幂等矩阵的性质研究
I 滨州学院 毕业设计（论文）
题 目 幂等矩阵的性质研究 系 （院） 数学系 专 业 数学与应用数学 班 级 2010级1班 学生姓名 崔世玉 学 号 1014070124
指导教师 田学刚 职 称 讲师
二〇一四年六月十日 I
独 创 声 明 本人郑重声明：所呈交的毕业设计(论文)，是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议。尽我所知，除文中已经注明引用的内容外，本设计（论文）不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。 本声明的法律后果由本人承担。
作者签名： 二〇一四年 月 日
毕业设计（论文）使用授权声明 本人完全了解滨州学院关于收集、保存、使用毕业设计（论文）的规定。 本人愿意按照学校要求提交学位论文的印刷本和电子版，同意学校保存学位论文的印刷本和电子版，或采用影印、数字化或其它复制手段保存设计（论文）；同意学校在不以营利为目的的前提下，建立目录检索与阅览服务系统，公布设计（论文）的部分或全部内容，允许他人依法合理使用。 （保密论文在解密后遵守此规定）
作者签名： 二〇一四年 月 日 I
幂等矩阵的性质研究 摘要 幂等矩阵是一类非常特殊的矩阵，不仅在矩阵论中有着重要的应用，而且在其它许多领域也有广泛的应用.本文的主要内容是探讨幂等矩阵性质及其应用，首先对幂等矩阵性质进行分析整理并作简单的推广；然后利用分类讨论的思想研究幂等矩阵线性组合的幂等性，在一定条件下给出3个幂等矩阵的线性组合幂等的充要条件；最后研究幂等矩阵的线性组合的可逆性，给出其可逆的具体刻画.本文研究内容能够丰富幂等矩阵的相关结论，有利于矩阵在其它领域的应用。 关键词: 幂等矩阵；线性组合；可逆矩阵；矩阵的秩 II
Research on the properties of idempotent matrix Abstract Idempotent matrix is a very special class of matrices, which having important applications not only in matrix theory, but also in many other fields .The main content of the paper is to investigate the properties of idempotent matrix and its application.Firstly, the properties of idempotent matrix are analyzed and promoted.By using the category talk and the idempotent matrix idempotency of linear combinations.In some conditions three idempotent matrices the necessary and sufficient conditions in which the linear combination is also idempotent are given.The last research idempotent matrix of the linear combination of reversibility, gives its reversible specific features.In this paper, the research content to enrich the idempotent matrix related conclusions, which is helpful for the application of matrix in other areas.
Key words: idempotent matrix; linear combination; invertible matrix; rank matrix 滨州学院本科毕业设计（论文）
i
目 录
第一章 幂等矩阵的概述 ························ 1 1.1研究背景 ····························· 1 1.2基本概念介绍 ··························· 2 第二章 幂等矩阵的性质 ························· 4 2.1幂等矩阵的主要性质 ························ 4 2.2幂等矩阵的等价命题 ························ 7 第三章 幂等矩阵线性组合的幂等性 ··················· 12 3.1 3个幂等矩阵线性组合的幂等性 ·················· 12 3.2 3个立方幂等矩阵的线性组合的幂等性 ··············· 14 第四章 幂等矩阵线性组合的可逆性 ··················· 16 4.1 幂等矩阵线性组合的可逆性 ···················· 16 4.2 三个三次幂等矩阵的线性组合的可逆性问题 ············· 18 小结 ································ 20 参考文献 ······························ 21 谢辞 ································ 22
滨州学院本科毕业设计（论文）
1 第一章 幂等矩阵的概述 1.1研究背景 幂等矩阵是矩阵中非常特殊的一类矩阵，也是非常重要且非常常见的一类矩阵，很多其他特殊矩阵都与幂等矩阵有着密切的联系，如对合矩阵及投影矩阵.幂等矩阵在数学领域及其他许多领域的应用都非常广泛，幂等矩阵更是矩阵论中的一个基础部分，幂等矩阵在可对角化矩阵的分解中具有重要作用.近年来有关此问题的研究吸引了国内外许多研究学者的关注，关于幂等矩阵的研究已经成为矩阵论中的活跃的研究领域.幂等矩阵在研究广义逆矩阵中占有非常重要的位，研究幂等矩阵的性质是研究其他特殊矩阵的基础.广义逆的思想可追溯到1903年(E.) i. Fred Holm的工作，他讨论了关于积分算子的一种广义逆(他称之为伪逆)。1904年，D. Hilbert broadly在广义格林函数的讨论中，含蓄地提出了微分算子的广义逆。而任意矩阵的广义逆定义最早是由E.H. Moore在1920年提出的，他以抽象的形式发表在美国数学会会刊上.当时人们对此似乎很少注意。这一概念在以后30年中没有多大发展.曾远荣在1933年，F.J. Murray 和J. von Neumann在1936年对希尔伯特空间中线性算子的广义逆作过讨论。T.N.E. Greville, C.R. Rao和其他人也作出了重要的贡献.1955年，Penrose证明了存在唯一的AX满足前述性质①～④，并以此作为A的定义.1956年，R. Colorado证明了彭罗斯定义的广义逆与穆尔定义的广义逆是等价的，因此通称A为穆尔-彭罗斯广义逆矩阵。幂等矩阵是国内外学者都非常感兴趣的一类矩阵，如文[1]中研究了幂等矩阵的可对角化性质，证明了幂等矩阵是可对角化的；文[2]研究了幂等矩阵的伴随矩阵的幂等性等等。本文在接下来的章节中，我们将先给出幂等矩阵的定义及几个简单命题，并证明.然后给出幂等矩阵的一系列性质，在前人的基础上进行总结以及推广，并进行证明。再给出幂等矩阵的等价命题，并给出证明。然后讨论幂等矩阵的线性组合的相关性质并对幂等矩阵进行深入研究。 滨州学院本科毕业设计（论文）
2 1.2 幂等矩阵的概念 定义1.1]3[ 若nnCA有性质AA2, 则称A为幂等矩阵. 为了更好地了解幂等矩阵, 现在来看以下几个命题: 引理1.1 若n阶方阵A是幂等矩阵, 则与A相似的任意n阶方阵是幂等矩阵.
证明 设AB~(即矩阵B与矩阵A相似),则,可逆nnCP使得 BAPP1且 PAPAPPAPPB21112, 又 AA2,所以
BAPPPAPB1212，
所以B是幂等矩阵. 定理1.1也可以表述为: 若A是幂等矩阵, 则对于任意可逆阵T, ATT1也 为幂等矩阵.
引理1.2 若n阶方阵A是幂等矩阵, 则A的转置TA, A的伴随矩阵*A及AE 都是幂等矩阵.
证明 TTTAAA22, 即TA为幂等矩阵; 对*A, 先证明对任意两个幂等矩阵BA、, 有关系式***ABAB. 由binetCauchy公式有: jiAB
,
*矩阵AB的第i行第j列的代数余子式
.,,1,1,,2,1,,,1,1,,2,1,,1,1,,2,1,,,1,1,,2,11,,1,1,,2,1,,,1,1,,2,11,**111jijknkkikinkjknkjijiABABBAniinkkBnkknjjAniinjjAB
所以, 2*****2*AAAAAAA，
对AE, 有
矩阵分析期末试题及答案
矩阵分析期末试题及答案矩阵分析是一门重要的数学课程，在科学、工程和经济等领域都有广泛的应用。
期末试题的设置既考查学生对于矩阵分析理论的理解，也测试其应用能力和解决问题的能力。
本文将为您提供一套矩阵分析的期末试题，并附有答案解析。
1. 简答题（每小题2分，共20分）(1) 请简述矩阵的定义和基本术语。
答案：矩阵是由数个数排成m行n列的一个数表。
行数和列数分别称作矩阵的行数和列数。
矩阵的元素用a[i, j]表示，其中i表示所在的行数，j表示所在的列数。
(2) 请解释什么是方阵和对角矩阵。
答案：方阵是行数和列数相等的矩阵。
对角矩阵是除了主对角线上的元素外，其他元素都为零的矩阵。
(3) 请解释矩阵的转置和逆矩阵。
答案：矩阵的转置是指将矩阵的行和列进行互换得到的新矩阵。
逆矩阵是满足A * A^(-1) = I的矩阵A的逆矩阵，其中I是单位矩阵。
(4) 请简述特征值和特征向量的定义。
答案：特征值是方阵A满足方程A * X = λ * X的标量λ，其中X是非零的列向量。
特征向量是对应特征值的零空间上的非零向量。
(5) 请解释矩阵的秩和行列式。
答案：矩阵的秩是指矩阵中线性无关的行或列的最大个数。
行列式是将矩阵的元素按照一定规则相乘并相加得到的一个标量。
(6) 请解释正交矩阵和幂等矩阵。
答案：正交矩阵是满足A * A^T = I的矩阵A。
幂等矩阵是满足A *A = A的矩阵A。
(7) 请解释矩阵的特征分解和奇异值分解。
答案：矩阵的特征分解是将一个矩阵表示为特征向量矩阵、特征值矩阵和其逆的乘积。
奇异值分解是将一个矩阵表示为三个矩阵相乘的形式，其中一个是正交矩阵，一个是对角矩阵。
(8) 请解释矩阵的迹和范数。
答案：矩阵的迹是指矩阵对角线上元素的和。
范数是用来衡量矩阵与向量的差异程度的指标。
(9) 请解释矩阵的稀疏性和块状矩阵。
答案：矩阵的稀疏性是指矩阵中大部分元素为零的特性。
块状矩阵是由多个子矩阵组成的一个矩阵。
(10) 请解释矩阵的正定性和对称性。
浅谈伴随矩阵的性质及其应用【文献综述】
文献综述数学与应用数学浅谈伴随矩阵的性质及其应用高等代数是最具有生命力的数学分支之一, 从它诞生起即日已成为人类认识并进而改造自然的有力工具, 成为数学科学联系实际的主要途径之一. 在长期不断的发展过程中, 它一方面直接从与生产实践联系的其他科学技术中汲取活力, 另一方面又不断地以全部数学科学的新旧成就来武装自己, 所以它的问题和方法越来越显得丰富多彩[1].线性代数是高等代数的重要组成部分, 是讨论矩阵理论、与矩阵结合的有限维向量空间及其线性变换理论的一门学科. 它在数学、力学、物理学和技术学科中有各种重要应用, 因而它在各种代数分支中占居首要地位. 在计算机广泛应用的今天, 计算机图形学、计算机辅助设计、密码学、虚拟现实等技术无不以线性代数为其理论和算法基础的一部分. 随着科学的发展，我们不仅要研究单个变量之间的关系, 还要进一步研究多个变量之间的关系, 各种实际问题在大多数情况下可以线性化, 而由于计算机的发展, 线性化了的问题又可以计算出来, 线性代数正是解决这些问题的有力工具[2].矩阵, 是代数学的一个主要研究对象, 是数学中最重要的基本概念之一, 也是数学研究及应用的一个重要工具. 矩阵这一具体概念是由19世纪英国数学家凯利首先提出的, 并形成了矩阵代数这一系统理论. 在实际生活中, 很多问题可以借用矩阵抽象出来进行表述并进行运算, 如在各循环赛中常用的赛况表格、国民经济的数学问题等[2-3].数学上, 一个矩阵乃一行列的矩形阵列. 矩阵由数组成, 或更一般的有某环n m m n 中元素组成, 矩阵常见于线性代数、线性规划、统计分析、解析几何, 以及组合数学等. 矩阵在微积分、图论、对策、数据拟合等模型中也有着非常广泛的应用. 如数学建模是把现实世界中的实际问题抽象成数学模型，求出模型的解，验证模型的合理性后，用它的解来解释现实问题，这其中要用到许多的数学知识, 而矩阵作为一种认识复杂问题的简捷的数学工具，在数学模型中具有重要的作用, 从数学规划模型和线性代数模型中分析矩阵应用, 通过分析来提高数学建模的技巧, 可以使数学建模更好地服务于各个领域[ 4]. 又如在图论中应用于顶点覆盖问题、最短路径问题、哈密顿回路问题和最大团问题等[2].矩阵可以分为很多类, 有初等矩阵、分块矩阵[5]、幂等矩阵[7]、Hankel 矩阵[8]等等, 近E3227号问题[18]. 现今不仅专业研究伴随矩阵的数学工作者愈加众多, 而且量子力学、刚体力学、流体力学、自动控制等各个学科或尖端技术领域内的研究工作者也都以它为必需的工具了. 如蔡建乐提出了用特征矩阵的伴随矩阵求惯量主轴的代数方法[19], 这有利于刚体力学的发展, 更体现伴随矩阵的物理意义.在《高等代数》和《线性代数》的各种教材中, 伴随矩阵只是作为求解逆矩阵的工具出现的, 并没有进行深入的研究. 所以对伴随矩阵的研究是十分必要的, 本课题将进一步探讨伴随矩阵的性质和应用, 特别在一些特殊矩阵的基础上, 以便进一步发掘伴随矩阵的作用.参考文献[1] 杨子胥. 高等代数习题集[M]. 济南: 山东科学技术出版社, 1982.[2] 北京大学数学系几何与代数小组编. 高等代数[M]. 北京: 高等教育出版社, 2003.9.[3] R. A. Horn, C. R. Johnson. Matrix Analysis[M]. Cambridge University Press, 1986.[4] 许维珍. 数学模型中矩阵的应用[J]. 湖南农业大学学报, 2008, 9(5): 84~86.[5] 徐天保. 分块矩阵的应用[J]. 安庆师范学院学报, 2010, 16(2): 106~108[6] C.M. Han. Some operation properities of Adjoint Matrices for Block Matrices[J]. Journal ofMathematics Reseearch, 2009, 1(2): 119~122.[7] 徐宏武. 幂等矩阵的性质及应用[J]. 宜春学院学报, 2004, 26(6): 22.[8] 谭瑞梅等. Hankel 矩阵的性质及其应用[J]. 郑州轻工业学院学报, 2005, 20(4): 97~99.[9] 杨闻起. 伴随矩阵的性质[J]. 宝鸡文理学院学报, 2003, 23(1): 20~21.[10] 王航平. 伴随矩阵的若干性质[J]. 中国计量学院学报, 2004, 15(3): 247~249.[11] 郑茂玉. 伴随矩阵的性质[J]. 南方冶金学院学报, 1991, 12(3): 55~60.[12] 徐淳宁. 关于伴随矩阵的推广[J]. 长春邮电学院学报, 1997, 15(4): 63~64.[13] 贾美娥. 关于矩阵的伴随矩阵[J]. 赤峰学院学报, 2009, 25(9): 16~17n m [14] 韩成茂. 伴随矩阵性质研究[D]. 山东: 山东大学, 2008.[15] 吕兴汉. 关于伴随矩阵性质的进一步讨论[J]. 2006, 22: 322~323.[16] 刘佑林. 伴随矩阵若干性质[J]. 湘南学院学报, 2009, 30(5): 31~32.[17] 肖翔, 许伯生. 伴随矩阵的性质[J]. 上海工程技术大学教育研究, 2007, (3): 48~49.[18] 张明善. 伴随矩阵的一个应用[J]. 西南民族学院学报. 自然科学版, 1996, 22(1): 123.[19] 蔡建乐. 用特征矩阵的伴随矩阵求解惯量主轴方向[J]. 大学物理, 1995, 14(9): 21~22.[20] 苗宝军, 赵艳敏. 高等代数中伴随矩阵性质的研究及其应用[J]. 考试周刊, 2009, 31:61.。
矩阵函数的定义与性质
矩阵函数的定义与性质矩阵函数是一类涉及矩阵运算的多元函数，广泛应用于数学、物理、工程等领域。
矩阵函数的定义与性质对于深入理解矩阵运算非常重要，本文将介绍矩阵函数的基本定义以及一些常见的性质。
矩阵函数的定义矩阵函数通常可以表示为f(A)，其中A是一个矩阵，$f(\\cdot)$是一个函数。
对于一个$n \\times n$的矩阵A，其矩阵函数可以通过泰勒级数展开来定义：$$f(A) = c_0I + c_1A + c_2A^2 + \\cdots + c_kA^k + \\cdots$$其中，I是单位矩阵，c i是函数f(x)在点i处的导数。
矩阵函数的性质1. 线性性质若f(A)和g(A)是矩阵A的函数，c1和c2为常数，则有：$$ \\begin{aligned} & f(A) + g(A) = g(A) + f(A) \\\\ & c_1f(A) = f(c_1A)\\end{aligned} $$2. 矩阵的幂运算对于矩阵函数f(A)=A k，其性质如下：•若A是可对角化的矩阵，则f(A)也可对角化。
•若A是对称矩阵，则f(A)也是对称矩阵。
•若A是幂等矩阵（即A2=A），则f(A)也是幂等矩阵。
3. 矩阵函数的微分对于矩阵函数f(A)，其微分形式如下：df(A)=f′(A)dA其中，f′(A)表示f(A)的导数，dA表示矩阵A的微小变化。
4. 特征值与特征向量矩阵函数f(A)的特征值与特征向量也与矩阵A的特征值与特征向量有密切联系。
若$\\lambda$是矩阵A的特征值，v是对应的特征向量，则$f(\\lambda)$是矩阵f(A)的特征值，v是对应的特征向量。
结语通过以上介绍，我们对矩阵函数的定义与性质有了初步了解。
矩阵函数的研究不仅有助于理解矩阵运算的复杂性，还在实际问题中有着广泛的应用。
希望本文的介绍能够对读者有所帮助。
矩阵可交换成立的条件与性质
毕业设计（论文）题目矩阵可交换成立的条件与性质学院理学院专业数学与应用数学年级 2008级班级 0814 姓名吴锦娜学号 2008530088 指导教师李伟职称副教授矩阵可交换成立的条件与性质[摘要］矩阵是高等数学中一个重要内容，在数学领域以及其他科学领域有着重大的理论意义．众所周知，矩阵的乘法在一般情况下是不满足交换律的，即在通常情况下，BAAB ．但是,在某些特殊情况下，矩阵的乘法也能满足交换律．可交换矩阵有着很多特殊的性质和重要的作用．本文从可交换矩阵和相关知识的定义出发，探讨了矩阵可交换的一些条件和可交换矩阵的部分性质及应用，并且介绍了几类特殊的可交换矩阵．[关键词］矩阵可交换条件性质应用The Conditions for The Commutation of Matrix and Its Some Properties［Abstract] Matrix， a important content in altitude－mathematics， has a great theoretic significance in the aspect of both mathematics and other science field。
As far as we have concerned，the multiplication of matrix could not satisfy the exchange rule under the normal condition, that is to say, normally，AB≠BA。
Whereas, in some certain conditions, the multiplication of matrix could satisfy the exchange rule。
The exchangeable matrix has many special properties and important effection。
秩幂等矩阵的特征
ｌ ｅｒ ｐｃ ＾ ｒ ｇ ｅ ｙｕｉ ｅｍ ｔｏｓｏ ｌ ｅｒ ｌ ｂａ ｉ ａ ａｅＰ ａｅ ｉ ｎｂ ｓ ｇｔ ｅ ｄ ｉ ａ ｇ ｒ． ｎ ｓ ｖ ｎ ｈ ｈ ｆ ｎ ａｅ
Ｋｅ ｒ ｓ ｄ ｍａ ｎ ｅ ｎ ｌｓ ａ ｅ ａ ｋ ｏ ｔ ｘ ｈ ｒ ｃｅ ｓ ｃ ｓ ｂ ｐ ｃ ｙ ｗｏ ｄ ： ｏ ｉ ；ｋ ｒ ｅ ｐ ｃ ；ｒ ｎ ｍａｒ ；ｃ ａ ａ ｔｒ ｔ ｕ ｓ ａ ｅ ｆ ｉ ｉｉ
维普资讯
第２ ３卷 第 ５期 ２０ ０ ７年 １ Ｏ月
黄
石 理
工
学
院 学
报
Ｖ０． ３ Ｎｏ ５ 】２ ．
Ｏｔ ｃ
பைடு நூலகம்
Ｊ ＯＵＲＮ ＡＬ ＯＦ ＨＵＡＮ ＨＩＩ ｒ ｒ ＯＦＴＥ ＨＮ ＯＧ ＧＳ ＮＳ Ｔ ＵＩ Ｉ Ｅ Ｃ ＯＬ Ｙ
Ａ 。的几 何重 数． 以下是第 ２节 定理 证 明 时需 要 的
收 稿 日期 ：０ ７—０ ２０ ９—０ ５ 女 金 项 目 ： 北 师 范 学 院 教 学 研 究 项 目（ 号 ：８ 基 湖 编 ５） 作者简介 ： 涛 （９ ０ 谢 １８一 ） 男 ， ， 湖北 黄石人 ， 助教 ， 硕士。
若 Ａ ＥＰ
， Ａ）＝Ｉ Ｅ ｆ（ 一Ａｌ Ａ 的特 征 多 项 Ａ 为
２ 主 要 结 果及 证 明
定理 １ 如果 Ａ∈Ｐ ， 那么下列各条彼此等价 ：
（） １Ａ是秩幂等矩阵；
（ ） ＥＺ ｒＡ ＝ｒＡ ） ２ Ｖｋ ，（ ） （ ； （ ） ∈ ， （ ） Ｒ Ａ ） ３ Ｖｋ Ｚ 尺 Ａ ＝ （ ；
ＣＥＰ ， 么 那
｛ ａ＝０｝ ａＥ ｌ Ｐ Ａ 表示 Ａ的核 子空 间 ， （ 表示 矩 ｒ Ａ）
伴随变换与伴随矩阵的定义与性质
伴随变换与伴随矩阵的定义与性质伴随变换与伴随矩阵是线性代数中的重要概念，它们在矩阵理论、向量空间和线性变换等领域中具有广泛的应用。
本文将介绍伴随变换与伴随矩阵的定义与性质。
一、伴随变换的定义在线性代数中，给定一个向量空间V和线性变换T：V→V，称T 的伴随变换为一个线性变换T*：V→V，满足对任意的u、v∈V有内积的等式：〈Tu，v〉=〈u，T*v〉其中，〈·，·〉表示向量的内积。
二、伴随变换的性质1. 伴随变换的存在性对于给定的线性变换T：V→V，伴随变换T*一定存在且唯一。
2. 伴随变换的线性性质对于任意的线性变换T1、T2以及标量c，有以下等式成立：(T1+T2)*=T1*+T2*(cT1)*=cT1*3. 伴随变换的伴随性质对于任意的线性变换T：V→V的伴随变换T*的伴随变换(T*)*，有以下等式成立：(T*)*=T三、伴随矩阵的定义设V为n维向量空间，B={v1, v2, ..., vn}为V的一组基，对于线性变换T：V→V，其在基B下的矩阵为A=[T]B，称A的伴随矩阵为A*，满足以下等式：[A*]B=[T*]B四、伴随矩阵的性质1. 伴随矩阵的存在性对于给定线性变换T：V→V，其在基B下的矩阵A=[T]B一定存在且唯一，因此其伴随矩阵A*也存在且唯一。
2. 伴随矩阵的基本性质（1）伴随矩阵的行列式若A是一个n×n矩阵，其伴随矩阵为A*，则有det(A*)=[det(A)]^(n-1)。
（2）伴随矩阵的迹若A是一个n×n矩阵，其伴随矩阵为A*，则有tr(A*)=(n-1)tr(A)。
（3）伴随矩阵的秩若A是一个n×n矩阵，其伴随矩阵为A*，则有rank(A*)=rank(A)。
3. 伴随矩阵的转置性质若A是一个n×n矩阵，其伴随矩阵为A*，则有(A*)^T=(A^T)*。
4. 伴随矩阵的幂等性质若A是一个n×n矩阵，其伴随矩阵为A*，则有(A*)^2=(det(A))^(n-2)A。
第三章 内积空间、正规矩阵、Hermite矩阵1
{α i , i = 1, 2, , n}
因此，可以分析求解内积空间的标准基的问题。
正交基，标准正交基
从线性空间的任何一组基出发，可以采用Gram-Schmidt 正交化方法构造出一个标准正交基。
目的:引入标准正交基的好处是使得度量矩阵 变为单位矩阵，在很多计算问题中可用以简化 运算。
p101例题：3.2.1~ 3.2.2
α1 , α 2 , , α n
′ , , α n ′ α1′, α 2
度量矩阵 度量矩阵
A B
′ , , α n ′ ) = (α1 , α 2 , , α n ) P (α1′, α 2
B
T P = AP or BT P H AT P
定义1.5:
设V是酉（欧氏）空间，定义 ∀α ∈ V 长度为
(3), A ∈ U
T n×n
n×n
换种说法，就是矩阵 的逆等于它的复共轭 转置。由此可见，对 于这类矩阵，求逆矩 阵是十分方便的。
(1), A = A
−1
T
(2), det A = ±1
(3), AT ∈ E n×n
(4), if B ∈ U
,
n×n
then AB, BA ∈ U
(4), if B ∈ E n×n , then AB, BA ∈ E n×n
(4) (α , α ) ≥ 0, 当且仅当α = 0时(α , α )＝0
那么称V是n维欧几里得空间，简称欧氏空间。
定义1.2: 设V是复数域C上的n维线性空间， 定义如下法 则，称为内积。
∀α , β ∈ V
如果有，
(α , β ) ∈ C
(1) (α , β ) = ( β , α )
《计量经济学》第二章知识
第二章 数学基础 (Mathematics)第一节 矩阵(Matrix)及其二次型(Quadratic Forms)第二节 分布函数(Distribution Function)，数学期望(Expectation)及方差(Variance) 第三节 数理统计（Mathematical Statistics ） 第一节 矩阵及其二次型(Matrix and its Quadratic Forms)2.1 矩阵的基本概念与运算 一个m ×n 矩阵可表示为：v a a a a a aa a a a A mn m m n n ij ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡== 212222111211][矩阵的加法较为简单，若C=A +B ，c ij =a ij +b ij但矩阵的乘法的定义比较特殊，若A 是一个m ×n 1的矩阵，B 是一个n 1×n 的矩阵，则C =AB 是一个m ×n 的矩阵，而且∑==nk kj ikij b ac 1，一般来讲，AB ≠BA ，但如下运算是成立的：● 结合律（Associative Law ） (AB )C =A （BC ） ● 分配律（Distributive Law ） A (B +C )=AB +AC 问题：(A+B)2=A 2+2AB+B 2是否成立？向量（Vector ）是一个有序的数组，既可以按行，也可以按列排列。
行向量(row ve ctor)是只有一行的向量，列向量(column vector)只有一列的向量。
如果α是一个标量，则αA =[αa ij ]。
矩阵A 的转置矩阵(transpose matrix)记为A '，是通过把A 的行向量变成相应的列向量而得到。
显然(A ')′=A ，而且（A +B ）′=A '+B '，● 乘积的转置（Transpose of ａ production ） A B AB ''=')(，A B C ABC '''=')(。
k次幂等矩阵和矩阵的正交性
幂等矩阵是矩阵理论中一类特殊的矩阵 ,它不但在线性代数中有着重要的应用 ,在其它学科里 ,如计 量经济学 、 统计学中也有重要应用 。在线性代数中 , 我们把满足 A = A 的矩阵 A 叫做幂等矩阵 。本文主 要对 次幂等矩阵进行讨论 , k 次幂等矩阵是通常幂等矩阵的推广 ,并给出它们的一些性质 。文中的 R 是 指数域 ,记 M n ( R ) 是数域 R 上 n 阶矩阵全体 ,文中的一些基本概念和记号可参见文献 [ 1 ] 。
57
另一方面 ,由定理 5 知 i k- 1 k- 1 k- 1 k- 1 r ( A ) + r ( E - A ) = r ( A ) + r ( E - A ) ≥r ( A ) + r ( E - A ) ≥ k- 1 k- 1 r[ A + ( E - A ) ] = r ( E) = n 所以 r ( Ai ) + r ( E - Ak - 1) = n , i = 1 ,2 , …, k - 1 ( 2) ] ( 3) 。显然 。
2
1 k 次幂等矩阵和矩阵正交的特征值之间的关系
定义 1 若 P = P ∈M n ( R ) , k Ε 1 ,则称 P 为 M n ( R ) 中的 k 次幂等矩阵 。令 Pn ( R ) = { P| P = P ∈
k k k k
M n ( R) } 。
定义 2 命题 1 定义 3 命题 2
k
=
k
0
0 P2
=
P1 0 0 P2
k- 1
同理计算可得 :
Q1
k- 1
T1 P1
0
Q2
k- 1
P1
k- 1
k- 1
S 1 Q1
中心幂等元定义
中心幂等元定义中心幂等元是指在线性代数中，一个矩阵的幂的等价类的代表矩阵。
矩阵的幂的等价类指的是将矩阵进行相似变换后得到的矩阵的集合。
其中，相似变换是指矩阵乘上一个非奇异矩阵所得到的矩阵。
中心幂等元具有重要的数学意义，广泛应用于线性代数、矩阵论、概率论等领域。
1. 什么是中心幂等元中心幂等元是在代数学中所使用的一种概念。
在一个群G中，如果存在一个元素e，使得对于任意的x∈G，都有ex=xe=x，那么这个元素e称为中心幂等元。
也就是说，中心幂等元是一种使任意元素乘上它后不变的元素。
在数学中，中心幂等元常常被称为单位元。
在加法群中，中心幂等元就是0；在乘法群中，中心幂等元就是1。
因此，中心幂等元在数学中是一个非常重要的概念，并在许多不同的数学领域中广泛使用。
2. 中心幂等元的性质中心幂等元是指一个群中的某一个特殊元素，满足在该群的运算下，对于任意一个元素$a$，有 $a^{e}=a$。
在数学中，中心幂等元常常被称作单位元，是用来满足群的乘法单位元定义的。
例如，在整数群 $(\mathbb{Z}, +)$ 中，$0$ 是中心幂等元。
在实数群 $(\mathbb{R}, +)$ 中，$1$ 是中心幂等元。
在复数群 $(\mathbb{C}, +)$ 中，$1$ 也是中心幂等元。
中心幂等元具有一些特殊的性质，例如：* 对于任意的元素 $a$，都有 $a^e=a$。
* 对于任意的元素 $a$，都有 $a^{e^{-1}}=a^{-1}$。
* 对于任意的元素 $a$，都有 $a^{e^2}=a^2$。
这些性质使得中心幂等元在群的运算中具有重要的作用。
3. 中心幂等元的应用中心幂等元是指在群论中，满足任意群中任意元素的幂次为这个群的单位元（即满足$x^k = e$，其中$x$为群中任意元素，$e$为单位元，$k$为整数）的元素被称为中心幂等元。
在循环群中，每一个元素都是中心幂等元，因为在循环群中，任意元素的幂次都会回到原位。