史荣昌魏丰版矩阵分析第三章(1)

合集下载

矩阵分析课件

矩阵分析课件

1 13
3 3 3
1
2
0
1
3 3
3
1 3
2 3
1
1 3
向量 A第一组基下的坐标为
x1
7 3
,
x2
4 3
,
x3
1, 3
x4
2 3
利用坐标变换公式可以求得 A 在第二组基下的坐标为
y1 y2 y3 y4
123
3
1
3
1 3
1 3 2 3
0 0 0
1 1
13 3 1 3
x1 1
例 4 全体正的实数 R 在下面的加法与数乘的
定义下也构成线性空间:
a b : ab, a, b R
k a : ak , a, k R
例 5 R 表示实数域 R 上的全体无限序列组成的
的集合。即
R
[a1,
a2, a3,]
ai F, i 1,2,3,
在 R 中定义加法与数乘:
[a1, a2, a3,] [b1, b2, b3,] [a1 b1, a2 b2, a3 b3, ] k[a1, a2, a3,] [ka1, ka2, ka3,] 则 R 为实数域 R上的一个线性空间。
i a1i1 a2i2 anin
a1i
1,2,
,
n
a2i
,
i 1, 2,
,n
ani
将上式矩阵化可以得到下面的关系式:
a11 a12
a1n
1, 2,
,
n
1
,2
,n
a21
a22
a2
n
an1 a2
ann
称 n 阶方阵
记为P

矩阵分析第3章习题答案

矩阵分析第3章习题答案

矩阵分析第3章习题答案第三章1、 已知()ijA a =是n 阶正定Hermite 矩阵,在n维线性空间nC 中向量1212(,,,),(,,,)n n x x x y y y αβ==L L 定义内积为(,)HA αβαβ=(1) 证明在上述定义下,nC 是酉空间;(2) 写出nC 中的Canchy-Schwarz 不等式。

2、 已知2111311101A --⎡⎤=⎢⎥-⎣⎦,求()N A 的标准正交基。

提示:即求方程0AX =的基础解系再正交化单位化。

3、 已知308126(1)316,(2)103205114A A --⎡⎤⎡⎤⎢⎥⎢⎥=-=-⎢⎥⎢⎥⎢⎥⎢⎥----⎣⎦⎣⎦试求酉矩阵U ,使得HUAU是上三角矩阵。

提示:参见教材上的例子4、 试证:在nC 上的任何一个正交投影矩阵P 是半正定的Hermite 矩阵。

5、 验证下列矩阵是正规矩阵,并求酉矩阵U ,使HUAU为对角矩阵,已知133261(1)6322312623A ⎡⎢⎢⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦01(2)10000i A i -⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,434621(3)44326962260ii i A i i i i i +--⎡⎤⎢⎥=----⎢⎥⎢⎥+--⎣⎦11(4)11A -⎡⎤=⎢⎥⎣⎦6、 试求正交矩阵Q ,使TQAQ为对角矩阵,已知 220(1)212020A -⎡⎤⎢⎥=--⎢⎥⎢⎥-⎣⎦,11011110(2)01111011A -⎡⎤⎢⎥-⎢⎥=⎢⎥-⎢⎥-⎣⎦7、 试求矩阵P ,使HPAP E=(或TPAP E=),已知11(1)01112i i A i i +⎡⎤⎢⎥=-⎢⎥⎢⎥-⎣⎦,222(2)254245A -⎡⎤⎢⎥=-⎢⎥⎢⎥--⎣⎦8、 设n 阶酉矩阵U 的特征根不等于1-,试证:矩阵E U +满秩,且1()()H i E U E U -=-+是Hermite 矩阵。

反之,若H 是Hermite 矩阵,则E iH +满秩,且1()()U E iH E iH -=+-是酉矩阵。

矩阵分析第三章ppt课件

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 )

史荣昌魏丰版矩阵分析第一章(1)

史荣昌魏丰版矩阵分析第一章(1)

矩阵分析主讲教师:张艳霞矩阵理论的应用微分方程、概率与统计、优化、信号处理、控制工程、经济理论等等。

工程经济理论等等如需更深入地学习和了解在自己专业的应用,可如需更深入地学习和了解在自己专业的应用可参考:《矩阵分析与应用》,张贤达著,清华大学出版社;《Matrix Analysis for Scientists & Engineers》:Alan J. Laub,SIAM.第章第一章线性空间和线性变换线性空间的基本概念及其性质线性空间的基底,维数, 坐标变换线性空间的基底维数线性空间的子空间,交与和线性映射及其值域、核线性变换及其矩阵表示矩阵(线性变换)的特征值与特征向量矩阵的可对角化条件第一节第节线性空间一:线性空间的定义与例子线性间的义定义设是一个非空的集合,是一个数域,V F 在集合中定义两种代数运算,一种是加法运算,来表示另种是运算用来表示V 用来表示; 另一种是数乘运算, 用来表示, +i并且这两种运算满足下列八条运算律:(1)加法交换律αββα+=+(2)加法结合律()()αβγαβγ++=++(3)零元素: 在中存在一个元素,使得对于V 0任意的都有V α∈0αα+=(4)负元素: 对于中的任意元素都存在一V α个元素使得β0αβ+=(5)i =1αα(6)()()k l kl αα=(7)()k l k l ααα+=+(8)()k k k αβαβ+=+为数域F 称这样的上的线性空间。

V例1全体实函数集合构成实数域上的线性空间。

R 例2复数域上的全体型矩阵构成的集C m n ×合为上的线性空间。

m n × C C 例3实数域上全体次数小于或等于的多项式R n 集合构成实数域上的线性空间;1[]n R x +R 实数域上全体次数等于的多项式集合不构成实数域上的线性空间;R n R二:线性空间的基本概念及其性质定义:线性组合;线性表出;线性相关;线性无关;向量组的极大线性无关组;向量组的秩向量组的极大线性无关组向量组的秩R例1实数域上的函数空间中,函数组2x x1,cos,cos2是线性相关的函数组。

矩阵分析3ppt课件

矩阵分析3ppt课件

3. 哈密顿-开莱定理及矩阵的最小多项式
第三章 矩阵的标准形与若干分解形式
应用 计算矩阵多项式
1 0 2
例 A0 1 1 ,求(A) 2A8 3A5 A4 A2 4
0 1 0
特征多式E- A 3 21,于是A3 2A10 (A) (2A5 4A3 5A2 9A)(A3 2A1)
24A2 37A10E
0 0 ( 2 ) ( 1)( 2 )
1 0
0
0 0
0
(
0 1)(
2)
4. 多项式矩阵与史密斯标准形
第三章 矩阵的标准形与若干分解形式
性质 初等变换不改变矩阵的各阶行列式因子及秩 史密斯标准形中的d i 即是不变因子
充要条件 两个矩阵等价,则它们具有相同的行列式因 子,相同的不变因子,相同的初等因子
2
n
1. 矩阵的相似对角形
第三章 矩阵的标准形与若干分解形式
充要条件 n阶矩阵A能与对角矩阵相似的充要条 件,是A有n个线性无关的特征向量
充分条件 n阶矩阵A如果有n个不同的特征值, 则A可与对角矩阵相似
1. 矩阵的相似对角形
第三章 矩阵的标准形与若干分解形式
充分条件 n阶矩阵A如果有n个不同的特征值, 则A可与对角矩阵相似
1
1
0
1 2 1
2
P -1 A P
1
1
2
100
2100 2 2101 2 0
A100
P
1
P -1
2100 1
2101 1
0
1
2100 1 2101 2 1
1. 矩阵的相似对角形
第三章 矩阵的标准形与若干分解形式
并非每个矩阵都可以相似于对角矩阵。当矩阵 不能相似于对角阵的时候,能否找到一个比较 简单的分块对角阵与它相似?

矩阵论第三章答案

矩阵论第三章答案
d1 (λ ) = L = d n −1 (λ ) = 1 , d n (λ ) = (λ − a )
n
因此初等因子只有一个,即有 (λ − a )n .
11. 证:
A( λ )与 B( λ )相抵当且仅当它们有相同的不变因
子,当且仅当它们的各阶行列式因子相同.
1 1 ⎤ ⎡λ − 2 ⎢ 12. 解 : ( 1 ) 因 为 λI − A = ⎢ − 2 λ + 1 2 ⎥ ⎥ 的初等因子为 ⎢ − 1 λ − 2⎥ ⎣ 1 ⎦
0 0 ⎤ r2 − (− 1)r3 ⎡1 0 0 ⎤ c 2 − (2λ − 1)c1 ⎡1 ⎢0 ⎥ ⎢ 2 λ − λ ⎥ ⎯⎯ ⎯ λ2 ⎥ ⎯⎯ ⎯ ⎯→ ⎢ ⎯→ ⎢0 λ ⎥ 2 2 2 ⎥ ⎢ ⎥ c3 + (− λ )c1 ⎢ ( ) r + 1 − λ r 0 λ − λ − λ − λ 0 0 − λ − λ 3 2 ⎣ ⎦ ⎣ ⎦
2. 解 : ( 1)因为 A 的特征矩阵为
⎡λ + 1 ⎤ ⎢ ⎥ λ+2 ⎢ ⎥ A(λ ) = λI − A = ⎢ ⎥ λ −1 ⎢ ⎥ λ − 2⎦ ⎣
所以 A( λ )的行列式因子为
⎡1⎤ A=⎢ ⎥ ⎣1⎦
不变因子为
d 1 (λ ) = D1 (λ ) = 1, d 4 (λ ) = D4 (λ ) D3 (λ ) d 2 (λ ) = d 3 (λ ) = 1,
10. 解:
因为 A(λ ) = (λ − a )n ,所以 Dn (λ ) = (λ − a )n ,又因
c1 λ − a c2 O
O
= c1c 2 L c n −1 ≠ 0 ,
λ − a c n −1

《矩阵分析》课程教案

《矩阵分析》课程教案
难点:Hermite矩阵、Hermite二次齐次式,正定二次型、正定Hermite矩阵,Rayleigh商
讨 论
练 习
作 业
作业:第3章练习题中任选5题
教学要求
熟练掌握线性空间与线性变换,矩阵的Jordan标准型,内积空间,正规矩阵,Hermite矩阵,二次型,矩阵分解,特征值的估计与计算,矩阵的扰动问题,向量范数与矩阵范数,矩阵序列和级数,广义逆矩阵,矩阵函数等基本概念和基本方法。
教学方法
课堂讲述+实验演示+实际动手操作+作业+研究报告
教学手段
多媒体课件+案例+理论推导+编程实现
考核方式
结合课堂所学写一篇论文/开卷考试二者选一
教学参考资料
[1]《矩阵分析》,史荣昌,魏丰编著,北京理工大学出版社,2010.6,第3版
[2]《Matrix Methods in Data Mining and Pattern Recognition》,Lars Eldén,The SIAM series on Fundamentals of Algorithms,2007.2
本课程针对计算机应用技术专业研究生的知识结构背景,在其本科阶段所学的《线性代数》的基础之上,进一步深化和提高矩阵理论的相关知识,并着重培养学生运用矩阵分析的知识和方法解决计算机应用领域相关问题的能力。通过本课程的学习,使学生掌握矩阵理论的基本概念,基本理论和基本方法,全面了解和掌握矩阵的标准形、特征值与特征向量、矩阵分解、范数与矩阵函数等重点内容,了解近代矩阵理论中十分活跃的若干分支,为今后的进一步学习和研究打下扎实的基础。
山西财经大学研究生课程教案
课程名称
矩阵分析
课程编码

矩阵分析 史荣昌 魏丰 第三版 第一章-第四章 期末复习总结

矩阵分析 史荣昌 魏丰 第三版 第一章-第四章 期末复习总结

定义:若v1 ∩ v =0,则称v1与v 2 的和空间v1 + v 2 是直和,用记号v1 ⊕ v 2 表示

定理:设v1与v 2 是线性空间 v 的两个子空间,则下列命题是等价的


1) v1 + v 2 是直和
直和
2) dim(v1 + v 2 )= dim v1 + dim v 2
3)

α1, αn1
α α α 定理:(1) R(T)=span{T( 1 ),T( 2 ),……T( n )} (2)rank(T)=rank(A)(A 为线性映射在基下的矩阵表示)


性质:
设 A 是 n 维线性空间V1 到 m 维线性空间V2 的线性映射,α1,α2, αn
是V1
的一组基,β1,
β
2
,
,βm
是V2 的一组基。线性映射 A 在这组基下的矩阵表示是 m*n 矩阵 A=( A1,A2, An
特征子
空间
V 性质:特征子空间 λi 是线性变换 T 的不变子空间。
定义:设v1和v 2 是数域 F 上的两个线性空间,映射 A:v1 → v 2 ,如果对任何两个向量 α1,α2 ∈ v1和任何数λ ∈ F
有 A( α1 + α2 )=A( α1 )+A( α2 ),A( λα1 )= λ A( α1 ),便称 映射 A 是由v 1到v 2 的线性映射
α1,α
2
,
αr
生成的子空间为
T
的不变子空间。
0 0 an,r +1 ann
λ α λ λ λ 定义:设 T 是数域 F 上 n 维线性空间 V 的线性变换,如果 V 中存在非零向量α,使得 T(α)= 0 , 0 ∈F.那么称 0 是 T 的一个特征值,称α是 T 的属于 0 的一个特征向量。

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案

第 1 章线性空间和线性变换(详解)1-1证:用 E ii表示n阶矩阵中除第i行,第i列的元素为 1外,其余元素全为 0 的矩阵 . 用E ij(i j , i1,2,, n1) 表示n阶矩阵中除第 i 行,第 j 列元素与第 j 行第 i 列元素为1 外,其余元素全为0的矩阵.显然, E ii,E ij都是对称矩阵, E ii有 n( n1)个.不难证明E ii,E ij是线性无关的,2且任何一个对称矩阵都可用这n+ n( n1)= n( n 1)个矩阵线性表示,此即对称矩阵组成n(n 1)维线性空间 .222同样可证所有n 阶反对称矩阵组成的线性空间的维数为n(n 1).2评注 : 欲证一个集合在加法与数乘两种运算下是一个n(n 1)维线性空间,只需找出n(n 1)个向量线性无关,并且集合中任何一个向量都可以用这2n(n 1)个向量线性表示即22可.1-2 解:令x1 1 x2 2x3 3x4 4解出 x1 , x2 , x3, x4即可.1-3解:方法一设A x1E1x2E2x3E3x4E4即12111111100 3x1 1 1x2 1 0x3 0 0x4 00故1 2x1x2x3x4x1x2x303x1x2x1于是x1x2x3x41, x1x2x3 2x1x20, x13解之得x1 3, x23, x32, x41A E,E,E,E(3, 3,2,1)T方法二应用同构的概念,R2 2是一个四维空间,并且可将矩阵 A 看做(1,2,0,3)T,E1,E2, E3, E4可看做(1,1,1,1)T,(1,1,1,0)T,(1,1,0,0)T,(1,0,0,0)T.于是有1111110003111020100311000001021000300011因此 A 在E1,E2,E3,E4下的坐标为(3,3,2,1)T.1-4 解:证:设k1 1k22k33k440即11111110k1 1 1k2 0 1k3 1 0k4 1 1k1k2 k3k4k1k2k3k1k3k4k1k2k4于是k1k2k3k40,k1k2k30k1k3k40, k1k2k40解之得k1k2k3k40故α,α,α,α 线性无关.1234设a b11x211x31110c d x110110x41 11x1x2x3x4x1x2x3x1x3x4x1x2x4于是x1x2x3x40, x1x2x30x1x3x40, x1x2x40解之得x1b c d2a, x2a cx3 a d , x4a bx1, x2 , x3 , x4即为所求坐标.1-5 解:方法一(用线性空间理论计算)1p( x) 1 2x31,x, x2, x302y123y 21,x 1,( x 1) ,( x1)y3y4又由于1,x1,( x1)2 ,( x1)311111,x, x2 , x30123 0013 0001于是 p( x) 在基1, x1,( x1)2 ,( x1)3下的坐标为y11111113y2012306y3001306y4000122方法二将 p(x) 12x3根据幂级数公式按x 1 展开可得p( x) 1 2x3p(1)p (1)(x1)p (1) (x1)2p (1)( x1)32!3!36(x1)6(x1)22(x1)3因此 p( x) 在基1, x1,( x1)2 ,( xT 1)3下的坐标为3,6,6, 2.评注:按照向量坐标定义计算,第二种方法比第一种方法更简单一些.1-6 解:①设β,β,β,βα,α,α,αP将 α1,α2 ,α3, α4 与 β1, β2, β3,β4 代入上式得2 0 5 6 1 0 0 1 13 3 6 1 1 0 01 12 1 0 1 1 P0 1 01 30 1 1故过渡矩阵10 01 10 5 62 P1 1 0 0 1 3 3 61 10 1 1 2 10 0 1 1 10 1 3121 22231 5 42 211 9 52 232 11 82 2②设1y 1ξ0 β β β β y 21 ( 1, 2, 3 , 4 )y 3y 4将 β1, β2, β3, β4 坐标代入上式后整理得719 y 1 2 0 5 6 1 8 y 2 1 3 3 6 0 27 y 3 1 1 2 1 1 1 y 411 33 227评注 :只需将iβ1,β2 ,β3, β41,2,3,4P计算出, β代入过渡矩阵的定义α α α α P .1-7 解:因为span{ α1, α2}span{ β1,β2}span{ α1, α2, β1,β2}由于秩 span{ α1,α2 , β1, β2}3 ,且α1, α2, β1是向量α1, α2, β1,β2的一个极大线性无关组,所以和空间的维数是3,基为α1,α2,β1.方法一设ξ span{α1,α2}span{ β1, β2} ,于是由交空间定义可知112121k31k41k1k210130117解之得k1l2 , k24l2 ,l13l2 (l2为任意数)于是ξ k1α1k2α2l 2[5,2,3,4] T( 很显然ξl1 1l2 2 )所以交空间的维数为 1,基为[5,2,3,4] T.方法二不难知span{ α1,α2}span{ α1,α2}, span{ β1,β2} span{ β1, β2}其中α[ 2, 2,0,1] T, β[13,2,1,0] T.又span{ α1,α2 }也是线性方程组223x1x32x4x22x3x4的解空间 . span{β1,β2}是线性方程组x113x32x4 3x22x3x4的解空间,所以所求的交空间就是线性方程组x 1 x 3 2x 4x 2 2x 3 x 4x 1 13x 3 2x 4x 2 32x 3x 4的解空间,容易求出其基础解系为[ 5,2,3,4] T ,所以交空间的维数为1,基为[ 5,2,3,4] T .评注:本题有几个知识点是很重要的.(1)span{ α1,α2 , , αn } 的 基 底 就 是α1, α2, , αn 的极大线性无关组. 维数等于秩{ α1,α2 ,,αn } . (2) span{α1, α2} span{ β1, β2} span{ α1,α2 , β1, β2} . (3) 方法一的思路,求交span{ α,α} span{ β, β} 就是求向量 ,既可由 α, α 线性表121 2ξ1 2示,又可由 β, β线性表示的那部分向量 . (4) 方法二是借用“两个齐次线性方程1 2组解空间的交空间就是联立方程组的解空间” ,将本题已知条件改造为齐次线性方程组来求解 .1-8 解:(1):解出方程组 (Ⅰ)x 1 2x 2 x 3 x 45x 1 10x 2 6x 3的基础解系 ,即是 V 1 的基 ,4 x 4 0解出方程组 (Ⅱ) x 1x 2 x 3 2 x 4 0 的基础解系 ,即是 V 2 的基 ;x 12x 2 x 3x 4 0(2): 解出方程组5x 1 10 x 2 6x 3 4 x 4 0 的基础解系 ,即为 V 1V 2的基 ;x 1 x 2x 32x 4 0(3): 设 V 1 span 1,,k,V 2 span1 ,, l ,则1 ,, k ,1 ,, l 的极大无关组即是V 1 V 2 的基 . 1-9 解 : 仿上题解 .1-10 解 : 仿上题解 . 1-11 证:设l 0ξ l 1A (ξ) l 2A2(ξ)l k 1Ak 1(ξ) 0①用 A k 1 从左侧成 ① 式两端,由 A k (ξ) 0 可得l 0A k 1 (ξ) 0因为 A k 1 (ξ) 0 ,所以 l 00,代入 ①可得l 1A (ξ) l 2A 2 (ξ)l k 1A k 1 (ξ) 0②用k 2kA从左侧乘②式两端,由Aξ0可 得 l0 0,继续下去,可得( )l 2l k 1 0 ,于是 ξ,A (ξ), A 2 (ξ), ,A k 1(ξ) 线性无关 .1-12解:由 1-11可知, n 个向量 ξ 0,A ( ),A2(ξ),,An 1 (ξ)线性无关,它是 V 的ξ一个基 . 又由ξξ2ξ,An 1ξA [,A( ),A( ),( )][A (ξ),A 2(ξ), ,A n 1(ξ)][A (ξ),A2(ξ),,An 1(ξ),0]0 0 0 010 0 ξξ2ξ ,An 1ξ 0 1[,A (),A( ),( )]0 0 0 010 n n所以 A在, (ξ),A 2(ξ), ,An 1(ξ)下矩阵表示为 n 阶矩阵ξA0 0 0 01 0 0 00 10 00 0 0 0 n0 01V 中任何一组 n个线性无关的向量组都可以构成V 的一个基,评注 : 维线性空间 因此 ξ,(ξ), A 2(ξ), ,A n1(ξ)是 V 的一个基 .A1-13 证: 设 1, , r , , s1 , , m A, A 1, , r , , s设 1 , , r 是 1,, r ,, s 的极大无关组,则可以证明1,, r 是 1, , r,,s 的极大无关组 .1-14 解: (1) 由题意知A [α1, α2,α3 ] [ α1,α2 ,α3] A1 1 1[β, β, β] [ α,α , α ] 0 1 11 231 230 0 1设 A在基 β1, β2, β3下的矩阵表示是 B ,则1 1 112 3 1 1 11BP 1AP 01 11 0 3 0 1 10 0 1 2 1 5 0 0 12 4 434 6238(2) 由于 A0 ,故 AX 0 只有零解,所以 A的核是零空间 . 由维数定理可知A 的值域是线性空间 R 3 .1-15 解 :已知 A1,2,31,2,3A(1) 求得式 1 , 2 , 3 1 ,2 ,3 P 中的过渡矩阵 P ,则BP 1AP 即为所求 ; (2) 仿教材例 1.5.1.(见<矩阵分析 >史荣昌编著 .北京理工大学出版社 .)1-16 解 :设 A1 ,2 ,3 , 则 R( A)span1 ,2 ,3 ; N ( A) 就是齐次方程组 Ax的解空间 .1-17 证 :由矩阵的乘法定义知AB 与 BA 的主对角线上元素相等 , 故知 AB 与 BA 的迹相等 ; 再由 1-18题可证 .1-18 证 :对 k 用数学归纳法证。

《矩阵分析》(第3版)史荣昌,魏丰.第四章课后习题答案

《矩阵分析》(第3版)史荣昌,魏丰.第四章课后习题答案

第四章 矩阵分析4-1.(1)对矩阵A 只做初等行变换得到行简化阶梯形矩阵82100-55212311125141010551312114001-5582100-5521211251,0105513114001-55A B C A BC ⎡⎤⎢⎥-⎡⎤⎢⎥⎢⎥⎢⎥=-→⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥-⎡⎤⎢⎥⎢⎥⎢⎥=-=⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦=取于是即为其满秩分解表达式(2)对矩阵A 只做初等行变换得到行简化阶梯形矩阵1101010-10-1011110111123131000001110-10-101,0111123A B C A BC ⎡⎤⎡⎤⎢⎥⎢⎥=→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦=取于是即为其满秩分解表达式(3)对矩阵A 只做初等行变换得到行简化阶梯形矩阵12101212101212213300112124314500000048628100000001112121012,2300112146A B C A BC ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎢⎥⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦=取于是即为其满秩分解表达式(4)对矩阵A 只做初等行变换得到行简化阶梯形矩阵120111012011036142360011-1024022270000016121757300000010101201103136,0011-1020270000016173A B C A BC ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦=取于是即为其满秩分解表达式4-2.解:首先注意到A 的秩为1,同时计算出HAA 的特征值12=6=0λλ,,所以A 的奇异值1=6.σ然后分别计算出属于12λλ,的标准正交特征向量.]] []121211112121,1-1,1,.3111111=[,]T TH HU UV A UVV V VAηηηηη-====⎡⎤⎢⎥=∆==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎡⎢⎢⎢⎢⎢⎢⎥⎢⎥⎣⎦⎤⎥==⎢⎥⎥⎣⎦,记,现在计算取于是r000003333HrA U V⎤⎥⎤=⎥⎥⎢⎣⎦⎥⎦⎥⎢⎥⎣⎦=∆=⎦⎥⎦或者4-3.解:(1)容易验证H H H HAA A A BB B B==,所以A,B是正规矩阵.(2)下面求A的谱分解:[][]21231123232323111(+1)(-2)=2==-1.=2=.==-1=10-1=1-0.=0=.TTTTTH E A A G λλλλλλλξλλααααξξξξ-===故的特征值为:,对于特征值,其对应的特征向量对于特征值,其对应的特征向量,,,,1,将,正交化和单位化得,,于是2223311133311133311133300111110636221210003331110226H H G ξξξξ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢=+=+⎢⎥⎢⎢⎥⎢⎢⎢⎥⎢⎣⎢⎥⎣⎦-⎡⎤-⎢⎥⎢⎥=+--⎢⎥⎢⎥-⎢⎥-⎣⎦122113331213331111236333=2A G G ⎡⎤⎡⎤--⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=--⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎣⎦⎣⎦-因此即为其谱分解.矩阵B 的谱分解参照矩阵A 的谱分解方法. 4-4. 解:已知矩阵024102211042A ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦[][][]21231212331231231(+1)(+2),==-1=-2==-1=-2,1,0,4,0,1=-2=4,2,1.244[,,]102011T TTE A A A P P AP λλλλλλλλααλααααααα--==---⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦-=求得所以其对应的特征值为:,对应于特征值,其对应的特征向量对应于特征值,其对应的特征向量为:,,线性无关,所以矩阵可对角化,所以矩阵是单纯矩阵于是而且有:11231112223311161212100211010,()366002221333122112111=--=-=6331263126322433312263311212632T TTTT TT P G G βββαβαβαβ-⎡⎤-⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥-=-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥-⎢⎥⎣⎦⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎡⎤-⎢⎥⎢⎥⎢⎥=+=--⎢⎥⎢⎥⎢⎥--⎢⎥⎣⎦==取:,,,,,,,,令122433312263311212632A G G A ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦=-+故即为矩阵的谱分解表达式.4-5.解:[][][]12312i 20000-i 0000500000,=5==0000=51,0,02001,0,0,=1,0,0-i 00100H H H H TT T H HHA A AA AA AA U V A U A V λλλδληηη-⎡⎤⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥⎡⎤⎢⎥==∆⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎡⎤⎢=∆=⎢⎢⎣⎦,求出的特征值为,所以的奇异值为:求出对应于的特征根:==H⎡⎤⎥⎥⎥⎥⎢⎥⎣⎦4-6.解:()()()1231212112204002000i ,0100-i 000000(-1)(-4)=4,=1,=02=2,=1,14=1,0,04=0,1,010,0100H H H H T H TH A A AA E AA AA AA AA U λλλλλλλααμμμμ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥===⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎣⎦-=⇒⎡⎤∆=⎢⎥⎣⎦⎡⎤⎢⎥==⎢⎢⎣⎦,所以的奇异值为:特征值为的单位特征向量为:特征值为的单位特征向量为:于是1111100-i 102100110-i 00H H H HV A U A U V -⎥⎥⎡⎤=∆=⎢⎥⎣⎦⎡⎤⎡⎤⎡⎤⎢⎥=∆=⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎢⎥⎣⎦因此所以4-7.解:(1) 首先求出矩阵A 的特征多项式212322082(+2)(-6)06=-2==6A (6E-A)=14204206E-A=8400000000E A aa a λλλλλλλλλ---=--=---⎡⎤⎡⎤⎢⎥⎢⎥--→-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦所以其特征值为:,由于是单纯矩阵,从而r 有此可知:a=0;(2) 由上知a=0;()21231212331112223220=820-(+2)(-6)006==6;=-2,==6=0 =001=-2=0125524551TT T H H A E A A G G λλλλλλλλααλαααααα⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦⇒⎫⎪⎭⎫⎪⎭⎛⎫ ⎪ ⎪⎪=+== ⎪ ⎪ ⎪ ⎪⎝⎭所以,求出对应于的单位正交特征向量为:,,,求出对应于的单位特征向量为:因此,的投影矩阵,31212552455062H A G G α⎛⎫- ⎪ ⎪ ⎪=- ⎪ ⎪ ⎪ ⎪⎝⎭=-4-8.解: (1)3i -13i -1-i 0i -i 0i -1-i 0-1-i 0,.HH H A A AA A A A ⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦=,所以是正规矩阵 (2)()()())()()()212311223312312314122 1.2==-1=0,-i,1,,=0.8801,0.3251i,0.3251,=0.4597,0.6280i 0.6280,=TTTTTE A λλλλλλλλαλαλααααηηη-=+-+=+==-===求出与求出与求出与对应的特征向量为:将单位化得到单位特征向量为:,111222333112233,,=TH H HG G G A G G G ηηηηηηλλλ⎛ ⎝⎭===++所以4-9.解:对矩阵A 只作初等行变换100071415610290102000147712401525001772655700000310007141102901020077,1245250017726500000.A ABC BC A -⎡⎤⎢⎥-⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=→→⎢⎥⎢⎥--⎢⎥⎢⎥--⎢⎥⎣⎦⎢⎥⎣⎦-⎡⎤⎢⎥-⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦= 的秩为,且前三个列向量线性无关,故容易验证:4-10.解: 对矩阵A 只作初等行变换110130-331321421=261070013339311100000211012130-3321,210013333.2113210-361,93A A B C BC A A B C ⎡⎤⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥→→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦=⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦ 的秩为,且第一,第三个列向量线性无关,故容易验证:的秩为,且第二,第三个列向量线性无关,故10992100133.BC A ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦=容易验证:4-11.解:()()1231231231231===0=00=0004400TTTH A Schmidt U R U A R ααααααυυυυυυ-⎛ ⎝⎛⎝⎛⎝⎡⎢⎢⎢==⎢⎢⎢⎢⎣⎡⎥⎢⎥⎢⎥=-⎢⎥⎢⎥⎢⎥⎢⎣⎦将,,的列向量,,用方法标准正交化得,命,,,则111335---1444420111==-=--2222-1131=.H x R U b Ax b -⎥⎡⎤⎡⎤⎢⎥⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦不难验证4-12.解:5000000005,0,0A H H AA AA ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦因为的特征值为,故4-13.解:2123111111202000202(-4),=4==0A=2=2.=4==,10111012HH HT T HHHAAE AA AAAA UV A Uλλλλλλαλ-⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦-=∆=⎡⎤=∆=∙=⎢⎥⎢⎥⎣⎦⎢⎥所以的特征值,,的奇异值为,的特征值的单位特征向量u u因此:不难验1122124.3.443301001HHHHH HA U VAAUA AU A A VU=∆=⎢⎥⎢⎥⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎡⎢⎢=⎢⎥⎢⎥⎣⎦=证这是定理表达形式.下面介绍定理..表述形式.又的零特征值所对应的次酉矩阵的零特征值所对应的次酉矩阵V于是AA的酉矩阵与的酉矩阵分别为V⎤⎥⎥=⎢⎥⎥⎢⎥⎥⎥⎦⎥⎦,且2000000HD A UDV ⎡⎤∆⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦=不难验证4-14. 解:()()()12312111121111400010(1)(4),000=4=1=02=2=1=14=1001=01010==010010010=U V 010H HH H H H H H AA E AA AA A AA u AA u U u u V A U i A λλλλλλλαα-⎡⎤⎢⎥=-=--⎢⎥⎢⎥⎣⎦⎡⎤∆⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤=∆=⎢⎥⎣⎦∆=,的特征值,,所以的奇异值,,的特征值为的单位特征向量的特征值为的单位特征向量于是因此所以3222121010043300=0=110010(,)=010,V=V 0001100201001001000100HH Hi AA u U U U U i A UDV i ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦⎢⎥⎣⎦⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎣⎦若要写成定理..形式还得计算U,V.特征值为的单位特征向量故所以4-15.解:242-24-2422-4-2-2-2252-2-5H i i A i i i i A i i i i -⎡⎤⎡⎤⎢⎥⎢⎥==-=⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦由于所以A 是反Hermite 矩阵.2123121233111222-424+22==(+6i)(-3i)-22A ==-6i =3i.==-6i =0==3i 221=i -33354i2i -999-TTT H H iE A i i iA G λλλλλλλλλλλααλααααα+-=⎛ ⎝⎛⎫ ⎪⎝⎭=+= 的特征值,属于特征值的正交单位特征向量,属于特征值的正交单位特征向量,,因此的正交投影矩阵为233124i529992i 2899944i 2i 9994i 429992i 219996i 3i H G A A G G αα⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤-⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥--⎢⎥⎣⎦=-所以的谱分解式为:+4-16..解:130i 2202031-i 022HA A ⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎣⎦由于所以A 是Hermite 矩阵.()21231212331112213--i 220-20==(-2)(+1)31-i 0-22A ==2=-1.==2=010=0=-1=01i 022010i 1-022TTTH H E A A G G λλλλλλλλλλλααλααααα-=⎡⎤⎢⎥⎢⎥=+=⎢⎥⎢⎥⎢⎥⎣⎦ 的特征值,属于特征值的正交单位特征向量,,,属于特征值的正交单位特征向量因此的正交投影矩阵为233121i 0-22010i 10222-H A A G G αα⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎣⎦=所以的谱分解式为:4-17. . .解:先求A 的特征值和特征向量,由21234-603+50=(-1)(+2)36-1==1=-2.E A A λλλλλλλλλ--=故的特征值为:,()()()()1231212331123=1-3-60360=0360=2-1,0=0,0,1=-2-3-60360=0360=-11,1201111,,101()=122011010TTT Tx x x x x x P P λααλαααα-⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦--⎡⎤⎡⎢⎥==--⎢⎥⎢⎥⎣⎦⎣当时,由方程组求得特征向量为:,,当时,由方程组求得特征向量为:,所以,()()()1231112223312=1,1,0,=-1,-2,1,=1,2,022*******,1201211202TTTT TT G G A A G G βββαβαβαβ⎤⎢⎥⎢⎥⎢⎥⎦--⎡⎤⎡⎤⎢⎥⎢⎥=+=--==⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦=-因此于是所求投影矩阵为的谱分解表达式为4-18.解: 因为()()1122r r 1122r 20112012012r 11122r r 1122r r 220111011201=+++=++++=++++=(G +G ++G )+()++()=(++++)G +(++++)G ++(+k k k k r s s ss s s s s s A G G G A G G G f a a a a f A a E a A a A a A a a G G G a G G G a a a a a a a a a a λλλλλλλλλλλλλλλλλλλλλλλ=+++++++++ 若则()()()211122+++)=G +G ++s s r ra a f f f G λλλλλ 4-19.解:方法一:A 是单纯矩阵()()()()()31234123123441234-1-11-11-1=(-1)(+3)-11-11-1-1===1=-3.===1=1100=101,0=-100,1=-3=1-1-1,111-11100-1,,,=010-10011T T TTE A A P λλλλλλλλλλλλλλαααλααααα-=⎡⎤⎢⎢=⎢⎢⎣故的特征值为:,属于特征值的正交单位特征向量,,,,,,,,,属于特征值的正交单位特征向量,,所以1123411122331111-44443111--4444,()=1311--44441131444413111131=-=-4444444411131111=-=--44444444314+T TTT TT TT P A G ββββαβαβαβ-⎡⎤⎢⎥⎢⎥⎢⎥⎥⎢⎥⎥⎢⎥⎥⎢⎥⎥⎢⎥⎦⎢⎥⎢⎥⎣⎦⎛⎫⎛⎫⎪ ⎪⎝⎭⎝⎭⎛⎫⎛⎫ ⎪ ⎪⎝⎭⎝⎭=+=因此,,,,,,,,,,,,,,因此的正交投影矩阵为11444131144441131444411134444⎡⎤-⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥--⎢⎥⎣⎦244121111-4444111144441111--444411114444-3H G A A G G αβ⎡⎤-⎢⎥⎢⎥⎢⎥--⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥---⎢⎥⎣⎦=所以的谱分解式为:方法二:A 是正规矩阵.由方法一中已知A 的特征值1234===1=-3λλλλ,,把1234αααα,,,Schmidt 方法标准正交化得123441112233244=00=0=1111=--22223111444413114444+113144441113444411-44T T TTT T TH G G υυυαυυυυυυυυυ⎫⎫⎛⎪⎪ ⎭⎝⎭⎛⎫⎪⎝⎭⎡⎤-⎢⎥⎢⎥⎢⎥-⎢⎥=+=⎢⎥⎢⎥-⎢⎥⎢⎥--⎢⎥⎣⎦-==,,,把单位化得 ,,,正交投影矩阵121144111144441111--444411114444-3A A G G ⎡⎤⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥---⎢⎥⎣⎦=所以的谱分解式为:。

矩阵分析第3章

矩阵分析第3章

0 x1 x1 0 0 ; x 0 0 x x 0 0 x2 x2 x1 x1 x1 0 x ; x x x ( x) 0 x2 x2 x2 0 (k h) x1 kx1 hx1 kx1 hx1 k , h F , (k h) x kx hx (k h) x2 kx2 hx2 kx2 hx2
x x1 , x2
T
x1 ; x2
y y1 , y2
T
y1 y2
x1 y1 x1 y1 x1 kx1 2 2 x y R ; kx k R x y x y x kx 2 2 2 2 2 2



=(a1,a2)T, =(b1,b2)T,=(c1,c2)TR2 (,)=a1b1+a2b2 并满足下列公式: ,,R2,kR ① (,)=(,) a1b1+a2b2=b1a1+b2a2 ② (k,)=k(,) ka1b1+ka2b2=k(a1b1+a2b2) ③ (+,)=(,)+(,)
1阶方阵
2 1 a1 G (b1 , b2 ) a 1 1 2 2a1 a2 (b1 , b2 ) a1 a2
T
2a1b1 a1b2 a2b1 a2b2
例2引出的一些结论
• • 在R2中至少可定义两个不同的内积. 欧氏空间是由实线性空间连同内积一起定义的 ,同一实线性空间连同不同内积会定义不同的 欧氏空间.因此,用标准内积和例2的内积对R2 能定义出两个不同的欧氏空间. • 这两个不同内积的确定义了两个不同欧氏空间 .例如,同一向量a=(1,0)T在标准内积下的长度 是(a,a)1/2=1;而在例2的内积下的长度是: (a,a)1/2=(2+0+0+0)1/2=21/2, 二者不相同.

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案讲课讲稿

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案讲课讲稿

《矩阵分析》(第3版)史荣昌,魏丰.第一章课后习题答案第1章 线性空间和线性变换(详解)1-1 证:用ii E 表示n 阶矩阵中除第i 行,第i 列的元素为1外,其余元素全为0的矩阵.用ij E (,1,2,,1)i j i n <=-L 表示n 阶矩阵中除第i 行,第j 列元素与第j 行第i 列元素为1外,其余元素全为0的矩阵.显然,ii E ,ij E 都是对称矩阵,ii E 有(1)2n n -个.不难证明ii E ,ij E 是线性无关的,且任何一个对称矩阵都可用这n+(1)2n n -=(1)2n n +个矩阵线性表示,此即对称矩阵组成(1)2n n +维线性空间.同样可证所有n 阶反对称矩阵组成的线性空间的维数为(1)2n n -.评注:欲证一个集合在加法与数乘两种运算下是一个(1)2n n +维线性空间,只需找出(1)2n n +个向量线性无关,并且集合中任何一个向量都可以用这(1)2n n +个向量线性表示即可.1-2解: 11223344x x x x ααααα=+++令 解出1234,,,x x x x 即可.1-3 解:方法一 设11223344x x x x =+++A E E E E即123412111111100311100000x x x x ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤=+++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦ 故12341231211203x x x x x x x x x x +++++⎡⎤⎡⎤=⎢⎥⎢⎥+⎣⎦⎣⎦于是12341231,2x x x x x x x +++=++=1210,3x x x +==解之得12343,3,2,1x x x x ==-==-即A 在1234,,,E E E E 下的坐标为(3,3,2,1)T --.方法二 应用同构的概念,22R ⨯是一个四维空间,并且可将矩阵A 看做(1,2,0,3)T ,1234,,,E E E E 可看做(1,1,1,1),(1,1,1,0),(1,1,0,0),(1,0,0,0)T T T T .于是有1111110003111020100311000001021000300011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥→⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦因此A 在1234,,,E E E E 下的坐标为(3,3,2,1)T --.1-4 解:证:设112233440k k k k αααα+++=即1234123412313412411111110110110110k k k k k k k k k k k k k k k k k ⎡⎤⎡⎤⎡⎤⎡⎤+++⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤==⎢⎥++++⎣⎦于是12341230,0k k k k k k k +++=++=1341240,0k k k k k k ++=++=解之得12340k k k k ====故1234,,,αααα线性无关. 设123412341231341241111111011011011a b x x x x c d x x x x x x x x x x x x x ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤=+++⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦+++++⎡⎤=⎢⎥++++⎣⎦于是12341230,0x x x x x x x +++=++= 1341240,0x x x x x x ++=++=解之得122,x b c d a x a c =++-=-34,x a d x a b =-=-1234,,,x x x x 即为所求坐标.1-5 解:方法一 (用线性空间理论计算)32312233410()121,,,021,1,(1),(1)p x x x x x y y x x x y y ⎡⎤⎢⎥⎢⎥⎡⎤=+=⎣⎦⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎡⎤=---⎣⎦⎢⎥⎢⎥⎣⎦又由于23231,1,(1),(1)111101231,,,00130001x x x x x x ⎡⎤---⎣⎦⎡⎤⎢⎥-⎢⎥⎡⎤=⎣⎦⎢⎥-⎢⎥⎣⎦于是()p x 在基231,1,(1),(1)x x x ---下的坐标为11234111113012306001306000122y y y y -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦方法二 将3()12p x x =+根据幂级数公式按1x -展开可得32323()12(1)(1)(1)(1)(1)(1)(1)2!3!36(1)6(1)2(1)p x x p p p p x x x x x x =+''''''=+-+-+-=+-+-+- 因此()p x 在基231,1,(1),(1)x x x ---下的坐标为[]3,6,6,2T.评注:按照向量坐标定义计算,第二种方法比第一种方法更简单一些. 1-6 解:①设[][]12341234,,,,,,=ββββααααP将1234,,,αααα与1234,,,ββββ代入上式得20561001133611001121011010130011⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦P 故过渡矩阵1100120561100133601101121001110131122223514221915223112822-⎡⎤⎡⎤⎢⎥⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥--⎢⎥⎢⎥-⎣⎦⎣⎦⎡⎤---⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦P②设1212343410(,,,)10y y y y ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦ξββββ将1234,,,ββββ坐标代入上式后整理得11234792056181336027112111310130227y y y y -⎡⎤-⎢⎥⎢⎥⎡⎤⎡⎤⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎢⎥⎢⎥⎣⎦评注:只需将,i i αβ代入过渡矩阵的定义[][]12341234,,,,,,=ββββααααP计算出P .1-7 解:因为12121212{,}{,}{,,,}span span span +=ααββααββ由于秩1212{,,,}3span =ααββ,且121,,ααβ是向量1212,,,ααββ的一个极大线性无关组,所以和空间的维数是3,基为121,,ααβ.方法一 设1212{,}{,}span span ∈ξααββI ,于是由交空间定义可知123411212111011030117k k k k -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥⎢⎥+++=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦解之得1222122,4,3(k l k l l l l =-==-为任意数)于是11222[5,2,3,4]T k k l =+=-ξαα(很显然1122l l ββ=+ξ)所以交空间的维数为1,基为[5,2,3,4]T -. 方法二 不难知12121212{,}{,},{,}{,}span span span span ''==ααααββββ其中2213[2,2,0,1],[,2,1,0]3TT ''=--=-αβ.又12{,}span 'αα也是线性方程组13423422x x x x x x =-⎧⎨=-⎩ 的解空间.12{,}span 'ββ是线性方程组13423413232x x x x x x ⎧=-+⎪⎨⎪=-⎩ 的解空间,所以所求的交空间就是线性方程组1342341342342213232x x x x x x x x x x x x =-⎧⎪=-⎪⎪⎨=-+⎪⎪=-⎪⎩ 的解空间,容易求出其基础解系为[5,2,3,4]T -,所以交空间的维数为1,基为[5,2,3,4]T -.评注:本题有几个知识点是很重要的.12(1){,,,}n span αααL 的基底就是12,,,n αααL 的极大线性无关组.维数等于秩12{,,,}n αααL .1212(2){,}{,}span span +ααββ1212{,,,}span =ααββ.(3)方法一的思路,求交1212{,}{,}span span ααββI 就是求向量ξ,既可由12,αα线性表示,又可由12,ββ线性表示的那部分向量.(4)方法二是借用“两个齐次线性方程组解空间的交空间就是联立方程组的解空间”,将本题已知条件改造为齐次线性方程组来求解.1-8解:(1):解出方程组1234123420510640x x x x x x x x ---=⎧⎨---=⎩(Ⅰ)的基础解系,即是1V 的基, 解出方程组123420x x x x -++=(Ⅱ)的基础解系,即是2V 的基; (2): 解出方程组1234123412342051064020x x x x x x x x x x x x ---=⎧⎪---=⎨⎪-++=⎩的基础解系,即为12V V ⋂的基;(3):设{}{}1121,,,,,k l V span V span ααββ==L L ,则11,,,,,k l ααββL L 的极大无关组即是12V V +的基. 1-9解:仿上题解.1-10解: 仿上题解.1-11 证:设210121()()()0k k l l l l --++++=ξξξξL A AA①用1k -A从左侧成①式两端,由()0k=ξA可得10()0k l -=ξA因为1()0k -≠ξA,所以00l =,代入①可得21121()()()0k k l l l --+++=ξξξL A A A②用2k -A从左侧乘②式两端,由()0k=ξA可得00l =,继续下去,可得210k l l -===L ,于是21,(),(),,()k -ξξξξL A AA 线性无关.1-12 解:由1-11可知,n 个向量210,(),(),,()n -≠ξξξξL A AA线性无关,它是V 的一个基.又由21212121[,(),(),,()][(),(),,()][(),(),,(),0]000010000100[,(),(),,()]00000010n n n n n n----⨯==⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦ξξξξξξξξξξξξξξL L L L L L L M M M M L LA A A AA A A A AAA A A 所以A在21,(),(),,()n -ξξξξL A AA下矩阵表示为n 阶矩阵00001000010000000010⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦L L L M M M M L L评注:n 维线性空间V 中任何一组n 个线性无关的向量组都可以构成V 的一个基,因此21,(),(),,()n -ξξξξL A A A是V 的一个基.1-13证: 设()()()111,,,,,,,,,,,r s m r s A A ξξξββααα==L L L L L 设11,,,,,,r r s ξξξξξL L L 是的极大无关组,则可以证明11,,,,,,r r s αααααL L L 是的极大无关组. 1-14 解:(1)由题意知123123[,,][,,]=ααααααA A123123111[,,][,,]011001⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦βββααα 设A在基123,,βββ下的矩阵表示是B ,则11111123111011103011001215001244346238--⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥==-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎡⎤⎢⎥=---⎢⎥⎢⎥⎣⎦B P AP (2)由于0A ≠,故0=AX 只有零解,所以A的核是零空间.由维数定理可知A的值域是线性空间3R .1-15解:已知()()2323,,,,A αααααα=11A(1) 求得式()()2323,,,,P εεεααα=11中的过渡矩阵P ,则1B P AP -=即为所求; (2)仿教材例1.5.1.(见<矩阵分析>史荣昌编著.北京理工大学出版社.) 1-16解:设()23,,A ααα=1,则{}23(),,;()R A span N A ααα=1就是齐次方程组0Ax = 的解空间. 1-17证:由矩阵的乘法定义知AB BA 与的主对角线上元素相等,故知AB BA 与的迹相等;再由1-18 题可证. 1-18证:对k 用数学归纳法证。

矩阵分析第3章习题答案

矩阵分析第3章习题答案

第三章1、 已知()ij A a =是n 阶正定Hermite 矩阵,在n 维线性空间nC 中向量1212(,,,),(,,,)n n x x x y y y αβ==定义内积为(,)H A αβαβ=(1) 证明在上述定义下,nC 是酉空间; (2) 写出nC 中的Canchy-Schwarz 不等式。

2、 已知2111311101A --⎡⎤=⎢⎥-⎣⎦,求()N A 的标准正交基。

提示:即求方程0AX =的基础解系再正交化单位化。

3、 已知308126(1)316,(2)103205114A A --⎡⎤⎡⎤⎢⎥⎢⎥=-=-⎢⎥⎢⎥⎢⎥⎢⎥----⎣⎦⎣⎦试求酉矩阵U ,使得HU AU 是上三角矩阵。

提示:参见教材上的例子4、 试证:在nC 上的任何一个正交投影矩阵P 是半正定的Hermite 矩阵。

5、 验证下列矩阵是正规矩阵,并求酉矩阵U ,使HU AU 为对角矩阵,已知131(1)612A ⎡⎢⎢⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦01(2)10000i A i -⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,434621(3)44326962260ii i A i i i i i +--⎡⎤⎢⎥=----⎢⎥⎢⎥+--⎣⎦11(4)11A -⎡⎤=⎢⎥⎣⎦6、 试求正交矩阵Q ,使TQ AQ 为对角矩阵,已知220(1)212020A -⎡⎤⎢⎥=--⎢⎥⎢⎥-⎣⎦,11011110(2)01111011A -⎡⎤⎢⎥-⎢⎥=⎢⎥-⎢⎥-⎣⎦7、 试求矩阵P ,使H P AP E =〔或T P AP E =〕,已知11(1)01112i i A i i +⎡⎤⎢⎥=-⎢⎥⎢⎥-⎣⎦,222(2)254245A -⎡⎤⎢⎥=-⎢⎥⎢⎥--⎣⎦8、 设n 阶酉矩阵U 的特征根不等于1-,试证:矩阵E U +满秩,且1()()H i E U E U -=-+是Hermite 矩阵。

反之,若H 是Hermite 矩阵,则E iH +满秩,且1()()U E iH E iH -=+-是酉矩阵。

矩阵分析第三章5-9节

矩阵分析第三章5-9节

3.13
1 G ( ) F ( ) R ( ) G ( ) 证明 先证 是右公因子。为此,把 的逆矩阵 写成分块矩阵 F11 ( ) F12 ( ) 1 G ( ) F ( ) F ( ) F ( ) 22 21
1 以 G ( ) 左乘 3-13 即得
N ( ) N ( ) R( ), D( ) D( ) R( )
类似地,可以定义左公因子。
定义 3.11 多项式矩阵 R ( ) 称为具有相同列数的两个多项式矩阵 N ( ) 与 D ( ) 的一个最大右公因子(记为 gcrd ),如果: (1) R ( ) 是 N ( ) 与 D ( ) 的右公因子; (2) N ( ) 与 D ( ) 的任一其它的右公因子R1 ( ) 都是 R ( ) 的右乘因 子,即有多项式矩阵W ( ) ,使得
R( ) G11 ( ) D( ) G12 ( ) N ( ) 取 X ( ) G11 ( ),Y ( ) G12 ( ) 便得所证。
其它三个性质的证明从略。又性质(1)与(3)也是借助构造定理来证明 的, 可见该定理的重要性。 同定义3.11相类似, 也可引入两个多项式矩阵的最大左公因子(gcld) 的概念,建立其相应的构造定理及基本性质。
而相应的单模矩阵为
0 0 1 0 1 0 0 G ( ) 0 1 0 2 0 ( 1) 1 0 1 1 0 0 1 0 0 0 0 1 0 1 0 1 1 0 1 0 0 1 0 1 0 0 0 1 1 2 2 1 1 ( 1)
D ( ) 定理 3.15 两个 n×n 与 m×n 多项式矩阵 条件是矩阵 D ( )

矩阵分析第三章课后答案

矩阵分析第三章课后答案

第三章 内积空间 正规矩阵 Hermite 矩阵3-1(1)证明:),(αβ=H A αβ=H H A )(βα=H A βα ,(βα,k )=),(βαβαk A k H =),(),()(),(γβγαγβγαγβαγβα+=+=+=+H H H A A AH A αααα=),(,因为A 为正定H 矩阵,所以0),(≥αα,当且仅当0),(0==ααα时,由上可知cn是酉空间。

証毕。

(2)解: ∑∑==n jnij ij i Hy a x A |||),(|βαβα∑∑==n jnij ijix ax ),(||||ααα,∑∑==n jnij ijiy ay ),(||||βββ由Cauchy-Schwarz 不等式有:∑∑∑∑∑∑≤n jnij ijin jnin jnij ijij ijiy ay x ax y ax *3-2解:根据核空间的定义知道N(A)是方程组[][][]()1234512312321-113=011-101=0,1,1,0,0=-1,1,01,0=4-5,0,0,1=span{,,}T T Tx x x x x N A αααααα⎡⎤⎢⎥⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦的解空间,解得它的基础解系为,,,,从而[] () ()() ()() ()1121221211131323312312112212311122schmidt==0,1,1,0,0,111=-=-=-1,,-,1,0,222,,-513=--=-+,,257663=,-,,,15555==00,0=TTTTβααββαβαβββαβαββαββαββββββββββγββγβ⎡⎤⎢⎥⎣⎦⎡⎤⎢⎥⎣⎦⎡⎤⎢⎥⎣⎦首先应用正交化方法得到:然后将,,单位化后得到:2333123=--0510105==().TTN Aβγβγγγ⎡⎤⎢⎥⎣⎦,,,所以,,即为的标准正交基3-3(1)解:由|λE-A| = (λ+1)3得λ= -1是A的特征值,当λ=-1时,可得|λE-A|=021于是ε1=(0,1,0)T是A的特征向量。

矩阵分析课件_第三章3.4-3.7

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 .

史荣昌魏丰版矩阵分析第二章(1)

史荣昌魏丰版矩阵分析第二章(1)

例1
求下列 λ 矩阵的Smith标准形。 标准形
0 0 (λ − 1)2 0 0
⎡ 0 ⎢ 0 ⎢ (1) ( ) ⎢ 0 ⎢ 2 ⎣λ − λ
3
3
2
⎡ 1− λ ⎢ A(λ ) = ⎢ λ ⎢1 + λ 2 ⎣
λ2 λ ⎤ ⎥ λ −λ ⎥ λ 2 −λ 2 ⎥ ⎦
⇒ D3 (λ ) = λ + λ
2
注意 :观察 D1 (λ ), D2 (λ ), D3 (λ ) 三者之间的关系。 定理: 等价 λ 矩阵有相同的各阶行列式因子,从而 有相同的秩 有相同的秩。
0 ⎤ −λ ⎥ ⎥ −λ 2 ⎥ ⎦
0 ⎡1 ⎢0 −λ ⎢ 2 ⎢ 0 − λ ⎣
⎤ ⎥ 3 2 −λ − λ + λ ⎥ −λ 4 − λ 3 − λ ⎥ ⎦ 0
⎤ ⎥ ⎥ λ (λ + 1)⎥ ⎦ 0 0
0 ⎤ −λ 3 − λ 2 + λ ⎥ ⎥ −λ 2 − λ ⎥ ⎦
⎡1 0 ⎢0 λ ⎢ ⎢ ⎣0 0
i列 i
行 j 行
定理 对一个 m × n 的 λ -矩阵 A( λ ) 的行作初等行变 换,相当于用相应的 m 阶初等矩阵左乘 A(λ ) 。对 A( λ ) 的列作初等列变换,相当于用相应的 n 阶初 等矩阵右乘 A(λ ) 。
P ( i , j )−1 = P ( i , j ), P ( i ( c ))−1 = P ( i ( c −1 )),
⎡ λ2 + λ − 4 λ−2 λ −1 ⎤ ⎢ 2 ⎥ 2 ⎢ 4λ + 3λ − 7 3λ − 3 λ + 3λ − 4 ⎥ ⎢ 4λ 2 + 3λ − 5 3λ − 2 λ 2 + 3λ − 4 ⎥ ⎣ ⎦

矩阵分析-(1)(终)

矩阵分析-(1)(终)
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
《矩阵分析》
1.教材:
《矩阵分析》史荣昌编,北京理工大学出版社
2.参考书:
《矩阵分析学习指导》魏丰,史荣昌等编, 北京理工大学出版社
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
难点: 求线性映射的值域、核的基与维数
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
首先, 我们回忆一下《线性代数》中的向量.
向量的运算及性质
负向量: 向量 ( a1 , a2 ,, an ) 称为向量 的负向量
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
向量的差: ( )
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
第一章 线性空间和线性映射
《矩阵分析》 · 徐赐文
2014-3-16
  1. 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. 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. 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)。

内积空间正规矩阵与第三章内积空间、正规矩阵与H -矩阵定义:设是实数域上的维线性空间,对于中的任意两个向量按照某一确定法则对应着一V R n V ,αβ个实数,这个实数称为与的内积,记为,并且要求内积满足下列运算条件:αβ(,)αβ1()(,)(,)αββα=2()(,)(,)(()(k k αβαβ=34000),,)(,)()(,),(,).αβγαγβγααααα+=+≥==当且仅当时这里是中任意向量,为任意实数,我们称带有这样内积的维线性空间为欧氏空间。

,,αβγV k n V 例1在中,对于nR 1212(,,,),(,,,)n n x x x y y y αβ==""规定11122(,)n nx y x y x y αβ=+++"容易验证是上的一个内积,从而成1(,)n R n R 为一个欧氏空间。

如果规定211222(,)n nx y x y nx y αβ=+++"容易验证也是上的一个内积,这样又成为另外一个欧氏空间2(,)n R n R又成为另外个欧氏空间。

例2在维线性空间中,规定n mR×nm T容易验证这是上的一个内积,这样对于(,):Tr()A B AB =n mR ×n mR ×这个内积成为一个欧氏空间。

例3在维线性空间中,规定2n n nC×(,):()HA B Tr AB =其中H表示中所有元素取共轭复数后再转置,容易验证是上的一个内积,从而连同这个内积一起成为酉空间。

B B (,)n n×n nC ×连同这个内积起成为酉空间。

C欧氏空间的性质)()β欧氏空间的性质:(1)(,,k k αβα==(2)(,)(,)(,))()ttαβγαβαγ++11(3)(,,i i i i i i k k αβαβ===∑∑(4)(,)(,)tti i i i k k αβαβ===∑∑11i i4242ii i ++⎡⎤(1)21i i ⎢⎥−+⎢⎥4212i i ⎢⎥−+−−⎣⎦6123i i +⎡⎤(2)1291i i ⎢⎥−−⎢⎥317i i ⎢⎥−+−⎣⎦⎡018(3)4i i −⎤⎢⎥100i i −−−⎢⎥−−⎦84i i ⎢⎥⎣3132i i +⎡(4)13415i i ⎤⎢⎥−+2155i i ⎢⎥⎢⎥−−⎣⎦标准正交基底与Schmidt 正交化方法定义为一组不含有零向量的向量组如果:设为组不含有零向量的向量组,如果内的任意两个向量彼此正交,则称其为正交向量组{}i α{}i α量组。

定义:如果一个正交向量组中任何一个向量都是单位向量则称此向量组为标准正交向量组单位向量,则称此向量组为标准正交向量组。

定义n n :在维内积空间中,由个正交向量组成的基底称为正交基底;由个标准的正交向量组成的n 基底称为标准正交基底。

定理:向量组为正交向量组的充分必要条件是{}i α)0(,,i j i jαα=≠{}i α向量组为标准正交向量组的充分必要条件是10(,){i j ij i j i jααδ===≠定理正交的向量组是一个的向量组反:正交的向量组是一个线性无关的向量组。

反之,由一个线性无关的向量组出发可以构造一个正交向量组甚至是一个标准正交向量组交向量组,甚至是一个标准正交向量组。

Schmidt 正交化与单位化过程:设为维内积空间中的个线个向量可以构造一个标准V n {}12,,,r ααα"r 性无关的向量,利用这个向量可以构造个标准正交向量组, 而且它是的一个r {}12span ,,,r ααα"标准正交基。

酉变换与正交变换定义:设为一个阶复矩阵,如果其满足A n H H,一般记为A A AA I==A n nA U×∈则称是酉矩阵般记为为一个阶实矩阵,如果其满足A n 设为个阶实矩阵如果其满足T TA A AA I==则称是正交矩阵,一般记为A n nA E×∈⎡⎤cos sin (4)010i θθ−⎢⎥是一个酉矩阵()sin 0cos i θθ⎢⎥−⎢⎥⎣⎦(5)设且,如果1n Cα×∈1Hαα=2HG I αα=−则是一个酉矩阵。

通常称为Householder 矩阵。

G满足n n×A 幂等矩阵定义:设,如果A C∈2A A=则称是一个幂等矩阵。

A 对应投影变换M ⎡例(),r n n r n r I A C M C O O ××−⎤=∈∈⎢⎥⎣⎦是个分块幂等矩阵是一个分块幂等矩阵。

幂等矩阵的一些性质:设是幂等矩阵,那么有A (1)都是幂等矩阵;,,,,THTHA A I A I A I A −−−(2)()()0A I A I A A −=−=(3)()()N A R I A =−N I A R A −=()()(4)的充分必要条件是Ax x =()x R A ∈(5)1()()n CR A N A ×=⊕()x Ax x Ax =+−定理是一个秩为阶矩阵那么:设是个秩为的阶矩阵,那么为一个幂等矩阵的充分必要条件是存在A n r An nn P C ×∈使得1r I O P AP −⎡⎤=O O ⎢⎥⎣⎦推论:设是一个阶幂等矩阵,则有T (k(A n Tr()rank()A A =定义设为个维标准正交列n :设为一个向量组,那么称型矩阵{}12,,,r ααα"n r ×112,,,r U ααα=⎡⎤⎣⎦"n r×为一个一般地将其记为1r U U ∈为个次酉矩阵。

般地将其记为定理:设为一个阶矩阵,则A n 2H 的充分必要条件是存在一个型次酉矩阵A A A==n r ×使得1n rrU U ×∈H其中。

11A U U =rank(r A =对应正交投影()引理:的充分必要条件是1n rrU U ×∈11Hr rU U I ×=Hα⎡⎤121H HU α⎢⎥⎢⎥=112,,,r U ααα=⎡⎤⎣⎦"证明:设,那么#H r α⎢⎥⎢⎥⎢⎥⎣⎦必要性:如果为一个维标准正交列向量组那么{}12,,,r ααα"n 列向量组,那么⎡1HH α⎤⎢⎥21112"#,,,H r U U αααα⎢⎥=⎡⎤⎣⎦⎢⎥H r α⎢⎥⎢⎥⎣⎦11121"HH Hr H H H ααααααα⎡⎤⎢⎥21222"""""r ααααα⎢⎥=⎢⎥12"H H Hr r r r αααααα⎢⎥⎢⎥⎣⎦⎡11⎤r r I ×⎢⎥⎢⎥==%1⎢⎥⎢⎥⎦⎣充分性:设,那么由[]112,,,r U ααα=",可得11Hr rU U I ×=H⎡1H αα⎤⎢⎥212"#,,,r ααα⎢⎥⎡⎤⎣⎦⎢⎥⎢⎥H r α⎢⎥⎣⎦11121"H H H r H H H ααααααα⎡⎤⎢⎥21222"""""r r r I ααααα×⎢⎥==⎢⎥12"H H H r r r r αααααα⎢⎥⎢⎥⎣⎦1(,){H i j j i i j αααα===即这表明是个0i j≠是一个维标准正交列向量组。

{}12,,,r ααα"n 定理的证明:因故k 必要性:因,故有个线性无关的列向量,将这个列向量用Schmidt 方法得出个两两正交的单位向量以这rank r A =A r r r 个两两正交的单位向量,以这个向量为列构成一个型次酉矩阵r n r ×.n r r U U ×∈注意到的个列向量都可以由的个列向量线性表出。

A r n U 即如果12[,,,],n r r r U Uβββ×=∈"那么可得12[,,,]n A ααα="11211n C C C ⎡⎤"1222212[,,,]n H r C C C UV βββ⎢⎥⎢⎥==""12r r nr C C C ⎢⎥⎢⎥⎣⎦"""""下面证明V U =。

2H A A A ==H A A A =由可得,即H H H UVVU UV =H =注意到,所以r r U U I ×H H UVVV =0H U V V −=(),即()0H V U V −=()因为,所以,从而rank()H V r =rank()0U V −=H ,U V =.A UU =于是H =2H ==充分性:若,则A UU .A A A。

相关文档
最新文档