奇异矩阵能lu分解条件_矩阵分析-期末复习笔记（上）

（复习笔记，可能有点乱。夹杂着乱七八糟的英文，因为要用英文考试。）

（如果有误请一定要和我说！祝我final考个好成绩…）

目录：

1. 特征值，特征向量，相似 (Eigenvalues, eigenvectors, similarity)
2. 酉相似 & 酉等价 & 正规矩阵 (Unitary similarity & unitary equivalence & normal matrices)
3. Jordan标准型，LU分解 (Jordan canonical form, LU factorization)
4. Hermitian矩阵，相合 (Hermitian matrices, Congruences)
5. 向量范数 & 矩阵范数 (Vector norms, matrix norms)
6. Gersgorin圆盘 (Gersgorin discs)
7. 正定矩阵 & 半正定矩阵 & 极分解 & 奇异值分解 (Positive definite & semidefinite & polar decomposition & SVD)
8. 正矩阵 & 非负矩阵 (Positive / nonnegative matrices)

下篇在这里：

辰晞：矩阵分析-期末复习笔记（下）​zhuanlan.zhihu.com

---

1. 特征值，特征向量，相似 (Eigenvalues, eigenvectors, similarity)

• 特征值 Eigenvalue:
  • spectral radius: absolute value of the largest eigenvalue
  • 把A代进多项式
    ，新的矩阵的特征值是
    ，特征向量不变。
    • 注：这个命题necessary but not sufficient，不能用
      的特征值反推。
  • A和A转置有一样的特征值。
  • 如果
    则

• 相似 Similarity
  • 相似前后特征值不变
    • 证明：
  • 相似后的特征向量：
    所以B的特征向量是
    .
  • 两个矩阵相似 if & only if 它们的Jordan canonical forms相等。
  • Similarity is an equivalence relation

• 对角化：diagonalizable
  • A (nxn) must have n linearly independent eigenvectors. （i.e. 代数重数 = 几何重数）
  • 如果特征值都是不一样的，那么肯定可以对角化
    • 从不同的eigenspace中得到的eigenvector一定是linearly independent.
  • Block diagonalizable:
    :
    • C is diagonalizable if & only if A & B are diagonalizable.
• 同时对角化：Simultaneously diagonalizable
  • Two matrices commute (AB = BA) if & only if they are simultaneously diagonalizable.
    • 证明：
      (E, D are diagonal matrices, always commute)
    • Note: 对于任意A, B，不管commute与否，AB &a