A 21 22221 11211 称为m×n 矩阵，记为n m ij a A )( 2．特殊矩阵 （1）方阵：行数与列数相等的矩阵； （2）上（下）三角阵：主对角线以下（上）的元素全为零的方阵称为上（下） 三角阵； （3）对角阵：主对角线以外的元素全为零的方阵； （4）数量矩阵：主对角线上元素相同的对角阵； （5）单位矩阵：主对角线上元素全是1的对角阵，记为E ； （6）零矩阵：元素全为零的矩阵。 3．矩阵的相等 设mn ij mn ij b B a A )(; )( 若 ),,2,1;,,2,1(n j m i b a ij ij ，则称A 与B 相等，记为A=B 。 2.1.2 矩阵的运算
1．加法 （1）定义：设mn ij mn ij b B A A )(,)( ，则mn ij ij b a B A C )( （2）运算规律 ① A+B=B+A ； ②（A+B ）+C =A +（B+C ） ③ A+O=A ④ A +（-A ）=0， –A 是A 的负矩阵 2．数与矩阵的乘法 （1）定义：设,)(mn ij a A k 为常数，则mn ij ka kA )( （2）运算规律 ① K (A+B ) =KA+KB , ② (K+L )A =KA+LA , ③ (KL ) A = K (LA ) 3．矩阵的乘法 （1）定义：设.)(,)(np ij mn ij b B a A 则 ,)(mp ij C C AB 其中 n k kj ik ij b a C 1 （2）运算规律 ①)()(BC A C AB ；②AC AB C B A )( ③CA BA A C B )( （3）方阵的幂 ①定义：A n ij a )( ，则K k A A A ②运算规律：n m n m A A A ；mn n m A A )( （4）矩阵乘法与幂运算与数的运算不同之处。 ①BA AB ②;00,0 B A AB 或不能推出 ③k k k B A AB )( 4．矩阵的转置 （1）定义：设矩阵A =mn ij a )(，将A 的行与列的元素位置交换，称为矩阵A 的转置，记为nm a A ji T )( ， （2）运算规律 ①;)(A A T T ②T T T B A B A )(； ③;)(T T KA kA ④T T T A B AB )(。
(完整版)可逆矩阵教案
§1.4 可逆矩阵 ★教学内容： 1.可逆矩阵的概念； 2.可逆矩阵的判定； 3.利用转置伴随矩阵求矩阵的逆； 4.可逆矩阵的性质。 ★教学课时：100分钟/2课时。 ★教学目的： 通过本节的学习，使学生 1. 理解可逆矩阵的概念； 2. 掌握利用行列式判定矩阵可逆以及利用转置伴随矩阵求矩阵的逆的方法； 3. 熟悉可逆矩阵的有关性质。 ★教学重点和难点： 本节重点在于使学生了解什么是可逆矩阵、如何判定可逆矩阵及利用转置伴随矩阵求逆的方法；难点在于转置伴随矩阵概念的理解。 ★教学设计： 一可逆矩阵的概念。 1.引入：利用数字乘法中的倒数引入矩阵的逆的概念。 2.定义1.4.1（可逆矩阵）对于矩阵A，如果存在矩阵B，使得AB BA E ==则称A为可逆矩阵，简称A可逆，并称B为A的逆矩阵，或A的逆，记为1 A-。 3.可逆矩阵的例子： （1）例1 单位矩阵是可逆矩阵； （2）例2 10 11 A ?? = ? ?? ， 10 11 B ?? = ? - ?? ，则A可逆； （3）例3 对角矩阵 100 020 003 A ?? ? = ? ? ?? 可逆； （4）例4 111 011 001 A ?? ? = ? ? ?? ， 110 011 001 B - ?? ? =- ? ? ?? ，则A可逆。 4.可逆矩阵的特点： （1）可逆矩阵A都是方阵； （2）可逆矩阵A的逆唯一，且1 A-和A是同阶方阵；
（3）可逆矩阵A 的逆1A -也是可逆矩阵，并且A 和1A -互为逆矩阵； （4）若A 、B 为方阵，则1 AB E A B -=?=。 二 可逆矩阵的判定及转置伴随矩阵求逆 1.方阵不可逆的例子： 例5 1100A ?? = ??? 不可逆； 例6 1224A ?? = ??? 不可逆； 2.利用定义判定矩阵可逆及求逆的方法： （1）说明利用定义判定及求逆的方法， （2）说明这种方法的缺陷； 3.转置伴随矩阵求逆 （1）引入转置伴随矩阵 1）回顾行列式按一行一列展开公式及推论 1122,0,i s i s in sn D i s a A a A a A i s =?+++=?≠?L (1,2,,)i n =L ， 1122,0,j t j t nj nt D j t a A a A a A j t =?+++=? ≠?L (1,2,,)j n =L ； 2）写成矩阵乘法的形式有： 111211121 1212221222212 120 00000n n n n n n nn n n nn a a a A A A A a a a A A A A A E a a a A A A A ?????? ? ?? ? ? ???== ? ??? ? ?? ? ?????? ? L L L L L L M M O M M M O M M M O M L L L 3）定义1.4.2（转置伴随矩阵）设ij A 式是()ij n n A a ?=的行列式中ij a 的代数余 子式，则 1121 112 22 2* 12n n n n nn A A A A A A A A A A ?? ? ? = ? ??? L L M M O M L 称为A 的转置伴随矩阵。 （2）转置伴随矩阵求逆： 1）* AA A E =； 2）定理1.4.1 A 可逆的充分必要条件是0A ≠（或A 非奇异），且
线性代数典型例题
线性代数 第一章 行列式 典型例题 一、利用行列式性质计算行列式 二、按行（列）展开公式求代数余子式 已知行列式412343 344 615671 12 2 D = =-，试求4142A A +与4344A A +. 三、利用多项式分解因式计算行列式 1．计算221 1231223131 5 1319x D x -= -. 2．设()x b c d b x c d f x b c x d b c d x = ，则方程()0f x =有根_______.x = 四、抽象行列式的计算或证明 1.设四阶矩阵234234[2,3,4,],[,2,3,4]A B αγγγβγγγ==，其中234,,,,αβγγγ均为四维列向量，且已知行列式||2,||3A B ==-,试计算行列式||.A B + 2.设A 为三阶方阵，*A 为A 的伴随矩阵，且1 ||2 A = ，试计算行列式1*(3)22.A A O O A -??-??? ?
3.设A 是n 阶(2)n ≥非零实矩阵，元素ij a 与其代数余子式ij A 相等，求行列式||.A 4.设矩阵210120001A ?? ??=?? ????,矩阵B 满足**2ABA BA E =+,则||_____.B = 5.设123,,ααα均为3维列向量，记矩阵 123123123123(,,),(,24,39)A B αααααααααααα==+++++ 如果||1A =，那么||_____.B = 五、n 阶行列式的计算 六、利用特征值计算行列式 1.若四阶矩阵A 与B 相似，矩阵A 的特征值为 1111 ,,,2345 ，则行列式1||________.B E --= 2.设A 为四阶矩阵，且满足|2|0E A +=,又已知A 的三个特征值分别为1,1,2-，试计算行列式*|23|.A E + 第二章 矩阵 典型例题 一、求逆矩阵 1.设,,A B A B +都是可逆矩阵，求：111().A B ---+
矩阵可逆的条件以及特征值,特征向量与可对角化条件
矩阵可逆的条件： 1 秩等于行数 2 行列式不为0，即|A|≠0 3 行向量(或列向量)是线性无关组 4 存在一个矩阵,与它的乘积是单位阵 5 齐次线性方程组AX=0 仅有零解 6 非齐次线性方程组AX=b 有唯一解 7 可以经过初等行变换化为单位矩阵，即该矩阵等价于n阶单位矩阵 8 它去左(右)乘另一个矩阵,秩不变 特征值、特征向量与可对角化条件： 定义：设A 是数域F 上n 阶矩阵，如果存在可逆阵P ，使P －１AP 为对角阵，那么A 称为可对角化矩阵。 并不是所有的n 阶矩阵都可对角化，例如，A= 就一定不可对角化，所以我们要首先讨论可对角化的条件。 数域F 上n 阶矩阵A 可对角化的充分必要条件为存在n 个数λ1 , λ2 , ... , λn F 及n 个线性无关的向量p1,p2,...，pn, 使APi = λiPi i=1,2, ...,n. 。 数域F 上n 阶矩阵A 可对角化的充分必要条件是A 有n 个线性无关的特征向量。
特征值与特征向量的性质： （1 ）相似矩阵有相同的特征多项式，从而有相同的特征值、相同的迹和相同的行列式。 （2 ）如果λ是矩阵A 的一个特征值，是一个多项式，那么是矩阵多项式的一个特征值 . （3 ）如果A 是一个可逆阵，λ是A 的一个特征值，那么， 1 /λ 是A -1 的一个特征值 . （4 ）属于不同特征值的特征向量线性无关。 （5 ）对矩阵A 的每个特征值，它的几何重数一定不超过代数重数。（6 ）如果A 是一个是对称矩阵，那么它的每个特征值的几何重数与代数重数相等，从而它有个线性无关的特征向量，他一定可以对角化。
可逆矩阵判定典型例题
典型例题（二）方阵可逆的判定 例1 设A 是n 阶方阵, 试证下列各式： （1）若0||≠A , 则T T A A )()(11--=； （2）若A 、B 都是n 阶可逆矩阵, 则* **)(A B AB =； （3）T T A A )()(**=； （4）若0||≠A , 则* 11*)()(--=A A ； （5） * 1*)1()(A A n --=-； （6）若0||≠A , 则l l A A )()(11--=（l 为自然数）； （7） * 1*)(A k kA n -=. 证 （1）因为0||≠A , 故A 是可逆矩阵, 且 E AA =-1 两边同时取转置可得 E E A A AA T T T T ===--)()()(11 故由可逆矩阵的定义可知 T A )(1-是A T 的逆矩阵. 即 1 1)()(--=T T A A （2）利用方阵与其对应的伴随矩阵的关系有 E AB AB AB ||)()(*= （2-7） 另一方面 B I A B B A A B AB A B )|(|)())((*****== E AB E B A B B A |||| ||||*=== （2-8） 比较式（2-7）、（2-8）可知 ))(()()(***AB A B AB AB = 又因为A 、B 均可逆, 所以(AB )也可逆, 对上式两端右乘1 )(-AB 可得 ***)(A B AB = （3）设n 阶方阵A 为 ?????????? ????=nn n n n n a a a a a a a a a A 2 1 2222111211 于是可得A 的伴随矩阵* A 为 ??????? ??? ????=nn n n n n A A A A A A A A A A 2122212 12111 * 注意到A 的转置矩阵为
矩阵可逆性总结
矩阵的可逆性 摘要：本文通过由矩阵的除法引出可逆矩阵，介绍了可逆 矩阵的定义，性质，算法及其判定方法等等，之后对可逆矩阵进行了推广，还有关于广义逆的介绍。 关键词：可逆矩阵；伴随矩阵；三角矩阵；广义逆矩阵 正文： 一、逆矩阵的定义： 因为数的除法a ÷b 是：已知两数的乘积b 及其中一个因数a 求另外一个因数x ，也就是解方程ax =b 。只要能求出除数a 的倒数a ?1使aa ?1=1，则除法b ÷a 可以转化为乘法b ×a ?1。而我们联想到矩阵的运算上，对矩阵A , B ,用B “除以”A 也就是要求一矩阵X 使AX =B 。在之前的学习过程中已经了解了矩阵的乘法不满足交换律，还应考虑求另一矩阵Y 满足YA =B 。如果能找到一个A ?1满足条件A ?1A =I ，在矩阵方程AX =B 两边左乘A ?1就得到A ?1AX =A ?1B 从而X =A ?1B 。如果这个A ?1还满足条件AA ?1=I ,则A (A ?1B )=B ,X =A ?1B 就是AX =B 的唯一解。类似地，如果上述A ?1存在，可知YA =B 有唯一解Y =BA ?1。 所以给逆矩阵下一个定义：对于矩阵Ａ，如果存在矩阵Ｂ满足条件ＡＢ＝且ＢＡ＝I （表示单位矩阵），就称Ａ可逆，并且称Ｂ是Ａ的逆。表示成B=A 1- 二、矩阵可逆的等价条件: 1、A 可逆?F ∈?B ,使得I AB =;（定义法） 2、若A 可逆，则A 是方阵且0≠A ; 3、若0≠A ，则方阵A 可逆; 4、n 级矩阵A 可逆?矩阵A 的秩为n,即r(A )=n ； 5、n 级矩阵A 可逆?A 的行向量组线性无关; 6、n 级矩阵A 可逆?A 的列向量组线性无关; 7、n 级矩阵A 可逆?A 可以表示成一系列初等矩阵的乘积； 8、n 级矩阵A 可逆?A 可以经过一系列初等行变换化为I ; 9、n 级矩阵A 可逆?A 可以经过一系列初等列变换化为I ； 10、n 级矩阵A 可逆?齐次线性方程组A x=0只有唯一零解. 三、逆矩阵的性质： 1、 逆的唯一性： 假如A 可逆，那么A 的逆B 是唯一的。
可逆矩阵教案(可编辑修改word版)
? ? ? ? ? ? ? §1.4 可逆矩阵 ★ 教学内容： 1. 可逆矩阵的概念； 2. 可逆矩阵的判定； 3. 利用转置伴随矩阵求矩阵的逆； 4. 可逆矩阵的性质。 ★ 教学课时：100 分钟/2 课时。 ★ 教学目的： 通过本节的学习，使学生 1. 理解可逆矩阵的概念； 2. 掌握利用行列式判定矩阵可逆以及利用转置伴随矩阵求矩阵的逆的方法； 3. 熟悉可逆矩阵的有关性质。 ★ 教学重点和难点： 本节重点在于使学生了解什么是可逆矩阵、如何判定可逆矩阵及利用转置伴随矩阵 求逆的方法；难点在于转置伴随矩阵概念的理解。 ★ 教学设计： 一 可逆矩阵的概念。 1. 引入：利用数字乘法中的倒数引入矩阵的逆的概念。 2. 定义 1.4.1（可逆矩阵）对于矩阵 A ，如果存在矩阵 B ，使得 AB = BA = E 则称 A 为可逆矩阵，简称 A 可逆，并称 B 为 A 的逆矩阵，或 A 的逆，记为 A -1 。 3. 可逆矩阵的例子： （1） 例 1 单位矩阵是可逆矩阵； ?1 0 ? ? 1 0 ? （2） 例 2 A = 1 1 ? ， B = -1 1 ? ，则 A 可逆； ? ? ? ? ? 1 0 0 ? （3） 例 3 对角矩阵 A = 0 2 0 ? 可逆； 0 0 3 ? ? 1 1 1? ? 1 -1 0 ? （4）例 4 A = 0 1 1? ， B = 0 1 -1? ，则 A 可逆。 ? 0 0 1? 4. 可逆矩阵的特点： （1） 可逆矩阵 A 都是方阵； ? 0 0 1 ? （2） 可逆矩阵 A 的逆唯一，且 A -1 和 A 是同阶方阵；
矩阵可逆的一个充分必要条件的几种讲法
矩阵可逆的一个充分必要条件的几种讲法 不论是在线性代数的教学中还是高等代数的教学中，矩阵的相关内容都是十分重要的。而其中矩阵可逆的部分又是要重点讲授的，因为逆矩阵在讨论研究矩阵问题时有重要作用。在矩阵可逆的这部分内容中，矩阵可逆及逆矩阵的定义是必然要介绍的，而矩阵可逆的条件中有一个充分必要条件即一个方阵可逆的充分必要条件是它的行列式不等于零是一定会讲授的，也是应用较多的，因此要求同学们一定理解掌握。 而就这一个充分必要条件不同的教师有不同的讲法，本文根据自己的体会，介绍了这一个充分必要条件的三种讲法并进行了一定的对比分析。 第一种讲法是非常常见的，很多教师都采用，特别是刚开始 教线性代数的新教师。我在第一次教这部分时也用的是这种讲法。首先介绍了矩阵可逆的定义[1]，即设A为n阶方阵，如果存在n阶方阵B,使得AB=BA=E（E是n阶单位矩阵），则称方阵A是可逆的，而B称为A的逆矩阵。在同学们知道理解了矩阵可逆及逆矩阵概念后，就引入介绍矩阵可逆的条件，我们主要介绍矩阵可逆的一个常用的充分必要条件。而为了介绍这个充分必要条件，首先需要介绍一个相关的内容，那就是伴随矩阵的相关概念[2] 。对于伴随矩阵首先介绍伴随矩阵的定义： 设矩阵A，则称矩阵为A的伴随矩阵，其中Aij是矩阵A中元素
aij 的代数余子式。 接着介绍伴随矩阵的一个重要性质：同时给出其证明：事实 上，由代数余子式的性质同理可得，所以。 这样准备工作已做好，就来讲最重要的矩阵可逆的充分必要条件。 定理（矩阵可逆的充分必要条件）矩阵 A 可逆的充分必要条 件是，且。 证明：（必要性）若，且，则，故 A 可逆且。 （充分性）若 A 可逆，，那么，因此。 以上是第一种讲法的基本过程，当然这其中还有很多教师的引导讲解，这里未体现。但这种讲法的讲授思路和顺序基本按照教材中给出的顺序来讲，其实就是直接教授给学生们概念和结论，让学生们去理解应用，缺乏探究这些结论的过程。而第二种讲法恰恰是由矩阵可逆的定义出发按照正常的推理过程得到了矩阵可逆的充分必要条件。 第二种讲法首先仍是介绍矩阵可逆的定义，接着就探究矩阵可逆的充分必要条件。探究过程如下： 由矩阵可逆的定义，要想方阵 A 可逆，首先得找出同阶方阵B,使得AB=E再看BA是否也等于E。那么我们假设A=, B=, 那么由矩阵乘法，AB的第i行第j列（i , j=1 , 2,…，n）元素应该是（1） 此时引导学生从已有知识中寻找与该问题类似或相关的内容来
矩阵理论
矩阵理论 通过学习矩阵理论这门课，发现在这个大数据的时代，矩阵理论是这个时代的基础学科，也是计算机飞速发展的引擎，它的重要性令我咂舌。一下内容是我对矩阵理论这门课程的总结和描述。 本门课程主要包含以下几部分内容：线性方程组、线性空间与线性变换、内积空间、特殊变换及其矩阵、范数及其应用、矩阵分析及其应用、特征值问题。 一 线性方程组 对*m n 矩阵A 施行一次初等行变换(初等行变换)，相当于在A 的左边(右边)乘以相应的m 阶(n 阶)初等矩阵。 由于现代计算机处理的数据越来越多，运行的任务越来越大，因此，对矩阵的处理复杂度就是我们关注的重点。 对行列式的拉普拉斯变换是将一个n 阶行列式的计算转化为n 个1n -阶行列式的计算，但是它的计算时间是!n 级。所以拉普拉斯展开定理在理论上非常重要，但在计算上一般仅用于低阶或特殊的行列式。 判断一个算法的优劣，有很多标准，包括时间复杂度和空间复杂度，显然，时间复杂度越小，说明算法效率越高，因此算法也越有价值；而空间复杂度越小，说明算法越好。但主要考虑时间复杂度，因为人生苦短嘛哈哈。 对于一些常用的()f n ，成立下列重要关系： 23(1)(log )()(log )()() (2)(3)(!)()n n n O O n O n O n n O n O n O O O n O n <<<<<<<<< LU 分解就是致力于对降低对方程组求解的复杂度。LU 分解就是在可以的情况下，将矩阵A 分解成单位下三角矩阵和一个上三角的乘积。这样的话，对Ax b =求解，可以转化为对Ly b =求解，然后对Ux y =求解。但是，不是每一个矩阵都可以这样分解，是要满足一定的要求的，这个要求就是矩阵A 的顺序主子式均不为零。 但是不满足这个条件的矩阵就不能分解了吗？当然不是啦！加入一个方阵A 不是顺序主子式不全为零的时候，但是通过行变换，可以满足要求，这样就得了下面这个定理。 如果存在置换矩阵P 、单位下三角矩阵L 与上三角矩阵U ，使得方阵A 满足P A L U =，称作带置换的LU 分解。
矩阵的运算及其运算规则
矩阵基本运算及应用 201700060牛晨晖 在数学中，矩阵是一个按照长方阵列排列的复数或实数集合。矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。矩阵的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。在电力系统方面，矩阵知识已有广泛深入的应用，本文将在介绍矩阵基本运算和运算规则的基础上，简要介绍其在电力系统新能源领域建模方面的应用情况，并展望随机矩阵理论等相关知识与人工智能电力系统的紧密结合。 1矩阵的运算及其运算规则 1.1矩阵的加法与减法 1.1.1运算规则 设矩阵，， 则
简言之，两个矩阵相加减，即它们相同位置的元素相加减！ 注意：只有对于两个行数、列数分别相等的矩阵（即同型矩阵），加减法运算才有意义，即加减运算是可行的． 1.1.2运算性质 满足交换律和结合律 交换律； 结合律． 1.2矩阵与数的乘法 1.2.1运算规则 数乘矩阵A，就是将数乘矩阵A中的每一个元素，记为或． 特别地，称称为的负矩阵． 1.2.2运算性质 满足结合律和分配律 结合律：(λμ)A=λ(μA)；(λ+μ)A =λA+μA． 分配律：λ(A+B)=λA+λB．
已知两个矩阵 满足矩阵方程，求未知矩阵． 解由已知条件知 1.3矩阵与矩阵的乘法 1.3.1运算规则 设，，则A与B的乘积是这样一个矩阵： (1) 行数与（左矩阵）A相同，列数与（右矩阵）B相同，即 ． (2) C的第行第列的元素由A的第行元素与B的第列元素对应相乘，再取乘积之和．
小度写范文【可逆矩阵判定典型例题】 矩阵可逆模板
【可逆矩阵判定典型例题】矩阵可逆典型例题（二）方阵可逆的判定 例1 设A是n阶方阵, 试证下列各式： （1）若|A|≠0, 则(AT)-1=(A-1)T ； （2）若A、B都是n阶可逆矩阵, 则 (AB)*=B*A* ；（3） (AT)*=(A*)T；（4）若|A|≠0, 则(A*)-1=(A-1)* ；（5） (-A)*=(-1)n-1A*；（6）若|A|≠0, 则(Al)-1=(A-1)l （l为自然数）；（7） (kA)*=kn-1A*. 证（1）因为|A|≠0,故A是可逆矩阵, 且 AA-1 =E两边同时取转置可得 (AA-1)T=(A-1)TAT=(E)T=E 故由可逆矩阵的定义可知 (A-1)T是AT的逆矩阵. 即 (A-1)T=(AT)-1 （2）利用方阵与其对应的伴随矩阵的关系有 (AB)*(AB)=|AB|E 另一方面
(B*A*)(AB)=B*(A*A)B=B*(|A|I)B =|A|B*B=|A| |B|E=|AB|E 比较式（2-7）、（2-8）可知 (AB)*(AB)=(B*A*)(AB) 又因为A、B均可逆, 所以(AB)也可逆, 对上式两端右乘(AB)-1 可得 (AB)*=B*A* （3）设 n 阶方阵A为 ?aa12 a?11 1n?A=?a??21a22 a2n?? ? ??aa? ?n1n2 ann? 于是可得A的伴随矩阵A* 为 ?AA?11 21 An1?A*=?A??12A22 An2?? ? ???AA?1n2n Ann注意到?A 的转置矩阵为 2-7）2-8）（ （ T 可推出A的伴随矩阵为 ?a11??a12
可逆矩阵
哈尔滨师范大学 学年论文 题目浅谈可逆矩阵的判定、求法 学生赵怀志 指导教师高鹤讲师 年级2010级 专业数学与应用数学 系别数学与应用数学系 学院数学科学学院 哈尔滨师范大学 2012年11月
论文提要 在高等代数中矩阵占有很重要的部分,而可逆矩阵又是矩阵比较重要的一类,在多项式理论、线性方程组理论、向量空间、线性变换、二次型理论等相关理论中具有极其重要的地位，为此本文从最基本的矩阵出发阐述了可逆的定义、性质及相关的应用，体现了数学的逻辑性及严密性的特点，从整体把握可逆矩阵的思想方法，希望对大家有所帮助。
浅谈可逆矩阵的判定、求法 赵怀志 摘 要：本文主要介绍了有关可逆矩阵的定义、判定、性质、求法，。对可逆矩阵相关知识做了一个较为详尽的总结。 关键词：可逆 单位矩阵 初等变换。 1 预备知识： 定义1 由 n m ?个实数ij a 排成的一个 m 行n 列的矩形数表 A =11 1212122212 mn n n m m a a a a a a a a a ?? ? ? ? ? ?? ? 称之为 n m ? 矩阵，位置（ i ,j ）上的元素，一般用ij a 表示（强调两个足标的意义）。 矩阵可简记为n m A ?或}{ij a A =或n m ij a A ?=}{ . 特殊矩阵: 方矩阵 若 n m =，称A 为n 阶（方）矩阵，也可记作 n A . （强调矩阵的（主）对角线，） 而nn a a a ,,,2211 称之为对角元素；（反主对角线）。 当 1==n m 时，即 ()11a A =， 此时矩阵退化为一个数11a . 矩阵相等 若同型矩阵n m ij a A ?=}{和n m ij b B ?=}{在对应位置上的元素都相等 即,,,1;,,1, n j m i b a ij ij === 零矩阵 所有元素都为零的矩阵，称之为零矩阵。一般记作O ；或 n m O ? . 注意，不同型的零矩阵是不相等的。 负矩阵 设 n m ij a A ?=}{，称矩阵 }{ij a A -=- 为矩阵A 的负矩阵。 三角矩阵 设}{ij a A =是 n 阶矩阵。 1）若A 的元素满足 j i a ij >?=,0，称A 是上三角矩阵； 2）若A 的元素满足 j i a ij
矩阵可逆的若干判别方法
矩阵可逆的若干判别方法 可逆矩阵是高等代数中不可缺少的一部分，也是矩阵运算中的重要组成部分，对解决数数学问题有重大意义，学习可逆矩阵，对我们解决一些代数问题有极大的帮助。 如何判断矩阵可逆，主要有以下十一种方法。 一、 矩阵可逆的基本概念 （1）对于n 阶矩阵A ，若存在n 阶矩阵B ，使得 AB=BA=I 则称矩阵A 为可逆矩阵（或非退化或非奇异或满秩矩阵），或A 可逆，称B 为A 的 逆矩阵，记作B= A -1 。 注：若矩阵可逆，则A 的逆矩阵由A 唯一确定。 （2）矩阵A 的行秩等于列秩。 （3）矩阵A 经过一系列初等变换得到矩阵B ，则A 与B 等价。 （4）记矩阵A 中元素a ij 的代数余子式为A ij ，则A*=（A ij ）T n ×n ，我们就称A*为A 的伴随矩阵。 二、矩阵可逆的性质 （1）若矩阵A 可逆，则A 的逆矩阵A -1也可逆，且（A -1）-1 =A 。 （2）若矩阵A,B 均可逆，则矩阵AB 也可逆，且(AB) -1=B -1A -1 。 （3）若矩阵A 可逆，则A T 也可逆，且（A T ）-1=（A -1）T 。 （4）若矩阵A 可逆，λ≠0，则λA 也可逆，且(A λ)= λ 1A -1 。 （5）若矩阵A 可逆，则|A -1 |= | |1A 。 （6）矩阵A 的逆矩阵A -1 = | |*A A 。 （7）若A 为m ×n 阶矩阵，P 为m 阶矩阵，Q 为n 阶矩阵，A,P,Q 均为可逆矩阵，则有r(PAQ)=r(PA)=r(AQ)=r(A)。 三、矩阵可逆的若干判别方法 （一）定义判别法 对于n 阶方阵A ，若存在n 阶方阵B ，使得AB=BA=I,则A 可逆，且B 为A 的逆， 记为B=A -1 。 例1. 判断矩阵A=??? ? ? ??010100001 是否可逆？ 证 存在矩阵B=????? ??010100001，使得AB=BA=??? ? ? ??100010001 所以矩阵A 可逆。 注：此方法大多适用于简单的矩阵。
矩阵可逆的若干判别方法.doc
山西师范大学本科毕业论文 矩阵可逆的若干判别方法 姓名郭晓平 院系数学与计算机科学学院专业数学与应用数学 班级0701班 学号0751010139 指导教师宋蔷薇 答辩日期 成绩
矩阵可逆的若干判别方法 内容摘要 对线性代数和代数学而言，矩阵是一个主要研究对象和重要工具，其中可逆矩阵又是矩阵运算理论的整体不可或缺的一部分。在矩阵理论，可逆矩阵所占的地位是不可替代的，在坐标轴旋转变换公式的矩阵表示、线性变换、线性方程组等理论研究中，它均有重要意义。而且由于在许多有关数学、物理，经济的实际问题中，常常需要通过建立合适的数学模型化为线性代数和代数学等的问题，因此可逆矩阵也是解决实际问题比较常用的工具之一。鉴于可逆矩阵具有重要的理论和实践意义，研究矩阵可逆的判别方法也就相当有必要了。 本文结合所学知识并查阅相关资料，系统地整理并归纳总结了十一种矩阵可逆的判别方法及其证明过程。其中，可逆矩阵判别方法主要包括定义判别法、伴随矩阵判别法、初等变换判别法、线性方程组法、矩阵向量组的秩判别法等。另外，本文还给出了十种特殊矩阵可逆性的相关结论，最后针对这些判别方法选取了典型的例题，以便我们更好的掌握矩阵可逆的判别方法。 【关键词】矩阵逆矩阵初等变换伴随矩阵线性方程组
Some Methods for Judging Invertible Matrix Abstract The matrix is a main research subject and an important tool in linear algebra and algebra. The invertible matrix, which plays the role of the invertible number in rational numbers, is an essential part of the matrix theory. The very important status ,which the invertible matrix holds in the matrix theory ,can not be replaced. It has the important meaning for solving linear equations, linear transformation theory problems, rotating coordinate transform formula of matrix representation theory. And In solving practical problems such as mathematics, physics, economic and other fields, it is often need to establish proper mathematical models into linear algebra and algebra issues. Therefore it also is a commonly used tool, which is widely applied in practical problem. In view of the fact that the invertible matrix has important significance in both theory and practice, the study of judging invertible matrix is quite necessary. Through combining with my knowledge, referring to the relevant materials, this paper systematically organizes and summarizes eleven kinds of methods for judging invertible matrix ,which contain definition method, the adjoin matrix method, elementary transformation method, linear equations method and so on ,and the proof process. This paper also gives ten special matrix invertible conclusions. Finally, this paper selects several typical examples aiming at these discriminate methods, so that we know the methods for judging invertible matrix. 【Key Words】matrix inverse matrix elementary transformation adjoin matrix Linear equations