2.1矩阵代数的相关知识
2.1.1特征值与特征向量
若Ae=e (1)
则称是矩阵A的特征值,e是对应于
的特征向量。(
,e)为矩阵A的特征对。
2.1.2广义特征值与广义特征向量
若Ae=Be (2)
则称是矩阵A相对矩阵B的广义特征值,e是
对应的广义特征值。如果矩阵B非满秩,那么
就可能为任意值。矩阵B为单位阵时,就为普通的特征值问题。
2.1.3矩阵的奇异值分解
奇异值:对于复矩阵,称
的n个特征根
的算数根
为A的奇异值。
奇异值矩阵:若记,其中
是A的全部非零奇异值,则称
矩阵
(3)
为A的奇异值矩阵。
奇异值分解原理:对于维的矩阵A,分别存在一个
维酉矩阵U和一个
维酉矩阵V使得
。
2.1.4Toeplitz矩阵
定义:具有2n-1个元素的n阶矩阵
(4)
为Toeplitz矩阵,简称T矩阵。T矩阵完全由第一行和第一列的2n-1个元素确定。
应用:数据信息处理过程中(有限元素法,概率统计以及滤波理论等领域)
2.1.5Hankel矩阵
定义:具有以下形式的n+1阶矩阵
(5)
为Hankel矩阵或正交对称矩阵。Hankel矩阵完全由第1行和第n列的2n+1个元素确定。
2.1.6Vandermonde矩阵
定义:具有以下形式的阶矩阵
(6)
为Vandermonde矩阵。
2.1.7Hermitian矩阵
如果矩阵满足
,则称为Hermitian矩阵。
Hermitian矩阵的性质:
(1)Hermitian矩阵的所有特征值都是实的。
(2)Hermitian矩阵对应于不同特征值的特征向量相互正交。
(3)Hermitian矩阵可分解为的形式,这一分解称为谱定理,也就是矩阵A的特征分解定理。其中,
是由特征向量构成的酉矩阵。
2.1.8Kronecker积
定义:维矩阵A和
维矩阵B的Kronecker积记为
(7)
2.1.9Khatri-Rao积
考虑俩个矩阵A和B
,它们的Khatri-Rao积
为一个
维矩阵,其定义为:
(8)
为A的第F列。