线性代数|分块对角矩阵的定义和性质

这篇具有很好参考价值的文章主要介绍了线性代数|分块对角矩阵的定义和性质。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。

前置知识:

  • 阶梯形行列式的性质

定义 设 A \boldsymbol{A} A n n n 阶方阵,若 A \boldsymbol{A} A 的分块矩阵只有在对角线上有非零子块,其余子块都为零矩阵,且在对角线上的子块都是方阵,即
A = ( A 1 O A 2 ⋱ O A s ) \boldsymbol{A} = \begin{pmatrix} \boldsymbol{A}_1 & & & \boldsymbol{O} \\ & \boldsymbol{A}_2 & & \\ & & \ddots & \\ \boldsymbol{O} & & & \boldsymbol{A}_s \end{pmatrix} A= A1OA2OAs
其中 A i   ( i = 1 , 2 , ⋯   , s ) \boldsymbol{A}_i \ (i=1,2,\cdots,s) Ai (i=1,2,,s) 都是方阵,那么称 A \boldsymbol{A} A 为分块对角矩阵。

根据阶梯状行列式的性质,分块对角矩阵的行列式具有如下性质:

性质 1 分块对角矩阵的行列式满足
∣ A ∣ = ∣ A 1 ∣ ∣ A 2 ∣ ⋯ ∣ A s ∣ |\boldsymbol{A}| = |\boldsymbol{A}_1| |\boldsymbol{A}_2| \cdots |\boldsymbol{A}_s| A=A1∣∣A2As

证明 由阶梯状行列式的性质可知,显然满足。

根据性质 1 可知,分块对角矩阵的逆矩阵具有如下性质

性质 2 若 ∣ A i ∣ ≠ 0   ( i = 1 , 2 , ⋯   , s ) |\boldsymbol{A}_i| \ne 0 \ (i=1,2,\cdots,s) Ai=0 (i=1,2,,s),则 ∣ A ∣ ≠ 0 |\boldsymbol{A}| \ne 0 A=0,并有
A − 1 = ( A 1 − 1 O A 2 − 1 ⋱ O A s − 1 ) \boldsymbol{A}^{-1} = \begin{pmatrix} \boldsymbol{A}_1^{-1} & & & \boldsymbol{O} \\ & \boldsymbol{A}_2^{-1} & & \\ & & \ddots & \\ \boldsymbol{O} & & & \boldsymbol{A}_s^{-1} \end{pmatrix} A1= A11OA21OAs1

证明 不妨设 B = ( A 1 − 1 O A 2 − 1 ⋱ O A s − 1 ) \boldsymbol{B} = \begin{pmatrix} \boldsymbol{A}_1^{-1} & & & \boldsymbol{O} \\ & \boldsymbol{A}_2^{-1} & & \\ & & \ddots & \\ \boldsymbol{O} & & & \boldsymbol{A}_s^{-1} \end{pmatrix} B= A11OA21OAs1 ,根据分块对角矩阵的性质,有
A B = ( A 1 O A 2 ⋱ O A s ) ( A 1 − 1 O A 2 − 1 ⋱ O A s − 1 ) = ( A 1 A 1 − 1 O A 2 A 2 − 1 ⋱ O A s A s − 1 ) = ( E O E ⋱ O E ) = E \boldsymbol{A} \boldsymbol{B} = \begin{pmatrix} \boldsymbol{A}_1 & & & \boldsymbol{O} \\ & \boldsymbol{A}_2 & & \\ & & \ddots & \\ \boldsymbol{O} & & & \boldsymbol{A}_s \end{pmatrix} \begin{pmatrix} \boldsymbol{A}_1^{-1} & & & \boldsymbol{O} \\ & \boldsymbol{A}_2^{-1} & & \\ & & \ddots & \\ \boldsymbol{O} & & & \boldsymbol{A}_s^{-1} \end{pmatrix} = \begin{pmatrix} \boldsymbol{A}_1 \boldsymbol{A}_1^{-1} & & & \boldsymbol{O} \\ & \boldsymbol{A}_2 \boldsymbol{A}_2^{-1} & & \\ & & \ddots & \\ \boldsymbol{O} & & & \boldsymbol{A}_s \boldsymbol{A}_s^{-1} \end{pmatrix} = \begin{pmatrix} \boldsymbol{E} & & & \boldsymbol{O} \\ & \boldsymbol{E} & & \\ & & \ddots & \\ \boldsymbol{O} & & & \boldsymbol{E} \end{pmatrix} = \boldsymbol{E} AB= A1OA2OAs A11OA21OAs1 = A1A11OA2A21OAsAs1 = EOEOE =E
根据逆矩阵的定义可知,矩阵 B \boldsymbol{B} B 为矩阵 A \boldsymbol{A} A 的逆矩阵,即 B = A − 1 \boldsymbol{B} = \boldsymbol{A}^{-1} B=A1文章来源地址https://www.toymoban.com/news/detail-726703.html

到了这里,关于线性代数|分块对角矩阵的定义和性质的文章就介绍完了。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

  • 线性代数|矩阵的秩的性质

    前置知识: 行列式的性质 逆矩阵的性质 【定义】矩阵的秩 线性方程组与矩阵的秩 矩阵初等变换与矩阵乘法的联系 前置定义 2 设在矩阵 A boldsymbol{A} A 中有一个不等于 0 0 0 的 r r r 阶子式 D D D ,且所有 r + 1 r+1 r + 1 阶子式(如果存在的话)全等于 0 0 0 ,那么 D D D 称为矩阵

    2024年02月05日
    浏览(13)
  • 线性代数Python计算:矩阵对角化

    线性代数Python计算:矩阵对角化

    线性变换 T T T 的矩阵 A ∈ P n × n boldsymbol{A}in P^{ntimes n} A ∈ P n × n 的对角化,即寻求对角阵 Λ boldsymbol{Lambda} Λ ,使得 A boldsymbol{A} A ~ Λ boldsymbol{Lambda} Λ ,需分几步走: (1)解方程 det ⁡ ( λ I − A ) = 0 det(lambdaboldsymbol{I}-boldsymbol{A})=0 det ( λ I − A ) = 0 ,得根 λ 1 , λ

    2024年02月08日
    浏览(8)
  • 宋浩线性代数笔记(二)矩阵及其性质

    宋浩线性代数笔记(二)矩阵及其性质

    更新线性代数第二章——矩阵,本章为线代学科最核心的一章,知识点多而杂碎,务必仔细学习。 重难点在于: 1.矩阵的乘法运算 2.逆矩阵、伴随矩阵的求解 3.矩阵的初等变换 4.矩阵的秩 (去年写的字,属实有点ugly,大家尽量看。。。) 首先来看一下考研数学一种对这一章

    2024年02月15日
    浏览(9)
  • 考研数学笔记:线性代数中抽象矩阵性质汇总

    在考研线性代数这门课中,对抽象矩阵(矩阵 A A A 和矩阵 B B B 这样的矩阵)的考察几乎贯穿始终,涉及了很多性质、运算规律等内容,在这篇考研数学笔记中,我们汇总了几乎所有考研数学要用到的抽象矩阵的性质,详情在这里: 线性代数抽象矩阵(块矩阵)运算规则(性

    2024年02月03日
    浏览(13)
  • 【线性代数】如何判断矩阵是否可以相似对角化

    第一步,看是不是实对称矩阵,如果是实对称矩阵,立即推可相似对角化,如果不是实对称矩阵,看第二步; 第二步,求方阵的n个特征值,如果特征值彼此都不相同,也就是都是单根的话,立即推可相似对角化,如果有重根,看第三步; 第三步,来验证k重根是不是具备k个

    2024年02月11日
    浏览(12)
  • 宋浩线性代数笔记(五)矩阵的对角化

    宋浩线性代数笔记(五)矩阵的对角化

    本章的知识点难度和重要程度都是线代中当之无愧的T0级,对于各种杂碎的知识点,多做题+复盘才能良好的掌握,良好掌握的关键点在于:所谓的性质A与性质B,是谁推导得谁~ 目录 5.1矩阵的特征值和特征向量 5.2特征值和特征向量的性质 5.3相似矩阵and矩阵可对角化的条件 

    2024年02月13日
    浏览(16)
  • 线性代数(五) | 矩阵对角化 特征值 特征向量

    线性代数(五) | 矩阵对角化 特征值 特征向量

    矩阵实际上是一种变换,是一种旋转伸缩变换(方阵) 不是方阵的话还有可能是一种升维和降维的变换 直观理解可以看系列超赞视频线性代数-哔哩哔哩_Bilibili 比如A= ( 1 2 2 1 ) begin{pmatrix}12\\\\21end{pmatrix} ( 1 2 ​ 2 1 ​ ) x= ( 1 2 ) begin{pmatrix}1\\\\2end{pmatrix} ( 1 2 ​ ) 我们给x左乘A实际

    2024年02月04日
    浏览(9)
  • 线性代数矩阵秩的8大性质、重要定理以及关系

    线性代数矩阵秩的8大性质、重要定理以及关系

             

    2024年02月11日
    浏览(11)
  • 线性代数|证明:矩阵特征值之和等于主对角线元素之和

    性质 1 设 n n n 阶矩阵 A = ( a i j ) boldsymbol{A} = (a_{ij}) A = ( a ij ​ ) 的特征值为 λ 1 , λ 2 , ⋯   , λ n lambda_1,lambda_2,cdots,lambda_n λ 1 ​ , λ 2 ​ , ⋯ , λ n ​ ,则 λ 1 + λ 2 + ⋯ + λ n = a 11 + a 22 + ⋯ + a n n lambda_1 + lambda_2 + cdots + lambda_n = a_{11} + a_{22} + cdots + a_{nn} λ 1 ​ + λ 2 ​

    2024年02月08日
    浏览(9)
  • 线性代数:矩阵的定义

    线性代数:矩阵的定义

    目录 一、定义 二、方阵 三、对角阵 四、单位阵 五、数量阵  六、行(列)矩阵  七、同型矩阵 八、矩阵相等 九、零矩阵 十、方阵的行列式

    2024年01月22日
    浏览(13)

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