共轭、转置,共轭转置和逆矩阵的性质

这篇具有很好参考价值的文章主要介绍了共轭、转置,共轭转置和逆矩阵的性质。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。

共轭、转置和共轭转置满足分配律

( A + B ) ∗ = A ∗ + B ∗ , ( A + B ) T = A T + B T , ( A + B ) H = A H + B H (\boldsymbol A +\boldsymbol B)^{*}=\boldsymbol A ^{*}+\boldsymbol B ^{*},(\boldsymbol A +\boldsymbol B )^{\mathrm{T}}=\boldsymbol A ^{\mathrm{T}}+\boldsymbol B ^{\mathrm{T}},(\boldsymbol A +\boldsymbol B)^{\mathrm{H}}=\boldsymbol A ^{\mathrm{H}}+\boldsymbol B ^{\mathrm{H}} (A+B)=A+B(A+B)T=AT+BT(A+B)H=AH+BH

矩阵乘积的转置、共轭转置和逆矩阵满足关系式

( A B ) T = B T A T , ( A B ) H = B H A H , ( A B ) − 1 = B − 1 A − 1 (\boldsymbol {AB} )^{\mathrm{T} } =\boldsymbol B ^{\mathrm{T} } \boldsymbol A^{\mathrm{T} } ,(\boldsymbol {AB} )^{\mathrm{H} } =\boldsymbol B ^{\mathrm{H} } \boldsymbol A ^{\mathrm{H} },(\boldsymbol {AB} )^{-1 } =\boldsymbol B ^{-1 }\boldsymbol A ^{-1 } (AB)T=BTAT(AB)H=BHAH(AB)1=B1A1
矩阵乘积的逆展开需要满足 A \boldsymbol A A B \boldsymbol B B均为可逆矩阵

共轭、转置和共轭转置等符号均可与求逆符号交换

( A ∗ ) − 1 = ( A − 1 ) ∗ , ( A T ) − 1 = ( A − 1 ) T , ( A H ) − 1 = ( A − 1 ) H (\boldsymbol A ^{*} )^{-1} =(\boldsymbol A ^{-1} )^{*} ,(\boldsymbol A^{\mathrm{T} } )^{-1} =(\boldsymbol A ^{-1} )^{\mathrm{T} } ,(\boldsymbol A ^{\mathrm{H} } )^{-1} =(\boldsymbol A ^{-1} )^{\mathrm{H} } (A)1=(A1)(AT)1=(A1)T(AH)1=(A1)H文章来源地址https://www.toymoban.com/news/detail-780095.html

对于任意矩阵 A \boldsymbol A A,矩阵 A H A {{\boldsymbol A}^\mathrm{H}}{\boldsymbol A} AHA以及 A H A {{\boldsymbol A}^\mathrm{H}}{\boldsymbol A} AHA都是 H e r m i t i a n Hermitian Hermitian矩阵。

到了这里,关于共轭、转置,共轭转置和逆矩阵的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

  • 利用python求行列式、矩阵的秩和逆

    相关线性代数知识,自行百度!!!

    2024年02月13日
    浏览(49)
  • 8.5 PowerBI系列之DAX函数专题-dax列转行vs矩阵列转行和逆透视

    使度量值在行上呈现,如下图 1.用power query实现:在power query-转换-逆透视列中将原始数据进行列销售数量,列销售金额进行逆透视。然后在报表页面将逆透视的列放到行上。 2.用dax实现: 1)创建一个辅助表,单一列,包含销售数量,销售金额两个值; 2) 0 3)拓展:矩阵中

    2024年01月16日
    浏览(41)
  • 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)
  • 共轭梯度法解求解大规模稀疏矩阵,对比最速梯度法(C++)

    记录计算方法大作业,练习C++,欢迎指正。 共轭梯度法(Conjugate Gradient)是介于最速下降法与牛顿法之间的一个方法,它仅需利用一阶导数信息,但克服了最速下降法收敛慢的缺点,又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点。共轭梯度法不仅是解决大型线性方程

    2024年02月08日
    浏览(43)
  • 相似矩阵的性质

    相似 A A A , B B B 是两个 n n n 阶方阵,如果可存在 n n n 阶可逆矩阵 P P P ,使得 P − 1 A P = B P^{-1}AP=B P − 1 A P = B 则 A A A 和 B B B 相似,即 A ∼ B A sim B A ∼ B 。 注 :矩阵之间有三大关系:矩阵等价( A A A 经过初等变换可以得到 B B B );矩阵相似;矩阵合同。 相似的性质 反身性

    2024年02月06日
    浏览(51)
  • 正定矩阵定义和性质

    预备知识 对称矩阵(Symmetric Matrices)是指元素以主对角线为对称轴对应相等的矩阵。在线性代数中,对称矩阵是一个方形矩阵,其转置矩阵和自身相等。   定义 首先从定义开始对PD和PSD有一个初步的概念: 解释 性质            参考链接:如何理解正定矩阵和半正定矩阵

    2024年02月13日
    浏览(40)
  • 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

    2023年04月08日
    浏览(83)
  • 合同矩阵判断方法及性质

    判断合同矩阵的充要条件 两个实对称矩阵合同的充要条件是 它们的正负惯性指数相同。 正惯性指数是线性代数里矩阵的正的特征值个数,负惯性指数是线性代数里矩阵的负的特征值个数。    如图所示,上述矩阵,正惯性指数为1,负惯性指数为1,矩阵的秩为2。 正负惯性指

    2024年02月11日
    浏览(54)
  • 反对称矩阵的性质

    对于向量 a = [ a 1 , a 2 , a 3 ] mathbf a = [a_1,a_2,a_3] a = [ a 1 ​ , a 2 ​ , a 3 ​ ] , 其反对称矩阵为 a ^ = [ a × ] = [ 0 − a 3 a 2 a 3 0 − a 1 − a 2 a 1 0 ] mathbf ahat{}= [mathbf a times] = begin{bmatrix}0 -a_3 a_2 \\\\ a_30-a_1 \\\\ -a_2 a_1 0 end{bmatrix} a ^ = [ a × ] = ​ 0 a 3 ​ − a 2 ​ ​ − a 3 ​ 0 a 1 ​ ​

    2024年02月02日
    浏览(38)

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