[矩阵论]正规矩阵可酉相似对角化

这篇具有很好参考价值的文章主要介绍了[矩阵论]正规矩阵可酉相似对角化。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

满足:
A H A = A A H A^H A = AA^H AHA=AAH
的矩阵,被称为正规矩阵

证明 A A A可以酉相似对角化的充要条件是, A A A是正规矩阵
A H A = A A H A^H A = AA^H AHA=AAH


这里插一句:
一般矩阵可以对角化是:
P − 1 A P = Λ P^{-1}AP = \Lambda P1AP=Λ
Λ \Lambda Λ 是对角阵,而对角化只要求P是个可逆矩阵即可

这里的酉对角化,是一个更强的条件,要求 P P P是一个酉矩阵


再插一句:
酉矩阵 U U U,可以看做正交矩阵的推广,即:
U H U = U U H = I U^HU = UU^H = I UHU=UUH=I


要证明,上述条件是充要的

先证 A H A = A A H A^H A = AA^H AHA=AAH ⇐ \Leftarrow ⇐ A 可以酉相似对角化 A\text{可以酉相似对角化} A可以酉相似对角化

则,存在酉矩阵 U U U, s . t . s.t. s.t.:
U − 1 A U = U H A U = [ λ 1 λ 2 . . . . λ n ] U^{-1} A U = U^H A U = \begin{bmatrix} \lambda_1 & & & \\ & \lambda_2 \\ & & .... \\ &&& \lambda_n \end{bmatrix} U1AU=UHAU=λ1λ2....λn

给上式取转置共轭,则有:
U H A H U = [ λ ˉ 1 λ ˉ 2 . . . . λ ˉ n ] U^H A^H U = \begin{bmatrix} \bar{\lambda}_1 & & & \\ & \bar{\lambda}_2 \\ & & .... \\ &&& \bar{\lambda}_n \end{bmatrix} UHAHU=λˉ1λˉ2....λˉn

然后两式子相乘
( U H A U ) ( U H A H U ) = U H A A H U = [ ∣ λ 1 ∣ 2 ∣ λ 2 ∣ 2 . . . . ∣ λ n ∣ 2 ] (U^H A U) (U^H A^H U) = U^H A A^H U = \begin{bmatrix} | \lambda_1|^2 & & & \\ & | \lambda_2|^2 \\ & & .... \\ &&& |\lambda_n|^2 \end{bmatrix} (UHAU)(UHAHU)=UHAAHU=λ12λ22....λn2

( U H A H U ) ( U H A U ) = U H A H A U (U^H A^H U) (U^H A U)=U^H A^H A U (UHAHU)(UHAU)=UHAHAU 的值也是上述对角阵

故而:
U H A H A U = U H A A H U U^H A^H A U = U^H A A^H U UHAHAU=UHAAHU
有:
A H A = A A H A^H A = A A^H AHA=AAH

再证 A H A = A A H A^H A = AA^H AHA=AAH ⇒ \Rightarrow ⇒ A 可以酉相似对角化 A\text{可以酉相似对角化} A可以酉相似对角化

附录的Schur分解定理,显然存在酉矩阵 U U U, s . t . s.t. s.t.

U H A U = [ t 11 t 12 . . . t 1 n t 22 . . . t 2 n . . . . . . t n n ] U^H A U = \begin{bmatrix} t_{11} & t_{12} & ... & t_{1n} \\ & t_{22} & ... & t_{2n} \\ & & ... & ... \\ && & t_{nn} \\ \end{bmatrix} UHAU=t11t12t22.........t1nt2n...tnn
对该式子进行共轭转置,有:
U H A H U = [ t ˉ 11 t ˉ 12 t ˉ 22 . . . . . . . . . t ˉ 1 n t ˉ 2 n . . . t ˉ 1 n ] U^H A^H U = \begin{bmatrix} \bar{t}_{11} & & & \\ \bar{t}_{12} & \bar{t}_{22} & & \\ ... & ... & ... & \\ \bar{t}_{1n} & \bar{t}_{2n} & ... & \bar{t}_{1n} \\ \end{bmatrix} UHAHU=tˉ11tˉ12...tˉ1ntˉ22...tˉ2n......tˉ1n

根据之前的证明
( U H A H U ) ( U H A U ) = U H A H A U = U H A A H U = ( U H A U ) ( U H A H U ) (U^H A^H U) (U^H A U)=U^H A^H A U = U^H A A^H U = (U^H A U)(U^H A^H U) (UHAHU)(UHAU)=UHAHAU=UHAAHU=(UHAU)(UHAHU)
有:

[ t 11 t 12 . . . t 1 n t 22 . . . t 2 n . . . . . . t n n ] [ t ˉ 11 t ˉ 12 t ˉ 22 . . . . . . . . . t ˉ 1 n t ˉ 2 n . . . t ˉ 1 n ] = [ t ˉ 11 t ˉ 12 t ˉ 22 . . . . . . . . . t ˉ 1 n t ˉ 2 n . . . t ˉ 1 n ] [ t 11 t 12 . . . t 1 n t 22 . . . t 2 n . . . . . . t n n ] \begin{bmatrix} t_{11} & t_{12} & ... & t_{1n} \\ & t_{22} & ... & t_{2n} \\ & & ... & ... \\ && & t_{nn} \\ \end{bmatrix}\begin{bmatrix} \bar{t}_{11} & & & \\ \bar{t}_{12} & \bar{t}_{22} & & \\ ... & ... & ... & \\ \bar{t}_{1n} & \bar{t}_{2n} & ... & \bar{t}_{1n} \\ \end{bmatrix} = \begin{bmatrix} \bar{t}_{11} & & & \\ \bar{t}_{12} & \bar{t}_{22} & & \\ ... & ... & ... & \\ \bar{t}_{1n} & \bar{t}_{2n} & ... & \bar{t}_{1n} \\ \end{bmatrix} \begin{bmatrix} t_{11} & t_{12} & ... & t_{1n} \\ & t_{22} & ... & t_{2n} \\ & & ... & ... \\ && & t_{nn} \\ \end{bmatrix} t11t12t22.........t1nt2n...tnntˉ11tˉ12...tˉ1ntˉ22...tˉ2n......tˉ1n=tˉ11tˉ12...tˉ1ntˉ22...tˉ2n......tˉ1nt11t12t22.........t1nt2n...tnn
仅仅看等式左右结果的对角线元素:
{ ∣ t 11 ∣ 2 + ∣ t 12 ∣ 2 + . . . + ∣ t 1 n ∣ 2 = ∣ t 11 ∣ 2 ∣ t 22 ∣ 2 + ∣ t 23 ∣ 2 + . . . + ∣ t 2 n ∣ 2 = ∣ t 22 ∣ 2 . . . . . . ∣ t n n ∣ 2 = ∣ t 1 n ∣ 2 + ∣ t 2 n ∣ 2 + . . . + ∣ t n n ∣ 2 \left\{\begin{matrix} |t_{11}|^2 + |t_{12}|^2 + ... + |t_{1n}|^2 & = & |t_{11}|^2 \\ |t_{22}|^2 + |t_{23}|^2 + ... + |t_{2n}|^2 & = & |t_{22}|^2 \\ ... && ...\\ |t_{nn}|^2 & = & |t_{1n}|^2 + |t_{2n}|^2 + ... + |t_{nn}|^2& \end{matrix}\right. t112+t122+...+t1n2t222+t232+...+t2n2...tnn2===t112t222...t1n2+t2n2+...+tnn2

得出右上角元素(对角线除外)全为0,故:
U H A U = [ t 11 0 . . . 0 t 22 . . . 0 . . . . . . t n n ] U^H A U = \begin{bmatrix} t_{11} & 0 & ... & 0 \\ & t_{22} & ... & 0 \\ & & ... & ... \\ && & t_{nn} \\ \end{bmatrix} UHAU=t110t22.........00...tnn
证毕

附录:Schur分解定理

∀ A ∈ C n × n \forall A \in C^{n \times n} ACn×n,存在酉矩阵 U ∈ C n × n U\in C^{n\times n} UCn×n,使得

(划重点,这里是任意矩阵!!)

U − 1 A U = U H A U = T = [ λ 1 ∗ . . . ∗ λ 2 . . . ∗ . . . ∗ λ n ] U^{-1}AU = U^H A U = T = \begin{bmatrix} \lambda_1 & * & ... & * \\ & \lambda_2 & ... & * \\ & & ... & * \\ &&& \lambda_n \end{bmatrix} U1AU=UHAU=T=λ1λ2.........λn

其中, λ 1 \lambda_1 λ1 λ 2 \lambda_2 λ2,…, λ n \lambda_n λn A A A的特征值,即 ∀ A \forall A A都可以酉相似于一个上三角矩阵 T T T

证明自己搜吧哈哈哈哈


给出酉相似的标准定义:

A , B ∈ C n × n A,B\in C^{n\times n} A,BCn×n,若存在酉矩阵 U U U使得
U − 1 A U = U H A U = B U^{-1} A U = U^H A U = B U1AU=UHAU=B
则称 A A A B B B酉相似

有参考自:

可对角化的矩阵一定是正规矩阵吗? - junjun的回答 - 知乎 https://www.zhihu.com/question/361598765/answer/1606553052文章来源地址https://www.toymoban.com/news/detail-421860.html

到了这里,关于[矩阵论]正规矩阵可酉相似对角化的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 矩阵理论| 基础:特征值与特征向量、代数重数/几何重数、相似对角化和Jordan标准型

    矩阵 A mathbf A A 的特征值与特征向量满足 A x = λ x mathbf Amathbf x=lambdamathbf x Ax = λ x ,即 ( A − λ I ) x = 0 (mathbf A-lambdamathbf I)mathbf x=0 ( A − λ I ) x = 0 ,且 x ≠ 0 mathbf xneq0 x  = 0 特征值 : d e t ( A − λ I ) = 0 det(mathbf A-lambdamathbf I)=0 d e t ( A − λ I ) = 0 的根,其中 p ( λ

    2024年02月05日
    浏览(55)
  • 线性代数(六):相似对角化

    定义6.1:对 n n n 阶方阵 A bold{A} A , B bold{B} B ,若有可逆 n n n 阶方阵 P bold{P} P 使得: P − 1 A P = B bold{P^{-1}AP=B} P − 1 AP = B 则称 A A A 与 B B B 相似,记作 A ∼ B bold{Asim B} A ∼ B ,而 P bold{P} P 称作相似变换矩阵。 Remark : 矩阵的相似关系是一种矩阵等价的关系。 定理6.1 :若

    2024年02月03日
    浏览(55)
  • LA@相似对角化判定定理和计算方法

    如果方阵 A ∼ Λ bold{A}sim{bold{Lambda}} A ∼ Λ ,且 Λ bold{Lambda} Λ 是一个对角阵(方阵),则称 A bold{A} A 可以 相似对角化 (简称为 对角化 ) 相似对角化变换矩阵的性质 设 n n n 阶矩阵 A bold{A} A 可以被分解为 A = P Λ P − 1 bold{A=PLambda{P^{-1}}} A = PΛ P − 1 (1) ,即 P − 1 A P = Λ bold{P

    2024年02月10日
    浏览(38)
  • 【矩阵论】6. 正规方程与矩阵方程求解

    矩阵论的所有文章,主要内容参考北航赵迪老师的课件 [注]由于矩阵论对计算机比较重要,所以选修了这门课,但不是专业搞数学的,所以存在很多口语化描述,而且对很多东西理解不是很正确与透彻,欢迎大家指正。我可能间歇性忙,但有空一定会回复修改的。 矩阵论 1

    2024年02月02日
    浏览(45)
  • 线代 | 【提神醒脑】自用笔记串联三 —— 相似对角化 · 二次型 · 合同变换

            本文总结参考于 kira 2023 线代提神醒脑技巧班。         笔记均为自用整理。加油!ヾ(◍°∇°◍)ノ゙                               ---------------------------------------------------------------------------------------------------------------------------------------------- 【例

    2023年04月17日
    浏览(45)
  • Python生成对角矩阵和对角块矩阵

    scipy中的函数 在 scipy.linalg 中,通过 tri(N, M=None, k=0, dtype=None) 可生成 N × M Ntimes M N × M 对角矩阵,若 M=None ,则 M M M 默认为 N N N 。 k 表示矩阵中用1填充的次对角线个数。 在 numpy 中也提供了多种对角矩阵生成函数,包括 diag , diagflat , tri , tril , triu 等, numpy.diagflat diagflat 用于

    2024年02月01日
    浏览(47)
  • 矩阵理论| 基础:线性变换(正交/酉变换、对称/共轭变换、正规变换)、不变子空间

    线性变换 T mathcal T T 是从向量到向量的映射,并且满足可加性和数乘性: T ( k α + l β ) = k T ( α ) + l T ( β ) mathcal T(kalpha+lbeta)=kmathcal T(alpha)+lmathcal T(beta) T ( k α + lβ ) = k T ( α ) + l T ( β ) 给定一个坐标系后,线性变换 T mathcal T T 对应一个矩阵 A ∈ C m × n mathbf Ainmathcal

    2024年02月09日
    浏览(48)
  • 矩阵相似_矩阵相似的必要条件

    【分析】A是对角矩阵,求A的相似矩阵就是问,选项ABCD之中哪一个可以相似对角阵A.一个矩阵相似对角阵的充分必要条件是:ni重特征值λ的特征向量有ni个.即r(λiE-A)=n-ni【解答】特征值1为2重特征值,其对于的矩阵(E-A)的秩,r(E-A)=3-2=1选项A,r(E-A)=2选项B,r(E-A)=2选项C,r(E-A)=1选项D,r(E-A)=2选

    2024年02月16日
    浏览(47)
  • torch.diag() 取矩阵对角线元素,torch.diag_embed() 指定值变成对角矩阵

    1、torch.diag() 2、torch.diag_embed()

    2024年02月16日
    浏览(38)
  • 特殊矩阵的压缩存储(对称矩阵,三角矩阵和三对角矩阵)

    目录 1.对阵矩阵 2.三角矩阵 3.三对角矩阵(带状矩阵) 定义:若对一个n阶矩阵A中的任意一个元素 aᵢ,ⱼ 都有aᵢ,ⱼ=aⱼ,ᵢ (1≤i,j≤n),则称其为对称矩阵。 存储策略:只存储主对角线+下三角区(或主对角线+上三角区),以主对角线+下三角区为例,按照行优先把这些元

    2024年02月09日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包