矩阵分析第三章精讲课件2
矩阵分析课件
抽象出线性运算的本质,在任意研究对象的集 合上定义具有线性运算的代数结构。
定义1.1(P .1)
要点:
• 集合V 与数域F • 向量的加法和数乘向量运算 • 运算的性质刻画
常见的线性空间
F n={X=(x1,x2,…,xn)T:x F} 运算:向量加法和数乘向量 F mn = {A=[aij]mn:a ijF}; 运算:矩阵的加法和数乘矩阵 i 1 R mn ;C mn 。 ix a i aiR} Pn [x]={p(x)= :
0
1
]
5 向量的长度 定义: || || = ( , ) 性质: || k || =k || || ;
Cauchy 不等式:
, [Vn(F);(,)], | (,) | || || || || 。 || +|| || || +|| ||
如果
W1=L{1,2,…, m },
W2=L{1,2,…, k},
则 W1+W2=L{1,2,…,m,1,2,…, k }
3 、维数公式
子空间的包含关系: W1 W1 W2 W1 W2 Vn ( F ) W2
dimW1W2 dim Wi dimW1+W2 dimVn(F)。
子空间的“和”为“直和”的充要–条件 : 定理1· 8 设 W=W1+W2,则下列各条等价: ( 1) W=W1W2 ( 2) X W,X=X 1+X2的表 是惟一的 ( 3) W中零向量的表示是惟一的 ( 4) dim W =dimW1+dimW2
例1 P12 eg18 例2 设在Rn×n中,子空间 W 1={A AT =A } , W2={B BT= –B }, 证明Rn×n=W1W2。 例3 子空间W的“直和补子空间”
矩阵分析第三章ppt课件
2
我们知道,向量是特殊的矩阵。所有 m n阶的实矩 阵的集合 R m n 对矩阵的加法和数乘封闭,并且也满
足上述8条运算律。因此也是“实向量空间”。 不过这里的“向量”是实矩阵!!
二、线性空间(Linear Space)的概念
定义1.1如果非空集合 V 对于加法及数乘两种运算 封闭,并且对于加法和数乘满足下面8条运算律,那 么就称集合 V 为数域 F 上的线性空间或向量空间:
例1.2 闭区间 [ a , b ] 上的所有实值连续函数按通常 函数的加法和数与函数的乘法,构成线性空间 C [a , b ] 例1.3 次数不超过 n 的所有实系数多项式按通常 多项式加法和数与多项式的乘法,构成线性空间 P [ x ] n 例1.4 所有收敛的实数数列按数列极限的加法和数
乘,构成线性空间 l
( A 2 ) 加 法 结 合 律 : ( ) ( ) ,
(A 3) 具有加法单位元(零向量) R2 ,使得 (A4) 具有加法逆元(负向量) R2 ,使得 ( )
( M 1 ) 数 乘 的 结 合 律 : k () l ( k l )
( M 1 ) 数 乘 的 结 合 律 : k () l ( k l )
( M 2 ) 数 乘 的 单 位 元 : 1
( D 2 ) 分 配 律 2 : ( k l ) kl
( D 1 ) 分 配 律 1 : k ( ) k k
例1.1所有 m n阶的实(复)矩阵按矩阵的加法 m n m n 和数乘,构成线性空间 R (C ) 。
三、线性空间的基本性质
如果 V 是数域 F 上的线性空间,则
(1 )
矩阵分析3-2
= α
(σ (α + β ), σ (α + β ) ) = (α + β , α + β ) ⇒ (σ (α ), σ ( β ) ) + (σ ( β ), σ (α ) ) = (α , β ) + ( β , α ) (σ (α + iβ ), σ (α + iβ ) ) = (α + iβ , α + iβ ) ⇒ (σ (α ), σ ( β ) ) − (σ ( β ), σ (α ) ) = (α , β ) − ( β , α )
(σ (α ), σ (β ) ) = (α , β )
则称 σ 是 V 的酉变换 设 V 是 n 维欧氏空间, 是V 的线性变换,若 ∀α , β ∈ V σ 都有
(σ (α ),σ (β ) ) = (α , β )
则称 σ 是 V 的正交变换
定理 设 σ 是酉空间(欧氏空间)V 的线性变换,则下列 命题等价
−1−i 2 −1−i 2
都是酉矩阵
酉矩阵的性质 若 A, B ∈ U n×n,则
(1) A−1 = AH ∈ U n×n
(2) det A = 1
(4) AB, BA ∈ U n×n
(3) A ∈U
T
n×n
正交矩阵的定义 若 n 阶实矩阵 A 满足 AT A = AAT = E 则称 A 是正交矩阵,记作 A ∈ E n×n 正交矩阵的性质 若 A, B ∈ E n×n ,则
§3.2 酉变换、正交变换
酉矩阵、 一、酉矩阵、正交矩阵 酉变换、 二、酉变换、正交变换
酉矩阵、 一、酉矩阵、正交矩阵 酉矩阵的定义 若 n 阶复矩阵 A 满足
线性代数第三章2-3节课件
3 2 5 1 6 1 r 3 2 6 0 4 1 ~ B A0 0 2 0 5 0 0 4 1 6 1 0 0 0
R(A0) = 3,计算 A0的前 3 行构成的子式
3
6 11 3 2 6 6 0 11 2 16 0 2 5 2 0 5 2 0 5
证明:因为 (A+E)+ (E-A) = 2E, 由性质“R(A+B)≤R(A)+R(B) ”有 R(A+E)+R(E-A)≥R(2E) = n . 又因为R(E-A) = R(A-E),所以 R(A+E)+R(A-E)≥n .
例:若 Am×n Bn×l = C,且 R(A) = n,则R(B) = R(C) .
§2 矩阵的秩
一、矩阵的秩的概念
定义:在 m×n 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.
k k 显然,m×n 矩阵 A 的 k 阶子式共有 Cm 个. Cn
可逆矩阵(非奇异矩阵)又称为满秩矩阵. 当|A| = 0 时, R(A) < n ;
不可逆矩阵(奇异矩阵)又称为降秩矩阵.
若 A 为 m×n 矩阵,则 0≤R(A)≤min(m, n) . R(AT) = R(A) .
a11 A a21 a 31
a12 a13 a22 a23 a32 a33
a14 a24 a34
a11 a12 T A a13 a14
a21 a22 a23 a24
a31 a32 a33 a34
矩阵 A 的一个 2 阶子式
矩阵分析3.1-2
Hermite 第三章 内积空间、正规矩阵、矩阵解析几何中,是用向量的长度和夹角来定义内积,而在矩阵理论中是先定义内积概念,再引入向量的长度、夹角等概念。
在线性空间中,向量之间的基本运算只有加法和数乘运算,向量的度量性质没有反映,局限了线性空间的应用。
现在我们借助内积把度量概念引入到线性空间中。
&3.1 欧氏空间、酉空间一、概念,,,(,3.1),,(,).1V R n V 设是实数域上的维线性空间如果对中任意两个向量、有唯一确定的实数与之对应这实数记为并且满足下列四个条 件则这实数称为与的内定积义:αβαβαβαβ(1) (,)(,)(2) (,)(,)(3) (,)(,)(,)(4) (,)0,0(,)0,,,;.k k V k R V n αββααβαβαβγαγβγααααααβγ==+=+≥==∈且仅当时其中是中任意向量称定义有这样内积的线性空间为维欧氏空间112211 (..,)... (,) Tn na b a b a b αβαβαβαβ==+++nT T12n 12n nn设R 是n 维实向量空间,若=(a ,a ,...,a ),=(b ,b ,...,b )令容易验证,所规定的是R 的内积,从而R 成为欧例3氏空间。
注: 1.今后欧氏空间R n 中的内积都指如上例3.1.1定义的内积运算.2.对同一个线性空间,可以定义不同的内积,因而得到不同的欧氏空间.212122312 (,)(,) .(. ,TTR a a b b R αβαβ==11122122 设在中对向量和规定内积为,)=2a b +a b +a b +a b 证明按照如上的内积运算构成是欧例氏空间。
313.. ∀∈⎰ba 用表示C[a,b]闭区间[a,b]上的所有实值连续函数构成的实线性空间,f(x),g(x)C[a,b],规定(f(x),g(x))=f(x)g(x)dx容易验证,这样规定的(f(x),g(x))是C[a,b]上的一个内积,从而C[a,b]成为一个欧 例氏空间。
矩阵分析课件精品PPT
典型例题解析
例1
求矩阵A的特征值和特征向量,其中A=[[3,1],[2,2]]。
例2
已知矩阵A的特征值为λ1=2, λ2=3,对应的特征向量为 α1=[1,1]T, α2=[1,-1]T,求矩阵A。
解析
首先求出矩阵A的特征多项式为f(λ)=(λ-1)(λ-4),解得特 征值为λ1=1, λ2=4。然后分别将特征值代入(A-λI)x=0求 解对应的特征向量。
应用举例
通过克拉默法则求解二元、三元线性方程组,并验证解的正确性 。
典型例题解析
01
例题1
求解三元线性方程组,通过高斯消元 法得到增广矩阵的上三角形式,然后 回代求解未知数列向量x。
02
03
例题2
例题3
判断四元线性方程组的解的情况,通 过计算系数矩阵的行列式|A|以及替换 列向量后的矩阵行列式|Ai|,根据克 拉默法则判断方程组的解是唯一解、 无解还是无穷多解。
特殊类型矩阵介绍
01
02
03
04
方阵
行数和列数相等的矩阵称为方 阵。
零矩阵
所有元素都是零的矩阵称为零 矩阵。
对角矩阵
除主对角线外的元素全为零的 方阵称为对角矩阵。
单位矩阵
主对角线上的元素全为1,其 余元素全为0的方阵称为单位 矩阵。
矩阵性质总结
Байду номын сангаас
01
结合律
02
交换律
03 分配律
04
数乘结合律
数乘分配律
• 对于每一个特征值m,求出齐次线性方程组(A-mI)x=0的一个基础解系,则A对应于特征值m的全部特征向量(其中I是与A 同阶的单位矩阵)。
特征值和特征向量求解方法
《线性代数》课件第3章
定义1.4对于一组m × n矩阵A1,..., At和数c1,...,ct , 矩阵 c1A1 + + ctAt
⎛⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎝
a11 a 21
am1
a12 a 22
am 2
a 1n a 2n
amn
⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟
称为S
上一个m
×
n矩阵,通常简记为
(aij
) m
×n
或
(aij
).
一个n × n矩阵称为n阶矩阵或n阶方阵.在一个n阶矩阵中,从
左上角至右下角的一串元素a11, a22 ,..., ann称为矩阵的对角线.
+
a2
⎛⎝⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜
0 1 0
0
⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟
+
+
an
⎛⎝⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜
0 0
0 1
⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟
= a 1ε1 + a 2ε2 +
+ anen .
§3.2 矩阵的乘法
( ) ( ) 定义2.1(矩阵的乘法)设A = aij 是一个m×n矩阵, B = bij 是一个
1. 把A整个分成一块,此时A就是一个1×1的分快矩阵;
2. 把A的每一行(列)或若干行(列)看成一块.比如,把A按列分
《矩阵分析》课件
Gauss消元法原理
LU分解求解线性方程组
通过行变换将矩阵化为上三角矩阵, 从而解线性方程组。
将Ax=b转化为LUx=b,通过前向替 换和后向替换求解。
LU分解定义
将矩阵分解为一个下三角矩阵L和一个 上三角矩阵U的乘积。
QR分解原理及实现
QR分解定义
将矩阵分解为一个正交矩阵Q和 一个上三角矩阵R的乘积。
Jordan标准型及其性质
Jordan标准型定义: 设A是n阶方阵,如果 存在一个可逆矩阵P, 使得P^(-1)AP为 Jordan矩阵,则称A 可以相似对角化为 Jordan标准型。
Jordan标准型的性质
Jordan标准型是唯一 的,即对于给定的方 阵A,其Jordan标准 型是唯一的。
Jordan标准型中的每 个Jordan块对应A的 一个特征值。
非零行的首非零元所在列在上一行的 首非零元所在列的右边。
同一行的所有非零元均在首非零元的 右边。
线性无关组与基础解系
线性无关组:一组向量线性无关当且仅当它们不 能由其中的部分向量线性表示出来。换句话说, 只有当这组向量中任何一个向量都不能由其余向 量线性表示时,这组向量才是线性无关的。
基础解系中的解向量线性无关。
初等变换和行阶梯形式
初等变换:对矩阵进行以下三种变换称为初等变 换 对调两行(列)。
以数k≠0乘某一行(列)中的所有元。
初等变换和到另一行(列)的对应元上去。
02
行阶梯形式:一个矩阵经过初等行变换可以化为行阶梯形式,
其特点是
非零行在零行的上面。
03
初等变换和行阶梯形式
方阵
行数和列数相等的矩阵称为方阵。
01
对角矩阵
除主对角线外的元素全为零的方阵称 为对角矩阵。
《矩阵分析》PPT课件
握时机,以寻求更大的发展。
2.抑制性(机会+劣势)
抑制性意味着妨碍、阻止、影响与控制。当环境提
供的机会与企业内部资源优势不相适合,或者不能相互
重叠时,企业的优势再大也将得不到发挥。在这种情形
下,企业就需要提供和追加某种资源,以促进内部资源
劣势向优势方面转化,从而迎合或适应外部机会。
3.脆弱性(优势+威胁)
(2)现金牛产品(cash cow), 又称厚利产品。它是指处于低增 长率、高市场占有率象限内的产 品群,已进入成熟期。其财务特 点是销售量大,产品利润率高、 负债比率低,可以为企业提供资 金,而且由于增长率低,也无需 增大投资。因而成为企业回收资 金,支持其它产品,尤其明星产 品投资的后盾。收获战略;适合 于事业部制组织结构;选拔市场 营销型人物来负责。
说明 相对市场份额
以公司在某个领域的市场份额除以该领域最大竞争对手的 市场份额
通常以1.0把相对市场份额分为高低两部分。
市场增长率
可以用经济增长率作为标准,或者用10%。
圆圈反映了一个领域的份额和增长情况,面积反映了企业 从这个领域得到的销售收入占全部收入的比例。
各象限产品的定义及战略对 策 (1)明星类产品 增长较快速,略显资金不足; 一般水平的利润率和负债比 率。 扩大投资战略;采用事业部 形式的组织结构;选拔对生 产技术和销售都很内行的人 负责 。
缺乏具有竞争意义的技能技术。
缺乏有竞争力的有形资产、无形资产、人力资源、组织 资产。
关键领域里的竞争能力正在丧失。
机会 公司面临的潜在机会(O):潜在的发展机会可能是: 客户群的扩大趋势或产品细分市场。
技能技术向新产品新业务转移,为更大客户群服务。
前向或后向整合。 市场进入壁垒降低。 获得购并竞争对手的能力。 市场需求增长强劲,可快速扩张。 出现向其他地理区域扩张,扩大市场份额的机会。
矩阵分析.ppt
X
x2
,
am X
xn
nm
同理,a X 对X T的导数定义为
a1 X
x1
da X
a2
X
dX T
x1
am X
x1
a1 X
x2
a2 X
x2
am X
x2
bX
daT X
dX
bX
dbT X
dX
aX
;
5
d dX T
aT
X
bX
bT
X
da X
dX T
aT
X
db X
dX T
。
例6
设A
aij
,
mn
X
x1, x2 ,
, xn T ,
求线性向量函数y AX关于向量X T的导数
可微,其导数定义如下:
A' t= aij' t ,同样,At的高阶导数定义为:
A'' t=
A' t
'
,
, An
t
=
n1
A
t
'
。
性质1 设函数矩阵At,Bt都可微,则 1设k任意常数,则kAt' kA' t;
2若At与Bt可以相加,则 At Bt' A' t B' t;
矩阵论矩阵的分解 ppt课件
结论:如果矩阵A能用两行互换以外的 初等行变换 化为阶梯形,则A有LU分解。
三角分解的存在性和惟一性
定理3.1 (P.62) :
• 矩阵的k 阶主子式:取矩阵的前k行、前k列得到 的行列式,k=1,2, … ,n。
• 定理: AFnn有惟一LDV分解的充要条件是A的顺 序主子式Ak非零,k =1,2,…,n-1。
LU分解:AFnn, 有下三角形矩阵L ,上 三角形矩阵U ,使得A=LU。
LDV分解:AFnn, L、V分别是主对角线 元素为1的下三角形和上三角形矩阵,D为 对角矩阵,使得A=LDV。
已知的方法:Gauss-消元法
例题1 (P.61eg1)设
2 2 3
A
4
7
7
求A的LU和LDV分解。 2 4 5
2 、Schur 分解
定理3.7(P.74 )对矩阵ACnn,存在酉矩
阵U和上三角矩阵T,使得 UHAU=T=
1
2
证明要点:
n
➢A=PJ AP–1 ,
➢P=UR
➢A= PJ AP–1 =U(RJR–1 )UH =UTUH。
二、正规矩阵(Normal Matrices)
1、 定义3.3(P.77 )A是正规矩阵 AHA=AAH。 常见的正规矩阵:
对角矩阵 对称和反对称矩阵:AT=A,AT=–A。 Hermite矩阵和反Hermite矩阵:AH=A,AH=–A 正交矩阵和酉矩阵:ATA=AAT=I,AHA=AAH=I。
例题1 (P.78,eg 10)设A为正规矩阵,B酉相似于A,
证明B也是正规矩阵。
正规是酉相似的不变性质
例题2、AFmn,矩阵AHA 和矩阵AAH是正规矩阵。
在内积空间中讨论问题,涉及:
矩阵分析课件_第三章3.4-3.7
yC 使
n
x ( E - P ) y , Px P ( E - P ) y ( P - P 2 ) y 0, 即N ( P ቤተ መጻሕፍቲ ባይዱ R( E - P ).
(d ) : 若Px x, 那么, x R( P );反之,x R( P ), 即存在 y C 使Py x, Px P ( Py ) P y Py x.
a : 对x N A 、y R A ,有
H
Ax 0, y A z , z C
H
n
x, y y x A z x z
H H H
H
Ax 0,
N A R A
H
.
H H 又 dim N A R A dim N A dim R A
T=span{1 , 2 },求T的正交补.
H 1 0 1 1 1 H 解 取A=(1 , 2 ),则A H 0 1 1 2 2 T 求线性方程组A H x 0的基础解系1 (-1,-1,1,0) , T 2 (-1,-2,0,1) , T span{1 , 2 }.
n 2
(e ) : 设x C n ; 则Px R( P ); 令y x - Px 则Py Px - P x Px Px 0.
2
y N ( P ), x Px y R( P ) N ( P ); 所以,C R( P ) N ( P ).
n
反之, N , 设 x y , 其中 x S , y T x , 而 0, x 0, y T , N T,故 T N .
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
Schur 引理与正规矩阵定义:设,若存在使得,()n nn nA B CR××∈或n nU U×∈()n n×或E 11()HTU AU U AU B U AU U AU B −−====或则称酉相似或正交相似于.A B ()定理任何一个酉相似A (Schur 引理):任何个阶复矩阵于一个上(下)三角矩阵。
n证明1A A A 1k −证明:用数学归纳法。
的阶数为1 时定理显然成立。
现设的阶数为时定理成立,考虑时的情况取阶矩阵的一个特征值,对应的单位特征构造以k A 1λk 的阶数为时的情况。
向量为,构造以为第一列的阶酉矩阵,k 1α1α]112[,,,k U ααα="]"112112[,,,[,,,]k k AU A A A A A αααλααα=="因为构成的一个标准正交基,12,,,k ααα"kC令1k kU U ×⎡⎤=∈⎦那么2W ⎢⎥⎣b b λ⎡12110k H H U ⎤⎢⎥21121U U AU R ⎢⎥=⎢⎥#0⎢⎥⎣⎦[] is upper Hessenberg if 0 for 1.ij ij A a a i j ==−>H HAA A A=那么称矩阵为一个正规矩阵.A 那称矩阵为个规矩阵n nA R×∈A 设, 如果同样满足T TAA A A=HHAA A A=即,A 那么称矩阵为一个实正规矩阵.11−⎡⎤⎢⎥例: (1) 为实正规矩阵。
11⎣⎦a b cd ⎡⎤(2)b ad c ⎢⎥−−c d a b ⎢⎥−−⎢⎥d cb a ⎢⎥−−⎣⎦,,,a b c d 其中是不全为零的实数, 容易验证这是个一个实正规矩阵.43462ii i +−−⎡⎤(3)443261i i i ⎢⎥−−−−⎢⎥6226i i +−−⎢⎥⎣⎦是一个正规矩阵.(4) H-阵, 反H-阵, 正交矩阵, 酉矩阵, 对角矩阵都是正规矩阵.正规矩阵的性质与结构定理引理 1 :设是一个正规矩阵, 则与酉相似的矩阵一定是正规矩阵.A A A 引理2 :设是一个正规矩阵, 且又是三角矩阵, A 则必为对角矩阵.定由上述引理可以得到正规矩阵的结构定理定理: 设, 则是正规矩阵的充要条件是存在一个酉矩阵使得n nA C ×∈A U说明可对角化的矩阵不一定可酉对角化举例说明:可对角化的矩阵不一定可酉对角化.设X , Y 是两个线性无关但是不正交的向量,比如⎡⎤⎡取P =[X Y ]=10,21⎢⎥1001D ⎤=⎢⎥−⎦,⎣⎦⎣10⎡⎤⎥10⎡⎤10⎡⎤则1A PDP −==21⎢⎣⎦01⎢⎥−⎣⎦21⎢⎥−⎣⎦⎡1041⎤=⎢⎥−⎣⎦可对角化,但不能酉对角化推论 2 :正规矩阵属于不同特征值的特征向量彼此正交.324⎡⎤例1 :设=202A⎢⎥⎢⎥423⎢⎥⎣⎦Q1Q−求正交矩阵为对角矩阵.使得AQ解: 先计算矩阵的特征值即为所求正交矩阵且有Q 则矩阵1−⎡11Q AQ −⎤⎢⎥=−⎢⎥8⎢⎥⎣⎦2:例 2 :设434624i i i +−−⎡⎤4326A ii i ⎢⎥=−−−−⎢⎥−−62261i i ⎢⎥+⎣⎦使得为对角矩阵Q H AQ 求酉矩阵.Q⎡9H i −⎤99Q AQ i⎢⎥=⎢⎥⎥⎢⎣⎦例3证明:(1)H ;H (1) H-矩阵的特征值为实数; H-矩阵属于不同特征值的特征向量是正交的.(2)H (2) 反H-矩阵的特征值为零或纯虚数.(3) 酉矩阵的特征值模长为1.A 是正规矩阵A 定理:设, 则(1)H 的特征值为实数A (1) 是H-阵的充要条件是.(2) 是反H-阵的充要条件是的特征值的实部为零.A A (3)是U-阵的充要条件是的特征值的模长为1 .A A 注意:正规矩阵绝不仅此三类. 比如:(1)(1)A 是酉矩阵,2A 也是正规矩阵;(2)B 是反H-阵,也是正规矩阵.2,I B B B ++例4: 设是一个反H-阵, 证明:A U 1()()W A I A I −=+−是U-阵.A 证明: 因为是反H-阵,特征值为零或纯虚数, 所以()()A I A I +−可与都是逆矩阵。
10(),i A λ±≠从而U-11H H HA I A I A I A I −−=+−−+根据U 阵的定义()()[()]()W W H-, 这样A HA I A I +=−+11[()]()H A I A I −−−=−+是反阵,样()11H H H−−−−11()()[()]()HW W A I A I A I A I A I A I A I A I −−=++=−+−++1()()()()()[()()]()A I A I A I A I −=−++−−+1()[()()]()A I A I A I A I −=−+−+−+11()()()()A I A I A I A I −−=++−−I=这说明为酉矩阵.W:是一个H-,n k 例5: 设是个阶H 阵且存在自然数使得, A 0,kA =0.A =证明A 证明: 由于是H-矩阵, 所以存在一个酉矩阵⎡n nU U ×∈使得1λ⎤⎢⎥2,H i A U U R λλ⎢⎥=∈⎢⎥%n λ⎢⎥⎣⎦于是可得1kλ⎡⎤20kk H A UU λ⎢⎥⎢⎥==%k ⎢⎥⎢⎥n λ⎢⎥⎣⎦0,ki i Rλλ=∈从而0,1,2,i nλ=="0.A =即,,,,i正规矩阵同时酉对角化问题例都是正规矩阵那么设都是正规矩阵,那么同时酉对角化的充要条件是。
AB BA =,A B ,A BHermite 二次型(Hermite 二次齐次多项式)Hermite 矩阵的基本性质n nH×引理:设则(1)H HHH,,A CA A ∈=(1) 都是H-阵.,,A A AA A A +(2)H HA A −(2) 是反H-阵.(3)如果是H-阵, 那么也是H-阵, 为任意A kA k 正整数.(4)如果是可逆的H-阵, 那么也是可逆的H-A 1A −H阵.(5)如果是H-阵(反H-阵), 那么是反H-矩阵(H )A iA (H-阵), 这里为虚数单位.i(6)H-,H-,A kA lB +(6) 如果都是H 阵, 那么也是H 阵, 这里均为实数.,B ,k l (7) 如果都是H-阵, 那么也是H-阵,A B ,AB BA 的充分必要条件是.AB BA =定理:(1) 设, 则是H-阵的充分必要条件是对于任意的是实数。
n nA C ×∈A HX AX ,n X C ∈条件对任实数(2)是H-阵的充分必要条件是对于任意的阶方阵为H-阵.A n ,HB B AB H-阵的结构定理定理:设, 则是H-阵的充分必要条件是存在一个酉矩阵n nA C ×∈A n n×是存在个酉矩阵使得U U ∈⎡λ12H AU λλ⎤⎢⎥⎢⎥=12,,,n R λλ∈"阵酉相似于,U λ⎢⎥⎢⎥⎦%H-实对角矩阵n ⎣推论:实对称阵正交相似于实对角矩阵.例:设为一个幂等H-阵, 则存在酉矩阵A n n×U U∈使得0r HI AU ⎡⎤00U =⎢⎥⎣⎦证明:为一个H-阵, 所以存在酉矩阵A n nW U ×∈使得λ⎡⎤12HW AW λ⎢⎥⎢⎥=λ⎢⎥⎢⎥%n ⎣⎦A 为一个幂等H-阵,λ=1λ=或将1 放在一起, 0 放在一起, 那么可找到一个酉矩,i i 放起,放起,那找到个矩阵使得n nU U ×∈0⎡,00r H I U AU ⎤=⎢⎥为矩阵的秩.A r ⎣⎦为一个A n 推论:设为个阶矩阵,则2H A A A==的充分必要条件是存在一个型次酉矩阵n r ×n r×使得1rU U ∈11HA U U =其中。
rank()r A =0r HI AU ⎡⎤=r HI ⎡⎤=⎡00U ⎢⎥⎣⎦00rA U I U⎤⎢⎥⎣⎦⎣⎦H1U 1U在书上的证明中的列向量组的个,我们是任取A 的列向量组的一个极大无关组,经过Schmidt 方法得出r 个两两正交的单位向量以这个向量为列构成个的单位向量,以这r 个向量为列构成一个次酉矩阵而这里是的标准正交基,两者之间1.n rr U U ×∈1U 1V λ=()()N I A R A −=有何关系?提示:,可得2H A A A ==1V λ==。