线性代数的本质(十一)——复数矩阵

复数矩阵

矩阵 A A A 的元素 a i j ∈ C a_{ij}\in\Complex aijC ,称为复矩阵。现将实数矩阵的一些概念推广到复数矩阵,相应的一些性质在复数矩阵同样适用。

定义:设复矩阵 A = ( a i j ) m × n A=(a_{ij})_{m\times n} A=(aij)m×n

  1. 矩阵 A ˉ = ( a i j ‾ ) \bar A=(\overline{a_{ij}}) Aˉ=(aij) 称为矩阵 A A A 的共轭矩阵.
  2. 矩阵 A H = A ˉ T A^H=\bar A^T AH=AˉT 称为矩阵 A A A 的共轭转置,又叫Hermite转置。
  3. A H = A A^H=A AH=A,则称 A A A 为 Hermitian 矩阵,是实数域对称阵的推广。
  4. A H A = A A H = I A^HA=AA^H=I AHA=AAH=I,即 A − 1 = A H A^{-1}=A^H A1=AH ,则称 A A A 为酉矩阵(unitary matrix),是实数域正交阵的推广。
  5. 复向量长度 ∥ z ∥ 2 = ∣ z 1 ∣ 2 + ∣ z 1 ∣ 2 + ⋯ + ∣ z n ∣ 2 \|\mathbf z\|^2=|z_1|^2+|z_1|^2+\cdots+|z_n|^2 z2=z12+z12++zn2
  6. 内积 u H v = u ˉ 1 v 1 + u ˉ 2 v 2 + ⋯ + u ˉ n v n \mathbf u^H\mathbf v=\bar u_1v_1+\bar u_2v_2+\cdots+\bar u_nv_n uHv=uˉ1v1+uˉ2v2++uˉnvn
  7. 正交 u H v = 0 \mathbf u^H\mathbf v=0 uHv=0

性质

  • A + B ‾ = A ‾ + B ‾ \overline{A+B}=\overline A+\overline B A+B=A+B
  • k A ‾ = k ˉ A ˉ \overline{kA}=\bar k \bar A kA=kˉAˉ
  • A B ‾ = A ˉ B ˉ \overline{AB}=\bar A\bar B AB=AˉBˉ
  • ( A B ) H = B H A H (AB)^H=B^HA^H (AB)H=BHAH
  • 内积满足共轭交换率 u H v = v H u ‾ \mathbf u^H\mathbf v=\overline{\mathbf v^H\mathbf u} uHv=vHu
  • Hermitian 矩阵可正交对角化 A = P Λ P − 1 = P Λ P H A=P\Lambda P^{-1}=P\Lambda P^H A=PΛP1=PΛPH
  • Hermitian 矩阵的每个特征值都是实数

附录

极大线性无关组

由向量组线性相关的定义,容易得到以下结论:

(1) 向量组线性相关    ⟺    \iff 向量组中存在向量能被其余向量线性表示。
(2) 向量组线性无关    ⟺    \iff 向量组中任意一个向量都不能由其余向量线性表示。

线性等价:给定两个向量组
a 1 , a 2 , ⋯   , a r b 1 , b 2 , ⋯   , b s \mathbf a_1,\mathbf a_2,\cdots,\mathbf a_r \\ \mathbf b_1,\mathbf b_2,\cdots,\mathbf b_s a1,a2,,arb1,b2,,bs
如果其中的每个向量都能被另一个向量组线性表示,则两个向量组线性等价

例如,向量组 a , b , a + b \mathbf a,\mathbf b,\mathbf a+\mathbf b a,b,a+b 与向量组 a , b \mathbf a,\mathbf b a,b 线性等价。

极大线性无关组:从向量组 A A A 中取 r r r 个向量组成部分向量组 a 1 , a 2 , ⋯   , a r \mathbf a_1,\mathbf a_2,\cdots,\mathbf a_r a1,a2,,ar ,若满足

(1) 部分向量组 a 1 , a 2 , ⋯   , a r \mathbf a_1,\mathbf a_2,\cdots,\mathbf a_r a1,a2,,ar 线性无关
(2) 从 A A A 中任取 r + 1 r+1 r+1个向量组成的向量组 都线性相关。

则称向量组 a 1 , a 2 , ⋯   , a r \mathbf a_1,\mathbf a_2,\cdots,\mathbf a_r a1,a2,,ar极大线性无关组(maximum linearly independent group)。极大线性无关组包含的向量个数为向量组的秩。

性质

(1) 一个向量组的极大线性无关组不一定是惟一的;
(2) 一个向量组与它的极大线性无关组是等价的;
(3) 一个向量组的任意两个极大线性无关组中包含的向量个数相同,称为向量组的(rank)。全由零向量组成的向量组的秩为零;
(4) 两个线性等价的向量组的秩相等;
(5) 两个等价的向量组生成的向量空间相同。

向量叉积

平面叉积
[ v 1 v 2 ] × [ w 1 w 2 ] = det ⁡ [ v 1 w 1 v 2 w 2 ] \begin{bmatrix}v_1\\v_2\end{bmatrix}\times\begin{bmatrix}w_1\\w_2\end{bmatrix}=\det\begin{bmatrix}v_1 & w_1\\ v_2 & w_2 \end{bmatrix} [v1v2]×[w1w2]=det[v1v2w1w2]
大小等于 v , w v,w v,w 围成的平行四边形的面积

三维叉积
[ v 1 v 2 v 3 ] × [ w 1 w 2 w 3 ] = det ⁡ [ i v 1 w 1 j v 2 w 2 k v 3 w 3 ] \begin{bmatrix}v_1\\v_2\\v_3\end{bmatrix}\times\begin{bmatrix}w_1\\w_2\\w_3\end{bmatrix}=\det\begin{bmatrix}\mathbf i & v_1 & w_1\\\mathbf j & v_2 & w_2 \\\mathbf k & v_3 & w_3 \end{bmatrix} v1v2v3 × w1w2w3 =det ijkv1v2v3w1w2w3
大小等于 v , w v,w v,w 围成的平行六面体的体积,方向遵循右手定则。

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值