正交、正定、幂等矩阵

幂等矩阵的性质及应用

JIU JIANG UNIVERSITY毕业论文（设计）题目幂等矩阵的性质及应用英文题目Properties and Applicationof Idempotent Matrix 院系理学院专业数学与应用数学姓名邱望华年级 A0411指导教师王侃民二零零八年五月幂等矩阵在数学领域以及其他许多领域应用都非常广泛，因此对幂等矩阵进行探讨具有很重要的意义。

本文主要是对幂等矩阵的一些性质和结论进行归纳总结并对相关性质进行推广。

首先对幂等矩阵简单性质进行了归纳总结，接着谈到了实幂等矩阵的等价条件并推广到复矩阵以及高次幂等矩阵，然后研究了幂等变换、幂等矩阵线性组合的幂等性、幂等矩阵线性组合的可逆性、幂等矩阵秩有关的性质。

[关键词] 幂等矩阵，性质，幂等性，线性组合The idempotent matrix is widely applied in mathematics as well as other many places, so there is very vital significance to carry on the discussion to the idempotent matrix . This paper mainly carries on the induction summary some simple nature and the important conclusion of idempotent matrix and carries on the promotion to the related nature. Firstly, this article has carried on the induction summary to its simple nature, then talkes about the equivalence condition of the solid idempotent matrix and extends to the equivalence condition of the plural idempotent matrix and the higher mode idempotent matrix . Then the article studies the idempotent transformation、the idempotency of linear combinations of two idempotent matrices、the invertibility of linear combinations of two idempotent matrices.[Key Words] the idempotent, the nature, the idempotence,linear combination符号表R 实数域n R 实数域n 维列向量空间 n n R ⨯ 实数域上的n ×n 阶矩阵 C 复数域n C 复数域n 维列向量空间 n n C ⨯ 复数域上的n ×n 阶矩阵 A ' 矩阵A 的转置*A 矩阵A 的伴随1A - 矩阵A 的逆det()A 矩阵A 的行列式 rank()A 矩阵A 的秩()N A 矩阵A 的核空间，即}{()0,n N A x P Ax P =∈=是一个数域()R A 矩阵A 的值域，即}{(),n R A Ax x P P =∈是一个数域 dim V 线性空间V 的维数1T - 线性变换T 的逆变换 TV T 的值域,即TV ={}T V ξξ∈1(0)T - T 的核,即{}1(0)0,T T V ξξξ-==∈目录第一章预备知识 (1)1.1幂等矩阵的概念及刻划 (1)1.2幂等矩阵的一些简单性质 (3)第二章相关的重要结论 (7)2.1幂等矩阵的等价条件 (7)2.2幂等变换 (14)2.3幂等矩阵线性组合的幂等性 (17)2.4幂等矩阵线性组合的可逆性 (23)2.5幂等矩阵的秩方面的有关性质 (26)结束语 (29)参考文献 (30)第一章预备知识1.1 幂等矩阵的概念及刻划定义1[1].对n 阶方阵A ,若2A A =,则称A 为幂等矩阵.为了对一般幂等矩阵作出刻划,下面先对二阶幂等矩阵讨论,再推广到一般幂等矩阵.命题1.若A 是幂等矩阵,则与A 相似的任意矩阵是幂等矩阵. 证明：若A 相似于B (记作~A B ),则有同阶可逆矩阵P ,使B =1p -A P [1],从而2B =1p -A P ·1p -A P =1p -2A P =1p -A P =B . ▌命题2.若A 是对角分块矩阵，设A =12r A A A ⎛⎫⎪⎪ ⎪ ⎪⎝⎭，则A 是幂等矩阵⇔i A (1,2,,)i r = 均是幂等矩阵.由于每个n 级复数域矩阵A 都与一个若尔当矩阵相似[1]，据命题1和命题2知，我们只需要讨论若尔当块的幂等性.若A 是一个2阶复数域矩阵,则A 的若尔当标准型有两种可能的形式:第一种: 10λ⎛⎫ ⎪λ⎝⎭,但它不是幂等矩阵.否则有210λ⎛⎫ ⎪λ⎝⎭=10λ⎛⎫⎪λ⎝⎭,有,212λ=λλ=.矛盾.第二种: 0012λ⎛⎫⎪λ⎝⎭ ,由20001122λλ⎛⎫⎛⎫= ⎪ ⎪λλ⎝⎭⎝⎭,有221122,λ=λλ=λ,从而有01λ=或1,20λ=或 1.于是该情况有四种可能的形式:0000⎛⎫ ⎪⎝⎭,1000⎛⎫ ⎪⎝⎭ ,1001⎛⎫ ⎪⎝⎭ ,0001⎛⎫ ⎪⎝⎭(1)据命题1,于是得到:定理1[19]. A 是二阶幂等矩阵,则A 是零矩阵或单位矩阵或形如1ab c a ⎛⎫ ⎪-⎝⎭.证明: 由以上讨论知A 相似于(1)式中的四个矩阵之一1若A ～0000⎛⎫ ⎪⎝⎭ ,显然有 A =0000⎛⎫ ⎪⎝⎭02若A ～1001⎛⎫ ⎪⎝⎭ ,显然有 A =1001⎛⎫⎪⎝⎭3若A ～1000⎛⎫⎪⎝⎭ ,则有可逆矩阵P =1234λλλλ⎛⎫⎪⎝⎭，1423(,P )λλλλ≠因为可逆使A =14121423142313423142314231000a b P P c d λλλλλλλλλλλλλλλλλλλλλλλλ-⎛⎫-⎪--⎛⎫⎛⎫⎪== ⎪ ⎪⎪⎝⎭⎝⎭-⎪--⎝⎭则有 1d a =- .即 A 1ab c a ⎛⎫= ⎪-⎝⎭ .对剩余的一种与此有同样的结果. ▌设112,1n n J λλλλ⎛⎫⎪⎪⎪≥= ⎪ ⎪⎪⎝⎭，由2n n J J = ，有2,21,λλλ==这是不可能的.于是有:命题3.当2n ≥时,n 阶若尔当块n J 不具有幂等性.即2n n J J ≠.因此,若A 是幂等矩阵，则A 的若尔当标准型如下：1200000n r J λλλ⎛⎫⎪⎪= ⎪⎪⎝⎭据命题1即有2n n J J =⇒2,1,2,,i i i r λλ== .于是0i λ= 或1.于是我们得到如下定理:定理2. A 是n 阶幂等矩阵，当且仅当存在n 阶可逆矩阵P ，使得1A PJP -=.其中J 是主对角线上元素为0或1的对角矩阵. ▌1.2 幂等矩阵的一些简单性质性质1.方阵零矩阵和单位矩阵E 是幂等矩阵. 性质2.方阵A 是幂等矩阵，且A 可逆，则A E =. 因为2A A =,则121A A A A A E --===. ▌据此易知:可逆幂等矩阵的逆矩阵是幂等矩阵.即1A -(如果存在的话)是幂等矩阵.因为1A E A E -=⇒=.性质3.若A 是实幂等矩阵，则*,,A E A A '-都是幂等矩阵. 证明: 对A ',22()()A A A '''==. 对E A -,有22()22E A E A A E A A E A -=-+=-+=-.对*A ,先证明对任意两个幂等矩阵,A B ,有关系式 ***[2]()AB B A =.由Cauchy binet -公式有:*(,)()A i j AB B i j =矩阵的第行第列代数余子式=(1)det()({1,,1,1,,},{1,,1,1,,})i j AB j j n i i n +--+-+=1(1){det()({1,,1,1,,},{1,,1,1,,})ni jk A j j n k k n +=--+-+∑det()({1,,1,1,,},{1,,1,1,,})}B k k n i i n ⋅-+-+=**({},{})11.nnjk ki ki jk i j k k A B B A B A ====∑∑于是，*2*****2()()()A A AA A A A ====. ▌性质4.若A 是复数域上的幂等矩阵,则,A E A '-也是幂等矩阵. 证明:222()()()()A A AA A A '''''====.22()22E A E A A E A A E A -=-+=-+=-. ▌ 性质5.若A 是幂等矩阵,则A 的特征值只能是1或0. 即知幂等矩阵是半正定矩阵.证明:由2A A = 知2λλ= (A λ是的特征值)01λ⇒=或. ▌ 由此易知:幂等矩阵是半正定矩阵.性质6.若A 是幂等矩阵,设()ϕλ是A 的最小多项式,则()ϕλ=1λλλλ-或或（-1）从而A 可对角化,且其若尔当标准型为 000rE ⎛⎫ ⎪⎝⎭. 其中r E 是r 阶单位矩阵, r 是A 的秩.证明:由于矩阵的最小多项式是该矩阵特征多项式的因式, 据性质5知()ϕλ=1λλλλ-或或（-1）.又最小多项式是互素的一次因式的乘积,故可对角化. ▌性质7[17].若A 是幂等矩阵，则()()N A R E A =-，其中}{()0n N A x C Ax =∈=}{()(),n nR E A x C x E A y y C -=∈=-∈.证明：由2A A = 有()0A E A -=，立即知E A -的n 阶列向量都是0AX =的解故有()()R E A N A -⊂又对()a N A ∀∈,有0()()Aa a Aa E A a E A a =⇒=+-=-()a R E A ⇒∈-由a 的任意性知 ()()N A R E A ⊂-. 于是有 ()()N A R E A =- . ▌ 同样地,有结论 ()()N E A R A -=.性质8.若A 是幂等矩阵,对任意实数(0,1)a a ≠,则A aE +是可逆矩阵. 证明:由2A A =有2(1)(1)A A a a E a a E --+=-+()[(1)](1)A aE A a E a a E +-+=-+.又由0,1a ≠ 有1(){[(1)]}(1)A aE A a E E a a +-+=-+故A aE +可逆,且11()[(1)](1)A aE A a E a a -+=-+-+. ▌性质9.任一秩为r 的n n ⨯幂等矩阵A 可分解成A CB =,其中C 是秩为r 的n r ⨯矩阵,且r BC E = .(其中r E 是r 阶单位矩阵)证明:由性质6知, 存在n 阶可逆矩阵P 使1000rEP AP -⎛⎫= ⎪⎝⎭.则()100000r r rE E A P P P E P -⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭.记(),00r r E C P B E ⎛⎫== ⎪⎝⎭.显然,B C 满足要求. ▌性质10.任一幂等矩阵可写成两个实对称矩阵之积.证明:因为1100()0000r r E E A P P P P --⎛⎫⎛⎫''=⋅ ⎪ ⎪⎝⎭⎝⎭.故结论成立 ▌性质11.若,A B 均为n n ⨯阶幂等矩阵,且AB BA =,则AB 与A B ''均为幂等矩阵.证明:据题意有：222()AB ABAB AABB A B AB ====.2222()[()]()()()()()A B BA BA BA BABA B A BA A B ''''''''''======.▌第二章相关的重要结论本章按节来逐次讨论和探索幂等矩阵的多个等价条件、幂等变换、线性组合的幂等性、线性组合的可逆性、秩方面的有关性质等有关问题.2.1 幂等矩阵的等价条件经过参考多篇文献，并进行归纳和推理可以得出以下定理.定理1:设A 是n n ⨯的实矩阵,则下列命题是互相等价的:1)A 是幂等矩阵.2)A '是幂等矩阵.3)E A -是幂等矩阵.4)对任意的可逆矩阵P ,1P AP -是幂等矩阵.5)2B A E =-是对合矩阵.(满足2B E =的矩阵B 称为对合矩阵)6)()()N A R E A =-.7)()()R A N E A =-.8)rank rank()A E A n +-=.9){}()()0R A R E A -= .10){}()()0N A N E A -= .11)()()n R R A R E A =⊕-.12)()()n R N A N E A =⊕-以上给出了实幂等矩阵的几个等价条件,经过研究和分析知:对复幂等矩阵也有平行的结论.定理2:设A 是n n ⨯的复矩阵,则下列命题是互相等价的:1)A 是幂等矩阵.2)A '是幂等矩阵.3)E A -是幂等矩阵.4)对任意的可逆矩阵P ,1P AP -是幂等矩阵.5)2B A E =-是对合矩阵.(满足2B E =的矩阵B 称为对合矩阵)6)()()N A R E A =-.7)()()R A N E A =-.8)rank rank()A E A n +-=.9){}()()0R A R E A -= .10){}()()0N A N E A -= .11)()()n C R A R E A =⊕-.12)()()n C N A N E A =⊕-证明:1)⇔2) 由2A A =知22()()A A A '''==.反过来,222[()][()]()A A A A A ''''''====.1)⇔3)必要性: 在1.2节性质3中已经给出了证明.充分性:2()()E A E A -=- ⇒222E A A E A A A -+=-⇒=.1)⇔4)由2A A = 知1211121()P AP P AP P AP P A P P AP -----=⋅==.反过来,12111121()P AP P AP P AP P AP P A P P AP ------=⇒⋅==⇒ 2A A =.1)⇔5)由2A A =,有2B =2(2)A E -=244A A E E -+=.反过来,22244B E A A E E A A =⇒-+=⇒=.1)⇔6)必要性: 在1.2节性质7中已经给出了详细证明.充分性: 对,n a R ∀∈有()()()E A a R E A N A -∈-=，故()()E A a N A -∈于是有2[()]0()0A E A a A A a -=⇒-=.由a 的任意性得2A A =.1)⇔7)必要性: 由2A A =知()Aa R A ∀∈,有()0()E A Aa Aa N E A -=⇒∈-()()R A N E A ⇒⊂-.又()a N E A ∀∈-,有()0E A a -=.于是()a Aa E A a =+-()()()Aa R A N E A R A =∈⇒-⊂故有()()R A N E A =-.充分性: 对n a R ∀∈,有()()()Aa R A N E A Aa N E A ∈=-⇒∈-于是有2-=⇒-=.E A Aa A A a()()0()0由a的任意性得2A A=.1)⇔8)必要性: 由2A A=知()()=-.N A R E A于是有dim()dim()=-N A R E A即有rank rank()n A E A-=-亦即rank rank()+-=.A E A n充分性: 由rank rank()+-=易知:A E A ndim()dim()=- (*)N A R E A又对()∀∈,有a N AAa=则有-=-=.E A a a Aa a()由()()a R E A∈--∈-知()E A a R E A即有()()⊂-.N A R E A据(*)式知=-.N A R E A()()=.再由6)得2A A8)⇔9)必要性: 由rank rank()+-=.即知:A E A n+-=.dim()dim()R A R E A n又对n∀∈,有a R=+-,()a Aa E A a而(),Aa R A ∈()()E A a R E A -∈-.故 ()()n C R A R E A =+-.又dim dim ()dim ()dim[()()]n C R A R E A R A R E A =+--- n =.故有dim[()()]0R A R E A -= .于是, {}()()0R A R E A -= .充分性: 由{}()()0R A R E A -= 有dim ()dim ()R A R E A n +-=.即有rank rank()A E A n +-=.9)⇔10)必要性: 由上面的证明知由9)有6)和7),再把6)和7)代入到9),立即得到10).充分性：同理可证.9)⇔11) 这是显然的[1].10)⇔12) 这是显然的[1]. ▌定理3.设A 是秩为r 的n n ⨯矩阵.则A 是幂等矩阵⇔存在n 阶可逆矩阵P ,使1000rE P AP -⎛⎫= ⎪⎝⎭. 证明: 必要性: 在1.2节性质6中已给出了证明.充分性: 由1000rE P AP -⎛⎫= ⎪⎝⎭,有 1000r E A P P -⎛⎫= ⎪⎝⎭. 则2111000000000rr r E E E A P P P P P P A ---⎛⎫⎛⎫⎛⎫=⋅== ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭. ▌ 以上是对二次幂等矩阵进行了一定的讨论.下面来对高次幂等矩阵进行有关的讨论.定理4.设,A B 是三次幂等矩阵,即33,A A B B ==,且满足AB BA =,A B ≠, 记C A B =+.则3()0C C AB A B =⇔+=.证明:由矩阵,A B 是幂等可交换的，于是可同时对角化[6]. 即存在可逆矩阵 P ,使得1112,P AP P BP --Λ=Λ=均为对角矩阵,而且它们对角元素分别是,A B 的特征值.从而有1112,.A P P B P P --=Λ=Λ进而112()C P P -=Λ+Λ.于是3C C =可以等价为322333,1,2,,i i i i i i i i i n λλμλμμλμ+++=+= . 其中,i i λμ分别是12,ΛΛ的对角元.又由30,1,1x x x =⇒=-知,A B 的特征值只有0,-1,1.即333,,(1,2,,)i i i i i r λλμμ===于是3C C =等价为220,(1,2,,)i i i i i r λμλμ+== .即221212O ΛΛ+ΛΛ=.因此3C C =等价为()0AB A B +=. ▌注:当2A A =,立即有32A A A ==,同样地,对k ∀,(2k ≥为正整数) k A A = 即任意的二次幂等矩阵均为k 次幂等矩阵.因此可得以下推论.推论: 设,A B 是二次幂等矩阵,且满足AB BA =,A B ≠,记C A B =+.则 2()0C C AB A B =⇒+=. ▌引理1[1].对任意两个同阶矩阵,A B ,有rank()rank()rank()A B A B +≤+. 引理2[1].设,A B 为n n ⨯矩阵,满足AB O =,则有rank rank A B n +≤. 定理5.设矩阵A 满足3,A A =且A 可逆.则2A E =且rank rank()rank()2A A E A E n +++-=.证明: 由3,A A =A 可逆,有-13-12A A A A A E ⋅=⋅⇒=()()A E A E O ⇒+-=.于是据引理2有r a n k ()r a n k ()A E A E n ++-≤ (1)又2()()E E A E A =++-据引理1有rank(2)rank[()()]n E E A E A ==++-rank()rank()E A E A ≤++-rank()rank()A E A E =++-. (2)有(1)式和(2)式有rank()rank()A E A E n ++-=.由于A 可逆知rank A n =.因此有rank rank()rank()2A A E A E n +++-=. ▌定理6.设矩阵A 满足,(2)k A A k =≥.则*,,A A A ''都是k 此幂等矩阵.证明:对A ',()()k k A A A '''==.对*,A*****()()k k k A A A A A =⋅⋅==个. 对,A '()()()k k k A A A A ''''===. ▌定理7. 设矩阵A 满足,(2)k A A k =≥.则A 的特征值为0和22cossin ,(0,1,,2)11m m m i m k k k ππε=+=--- . 证明: 由k A A =,有 k λλ=,其中λ是矩阵A 的特征值.解方程k λλ=可得220cossin ,(0,1,,2)11m m i m k k k ππλ=+=--- 以及. ▌2.2 幂等变换数域F 上n 维线性空间V 的全部线性变换组成的集合()L V 对于线性变换的加法与数量乘法构成F 上的一个线性空间，与数域F 上n 阶方阵构成的线性空间n n F ⨯同构.特别地，与幂等矩阵对应的是幂等变换.因此为了讨论和探索幂等矩阵的性质时很有必要去探索幂等变换的相关性质.定义1.设T 是线性空间V 的一个线性变换,若2T T =,则称T 是幂等变换.由于矩阵与变换间存在一一对应的关系,因此前面所提到的性质和结论可以平移到幂等变换上来.限于篇幅,下面只举几个例子.性质1.可逆的幂等变换是恒等变换.证明:恒等变换与单位矩阵相对应.因此该性质与“可逆的幂等矩阵为单位矩阵”一致. ▌性质2.若T 是幂等变换,则T τ-也是幂等变换.(其中τ是恒等变换) 性质3.T 是幂等变换⇔2T τ-为对合变换. 其中线性变换T 满足2T τ=,则称T 是对合变换. 性质4.T 是线性空间V 上的幂等变换,则1(0)V TV T -=⊕.▌ 我们知道:对于一般的线性变换来说,虽然1dim dim (0)dim TV T V -+=,但未必有1(0)V TV T -=⊕.这样的例子很多. 例如:在线性空间[]n P x 中令 (())()f x f x ϕ'=.则微分变换是一线性变换[1],其值域为1[]n P x -,其核是子空间P .它们的维数分别是1,1n -.但显然1[]n P x -+P ≠[]n P x .性质5.设T 和U 是n 维线性空间V 上的线性变换,且22,T T U U ==. 如果2()T U T U +=+,则0TU UT ==. 证明:由2()T U T U +=+,可得0TU UT +=……………………………………①对①式左乘T 得0TU TUT +=…………………………………②对①式右乘T 得0TUT UT +=……………………………………③比较②和③得 TU UT =.代入到①式得到 20TU =.于是就有 0TU UT ==. ▌ 性质6.设T ,U 是n 维线性空间上的线性变换,且22,T T U U ==. 则 1) ,TV UV TU U UT T =⇔==. 2) 11(0)(0),T U TU T UT U --=⇔==.证明:1)""⇒ 对,a V ∀∈有Ua UV TV ∈=.故,V β∃∈使Ua T β=. 从而2TUa T T Ua ββ===.因此有TU U =.同样可证得UT T =.""⇐ 据,TU U UT T ==可知,对Ta TV V ∀∈⊂,有()Ta UTa U Ta UV ==∈,故TV UV ⊂.同样可证得UV TV ⊂.于是TV UV =. 2)""⇒ 对a V ∀∈,作向量a Ta -.据11(0)(0)T U --=,有()T a Ta -20Ta T a Ta Ta =-=-=.故11(0)(0)a Ta T U ---∈=.从而有()0U a Ta -=⇒Ua UTa =⇒UT U = 同理有TU T =.""⇐ 对1(0)a T -∀∈,有0Ta =.据,TU T UT U ==,有10(0)Ua UTa a U -==⇒∈.即有11(0)(0)T U --⊂.同理可得11(0)(0)U T --⊂. 故有11(0)(0)T U --=. ▌2.3 幂等矩阵线性组合的幂等性在本节中,我们将给出两个幂等矩阵线性组合12P c A c B =+仍是幂等矩阵的一些充分条件.引理1[15].设2,,0,0n n l A B C A A B B ⨯∈=≠=≠,l 为2≥的整数,且AB BA =. 则存在{}12,0c c C ∈-,使12P c A c B =+为幂等矩阵的充要条件是:22111211(2),c c A E B B B c c c λλ--=-+=. 证明:221212()P P c A c B c A c B =⇔+=+22222111212()c B c B c c A c c AB c c BA ⇔-=-++(令121c c λ-=) 221112(2)c B B A AB A E B c c λλ⇔-+=-=-.▌ 据引理1,下面将给出12P c A c B =+是幂等矩阵的十组充分条件.为了简化过程,先令{}00,s = {}111,l s x x x C -==∈,{}21,,s x x y z y z s ==+∈, 012s s s s = .定理1[8].设2,,0,0(2,)n n l A B C A A B B l l Z ⨯∈=≠=≠≥∈，AB BA =，{}12,0,c c C ∈-13121,,,,,i c u v s u v e a s c πλε-=∈≠=∈ 若12(,)c c 及,A B 满足下列任意一个条件，则12P c A c B =+必为幂等矩阵.(Ⅰ) ,0s λλ∈=.①.121(,)(1,)c c u=且0,()0AB B uE B =-=.证明:由0,()0AB B uE B =-=易知12()AB B uE B u-=--,又由121(,)(1,)c c u=和0λ=知(2)A E B λ-22111c B B c c =-+. 满足引理1.故12P c A c B =+此时为幂等矩阵.②.121(,)(1,)c c u=-且()0,()0E A B B uE B -=-=.证明: 由()0,()0E A B B uE B -=-=易知2122,0AB B B B u-=-=-. 将它们相加得212AB B B u-=--. 又由121(,)(1,)c c u=-,0λ=可得22111(2)c A E B B B c c λ-=-+. 满足引理1.故12P c A c B =+此时为幂等矩阵.③.121(,)(1,)c c u=且()()0,()0E A B uE B AB uE B --=--=.证明: 由条件易知()(),()0B uE B AB uE B AB uE B -=--+=.将它们相加后,再乘以1u-可得212AB B B u-=-+. 又由121(,)(1,),0c c uλ==知22111(2)c A E B B B c c λ-=-+. 满足引理1.故12P c A c B =+此时为幂等矩阵. (Ⅱ) ,1s λλ∈=.④.121(,)(,(1)),0,1c c a a a u=-≠且()0,()0E A B A uE B -=-=.证明: 由条件易知,B AB AB uA ==.从而有22,()()B uA B uA u uA uB ====.即2B uB =.故有1121(1)1(1)a u a u B B B uB B a a a a-----+=-+=-. 结合上式有(2)22A uE B uA AB AB AB AB B -=-=-=-=-121(1)(2)a u A uE B B B a a--⇒-=-+.从而可得(2)A E B λ-22111c B B c c =-+. 满足引理1.故12P c A c B =+此时为幂等矩阵.⑤.121(,)(1,)u c c v v=-,且()0,()()0A uE B E A B vE B -=--=.证明: 由()0A uE B -=知uA AB =,从而(2)2A uE B uA AB -=-2uA uA uA =-=-.即(2)A uE B uA -=-. 又由()()0E A B vE B --=可得2()()B vE B AB vE B vAB AB -=-=-.又因为22,()AB uA AB AB B uAB u A ====.代入上式可得:2()B vE B uvA u A -=-.即有2()B vE B A uv u -=-.结合(2)A uE B uA -=-有()(2)B vE B A uE B u v--=-.即有12111(2)11v A uE B B B uv uv----=-+--. 又由121(,)(1,)u c c v v=-知22111(2)c A E B B B c c λ-=-+, 满足引理1.故12P c A c B =+此时为幂等矩阵. ⑥. 121(,)(,)v c c u v u v=---且()0,()()0E A B A uE B vE B -=--=. 证明: 由()0E A B -=知AB B =,从而(2)22A uE B uA AB uA B -=-=-又由()()0A uE B vE B --=展开得2()0AB u v AB uvA -++=. 又22,()AB B AB AB B B ===,结合上式可得2()0B u v B uvA -++=.故2()u v B B A uv+-=.代入到(2)2A uE B uA B -=-得(2)A uE B -=2()2u v B B B v+--. 即21(2)u v A uE B B B v v --=-. 又由121(,)(,)v c c u v u v=--- 可得2211(2)A E B B B c c λ-=-+. 满足引理1.故12P c A c B =+此时为幂等矩阵.⑦. 121(,)(,),1u c c u v v v=-+=且()0,()()0A vE B E A B vE B -=--=.证明: 由()0A vE B -=知()AB u v A =+.从而(()2)A u v E B +-()2()u v A AB u v A =+-=-+.又先把()()0E A B vE B --=展开可得2()0B vE B vAB AB --+=.又将()AB u v A =+及22()()()AB AB B u v AB u v A ==+=+.代入到上式可得2()()()0B vE B v u v A u v A --+++=.即有()()B vE B A u v u-=-+.代入到(()2)A u v E B +-()u v A =-+,可得21(()2)v A u v E B B B u u+-=-. 从而由121(,)(,),u c c u v v v λ=-+=知22111(2)c A E B B B c c λ-=-+满足引理1故12P c A c B =+此时为幂等矩阵.⑧.12(,)(,)c c u εε=-,且2()()0,()()0.A uE B uE B E A B uE B εε--=--=证明: 由()()0A uE B uE B ε--=知 22(())0A u E u u B B εε-++=. 由2()()0E A B uE B ε--=知 222()()A uB B B uE B εε-=-. 将上面两式相加并乘以1u可得 22((1))()A uE B B uE B εεεε+--=-.又3i eπε= 满足22112,εεεε--=-=-,结合上式可得(2)A uE B ε-211B B uε=--. 从而由12(,)(,)c c uεε=-,u λε=知2211(2)A E B B B c c λ-=-+ 满足引理1.故12P c A c B =+此时为幂等矩阵. (Ⅲ) 2,2s λλ∈=.⑨.1,21()(1,)c c u=-,且()0,()0A uE B B uE B -=-=.证明: 由()0,()0A uE B B uE B -=-=知1(22)0()A uE B B uE B u-==-, 即21(22)()A uE B B B u -=---从而由1,21()(1,)c c u=-,2u λ=知22111(2)c A E B B B c c λ-=-+ 满足引理1.故12P c A c B =+此时为幂等矩阵. (Ⅳ) 2,0,1,2.s λλ∈≠⑩.1,21()(,)u c c v v=-且()0,()()0A uE B E A B vE B -=--=.证明: 由()0A uE B -=知AB uA = 从而22AB uAB u A ==,(()2)A u v E B +-()2()u v A AB u v A =+-=--.又由()()0E A B vE B --=展开得()()B vE B AB vE B -=-. 据22AB uAB u A ==知22()()AB vE B vAB AB uv u A -=-=-.结合上式可得2()()uv u A B vE B -=-()()B vE B A u v u-⇒=--.代入到(()2)A u v E B +-()u v A =--可得2()1(()2)B vE B v A u v E B B B u u u-+-==-. 又由1,21()(,)u c c v v =-,u v λ=+知22111(2)c A E B B B c c λ-=-+满足引理1.故12P c A c B =+此时为幂等矩阵. ▌2.4 幂等矩阵线性组合的可逆性在本节中,我们将给出两个幂等矩阵的线性组合矩阵12c A c B +可逆的一些条件,并给出一些相关的结论.引理1[3].设矩阵A 是n n ⨯阶方阵,则A 可逆{}()0N A ⇔=. ▌定理1.设矩阵,A B 均是幂等矩阵，即22,A A B B ==.若存在两个非零复数1,2k k , 且120k k +≠使得12k A k B +可逆,则对所有的复数1,2c c ,满足120c c +≠,则线性组合12c A c B +都是可逆的.证明:设1212,,0,0c c C c c ∈≠≠且120c c +≠. 对12()x N c A c B ∀∈+,有12()0c A c B x += 即有 12c Ax c Bx =- ……………① 将上式两边依次左乘,A B ,可得:12c Ax c ABx =-,12c BAx c Bx =-. ……②比较上面三个式子可得:,Bx ABx Ax BAx ==. …………………………③又由于22212112122()k A k B k A k k AB k k BA k B +=+++,故22212112122()k A k B x k Ax k k ABx k k BAx k Bx +=+++.将,Bx ABx Ax BAx ==代入上式可得212()k A k B x +22112122k Ax k k ABx k k BAx k Bx =+++ 112212()()k k k Ax k k k Bx =+++ 1212()()k k k A k B x =++.由于12k A k B +可逆,,将上式两边左乘112()k A k B -+得121212()()k k x k A k B k Ax k Bx +=+=+, …………………④再左乘A 得:1212k Ax k Bx k Ax k ABx +=+即有Ax ABx =.代入12c Ax c ABx =-可得12()00c c Ax Ax ABx +=⇒==.注意到③式有0Bx =,因此由④式可得12()0k k x +=但120k k +≠,所以0x =因此{}12()0N c A c B +=.由引理1知12c A c B +是可逆的. ▌在定理1中令121c c ==,立即有:推论1.设矩阵,A B 均是幂等矩阵，即22,A A B B ==.若A B +可逆,则对所有的复数1,2c c ,满足120c c +≠,线性组合12c A c B +都是可逆的. ▌ 定理2[18].设矩阵,A B 均是幂等矩阵,对任意的复数1,2c c ,下列命题等价: ⑪ A B -可逆.⑫ 12c A c B +及E AB -可逆. 证明:⑪⇒⑫对12()x N c A c B ∀∈+,由定理1的证明过程知,Bx ABx Ax BAx ==. 故22222()()0A B x A AB BA B x A x ABx BAx B x -=--+=--+=.又由A B -可逆,故0x =.因此 {}12()0N c A c B +=.由引理1知 12c A c B +可逆. 同样地,对()()0x N E AB E AB x x ABx ∀∈-⇒-=⇒=.两边左乘A ,得Ax ABx x BAx Bx ==⇒=.所以 2()0A B x Ax ABx BAx Bx -=--+=. 又由A B -可逆知0x =. 所以{}()0N E AB -=. 由引理1知E AB -可逆. ⑪⇐⑫对()x N A B ∀∈-,有()0A B x -=Ax Bx ⇒= 则 ,Ax ABx BAx Bx ==. 所以121212()()()c A c B E AB x c A c B c AB c BAB x +-=+-+ 220c Bx c BAx =-=.0x ⇒=.由12c A c B +及E AB -可逆,知{}()0N A B -=. 由引理1知A B -可逆. ▌ 在定理2中令121c c ==,立即有:推论2.设矩阵,A B 均是幂等矩阵,下列命题等价: ⑪ A B -可逆.⑫ A B +及E AB -可逆.定理3[18]. 设矩阵,A B 均是幂等矩阵，1212,,0,0c c C c c ∈≠≠,满足120c c +≠. 则12c AB c BA +可逆12c A c B ⇔+及E A B --可逆. 证明:由2212121212()()c A c B E A B c A c B c A c BA c AB c B +--=+----12()c AB c BA =-+.可见12c AB c BA +可逆12c A c B ⇔+及E A B --可逆. ▌2.5 幂等矩阵的秩方面的有关性质定理1[5]. 设,A B 是n n ⨯的复幂等矩阵,则1rank()rank rank rank rank 00A B B A A B B A B A ⎛⎫⎛⎫+=-=- ⎪ ⎪⎝⎭⎝⎭.2 rank()rank()rank A B A AB BA BAB B +=--++.3 rank()rank()rank A B B AB BA ABA A +=--++. ▌定理2.设n n A C ⨯∈为Hermite 矩阵,即A A '=.且对某个,k N ∈有2k A A =, 则 rank()()A tr A =.证明:设rank A r =,,x λ分别是矩阵A 的特征值和相应的特征向量. 则λ是实数[1].且2212k k k Ax x A x A x x λλλ-====. 从而有21(1)0k x λλ--=.又0x ≠.于是21(1)0k λλ--=.由λ是实数,所以111,0r r n λλλλ+====== ,故结论成立. ▌ 推论1. 设n n A C ⨯∈,且2A A =,则rank()()A tr A =. 其实,该结论在1.2节中已经很明朗了.定理2[10]. 设(1,2,,,2)n n i A C i m m ⨯∈=≥ 为Hermite 矩阵,且存在某个,i k N ∈ 使2ik ii A A =,又对某个正整数 t 有211tmmii i i A A ===∑∑.则 111rankrank()mmmii ii i i AA trA=====∑∑∑.证明:由定理1可知rank()()i i A tr A =,11rank mmiii i AtrA===∑∑于是有1111rank()rank()mm mmiiiii i i i AtrA tr A A =======∑∑∑∑. ▌推论2. 设(1,2,,,2)n n i A C i m m ⨯∈=≥ 为Hermite 矩阵,且存在某个,i k N ∈ 使2ik ii A A =,又1mi i A =∑为幂等矩阵.则 111rankrank()mmmii ii i i AA trA=====∑∑∑.推论3. 设(1,2,,,2)n ni A Ci m m ⨯∈=≥ 为幂等矩阵,且1mi i A =∑为幂等矩阵.则 111rankrank()mmmii ii i i AA trA=====∑∑∑.推论4. 设(1,2,,,2)n n i A C i m m ⨯∈=≥ 为Hermite 矩阵,且存在某个,i k N ∈ 使2ik ii A A =,又1m i i A E ==∑.则 11rank rank()m mi i i i A A n ====∑∑.推论5. 设(1,2,,,2)n ni A Ci m m ⨯∈=≥ 为Hermite 矩阵,且1mi i A E ==∑.则 11rankrank()mmii i i AA n ====∑∑.定理3[10].设(1,2,,,2)n ni A Ci m m ⨯∈=≥ 及1mi i A =∑的特征值均为实数,且存在,i k N ∈使2ik ii A A =,又对某个正整数 t 有211tmmii i i A A ===∑∑.则 111rankrank()mmmii ii i i AA trA=====∑∑∑.定理4[20]. 设(1,2,,,2)n ni A Ci m m ⨯∈=≥ 及1mi i A =∑的特征值均为非负实数,且存在,(2)i i k N k ∈≥使ik i i A A =,又对某个正整数 t 有11t mmii i i AA ===∑∑.则 111rankrank()mmmii ii i i AA trA=====∑∑∑. ▌结束语本文主要是对幂等矩阵的一些性质和结论进行归纳总结并对相关性质进行推广。

正定矩阵的性质和判定方法及应用概要

正定矩阵的性质和判定方法及应用概要
一、正定矩阵的定义
正定矩阵是一类特殊的线性代数对象，它是二维以上方阵中所有元素都有正值的一种矩阵。

二、正定矩阵的性质
1、正定矩阵的特性
由于所有元素都是正值，所以正定矩阵是一种对称矩阵，其特征值都是大于0，即特征值>0；特征向量都是有向量，即特征向量≠0；这种矩阵也称为正数矩阵或半正定矩阵。

2、正定矩阵的恒等式
如果一个矩阵M是一个正定矩阵，则它满足：mTm>0，其中mT表示M 的转置，m表示M中的其中一行（或列）向量。

3、正定矩阵的特殊性质
正定矩阵是线性代数中最重要的矩阵之一，它的特殊性质：（1）正定矩阵是正交矩阵的一类；（2）正定矩阵的逆矩阵是它的转置；（3）正定矩阵的主对角线元素全为正；（4）正定矩阵的最小特征值是它的最大特征值的平方根；（5）正定矩阵的行列式是正值；（6）正定矩阵也是正秩矩阵。

三、正定矩阵的判定方法
1、特征值判定法
如果一个矩阵M的所有特征值都是正值，则它是一个正定矩阵。

2、恒等式判定法
如果矩阵M满足mTm>0，其中mT表示M的转置，m表示M中的其中一行（或列）向量，则它是一个正定矩阵。

3、行列式判定法。

幂等变换

摘要幂等变换是一类特殊的线性变换，它不是孤立存在的，而是与其它线性变换紧密相连，在物理、化学等学科中也有着广泛的应用，极大地推动和丰富了它们的发展，许多新的理论、技巧和方法的诞生与发展都是幂等变换理论的应用与推广.本文首先简要叙述了一般线性变换的基本理论，在此基础上给出幂等变换的定义，并指出几类特殊的幂等变换；其次，归纳总结了幂等变换的性质，如幂等矩阵的形式、幂等变换的特征值与特征向量、特征多项式、秩与迹及幂等变换的对角化问题，讨论过程由浅入深，层层推进，对幂等变换的相关知识形成了较为完整的知识体系，对幂等变换的一些特殊的性质理解深刻；最后，结合幂等变换的概念与性质，给出常见的习题及解题技巧，并举例说明幂等变换与其它线性变换的联系与转化.关键词：幂等变换；幂等矩阵；性质；应用AbstractIdempotent transformations are a special type of linear transformation.It's not isolated，but closely connected with other linear transformation.In physics，chemistry，and other disciplines also has a wide range of applications，greatly promote and enrich their development.Birth of many new theories，techniques and methods are idempotent transformations and development application and popularization of the theory.This paper begins with a brief description of the basic theory of linear transformations，on this basis for idempotent transformation defined，the idempotent transformation and pointed out that some kinds of special.Second，discussed the nature of power transform，idempotent matrix of the form，idempotent transformation characteristic value and characteristic vector，characteristic polynomial，diagonalization of rank and track and idempotent transformation problems，discussion easy-to-digest，layers of promoting.For idempotent transformation knowledge formed a relatively complete system of knowledge，some special properties for idempotent transformation understand deep.Finally，with idempotent transformation and the concept of nature，out common problems and problem-solving skills，descriptions and examples of power-link，and other linear transforms and transformation.Key words: Idempotent transformation; Idempotent matrix; Nature; Application目录摘要 (I)Abstract .................................................................................................................................... I I绪论 (1)第1章幂等变换的基本概念 (2)第2章幂等变换的性质 (3)2.1 幂等变换的运算性质 (3)2.2 幂等变换与幂等矩阵的关系 (4)2.2.1 幂等变换的特征值与特征向量 (10)2.2.2 幂等变换的特征多项式、秩与迹 (15)2.2.3 幂等变换的对角化 (20)第3章幂等变换的应用 (23)3.1 幂等变换性质的应用 (23)3.2 幂等变换与其它线性变换 (25)结论 (32)参考文献 (33)致谢........................................................................................................... 错误!未定义书签。

矩阵代数简单介绍

线性代数复习1.1 矩阵的概念给定数域K 上nK 个数ij a ),,,2,1;,,2,1(n j m i ⋅⋅⋅=⋅⋅⋅=把它们按一定次序排成一个n 行K 列的长方形数表⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋅⋅⋅⋅⋅⋅⋅⋅⋅=nK n n KK a a a a a a a a a A 212222111211 ，称为数域K 上的一个n 行K 列的矩阵，简称为K n ⨯矩阵。

其中ij a 称为矩阵的第i 行、第j 列的元素。

1k ⨯矩阵（只有一行）称为k 维行向量；1⨯n 矩阵（只有一列）称为n 维列向量。

零矩阵、方阵、对角矩阵、单位阵所有元素为零的矩阵称为零矩阵，记为0。

00,0==+A A A 。

如果矩阵的行、列数都是n ，则称A 为n 阶方阵；n 阶方阵A 的元素按次序构成的n 阶行列式，称为矩阵A 的行列式，记为|A|。

在n 阶方阵中，若主对角线两侧的元素全为零，则称之为对角矩阵，记为Λ；若对角矩阵的主对角线元素全为1，则称之为单位阵，记为I ；特别地，I λ称为数量矩阵1.2 矩阵的运算 ●矩阵的加、减运算以及数乘运算当矩阵A 和B 的行数和列数相等时，它们可以进行加、减运算；A ＋B 等于所有对应位置的元素相加、减。

数乘运算就是数k 乘矩阵A 中所有元素得到的矩阵。

AB B A +=+，)()(C B A C B A ++=++，A O A =+，OA A =-+)(，A A )()(kl l k =，AA A l k l k +=+)(，B A B A k k k +=+)(，A A =1，OA =0，A A -=-)1(．●矩阵相乘记sm ij a A ⨯=)(，ns ij b B ⨯=)(，nm ij c C ⨯=)(，且ABC =，那么A 和B 相乘得到的矩阵C 的元素可用公式表示为∑==sk kjikij b ac 1，),,1;,,1(n j m i ⋅⋅⋅=⋅⋅⋅=。

注意，在一般情况下矩阵乘法不满足交换律和消去律，即BAAB ≠；ACAB A =≠且0不能推出CB =。

矩阵分析期末试题及答案

矩阵分析期末试题及答案矩阵分析是一门重要的数学课程，在科学、工程和经济等领域都有广泛的应用。

期末试题的设置既考查学生对于矩阵分析理论的理解，也测试其应用能力和解决问题的能力。

本文将为您提供一套矩阵分析的期末试题，并附有答案解析。

1. 简答题（每小题2分，共20分）(1) 请简述矩阵的定义和基本术语。

答案：矩阵是由数个数排成m行n列的一个数表。

行数和列数分别称作矩阵的行数和列数。

矩阵的元素用a[i, j]表示，其中i表示所在的行数，j表示所在的列数。

(2) 请解释什么是方阵和对角矩阵。

答案：方阵是行数和列数相等的矩阵。

对角矩阵是除了主对角线上的元素外，其他元素都为零的矩阵。

(3) 请解释矩阵的转置和逆矩阵。

答案：矩阵的转置是指将矩阵的行和列进行互换得到的新矩阵。

逆矩阵是满足A * A^(-1) = I的矩阵A的逆矩阵，其中I是单位矩阵。

(4) 请简述特征值和特征向量的定义。

答案：特征值是方阵A满足方程A * X = λ * X的标量λ，其中X是非零的列向量。

特征向量是对应特征值的零空间上的非零向量。

(5) 请解释矩阵的秩和行列式。

答案：矩阵的秩是指矩阵中线性无关的行或列的最大个数。

行列式是将矩阵的元素按照一定规则相乘并相加得到的一个标量。

(6) 请解释正交矩阵和幂等矩阵。

答案：正交矩阵是满足A * A^T = I的矩阵A。

幂等矩阵是满足A *A = A的矩阵A。

(7) 请解释矩阵的特征分解和奇异值分解。

答案：矩阵的特征分解是将一个矩阵表示为特征向量矩阵、特征值矩阵和其逆的乘积。

奇异值分解是将一个矩阵表示为三个矩阵相乘的形式，其中一个是正交矩阵，一个是对角矩阵。

(8) 请解释矩阵的迹和范数。

答案：矩阵的迹是指矩阵对角线上元素的和。

范数是用来衡量矩阵与向量的差异程度的指标。

(9) 请解释矩阵的稀疏性和块状矩阵。

答案：矩阵的稀疏性是指矩阵中大部分元素为零的特性。

块状矩阵是由多个子矩阵组成的一个矩阵。

(10) 请解释矩阵的正定性和对称性。

正定矩阵知识点总结

正定矩阵知识点总结1. 正定矩阵的定义在线性代数中，一个矩阵被称为正定矩阵，如果它是一个对称矩阵，并且对于任意非零向量x，都有x^T * A * x > 0，其中A是这个矩阵。

这个定义可以进一步推广到Hermitian矩阵（对于复数域）和实对称矩阵（对于实数域）上，即一个Hermitian矩阵或者实对称矩阵被称为正定矩阵，如果对于任意非零复数向量x，都有x^H * A * x > 0或者对于任意非零实数向量x，都有x^T * A * x > 0。

2. 正定矩阵的性质正定矩阵具有许多重要的性质，其中一些是：（1）正定矩阵是非奇异（即可逆）的，因为它的特征值都是正数。

（2）正定矩阵的所有主子式都是正数。

（3）正定矩阵的逆矩阵也是正定矩阵。

（4）对称矩阵A是正定的当且仅当它的所有特征值都是正数。

（5）正定矩阵的行列式是正数。

3. 判断一个矩阵是否为正定矩阵判断一个矩阵是否为正定矩阵有多种方法，以下是其中一些常用的方法：（1）特征值判据：判断一个对称矩阵A是否为正定矩阵可以通过它的特征值来判断，如果A的所有特征值都是正数，则A是正定的。

（2）Sylvester判据：判断一个实对称矩阵A是否为正定矩阵可以使用Sylvester判据，即判断A的所有主子式都是正数。

（3）正定矩阵的定义：直接使用正定矩阵的定义来判断一个矩阵是否为正定矩阵，即对于任意非零向量x，都有x^T * A * x > 0。

4. 正定矩阵的应用正定矩阵在许多数学和工程领域都有广泛的应用，以下是一些重要的应用：（1）在优化理论中，正定矩阵被广泛应用于二次优化问题的求解。

（2）在信号处理领域，正定矩阵被用于设计滤波器和信号处理算法。

（3）在机器学习和统计学中，正定矩阵被用于协方差矩阵的估计和模型参数的拟合。

（4）在工程领域，正定矩阵被用于结构分析和控制系统设计。

5. 结论正定矩阵是线性代数中的重要概念，它具有许多重要的性质和应用。

第四章矩阵

8）A为反对称矩阵对n维向量，有ZAZ 0
Ch5 P234 习题4（1）
13.正交矩阵
定义7：P370CH9
1.正交矩阵的充要条件
A
（a
）正交（A是实矩阵）
ij
A为正交阵
A1为正交阵
A为正交阵
A*为正交阵
A1 A
2）A正交，则A的特征值的模为1；
3）A正交，则 A 1； 4） A、B正交，则AB正交.
,A )为准对角阵，则 S
秩A=秩A +秩A
1
2
L
秩AS
4）A=diag(A1,A 2 ,L
,A ) S
B=diag(B ,B 1
2
,L
,B ) S
那么 AB diag( A1B1,L , AS BS )
5）A=diag(A1,A 2 ,L
,A ) S
B=diag(B ,B 12
,L
,B ) S
8) 设A为n m复矩阵，则秩A=秩A=秩AA=秩AA
9) A,B为n n矩阵，AB=0,则秩A+秩B n,(P200.18)
10) A为n n矩阵, A2 E,则
秩（A+E）+秩(A-E)=n；（P .3） 203
11) A为n n矩阵, A2 A,则
秩A+秩(A-E)=n；（P .4） 203
1）设 A, B 为n阶矩阵，则
① tr(A B) trA trB
② tr(kA) ktrA
③ trA trA ④ trAB trBA
2）A ~ B 那么 trA trB
3) A为n阶方阵，则A的特征多项式为
则有 E A
n
b n1 n1

正定矩阵的基本定义

正定矩阵的基本定义正定矩阵是线性代数中一个重要的概念，它在许多领域都有广泛的应用。

本文将对正定矩阵的基本定义进行详细介绍。

正定矩阵是指一个实对称矩阵，它的所有特征值都大于零。

也就是说，对于一个n阶实对称矩阵A，如果对于任意非零向量x，都有x^T*A*x>0，则称A是正定矩阵。

正定矩阵的定义可以从几何和代数两个角度进行解释。

从几何角度来看，正定矩阵定义了一个椭球体，它的所有特征值决定了椭球体的形状和大小。

如果所有特征值都大于零，椭球体是一个凸的、没有尖点的形状。

从代数角度来看，正定矩阵定义了一个二次型，它的正定性表示二次型的取值都是正的。

正定矩阵有许多重要的性质和应用。

首先，正定矩阵是可逆的，即它的逆矩阵存在。

这是因为正定矩阵的特征值都大于零，所以它们的倒数也都存在且大于零。

其次，正定矩阵可以通过变换将二次型化简为一个标准形式。

这个标准形式是一个对角矩阵，对角线上的元素就是正定矩阵的特征值。

这个性质在优化问题和特征值分解中有重要应用。

此外，正定矩阵还可以用来定义内积和范数，从而推广到无限维空间中。

正定矩阵在实际问题中有广泛的应用。

在优化问题中，正定矩阵可以用来判断一个点是否是极小值点。

如果一个点的一阶导数为零，且Hessian矩阵（二阶导数）是正定的，那么该点就是极小值点。

在数值计算中，正定矩阵可以用来加速矩阵运算，例如求解线性方程组和计算特征值。

在机器学习中，正定矩阵可以用来定义核函数，从而进行非线性分类和回归。

在信号处理中，正定矩阵可以用来设计滤波器和分析信号的频谱特性。

为了判断一个矩阵是否是正定矩阵，我们可以使用以下方法。

首先，可以计算矩阵的特征值，如果所有特征值都大于零，则矩阵是正定的。

其次，可以使用Sylvester定理，即判断矩阵的所有主子式是否都大于零。

主子式是指将矩阵的前k行和前k列组成的k阶子矩阵的行列式。

如果所有主子式都大于零，则矩阵是正定的。

此外，还可以使用Cholesky分解或正定性判别准则进行判断。

正定矩阵和正交矩阵

正定矩阵和正交矩阵
正定矩阵和正交矩阵是线性代数中两种非常重要的矩阵。

它们各有自己的特性与应用，理解这两种矩阵、掌握它们的性质对于深入学习线性代数及其在实际问题中的应用都十分关键。

首先，我们来谈谈正定矩阵。

正定矩阵是一种常见的实对称矩阵。

如果实对称矩阵的所有特征值都大于0，则称该矩阵为正定矩阵。

正定矩阵在实际应用中起到了非常重要的作用，如在优化理论、函数空间、平方和表达式等领域都有广泛运用。

同时，性质善良的正定矩阵在确定系统稳定性、信号处理等领域也是无可替代的重要工具。

然后，我们来看看正交矩阵。

正交矩阵是一个元素为实数或复数的矩阵，它满足自身的转置矩阵等于其逆矩阵的性质，即它的列向量和行向量都是单位长度且两两正交，可以视作是把基向量旋转或翻转到新的位置，但这个过程不改变向量的长度或形状。

正交矩阵在许多数学和物理问题中都有极其重要的应用，像线性方程组求解、线性变换等等。

综合来看，正定矩阵和正交矩阵都是线性代数中十分重要的概念，它们不仅在理论上有重大意义，而且在众多实际问题中都起到了不可忽视的作用。

由此可见，对这两种矩阵有深入的理解，可以让人们更好地理解和处理许多实际问题。

幂等矩阵、对角矩阵与正交矩阵性质

幂等矩阵、对角矩阵与正交矩阵性质引言矩阵理论在数学和应用领域中扮演着重要角色。

在矩阵理论中，幂等矩阵、对角矩阵和正交矩阵是三个重要的矩阵类型，它们具有独特的性质和应用。

本文将详细介绍这三个类型矩阵的性质，并举例说明它们在实际问题中的应用。

幂等矩阵幂等矩阵是指一个矩阵与自身相乘等于其自身的矩阵。

具体而言，对于一个 nx n 的矩阵 A，如果 A^2 = A，则称 A 为幂等矩阵。

幂等矩阵有几个重要的性质：1.幂等矩阵的平方等于它本身：A^2 = A2.幂等矩阵的特征值只能是 0 或 1。

假设 A 是幂等矩阵，它对应的特征值λ 满足方程Av = λv，其中 v 是 A 的特征向量。

将该方程代入定义式 A^2 = A，可以得到 (A - λI)A = A(A - λI) = 0，其中 I 是单位矩阵。

由于 A^2 = A，所以A(A - λI) = 0，进一步可以推出 A(A - λI)v = 0，即 (A - λI)v = 0，也就是说特征值λ 对应的特征向量 v 是 A - λI 的零空间中的向量。

因此，A 的特征值只能是0 或 1。

幂等矩阵在实际问题中有许多应用。

例如，在图论中，邻接矩阵的幂等性被用于描述图的可达性。

在线性代数中，幂等矩阵可以用于描述投影变换。

此外，在编程中，幂等性被广泛应用于设计具有幂等性质的算法和系统，以确保操作的一致性和可重复性。

对角矩阵对角矩阵是指除了主对角线上的元素外，其余元素都为零的矩阵。

具体而言，对于一个 n x n 的矩阵 A，如果当i ≠ j 时 Aij = 0，则称 A 为对角矩阵。

对角矩阵有几个重要的性质：1.对角矩阵的逆矩阵存在当且仅当主对角线上的元素都非零。

如果对角矩阵的主对角线上存在零元素，则对角矩阵是奇异的，无法求逆。

2.对角矩阵的特征值就是其主对角线上的元素。

对角矩阵在线性代数和应用数学中具有广泛的应用。

在求解线性方程组时，对角矩阵具有良好的性质，可以简化计算过程。

线性代数之矩阵学习总结

线性代数之矩阵学习总结提到考研数学，很多同学都能想到高数和概率。

其实线性代数也是数学一，数学二和数学三中的考查重点，而且往往是难点。

同学们在线代的时候觉得有难度，大致上有两个方面的原因：1.大家在学习了高数后，难免在学习线代时后劲缺乏。

2.线代知识体系错综复杂，联系比较多，大家往往搞不清联系。

那么，对大家说说一些难理解和常考的概念。

本文主要内容是关于线性代数中的矩阵学习问题。

大家分三个步骤来学习。

矩阵这一章在线性代数中处于核心地位。

它是前后联系的纽带。

详细来说，矩阵包括定义，性质，常见矩阵运算，常见矩阵类型，矩阵秩，分块矩阵等问题。

可以说，内容多，联系多，各个知识点的理解就至关重要了。

在有前面的知识做铺垫后，大家就要开始学习矩阵了。

首先是矩阵定义，它是一个数表。

这个与行列式有明显的区别。

然后看运算，常见的运算是求逆，转置，伴随，幂等运算。

要注意它们的综合性。

还有一个重点就是常见矩阵类型。

大家特别要注意实对称矩阵，正交矩阵，正定矩阵以及秩为1的矩阵。

最后就是矩阵秩。

这是一个核心和重点。

可以毫不夸张的说，矩阵的秩是整个线性代数的核心。

那么同学们就要清楚，秩的定义，有关秩的很多结论。

针对结论，我给的建议是大家最好能知道他们是怎么来的。

最好是自己动手算一遍。

我还补充说一点就是分块矩阵。

要注意矩阵分块的原那么，分块矩阵的初等变换与简单矩阵初等变换的区别和联系。

在前面有了知识体系和掌握了知识原理后，剩下的就是多做题对知识进展理解了。

有句古话：光说不练假把式。

所以对知识的熟练掌握还是要通过做题来实现。

同时，我也反对题海战术，做题不是盲目的做题，不是只做不练。

做题应该是有选择的做题，做一个题就应该了解一个方法，掌握一个原理。

所以，大家可以参考历年真题来进展练习。

每做一个题，大家就该考虑下它是怎么考察我们所学的知识点的。

如果做错了，大家还要多进展反思。

找到做错的原因，并且逐步改正。

这样才能长久的提高。

总之，希望大家在学习线性代数的矩阵的时候把握这三个原那么，在此根底上，勤思考，多练习，那么大家一定可以学习好，祝大家考研成功!。

正定矩阵通俗解释

正定矩阵通俗解释
正定矩阵是矩阵理论中的一个重要概念，它在数学、物理、工程等领域中都有广泛的应用。

简单来说，一个矩阵如果所有的特征值都大于零，则该矩阵就被称为正定矩阵。

正定矩阵具有许多优良的性质，使得它在实际问题中的应用十分广泛。

首先，正定矩阵可以用来表示二次型的正定性。

一个二次型的矩阵如果是正定的，就说明它在所有非零向量上都取正值。

这个结论对于很多实际问题都很有用，比如优化问题中的约束条件就可以通过正定矩阵来表示。

其次，正定矩阵还具有很好的可逆性。

正定矩阵的行列式大于零，因此它的逆矩阵也存在且是正定的。

这个性质在许多工程领域中都非常重要，比如说电子电路中的信号传输就需要保证信号的可逆性。

另外，正定矩阵还可以用来解线性方程组。

如果一个线性方程组的系数矩阵是正定的，那么就可以使用正定矩阵的
Cholesky分解来解方程组，这个方法比传统的高斯消元法更快更稳定。

最后，正定矩阵在优化问题中也有很重要的作用。

很多求解优化问题的算法，比如牛顿法、梯度下降法等，都需要使用到正定矩阵。

这是因为这些算法都需要求解类似于Hessian矩阵的
二阶导数矩阵，而正定矩阵正是Hessian矩阵的一种特殊情况。

总之，正定矩阵是矩阵理论中非常重要的一个概念，它在许多
领域中都具有广泛的应用。

了解正定矩阵的性质和应用，有助于我们更好地理解和应用矩阵理论，同时也有助于我们更好地解决实际问题。

幂等矩阵的性质及应用

JIU JIANG UNIVERSITY毕业论文（设计）题目幂等矩阵的性质及应用英文题目Properties and Applicationof Idempotent Matrix 院系理学院专业数学与应用数学姓名邱望华年级 A0411指导教师王侃民二零零八年五月幂等矩阵在数学领域以及其他许多领域应用都非常广泛，因此对幂等矩阵进行探讨具有很重要的意义。

本文主要是对幂等矩阵的一些性质和结论进行归纳总结并对相关性质进行推广。

首先对幂等矩阵简单性质进行了归纳总结，接着谈到了实幂等矩阵的等价条件并推广到复矩阵以及高次幂等矩阵，然后研究了幂等变换、幂等矩阵线性组合的幂等性、幂等矩阵线性组合的可逆性、幂等矩阵秩有关的性质。

[关键词] 幂等矩阵，性质，幂等性，线性组合The idempotent matrix is widely applied in mathematics as well as other many places, so there is very vital significance to carry on the discussion to the idempotent matrix . This paper mainly carries on the induction summary some simple nature and the important conclusion of idempotent matrix and carries on the promotion to the related nature. Firstly, this article has carried on the induction summary to its simple nature, then talkes about the equivalence condition of the solid idempotent matrix and extends to the equivalence condition of the plural idempotent matrix and the higher mode idempotent matrix . Then the article studies the idempotent transformation、the idempotency of linear combinations of two idempotent matrices、the invertibility of linear combinations of two idempotent matrices.[Key Words] the idempotent, the nature, the idempotence,linear combination符号表R 实数域n R 实数域n 维列向量空间 n n R ⨯ 实数域上的n ×n 阶矩阵 C 复数域n C 复数域n 维列向量空间 n n C ⨯ 复数域上的n ×n 阶矩阵 A ' 矩阵A 的转置*A 矩阵A 的伴随1A - 矩阵A 的逆det()A 矩阵A 的行列式 rank()A 矩阵A 的秩()N A 矩阵A 的核空间，即}{()0,n N A x P Ax P =∈=是一个数域()R A 矩阵A 的值域，即}{(),n R A Ax x P P =∈是一个数域 dim V 线性空间V 的维数1T - 线性变换T 的逆变换 TV T 的值域,即TV ={}T V ξξ∈1(0)T - T 的核,即{}1(0)0,T T V ξξξ-==∈目录第一章预备知识 (1)1.1幂等矩阵的概念及刻划 (1)1.2幂等矩阵的一些简单性质 (3)第二章相关的重要结论 (7)2.1幂等矩阵的等价条件 (7)2.2幂等变换 (14)2.3幂等矩阵线性组合的幂等性 (17)2.4幂等矩阵线性组合的可逆性 (23)2.5幂等矩阵的秩方面的有关性质 (26)结束语 (29)参考文献 (30)第一章预备知识1.1 幂等矩阵的概念及刻划定义1[1].对n 阶方阵A ,若2A A =,则称A 为幂等矩阵.为了对一般幂等矩阵作出刻划,下面先对二阶幂等矩阵讨论,再推广到一般幂等矩阵.命题1.若A 是幂等矩阵,则与A 相似的任意矩阵是幂等矩阵. 证明：若A 相似于B (记作~A B ),则有同阶可逆矩阵P ,使B =1p -A P [1],从而2B =1p -A P ·1p -A P =1p -2A P =1p -A P =B . ▌命题2.若A 是对角分块矩阵，设A =12r A A A ⎛⎫⎪⎪ ⎪ ⎪⎝⎭，则A 是幂等矩阵⇔i A (1,2,,)i r = 均是幂等矩阵.由于每个n 级复数域矩阵A 都与一个若尔当矩阵相似[1]，据命题1和命题2知，我们只需要讨论若尔当块的幂等性.若A 是一个2阶复数域矩阵,则A 的若尔当标准型有两种可能的形式:第一种: 10λ⎛⎫ ⎪λ⎝⎭,但它不是幂等矩阵.否则有210λ⎛⎫ ⎪λ⎝⎭=10λ⎛⎫⎪λ⎝⎭,有,212λ=λλ=.矛盾.第二种: 0012λ⎛⎫⎪λ⎝⎭ ,由20001122λλ⎛⎫⎛⎫= ⎪ ⎪λλ⎝⎭⎝⎭,有221122,λ=λλ=λ,从而有01λ=或1,20λ=或 1.于是该情况有四种可能的形式:0000⎛⎫ ⎪⎝⎭,1000⎛⎫ ⎪⎝⎭ ,1001⎛⎫ ⎪⎝⎭ ,0001⎛⎫ ⎪⎝⎭(1)据命题1,于是得到:定理1[19]. A 是二阶幂等矩阵,则A 是零矩阵或单位矩阵或形如1ab c a ⎛⎫ ⎪-⎝⎭.证明: 由以上讨论知A 相似于(1)式中的四个矩阵之一1若A ～0000⎛⎫ ⎪⎝⎭ ,显然有 A =0000⎛⎫ ⎪⎝⎭02若A ～1001⎛⎫ ⎪⎝⎭ ,显然有 A =1001⎛⎫⎪⎝⎭3若A ～1000⎛⎫⎪⎝⎭ ,则有可逆矩阵P =1234λλλλ⎛⎫⎪⎝⎭，1423(,P )λλλλ≠因为可逆使A =14121423142313423142314231000a b P P c d λλλλλλλλλλλλλλλλλλλλλλλλ-⎛⎫-⎪--⎛⎫⎛⎫⎪== ⎪ ⎪⎪⎝⎭⎝⎭-⎪--⎝⎭则有 1d a =- .即 A 1ab c a ⎛⎫= ⎪-⎝⎭ .对剩余的一种与此有同样的结果. ▌设112,1n n J λλλλ⎛⎫⎪⎪⎪≥= ⎪ ⎪⎪⎝⎭，由2n n J J = ，有2,21,λλλ==这是不可能的.于是有:命题3.当2n ≥时,n 阶若尔当块n J 不具有幂等性.即2n n J J ≠.因此,若A 是幂等矩阵，则A 的若尔当标准型如下：1200000n r J λλλ⎛⎫⎪⎪= ⎪⎪⎝⎭据命题1即有2n n J J =⇒2,1,2,,i i i r λλ== .于是0i λ= 或1.于是我们得到如下定理:定理2. A 是n 阶幂等矩阵，当且仅当存在n 阶可逆矩阵P ，使得1A PJP -=.其中J 是主对角线上元素为0或1的对角矩阵. ▌1.2 幂等矩阵的一些简单性质性质1.方阵零矩阵和单位矩阵E 是幂等矩阵. 性质2.方阵A 是幂等矩阵，且A 可逆，则A E =. 因为2A A =,则121A A A A A E --===. ▌据此易知:可逆幂等矩阵的逆矩阵是幂等矩阵.即1A -(如果存在的话)是幂等矩阵.因为1A E A E -=⇒=.性质3.若A 是实幂等矩阵，则*,,A E A A '-都是幂等矩阵. 证明: 对A ',22()()A A A '''==. 对E A -,有22()22E A E A A E A A E A -=-+=-+=-.对*A ,先证明对任意两个幂等矩阵,A B ,有关系式 ***[2]()AB B A =.由Cauchy binet -公式有:*(,)()A i j AB B i j =矩阵的第行第列代数余子式=(1)det()({1,,1,1,,},{1,,1,1,,})i j AB j j n i i n +--+-+=1(1){det()({1,,1,1,,},{1,,1,1,,})ni jk A j j n k k n +=--+-+∑det()({1,,1,1,,},{1,,1,1,,})}B k k n i i n ⋅-+-+=**({},{})11.nnjk ki ki jk i j k k A B B A B A ====∑∑于是，*2*****2()()()A A AA A A A ====. ▌性质4.若A 是复数域上的幂等矩阵,则,A E A '-也是幂等矩阵. 证明:222()()()()A A AA A A '''''====.22()22E A E A A E A A E A -=-+=-+=-. ▌ 性质5.若A 是幂等矩阵,则A 的特征值只能是1或0. 即知幂等矩阵是半正定矩阵.证明:由2A A = 知2λλ= (A λ是的特征值)01λ⇒=或. ▌ 由此易知:幂等矩阵是半正定矩阵.性质6.若A 是幂等矩阵,设()ϕλ是A 的最小多项式,则()ϕλ=1λλλλ-或或（-1）从而A 可对角化,且其若尔当标准型为 000rE ⎛⎫ ⎪⎝⎭. 其中r E 是r 阶单位矩阵, r 是A 的秩.证明:由于矩阵的最小多项式是该矩阵特征多项式的因式, 据性质5知()ϕλ=1λλλλ-或或（-1）.又最小多项式是互素的一次因式的乘积,故可对角化. ▌性质7[17].若A 是幂等矩阵，则()()N A R E A =-，其中}{()0n N A x C Ax =∈=}{()(),n nR E A x C x E A y y C -=∈=-∈.证明：由2A A = 有()0A E A -=，立即知E A -的n 阶列向量都是0AX =的解故有()()R E A N A -⊂又对()a N A ∀∈,有0()()Aa a Aa E A a E A a =⇒=+-=-()a R E A ⇒∈-由a 的任意性知 ()()N A R E A ⊂-. 于是有 ()()N A R E A =- . ▌ 同样地,有结论 ()()N E A R A -=.性质8.若A 是幂等矩阵,对任意实数(0,1)a a ≠,则A aE +是可逆矩阵. 证明:由2A A =有2(1)(1)A A a a E a a E --+=-+()[(1)](1)A aE A a E a a E +-+=-+.又由0,1a ≠ 有1(){[(1)]}(1)A aE A a E E a a +-+=-+故A aE +可逆,且11()[(1)](1)A aE A a E a a -+=-+-+. ▌性质9.任一秩为r 的n n ⨯幂等矩阵A 可分解成A CB =,其中C 是秩为r 的n r ⨯矩阵,且r BC E = .(其中r E 是r 阶单位矩阵)证明:由性质6知, 存在n 阶可逆矩阵P 使1000rEP AP -⎛⎫= ⎪⎝⎭.则()100000r r rE E A P P P E P -⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭.记(),00r r E C P B E ⎛⎫== ⎪⎝⎭.显然,B C 满足要求. ▌性质10.任一幂等矩阵可写成两个实对称矩阵之积.证明:因为1100()0000r r E E A P P P P --⎛⎫⎛⎫''=⋅ ⎪ ⎪⎝⎭⎝⎭.故结论成立 ▌性质11.若,A B 均为n n ⨯阶幂等矩阵,且AB BA =,则AB 与A B ''均为幂等矩阵.证明:据题意有：222()AB ABAB AABB A B AB ====.2222()[()]()()()()()A B BA BA BA BABA B A BA A B ''''''''''======.▌第二章相关的重要结论本章按节来逐次讨论和探索幂等矩阵的多个等价条件、幂等变换、线性组合的幂等性、线性组合的可逆性、秩方面的有关性质等有关问题.2.1 幂等矩阵的等价条件经过参考多篇文献，并进行归纳和推理可以得出以下定理.定理1:设A 是n n ⨯的实矩阵,则下列命题是互相等价的:1)A 是幂等矩阵.2)A '是幂等矩阵.3)E A -是幂等矩阵.4)对任意的可逆矩阵P ,1P AP -是幂等矩阵.5)2B A E =-是对合矩阵.(满足2B E =的矩阵B 称为对合矩阵)6)()()N A R E A =-.7)()()R A N E A =-.8)rank rank()A E A n +-=.9){}()()0R A R E A -= .10){}()()0N A N E A -= .11)()()n R R A R E A =⊕-.12)()()n R N A N E A =⊕-以上给出了实幂等矩阵的几个等价条件,经过研究和分析知:对复幂等矩阵也有平行的结论.定理2:设A 是n n ⨯的复矩阵,则下列命题是互相等价的:1)A 是幂等矩阵.2)A '是幂等矩阵.3)E A -是幂等矩阵.4)对任意的可逆矩阵P ,1P AP -是幂等矩阵.5)2B A E =-是对合矩阵.(满足2B E =的矩阵B 称为对合矩阵)6)()()N A R E A =-.7)()()R A N E A =-.8)rank rank()A E A n +-=.9){}()()0R A R E A -= .10){}()()0N A N E A -= .11)()()n C R A R E A =⊕-.12)()()n C N A N E A =⊕-证明:1)⇔2) 由2A A =知22()()A A A '''==.反过来,222[()][()]()A A A A A ''''''====.1)⇔3)必要性: 在1.2节性质3中已经给出了证明.充分性:2()()E A E A -=- ⇒222E A A E A A A -+=-⇒=.1)⇔4)由2A A = 知1211121()P AP P AP P AP P A P P AP -----=⋅==.反过来,12111121()P AP P AP P AP P AP P A P P AP ------=⇒⋅==⇒ 2A A =.1)⇔5)由2A A =,有2B =2(2)A E -=244A A E E -+=.反过来,22244B E A A E E A A =⇒-+=⇒=.1)⇔6)必要性: 在1.2节性质7中已经给出了详细证明.充分性: 对,n a R ∀∈有()()()E A a R E A N A -∈-=，故()()E A a N A -∈于是有2[()]0()0A E A a A A a -=⇒-=.由a 的任意性得2A A =.1)⇔7)必要性: 由2A A =知()Aa R A ∀∈,有()0()E A Aa Aa N E A -=⇒∈-()()R A N E A ⇒⊂-.又()a N E A ∀∈-,有()0E A a -=.于是()a Aa E A a =+-()()()Aa R A N E A R A =∈⇒-⊂故有()()R A N E A =-.充分性: 对n a R ∀∈,有()()()Aa R A N E A Aa N E A ∈=-⇒∈-于是有2-=⇒-=.E A Aa A A a()()0()0由a的任意性得2A A=.1)⇔8)必要性: 由2A A=知()()=-.N A R E A于是有dim()dim()=-N A R E A即有rank rank()n A E A-=-亦即rank rank()+-=.A E A n充分性: 由rank rank()+-=易知:A E A ndim()dim()=- (*)N A R E A又对()∀∈,有a N AAa=则有-=-=.E A a a Aa a()由()()a R E A∈--∈-知()E A a R E A即有()()⊂-.N A R E A据(*)式知=-.N A R E A()()=.再由6)得2A A8)⇔9)必要性: 由rank rank()+-=.即知:A E A n+-=.dim()dim()R A R E A n又对n∀∈,有a R=+-,()a Aa E A a而(),Aa R A ∈()()E A a R E A -∈-.故 ()()n C R A R E A =+-.又dim dim ()dim ()dim[()()]n C R A R E A R A R E A =+--- n =.故有dim[()()]0R A R E A -= .于是, {}()()0R A R E A -= .充分性: 由{}()()0R A R E A -= 有dim ()dim ()R A R E A n +-=.即有rank rank()A E A n +-=.9)⇔10)必要性: 由上面的证明知由9)有6)和7),再把6)和7)代入到9),立即得到10).充分性：同理可证.9)⇔11) 这是显然的[1].10)⇔12) 这是显然的[1]. ▌定理3.设A 是秩为r 的n n ⨯矩阵.则A 是幂等矩阵⇔存在n 阶可逆矩阵P ,使1000rE P AP -⎛⎫= ⎪⎝⎭. 证明: 必要性: 在1.2节性质6中已给出了证明.充分性: 由1000rE P AP -⎛⎫= ⎪⎝⎭,有 1000r E A P P -⎛⎫= ⎪⎝⎭. 则2111000000000rr r E E E A P P P P P P A ---⎛⎫⎛⎫⎛⎫=⋅== ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭. ▌ 以上是对二次幂等矩阵进行了一定的讨论.下面来对高次幂等矩阵进行有关的讨论.定理4.设,A B 是三次幂等矩阵,即33,A A B B ==,且满足AB BA =,A B ≠, 记C A B =+.则3()0C C AB A B =⇔+=.证明:由矩阵,A B 是幂等可交换的，于是可同时对角化[6]. 即存在可逆矩阵 P ,使得1112,P AP P BP --Λ=Λ=均为对角矩阵,而且它们对角元素分别是,A B 的特征值.从而有1112,.A P P B P P --=Λ=Λ进而112()C P P -=Λ+Λ.于是3C C =可以等价为322333,1,2,,i i i i i i i i i n λλμλμμλμ+++=+= . 其中,i i λμ分别是12,ΛΛ的对角元.又由30,1,1x x x =⇒=-知,A B 的特征值只有0,-1,1.即333,,(1,2,,)i i i i i r λλμμ===于是3C C =等价为220,(1,2,,)i i i i i r λμλμ+== .即221212O ΛΛ+ΛΛ=.因此3C C =等价为()0AB A B +=. ▌注:当2A A =,立即有32A A A ==,同样地,对k ∀,(2k ≥为正整数) k A A = 即任意的二次幂等矩阵均为k 次幂等矩阵.因此可得以下推论.推论: 设,A B 是二次幂等矩阵,且满足AB BA =,A B ≠,记C A B =+.则 2()0C C AB A B =⇒+=. ▌引理1[1].对任意两个同阶矩阵,A B ,有rank()rank()rank()A B A B +≤+. 引理2[1].设,A B 为n n ⨯矩阵,满足AB O =,则有rank rank A B n +≤. 定理5.设矩阵A 满足3,A A =且A 可逆.则2A E =且rank rank()rank()2A A E A E n +++-=.证明: 由3,A A =A 可逆,有-13-12A A A A A E ⋅=⋅⇒=()()A E A E O ⇒+-=.于是据引理2有r a n k ()r a n k ()A E A E n ++-≤ (1)又2()()E E A E A =++-据引理1有rank(2)rank[()()]n E E A E A ==++-rank()rank()E A E A ≤++-rank()rank()A E A E =++-. (2)有(1)式和(2)式有rank()rank()A E A E n ++-=.由于A 可逆知rank A n =.因此有rank rank()rank()2A A E A E n +++-=. ▌定理6.设矩阵A 满足,(2)k A A k =≥.则*,,A A A ''都是k 此幂等矩阵.证明:对A ',()()k k A A A '''==.对*,A*****()()k k k A A A A A =⋅⋅==个. 对,A '()()()k k k A A A A ''''===. ▌定理7. 设矩阵A 满足,(2)k A A k =≥.则A 的特征值为0和22cossin ,(0,1,,2)11m m m i m k k k ππε=+=--- . 证明: 由k A A =,有 k λλ=,其中λ是矩阵A 的特征值.解方程k λλ=可得220cossin ,(0,1,,2)11m m i m k k k ππλ=+=--- 以及. ▌2.2 幂等变换数域F 上n 维线性空间V 的全部线性变换组成的集合()L V 对于线性变换的加法与数量乘法构成F 上的一个线性空间，与数域F 上n 阶方阵构成的线性空间n n F ⨯同构.特别地，与幂等矩阵对应的是幂等变换.因此为了讨论和探索幂等矩阵的性质时很有必要去探索幂等变换的相关性质.定义1.设T 是线性空间V 的一个线性变换,若2T T =,则称T 是幂等变换.由于矩阵与变换间存在一一对应的关系,因此前面所提到的性质和结论可以平移到幂等变换上来.限于篇幅,下面只举几个例子.性质1.可逆的幂等变换是恒等变换.证明:恒等变换与单位矩阵相对应.因此该性质与“可逆的幂等矩阵为单位矩阵”一致. ▌性质2.若T 是幂等变换,则T τ-也是幂等变换.(其中τ是恒等变换) 性质3.T 是幂等变换⇔2T τ-为对合变换. 其中线性变换T 满足2T τ=,则称T 是对合变换. 性质4.T 是线性空间V 上的幂等变换,则1(0)V TV T -=⊕.▌ 我们知道:对于一般的线性变换来说,虽然1dim dim (0)dim TV T V -+=,但未必有1(0)V TV T -=⊕.这样的例子很多. 例如:在线性空间[]n P x 中令 (())()f x f x ϕ'=.则微分变换是一线性变换[1],其值域为1[]n P x -,其核是子空间P .它们的维数分别是1,1n -.但显然1[]n P x -+P ≠[]n P x .性质5.设T 和U 是n 维线性空间V 上的线性变换,且22,T T U U ==. 如果2()T U T U +=+,则0TU UT ==. 证明:由2()T U T U +=+,可得0TU UT +=……………………………………①对①式左乘T 得0TU TUT +=…………………………………②对①式右乘T 得0TUT UT +=……………………………………③比较②和③得 TU UT =.代入到①式得到 20TU =.于是就有 0TU UT ==. ▌ 性质6.设T ,U 是n 维线性空间上的线性变换,且22,T T U U ==. 则 1) ,TV UV TU U UT T =⇔==. 2) 11(0)(0),T U TU T UT U --=⇔==.证明:1)""⇒ 对,a V ∀∈有Ua UV TV ∈=.故,V β∃∈使Ua T β=. 从而2TUa T T Ua ββ===.因此有TU U =.同样可证得UT T =.""⇐ 据,TU U UT T ==可知,对Ta TV V ∀∈⊂,有()Ta UTa U Ta UV ==∈,故TV UV ⊂.同样可证得UV TV ⊂.于是TV UV =. 2)""⇒ 对a V ∀∈,作向量a Ta -.据11(0)(0)T U --=,有()T a Ta -20Ta T a Ta Ta =-=-=.故11(0)(0)a Ta T U ---∈=.从而有()0U a Ta -=⇒Ua UTa =⇒UT U = 同理有TU T =.""⇐ 对1(0)a T -∀∈,有0Ta =.据,TU T UT U ==,有10(0)Ua UTa a U -==⇒∈.即有11(0)(0)T U --⊂.同理可得11(0)(0)U T --⊂. 故有11(0)(0)T U --=. ▌2.3 幂等矩阵线性组合的幂等性在本节中,我们将给出两个幂等矩阵线性组合12P c A c B =+仍是幂等矩阵的一些充分条件.引理1[15].设2,,0,0n n l A B C A A B B ⨯∈=≠=≠,l 为2≥的整数,且AB BA =. 则存在{}12,0c c C ∈-,使12P c A c B =+为幂等矩阵的充要条件是:22111211(2),c c A E B B B c c c λλ--=-+=. 证明:221212()P P c A c B c A c B =⇔+=+22222111212()c B c B c c A c c AB c c BA ⇔-=-++(令121c c λ-=) 221112(2)c B B A AB A E B c c λλ⇔-+=-=-.▌ 据引理1,下面将给出12P c A c B =+是幂等矩阵的十组充分条件.为了简化过程,先令{}00,s = {}111,l s x x x C -==∈,{}21,,s x x y z y z s ==+∈, 012s s s s = .定理1[8].设2,,0,0(2,)n n l A B C A A B B l l Z ⨯∈=≠=≠≥∈，AB BA =，{}12,0,c c C ∈-13121,,,,,i c u v s u v e a s c πλε-=∈≠=∈ 若12(,)c c 及,A B 满足下列任意一个条件，则12P c A c B =+必为幂等矩阵.(Ⅰ) ,0s λλ∈=.①.121(,)(1,)c c u=且0,()0AB B uE B =-=.证明:由0,()0AB B uE B =-=易知12()AB B uE B u-=--,又由121(,)(1,)c c u=和0λ=知(2)A E B λ-22111c B B c c =-+. 满足引理1.故12P c A c B =+此时为幂等矩阵.②.121(,)(1,)c c u=-且()0,()0E A B B uE B -=-=.证明: 由()0,()0E A B B uE B -=-=易知2122,0AB B B B u-=-=-. 将它们相加得212AB B B u-=--. 又由121(,)(1,)c c u=-,0λ=可得22111(2)c A E B B B c c λ-=-+. 满足引理1.故12P c A c B =+此时为幂等矩阵.③.121(,)(1,)c c u=且()()0,()0E A B uE B AB uE B --=--=.证明: 由条件易知()(),()0B uE B AB uE B AB uE B -=--+=.将它们相加后,再乘以1u-可得212AB B B u-=-+. 又由121(,)(1,),0c c uλ==知22111(2)c A E B B B c c λ-=-+. 满足引理1.故12P c A c B =+此时为幂等矩阵. (Ⅱ) ,1s λλ∈=.④.121(,)(,(1)),0,1c c a a a u=-≠且()0,()0E A B A uE B -=-=.证明: 由条件易知,B AB AB uA ==.从而有22,()()B uA B uA u uA uB ====.即2B uB =.故有1121(1)1(1)a u a u B B B uB B a a a a-----+=-+=-. 结合上式有(2)22A uE B uA AB AB AB AB B -=-=-=-=-121(1)(2)a u A uE B B B a a--⇒-=-+.从而可得(2)A E B λ-22111c B B c c =-+. 满足引理1.故12P c A c B =+此时为幂等矩阵.⑤.121(,)(1,)u c c v v=-,且()0,()()0A uE B E A B vE B -=--=.证明: 由()0A uE B -=知uA AB =,从而(2)2A uE B uA AB -=-2uA uA uA =-=-.即(2)A uE B uA -=-. 又由()()0E A B vE B --=可得2()()B vE B AB vE B vAB AB -=-=-.又因为22,()AB uA AB AB B uAB u A ====.代入上式可得:2()B vE B uvA u A -=-.即有2()B vE B A uv u -=-.结合(2)A uE B uA -=-有()(2)B vE B A uE B u v--=-.即有12111(2)11v A uE B B B uv uv----=-+--. 又由121(,)(1,)u c c v v=-知22111(2)c A E B B B c c λ-=-+, 满足引理1.故12P c A c B =+此时为幂等矩阵. ⑥. 121(,)(,)v c c u v u v=---且()0,()()0E A B A uE B vE B -=--=. 证明: 由()0E A B -=知AB B =,从而(2)22A uE B uA AB uA B -=-=-又由()()0A uE B vE B --=展开得2()0AB u v AB uvA -++=. 又22,()AB B AB AB B B ===,结合上式可得2()0B u v B uvA -++=.故2()u v B B A uv+-=.代入到(2)2A uE B uA B -=-得(2)A uE B -=2()2u v B B B v+--. 即21(2)u v A uE B B B v v --=-. 又由121(,)(,)v c c u v u v=--- 可得2211(2)A E B B B c c λ-=-+. 满足引理1.故12P c A c B =+此时为幂等矩阵.⑦. 121(,)(,),1u c c u v v v=-+=且()0,()()0A vE B E A B vE B -=--=.证明: 由()0A vE B -=知()AB u v A =+.从而(()2)A u v E B +-()2()u v A AB u v A =+-=-+.又先把()()0E A B vE B --=展开可得2()0B vE B vAB AB --+=.又将()AB u v A =+及22()()()AB AB B u v AB u v A ==+=+.代入到上式可得2()()()0B vE B v u v A u v A --+++=.即有()()B vE B A u v u-=-+.代入到(()2)A u v E B +-()u v A =-+,可得21(()2)v A u v E B B B u u+-=-. 从而由121(,)(,),u c c u v v v λ=-+=知22111(2)c A E B B B c c λ-=-+满足引理1故12P c A c B =+此时为幂等矩阵.⑧.12(,)(,)c c u εε=-,且2()()0,()()0.A uE B uE B E A B uE B εε--=--=证明: 由()()0A uE B uE B ε--=知 22(())0A u E u u B B εε-++=. 由2()()0E A B uE B ε--=知 222()()A uB B B uE B εε-=-. 将上面两式相加并乘以1u可得 22((1))()A uE B B uE B εεεε+--=-.又3i eπε= 满足22112,εεεε--=-=-,结合上式可得(2)A uE B ε-211B B uε=--. 从而由12(,)(,)c c uεε=-,u λε=知2211(2)A E B B B c c λ-=-+ 满足引理1.故12P c A c B =+此时为幂等矩阵. (Ⅲ) 2,2s λλ∈=.⑨.1,21()(1,)c c u=-,且()0,()0A uE B B uE B -=-=.证明: 由()0,()0A uE B B uE B -=-=知1(22)0()A uE B B uE B u-==-, 即21(22)()A uE B B B u -=---从而由1,21()(1,)c c u=-,2u λ=知22111(2)c A E B B B c c λ-=-+ 满足引理1.故12P c A c B =+此时为幂等矩阵. (Ⅳ) 2,0,1,2.s λλ∈≠⑩.1,21()(,)u c c v v=-且()0,()()0A uE B E A B vE B -=--=.证明: 由()0A uE B -=知AB uA = 从而22AB uAB u A ==,(()2)A u v E B +-()2()u v A AB u v A =+-=--.又由()()0E A B vE B --=展开得()()B vE B AB vE B -=-. 据22AB uAB u A ==知22()()AB vE B vAB AB uv u A -=-=-.结合上式可得2()()uv u A B vE B -=-()()B vE B A u v u-⇒=--.代入到(()2)A u v E B +-()u v A =--可得2()1(()2)B vE B v A u v E B B B u u u-+-==-. 又由1,21()(,)u c c v v =-,u v λ=+知22111(2)c A E B B B c c λ-=-+满足引理1.故12P c A c B =+此时为幂等矩阵. ▌2.4 幂等矩阵线性组合的可逆性在本节中,我们将给出两个幂等矩阵的线性组合矩阵12c A c B +可逆的一些条件,并给出一些相关的结论.引理1[3].设矩阵A 是n n ⨯阶方阵,则A 可逆{}()0N A ⇔=. ▌定理1.设矩阵,A B 均是幂等矩阵，即22,A A B B ==.若存在两个非零复数1,2k k , 且120k k +≠使得12k A k B +可逆,则对所有的复数1,2c c ,满足120c c +≠,则线性组合12c A c B +都是可逆的.证明:设1212,,0,0c c C c c ∈≠≠且120c c +≠. 对12()x N c A c B ∀∈+,有12()0c A c B x += 即有 12c Ax c Bx =- ……………① 将上式两边依次左乘,A B ,可得:12c Ax c ABx =-,12c BAx c Bx =-. ……②比较上面三个式子可得:,Bx ABx Ax BAx ==. …………………………③又由于22212112122()k A k B k A k k AB k k BA k B +=+++,故22212112122()k A k B x k Ax k k ABx k k BAx k Bx +=+++.将,Bx ABx Ax BAx ==代入上式可得212()k A k B x +22112122k Ax k k ABx k k BAx k Bx =+++ 112212()()k k k Ax k k k Bx =+++ 1212()()k k k A k B x =++.由于12k A k B +可逆,,将上式两边左乘112()k A k B -+得121212()()k k x k A k B k Ax k Bx +=+=+, …………………④再左乘A 得:1212k Ax k Bx k Ax k ABx +=+即有Ax ABx =.代入12c Ax c ABx =-可得12()00c c Ax Ax ABx +=⇒==.注意到③式有0Bx =,因此由④式可得12()0k k x +=但120k k +≠,所以0x =因此{}12()0N c A c B +=.由引理1知12c A c B +是可逆的. ▌在定理1中令121c c ==,立即有:推论1.设矩阵,A B 均是幂等矩阵，即22,A A B B ==.若A B +可逆,则对所有的复数1,2c c ,满足120c c +≠,线性组合12c A c B +都是可逆的. ▌ 定理2[18].设矩阵,A B 均是幂等矩阵,对任意的复数1,2c c ,下列命题等价: ⑪ A B -可逆.⑫ 12c A c B +及E AB -可逆. 证明:⑪⇒⑫对12()x N c A c B ∀∈+,由定理1的证明过程知,Bx ABx Ax BAx ==. 故22222()()0A B x A AB BA B x A x ABx BAx B x -=--+=--+=.又由A B -可逆,故0x =.因此 {}12()0N c A c B +=.由引理1知 12c A c B +可逆. 同样地,对()()0x N E AB E AB x x ABx ∀∈-⇒-=⇒=.两边左乘A ,得Ax ABx x BAx Bx ==⇒=.所以 2()0A B x Ax ABx BAx Bx -=--+=. 又由A B -可逆知0x =. 所以{}()0N E AB -=. 由引理1知E AB -可逆. ⑪⇐⑫对()x N A B ∀∈-,有()0A B x -=Ax Bx ⇒= 则 ,Ax ABx BAx Bx ==. 所以121212()()()c A c B E AB x c A c B c AB c BAB x +-=+-+ 220c Bx c BAx =-=.0x ⇒=.由12c A c B +及E AB -可逆,知{}()0N A B -=. 由引理1知A B -可逆. ▌ 在定理2中令121c c ==,立即有:推论2.设矩阵,A B 均是幂等矩阵,下列命题等价: ⑪ A B -可逆.⑫ A B +及E AB -可逆.定理3[18]. 设矩阵,A B 均是幂等矩阵，1212,,0,0c c C c c ∈≠≠,满足120c c +≠. 则12c AB c BA +可逆12c A c B ⇔+及E A B --可逆. 证明:由2212121212()()c A c B E A B c A c B c A c BA c AB c B +--=+----12()c AB c BA =-+.可见12c AB c BA +可逆12c A c B ⇔+及E A B --可逆. ▌2.5 幂等矩阵的秩方面的有关性质定理1[5]. 设,A B 是n n ⨯的复幂等矩阵,则1rank()rank rank rank rank 00A B B A A B B A B A ⎛⎫⎛⎫+=-=- ⎪ ⎪⎝⎭⎝⎭.2 rank()rank()rank A B A AB BA BAB B +=--++.3 rank()rank()rank A B B AB BA ABA A +=--++. ▌定理2.设n n A C ⨯∈为Hermite 矩阵,即A A '=.且对某个,k N ∈有2k A A =, 则 rank()()A tr A =.证明:设rank A r =,,x λ分别是矩阵A 的特征值和相应的特征向量. 则λ是实数[1].且2212k k k Ax x A x A x x λλλ-====. 从而有21(1)0k x λλ--=.又0x ≠.于是21(1)0k λλ--=.由λ是实数,所以111,0r r n λλλλ+====== ,故结论成立. ▌ 推论1. 设n n A C ⨯∈,且2A A =,则rank()()A tr A =. 其实,该结论在1.2节中已经很明朗了.定理2[10]. 设(1,2,,,2)n n i A C i m m ⨯∈=≥ 为Hermite 矩阵,且存在某个,i k N ∈ 使2ik ii A A =,又对某个正整数 t 有211tmmii i i A A ===∑∑.则 111rankrank()mmmii ii i i AA trA=====∑∑∑.证明:由定理1可知rank()()i i A tr A =,11rank mmiii i AtrA===∑∑于是有1111rank()rank()mm mmiiiii i i i AtrA tr A A =======∑∑∑∑. ▌推论2. 设(1,2,,,2)n n i A C i m m ⨯∈=≥ 为Hermite 矩阵,且存在某个,i k N ∈ 使2ik ii A A =,又1mi i A =∑为幂等矩阵.则 111rankrank()mmmii ii i i AA trA=====∑∑∑.推论3. 设(1,2,,,2)n ni A Ci m m ⨯∈=≥ 为幂等矩阵,且1mi i A =∑为幂等矩阵.则 111rankrank()mmmii ii i i AA trA=====∑∑∑.推论4. 设(1,2,,,2)n n i A C i m m ⨯∈=≥ 为Hermite 矩阵,且存在某个,i k N ∈ 使2ik ii A A =,又1m i i A E ==∑.则 11rank rank()m mi i i i A A n ====∑∑.推论5. 设(1,2,,,2)n ni A Ci m m ⨯∈=≥ 为Hermite 矩阵,且1mi i A E ==∑.则 11rankrank()mmii i i AA n ====∑∑.定理3[10].设(1,2,,,2)n ni A Ci m m ⨯∈=≥ 及1mi i A =∑的特征值均为实数,且存在,i k N ∈使2ik ii A A =,又对某个正整数 t 有211tmmii i i A A ===∑∑.则 111rankrank()mmmii ii i i AA trA=====∑∑∑.定理4[20]. 设(1,2,,,2)n ni A Ci m m ⨯∈=≥ 及1mi i A =∑的特征值均为非负实数,且存在,(2)i i k N k ∈≥使ik i i A A =,又对某个正整数 t 有11t mmii i i AA ===∑∑.则 111rankrank()mmmii ii i i AA trA=====∑∑∑. ▌结束语本文主要是对幂等矩阵的一些性质和结论进行归纳总结并对相关性质进行推广。

正定矩阵和正交矩阵的关系

正定矩阵和正交矩阵的关系作文一：写给数学爱好者朋友们，今天咱们来唠唠正定矩阵和正交矩阵的关系。

先来说说正定矩阵，就好比你有一堆水果，每个水果都有自己的重量，正定矩阵就像是保证这些水果的总重量总是正的，而且不会出现负数的情况。

再讲讲正交矩阵，想象一下有一群小伙伴在操场上排队，他们站得整整齐齐，横排和竖排之间都相互垂直，这就像正交矩阵一样，各个向量之间的关系特别规矩。

那这两者有啥关系呢？比如说，一个矩阵既是正定矩阵又是正交矩阵，那它就像是一个超级厉害的“数学英雄”，既有正定矩阵保证的那种积极向上的性质，又有正交矩阵那种规规矩矩的特点。

举个例子吧，假设咱们有一个 2x2 的矩阵 A，如果它是正定的，那它的两个特征值都是正的；要是它还是正交的，那它的行向量和列向量就像操场上整齐的队列一样相互垂直。

咋样，是不是对正定矩阵和正交矩阵的关系有点感觉啦？作文二：写给数学初学者亲，咱们今天来聊聊正定矩阵和正交矩阵的关系。

正定矩阵啊，你就把它想成是一个特别靠谱的朋友。

比如说，你去卖东西，每次赚的钱都肯定是正的，不会亏，这就有点像正定矩阵，它的值总是正的。

那正交矩阵呢，就像是一群人在跳舞，大家的动作相互配合得特别好，横的竖的都对齐了，不歪不斜，这就是正交矩阵。

那它们俩的关系是啥呢？比如说，有个矩阵，它既是正定矩阵，又是正交矩阵，这就好像这个朋友不仅靠谱，还特别会配合你做事，简直太棒啦！怎么样，是不是有点懂啦？作文三：写给对数学感兴趣的高中生同学们，今天咱们来研究研究正定矩阵和正交矩阵的关系。

正交矩阵呢，就像咱们教室里的桌椅摆放，横竖都是直直的，整整齐齐的，这就是正交矩阵。

那它们之间有啥关联呢？比如说，一个矩阵如果既是正定的又是正交的，那就相当于咱们班既有学习好一直进步的同学，又有遵守纪律、桌椅摆放整齐的同学。

比如说一个 4x4 的矩阵，如果它是正定的，那么它的行列式的值肯定是正的。

要是它还是正交的，那它的向量之间就像咱们班的队列一样，横平竖直。

正定矩阵通俗解释

正定矩阵通俗解释正定矩阵是线性代数中非常重要的概念，常常涉及到很多数学问题的解决。

简言之，正定矩阵是指一个方阵其对应的二次型总是大于零的。

在这篇文章中，我们将会介绍正定矩阵的通俗解释及其相关应用。

1. 矩阵的定义在开始介绍正定矩阵的定义之前，我们需要知道什么是矩阵。

矩阵可以被定义为按照规定的格式排列的数的矩形阵列。

我们可以将其视为一个逻辑上的方便而非数学上的要求。

例如，一个2×2的矩阵可以看作如下的矩阵：$\begin{bmatrix}a&b \\ c&d\end{bmatrix}$矩阵的元素可以是任何类型的数，包括实数、复数等等。

另外，一般情况下我们用大写字母表示矩阵，例如A、B等。

2. 二次型的定义接下来，我们需要知道什么是二次型。

与矩阵类似，二次型也是线性代数中的一个概念。

二次型可以被定义为一个变量的二次多项式，其系数为矩阵元素，例如下面这个二次型：$f(x_{1}, x_{2}, x_{3}) =x_{1}^{2}+2x_{2}^{2}+3x_{3}^{2}+2x_{1}x_{2}-2x_{1}x_{3}-4x_{2}x_{3}$其中，$x_{1}$、$x_{2}$、$x_{3}$是变量，$f$是一个实数。

可以通过矩阵相乘的方式将其表示为矩阵形式：$f(x) = x^{T}Ax$其中，$x^{T}$是$x$的转置，$A$是一个对称矩阵。

3. 正定矩阵的定义现在，我们可以对正定矩阵进行正式的定义了。

正定矩阵是指一个$n\times n$的实对称矩阵$A$，其对应的二次型$f(x)=x^{T}Ax$满足：$f(x)>0,\forall x\in\mathbb{R}^{n}, x \neq 0$换句话说，如果矩阵$A$是正定的，则其对应的二次型总是大于零的。

正定矩阵的逆矩阵也是正定矩阵。

4. 正定矩阵的特点正定矩阵具有如下的特点：(1) 所有的主子矩阵都是正定的。

正定矩阵通俗解释

正定矩阵通俗解释正定矩阵是线性代数中重要的概念之一。

在很多实际应用中，正定矩阵扮演着重要的角色。

本文将从通俗易懂的角度，对正定矩阵的概念、性质以及应用进行解释。

首先，什么是正定矩阵？正定矩阵是指一个$n\times n$的实对称矩阵$A$，满足对于任意非零向量$x\in\mathbb{R}^n$，都有$x^TAx>0$。

其中，$x^T$表示向量$x$的转置。

可以理解为，正定矩阵是一种能保证$x$与$Ax$的内积为正的矩阵。

那么，正定矩阵有哪些性质呢？我们可以从以下几个方面进行说明：1. 正定矩阵的特征值都是正数。

即便是部分特征值为零的情况，其它非零特征值均为正。

2. 正定矩阵的行列式必须是正的。

3. 正定矩阵是非奇异矩阵，且求逆的结果也为正定矩阵。

基于以上性质，可以得出一个结论：正定矩阵是一种比较特殊的矩阵类型，它具有一些非常实用的优良性质。

例如，在数值计算、优化问题、信号处理的应用中，正定矩阵经常出现，并且可以用于帮助解决很多实际问题。

在数值计算方面，正定矩阵可用于设计求解一些线性方程组的算法。

例如，我们可以通过正定矩阵来构建一些高效且精确的迭代算法，如共轭梯度法、雅可比方法等等。

这些算法可以对大型稀疏矩阵进行求解，并且具有很高的求解速度和精度。

在优化问题中，正定矩阵则可用于设计一些高效的优化算法。

例如，批次优化、Newton算法等等。

这些算法的效率非常高，并且可以在各类大型优化问题中得到应用。

在信号处理方面，正定矩阵可用于设计一些高效的滤波器。

例如，我们可以通过正定矩阵来构建一种被称为最佳线性滤波器的滤波器。

它可以更好地去除带噪声的信号，并且在图像处理中也经常被应用。

除此之外，正定矩阵在微积分、微分方程、几何等领域中都有着广泛的应用。

例如，在微分方程中，正定矩阵可以用于判定某个边界值问题是否存在唯一解；在几何学中，正定矩阵可以用于判定坐标轴中的椭圆、四面体等对象的几何形态。

综上所述，正定矩阵是一种非常特殊且实用的矩阵类型。

幂等矩阵的性质及其应用

幂等矩阵的性质及其应用0 引言幂等矩阵是一类性质特殊的矩阵，不仅在高等代数中有着重要的应用，在其它课程中，如计量经济学、统计学课程中也有着重要应用。

在代数学中，线性变换的许多问题都可以转化为幂等矩阵来解决。

但是在通常的高等代数的教材中关于幂等矩阵的讨论是比较少的。

因此本文对幂等矩阵的性质做出相关讨论。

本文主要给出幂等矩阵特征值、特征子空间和Jordan标准型的基本性质，同时给出了一些相关的应用。

1 主要结果首先给出幂等矩阵的定义和基本性质。

定义1：若n阶方阵A满足A2=A，则称A为幂等矩阵。

下面给出关于幂等矩阵的一些简单的性质。

定理1：幂等矩阵A的特征值只能是0或者1。

证明：设A为任意一个幂等矩阵。

由A2=A，可得λ2=λ其中λ为A的特征值。

于是有λ=1或0，命题得证。

推论：可逆的幂等矩阵的特征值均为1。

证明：设A为一可逆的幂等矩阵。

由A2=A可得A2A-1=AA-1即A=E。

此时有λE-E=0即λ=1其中，λ为A的特征值。

命题得证。

定理2：任意的幂等矩阵A都相似于对角阵，即存在可逆阵P，使得：P-1AP=E■ 00 0，其中r=R（A）。

证明：A为任意幂等矩阵，J为其Jordan标准型，即存在可逆矩阵P，使得P-1AP=J=■，其中Ji=■。

由此可得J 2=J。

于是有，Ji 2=Ji。

此时，Ji只能为数量矩阵λ■E。

又因为A2=A，所以λ■=0或1，且r=R（A）。

命题得证。

定理3：幂等矩阵的特征值为1的特征子空间为其值域，特征值为0的特征子空间为其零（核）空间。

证明：（i）A为一n阶幂等矩阵。

？琢为其特征值1对应的特征向量。

则有，A？琢=？琢。

由此可得？琢属于A的值域。

反之，对于任意一个A的值域中的向量？琢，总能找到一个向量β，使得Aβ=？琢，于是有A？琢=A2β=β，即？琢=β。

综上可知，幂等矩阵的特征值为1的特征子空间与其值域等价。

（ii）A为一n阶幂等矩阵。

x为其特征值0对应的特征向量，则有Ax=0，即A特征值0对应的特征向量都属于A的核。

各种矩阵三角矩阵正定矩阵正交矩阵伴随矩阵

三对角矩阵高一行的对角线上。

例如，下面的是三对角矩阵：计算：这里是第k个主子式，即是由A最开始的k行k列组成的子矩阵。

用此方法计算三对角矩阵所需计算量是线性n，然而对于一般的矩阵复杂度是 n 的 3 次方。

其它两个长为n− 1 包含下对角线和上对角线元素。

三对角矩阵方程，能用一种需要O(n)次操作的特殊的算法解出来（Golub and Van Loan）。

正交矩阵的平方是v v。

如果矩阵形式为Q v的线性变换保持了向量长度，则。

所以有限维线性等距同构，比如旋转、反射和它们的组合，都产生正交矩阵。

反过来也下面是一些小正交矩阵的例子和可能的解释。

∙恒等变换。

∙旋转16.26°。

∙针对x轴反射。

∙旋转反演（rotoinversion）:轴(0,-3/5,4/5)，角度90°。

∙置换坐标轴。

它的正交性要求满足三个方程。

在考虑第一个方程时，不丢失一般性而设p = cos θ, q = sin θ；因此要么t = −q, u = p要么t = q, u = −p。

我们可以解释第一种情况为旋转θ(θ = 0是单位矩阵)，第二个解释为针对在角θ/2的直线的反射。

旋转反射在45°的反射对换x和y；它是置换矩阵，在每列和每行带有一个单一的1(其他都是0):。

单位矩阵也是置换矩阵。

反射是它自己的逆，这蕴涵了反射矩阵是对称的（等于它的转置矩阵）也是正交的。

两个旋转矩阵的积是一个旋转矩阵，两个反射矩阵的积也是旋转矩阵。

更高维度不管维度，总是可能把正交矩阵按纯旋转与否来分类，但是对于3³3矩阵和更高维度矩阵要比反射复杂多了。

例如，和表示通过原点的反演和关于z轴的旋转反演(逆时针旋转90°后针对x-y平面反射，或逆时针旋转270°后对原点反演)。

旋转也变得更加复杂；它们不再由一个角来刻画，并可能影响多于一个平面子空间。

尽管经常以一个轴和角来描述3³3旋转矩阵，在这个维度旋转轴的存在是偶然的性质而不适用于其他维度。

幂等矩阵的性质(1)

目录中文摘要 (1)英文摘要 (1)1 引言 (1)2 幂等矩阵的概念 (3)3 幂等矩阵的性质 (4)3. 1 幂等矩阵的主要性质 (4)3. 2 幂等矩阵的等价性命题 (7)3. 3 幂等矩阵的线性组合的相关性质 (11)4 幂等矩阵与其他矩阵的关系 (14)4. 1 幂等矩阵与对合矩阵 (14)4. 1. 1 对合矩阵 (14)4. 1. 2 幂等矩阵与对合矩阵的关系 (15)4. 2 幂等矩阵与投影矩阵 (16)4. 2. 1 投影矩阵 (16)4. 2. 2 幂等矩阵与投影矩阵的关系 (17)结束语 (19)参考文献 (20)致谢 (21)英文原文 (22)英文译文 (29)幂等矩阵的性质数学与应用数学专业2009级王素云摘要:本文对幂等矩阵的一些性质进行归纳总结及推广, 并将幂等矩阵与其他特殊矩阵进行了比较. 给出幂等矩阵的概念. 讨论幂等矩阵的主要性质, 并将其进行推广. 然后研究了幂等矩阵的等价性命题, 以及幂等矩阵的线性组合的相关性质. 再结合对合矩阵和投影矩阵更深入的研究幂等矩阵的性质, 分别讨论了幂等矩阵与对合矩阵, 幂等矩阵与投影矩阵的关系.关键字: 幂等矩阵; 性质; 对合矩阵; 投影矩阵; 广义逆矩阵PROPERTIES OF IDEMPOTENT MATRIXSuyun Wang, Grade 2009, Mathematics and Applied MathematicsAbstract In this paper, some properties of the idempotent matrix are summarized and extended, and idempotent matrices are compared with other special matrix. The concept of idempotent matrices are given. The main properties of the idempotent matrix are discussed and promoted . Then, the equivalent propositions of idempotent matrix and the nature of the linear combinations of idempotent matrices are studied. The involution matrix and the projection matrix are used to discuss the nature of the idempotent matrices much deeper. The relationship between the idempotent matrix and involution matrix, the idempotent matrix and the projection matrix are discussed. Key Words the idempotent; the nature; involution matrix; the projection matrix; generalized inverse matrix1 引言幂等矩阵是矩阵中非常特殊的一类矩阵，也是非常重要且非常常见的一类矩阵，很多其他特殊矩阵都与幂等矩阵有着密切的联系，如对合矩阵及投影矩阵。

正交、正定、幂等矩阵

幂等矩阵的性质及应用

正定矩阵的性质和判定方法及应用概要

幂等变换

矩阵代数简单介绍

矩阵分析期末试题及答案

正定矩阵知识点总结

第四章 矩阵

正定矩阵的基本定义

正定矩阵和正交矩阵

幂等矩阵、对角矩阵与正交矩阵性质

线性代数之矩阵学习总结

正定矩阵通俗解释

幂等矩阵的性质及应用

正定矩阵和正交矩阵的关系

正定矩阵通俗解释

正定矩阵通俗解释

幂等矩阵的性质及其应用

各种矩阵 三角矩阵 正定矩阵 正交矩阵 伴随矩阵

幂等矩阵的性质(1)

第四章矩阵

各种矩阵三角矩阵正定矩阵正交矩阵伴随矩阵