当前课程知识点:线性代数(2) > 第十二讲:复数与复矩阵 > 12.3 复正规阵 > 12.3 复正规阵
好 下面我们来看
实的正交阵和实的实对称阵
它们都满足一个性质
就是A^TA等于AA ^T
这样一对矩阵我们叫实正规阵
同样地
实对称阵它的推广
就是我们的厄米特阵
实正交阵它的推广
就是我们的酉矩阵
那么这两类呢
它们都满足A^HA等于AA^H
我们把这个叫做复正规矩阵
那么我们现在想看
复正规矩阵
它的相似的标准形
那么首先我们要说相似
那么我们在实矩阵中的相似
我们有一个特殊的相似
就是用正交阵作为P
那么P的逆就变成P的转置
那么现在呢
我们把正交阵改成酉阵
那就变成了酉相似
设AB是两个n阶复矩阵
若存在着酉阵U
使得A等于U^HBU
则A和B是酉相似
这个就类比到
我们实矩阵中的正交相似
设A为复正规阵
则向量U
是A的关于的λ的特征向量
那么U也是A^H的关于λ
共轭的特征向量
就是U既是A的特征向量
又是A^H的特征向量
是它们共同的特征向量
但是属于不同特征值的
第二个不同特征值的特征向量
是相互正交的
这个在实对称的时候
我们已经看到了
或者说厄米特阵的时候
也有相似的性质
我们现在来看一下
性质1的证明
设Au等于λu
那么我们可以写成这样一个形式
B=A-λu
我们想说明
U又是A^H的特征向量
那么我们先来看
B^HU它的长度的平方
长度平方我们知道
一个向量长度的平方
实际上是向量的共轭转置
乘上这个向量
如果是实的时候呢
这个H就直接写成T
那么这个我们就写成B^HU
和它的共轭转置之间一个乘
因为B是一个正规阵 复正规阵
因为A^HA等于AA^H
所以我们容易地推出
B^HB等于BB^H
这样子我们把这两个互换一下
就变成这个形式
这样换的好处呢
我们看到B跟U乘在一块
前面就是BU的共轭转置
所以这个等于BU的长度的平方
从而等于0
这样我们推出什么呢
推出了B^HU就是0
B^HU就是A^H减去λ共轭
再乘上i 再乘u
这个就等价于B^HU等于0
性质2的证明
跟厄米特阵的时候
情形是完全一样的
那么我们下面的主要定理说明
大家回忆一下
在实正交阵的时候
我们的矩阵能够正交相似于
一个对角阵
一个实对称阵也是
我们可以正交相似于一个对角阵
那么复正规阵是类似的
任何一个复矩阵
它首先酉相似于一个上三角阵
注意我这是任一个复矩阵
然后用的是U相似
相似于一个上三角阵
存在着U满足U^H等于U的逆
就是不是一般的相似
是酉相似
那么由这一点呢
我们只要使用A的复正规性
就可以不太难证明
复正规阵它是酉相似于对角阵
特别地酉阵相似于对角阵
一个酉阵是一种特殊的复正规阵
那么大家注意这个结论呢
和我们的实对称阵相似于
或者实正交阵
相似于对角阵的区别
因为我们这块用的酉相似
那里我们使用的是正交阵
我们看到一个实矩阵是正规的
就是实正规
也就是说
那么这时候我们就不用共轭了
因为用共轭和不用共轭
是效果一样的
就是A^TA等于AA^T
也就是A和A^T交换
典型的例子就是A是正交阵
或者A是实对称阵
那么对于实正规阵呢
我们希望考虑它的相似标准形
那么这里面有两点
一点是实正规阵
它也是复正规阵
所以存在着一个酉阵U
U^HAU等于一个对角阵
但是因为A是实正规的
我们希望这块不要取U阵
取正交阵
那么结果会怎么样呢
结果就是这样
就是如果A是正规的
那么如果我们这块取的不是酉阵
而是取的一个是实正交阵
那么结果就没有这么好
不是个对角阵了
那么这块就是分块对角
其中有一些是二阶的分块阵
有一些是一些数
那么其他地方全是0
所以实正规阵
它正交相似于
这样一个形式的矩阵
它酉相似于一个对角阵
注意这两者之间的关系
那么肯定会问这个U
和这个正交阵有什么关系呢
还有这些矩阵
二阶矩阵和这些特征值
A的特征值又有什么关系呢
实际上呢我们可以看到
在这个情况下呢
U的每一列
实际上都是A的特征向量
我们随便取一个列
比如说β+iγ是U的某一列
那么A乘上这一列呢
就应该等于特征值
某一个λ乘上β+iγ
这个βγ是这个实向量
也就是说U的每一列呢
实际上是复数构成的列
那么这个复数
我给它拆成实部虚部呢
最后可以写成一个
两个实向量通过i来组合起来
比如说我举个例子
比如说1+i 1-i
假如u的某一列是这样的形式
那么我们可以把它
实和实地结合起来
复跟复的写在一起
这样就表示出两个实向量
通过i组合出来
所以我们任何一个u的向量
都可以写成一个β+iγ
然后乘A以后等于这样一个形式
那λ呢它也是复数A+iB
那么我们把整个代进去
我们看到
代这里面我们看到
A乘上β等于aβ-bγ
A乘上γ等于bβ+aγ
换句话说呢
我们写这一块
A乘上β γ等于β γ
乘上a -b b a
所以大家可以看到这个形式
不恰好就是我们这些形式
也就是说
如果某一个β+iγ是A的特征向量
那么我们把β和γ写成两列
用A乘以后
乘出来的效果就是这样一个矩阵
所以我们看到
这个ω的列呢
实际上是由U的特征向量的实部
和虚部组成的
这样一个形式,那么现在有个自然的问题是
ω是个正交阵
那β和γ是不是正交的呢
或者说β和γ长度是不是一样呢
不然就不能保证
ω是个正交阵
我们说实际上是这样子的
设A是一个n阶的实正交阵γ
等于α+iβ是A的特征值
那么x等于x1+ix2呢
是A的关于λ的特征向量
那么我们说了
如果这个是它的特征向量的话
那我们就可以看到
这个特征向量的实部这个向量
和虚部这个向量
它的长度是相同的
而且x1和x2相互正交的
这个证明是直接验证
我们说λ等于α+iβλ
的共轭等于α-iβ
因为A是实正交阵
所以它的特征值是成对出现的
复特征值
通过共轭成对出现
所以一旦这个是它的特征值
那么这个也同时是它的特征值
那么我们可以写一下
ix等于λx
两边同时取共轭
A是实的 它的共轭不动
x变成x共轭
等于λ共轭乘上x的共轭
因为λ不是个实数
因为β不等于0
所以λ不会等于λ的共轭
这样我们看到
X和X共轭是
属于不同特征值的特征向量
所以应该是互相正交的
那么这里面正交这个含义
就是通过共轭转置等于0
那么由此可以我们推出
x1的长度等于x2的长度
x1这个实向量
跟x2这个实向量就互相垂直
我们再看个例子
cosθ sinθ -sinθ cosθ
这个就是一个旋转矩阵
当然是一个实正交阵
那么这个实正交阵
我们可以让它相似到一个对角阵
注意这个相似是酉相似
那么取的酉阵就是这样一个矩阵
实际上是这个旋转矩阵
关于特征值
e^iθ和e^-iθ的特征向量
这两列
我们再看另外一个例子
A是一个厄米特阵
我们知道一个厄米特阵
它的特征值都是实数
那我们再来看这样一个矩阵
i加上i乘A
那么这样一个矩阵呢
我们可以看到它的特征值
实际上就是1+i倍的λ
也就是说λ是A的特征值
所以这个i+iA
它的特征值就是1+iλ
但是λ是个实数
所以大家可以看到
这个绝对不会等于0
因为如果这个等于0的话λ
必须取一个复数
换句话说i+iA它不包含0特征值
所以它是可逆的非奇异矩阵
那么当A是厄米特阵的时候呢
我们来看i-iA和i+iA的逆
这样一个矩阵呢
乘起来得到的矩阵是一个酉阵
这就是说给出了
我们通过实对称阵
构造正交阵的办法
或者通过厄米特阵
构造酉阵的办法
我们可以验证
也可以看到U^H正好是等于
i-iA的逆乘上i+iA
-1.1 实对称矩阵A正定的充要条件
-1.2 典型例题
--1.2 典型例题
-1.3 半正定矩阵及其判别条件
-1.4 二次型
--1.4 二次型
-1.5* 有心二次曲线(central conic)
-1.6* 三维空间中的二次曲面-6类基本的二次曲面
-1.7 二次型的分类
-1.8 矩阵的合同
-1.9* 惯性定理的证明
-1.10 惯性定理的应用 —— 实对称矩阵的特征值与主元符号
--1.10 惯性定理的应用 —— 实对称矩阵的特征值与主元符号
-1.11* 正(负)定矩阵在函数极值问题中的应用
-第一讲:正定矩阵--课后习题
-2.1 引言
--2.1 引言
-2.2 相似矩阵的性质
-2.3 Jordan标准形
-2.4 定理的证明
-2.5 Jordan标准形的应用
-第二讲:相似矩阵--课后习题
-3.1 引言
--3.1 引言
-3.2 奇异值分解(Singular Value Decomposition)
--3.2 奇异值分解(Singular Value Decomposition)
-3.3 例题
--3.3 例题
-3.4 奇异值分解的应用
-第三讲:奇异值分解--课后习题
-4.1 线性变换的定义和性质
-4.2 线性变换的运算
-4.3 线性变换的矩阵表示
-4.4 线性变换与矩阵之间的关系
-第四讲:线性变换 I--课后习题
-5.1 恒同变换与基变换
-5.2 图像压缩——基变换的应用
-5.3 线性变换在不同基下的矩阵
-5.4 矩阵分解与基变换
-5.5 线性变换的核与像
-5.6 不变子空间
-5.7* 幂零变换
-5.8* Jordan标准形
-第五讲:线性变换 II--课后习题
-6.1 伪逆
--6.1 伪逆
-6.2 Moore – Penrose 伪逆
-6.3 最小二乘法
-第六讲:伪逆--课后习题
-7.1 简介
--7.1 简介
-7.2 弹簧模型
--7.2 弹簧模型
-7.3 变量的线性关系
-7.4 刚度矩阵
--7.4 刚度矩阵
-7.5 从离散到连续
-第七讲:工程中的矩阵--课后习题
-8.1 简介
--8.1 简介
-8.2 图和矩阵
--8.2 图和矩阵
-8.3 网络和加权Laplacian矩阵
-8.4 关联矩阵的四个基本子空间
-8.5 注记
--8.5 注记
-第八讲:图与网络--课后习题
-9.1 问题引入
--9.1 问题引入
-9.2 Markov矩阵
-9.3 正Markov矩阵
-9.4 正矩阵
-第九讲:Markov矩阵和正矩阵--课后习题
-10.1 引言
--10.1 引言
-10.2 内积空间
-10.3 傅里叶级数
-10.4 投影
--10.4 投影
-10.5 关于Fourier变换的注记
-第十讲:Fourier级数--课后习题
-11.1 引言
--11.1 引言
-11.2 平移
--11.2 平移
-11.3 伸缩
--11.3 伸缩
-11.4 旋转
--11.4 旋转
-11.5 投影和反射
-第十一讲:计算机图像--课后习题
-12.1 引言
--12.1 引言
-12.2 复矩阵
--12.2 复矩阵
-12.3 复正规阵
-12.4 离散Fourier变换
-12.5 快速Fourier变换
-第十二讲:复数与复矩阵--课后习题
-结课寄语
--结课寄语