矩阵分析系统学习笔记
本系列所有文章来自东北大学韩志涛老师的矩阵分析课程学习笔记,系列如下:
矩阵分析 (一) 线性空间和线性变换
矩阵分析 (二) 内积空间
矩阵分析 (三) 矩阵的标准形
矩阵分析 (四)向量和矩阵的范数
矩阵分析 (五) 矩阵的分解
矩阵分析 (六) 矩阵的函数
矩阵分析 (七) 矩阵特征值的估计
矩阵分析 (八) 矩阵的直积
矩阵的对角分解
- 定理5.1 A A A为正规矩阵的充要条件是:存在酉矩阵 Q Q Q,使得:
Q H A Q = Λ , Λ = d i a g ( λ 1 , λ 2 , ⋅ , λ n ) Q^{H}AQ= \Lambda ,\Lambda =diag(\lambda_{1},\lambda_{2},\cdot,\lambda_{n}) QHAQ=Λ,Λ=diag(λ1,λ2,⋅,λn)
- 例1 设 A A A是 n n n阶正规矩阵,其特征值 λ 1 \lambda_{1} λ1, λ 2 \lambda_{2} λ2, ⋯ \cdots ⋯, λ n \lambda_{n} λn,则:
- A A A是厄米特矩阵的充要条件是: A A A的特征值全是实数;
- A A A是反厄米特矩阵的充要条件是: A A A的特征值为零或纯虚数;
- A A A是酉矩阵的充要条件是: A A A的每个特征值 λ i \lambda_{i} λi的模 ∣ λ i ∣ = 1 |\lambda_{i}|=1 ∣λi∣=1。
矩阵的三角分解
- 定义5.1:设 A ∈ C n × n A \in C^{n \times n} A∈Cn×n,如果存在下三角矩阵 L ∈ C n × n L \in C^{n \times n} L∈Cn×n和上三角矩阵 R ∈ C n × n R \in C^{n \times n} R∈Cn×n,使得 A = L R A =LR A=LR,则称 A A A可以作三角分解。
- 定理5.2:设可逆矩阵 A ∈ C n × n A \in C^{n \times n} A∈Cn×n,则 A A A可以作三角分解的充要条件是 A A A的所有顺序主子式不为零。
- 定义5.2:设 A ∈ C n × n A \in C^{n \times n} A∈Cn×n,
如果 A A A可以分解为 A = L R A =LR A=LR,其中 L L L是对角线元素为1的下三角矩阵(称为单位下三角矩阵), R R R为上三角矩阵,则称之为 A A A的Doolittle分解。
如果 A A A可以分解成 A = L R A=LR A=LR, R R R是对角线元素为1的上三角矩阵(称为单位上三角矩阵),则称之为 A A A的Crout分解。
如果 A A A可以分解成 A = L D R A=LDR A=LDR,其中 L , D , R L,D,R L,D,R分别是单位下三角矩阵、对角矩阵、单位上三角矩阵,则称之为 A A A的LDR分解。
- 如果 A ∈ C n × n A \in C^{n \times n} A∈Cn×n是正定的厄米特矩阵,则存在下三角矩阵 G G G使得 A = G G H A=GG^{H} A=GGH,称之为 A A A的Cholesky分解。
矩阵的满秩分解
这一节讨论一种将矩阵分解为列满秩与行满秩矩阵的乘积。
- 定义5.3:设 A ∈ C n × n A \in C^{n \times n} A∈Cn×n,如果存在 F ∈ C r n × r F \in C^{n \times r}_{r} F∈Crn×r, G ∈ C r r × n G \in C^{r \times n}_{r} G∈Crr×n,使得 A = F G A=FG A=FG,则称为矩阵 A A A的满秩分解。
- 定理5.3:设 A ∈ C n × n A \in C^{n \times n} A∈Cn×n,则 A A A满秩分解总是存在的。
舒尔定理与矩阵的QR分解
舒尔(Schur)定理在理论上很重要,它是很多重要定理的出发点。而矩阵的 Q R QR QR分解在数值化代数中起着重要的作用,是计算矩阵特征值以及求解线性方程组的重要工具。
- 定理5.4:(舒尔定理)若 A ∈ C n × n A \in C^{n \times n} A∈Cn×n,则存在酉矩阵 U U U,使得:
U H A U = T U^{H}AU=T UHAU=T
这里 T T T是上三角矩阵, T T T的对角线上的元素都是 A A A的特征值。
- 定理5.5:(QR分解定理)设 A A A为 n n n阶复矩阵,则存在酉矩阵 Q Q Q及上三角矩阵 R R R,使得:
A = Q R A=QR A=QR
我的微信公众号名称:小小何先生
公众号介绍:主要研究分享深度学习、机器博弈、强化学习等相关内容!期待您的关注,欢迎一起学习交流进步!