矩阵的有关知识
矩阵的行列式定义

矩阵的行列式定义矩阵是线性代数中的一个重要概念,与之紧密相关的是矩阵的行列式。
行列式是一个数学工具,用于描述矩阵的性质和特征。
在本文中,我们将探讨矩阵的行列式定义及其相关概念。
一、矩阵的概念矩阵是一个由数字组成的矩形阵列,由m行和n列组成,通常记作A=[a_{ij}],其中i表示行数,j表示列数。
每个元素a_{ij}都是一个实数或复数。
矩阵的大小由行数和列数决定,常用的矩阵有方阵、行向量和列向量。
二、行列式的定义行列式是一个与方阵相关的数值。
对于一个n阶方阵A=[a_{ij}],其行列式记作det(A),其中n表示方阵的阶数。
行列式的计算方法是通过对矩阵元素进行特定运算得到的。
三、行列式的计算方法1. 二阶行列式的计算方法对于一个2阶方阵A=[a_{ij}],其行列式的计算方法为:det(A) = a_{11} * a_{22} - a_{12} * a_{21}。
2. 三阶行列式的计算方法对于一个3阶方阵A=[a_{ij}],其行列式的计算方法为:det(A) = a_{11} * a_{22} * a_{33} + a_{12} * a_{23} * a_{31} + a_{13} * a_{21} * a_{32} - a_{13} * a_{22} * a_{31} - a_{12} * a_{21} * a_{33} - a_{11} * a_{23} * a_{32}。
对于更高阶的行列式,其计算方法可以通过递推的方式得到。
行列式的计算方法较为繁琐,但是对于线性代数的研究和应用起着重要的作用。
四、行列式的性质1. 行列式的值与矩阵的行列有关,与矩阵的元素排列顺序有关。
行列式的值随着矩阵元素的变化而变化。
2. 行列式的值可以为0,也可以为正数或负数。
当行列式的值为0时,表示矩阵的行或列之间存在一定的相关性,线性无关性受到限制。
3. 行列式的值可以用于判断矩阵的可逆性。
当行列式的值不为0时,矩阵是可逆的;当行列式的值为0时,矩阵是不可逆的。
矩阵秩重要知识点总结_考研必看

矩阵秩重要知识点总结_考研必看一.矩阵等价行等价:矩阵A经若干次初等行变换变为矩阵B列等价:矩阵A经若干次初等列变换变为矩阵B矩阵等价:矩阵A经若干次初等行变换可以变为矩阵B,矩阵B经若干次初等行变换可以变成矩阵A,则成矩阵A和B等价矩阵等价的充要条件1. 存在可逆矩阵P和Q,PAQ=B2. R(A)=R(B)二.向量的线性表示Case1:向量b能由向量组A线性表示: b=λ1α1+λ2α2+λ3α3+⋯+λmαm充要条件:1.线性方程组Ax=b有解2.R(A)=R(A,b)Case2:向量组B能由向量组A线性表示充要条件:R(A)=R(A,B)推论∵R(A)=R(A,B),R(B) ≤R(A,B) ∴R(B) ≤R(A)Case3:向量组A能由向量组B线性表示充要条件:R(B)=R(B,A)推论∵R(B)=R(A,B),R(A) ≤R(A,B) ∴R(A) ≤R(B)Case4:向量组A和B能相互表示,即向量组A和向量组B等价充要条件:R(A)=R(B)=R(A,B)=R(B,A)Case5:n维单位坐标向量组En能由矩阵A的列向量组线性表示充要条件是:R(A)=R(A,E)n=R(E)=n,所以R(A)=n=R(A,E)三.线性方程组的解1. 非齐次线性方程组(1) R(A)=R(A,B),方程有解.(2) R(A)=R(A,B)=n,解唯一.(3) R(A)=R(A,B)(4)R(A) ≠R(A,B)2.齐次线性方程组(1)一定有解(2)有非零解的充要条件R(A)四.向量组线性相关性向量组线性相关:存在不全为0的实数λ1、λ2,λ3…λn,满足λ1α1+λ2α2+λ3α3+⋯+λnαn=0充要条件:(1) R(A)(2)向量组中至少有一个向量能由其余n-1个向量线性表示(3) n 元齐次线性方程组 Ax = 0 有非零解.Case1:向量组A要么线性相关,要么线性无关,两者必居其一Case2:向量组A只包含一个向量α,α是零向量,向量组A线性无关; α是非零向量,向量组A线性无关。
线性代数知识点汇总1

第一章 矩阵矩阵的概念:n m A *(零矩阵、负矩阵、行矩阵、列矩阵、n 阶方阵、相等矩阵) 矩阵的运算:加法(同型矩阵)---------交换、结合律 数乘n m ij ka kA *)(=---------分配、结合律乘法nm lkj ik n l kj l m ik b a b a B A *1**)()(*)(*∑==(一般AB=BA ,不满足消去律;由AB=0,不能得A=0或B=0) 转置:A A T T =)( TT T B A B A +=+)( T T kA kA =)( TT T A B AB =)( 方幂:2121k k k kA AA += 2121)(k k k k A A +=逆矩阵:设A 是N 阶方阵,若存在N 阶矩阵B 的AB=BA=I 则称A 是可逆的, 且B A=-1矩阵的逆矩阵满足的运算律:1、可逆矩阵A 的逆矩阵也是可逆的,且A A =--11)(2、可逆矩阵A 的数乘矩阵kA 也是可逆的,且111)(--=A kkA 3、可逆矩阵A 的转置TA 也是可逆的,且T T A A )()(11--=4、两个可逆矩阵A 与B 的乘积AB 也是可逆的,且111)(---=A B AB ,但是两个可逆矩阵A 与B 的和A+B 不一定可逆,即使可逆,但11)(--+≠+B A B A 。
A 为N 阶方阵,若|A|=0,则称A 为奇异矩阵,否则为非奇异矩阵。
5、若A 可逆,则11--=A A逆矩阵注:①AB=BA=I 则A 与B 一定是方阵 ②BA=AB=I 则A 与B 一定互逆; ③不是所有的方阵都存在逆矩阵;④若A 可逆,则其逆矩阵是唯一的。
分块矩阵:加法,数乘,乘法都类似普通矩阵转置:每块转置并且每个子块也要转置注:把分出来的小块矩阵看成是元素初等变换:1、交换两行(列)2.、非零k 乘某一行(列)3、将某行(列)的K 倍加到另一行(列) 初等变换不改变矩阵的可逆性,初等矩阵都可逆 初等矩阵:单位矩阵经过一次初等变换得到的矩阵等价标准形矩阵⎪⎪⎭⎫⎝⎛=O O O I D r r第二章 行列式N 阶行列式的值:行列式中所有不同行、不同列的n 个元素的乘积的和n nn nj j j j j j j j j nij a a a a ...)1(21212121)..(∑-=τ行列式的性质:①行列式行列互换,其值不变。
矩阵相关性质

等价:存在可逆矩阵P,Q,使PAQ= B ,则4与B 等价;相似:存在可逆矩阵P,使P-'AP=B,则A 与3相似;合同:存在可逆矩阵c, ^C T AC=B 9则人与3合同.•、相似矩阵的定义及性质 定义1设人3都是〃阶矩阵,若有可逆矩阵P,使P ・'AP=B,则称3是4的相似矩阵,或 说矩阵A 与3相似,记为A~B ・对A 进行运算P'[AP 称为对A 进行相似变换,可逆矩阵P 称 为把A 变成B 的相似变换矩阵.注矩阵相似是-种等价关系.(1) 反身性:A~ A.(2) 对称性:若A 〜3,则3〜A.(3) 传递性:若A 〜B, B~C,则A~C.性质1若A 〜3,则(1) A 7 〜M :(2) A'1 〜A :(3) |A-/t£| = |B -/lE|:(4) |A| = |B|:(5) R(A) = R(B)・征值.性质2若A = PBE,则A 的多项式0(A) = P0(B)P“ •推论若A 与对角矩阵八相似,则0(血)丿注(1)与单位矩阵相似的只有它本身:(2)有相同特征多项式的矩阵不-定相似.二、 矩阵可对角化的条件对川阶方阵A ,如果可以找到可逆矩阵P ,使P~l AP = A 为对角阵,就称为把方阵A 对 角化。
定理1 "阶矩阵A 可对角化(与对角阵相似)O A 有“个线性无关的特征向量。
推论若〃阶矩阵A 与对角矩阵八=相似,则人,兄2,…,血是A 的畀个特0(A) = "(A)” = P 血)推论如果“阶矩阵A的“个特征值互不相等,则A与对角阵相似.(逆命题不成立)注:(1)若A〜A,则A的主对角元素即为A的特征值,如果不计人的扌I#列顺序,则八唯•, 称之为矩阵A的相似标准形。
<2)可逆矩阵P由A的“个线性无关的向量构成。
把•个矩阵化为对角阵,不仅可以使矩阵运算简化,而且在理论和应用上都有意义。
可对角化的矩阵主要有以下几种应用:三、实对称矩阵的和似矩阵实对称矩阵是•类特殊的矩阵,它们•定可以对角化.即存在可逆矩阵P,使得P~l AP = A.更可找到正交可逆矩阵7\使和T_1AT = A定理2实对称矩阵的特征值为实数。
矩阵分析 第一章

矩阵的代数性质1.矩阵是线性映射的表示:线性映射的相加表示为矩阵的相加线性映射的复合表示为矩阵的相乘2.矩阵是一种语言,它是表示复杂系统的有力工具。
学习矩阵理论的重要用途之一就是学会用矩阵表示复杂系统的关系,培养根据矩阵推演公式的能力是学习矩阵论的目的之一。
定义一个矩阵有几种方式:可以通过定义矩阵的每一个元素来定义一个矩阵,也可以通过矩阵具有的性质来定义一个矩阵。
如:对称矩阵可以定义为:a ij =a ji也可以定义为: (x, Ay)=(Ax,y),还可以定义为: Ax=∇f(x), 其中f(x)=x T Ax/2,即它对向量x 的作用相当于函数f(x)在x 处的梯度。
3. 矩阵可以表示为图像矩阵的大小可以表示为图像。
反之,一幅灰度图像本身就是矩阵。
图像压缩就是矩阵的表示问题.这时矩阵相邻元素间有局部连续性,既相邻的元素的值大都差别不大。
4. 矩阵是二维的(几何性质)矩阵能够在二维的纸张和屏幕等平面媒体上表示,使得用矩阵表示的问题显得简单清楚,直观,易于理解和交流。
很多二元关系很直观的就表示为矩阵,如关系数据库中的属性和属性值,随机马尔科夫链的状态转移概率矩阵,图论中的有向图或无向图的矩阵表示等。
第一章:线性空间和线性变换1. 线性空间集合与映射集合是现代数学最重要的概念,但没有严格的定义。
集合与其说是一个数学概念,还不如说是一种思维方式,即用集合(整体)的观点思考问题。
整个数学发展的历史就是从特殊到一般,从个体到整体的发展历程。
集合的运算及规则,两个集合的并、交运算以及一个集合的补;集合中元素没有重合,子集,元素设S ,S'为集合映射:为一个规则σ:S → S', 使得S 中元素a 和S'中元素对应,记为 a'=σ(a),或σ:a →a'. 映射最本质的特征在于对于S 中的任意一个元素在S'中仅有唯一的一个元素和它对应。
映射的原象,象;映射的复合。
《高等代数》知识点梳理

高等代数知识点梳理第四章 矩阵一、矩阵及其运算 1、矩阵的概念(1)定义:由n s ×个数ij a (s i ,2,1=;n j ,2,1=)排成s 行n 列的数表sn s n a a a a 1111,称为s 行n 列矩阵,简记为n s ij a A ×=)(。
(2)矩阵的相等:设n m ij a A ×=)(,k l ij a B ×=)(,如果l m =,k n =,且ij ij b a =,对m i ,2,1=;n j ,2,1=都成立,则称A 与B 相等,记B A =。
(3)各种特殊矩阵:行矩阵,列矩阵,零矩阵,方阵,(上)下三角矩阵,对角矩阵,数量矩阵,单位矩阵。
2、矩阵的运算(1)矩阵的加法:++++= +sn sn s s n n sn s n sn s n b a b a b a b a b b b b a a a a 1111111111111111。
运算规律:①A B B A +=+②)()(C B A C B A ++=++③A O A =+ ④O A A =−+)((2)数与矩阵的乘法:= sn s n sn s n ka ka ka ka a a a a k 11111111运算规律:①lA kA A l k +=+)( ②kB kA B A k +=+)(③A kl lA k )()(= ④O A A =−+)((3)矩阵的乘法:= sm s m nm n m sn s n c c c c b b b b a a a a 111111111111其中nj in i i i i ij b a b a b a c +++= 2211,s i ,2,1=;m j ,2,1=。
运算规律:①)()(BC A C AB = ②AC AB C B A +=+)( ③CA BA A C B +=+)( ④B kA kB A AB k )()()(==一般情况,①BA AB ≠②AC AB =,0≠A ,⇒C B = ③0=AB ⇒0=A 或0=A(4)矩阵的转置: =sn s n a a a a A 1111,A 的转置就是指矩阵=ns n s a a a a A 1111'运算规律:①A A =)''( ②'')'(B A B A +=+③'')'(A B AB = ④')'(kA kA =(5)方阵的行列式:设方阵1111n n nn a a A a a= ,则A 的行列式为1111||n n nn a a A a a = 。
矩阵的基本变换及其相关知识点

矩阵的基本变换及其相关知识点矩阵的基本变换及其相关知识点2023年,矩阵已成为数学、物理、计算机等领域中不可或缺的基础工具之一。
掌握矩阵的基本变换是矩阵应用的核心,本文将介绍矩阵的基本变换及其相关知识点。
一、矩阵的基本变换1. 矩阵的加法:矩阵加法即将两个相同大小的矩阵对应元素相加,得到一个相同大小的矩阵。
例如:注意:只有相同大小的矩阵才可相加。
2. 矩阵的减法:矩阵减法即将两个相同大小的矩阵对应元素相减,得到一个相同大小的矩阵。
例如:注意:只有相同大小的矩阵才可相减。
3. 矩阵的数乘:矩阵的数乘即将一个数与矩阵的每个元素相乘,得到一个相同大小的矩阵。
例如:4. 矩阵的乘法:矩阵乘法是矩阵应用的关键,即将一个矩阵的行乘以另一个矩阵的列,得到一个新的矩阵。
例如:注意:只有左矩阵的列数与右矩阵的行数相等时,才可进行矩阵乘法。
二、相关知识点1. 矩阵的转置:矩阵的转置是将矩阵的行列互换得到的新矩阵,其中原矩阵的第i行第j列元素变为新矩阵的第j行第i列元素。
例如:2. 矩阵的逆:矩阵的逆是指一个矩阵与其逆矩阵相乘得到单位矩阵。
其中单位矩阵为对角线上元素均为1,其余元素均为0的矩阵。
例如:注意:只有行列式不为0的矩阵才有逆矩阵。
3. 矩阵的行列式:矩阵的行列式是矩阵特有的一种数值,用于判断矩阵是否可逆。
其中行列式的计算方法较为复杂,可通过高斯消元法等方式进行计算。
4. 矩阵的秩:矩阵的秩是指矩阵中线性无关的行或列的最大个数。
矩阵及其性质知识点及题型归纳总结

矩阵及其性质知识点及题型归纳总结
1. 矩阵基本概念
- 矩阵是一个二维数组,由行和列组成。
- 矩阵的元素可以是实数、复数或其他数域中的元素。
2. 矩阵的性质和运算
- 矩阵的转置:交换矩阵的行和列, 记作A^T。
- 矩阵的加法:对应位置元素相加。
- 矩阵的数乘:将矩阵的每个元素乘以一个数。
- 矩阵的乘法:满足左乘法则和右乘法则。
- 矩阵的逆:对于可逆方阵,存在逆矩阵使得矩阵乘法满足乘法逆的要求。
3. 矩阵的特殊类型和性质
- 单位矩阵:一个方阵的主对角线上元素为1,其他元素为0。
- 零矩阵:所有元素都为0的矩阵。
- 对角矩阵:只有主对角线上元素非零,其他元素为0。
- 对称矩阵:矩阵的转置等于它本身。
- 上三角矩阵:主对角线及其以下的元素都不为0。
- 下三角矩阵:主对角线及其以上的元素都不为0。
4. 矩阵的题型归纳
- 矩阵的基本运算:加法、数乘、乘法和转置操作。
- 矩阵的性质判断:检查矩阵是否为对称矩阵、上三角矩阵、下三角矩阵等。
- 矩阵的逆和行列式:求逆矩阵、计算行列式的值等。
- 矩阵的方程求解:解线性方程组、求矩阵的特征值和特征向量等。
以上是矩阵及其性质的基本知识点及题型归纳总结。
通过掌握这些知识,你将能够更好地理解和应用矩阵在数学和工程等领域的相关问题。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
1.1酉空间 1.1.1酉空间的定义定义1 设V 是复数域上线性空间,在V 上定义二元函数,称为内积,记作(,)αβ,它具有以下性质:1.(,)(,)αββα=,这里(,)βα是复数(,)αβ的共轭复数; 2.(,)(,)k k αβαβ=; 3.(,)(,)(,)αβγαγβγ+=+;4.(,)0αα≥,且(,)0αα=当且仅当α=0。
这里,,αβγ是V 中任意的向量,k 为任意复数,这样的线性空间称为酉空间. 例1 设T T 1212(,,,),(,,,)n n a a a b b b αβ==是n中的任意向量,定义内积为H 1122(,)n n a b a b a b αββα=+++=。
则n是一个酉空间,其中H β表示向量β的共轭转置向量。
1.1.2酉空间的有关概念(1)2α=称为向量α的长度或模或范数.(2)若21α=,则称α为单位向量;α≠0时,称21αα为将向量α单位化.(3)(,)αβ=0时,称向量α与向量β正交.(4)如果n 维酉空间V 的一个基中的向量两两正交,则称该基为V 的一个正交基;由单位向量组成的正交基称为标准正交基. (5)设n n⨯∈A ,HA 表示矩阵A 的共轭转置矩阵, 即TH =A A 。
若A 满足H =A A ,则称A 是Hermite 矩阵; 若A 满足H =A A E ,则称A 是酉矩阵. (6)设12,,,n ααα是V 的一组基,称矩阵1112121222122(,)(,)(,)(,)(,)(,)(,)(,)(,)n n n n n αααααααααααααααααα⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦为基12,,,n ααα的度量矩阵.(7)设V α∈,如果对于任意β∈ W 1,恒有(,)αβ=0,则称α与子空间W 1正交,记为1W α⊥.如果对于任意α∈W 1和任意β∈W 2,恒有(,)αβ=0,则称子空间W 1与子空间W 2正交,记为12W W ⊥.如果12W W ⊥,且12W +W =V ,则称W 2是W 1的正交补,记作1W ⊥.显然,11V W W ⊥=⊕。
(8)如果对任意,αβ∈V 都有(,)(,)σασβαβ=,则称线性变换σ为V 的酉变换.如果对任意,αβ∈V 都有(,)(,)σαβασβ=,则称线性变换σ为V 的Hermite 变换. (9)设n n⨯∈A 是Hermite 矩阵,nα∈,称H x Ax 为Hermite 二次型.1.1.3欧氏空间与酉空间的比较欧氏空间与酉空间相比,基础数域由实数域变成了复数域,内积的对称性变成了共轭对称性.因此,欧氏空间的结构与酉空间的结构是不相同的.但酉空间的内积近似于欧氏空间的内积.这样,酉空间有与欧氏空间平行的一套理论.学习过程中应注意相近但又不完全相同的地方(见下表)是正交矩阵,使y 定理1 (Schur 定理)设A 是n 阶复矩阵,证明:A 可酉相似于上三角矩阵T ,即存在n 阶酉矩阵U ,使得1H -==U AU U AU T .【证明】对n 作数学归纳法,当n =1时,命题显然成立。
现假设命题对n -1阶复矩阵成立,下证对n 阶复矩阵也成立.设x 为A 属于特征值1λ的特征向量,将其单位化121=e x x ,并将1e 扩充成n的一组标准正交基12,,,n e e e ,令112(,,,)n =U e e e ,则1U 是n 阶酉矩阵,且H 11H H H 21111212H 30(,,,)(,,,)0n n ⎛⎫**⎛⎫ ⎪ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭e eU AU U A e e e Ae Ae Ae B e λ 其中B 是n -1阶复矩阵,由归纳假设知,存在n -1阶酉矩阵Q ,使得21H n -*⎛⎫⎪==⎪ ⎪⎝⎭Q BQ Q BQ λλ 令T 11⎛⎫= ⎪⎝⎭U U Q 00,则U 是n 阶酉矩阵,且T T 1HH 11H 11-⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭U AU U AU U AU Q Q 00001T T H 0110**⎛⎫⎪⎛⎫⎛⎫ ⎪= ⎪ ⎪⎪⎝⎭⎝⎭ ⎪⎝⎭B Q Q λ0000 112H n 0 0****⎛⎫⎛⎫ ⎪⎪ ⎪ ⎪=== ⎪ ⎪* ⎪ ⎪⎝⎭⎝⎭T Q BQ λλλλ. 定理2 设A 是n 阶复矩阵,证明:A 酉相似于对角矩阵的充分必要条件是A 满足H H =A A AA (满足该式的矩阵A 称为正规矩阵).【证明】 必要性 设矩阵A 酉相似于对角矩阵, 即存在酉矩阵U ,使1H 12(,,,)n diag -===U AU U AU Λλλλ则H =A U ΛU ,且H H =ΛΛΛΛ,于是H H H H H H H H H HHHHHHHHHH HH()()()() ()()()()========A A U ΛU U ΛU U ΛU U ΛU U ΛU U ΛU U ΛΛU U ΛΛU U ΛU U ΛU U ΛU U ΛU AA充分性 若A 满足H H =A A AA ,由Schur 定理知,存在酉矩阵U ,使得H =UAU T ,其中T 是上三角矩阵,于是H H H H H H H H H H H H ()()()()=====T T UAU UAU UA AU UAA U UAU UA U TT设() (0,)ij n ij t t i j ==>T 代入上式,并比较两边矩阵的对角线元素,得2222111112122222122222232222212,,n n n n nn nnt t t t t t t t t t t t t =++++=++++++=解之得0 ()ij t i j =<,即T 是对角矩阵,故A 酉相似于对角矩阵.定理3 证明:正规矩阵的不同特征值所对应的特征向量必正交. 证明留作习题。
例2 设有两个Hermite 矩阵A 和B ,证明:=AB BA 成立的充分必要条件是存在一个酉矩阵U ,使11,--U AU U BU 都为对角矩阵.【证明】充分性 若存在酉矩阵U ,使111212diag(,,,), diag(,,,)n n --==U AU U BU λλλμμμ,则有 111122diag(,,,)n n --==U ABU U ABU λμλμλμ,故 =AB BA 。
必要性 因为H =A A ,所以H H =A A AA ,即A 是正规矩阵,从而存在酉矩阵1U ,使 11H 11111r n r n -⎛⎫⎪==⎪ ⎪⎝⎭E U AU U AU E λλ (1) 其中12,,,r λλλ互异,且12r n n n n +++=.由=AB BA ,得H H H H 11111111()()()()=U AU U BU U BU U AU 。
(2)由式(1)和式(2)可得1H 11111r -⎛⎫⎪==⎪ ⎪⎝⎭B U BU U BU B 。
由于H =B B ,所以H (1,2,.)i i i r ==B B ,从而12,,,r B B B 都是正规矩阵,即存在酉矩阵i Q ,使1 (1,2,,)i i i i i r -==Q B Q D ,其中i D 为对角矩阵.令112r r ⎛⎫⎛⎫⎪ ⎪==⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭,Q D U ΛQ D , 则2U 是n 阶酉矩阵,Λ为n 阶对角矩阵,且T 1111122T r r r r -⎛⎫⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪⎪=⎪ ⎪ ⎪⎪ ⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭B Q B Q U U B Q B Q T 1111T r r r r ⎛⎫⎛⎫ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭Q B Q D ΛQ B Q D 令12=U U U ,则U 为n 阶酉矩阵,且111r n r n -⎛⎫⎪=⎪ ⎪⎝⎭E U AU E λλ, 1-=U BU Λ。
于是必要性得证。
1.2 Householder 矩阵1.2.1 Householder 矩阵的定义 定义2 设nw ∈为单位向量,则称矩阵H 2-E ww 为Householder 矩阵,或为Householder 变换,记作H ,即H 2=-H E ww1.2.2 Householder 矩阵的性质(1) Householder 矩阵H 是酉矩阵. 证明略(2)若H 是 Householder 矩阵,则H =H H ,2=H H 。
证明略(3) Householder 矩阵H 仅有两个不同特征值-1和1,其中1是n -1重的,-1是单重的.而且w 是属于特征值-1的单位特征向量. 【证明1】Householder 矩阵H 的特征多项式为H H 1H 1det((2))det((1)2) (1)det((1)2)(1)(1)n n ----=+=+=+E E ww E ww w w λλ-λ-λ-λ-λ所以,1λ=是矩阵H 的n -1重特征值;1λ=是矩阵H 的单特征值.又因为H H (2)2()=-=-=-Hw E ww w w w w w w ,故w 是属于特征值-1的单位特征向量.注意 在以上证明中使用了行列式的性质:若A 是m n ⨯矩阵,B 是n m ⨯矩阵,且m n >,则 det()det()m n m n -±=±E AB E BA λλλ.【证明2】将单位向量w 扩充成酉空间n的一组标准正交基,2,,,n εεw ,则22,,n n εεεε=-==Hw w H H 。
从而 2211(,,,)(,,,)1n n εεεε-⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭H w w , 即H 酉相似于对角矩阵daig (1,1,,1)-,所以,H 仅有两个不同特征值-1和1,其中1是n -1重的,-1是单重的.而且w 是属于特征值-1的单位特征向量.(4)设,n∈x y ,且≠x y ,22=x y ,(,)x y 是实数.则必定存在Householder矩阵H ,使=Hx y【证明】 由(,)x y 是实数知,H H H H H (,),()=∈==∈x y y x y x y x x y ,取2-=-x yw x y ,令H 2=-H E ww ,则 HH H22H H H H H H 2222H 22(2)222() =()()()()=()()⎛⎫--=-=-=- ⎪ ⎪--⎝⎭---+--=--------=--=-x y x y Hx E ww x x ww x x x x y x y x x y x x x y x x y y yx x y x x y x y x y x y x y x x y x x y yx y故命题成立. (5) 设,n∈x y ,且≠y 0,则存在常数p ∈及Householder 矩阵H ,使p =Hx y【证明】 若H(,)=x y y x 是实数,取22p =x y,或22p =-x y.并选择正负号,使p ≠x y ,此时22222222p =±==x x y y y x yy,且 H H H 22(,)()p p p ===±∈x x y y x y x y xy由性质(4)有Householder 矩阵H ,使p =Hx y .若H(,)=x y y x 是虚数,则H (,)0=>x y y x ,取H 2H2p =xy x yy x ,或H 2H2p =-x y x yy x故 H HHH H 22H22(,)()p p p ===±=±∈xx y x x y y x y x y x y xyyy x ,并选择正负号,使p ≠x y ,由性质(4)有Householder 矩阵H ,使p =Hx y .例3 设()TT 1,2,2,(1,0,0)==x e .求Householder 矩阵H ,及实数p ,使p =Hx e 。