矩阵的概念与运算：从定义到运算规律的完整框架

矩阵是线性代数中最核心的数学对象之一，它既是数据的组织方式，也是线性变换的代数表示。在考研数学一中，矩阵部分不仅是独立的考点，更是后续行列式、秩、特征值、二次型等内容的运算基础。本章围绕矩阵的定义、特殊矩阵类型以及加法、数乘、乘法、转置、共轭转置五大运算展开，重点厘清运算的适用条件、运算规律与易错点，帮助考生建立“先定性、再定形、后运算”的解题思维。

矩阵的概念与运算 矩阵定义 m×n 个数排成 m 行 n 列 记作 A=(aij)m×n 特殊矩阵（5类） 单位阵 E / I 对角阵 diag(d₁…dₙ) 对称阵 Aᵀ=A 反对称阵 Aᵀ=-A 上三角阵 五大运算 加法 A+B 数乘 kA 乘法 AB 转置 Aᵀ 共轭转置 Aᴴ 运算规律与易错点 AB≠BA（乘法不交换） AB=O ⇏ A=O 或 B=O (AB)ᵀ = BᵀAᵀ（反序） (AB)ᴴ = BᴴAᴴ（反序） AC=BC ⇏ A=B（无消去律） A²=O ⇏ A=O

一、核心原理：矩阵的定义与本质

矩阵是由 \( m \times n \) 个数 \( a_{ij} \)（\( i=1,2,\cdots,m; j=1,2,\cdots,n \)）按确定位置排列成的矩形数表，记作：

\[ A = (a_{ij})_{m \times n} = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \end{pmatrix} \]

其中 \( m \) 为行数，\( n \) 为列数。当 \( m=n \) 时称为方阵，此时矩阵的阶数为 \( n \)。矩阵的每个元素 \( a_{ij} \) 的下标含义为“第 \( i \) 行第 \( j \) 列”，这一点在后续矩阵乘法中至关重要——行下标决定“输出位置”，列下标决定“参与运算的维度”。

从本质上看，矩阵具有双重身份：静态视角下它是数据的矩形排列（如线性方程组的系数表、坐标变换的参数表）；动态视角下它代表线性变换（将向量 \( \mathbf{x} \) 映射为 \( A\mathbf{x} \)）。考研中经常需要在这两种视角之间切换，例如判断矩阵是否可逆时用静态视角（行列式非零），而理解特征值、相似对角化时用动态视角（变换的伸缩与旋转）。

关键理解：矩阵不是“数字的集合”这么简单，它本质上是一种运算规则。两个矩阵相乘得到的新矩阵，其每个元素都是“左矩阵的行”与“右矩阵的列”的内积结果。因此，矩阵乘法的前提条件是左矩阵的列数必须等于右矩阵的行数。

二、特殊矩阵：识别与性质

考研中频繁出现的特殊矩阵共有五类，它们的定义、判定条件和关键性质如下表所示：

矩阵类型 定义条件 典型形式（3阶） 核心性质
单位阵 E 主对角线全为1，其余全为0 \(\begin{pmatrix} 1&0&0\\0&1&0\\0&0&1 \end{pmatrix}\) \( AE=EA=A \)，是矩阵乘法的“幺元”
对角阵 非主对角线元素全为0 \(\text{diag}(d_1,d_2,d_3)\) 对角阵相乘仍为对角阵，且对应元素相乘
对称阵 \( A^T = A \)，即 \( a_{ij}=a_{ji} \) \(\begin{pmatrix} 1&2&3\\2&4&5\\3&5&6 \end{pmatrix}\) 对称阵的和、数乘仍对称；\( A^TA \) 恒为对称阵
反对称阵 \( A^T = -A \)，即 \( a_{ij}=-a_{ji} \) \(\begin{pmatrix} 0&2&-1\\-2&0&3\\1&-3&0 \end{pmatrix}\) 主对角线元素必为0；奇数阶反对称阵行列式为0
上三角阵 主对角线以下元素全为0 \(\begin{pmatrix} 1&2&3\\0&4&5\\0&0&6 \end{pmatrix}\) 上三角阵相乘仍为上三角；对角元为特征值

判断方法：拿到一个矩阵，先看形状（是否方阵），再看主对角线上下区域的元素分布。对称阵与反对称阵的判断核心是“转置后是否等于原矩阵或其相反数”，实际操作时逐项比较 \( a_{ij} \) 与 \( a_{ji} \) 的关系即可。上三角阵则只需检查主对角线下方是否全为零。

记忆技巧：对称阵“沿主对角线折叠后重合”，反对称阵“折叠后符号相反且对角线必为零”。上三角阵的英文 upper triangular 中的 “upper” 提示我们“非零元素在上方”。

三、矩阵的五大运算：规则与操作流程

1. 加法与数乘

矩阵加法要求同型矩阵（行数、列数均相同），对应元素相加：\( (A+B)_{ij} = a_{ij} + b_{ij} \)。数乘则是将标量 \( k \) 乘以矩阵的每一个元素：\( (kA)_{ij} = k \cdot a_{ij} \)。

运算规律：

  • 加法交换律：\( A+B = B+A \)
  • 加法结合律：\( (A+B)+C = A+(B+C) \)
  • 数乘分配律：\( k(A+B) = kA + kB \)，\( (k+l)A = kA + lA \)
  • 数乘结合律：\( k(lA) = (kl)A \)

2. 矩阵乘法

设 \( A \) 为 \( m \times n \) 矩阵，\( B \) 为 \( n \times p \) 矩阵，则 \( C = AB \) 为 \( m \times p \) 矩阵，其中：

\[ c_{ij} = \sum_{k=1}^{n} a_{ik} b_{kj} = a_{i1}b_{1j} + a_{i2}b_{2j} + \cdots + a_{in}b_{nj} \]

操作流程：左矩阵的第 \( i \) 行与右矩阵的第 \( j \) 列对应元素相乘后求和，得到结果矩阵的第 \( i \) 行第 \( j \) 列元素。形象地说，就是“左行右列，对应相乘，累加求和”。

乘法三大陷阱：
  1. 不满足交换律：\( AB \neq BA \)（甚至 \( BA \) 可能无意义）。
  2. 零因子存在：\( AB = O \) 不能推出 \( A=O \) 或 \( B=O \)。
  3. 无消去律：\( AC = BC \) 且 \( C \neq O \) 时，不能推出 \( A = B \)。

3. 转置与共轭转置

转置是将矩阵的行与列互换：\( (A^T)_{ij} = a_{ji} \)。若矩阵元素为复数，则共轭转置（Hermitian 转置）先取共轭再转置：\( (A^H)_{ij} = \overline{a_{ji}} \)。

转置运算规律：

  • \( (A^T)^T = A \)（双重转置还原）
  • \( (A+B)^T = A^T + B^T \)
  • \( (kA)^T = kA^T \)
  • \( (AB)^T = B^T A^T \)（反序律，乘法转置要颠倒顺序）
  • 共轭转置同样满足 \( (AB)^H = B^H A^H \)

四、案例拆解：矩阵运算的综合应用

场景：某线性变换系统接收三维输入向量 \( \mathbf{x} \)，先经过矩阵 \( A \) 变换，再经过矩阵 \( B \) 变换。已知：

\[ A = \begin{pmatrix} 1 & 2 & 0 \\ -1 & 1 & 3 \end{pmatrix}, \quad B = \begin{pmatrix} 2 & 0 \\ 1 & -1 \\ 0 & 2 \end{pmatrix} \]

目标：求复合变换矩阵 \( C = AB \)，并验证 \( (AB)^T = B^T A^T \)。

分析过程：

  1. 维度检查：\( A \) 为 \( 2 \times 3 \)，\( B \) 为 \( 3 \times 2 \)，满足乘法条件，结果 \( C \) 为 \( 2 \times 2 \)。
  2. 逐元素计算：
    • \( c_{11} = 1\times2 + 2\times1 + 0\times0 = 4 \)
    • \( c_{12} = 1\times0 + 2\times(-1) + 0\times2 = -2 \)
    • \( c_{21} = (-1)\times2 + 1\times1 + 3\times0 = -1 \)
    • \( c_{22} = (-1)\times0 + 1\times(-1) + 3\times2 = 5 \)
  3. 结果：\( C = \begin{pmatrix} 4 & -2 \\ -1 & 5 \end{pmatrix} \)
  4. 验证转置反序律：\( C^T = \begin{pmatrix} 4 & -1 \\ -2 & 5 \end{pmatrix} \)，而 \( B^T A^T = \begin{pmatrix} 2&1&0\\0&-1&2 \end{pmatrix} \begin{pmatrix} 1&-1\\2&1\\0&3 \end{pmatrix} = \begin{pmatrix} 4&-1\\-2&5 \end{pmatrix} \)，两者一致。

复盘：该案例展示了矩阵乘法的完整操作流程——先检查维度，再逐元素计算，最后用转置规律验证结果。实际考试中，矩阵乘法常与转置、对称性结合出题，例如证明 \( A^TA \) 为对称阵：\( (A^TA)^T = A^T(A^T)^T = A^TA \)，一步到位。

五、常见误区与总结复盘

误区 错误示例 正确理解
乘法交换律 \( AB = BA \) 仅当 \( A,B \) 可交换时成立（如对角阵），一般情况不成立
零因子 \( AB=O \Rightarrow A=O \) 或 \( B=O \) \( A=\begin{pmatrix}1&0\\0&0\end{pmatrix}, B=\begin{pmatrix}0&0\\0&1\end{pmatrix} \)，\( AB=O \) 但均非零矩阵
消去律 \( AC=BC \Rightarrow A=B \) 需 \( C \) 可逆才成立；不可逆时反例大量存在
转置顺序 \( (AB)^T = A^T B^T \) 正确为 \( (AB)^T = B^T A^T \)，顺序必须颠倒
对称阵判定 只看主对角线对称 必须逐项检查 \( a_{ij}=a_{ji} \) 对所有 \( i,j \) 成立
本章核心方法论：矩阵运算的解题顺序应为“先看型（同型/方阵/特殊结构），再定则（选择运算规则），后验证（用转置、结合律等检验）”。遇到抽象矩阵表达式时，优先利用运算规律进行化简，而不是展开成元素形式。例如证明 \( (A+B)(A-B) = A^2 - B^2 \) 需要 \( AB=BA \) 作为前提，否则展开后多出 \( BA-AB \) 项。

总结：矩阵的概念与运算是线性代数的“基础设施”。考生需要做到：① 熟练识别五类特殊矩阵并记住其性质；② 准确掌握矩阵乘法的维度匹配与逐元素计算；③ 牢记转置的反序律和乘法的不交换性；④ 能够利用运算规律进行抽象推导。这些能力将直接服务于后续的逆矩阵、秩、特征值等核心章节。

← 上一章 📖 返回目录 下一章 →