-
等價關係(1.反身性 2.對稱性 3.傳遞性)
-
劃分 U=U1∪U2∪⋯Un
Ui∩Uj=Φ,i=j
-
相抵(如果A經過一系列行變換和列變換可以變換到B).那麼A∼B也就是相抵.
-
相抵是一個等價類.
-
As×n
PtPt−1⋯P1AQ1Q2⋯Qm=B⇒PAQ=B
其中,P是s級可逆矩陣.Q是n級可逆矩陣.
-
如果A的秩爲r那麼 (Ir000) 叫做A的相抵標準型.
-
廣義逆矩陣.
AA−1A=A⇒AXA=A
解出X,那麼X就是廣義逆.
-
A=P(Ir000)Q X=Q−1(IrCBD)P−1 B,C,D可以任意指定.其中X就是廣義逆.
-
如果Ax=β有解.那麼 X=A−β
-
齊次線性方程組AX=0的通解爲 X=(In−A−A)Z
Z是Kn中任意一個列向量.
-
Moore-Penrose方程組 ⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧AXA=AXAX=X(AX)∗=AX(XA)∗=XA
其中A∗是共軛轉置.這個方程組的解稱作A+叫做Moore-Penrose廣義逆.
-
如果A是複數域上面的非0矩陣.Penrose廣義逆總是有解,且解唯一.
-
相似矩陣定義,如果兩個n級矩陣A,B.以及存在一個n級的可逆矩陣使得
P−1AP=B 那麼,我們稱A,B相似.
-
跡的定義 tr(A)=a11+a22+⋯+ann
-
跡的性質
tr(A+B)=tr(A)+tr(B)
tr(kA)=ktr(A)
tr(AB)=tr(BA)
-
相似矩陣有相同的跡.
-
A可對角化的定義是
P−1AP=diag{(λ1,λ2,⋯,λn)}
-
如果A相似於一個對角矩陣.那麼A可對角化.
-
特徵值,特徵向量 Av=λv
-
特徵方程∣λI−A∣=0的根是特徵值.
-
λ0的特徵向量爲以下方程的解 (λ0I−A)X=0
-
相似矩陣有相等的特徵多項式.
∣λI−B∣=∣λI−P−1AP∣=∣P−1(λI−A)P∣=∣λI−A∣
-
對於∣λI−A∣是一個n次多項式.那麼 −tr(A)
是λn−1的係數.常數項爲. (−1)n∣A∣
而λn−k是A的所有k階主子式的和乘以(−1)k.
-
tr(A)=∑i=1nλi,∣A∣=∏i=1nλi
-
幾何重數:λi特徵子空間的維數.
-
代數重數:λi重根的個數.
-
λi的幾何重數不超過代數重數.
-
正交矩陣的特徵值爲1或-1 Av=λv
(vTAT)Av=(λvT)(λv)⇒∣∣v∣∣=λ2∣∣v∣∣
-
A
可以對角化的充分必要條件是,A有n個線性無關的特徵向量(α1,α2,⋯,αn),此時
P=(α1,α2,⋯,αn)
P−1AP=diag{λ1,λ2,⋯,λn} 簡要證明:
P−1AP=P−1P⎝⎜⎜⎜⎛λ1λ2⋮λn⎠⎟⎟⎟⎞
-
不同特徵值的特徵向量之間線性無關.
假設k1α1+k2α2+⋯+ksαs+l1β1+l2β2+⋯+lrβr=0
A(k1α1+k2α2+⋯+ksαs+l1β1+l2β2+⋯+lrβr)=0
k1λ1α1+k2λ1α2+⋯+ksλ1αs+l1λ2β1+l2λ2β2+⋯+lrλ2βr
兩式相減.
l1(λ2−λ1)β1+l2(λ2−λ1)β2+⋯+lr(λ2−λ1)βr=0
-
A不同特徵值的特徵向量所組成的集合,線性無關.
-
A可以對角化的充分必要條件是A有n個線性無關的特徵向量.
-
二次曲面舉例 x2+4y2+z2−4xy−8xy−4yz−1=0
-
如果一個矩陣可以把一個二次曲面變成標準型.那麼這個矩陣一定是正交陣.
⎝⎛xyz⎠⎞=M⎝⎛x∗y∗z∗⎠⎞ (x∗,y∗,z∗)MTAM⎝⎛x∗y∗z∗⎠⎞ 其中D=MTAMT,是一個對角矩陣.
-
正交相似:如果存在一個正交陣M使得M−1AM=B.
那麼就稱A正交相似於B.
-
實對稱矩陣,特徵多項式的每一個根都是實數.從而可以推斷實對稱矩陣含有n個特徵值.繼而有n個非線性相關的特徵向量.
Aα=λα
Aα=λα⇒Aα=λα
αTAα=λαTα
-
實對象矩陣,屬於不同特徵值的特徵向量是正交的. λ1(α1,α2)=(λ1α1,α2)=α1TAa2λ2(α1,α2)=(α1,λ2α2)=α1TAa2 上下相減,可得證.
-
實對稱矩陣正交相似於對角矩陣.(實對稱矩陣一定可以對角化)
-
如果一個n級矩陣A正交相似於一個對角陣D,那麼A一定是對稱矩陣.
-
n級實對稱矩陣正交相似的充分必要條件是他們相似.
-
eA=m=0∑+∞m!Am
-
eA+B=eAeB, 通常是不等的.
-
對於任意一個n級實矩陣A,eA可逆,(eA)−1=e−A
-
如果A是n級斜對稱矩陣,那麼eA是正交矩陣.
-
我們來看 A=(0−xx0)⇒eA=(cos(x)−sin(x)sin(x)cos(x))
-
eP−1AP=P−1eAP
eP−1AP=m=0∑+∞m!(P−1AP)m=m=0∑+∞m!P−1AmP