定义1n个有顺序的数a1,a2,an所组成的有序数 组 a= (a a2,,) 称为n维向量。数a,a2,…,an叫做向量a的分量,a 称为向量a的第i个分量。若一个向量的分量都为实 数,则称此向量为实向量;若向量的分量为复数, 则称此向量为复向量。本章只讨论实向量。一般我 们用小写黑体字母a,,或带箭头的小写字 母 a表示向量

定理1(1)若矩阵A经过有限次初等行变 换变成B,则A的行向量组与B的行向量组等价; 而A的任意k个列向量与B中对应的k个列向量 有相同的线性相关性。 (2)若矩阵A经过有限次初等列变换变 成B,则A的列向量组与B的列向量组等价;而 A的任意k个行向量与B中对应的k个行向量有 相同的线性相关性

冷矩阵的秩( Rank of a matrix) 定义1在mxn矩阵A中,任取k行k列(k≤m,k ≤n),位于这些行列交叉处的k2个元素,不 改变它们在A中所处的位置次序而得的k阶行列 式,称为矩阵A的k阶子式。 定义2如果矩阵A有一个不等于零的阶子式D, 并且所有的r+1阶子式(如果有的话)全为零 则称D为矩阵A的最高阶非零子式,称r为矩阵 A的秩,记为R(A)=r,并规定零矩阵的秩等 于零

一、逆矩阵的定义 定义对于n阶方阵A,如果有一个n阶方阵B,使 得 AB=BA=E. 则称矩阵A是可逆的,并把方阵B称为A的 逆阵(inverse matrix)

例3设n阶方阵A的伴随矩阵为A*,证明: (1)若A=0,则A=0 (2)a=ain-1 证明:由伴随矩阵的定义显然有 AA*=AA=AIEn, 两边取行列式即得 JAllAdet()=a, 故当A不等于0时,(2)是显然的。而 只要我们证明了(1),则(2)对于A|=0 的矩阵A也是成立的。下面我们证明(1)

在理论研究及一些实际问题中,经常遇到阶数 很高或结构特殊的矩阵。对于这些矩阵,在运 算时常常采用分块法,使大矩阵的运算化成小 矩阵的运算。我们将矩阵A用若干条纵线和横 线分成许多个小矩阵,每一个小矩阵称为A的 子块,以子块为元素的形式上的矩阵称为分块 矩阵

称为m行n列矩阵,简称为mxn矩阵。这mxn个 数称为矩阵A的元素,a叫做矩阵A的第行第列 元素。元素是实数的矩阵叫做实矩阵,元素是复 数的矩阵叫做复矩阵。 本教程中的矩阵除特别说明外,都指实矩阵。 通常用大写的拉丁字母A、B、C等表示矩阵。有 时为了指明矩阵的第行第列元素为a,可将A记 作A=(a)mn或A=(an),也可将m×n矩阵A记为 mxn° 当A的行数与列数相等时,称A为n阶方阵 或n阶矩阵。显然,一阶矩阵就是一个数

从行列式的定义我们可以看出,要利用 行列式的定义来计算行列式的值是比较麻烦 的,因为它要涉及到n项的和,而且每一项 均为n个因子相乘。本节我们将讲述行列式的 些基本性质,以后我们计算行列式的值主 要是采用本节的性质将行列式化为上三角形 式或下三角形式,然后利用第二节的例2的到 行列式的值

一般说来,低阶行列式的计算要比高阶行列式的 计算要简便,于是我们自然地考虑到用低阶的行列式 来表示高阶的行列式的问题。为此,先引入余子式和 代数余子式的概念。 定义在n阶行列式D=(a中,把元素在的 第i行、第列划去,剩下的元素按原来的相对位置形 成的n-1阶行列式叫做元素的余子式,记作M称 A=(-1)做元素a的代数余子式

对于一个阶数比较高的行列式,利用定义求值 或利用行列式按行(列)展开法则求值都不是一种可 行的方法。诚如前面所指出的,计算一个n阶行列 式就要作n!次乘法.当n增大时,n!的增长是非常快 的,例如,18~6.4×1015。假定计算机作一次乘法运 算的时间是百万分之一秒,则通过反复使用行列式 按行(列)展开法则并用这种计算机求一个18阶行列 式的值需要的时间(以每天工作八小时计算)竟多达 200年!这就说明为一般地解决行列式的求值问 题,必须利用行列式性质发展有效的计算方法,对 各个具体问题还要善于发现和利用其特点以简化手 续。本节例析几种常用的行列式值的求法,最后介 绍行列式的简单应用