5 矩阵的相抵与相似
5.1 等价关系与集合的划分
1、设S,M是两个集合,则集合 { ( a , b ) ∣ a ∈ S , b ∈ W } \{(a,b)|a \in S,b \in W\} {(a,b)∣a∈S,b∈W} 称为S与M的笛卡儿积,记作: S × M S \times M S×M。
2、定义1:设S是一个非空集合,我们把 S × S S \times S S×S的一个子集W叫做S上的一个二元关系。如果 a , b ) ∈ W a,b)\in W a,b)∈W,那么称a与b有W关系;反之没有W关系。当a与b有W关系时,记作aWb,或 a ∼ b a\sim b a∼b。
3、定义2:集合S上的一个二元关系
∼
\sim
∼如果具有下述性质:
∀
a
,
b
,
c
∈
S
\forall a,b,c\in S
∀a,b,c∈S,有
(
1
)
a
∼
a
(
反
身
性
)
;
(
2
)
a
∼
b
⟹
b
∼
a
(
对
称
性
)
;
(
3
)
a
∼
b
且
b
∼
c
⟹
a
∼
c
(
传
递
性
)
。
\begin{aligned} &(1)a\sim a &(反身性);\\ &(2)a\sim b\implies b\sim a& (对称性);\\ &(3)a\sim b且b\sim c \implies a\sim c &(传递性)。 \end{aligned}
(1)a∼a(2)a∼b⟹b∼a(3)a∼b且b∼c⟹a∼c(反身性);(对称性);(传递性)。
那么称
∼
\sim
∼是S上的一个等价关系。
4、定义3:设
∼
\sim
∼是S上的一个等价关系,
a
∈
S
a\in S
a∈S,令
a
ˉ
=
def
{
x
∈
S
∣
x
∼
a
}
,
\bar{a}\xlongequal{\text{def}}\{x\in S|x\sim a\},
aˉdef{x∈S∣x∼a},
则称
a
ˉ
\bar{a}
aˉ是由
a
a
a确定的等价类。
事实1: a ∈ a ˉ 于 是 也 把 a ˉ 称 为 a 的 等 价 类 。 a\in \bar{a}于是也把\bar{a}称为a的等价类。 a∈aˉ于是也把aˉ称为a的等价类。
事实2: x ∈ b a r a ⟺ x ∼ a . x\in bar{a}\iff x\sim a. x∈bara⟺x∼a.
事实3: x ˉ = y ˉ ⟺ x ∼ y . \bar{x}=\bar{y}\iff x\sim y. xˉ=yˉ⟺x∼y.
5、定理1:设 ∼ \sim ∼是集合S上的一个等价关系,任取 a , b ∈ S a,b\in S a,b∈S,则 a ˉ = b ˉ \bar{a}=\bar{b} aˉ=bˉ或者 a ˉ ∩ b ˉ = ∅ \bar{a}\cap\bar{b}=\varnothing aˉ∩bˉ=∅.
6、定义4:如果集合S是一些非空子集 S i ( i ∈ I , 这 里 I 表 示 指 标 集 ) S_i(i\in I,这里I表示指标集) Si(i∈I,这里I表示指标集)的并集,并且其中不相等的子集一定不相交,那么称集合 { S i ∣ i ∈ I } \{S_i|i\in I\} {Si∣i∈I}是S的一个划分,记作: π ( S ) \pi(S) π(S)。
7、定理2:设 ∼ \sim ∼是集合S上的一个等价关系,则所有等价类组成的集合是S的一个划分,记作: π ∼ ( S ) \pi_\sim(S) π∼(S)。
8、定义5:设 ∼ \sim ∼是集合S上的一个等价关系。由所有等价类组成的集合称为S对于关系 ∼ \sim ∼的商集,记作: S / ∼ S/\sim S/∼。
5.2 矩阵的相抵
1、定义1:对于数域K上 s × n s \times n s×n矩阵A和B,如果从A经过一系列初等行变换和初等列变换能变成矩阵B,那么称A与B是相抵的,记作: A ∼ 相 抵 B A\overset{相抵}{\sim}B A∼相抵B。
容易验证相抵是 M s × n ( K ) M_{s \times n}(K) Ms×n(K)上的一个等价关系。在相抵关系下,矩阵A的等价类称为A的相抵类。
事实1:数域K上
s
×
n
s \times n
s×n矩阵A和B相抵
⟺
A
可
以
经
过
初
等
行
变
换
和
初
等
列
变
换
变
成
B
,
⟺
存
在
K
上
s
级
初
等
矩
阵
P
1
,
P
2
,
…
,
P
t
与
n
级
初
等
矩
阵
Q
1
,
Q
2
,
…
,
Q
m
,
使
得
P
t
…
P
2
P
1
A
Q
1
Q
2
…
Q
m
=
B
.
⟺
存
在
K
上
s
级
可
逆
矩
阵
P
与
n
级
可
逆
矩
阵
Q
,
使
得
:
P
A
Q
=
B
.
(
1
)
\begin{aligned} \iff&A可以经过初等行变换和初等列变换变成B,\\ \iff&存在K上s级初等矩阵P_1,P_2,\dots,P_t与n级初等矩阵Q_1,Q_2,\dots,Q_m,使得\\ &P_t\dots P_2P_1AQ_1Q_2\dots Q_m=B.\\ \iff&存在K上s级可逆矩阵P与n级可逆矩阵Q,使得:\\ &PAQ=B.&(1) \end{aligned}
⟺⟺⟺A可以经过初等行变换和初等列变换变成B,存在K上s级初等矩阵P1,P2,…,Pt与n级初等矩阵Q1,Q2,…,Qm,使得Pt…P2P1AQ1Q2…Qm=B.存在K上s级可逆矩阵P与n级可逆矩阵Q,使得:PAQ=B.(1)
2、定理1:设数域K上
s
×
n
s \times n
s×n矩阵A的秩为r。如果
r
>
0
r>0
r>0,那么A相抵于下述形式的矩阵:
(
I
r
0
0
0
)
,
(2)
\begin{pmatrix} I_r&0\\ 0&0 \end{pmatrix},\tag{2}
(Ir000),(2)
称矩阵(2)为A的相抵标准形;如果r=0,那么A相抵于零矩阵,此时称A的相抵标准形是零矩阵。
3、定理2:数域K上 s × n s \times n s×n矩阵A和B相抵当且仅当它们的秩相等。
4、推论1:设数域K上
s
×
n
s \times n
s×n矩阵A的秩为
r
(
r
>
0
)
r(r>0)
r(r>0),则存在K上的s级、n级可逆矩阵P、Q,使得
A
=
P
(
I
r
0
0
0
)
Q
.
(3)
A=P\begin{pmatrix}I_r&0\\0&0\end{pmatrix}Q.\tag{3}
A=P(Ir000)Q.(3)
5.3 广义逆矩阵
1、定理1:设A是数域K上
s
×
n
s \times n
s×n非零矩阵,则矩阵方程
A
X
A
=
A
(1)
AXA=A\tag{1}
AXA=A(1)
一定有解。如果
t
a
n
k
(
A
)
=
r
tank(A)=r
tank(A)=r,并且
A
=
P
(
I
r
0
0
0
)
Q
.
(2)
A=P\begin{pmatrix}I_r&0\\0&0\end{pmatrix}Q.\tag{2}
A=P(Ir000)Q.(2)
其中P、Q分别是K上s级、n级可逆矩阵,那么矩阵方程(2)的通解为
X
=
Q
−
1
(
I
r
B
C
D
)
P
−
1
(3)
X=Q^{-1}\begin{pmatrix}I_r&B\\C&D\end{pmatrix}P_{-1}\tag{3}
X=Q−1(IrCBD)P−1(3)
其中B、C、D分别是数域K上任意的
r
×
(
s
−
r
)
,
(
n
−
r
)
×
r
,
(
n
−
r
)
×
(
s
−
r
)
r \times (s-r),(n-r) \times r,(n-r)\times (s-r)
r×(s−r),(n−r)×r,(n−r)×(s−r)矩阵。
2、定义1:设A是数域K上 s × n s \times n s×n矩阵,矩阵方程AXA=A的每一个解都称为A的一个广义逆矩阵,简称A的广义逆,用 A − A^- A−表示A的任意一个广义逆。
任意一个 s × n s \times n s×n矩阵都是 0 s × n 0_{s \times n} 0s×n的广义逆。
3、定理2(非齐次线性方程组的相容定理):非齐次线性方程组
A
X
=
β
AX=\beta
AX=β有解的充分必要条件是:
β
=
A
A
−
β
.
(4)
\beta=AA^-\beta.\tag{4}
β=AA−β.(4)
4、定理3(非齐次线性方程组的解的结构定理):非齐次线性方程组
A
X
=
β
AX=\beta
AX=β有解时,它的通解为:
X
=
A
−
β
.
(5)
X=A^-\beta.\tag{5}
X=A−β.(5)
5、定理4(齐次线性方程组的解的结构定理):数域K上n元齐次线性方程组AX=0的通解为:
X
=
(
I
n
−
A
−
A
)
Z
.
(6)
X=(I_n-A^-A)Z.\tag{6}
X=(In−A−A)Z.(6)
其中
A
−
A^-
A−是A的任意给定的一个广义逆,Z取遍
K
n
K^n
Kn中任意列向量。
推论1:设数域K上n元非齐次线性方程组
A
X
=
β
AX=\beta
AX=β有解,则它的通解为
X
=
A
−
β
+
(
I
n
−
A
−
A
)
Z
.
(7)
X=A^-\beta+(I_n-A^-A)Z.\tag{7}
X=A−β+(In−A−A)Z.(7)
其中
A
−
A^-
A−是A的任意给定的一个广义逆,Z取遍
K
n
K^n
Kn中任意列向量。
6、定义2:设A是复数域上
s
×
n
s \times n
s×n矩阵,矩阵方程组
{
A
X
A
=
A
X
A
X
=
X
(
A
X
)
∗
=
A
X
(
X
A
)
∗
=
X
A
(8)
\begin{cases} AXA&=A\\ XAX&=X\\ (AX)^*&=AX\\ (XA)^*&=XA \end{cases}\tag{8}
⎩⎪⎪⎪⎨⎪⎪⎪⎧AXAXAX(AX)∗(XA)∗=A=X=AX=XA(8)
称为A的Penrose 方程组,它的解称为A的Moore-Penrose 广义逆,记作:
A
+
A^+
A+。(8)式中
(
A
X
)
∗
(AX)^*
(AX)∗表示把AX的每个元素取共轭复数得到的矩阵再转置。
7、定理5:如果A是复数域上
s
×
n
s \times n
s×n非零矩阵,A的 Penrose 方程组总是有解,并且它的解唯一。设A=BC,其中B、C分别是列满秩与行满秩矩阵,则 Penrose 方程组的唯一解是
X
=
C
∗
(
C
C
∗
)
−
1
(
B
∗
B
)
−
1
B
∗
.
(9)
X=C^*(CC^*)^{-1}(B^*B)^{-1}B^*.\tag{9}
X=C∗(CC∗)−1(B∗B)−1B∗.(9)
5.4 矩阵的相似
1、定义1:设A与B都是数域K上n级矩阵,如果存在数域K上一个n级可逆矩阵P,使得
P
−
1
A
P
=
B
,
(1)
P^{-1}AP=B,\tag{1}
P−1AP=B,(1)
那么称A与B是相似的,记作:
A
∼
B
A\sim B
A∼B。
相似关系是一种等价关系,相似关系下的等价类称为相似类。相似具有下列性质:
性质1:如果
B
1
=
P
−
1
A
1
P
,
B
2
=
P
−
1
A
2
P
B_1=P^{-1}A_1P,\,B_2=P^{-1}A_2P
B1=P−1A1P,B2=P−1A2P,那么
B
1
+
B
2
=
P
−
1
(
A
1
+
A
2
)
P
,
B
1
B
2
=
P
−
1
(
A
1
A
2
)
P
,
B
1
m
=
P
−
1
A
1
m
P
,
\begin{aligned} B_1+B_2&=P^{-1}(A_1+A_2)P,\\ B_1B_2&=P^{-1}(A_1A_2)P,\\ B_1^m&=P^{-1}A_1^mP, \end{aligned}
B1+B2B1B2B1m=P−1(A1+A2)P,=P−1(A1A2)P,=P−1A1mP,
其中m是正整数。
性质2:相似的矩阵其行列式的值相等。
性质3:相似的矩阵或者都可逆,或者都不可逆;当他们可逆时,它们的你矩阵也相似。
性质4:相似的矩阵有相等的秩。
2、定义2:n级矩阵
A
=
(
a
i
j
)
A=(a_{ij})
A=(aij)的主对角线上元素的和称为A的迹,记作 tr(A)。即
t
r
(
A
)
=
a
11
+
a
22
+
⋯
+
a
n
n
(2)
tr(A)=a_{11}+a_{22+\dots+a_{nn}}\tag{2}
tr(A)=a11+a22+⋯+ann(2)
命题1:矩阵的迹具有下列性质:
t
r
(
A
+
B
)
=
t
r
(
A
)
+
t
r
(
B
)
,
t
r
(
k
A
)
=
k
⋅
t
r
(
A
)
,
t
r
(
A
B
)
=
t
r
(
B
A
)
.
\begin{aligned} tr(A+B)&=tr(A)+tr(B),\\ tr(kA)&=k\cdot tr(A),\\ tr(AB)&=tr(BA). \end{aligned}
tr(A+B)tr(kA)tr(AB)=tr(A)+tr(B),=k⋅tr(A),=tr(BA).
由此可见,矩阵的迹是从矩阵乘法的非交换性中提取的可交换的量。
性质5:相似的矩阵有相等的迹。
性质2、4、5表明:矩阵的行列式、秩、迹都是相似关系下的不变量,简称为相似不变量。
3、如果n级矩阵A能够相似于一个对角矩阵,那么称A可对角化。
定理1:数域K上n级矩阵可对角化的充分必要条件是,
K
n
K^n
Kn中有n个线性无关的列向量
α
1
,
α
2
,
…
,
α
n
\alpha_1,\alpha_2,\dots,\alpha_n
α1,α2,…,αn,以及K中有n个数
λ
1
,
λ
2
,
…
,
λ
n
\lambda_1,\lambda_2,\dots,\lambda_n
λ1,λ2,…,λn(它们之中有些可能相等),使得
A
α
i
=
λ
i
α
i
,
i
=
1
,
2
,
…
,
n
.
(3)
A\alpha_i=\lambda_i\alpha_i,\qquad i=1,2,\dots,n.\tag{3}
Aαi=λiαi,i=1,2,…,n.(3)
这时,令
P
=
(
α
1
,
α
2
,
…
,
α
n
)
P=(\alpha_1,\alpha_2,\dots,\alpha_n)
P=(α1,α2,…,αn),则
P
−
1
A
P
=
d
i
a
g
{
λ
1
,
λ
2
,
…
,
λ
n
}
.
(4)
P^{-1}AP=diag\{\lambda_1,\lambda_2,\dots,\lambda_n\}.\tag{4}
P−1AP=diag{λ1,λ2,…,λn}.(4)
5.5 矩阵的特征值和特征向量
1、定义1:设A是数域K上n级矩阵,如果
K
n
K^n
Kn中有非零列向量
α
\alpha
α,使得
A
α
=
λ
0
α
,
且
λ
0
∈
K
,
A\alpha=\lambda_0\alpha,且\lambda_0\in K,
Aα=λ0α,且λ0∈K,
那么称
λ
0
\lambda_0
λ0是A的一个特征值,称向量
α
\alpha
α是A的属于特征值
λ
0
\lambda_0
λ0的一个特征向量。
如果 α \alpha α是A的属于特征值 λ 0 \lambda_0 λ0的一个特征向量,那么显然,当 k ≠ 0 时 , k α k\not=0时,k\alpha k=0时,kα也是A的属于特征值 λ 0 \lambda_0 λ0的一个特征向量。
注意:零向量不是A的特征向量。
λ
0
是
A
的
一
个
特
征
值
,
α
是
A
的
属
于
λ
0
的
一
个
特
征
向
量
⟺
A
α
=
λ
0
α
,
α
≠
0
,
λ
0
∈
K
⟺
(
λ
0
I
−
A
)
α
=
0
,
α
≠
0
,
λ
0
∈
K
⟺
α
是
齐
次
线
性
方
程
组
(
λ
0
I
−
A
)
X
=
0
的
一
个
非
零
解
,
λ
0
∈
K
⟺
∣
λ
0
I
−
A
∣
=
0
,
α
是
(
λ
0
I
−
A
)
X
=
0
的
一
个
非
零
解
,
λ
0
∈
K
⟺
λ
0
是
多
项
式
∣
λ
I
−
A
∣
在
K
中
的
一
个
根
,
α
是
(
λ
0
I
−
A
)
X
=
0
的
一
个
非
零
解
。
\begin{aligned} &\lambda_0是A的一个特征值,\alpha是A的属于\lambda_0的一个特征向量\\ \iff&A\alpha=\lambda_0\alpha,\alpha\not=\bold 0,\lambda_0\in K\\ \iff&(\lambda_0I-A)\alpha=\bold 0,\alpha\not=\bold 0,\lambda_0\in K\\ \iff&\alpha 是齐次线性方程组(\lambda_0I-A)X=\bold 0的一个非零解,\lambda_0\in K\\ \iff&|\lambda_0I-A|=0,\alpha 是(\lambda_0I-A)X=\bold 0的一个非零解,\lambda_0\in K\\ \iff&\lambda_0是多项式|\lambda I-A|在K中的一个根,\alpha 是(\lambda_0I-A)X=\bold 0的一个非零解。 \end{aligned}
⟺⟺⟺⟺⟺λ0是A的一个特征值,α是A的属于λ0的一个特征向量Aα=λ0α,α=0,λ0∈K(λ0I−A)α=0,α=0,λ0∈Kα是齐次线性方程组(λ0I−A)X=0的一个非零解,λ0∈K∣λ0I−A∣=0,α是(λ0I−A)X=0的一个非零解,λ0∈Kλ0是多项式∣λI−A∣在K中的一个根,α是(λ0I−A)X=0的一个非零解。
把
∣
λ
I
−
A
∣
|\lambda I-A|
∣λI−A∣称为A的特征多项式。
2、定理1:设A是数域K上n级矩阵,则
(
1
)
λ
0
是
A
的
一
个
特
征
值
当
且
仅
当
λ
0
是
A
的
特
征
多
项
式
∣
λ
I
−
A
∣
在
K
中
的
一
个
根
;
(
2
)
α
是
A
的
属
于
特
征
值
λ
0
的
一
个
特
征
向
量
当
且
仅
当
α
是
齐
次
线
性
方
程
组
(
λ
0
I
−
A
)
X
=
0
的
一
个
非
零
解
。
\begin{aligned} &(1)\lambda_0 是A的一个特征值当且仅当\lambda_0是A的特征多项式|\lambda I-A|在K中的一个根;\\ &(2)\alpha 是A的属于特征值\lambda_0的一个特征向量当且仅当\alpha是齐次线性方程组(\lambda_0I-A)X=\bold 0的一个非零解。 \end{aligned}
(1)λ0是A的一个特征值当且仅当λ0是A的特征多项式∣λI−A∣在K中的一个根;(2)α是A的属于特征值λ0的一个特征向量当且仅当α是齐次线性方程组(λ0I−A)X=0的一个非零解。
设
λ
0
\lambda_0
λ0是A的一个特征值,把齐次线性方程组
(
λ
0
I
−
A
)
X
=
0
(\lambda_0I-A)X=\bold 0
(λ0I−A)X=0的解空间称为A的属于
λ
0
\lambda_0
λ0的特征子空间,其中全部非零向量就是A的属于
λ
0
\lambda_0
λ0的全部特征向量。
相似矩阵性质:
性质1:相似的矩阵具有相等的特征多项式。
性质2:相似的矩阵有相同的特征值(包括重复特征值数量,简称重数相同)。
由性质1、2看出,矩阵的特征多项式和特征值都是相似不变量。
命题1:设A是数域K上n级矩阵,则A的特征多项式 ∣ λ I − A ∣ |\lambda I-A| ∣λI−A∣是一个n次多项式, λ n \lambda^n λn的系数是1, λ n − 1 \lambda^{n-1} λn−1的系数是等于-tr(A),常数项为 ( − 1 ) n ∣ A ∣ , λ n − k (-1)^n|A|,\lambda^{n-k} (−1)n∣A∣,λn−k的系数为A的所有k阶主子式的和乘以 ( − 1 ) k , 1 ⩽ k < n (-1)^k,1\leqslant k<n (−1)k,1⩽k<n。
3、定义2:设A是数域K上n级矩阵, λ 1 \lambda_1 λ1是A的一个特征值。把A的属于 λ 1 \lambda_1 λ1的特征子空间的维数叫做特征值 λ 1 \lambda_1 λ1的几何重数,而把 λ 1 \lambda_1 λ1作为作为A的特征多项式的根的重数叫做 λ 1 \lambda_1 λ1的代数重数,把代数重数简称为重数。
命题2:设 λ 1 \lambda_1 λ1是数域K上n级矩阵A的一个特征值,则 λ 1 \lambda_1 λ1的几何重数不超过它的代数重数。
5.6 矩阵可对角化的条件
1、定理1:数域K上n级矩阵A可对角化的充分必要条件是A有n个线性无关的特征向量
α
1
,
α
2
,
…
,
α
n
\alpha_1,\alpha_2,\dots,\alpha_n
α1,α2,…,αn,此时
令
P
=
(
α
1
,
α
2
,
…
,
α
n
)
,
则
P
−
1
A
P
=
d
i
a
g
{
λ
1
,
λ
2
,
…
,
λ
n
}
,
\begin{aligned} &令&P&=(\alpha_1,\alpha_2,\dots,\alpha_n),\\ &则&P^{-1}AP&=diag\{\lambda_1,\lambda_2,\dots,\lambda_n \}, \end{aligned}
令则PP−1AP=(α1,α2,…,αn),=diag{λ1,λ2,…,λn},
其中
λ
i
\lambda_i
λi是
α
i
\alpha_i
αi所属的特征值,
i
=
1
,
2
,
…
,
n
i=1,2,\dots,n
i=1,2,…,n。上述对角矩阵称为A 的相似标准形,除了主对角线上元素的排列次序外,A的相似标准形是唯一的。
2、定理2:设 λ 1 , λ 2 \lambda_1,\lambda_2 λ1,λ2是数域K上n级矩阵A的不同的特征值, α 1 , α 2 , … , α s 与 β 1 , β 2 , … , β r \alpha_1,\alpha_2,\dots,\alpha_s与\beta_1,\beta_2,\dots,\beta_r α1,α2,…,αs与β1,β2,…,βr分别是A的属于 λ 1 , λ 2 \lambda_1,\lambda_2 λ1,λ2的线性无关的特征向量,则 α 1 , α 2 , … , α s , β 1 , β 2 , … , β r \alpha_1,\alpha_2,\dots,\alpha_s,\beta_1,\beta_2,\dots,\beta_r α1,α2,…,αs,β1,β2,…,βr线性无关。
3、定理3:设
λ
1
,
λ
2
,
…
,
λ
m
\lambda_1,\lambda_2,\dots,\lambda_m
λ1,λ2,…,λm是数域K上n级矩阵A的不同的特征值,
α
j
1
,
…
,
α
j
r
j
\alpha_{j1},\dots,\alpha_{jr_j}
αj1,…,αjrj是A的属于
λ
j
\lambda_j
λj的线性无关的特征向量,
j
=
1
,
2
,
…
,
m
j=1,2,\dots,m
j=1,2,…,m。则向量组
α
11
,
…
,
α
a
r
1
,
…
…
,
α
m
1
,
…
,
α
m
r
m
\alpha_{11},\dots,\alpha_{ar_1},\dots\dots,\alpha_{m1},\dots,\alpha_{mr_m}
α11,…,αar1,……,αm1,…,αmrm
线性无关。
推论1:n级矩阵A的属于不同特征值的特征向量是线性无关的。
4、定理4:数域K上n级矩阵A可对角化的充分必要条件是:A的属于不同特征值的特征子空间的维数之和等于n。
推论2:数域K上n级矩阵A如果有n个不同的特征值,那么A可对角化。
5、定理5:数域K上n级矩阵A可对角化的充分必要条件是:A的特征多项式的全部复根都属于K,并且A的每个特征值的几何重数等于它的代数重数。
5.7 实对称矩阵的对角化
1、定义1:实数域上的矩阵简称为实对称矩阵。
定理1:实对称矩阵的特征多项式的每一个复根都是实数,从而它们都是特征值。
2、定理2:实对称矩阵A的属于不同特征值的特征向量是正交的。
3、定义2:如果对于n级实矩阵A、B,存在一个n级正交矩阵T,使得 T − 1 A T = B T^{-1}AT=B T−1AT=B,那么称A正交相似于B。
定理3:实对称矩阵一定正交相似于对角矩阵。
命题1:如果n级实矩阵A正交相似于一个对角矩阵D,那么A一定是对称矩阵。
命题2:两个n级实对称矩阵正交相似的充分必要条件是它们相似。