【应用多元统计分析】CH1 矩阵代数_矩阵退化的定义和性质-CSDN博客

$p*q$ 矩阵： $A=\begin{pmatrix} a_{11} &a_{12} & \cdots & a_{1q}\\ a_{21} &a_{22} & \cdots & a_{2q}\\ \vdots & \vdots & & \vdots \\ a_{p1} &a_{p2} & \cdots & a_{pq} \end{pmatrix}_{p*q}$
$p$ 维列向量： $a=\begin{pmatrix} a_{1}\\ a_{2}\\ \vdots \\ a_{p} \end{pmatrix}$
$q$ 维行向量： $a^{'}=(a_{1},a_{2},\cdots,a_{q})$
向量 $a$ 的长度： $\left \| a \right \|=\sqrt{a^{'}a}=\sqrt{a_{1}^2+\cdots,a_{p}^2}$
单位向量： $\left \| a \right \|=1$
零矩阵：若 $A$ 的所有元素全为零，则称A为零矩阵，记作 $A=0_{pq}/A=0$
若 $p=q$ ，则称 $A$ 为 $p$ 阶方阵， $a_{11},a_{22},\cdots,a_{pp}$ 称为它的对角线元素，其他元素称为非对角线元素
若方阵 $A$ 的对角线下方的元素全为零，则称 $A$ 为上三角矩阵
若方阵 $A$ 的对角线上方的元素全为零，则称 $A$ 为下三角矩阵
若方阵 $A$ 的所有非对角线元素全为零，则称 $A$ 为对角矩阵，简记为

$A=diag(a_{11},a_{22},\cdots,a_{pp})$

若 $p$ 阶对角矩阵 $A$ 的所有 $p$ 个对角线元素均为1，则称 $A$ 为 $p$ 阶单位矩阵，记作 $A=I_{p}/A=I$
若将矩阵 $A$ 的行与列互换，则得到的矩阵称为 $A$ 的转置，记作 $A^{'}$ 。
若方阵 $A$ 满足 $A=A^{'}$ ，则称 $A$ 为对角矩阵。
若方阵 $A$ 满足 $A^2=A$ ，则称 $A$ 为幂等矩阵。
若方阵 $A$ 满足 $A^2=A,A^{'}=A$ ，则称 $A$ 为投影矩阵。

二、矩阵的运算

1.相关运算

若 $A=(a_{ij})_{p*q},B=(b_{ij})_{p*q}$ ，则 $A+B=(a_{ij}+b_{ij})_{p*q}$
若 $c$ 为一常数，则它与 $A$ 的积定义为 $cA=(ca_{ij})_{p*q}$
$A=(a_{ij})_{p*q},B=(b_{ij})_{q*r}\Rightarrow AB=\left ( \sum_{k=1}^{q}a_{ik}b_{kj} \right )_{p*r}$

2.运算规律

$(A+B)^{'}=A^{'}+B^{'}$
$(AB)^{'}=B^{'}A^{'}$
$A(B_{1}+B_{2})=AB_{1}+AB_{2}$
$A\left ( \sum_{i=1}^{k}B_{i} \right )=\sum_{i=1}^{k}AB_{i}$
$c(A+B)=cA+cB$

3.正交矩阵

（1）定义

若两个 $p$ 维向量 $a,b$ 满足 $a^{'}b=a_{1}b_{1}+a_{2}b_{2}+\cdots+a_{p}b_{p}=0$ ，则称 $a,b$ 正交。几何上，正交向量之间相互垂直。

若方阵 $A$ 满足 $AA^{'}=I$ ，则称 $A$ 为正交矩阵。

显然， $\sum_{j=1}^{p}a_{ij}^2=1,i=1,2,\cdots,p$ ，即 $A$ 的 $p$ 个行向量为单位向量； $\sum_{j=1}^{p}a_{ij}a_{kj}=0,i\neq k$ ，即 $A$ 的 $p$ 个行向量相互正交。又从 $A^{'}A=I$ 得，

$\sum_{i=1}^{p}a_{ij}^2=1,j=1,2,\cdots,p;\sum_{i=1}^{p}a_{ij}a_{ki}=0,j\neq k$

即 $A$ 的 $p$ 个列向量也相互正交。

（2）几何意义

将 $p$ 维向量 $x$ 看成是在 $R^{p}$ 中的一个点，则 $x$ 的各分量是该点在相应各坐标轴上的坐标。正交矩阵的行列式非1即-1，若 $\left | A \right |=1$ ，则正交变换 $y=Ax$ 意味着对原 $p$ 维坐标系作一刚性旋转（或称为正交旋转）， $y$ 的各分量正是该点在新坐标下的坐标；若 $\left | A \right |=-1$ ，则包含了一个反射的坐标轴。

当 $p=2$ 时，按逆时针方向将直角坐标系 $x_{1}Ox_{2}$ 旋转一个角度 $\theta$ ，所得新坐标 $y_{1}Oy_{2}$ 与原坐标之间的变换为 $y=\begin{pmatrix} y_{1}\\ y_{2} \end{pmatrix}=\begin{pmatrix} cos\theta &sin\theta \\ -sin\theta & cos\theta \end{pmatrix}\begin{pmatrix} x_{1}\\ x_{2} \end{pmatrix}=Ax$ 。