《矩阵理论》大萌课程笔记 - 特殊矩阵

《矩阵理论》大萌课程笔记 - 特殊矩阵

---

总目录

章节名称与链接
线性空间与线性变换	线性空间与子空间
	有限维线性空间、基、维数
	线性变换
内积空间
特征值与特征向量
特殊矩阵
矩阵分解
矩阵函数

---

声明

  本专栏博客用于记录上海交通大学研究生课程《矩阵理论》笔记，课程任教老师为邓大萌老师。所有内容均为博主个人的课堂笔记，包括课堂例题与证明。如有不妥、错误之处欢迎大家指正。

---

---

1 先验定理

1.1 零空间包含链条

对于$\sigma \in L(V)$有下列命题成立：

1）$null{\sigma }^0\subseteq null\sigma \subseteq null{\sigma }^2\subseteq null{\sigma }^3\subseteq ...\subseteq null{\sigma }^n\subseteq ...$或者表示为$null{\sigma }^k\subseteq null{\sigma }^{k+1},k\ge 0$

2）若$null{\sigma }^k=null{\sigma }^{k+1}$，则$null{\sigma }^{k+i}=null{\sigma }^{k+i+1}$

3）若$dim(V)=n$，则一定有$null{\sigma }^n=null{\sigma }^{n+1}$

证明：

1）设$\alpha \in null{\sigma }^k\Rightarrow {\sigma }^k(\alpha )=0\Rightarrow \sigma ({\sigma }^k(\alpha ))=\sigma (0)={\sigma }^{k+1}(\alpha )=0\Rightarrow \alpha \in {\sigma }^{k+1}$

2）由（1）知，$null{\sigma }^{k+i}\subseteq null{\sigma }^{k+i+1}$，只要再证$null{\sigma }^{k+i+1}\subseteq null{\sigma }^{k+i}$即可；

​ 设$\alpha \in null{\sigma }^{k+i+1}\Rightarrow {\sigma }^{k+i+1}(\alpha )={\sigma }^{k+1}({\sigma }^i(\alpha ))=0\Rightarrow {\sigma }^i(\alpha )\in null{\sigma }^{k+1}=null{\sigma }^k$

​ $\Rightarrow {\sigma }^k({\sigma }^i(\alpha ))=0\Rightarrow {\sigma }^{k+i}(\alpha )=0\Rightarrow \alpha \in {\sigma }^{k+i}\Rightarrow {\sigma }^{k+i}={\sigma }^{k+i+1}$；

3）反证法：已知$dim(null{\sigma }^i)\le n,i\ge 0$

​ 若$null{\sigma }^n\ne null{\sigma }^{n+1}$，由（1）（2）可知：

​ $null{\sigma }^0\subset null\sigma \subset null{\sigma }^2\subset null{\sigma }^3\subset ...\subset null{\sigma }^n\subset null{\sigma }^{n+1}$

​ $dim(null{\sigma }^i)<dim(null{\sigma }^{i+1}),0\le i\le n$

​ $\Rightarrow dim(null{\sigma }^{n+1})>n$，矛盾，因此假设不成立。证毕。

1.2 幂零变换

定义：$N\in L(V),N^j=0,j\in N^{+}$，称$N$为幂零变换；

例：$N:P_4[R]\to P_4[R],N(f)=f^{\prime }$，判断$N$是否为幂零变换

​ 解：$\forall f\in P_4[R],N^5(f)=f^{\prime \prime \prime \prime \prime }=0,N$是幂零变换。

性质：

• 幂零变换的特征值有且只有0；

证明：$N(\alpha )=\lambda \alpha \Rightarrow N^j(\alpha )={\lambda }^j\alpha =0\Rightarrow {\lambda }^j=0\Rightarrow \lambda =0$

• 对于幂零变换一定存在一组基，基下的矩阵是真上三角阵（对角线为0的上三角阵）
• $j=dimV$时一定满足$N^j=0$

1.3 广义特征向量/子空间

定义：

  $T\in L(V),\alpha \in V,(T-{\lambda }_{i}I{)}^j(\alpha )=0,j\in N^{+},1\le i\le k,{\lambda }_1,{\lambda }_2,...,{\lambda }_k$是$T$的不同特征值，则称$\alpha$是广义特征向量，由所有满足条件的$\alpha$构成的集合称为广义特征子空间，记作$G(T,{\lambda }_i)$

例（作业1）：$R^3\to R^3,T(x,y,z)=(y,0,2z)$

1）求$T$的特征值与特征子空间

2）求广义特征子空间，判别$R^3$是否为广义特征子空间的直和。

解：(1) $y=\lambda x,0=\lambda y,2z=\lambda z\Rightarrow {\lambda }_1=0,{\lambda }_2=2$

（2）$(T-2I)\alpha =(y-2x,-2y,0)$

​ $(T-2I{)}^2\alpha =(T-2I)(y-2x,-2y,0)=(4x-4y,-4y,0)$

​ $(T-2I{)}^3\alpha =(T-2I)(4x-4y,-4y,0)=(4y-8x,-8y,0)$

​ $G(T,{\lambda }_2)=null(T-2I{)}^3=Span((0,0,1{)}^T)$

​ $G(T,{\lambda }_1)=null(T-0I{)}^3=Span((1,0,0{)}^T,(0,1,0{)}^T)$

性质：

• $G(T,{\lambda }_i)=null(T-{\lambda }_{i}I{)}^{dimV}$

证明：

$\forall \alpha \in G(T,{\lambda }_i)\Rightarrow (T-{\lambda }_i{)}^j\alpha =0,其中j\le dimV,不妨取j=dimV\Rightarrow (T-{\lambda }_i{)}^{dimV}\alpha =0\Rightarrow \alpha \in null(T-{\lambda }_i{)}^{dimV}$

$\Rightarrow G(T,{\lambda }_i)\subseteq null(T-{\lambda }_i{)}^{dimV}$

又$\forall \alpha \in null(T-{\lambda }_i{)}^{dimV},(T-{\lambda }_i{)}^{dimV}\alpha =0\Rightarrow \alpha \in G(T,{\lambda }_i)$

$\Rightarrow null(T-{\lambda }_i{)}^{dimV}\subseteq G(T,{\lambda }_i)$

$\Rightarrow G(T,{\lambda }_i)=null(T-{\lambda }_i{)}^{dimV}$

• 不同特征值对应的广义特征向量线性无关；

证明：设$T\in V,dimV=n,{\lambda }_1,{\lambda }_2,...,{\lambda }_k$是$V$的$k$个特征值${\alpha }_1,{\alpha }_2,...,{\alpha }_k$是对应的广义特征向量

设存在一组系数使得$x_1{\alpha }_1+x_2{\alpha }_2+...+x_k{\alpha }_k=0$

$\Rightarrow \sigma (x_1{\alpha }_1+x_2{\alpha }_2+...+x_k{\alpha }_k)=0,\sigma \in L(V)$

设存在最大$m$使得$(T-{\lambda }_{1}I{)}^m=\omega \ne 0\Rightarrow (T-{\lambda }_{1}I{)}^{m+1}=(T-{\lambda }_{1}I)\omega =0\Rightarrow T(\omega )={\lambda }_1\omega$

令线性变换$\sigma =(T-{\lambda }_{1}I{)}^m(T-{\lambda }_{2}I{)}^n...(T-{\lambda }_{k}I{)}^n$

$\Rightarrow \sigma (x_i{\alpha }_i)=x_i(T-{\lambda }_{1}I{)}^m(T-{\lambda }_{2}I{)}^n...(T-{\lambda }_{k}I{)}^n{\alpha }_i=0,i\ne 1$

$\Rightarrow \sigma (x_1{\alpha }_1+x_2{\alpha }_2+...+x_k{\alpha }_k)=0⟺\sigma (x_1{\alpha }_1)=0$

$\Rightarrow \sigma (x_1{\alpha }_1)=x_1\sigma ({\alpha }_1)=x_1(T-{\lambda }_{1}I{)}^m(T-{\lambda }_{2}I{)}^n...(T-{\lambda }_{k}I{)}^n{\alpha }_1=x_1[(T-{\lambda }_{2}I{)}^n...(T-{\lambda }_{k}I{)}^n](T-{\lambda }_{1}I{)}^m{\alpha }_1$

​ $=x_1(T-{\lambda }_{2}I{)}^n...(T-{\lambda }_{k}I{)}^n\omega$

其中$(T-{\lambda }_{k}I)\omega =T(\omega )-{\lambda }_k\omega =({\lambda }_1-{\lambda }_k)\omega \Rightarrow (T-{\lambda }_{k}I{)}^n\omega =({\lambda }_1-{\lambda }_k{)}^n\omega$

$\Rightarrow (T-{\lambda }_{2}I{)}^n...(T-{\lambda }_{k}I{)}^n\omega =({\lambda }_1-{\lambda }_2{)}^n({\lambda }_1-{\lambda }_3{)}^n...({\lambda }_1-{\lambda }_k{)}^n\omega \ne 0$

$\Rightarrow \sigma (x_1{\alpha }_1)=x_1(T-{\lambda }_{2}I{)}^n...(T-{\lambda }_{k}I{)}^n\omega =0\Rightarrow x_1=0$

同理$x_2=...=x_k=0$

$\Rightarrow {\alpha }_1,{\alpha }_2,...,{\alpha }_k$线性无关，证毕。

注：$x_i(T-{\lambda }_{1}I{)}^m(T-{\lambda }_{2}I{)}^n...(T-{\lambda }_{k}I{)}^n{\alpha }_i$由于交换后的展开形式依旧不变，还是同一个线性变换，因此在这里可以交换，一般情况下线性变换相乘不能交换。

• $G(T,{\lambda }_1)\oplus G(T,{\lambda }_2)\oplus ...\oplus G(T,{\lambda }_k)=V$

证明：先证$T\in L(V),dimV=n,V=null{T}^n\oplus range{T}^n$

设$\alpha \in null{T}^n\cap range{T}^n$

$\Rightarrow T^n(\alpha )=0$

​ $\exists \beta ,T^n(\beta )=\alpha$

$\Rightarrow T^n(T^n(\beta ))=T^{2n}(\beta )=0\Rightarrow \beta \in null{T}^{2n}$

又根据零空间包含链$null{T}^{2n}=null{T}^n\Rightarrow \beta \in null{T}^n\Rightarrow T^n(\beta )=0\Rightarrow \alpha =0$，先验定理证毕。

$\Rightarrow V=null(T-{\lambda }_{1}I{)}^n\oplus range(T-{\lambda }_{1}I{)}^n=G(T,{\lambda }_1)\oplus range(T-{\lambda }_{1}I{)}^n$

然后再用数学归纳法证明$range(T-{\lambda }_{1}I{)}^n=G(T,{\lambda }_2)\oplus ...\oplus G(T,{\lambda }_k)$

• $G(T,{\lambda }_i)$是$T$的不变子空间

证明：$G(T,{\lambda }_i)=null(T-{\lambda }_{i}I{)}^{dimV},\forall \alpha \in G(T,{\lambda }_i),(T-{\lambda }_{i}I{)}^{dimV}\alpha =0$

$\Rightarrow (T-{\lambda }_{i}I{)}^{dimV}(T(\alpha ))=T(T-{\lambda }_{i}I{)}^{dimV}\alpha =T(0)=0\Rightarrow T(\alpha )\in (T-{\lambda }_{i}I{)}^{dimV}=G(T,{\lambda }_i)$,证毕。

• $(T-{\lambda }_{i}I){|}_{G(T,{\lambda }_i)}$是幂零变换

证明：$\forall \alpha \in G(T,{\lambda }_i)=(T-{\lambda }_{i}I{)}^{dimV},(T-{\lambda }_{i}I{)}^{dimV}\alpha =0\Rightarrow (T-{\lambda }_{i}I{)}^{dimV}=0\Rightarrow (T-{\lambda }_{i}I)$是幂零变换。

2 约旦标准型

2.1 分块上三角基

定义：$T\in L(V)，V中有一组基{\alpha }_1,{\alpha }_2,...,{\alpha }_n使得T({\alpha }_1,{\alpha }_2,...,{\alpha }_n)=({\alpha }_1,{\alpha }_2,...,{\alpha }_n)\cdot \left[\begin{array}{cccc}{A}_1& & & \\ & A_2& & \\ & & ...& \\ & & & A_k\end{array}\right],其中A_i=\left[\begin{array}{cccc}{\lambda }_i& \ast & \ast & \ast \\ 0& {\lambda }_i& \ast & \ast \\ 0& 0& ...& \ast \\ 0& 0& 0& {\lambda }_i\end{array}\right]$

例：证明该组基的存在性；

证明：$T{|}_{G(T,{\lambda }_i)}=(T-{\lambda }_{i}I){|}_{G(T,{\lambda }_i)}+{\lambda }_{i}I{|}_{G(T,{\lambda }_i)}$

已知$(T-{\lambda }_{i}I){|}_{G(T,{\lambda }_i)}$是幂零变换，存在一组基使得基下的矩阵为$\left[\begin{array}{cccc}0& \ast & \ast & \ast \\ 0& 0& \ast & \ast \\ 0& 0& ...& \ast \\ 0& 0& 0& 0\end{array}\right]$,${\lambda }_{i}I{|}_{G(T,{\lambda }_i)}$在这组基下的矩阵为$\left[\begin{array}{cccc}{\lambda }_i& 0& 0& 0\\ 0& {\lambda }_i& 0& 0\\ 0& 0& ...& 0\\ 0& 0& 0& {\lambda }_i\end{array}\right]$,因此相加后的矩阵为上三角阵

2.2 约旦基

定义：$T\in L(V)，V中有一组基{\alpha }_1,{\alpha }_2,...,{\alpha }_n使得T({\alpha }_1,{\alpha }_2,...,{\alpha }_n)=({\alpha }_1,{\alpha }_2,...,{\alpha }_n)\cdot \left[\begin{array}{cccc}{A}_1& & & \\ & A_2& & \\ & & ...& \\ & & & A_k\end{array}\right],其中A_i=\left[\begin{array}{cccc}{\lambda }_i& 1& 0& 0\\ 0& {\lambda }_i& 1& 0\\ 0& 0& ...& 1\\ 0& 0& 0& {\lambda }_i\end{array}\right]$

性质：

• 同一特征值可能对应多个上三角块，块的数目等于该特征值对应的特征向量的个数（即几何重数）

例：三维线性变换在一组基下的矩阵是约旦标准型，求标准型的形式，描述求解步骤

1.先算三维线性变换的特征值，确定约旦矩阵的对角线

2.再计算每个特征值对应的特征向量数目，确定矩阵块数，从而确定次对角线；

注意：当线性变换的阶数过高时，该方法不适用，原因是即使得知块的数目也难以推断次对角线分布。

2.3 Hamilton-Cayley定理

定义：

  $T\in L(V),{\lambda }_1,{\lambda }_2,...,{\lambda }_k$是不同特征值，则有$(T-{\lambda }_{1}I{)}^{n_1}(T-{\lambda }_{2}I{)}^{n_2}...(T-{\lambda }_{k}I{)}^{n_k}=0变换$，其中$n_1,n_2,...,n_k$是$T$的代数重数；

证明：设$\forall \alpha \in V,\alpha =x_1{\alpha }_1+x_2{\alpha }_2+...+x_k{\alpha }_k,{\alpha }_i\in G(T,{\lambda }_i)=null(T-{\lambda }_{i}I{)}^{n_i}$

$\Rightarrow (T-{\lambda }_{1}I{)}^{n_1}(T-{\lambda }_{2}I{)}^{n_2}...(T-{\lambda }_{k}I{)}^{n_k}\alpha =0$，证毕。

矩阵版本证明：

假设只考虑代数重数均为0的情况，设特征多项式为$f_A(\lambda )=(\lambda -{\lambda }_1)(\lambda -{\lambda }_2)...(\lambda -{\lambda }_n)$

已知任意一个矩阵都可以相似一个上三角阵，设$A\sim B,B=上三角阵$

$\Rightarrow P^{-1}AP=B\Rightarrow P^{-1}f(A)P=f(B)\Rightarrow P^{-1}{f}_A(A)P=f_A(B)=(B-{\lambda }_1)(B-{\lambda }_2)...(B-{\lambda }_n)=0$，证毕

其他重要概念：

零化多项式：$对于A，存在多项式f(A)使得f(A)=0$则称$f(\lambda )$是零化多项式

最小多项式：$A$的零化多项式中次数最低且最高次系数为1的多项式称之为最小多项式，记作$m_A(\lambda )$

最小多项式性质：

• 最小多项式唯一

证明：假设$A$存在两个最小多项式$m_A(\lambda ),m_B(\lambda )$

可知$m_A(\lambda ),m_B(\lambda )$的最高项系数均为1且它们是满足$f(A)=0$的最小次数多项式

设$m_A(\lambda ),m_B(\lambda )$最高项次数为$n$

$\Rightarrow g(\lambda )=m_A(\lambda )-m_B(\lambda )=0$最高项次数为$n-1$,且$g(\lambda )$也满足$f(A)=0$的形式$\Rightarrow g(\lambda )$是最小多项式，与题设矛盾！

因此假设不成立，最小多项式唯一。

• 设$f(\lambda )$是$A$的零化多项式，则$m_A(\lambda )$是$f(\lambda )$的因子
• $A$的任意特征值一定是$m_A(\lambda )$的根
• 两个矩阵相似，则他们的最小多项式相等，即$P^{-1}AP=B\Rightarrow m_A(\lambda )=m_B(\lambda )$

证明：要证相等就是证可以相互整除

已知$P^{-1}AP=B\Rightarrow A=PB{P}^{-1}\Rightarrow m_A(A)=P{m}_A(B)P^{-1}=0\Rightarrow m_A(B)=0\Rightarrow m_A(B)$是$B$的零化多项式

又因为$B$的最小多项式是其零化多项式的因子，因此$m_A(\lambda )$可以整除$m_B(\lambda )$

同理，$m_B(\lambda )$可以整除$m_A(\lambda )$

$\therefore m_A(\lambda )=m_B(\lambda )$

• 若$A=\left[\begin{array}{cccc}{A}_1& & & \\ & A_2& & \\ & & ...& \\ & & & A_s\end{array}\right]$，则$m_A(\lambda )是m_{A_i}(\lambda )$的最小公倍数，$1\le i\le s$

例1：求约旦标准型$A=\left[\begin{array}{cccccc}1& 1& & & & \\ & 1& & & & \\ & & 1& & & \\ & & & 2& 1& \\ & & & & 2& \\ & & & & & 2\end{array}\right]$的最小多项式；

​ 解：该约旦标准型由四个约旦块组成:

​ 第一个约旦块的最小多项式为$m_1(\lambda )=(\lambda -1{)}^2$

​ 第二个约旦块的最小多项式为$m_2(\lambda )=\lambda -1$

​ 第三个约旦块的最小多项式为$m_3(\lambda )=(\lambda -2{)}^2$

​ 第四个约旦块的最小多项式为$m_4(\lambda )=\lambda -2$

​ 所以$A$的最小多项式是四个约旦块最小多项式的最小公倍数，即$m_A(\lambda )=(\lambda -1{)}^2(\lambda -2{)}^2$

例2：假设一个约旦标准型的零化多项式（或特征多项式）与最小多项式相等（$f(x)=m_A(x)$），则约旦标准型具有什么特点？

​ 结论：$f(x)=m_A(x)⟺A$的每个特征值对应一个约旦块

• $A$可对角化$⟺m_A(\lambda )$没有重根**（复数域）**

证明：

1）$A$可对角化$\Rightarrow m_A(\lambda )$没有重根

​ 已知$A$可对角化$\Rightarrow P^{-1}AP=B,B$是对角矩阵

​ $\Rightarrow m_A(\lambda )=m_B(\lambda )=(\lambda -{\lambda }_1)(\lambda -{\lambda }_2)...(\lambda -{\lambda }_k),{\lambda }_1,{\lambda }_2,...,{\lambda }_k$是$A$的不同特征值，证毕

2）$A$可对角化$\Leftarrow m_A(\lambda )$没有重根

​ 已知$m_A(\lambda )=(\lambda -{\lambda }_1)(\lambda -{\lambda }_2)...(\lambda -{\lambda }_k),{\lambda }_1,{\lambda }_2,...,{\lambda }_k$是$A$的不同特征值，只要证明$\forall \lambda$的代数重数等于几何重数，A就可以对角化

​ ${\lambda }_i$代数重数设为$n_i$

​ ${\lambda }_i$的几何重数设为$n-r(A-{\lambda }_{i}I)$

​ 已知代几何重数小等于代数重数：${\Sigma }_{i=1}^k{n}_k=n\le {\Sigma }_{i=1}^k(n-r(A-{\lambda }_{i}I))=kn-{\Sigma }_{i=1}^{k}r(A-{\lambda }_{i}I)\Rightarrow {\Sigma }_{i=1}^{k}r(A-{\lambda }_{i}I)\ge (k-1)n$

​ 又由$r(AB)\ge r(A)+r(B)-n\Rightarrow r(m_A(A))=r((A-{\lambda }_{1}I)(A-{\lambda }_{2}I)...(A-{\lambda }_{k}I))=0\ge {\Sigma }_{i=1}^k(A-{\lambda }_{i}I)-(k-1)n$

​ $\Rightarrow {\Sigma }_{i=1}^k(A-{\lambda }_{i}I)\le (k-1)n$

​ $\Rightarrow {\Sigma }_{i=1}^k(A-{\lambda }_{i}I)=(k-1)n$

例3：已知$A^2=A$（幂等矩阵），判断$A$是否可以对角化

​ 解：由$A^2=A\Rightarrow A^2-A=0\Rightarrow 零化多项式为f(\lambda )={\lambda }^2-\lambda ,最小多项式m_A(\lambda )=f(\lambda )没有重根\Rightarrow A可以对角化$

例4：已知$A^n=I$，判断$A$是都可以对角化

​ 解：由$A^n-I=0\Rightarrow 零化多项式为f(\lambda )={\lambda }^n-1$有$n$个复根，所以$A$可以对角化

3 酉矩阵与正规矩阵

酉矩阵：若复数域内一个可逆方阵$U$满足$U^{\ast }=U^{-1}$，即$U{U}^{\ast }=U^{\ast }U=I$，则称$U$是酉矩阵（实数域对应正交矩阵）

酉相似：若$U$是酉矩阵，矩阵$A,B$满足$U^{\ast }AU=B$，则称$A,B$酉相似

正规矩阵：若复数域一个方阵$A$满足$A{A}^{\ast }=A^{\ast }A$，则称$A$是正规矩阵。已知酉矩阵也是一种特殊的正规矩阵

正规矩阵性质：

• 与正规矩阵酉相似的矩阵依然是正规矩阵

证明：设$U$是酉矩阵，$A$是正规矩阵，$A,B$酉相似

​ 则：$U^{\ast }AU=B\Rightarrow (U^{\ast }AU{)}^{\ast }=U^{\ast }{A}^{\ast }U=B^{\ast }$

​ $\Rightarrow B{B}^{\ast }=(U^{\ast }AU)(U^{\ast }{A}^{\ast }U)=U^{\ast }A{A}^{\ast }U$

​ $B^{\ast }B=(U^{\ast }{A}^{\ast }U)(U^{\ast }AU)=U^{\ast }{A}^{\ast }AU$

​ 又$A^{\ast }A=A{A}^{\ast }\Rightarrow B^{\ast }B=B{B}^{\ast }\Rightarrow B$是正规矩阵，证毕。

• 若矩阵$A$是正规矩阵，同时$A$是上三角矩阵，则$A$一定是一个对角阵

证明：暴力证明法：

设正规矩阵$A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& ...& a_{1n}\\ & a_{22}& ...& a_{2n}\\ & & ...& ...\\ & & & a_{nn}\end{array}\right],A^{\ast }=\left[\begin{array}{cccc}{a}_{11}& & & \\ a_{12}& a_{22}& & \\ ...& ...& ...& \\ a_{1n}& a_{2n}& ...& a_{nn}\end{array}\right]$

$\Rightarrow A{A}^{\ast }=A^{\ast }A\Rightarrow 非对角元素为0$,证毕。

• $A$是正规矩阵$⟺$$A$可以酉对角化

证明：

1）$A$是正规矩阵$\Leftarrow$$A$可以酉对角化

​ 设$U$是酉矩阵，$U^{\ast }AU=B,B$是对角阵，其中$B^{\ast }B=B{B}^{\ast }\Rightarrow B$是正规矩阵

​ 根据性质1，与正规矩阵相似的矩阵也是正规矩阵，因此$A$是正规矩阵

2）$A$是正规矩阵$\Rightarrow$$A$可以酉对角化

​ 设$U$是酉矩阵，$A,B$酉相似，即$U^{\ast }AU=B$

​ 根据性质1，$B$也是正规矩阵；

​ 又根据Schur定理，任意方阵可以酉相似到一个上三角阵$B$;

​ 根据性质2，$B$是一个对角阵，证毕

4 Hermite矩阵

定义：若复数域内一方阵$A$满足$A^{\ast }=A$，则称$A$是Hermite矩阵(对应实数域的对称阵)

性质：

• Hermite阵是正规矩阵，可以酉对角化。
• Hermite阵的特征值一定是实数

证明：设$A$是一个Hermite阵，可知$A$可以酉对角化

​ 即：$U^{\ast }AU=\left[\begin{array}{cccc}{\lambda }_1& & & \\ & {\lambda }_2& & \\ & & ...& \\ & & & {\lambda }_n\end{array}\right],U^{\ast }{A}^{\ast }U=\left[\begin{array}{cccc}{\overline{\lambda }}_1& & & \\ & {\overline{\lambda }}_2& & \\ & & ...& \\ & & & {\overline{\lambda }}_n\end{array}\right]$

​ 又因为$A^{\ast }=A\Rightarrow \left[\begin{array}{cccc}{\lambda }_1& & & \\ & {\lambda }_2& & \\ & & ...& \\ & & & {\lambda }_n\end{array}\right]=\left[\begin{array}{cccc}{\overline{\lambda }}_1& & & \\ & {\overline{\lambda }}_2& & \\ & & ...& \\ & & & {\overline{\lambda }}_n\end{array}\right]\Rightarrow {\lambda }_i$虚部为$0$

​ 证毕。

Hermite阵的复二次型：

设$A$是Hermite阵，$x\in C^n$，称$x^{\ast }Ax$为二次型；

当$x^{\ast }Ax>0时，A正定$，此时$A$的特征值均大于0

若$A$是酉矩阵，则$A$的特征值等于1；

Schur不等式：

$\forall A\in C^{n\times n},A=(a_{ij}{)}_{n\times n},有不等式{\Sigma }_{i=1}^n|{\lambda }_i{|}^2\le {\Sigma }_{i,j=0}^n|a_{ij}{|}^2=tr(A{A}^{\ast })$

证明：

​ 设$U$是酉矩阵，$A$是Hermite矩阵，上三角阵$B$与$A$酉相似（Schur定理）,$B$的对角线元素就是特征值

​ 则有$U^{\ast }AU=B\Rightarrow U^{\ast }{A}^{\ast }AU=B^{\ast }B\Rightarrow tr(A^{\ast }A)=tr(B^{\ast }B)\ge {\Sigma }_{i=1}^n|{\lambda }_i{|}^2$

​ $\therefore {\Sigma }_{i=1}^n|{\lambda }_i{|}^2\le {\Sigma }_{i,j=0}^n|a_{ij}{|}^2$成立

当$A$是正规矩阵时等式成立。