找出矩阵中绝对值最大的元素及其位置_矩阵分析-2.1、2.2酉相似与酉等价

2.1 酉等价

2.1.1 对于一组向量：正交的概念？标准正交概念？一组标准正交向量的各向量之间的关系（两个）？一组非标准正交生成一组具有相同生成子空间的标准正交基的方法？

2.1.3 酉矩阵（定义？与之有关的等价命题主要分为哪三类？它作为线性变换的名词及意义？）

2.1.6 两个推广：对于酉矩阵U、V，

也是酉矩阵（证明显然）

2.1.7 定义：酉矩阵的集合形成一个n×n酉群，并且该群是

的一个子群。

关于群定义的补充（0.5）:群的定义：满足封闭性、结合律、有单位元、有逆元的代数结构（可以理解为元素满足一定条件的集合）。而

中的非奇异矩阵构成一个群，称为

一般线性群。

2.1.8 引理：选择原理（基于酉矩阵的集合/群是紧集这一结论，“有限维的有界闭集是紧集”是泛函里的内容，所以理解即可不做掌握要求）：任何一个给定的由酉矩阵组成的无穷序列，都存在一个它的无穷子序列，使得当 子序列元素

时，对应的酉矩阵所有元素都收敛于一个酉矩阵的元素，也就是说

如果酉矩阵的序列收敛于某个矩阵，那么极限矩阵必定是酉矩阵，且该矩阵不唯一。

理解过程：酉矩阵

的每个元素的绝对值必定小于等于1(有界)

如果有一个由酉矩阵

组成的无限序列满足

，由

得出极限矩阵U也是酉矩阵。

2.1.9 定理：设

非奇异，那么

相似于

,当且仅当存在一个非奇异矩方阵B，使得

（充分性：证明

是

的相似矩阵。必要性没看懂〒▽〒）

2.1.10 结论：酉矩阵是上/下三角矩阵，当且仅当它是对角矩阵。

引理：设酉矩阵U被分划成

,其中

，这样就有

以及

,特别地，

当且仅当

，在这种情况下

和

为酉矩阵。（证明：零性互补法则）

2.1.12 Householder矩阵：设

,那么Householder矩阵定义为：

（性质：酉矩阵，Hermite矩阵，特征值特点？行列式的值？）

2.1.14 QR分解：设

（其实就是类似施密特正交化的过程，施密特正交化是化成标准正交基，这里的基不一定是标准的）

• Q是什么样的矩阵？具有什么性质？R是什么矩阵？有什么特殊性质？（证明；每次取一个对A列操作满足特定要求的酉矩阵
  ，取m次，取分划即可得证）
• 如果rank(A)=m，A、Q、R会有怎样的结论以及变化？（证明：由以上基础+反证法+小技巧）
• 如果m=n，Q成为什么矩阵？
• 是否存在一个酉矩阵
  以及一个有非负对角元素的上三角矩阵
  ,使A=QR（直接给出：是！证明与上面类似）
• 直接给出：如果A是实矩阵，那么Q、R矩阵也可以是实矩阵。（有一个定理没有给出，即2.1.13）

---

2.2 酉相似

2.2.1 定义：酉相似（是更加精细的相似关系等价类，对应标准正交基的变化）、实正交相似、酉对角化、实正交对角化

2.2.2 定理：设酉矩阵U、V，假设A=UBV，那么有

.(证明显然，A、B酉相似时显然也成立)

2.2.3 给定n阶方阵A，存在一个酉矩阵U，使得UAU*=B的所有主对角元素相等（证明不要求，可欣赏）

2.2.4 给定n阶方阵A，它与一个第一条次对角线元素非负的上Hessenberg矩阵是酉相似的。（证明不要求，可欣赏）

2.2.5 定义：关于s和t的字（word in s and t）：设s，t是两个给定的非交换变量，s和t的非负幂组成的任何有限的形式乘积：

字W=(s,t)的长度是非负整数

,即所有指数的和。如果给定n阶矩阵A，我们讲关于A和A*的字定义为

（注意A和A不一定可交换），经过一系列变换我们可以证明 W（A，A

）和W（B，B*）酉相似，从而它们的迹相等

2.2.6 W.Specht定理：A和B酉相似当且仅当对关于两个非交换变量的一个字W（s，t）都有trW（A，A*）=trW（B，B*）。

改进形式：只需验证有限次。A和B是酉相似的，当且仅当对两个非交换变量的长度至多为

的每一个字W都是满足要求2.2.6的。（知道就行。）

---

其实矩阵分析难它确实难，但是人要遵循本身的学习规律，循序渐进，慢慢消化理解知识才能将它内化，进而逐步熟悉它，将他作为称手的工具使用，最佳的状态就是理解后---假如把它们比作储藏物放在箱子里---需要的时候打开箱子，准确地找到它地所在位置，然后调用它。

其实要是学啥都顺风顺水没啥难度的话我想我就已经可以直接原地升天是个小天才了，可哪有这样的事情呢？我们在从未接触过某件事物之前，它是神秘且未知的，学习的过程不就是逐步认知的过程吗？认知的过程是少不了痛苦与挣扎的，所以一旦主观上认识到这件事本身一定存在，那么在痛苦和挣扎的过程中，内心是有信念的，内心的信念就会在行动上反应为持之以恒。信念有多坚定，你所等待成功的内心就有多强大。

私以为是否能学懂的决定性因素绝不是智商，而是所想要学成的野心、投入的时间以及自己对于学习方向所做出的选择综合决定的。智商可能只是催化剂一样的存在，所以我想说什么呢，学习的时候少说两句，平时开心点，多看点书，看看动画、电影，或者对国际政治、社会热点发表点意见。作为青年激进一些，开放一些，说错话没人在乎的。

知乎和专栏本身不是为了别人，也只是为想有个地方表达自己的声音而开的，想写的东西也没啥限制，所以瞎bb也没所谓了，以后可能要学技术和工程的话就再开个博客了。今天就酱吧。

3.27日增加：

1. 酉矩阵的一系列等价条件
2. 选择原理
3. 酉矩阵分划后，对角上分块矩阵之间秩的结论以及斜对角上分块矩阵之间的秩的结论
4. Householder矩阵
5. 针对任意矩阵（我的意思是如果对标准的 QR分解取转置就可以得到列数大于行数的了）的QR分解（可以分别加强三个条件rankA、m=n、A实矩阵得到三个结论）
6. 验证A和B是否酉相似的定理