1、矩阵论,课程：矩阵论（Matrix Theory） 学时： 48学时 （48 Lectures） 教材：矩阵论（第2版， 杨明、刘先忠编著），华中科技大学出版社，2005 任课教师： 杨 明（Dr. Yang Ming）,http:/ 研究内容： 矩阵与线性空间和线性变换 以矩阵为工具研究问题 在其中发展矩阵理论 矩阵在各种意义下的化简与分解 矩阵的分析理论 各类矩阵的性质研究 矩阵被认为是最有用的数学工具，既适用于应用问题，又适合现代理论数学的抽象结构。,二、教学安排,学时配置 讲授第1章至第6章 (48学时)第1章：10学时; 第2章：8学时第3章：8学时； 第4章：6学时；第5章：8学
2、时； 第6章：6学时,考核方式：课程结束考试（第13周）,卷面成绩为最终成绩,三、教学指导意见,背景要求：线性代数 矩阵与计算工具：MATLAB，MAPLE, 矩阵与现代应用：应用选讲 教学参考书： 余鄂西，矩阵论，高等教育出版社，1995。 方保熔等，矩阵论，清华大学出版社，2004。 Fuzhen Zhang，Matrix Theory，Springer，1999。 Denis Serre， Matrices Theory and Applications，Springer，2002。 矩阵论历年试题及其解答 不交作业，但应该重视练习环节。,第1章：线性空间与线性变换,内容： 线性空间的一
3、般概念重点：空间结构和其中的数量关系 线性变换重点：其中的矩阵处理方法 特点： 研究代数结构具有线性运算的集合。 看重的不是研究对象本身，而是对象之间的结构关系。 研究的关注点：对象之间数量关系的矩阵处理。 学习特点：具有抽象性和一般性。,1.1 线性空间,一、线性空间的概念 几何空间和 n 维向量空间的回顾 推广思想： 抽象出线性运算的本质，在任意研究对象的集合上定义具有线性运算的代数结构。 定义1.1（P .1） 要点： 集合V 与数域F 向量的加法和数乘向量运算 运算的性质刻画,常见的线性空间,F n=X=（x1，x2，xn）T：x F运算：向量加法和数乘向量 F mn = A=aijm
4、n：a ijF；运算：矩阵的加法和数乘矩阵 R mn ；C mn 。 Pn x=p(x)= ：aiR,运算：多项式的加法和数乘 Ca，b=f（x）：f（x）在a，b上连续运算：函数的加法和数乘 eg5： V=R+，F=R， a b=ab， a=a ,F=R或C,线性空间的一般性的观点：,线性空间的一般形式： V（F），元素被统称为向量：， ， 线性空间的简单性质（共性）：定理1 . 1：V（F）具有性质： （1） V（F）中的零元素是惟一的。 （2） V（F）中任何元素的负元素是惟一的。 （3）数零和零元素的性质：0=0，k0=0，k =0 =0 或k=0 （4） = （1）,数0,向量0,二
5、、线性空间的基和维数,向量的线性相关与线性无关： 定义形式和向量空间Rn中的定义一样。 有关性质与定理和Rn中的结果一样。例题1 证明C0，1空间中的向量组 ex，e2x，e3x ，enx，x0，1 线性无关。,二、线性空间的基和维数,基与维数的概念：P . 2，定义1 . 2 常见线性空间的基与维数： Fn，自然基e1，e2，,en，dim Fn =n Rmn ，自然基Eij，dim Rmn =mn。 Pn x ，自然基1，x，x2，x3,x n-1，dimPn x =n Ca，b， 1，x，x2，x3x n-1 Ca,b，dim Ca，b= 约定： V n （F）表示数域F上的 n 维线性
6、空间。 只研究有限维线性空间。,三、坐标,1 定义 1 .3 （P . 3)设1，2， n 是空间的一组基， ， = ，则x1 ， x2， ， xn 是在基i下的坐标。,例1：求 R22中向量 在基Eij下的坐标。,要点： 坐标与基有关坐标的表达形式,例2 设空间P4x的两组基为： 1，x，x2，x3和 1，（ x - 1）1，（ x - 1）2，（ x - 1）3 求f（x）=2+3x+4x2+x 3在这两组基下的坐标。,归纳： 任何线性空间V nF在任意一组基下的坐标属于Fn 。 每一个常用的线性空间都有一组“自然基”，在这组基下，向量的坐标容易求得。 求坐标方法的各异性。,2、 线性空间
7、V n（F）与Fn的同构,坐标关系 V n （F） Fn基1，2，。 n 由此建立一个一一对应关系 V n （F），X Fn， （）=X （1+2）=（1）+（2） （k）=k（） 在关系下，线性空间V n （F）和Fn同构。,同构的性质,定理1.3:V n （F）中向量1，2，n线性相关它们的坐标X1 , X2, ,Xn在Fn中线性相关。 同构保持线性关系不变。 应用：借助于空间Fn中已经有的结论和方法研究一般线性空间的线性关系。,例题2 设R22中向量组Ai,1 讨论Ai的线性相关性. 2求向量组的秩和极大线性无关组. 3把其余的向量表示成极大线性无关组的线性组合.,四、基变换和坐标变换,
8、讨论： 不同的基之间的关系 同一个向量在不同基下坐标之间的关系 基变换公式 设空间中有两组基：,过渡矩阵C的性质： C为非奇异矩阵 C的第i列是 i 在基i 下的坐标,则,过渡矩阵,2 坐标变换公式,已知 空间中两组基：满足: ; 讨论X和Y的关系,X=CY,1,2,3,例题4、 已知空间R中两组基（I）Eij （II）； 求从基（I）到基（II）的过渡矩阵C。 求向量 在基（II）的坐标Y。,例题3、（P6例题11）,1.1 五、 子空间,概述：线性空间Vn（F）中，向量集合V可以有集合的运算和关系： Wi V， W1W2， W1W2， 问题： 这些关系或运算的结果是否仍然为线性空间 ？,1
9、、 子空间的概念,定义： 设集合WVn（F），W ，如果W中的元素关于Vn（F）中的线性运算为线性空间，则称W是Vn（F）的子空间。 判别方法：定理15 W是子空间 W对Vn（F）的线性运算封闭。 子空间本身就是线性空间。 子空间的判别方法可以作为判别线性空间的方法,重要的子空间：设向量组1，2， mVn（F），由它们的一切线性组合生成的子空间： L1，2，m = ,矩阵AF mn，两个子空间： A的零空间：N（A）=X ： AX=0F n， A的列空间：R（A）= LA1，A2，A nF m，Ai为A的第i列。,2、子空间的“交空间”与“和空间”,讨论：设W 1 Vn（F），W2 Vn（F）
10、，且都是子空间，则W1W2和W1W2是否仍然是子空间？ （1） 交空间 交集： W1W2= W1 而且 W 2Vn（F） 定理16 W1W2是子空间，被称为“交空间”（2）和空间 和的集合：W1W2=X1X2X1W1，X2W2，,W1W2 W1W2,定理16 W1W2是子空间，被称为“和空间”，,W1W2不一定是子空间，W1W2 W1W2,例17 设R3中的子空间W1=Le1，W2=Le2 求和空间W1W2。比较：集合W1W2和集合W1W2。,如果 W1=L1，2， m ，W2=L1，2， k，则 W1W2=L1，2，m，1，2， k ,3 、维数公式,子空间的包含关系：,dimW1W2 di
11、m Wi dimW1W2 dimVn（F）。 定理17 ： dimW1dimW2=dim（W1W2）dim（W1W2） 证明：,4 、子空间的直和,分析：如果dim（W1W2）0，则 dim（W1W2）dimW1dimW2所以： dim（W1W2）=dimW1dimW2 dim（W1W2）=0 W1W2=0 直和的定义： 定义16 ： dim（W1W2）=0 ，则和为直和 W=W 1W2=W1W2，,子空间的“和”为“直和”的充要条件 ：定理18 设W=W1W2，则下列各条等价： （1） W=W1W2 （2） X W，X=X 1X2的表是惟一的 （3） W中零向量的表示是惟一的 （4） dim
12、 W =dimW1dimW2,例1 P12 eg18 例2 设在Rnn中，子空间W 1=A AT =A ， W2=B BT= B ，证明Rnn=W1W2。例3 子空间W的“直和补子空间”,12 内积空间,主题：定义内积的概念，借助于内积建立线性 空间的度量关系。 一、 欧氏空间和酉空间 1 几何空间中度量关系的定义基础 2 内积的定义 定义17 (P13) ：要点 内积(，)是二元运算：Vn(F) F (，)的公理性质 (，)是任何满足定义的运算。 讨论(，12), (，k),3. 内积空间的定义 Vn（F）；（，） ， F= R ，欧氏空间；F=C，酉空间4 常见的内积空间： R n ；(，
13、)= T , C n ；(，)=H , C mn；(A，B)=tr (B H A) PnX ；(f(x)，g(x) )= ,5 向量的长度 定义： | | =,6 欧氏空间中向量的夹角： 定义：0，0，夹角定义为： cos=,性质：| k | =k | | ； Cauchy 不等式： ， Vn(F)；(，), | (，) | | | | | 。 | | | | | |, 和 正交 （，）=0,7 线性空间的内积及其计算： 设1，2，, n 是内积空间Vn(F)的基，Vn(F)，则有 =x11x22x n n = (12 n)X； =y11y22y n n= (1 2 n)Y(，)= =Y HA
14、X，,定义内积 在一个基1，2， n 中定义内积定义一个度量矩阵A 。,度量矩阵 A,度量矩阵的性质：,二、标准正交基,1 标准正交的向量组：定义： 1，2，n为正交组(i，j ) =0 性质： 2 标准正交基 基1， 2，n是标准正交基(i， j)=,标准正交基的优点：,标准正交基的优点：度量矩阵是单位矩阵，即A=I =(12 n)X，=(12 n) Y， (，)=YHX = x11x22x n n，xi=(，i) 和正交其坐标 X和Y正交,坐标空间F n的 内 积,求标准正交基的步骤：Schmidt 正交化标准化 矩阵方法讨论,正交补”子空间 (i) 集合的U的正交集： U=Vn(F )：
15、 U，(，)=0 (ii) U是Vn(F)的子空间 U 是Vn(F)子空间 (iii) Vn(F)=U U 。,U的正交补子空间,13 线性变换,一、 线性变换的概念 定义 1.11 (P.19) 要点： （i）T是Vn（F）中的变换：T：Vn（F）Vn（F）。 (ii) T具有线性性：T（）=T（）T（）T（k）=kT（ ）,从一般性的角度给出的定义,例题1 Vn（F）中的相似变换T ：是F中的数，Vn（F），T（）= 。 特例： =1 ， T 是恒等变换，=0 ， T是零变换。,可以在任何线性空间中 定义相似变换!,例题2 Fn中的变换 TA：设A Fnn是一个给定的 矩阵，XFn，TA（
16、X）=AX。例题3 Pn X中的微分变换：,2 线性变换的性质： （i）T(0)=0 （ii） T()=T() （iii）,3 线性变换的象空间和零空间 设线性变换T：Vn( F )Vn( F )，象空间 R(T)=： Vn(F)，=T() 零空间 N（T）=：Vn(F ) ，T ( ) =0 ,定义： T 的秩=dim R（T）； T 的零度=dim N（T）,线性变换保持线性相关性不变！,例题27 求Fn线性中的变换TA:Y=AX的象空间和零空间。,R（TA）=R（A）；N（TA）=N（A）,4 线性变换的运算 设T1，T2都是空间Vn(F)中的线性变换，常见的用它们构成的新的变换： （i
17、） T1T2 Vn（F），（T1T2）（）=T1（）T2（） （ii） T1T2 Vn（F），(T1T2)（）=T1（T2（） （iii） kT Vn（F），（kT）（）=k（T（） （iv） 若T 1是可逆变换，T1 T1( )= 当且仅当T()=。,定义,二、 线性变换的矩阵,1 线性变换的矩阵与变换的坐标式 Vn（F）上线性变换的特点分析：,定义变换T 确定基中向量的象T（i）。 定义T（i） 确定它在基下i的坐标A i 。 定义变换T 确定矩阵A=A1，A2，An,（i） A 为变换矩阵 （ii） 变换的坐标式：Y=AX （iii） 应用意义,例题1 对线性变换 : P4 X P4 X
18、，求D在基1，X，X2，X3下的变换矩阵。 2 求向量 在变换D下的象。,2 线性变换运算的矩阵对应： 设Vn（F）上的线性变换T1，T2，它们在同一组基下的矩阵：T1A1；T2A2 （i） （T1T2） （A1A2） （ii） （T1T2） A1A2 （iii） （kT） kA （iv） T1 A1,3 不同基下的变换矩阵 两组基：1，2，, n ，1，2，, n ，（12 n）=（12 n ）C T（1 2 n ）=（1 2 n）A T（1 2 n）=（1 2 n）B,同一个线性变换在不同基下的矩阵是相似的,B=C1AC,1,2,3,例题2 （P23， eg28）,例题2 （P23， eg
19、28） 例题3 （P24， eg29）设单位向量u=（2/3，-2/3，-1/3），定R3上的线性变换 P（x）= x - （x，u）u， 求P在自然基e1，e2，e3下的变换矩阵。 求P在标准正交基u，u2，u3下的变换矩阵。,三、不变子空间,问题的背景： 变换矩阵的化简和空间的分解的对应关系 1. 不变子空间的概念 矩阵简化要求空间分解的特点 定义(p24, 定义1.14) 2 . 不变子空间的判别 W是T的不变子空间 W T（） W。,特别：W=L 1，2，m，W是T的不变子空间 T（i）W 。,T（W）W。,P24，例题30 R3上的正交投影P：P（x）= x（x，u）u，u是单位向量
20、。证明L（u）和u =x ：（x，u）=0是P的不变子空间。,3 空间分解与矩阵分解 Vn（F）=WU，W，U是T的不变子空间 ，,W=L 1，r，U= r + 1 ， ， n,则T,1，r， r + 1 ， ， n,Vn（F）=U1U2 Uk， 则T,矩阵Ai 的阶数=dim Ui,四、 正交变换和酉变换,讨论内积空间V；（，） 中最重要的一类变换。 1 定义1 . 15 （P25） 2 正交（酉）变换的充要条件：（定理1.15, P26 ）T是内积空间V（F）上的线性变换，则下列命题等价： T是正交变换 T保持向量的长度不变 T把V（F）的标准正交基变成标准正交基 T在标准正交基下的矩阵是
21、正交矩阵 3 正交矩阵和酉矩阵的性质 正交矩阵C：CTC=I酉矩阵U： UHU=I 定理1 . 16(P27),常见的基本正交变换： 平面上的旋转 几何描述：绕坐标原点，逆时针旋转一个 角。 变换矩阵：在自然基下，,R3空间中的镜像变换 定义：S（x）= x 2（x，u）u。 变换矩阵与几何意义,空间中的旋转 几何描述：绕空间中过原点的 一根直线L，旋转一 个角。 变换矩阵,例题1 求R3中绕过原点、以 u=（1，1，1）T为正向的直线，顺u方向看去是逆时针的旋转变换T在R3中自然基下的变换矩阵。,五、线性空间Vn (F) Vm (F)的线性变换,定义 1.16 (P.28) 要点： （i）V
22、n (F)， =T() Vm (F)(ii) T具有线性性：T(12)=T（1）T(2)T（k）=kT( ) 例题1 (P29， eg34) 例题2（P29， eg35）,T的变换矩阵：T：Vn (F) Vm (F) 设1，2，, n 是空间Vn (F) 的基，1，2，, m是空间Vm (F)的基， T(1，2，, n )=(1，2，, m)AA是变换矩阵。,T在不同基下变换矩阵的关系,设在两个空间中分别取两组基：,分析线性变换在两组基下变换矩阵的关系,推荐练习题：第一章,P31： 1（3），（4），2，4，6，9，10，13，17，20，23，24，26，28，29， 31,第1章勘误表di
23、yiban,第2章：Jordan标准形介绍,Jordan Canonical Form,第2章：Jordan标准形介绍,问题： 对线性空间中的线性变换T，求一组基1，2 ， n和矩阵J ，使 T: 1，2 ， n J 矩阵J 尽可能简单。 矩阵J的结构对任何变换可行 内容： 首选A为对角形 线性变换的对角化问题。 建立J 一般的结构 Jordan标准形理论。 Jordan方法及其应用 方法： 用矩阵的相似化简研究问题 Jordan化方法 重点：,2.1 线性变换的对角表示,背景：T(1 2 n) = (1 2 n),一、变换T的特征值与特征向量 定义(p35 ，定义2.1) 求解分析：(p35
24、 ，定理2.1),(12 n) 线性无关 Ti= ii ； L i是不变子空间,A的特征值就是T的特征值A的特征向量是T的特征向量的坐标,例题1(p37 ，例题2.1) 3、 特征向量的空间性质 特征子空间： 特征子空间的性质：(p36 ，定理2.2) Vi是不变子空间 i j，则ViVi=0 若i是ki重特征值，则1dimViki推论： 若i是单特征值，则dimVi =1 V1+V2+=Vs= V1V2Vs V1V2Vs Vn（F）,二、线性变换矩阵对角化的充要条件,T可以对角化T有n个线性无关的特征向量。 dimVi =n dimVi =ki,定理2. 4(p39),T可以对角化T的变换矩
25、阵A可以对角化。,例题2 已知1，2 ，3 是空间V3（F）的基，T是空间上如下定义的线性变换，T（ 1 ）= 1T（ 2 ）=2 2T（ 3 ）= 1 +t 2+2 3,讨论：t为何值，T有对角矩阵表示,例题3 证明幂等变换(T2=T)有对角矩阵表示。,2.2 Jordan 矩阵介绍,目标：发展一个所有方阵都能与之相似的矩阵结构-Jordan矩阵。 一、 Jordan 矩阵 Jordan 块(p40，定义2.3) 形式： 确定因素： Jordan 块矩阵的例子：,值 矩阵的阶数,例题1 下列矩阵哪些是Jordan块？,形式： Jordan矩阵举例 特点,元素的结构 Jordan矩阵是上三角矩
26、阵 对角矩阵是Jordan 矩阵,2 Jordan 矩阵,3 Jordan 标准形 定理2 . 5 (p41) 含义：,Jordan 矩阵可以作为相似标准形。 惟一性：Jordan 子块的集合惟一。 A相似于BJA相似于JB,二、方阵A的Jordan 标准形的求法,目标：求可逆矩阵P和Jordan矩阵JA ，使AP=PJA 分析方法：在定理 2.5 的基础上逆向分析矩阵JA 和P的构成。 求法与步骤：,矩阵A和JA的特征值相等,细分矩阵Pi 和 Ji，在Jordan块上，有,Jordan链条，y2，ynj,特征向量,广义特征向量,方法步骤：,由特征值i 的代数重数确定主对角线元素是的 i 的
27、Jordan 矩阵J(i ) 的阶数。 由特征值i 对应的线性无关的特征向量的个数确定 J(i) 中Jordan 块的个数 由特征向量求得的Jordan 链条的长度确定Jordan块的阶数 链条中的向量合起来构成可逆矩阵P，Jordan块构成JA,例题1 (p44，例题5) 例题2 (p45，例题6),例题3 将矩阵A化为Jordan 矩阵。,例题4 (p46，例题7),2.3 最小多项式 (minimal polynomials),讨论n 阶矩阵多项式的相关问题： 矩阵多项式（重点是计算） 矩阵的化零多项式（Cayley 定理） 最小多项式 Jordan标准形的应用 相似不变性 Jordan
28、化的方法,一、矩阵多项式 定义,2 . 性质（定理2 . 7） AX = 0 X g(A)X= g(0 )X P -1 AP =B P -1 g(A)P= g(B),3 矩阵多项式 g(A ) 的计算 方法：,mr,g（J）的结构特点： 由第一行的元素生成,Jordan块,例题1 设 对P38，eg3中的矩阵A，计算g（A）。 解,二、矩阵的化零多项式 (Annihilating polynomials of Matrices),问题：AFnn ， A0，是否存在非零多项式g（），使 得 g( A )=0？ 化零多项式（P.52）如果 g(A) = 0，则g()被称为矩阵A的化零多项式。要点：
29、 矩阵A一旦有化零多项式，则有无穷多化零多项式。 g（ A ）= 0 的决定因素。 存在性问题。 Cayley-Hamilton 定理（P.52， 定理、2 . 7）： AFnn，f ( )= det( IA)，则f ( A )= 0。 Cayley 定理的应用举例： 使Ak ( kn)降阶至不超过n-1次的多项式。 f（ 0） 0，则A的逆矩阵可以用多项式表示。 对线性变换T，f ( T)=0，即f（ T ）为零变换。,三、最小多项式,1 定义（P.54， 定义2 . 5） mA（ ）是最小多项式,mA（ A） =0 mA（ ）在化零多项式中次数最低。 mA（ ）最高次项系数是1。 mA（
30、）整除任何化零多项式,2 mA（ ）的结构： 设f（ ）= IA=,定理2.8：mA（ ）=,定理2.9：mA（ ）=是i对应的Jordan块的指数。,P.54,3 变换对角矩阵表示的条件 定理2.10：线性变换T可以对角化的充要条件是T的最小多项式是一次因子的乘积。 例题1 （P.56， eg10） 例题2 设A R44 ，mA（ )=,求矩阵A的所有可能的Jordan矩阵。,例题3 设是矩阵A的化零多项式，证明A可以相似于对角矩阵。,相似问题中的一些矩阵结果,1. 幂等矩阵、幂零矩阵和乘方矩阵 幂等矩阵（idempotent）： A 2 =A 幂零矩阵（nilpotent）： A0， k为
31、正整数，Ak=0 乘方矩阵（involutary）： A 2 = I,A为幂零矩阵的充要条件是A的特征值都是零。,A为乘方矩阵的充要条件是A相似于矩阵,A为幂等矩阵的充要条件是A相似于矩阵,2 (p47，例题8) 设A为阶方阵，证明矩阵A和AT 相似。 证明思想：证明A和AT 相似证明 Jordan 矩阵JA和JAT相似证明JA和JAT的Jordan 块J和JT相似。 证明方法：取逆向单位矩阵S， 证明：SJ=JTS（backward identity ）,3、矩阵A ， AT ， A 和AHA,设A为n 阶方阵，则下列结果成立： 矩阵A相似于矩阵AT 矩阵A相似于矩阵AH的充要条件是矩阵的非
32、实数特征值对应的Jordan 块以共轭对出现。 矩阵AHA相似于矩阵AAH,4 . 设矩阵AFmn ，矩阵BFnm ，则AB和BA的非零特征值相同。,讨论：若A、B都是方阵， AB和BA的特征多项式是否相同？ AB和BA的最小多项式是否相同？ AB和BA是否相似？,第1章习题选讲,要点： 线性空间的表示形式： 集合表示形式：Vn（F）= 满足的性质 向量生成形式：L1，2，m 子空间类型： L1，2，m W1W2 矩阵AF mn，两个子空间 不变子空间 线性变换：,线性变换的表示 线性变换的数量关系 重要的线性变换,第3章、 矩阵的分解,Matrix Factorization and Dec
33、omposition,矩阵分解的概述,矩阵的分解： A=A1+A2+Ak 矩阵的和 A=A1A2 Am 矩阵的乘积 矩阵分解的原则： 实际应用的需要,理论上的需要 计算上的需要,显示原矩阵的某些特性 矩阵化简的方法之一 主要技巧： 各种标准形的理论和计算方法 矩阵的分块,3.1 常见的矩阵标准形与分解,常见的标准形 等价标准形 相似标准形 合同标准形,本节分解： 三角分解 满秩分解 可对角化矩阵的谱分解,AT=A,相似标准形,等价标准形,一、矩阵的三角分解,方阵的LU和LDV分解（P.61） LU分解：AFnn， 存在下三角形矩阵L ，上三角形矩阵U ，使得A=LU。 LDV分解：AFnn，
34、L、V分别是主对角线元素为1的下三角形和上三角形矩阵，D为对角矩阵，使得A=LDV。 已知的方法：Gauss-消元法 例题1 （P.61eg1）设求A的LU和LDV分解。,结论：如果矩阵A能用两行互换以外的 初等行变换化为阶梯形，则A有LU分解。,三角分解的存在性和惟一性 定理3.1 （P.62） ： 矩阵的k 阶主子式：取矩阵的前k行、前k列得到的行列式，k=1，2， ，n。 定理: AFnn有惟一LDV分解的充要条件是A的顺序主子式Ak非零，k =1，2，n-1。,证明过程给出了LDV分解的一种算法。,定理3.2（P.64）设矩阵AFnn ，rank（A）=k（ n），如果A的j阶顺序主子
35、式不等于0， j =1，2，k,则 A有LU分解。 定理条件的讨论 例题2 （P.65 eg2）LU分解的应用举例,二、矩阵的满秩分解,定义3.2 （P.66 ）对秩为r 的矩阵AFmn ，如果存在秩为r的矩阵 B Fmr，CFrn ，则A=BC为A 的满秩分解。,实用方法：方法3,例题2 （ P.69，eg5）,列满秩,行满秩,定理3.2：任何非零矩阵AFmn都有满秩分解。 满秩分解的求法： 方法1： 方法2 例题1（ P.68， eg4 ） 方法3,例题3（ P.70，eg6）,三、可对角化矩阵的谱分解,将方阵分解成用谱加权的矩阵和 谱：设AFnn ，则A的谱=1，2，s。,，P具性质：,
36、1. 可对角矩阵的谱分解 分解分析： 分解结果：,幂等矩阵,意义：可对角化矩阵可以分解成以谱加权的幂等矩阵的加权和,2、 矩阵可以对角化的一个充要条件定理3.5（P.73 ） 矩阵A可以相似对角化当且仅当矩阵A有谱分解 ，满足条件：,充分性的证明： 在A有谱分解时 Cn=V 1V 2 V n,3. 幂等矩阵的性质定理3 .4（P.72）PFnn ，P2=P，则 矩阵PH和矩阵（IP）仍然是幂等矩阵。 P 的谱0，1，P 可相似于对角形。Fn = N（P） R（P）N（P）=V =0 ，R（P）=V=1 P和（I P）的关系N（I P）=R（P），R（ I P ）=N（P） Hermite 矩阵
37、的谱分解 定理3 .6（P.73）设A是秩为k的半正定的Hermite 矩阵，则A可以分解为下列半正定矩阵的和。A=v1v1H+v2v2H+vkvkH,3.2 Schur 分解和正规矩阵,已知：欧氏空间中的对称矩阵A可以正交相似于对角形。 讨论：一般方阵A ，在什么条件下可以酉相似于对角矩阵？ 在内积空间中讨论问题，涉及： 空间 Cn、 Cnn， 酉矩阵U，UHU=I， U 1=UH 酉相似： UHAU=J U1 AU=J,重点：理论结果,一、 Schur 分解,1、 可逆矩阵的UR分解定理3.7（P.74）ACnn为可逆矩阵，则存在酉矩阵U和主对角线上元素皆正的上三角矩阵R，使得A=UR。（
38、 称A=UR为矩阵A的酉分解） 证明：源于Schmidt正交化方法。 例题1 求矩阵A的UR分解，其中,定理3.8（P.76） ：设矩阵ACmn是列满秩的矩阵，则矩阵A可以分解为A=QR，其中Q Cmn的列向量是标准正交的向量组，R Cnn是主对角线上元素为正数的上三角形矩阵。,QR分解,2 、Schur 分解 定理3.7（P.74 ）对矩阵ACnn，存在酉矩阵U和上三角矩阵T，使得UHAU=T=,证明要点： A=PJ AP1 ， P=UR A= PJ AP1 =U（RJR1 ）UH =UTUH。,二、正规矩阵（Normal Matrices）,1、 定义3.3（P.77 ）A是正规矩阵 AH
39、A=AAH。 常见的正规矩阵： 对角矩阵 对称和反对称矩阵：AT=A，AT=A。 Hermite矩阵和反Hermite矩阵：AH=A，AH=A 正交矩阵和酉矩阵：ATA=AAT=I，AHA=AAH=I。 例题1 （P.78，eg 10）设A为正规矩阵，B酉相似于A，证明B也是正规矩阵。,正规是酉相似的不变性质,例题2、AFmn，矩阵AHA 和矩阵AAH是正规矩阵。,2、正规矩阵的基本特性 定理3.10 （P.78 ） ：ACnn正规A酉相似于对角形。 推论：正规ACnnA有n个标准正交的特征向量构成空间Cn 的标准正交基。 定理3.11（P.80 ）（正规矩阵的谱分解） A正规A有如下谱分解：
40、,Hermite性,3、正规性质的应用举例 例题1（P.79 ，eg12） 例题2 设ARnn，AT=A，证明 A的特征值是零和纯虚数。 矩阵A的秩是偶数。,3 3 矩阵的奇异值分解,Singular value decomposition (SVD),33 矩阵的奇异值分解,概述： 矩阵的奇异值分解是酉等价型的分解: AC mn，酉矩阵UC mm, VC nn ,使得A=U VH。矩阵A等价于=,奇异值分解基本适用于内积空间中与矩阵秩相关的问题 A的奇异值分解依赖于正规矩阵A HA 的酉相似分解的。,一、矩阵A的奇异值及其性质,1、矩阵AHA和AAH的性质： AC mn，AHAC nn，AA
41、HC mm ，都是Hermite矩阵。 定理312（P82） 秩（A）秩（AHA）=秩（AAH）。 AHA 和AAH 的非零特征值相等。 AHA和AAH 是半正定矩阵。,AHA和AAH 的特征值是非负实数：1 2 n,2、奇异值的定义： （P72） AC mn，秩（A）=r，设AHA的特征值1 2 r 0，r+1= r+2 = n =0，则矩阵的奇异值,3、特殊矩阵的奇异值： 定理313（P82）： 正规矩阵A的奇异值等于A的特征值的模长。 正定的Hermite矩阵A的奇异值就是A的特征值。 酉等价矩阵的奇异值相等。,A和B酉等价，则AHA和BHB酉相似。 奇异值是酉等价的不变性质。,二、矩阵
42、的奇异值分解,1、定理314（P83） 任何矩阵AC mn，秩（A）=r，则存在酉矩阵 UC mm，VC nn，使得,证明思想： AHA正规，VHAHAV= ，酉矩阵V。,令 ，i=1，2，r，得U1=u1，u2， ，ur扩充为标准正交基 酉矩阵U。,例题1 求矩阵A的奇异值分解，A= 。,例题2（P84，eg13） 求矩阵A的奇异值分解，A=,2、矩阵U，V的空间性质： V=v 1，v2，vr ， ，v n =V1 V2C nn的列向量是空间C n的标准正交基。 V2的列向量是空间N（A）的标准正交基。 V1的列向量是空间 N （A） 的标准正交基。 U=u 1，u2，ur ， ，u m =
43、U1 U2C mm的列向量是空间C m的标准正交基。 U1 的列向量是R（A）的标准正交基。 U2的列向量是R （A）的标准正交基。 3、奇异值分解的展开形式及其应用 定理3 15（ P87）,左奇异向量,右奇异向量,例题：图像的数字化技术与矩阵的奇异值分解,计算机处理图像技术的第一步是图像的数字化存储技术，即将图像转换成矩阵来存储。 转换的原理是将图形分解成象素（pixels）的一个矩形的数阵，其中的信息就可以用一个矩阵A=（a ij）mn来存储。矩阵A的元素a ij是一个正的数，它相应于象素的灰度水平（gray level） 的度量值。 由于一般来讲，相邻的象素会产生相近的灰度水平值，因此
44、有可能在满足图像清晰度要求的条件下，将存储一个mn阶矩阵需要存储的mn个数减少到n+m+1的一个倍数。,压缩数字化图形存储量的方法主要是应用矩阵的奇异值分解和矩阵范数下的逼近。如果图象的数字矩阵A的奇异值分解为：A=UVT， 其展开式：,压缩矩阵A的方法是取一个秩为k （kr）的矩阵Ak来逼近 矩阵A。 Ak按如下方法选取：,有在秩为k （kn）的所有矩阵中，矩阵Ak所对应的图象和矩阵A所对应的图象最相近。一般的，k越大图象就越清晰。经典的方法是选取接近k，使Ak 的存储量比A的存储量减少20%。,存储矩阵Ak只需要存储k个奇异值，k个m维向量ui和n维向量vj的所有分量，共计k（m+n+1）个元素。 如果m=n=1000，存储原矩阵A需要存储10001000个元素。取k=100时，图象已经非常清晰了，这时的存储量是100（2000+1）=200100个数。 和矩阵A比较，存储量减少了80%。,三、矩阵的奇异值分解和线性变换TA 矩阵AC mn可以定义线性变换TA ： C n C m 设矩阵的奇异值分解A=U VH ，则将U和V的列分别取做空间C m 、C n的基，则变换TA的矩阵为: =VX C m ,则TAX=(U VH )VX=U(X)=U,
