矩阵相关知识

qq_45111955

已于 2022-11-24 11:02:49 修改

阅读量1k

点赞数

分类专栏：矩阵知识文章标签：矩阵 1024程序员节

于 2022-10-14 12:39:52 首次发布

本文链接：https://blog.csdn.net/qq_45111955/article/details/127316952

版权

矩阵知识专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1. 任何矩阵A(sxn)可以初等变换为标准型

2. 任何方阵A(nxn)可以变换为对角型（+模态规范性）或约当形。取决于|编辑|的根。

3. 实对称矩阵特殊性质。

3.1 实对称矩阵A的特征值编辑都是实数，特征向量编辑都是实向量。

3.2 实对称矩阵A的不同特征值对应的特征向量是正交的，即PiT * Pj=0。

3.3 实对称矩阵特征向量组成的特征矩阵P，满足P^PT=dia{||Pi||}

3.4 由3.3，将Pi单位化后，P^PT=dia{1}=E,即PT=P^-1

3.5 由3.4 ，单位化后的P，满足 PT * A * P =编辑

3.6若λ0具有k重特征值　必有k个线性无关的特征向量，或者说必有秩r(λ0E-A)=n-k，其中E为单位矩阵。

3.7由3.6，A必可正交化，即编辑=dia{编辑}.矩阵能化成什么根本上由目录二指出。且P逆=PT。

1. 任何矩阵A(sxn)可以初等变换为标准型

（参考高等代数4.6初等矩阵）

2. 任何方阵A(nxn)可以变换为对角型（+模态规范性）或约当形。取决于| $\lambda I-A$ |的根。

（参考现代控制理论）

特征根为复数时补充：

MATLAB验证：

clc
tv=1/2^0.5 * [i 1;1 i]

x=[3,4;5,6]
det(x)
a=x^-1 * [-3 5 ;-5 -3] *x % 实数矩阵 特征根为 -3+5i;-3-5i
a=[-2 1; -17 -4]
[p,D] = eig(a)
a2 = p^-1 * a * p   % a~
a3 = tv^-1 * a2 * tv  
q = p*tv
a32= q^-1 * a * q

Q=[1 0;-1 4]
a33= Q^-1 * a * Q

结果：

tv =

0.0000 + 0.7071i 0.7071 + 0.0000i
0.7071 + 0.0000i 0.0000 + 0.7071i

x =

3 4
5 6

ans =

-2.0000

a =

-108.0000 -130.0000
85.0000 102.0000

a =

-2 1
-17 -4

p =

-0.0572 - 0.2287i -0.0572 + 0.2287i
0.9718 + 0.0000i 0.9718 + 0.0000i

D =

-3.0000 + 4.0000i 0.0000 + 0.0000i
0.0000 + 0.0000i -3.0000 - 4.0000i

a2 =

-3.0000 + 4.0000i 0.0000 - 0.0000i
0.0000 + 0.0000i -3.0000 - 4.0000i

a3 =

-3.0000 4.0000
-4.0000 -3.0000

q =

0.1213 + 0.1213i -0.2021 - 0.2021i
0.6872 + 0.6872i 0.6872 + 0.6872i

a32 =

-3.0000 4.0000
-4.0000 -3.0000

Q =

1 0
-1 4

a33 =

-3 4
-4 -3

3. 实对称矩阵特殊性质。

方阵A（nxn）为实对称矩阵，则

3.1 实对称矩阵A的特征值 ${\lambda _i}\$ 都是实数，特征向量 $P_i$ 都是实向量。

3.2 实对称矩阵A的不同特征值对应的特征向量是正交的，即PiT * Pj=0。

3.3 实对称矩阵特征向量组成的特征矩阵P，满足P^PT=dia{||Pi||}

3.4 由3.3，将Pi单位化后，P^PT=dia{1}=E,即PT=P^-1

3.5 由3.4 ，单位化后的P，满足 PT * A * P = $\widetilde{A}$

3.6若λ0具有k重特征值　必有k个线性无关的特征向量，或者说必有秩r(λ0E-A)=n-k，其中E为单位矩阵。

根据目录二，一个矩阵A能化成什么，取决于| $\lambda I-A$ |。

A无重根时，又都是实数，可以直接化为正交型。

A有k重根时，先约当型，而又有k个线性无关向量，所以约当型变为正交型

3.7由3.6，A必可正交化，即 $\widetilde{A}$ =dia{ ${\lambda _i}\$ }.矩阵能化成什么根本上由目录二指出。且P逆=PT。

$A = P\tilde A{P^{ - 1}}{\rm{ = }}P\tilde A{P^T}$ ，即 ${P^{ - 1}} = {P^T}$ ，即 ${P^T}P = I = P{P^T}$ ，即P是正交矩阵，即P是实数化的酉矩阵。

关于P逆=PT的理解：

从初等变换上， $\widetilde A\$ 是对角矩阵，其行怎么进行变换，列就怎么进行变换，那肯定得到对称矩阵。对应到数学形式上，

${P_n}...{P_2}{P_1} \cdot \widetilde A \cdot {P_1}{P_2}...{P_n} = ({P_n}...{P_2}{P_1})\widetilde A{({P_n}...{P_2}{P_1})^T} = P\widetilde A{P^T}$

即对角矩阵，两边乘以转置矩阵后，变为对称矩阵。

4. 正规矩阵 AHA=AAH

（参考百度百科）

1. 定义：

2. 性质：

3. 经常的疑问：AH*A=A*AH，那么A为对称阵吗？

答：从正规矩阵定义举的例子就知道，不一定对称。从目录六3知道，不一定对称。

4. 辨析正规矩阵、正交矩阵、对称矩阵：

正规矩阵>酉矩阵>正交矩阵

正规矩阵>对称矩阵

对称矩阵和正交矩阵有交叉，但不相等。

5.酉矩阵 AH * A =E

其实就是unit、幺矩阵，其成其转置等于1。

定义：

6. 次酉矩阵

（参考酉矩阵和次酉矩阵的定义_仁者见仁智者见智的博客-CSDN博客_次酉矩阵定义）

定义：
若α1 ，α2 ，…，αr 为n维标准正交列向量组，称n×r阶矩阵U1=（α1 ，α2 ，…，αr）
为次酉矩阵。记作U1∈Ur n×r .

充要条件：
U1为次酉矩阵的充要条件是U1H U1=Er

3、酉矩阵和次酉矩阵的异同
相同：
两种矩阵的列向量都是两两单位正交的

不同：
酉矩阵是方阵，而次酉矩阵不是方阵

参考：
矩阵分析（第三版）史荣昌
————————————————
版权声明：本文为CSDN博主「仁者见仁智者见智」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/CL880/article/details/121153086

7. 正交矩阵 AT * A=E

就是酉矩阵实数化。

1. AAT=E=ATA

2. 各行、列向量是单位向量、且两两正交。

证明：(截图来自b站宋浩老师)

3. 经常的疑问：A*AT=I=AT*A，则A一定是对称矩阵吗？

答：否定。

例如：

>> a=[1 2 77;2 55 6;77 6 9 ] % a是对称阵，则其P是正交阵，即c是正交的，但c非对称。

a =

1 2 77
2 55 6
77 6 9

>> [c,d]=eig(a)

c =

-0.724514929433344 -0.152103095045351 0.672266885623427
-0.021111790241287 0.979786661485016 0.198928103315883
0.688935707697754 -0.129933623260771 0.713081232543196

d =

-72.160432944703203 0 0
0 53.893832737003521 0
0 0 83.266600207699653

>> c*c'

ans =

1.000000000000000 -0.000000000000000 0
-0.000000000000000 1.000000000000000 0.000000000000000
0 0.000000000000000 1.000000000000000