• 线性代数的本质(十一)——复数矩阵


    复数矩阵

    矩阵 A A A 的元素 a i j ∈ C a_{ij}\in\Complex aijC ,称为复矩阵。现将实数矩阵的一些概念推广到复数矩阵,相应的一些性质在复数矩阵同样适用。

    定义:设复矩阵 A = ( a i j ) m × n A=(a_{ij})_{m\times n} A=(aij)m×n

    1. 矩阵 A ˉ = ( a i j ‾ ) \bar A=(\overline{a_{ij}}) Aˉ=(aij) 称为矩阵 A A A 的共轭矩阵.
    2. 矩阵 A H = A ˉ T A^H=\bar A^T AH=AˉT 称为矩阵 A A A 的共轭转置,又叫Hermite转置。
    3. A H = A A^H=A AH=A,则称 A A A 为 Hermitian 矩阵,是实数域对称阵的推广。
    4. A H A = A A H = I A^HA=AA^H=I AHA=AAH=I,即 A − 1 = A H A^{-1}=A^H A1=AH ,则称 A A A 为酉矩阵(unitary matrix),是实数域正交阵的推广。
    5. 复向量长度 ∥ z ∥ 2 = ∣ z 1 ∣ 2 + ∣ z 1 ∣ 2 + ⋯ + ∣ z n ∣ 2 \|\mathbf z\|^2=|z_1|^2+|z_1|^2+\cdots+|z_n|^2 z2=z12+z12++zn2
    6. 内积 u H v = u ˉ 1 v 1 + u ˉ 2 v 2 + ⋯ + u ˉ n v n \mathbf u^H\mathbf v=\bar u_1v_1+\bar u_2v_2+\cdots+\bar u_nv_n uHv=uˉ1v1+uˉ2v2++uˉnvn
    7. 正交 u H v = 0 \mathbf u^H\mathbf v=0 uHv=0

    性质

    • A + B ‾ = A ‾ + B ‾ \overline{A+B}=\overline A+\overline B A+B=A+B
    • k A ‾ = k ˉ A ˉ \overline{kA}=\bar k \bar A kA=kˉAˉ
    • A B ‾ = A ˉ B ˉ \overline{AB}=\bar A\bar B AB=AˉBˉ
    • ( A B ) H = B H A H (AB)^H=B^HA^H (AB)H=BHAH
    • 内积满足共轭交换率 u H v = v H u ‾ \mathbf u^H\mathbf v=\overline{\mathbf v^H\mathbf u} uHv=vHu
    • Hermitian 矩阵可正交对角化 A = P Λ P − 1 = P Λ P H A=P\Lambda P^{-1}=P\Lambda P^H A=PΛP1=PΛPH
    • Hermitian 矩阵的每个特征值都是实数

    附录

    极大线性无关组

    由向量组线性相关的定义,容易得到以下结论:

    (1) 向量组线性相关    ⟺    \iff 向量组中存在向量能被其余向量线性表示。
    (2) 向量组线性无关    ⟺    \iff 向量组中任意一个向量都不能由其余向量线性表示。

    线性等价:给定两个向量组
    a 1 , a 2 , ⋯   , a r b 1 , b 2 , ⋯   , b s \mathbf a_1,\mathbf a_2,\cdots,\mathbf a_r \\ \mathbf b_1,\mathbf b_2,\cdots,\mathbf b_s a1,a2,,arb1,b2,,bs
    如果其中的每个向量都能被另一个向量组线性表示,则两个向量组线性等价

    例如,向量组 a , b , a + b \mathbf a,\mathbf b,\mathbf a+\mathbf b a,b,a+b 与向量组 a , b \mathbf a,\mathbf b a,b 线性等价。

    极大线性无关组:从向量组 A A A 中取 r r r 个向量组成部分向量组 a 1 , a 2 , ⋯   , a r \mathbf a_1,\mathbf a_2,\cdots,\mathbf a_r a1,a2,,ar ,若满足

    (1) 部分向量组 a 1 , a 2 , ⋯   , a r \mathbf a_1,\mathbf a_2,\cdots,\mathbf a_r a1,a2,,ar 线性无关
    (2) 从 A A A 中任取 r + 1 r+1 r+1个向量组成的向量组 都线性相关。

    则称向量组 a 1 , a 2 , ⋯   , a r \mathbf a_1,\mathbf a_2,\cdots,\mathbf a_r a1,a2,,ar极大线性无关组(maximum linearly independent group)。极大线性无关组包含的向量个数为向量组的秩。

    性质

    (1) 一个向量组的极大线性无关组不一定是惟一的;
    (2) 一个向量组与它的极大线性无关组是等价的;
    (3) 一个向量组的任意两个极大线性无关组中包含的向量个数相同,称为向量组的(rank)。全由零向量组成的向量组的秩为零;
    (4) 两个线性等价的向量组的秩相等;
    (5) 两个等价的向量组生成的向量空间相同。

    向量叉积

    平面叉积
    [ v 1 v 2 ] × [ w 1 w 2 ] = det ⁡ [ v 1 w 1 v 2 w 2 ]

    [v1v2]" role="presentation" style="position: relative;">[v1v2]
    \times
    [w1w2]" role="presentation" style="position: relative;">[w1w2]
    =\det
    [v1w1v2w2]" role="presentation" style="position: relative;">[v1w1v2w2]
    [v1v2]×[w1w2]=det[v1v2w1w2]
    大小等于 v , w v,w v,w 围成的平行四边形的面积

    三维叉积
    [ v 1 v 2 v 3 ] × [ w 1 w 2 w 3 ] = det ⁡ [ i v 1 w 1 j v 2 w 2 k v 3 w 3 ]

    [v1v2v3]" role="presentation" style="position: relative;">[v1v2v3]
    \times
    [w1w2w3]" role="presentation" style="position: relative;">[w1w2w3]
    =\det
    [iv1w1jv2w2kv3w3]" role="presentation" style="position: relative;">[iv1w1jv2w2kv3w3]
    v1v2v3 × w1w2w3 =det ijkv1v2v3w1w2w3
    大小等于 v , w v,w v,w 围成的平行六面体的体积,方向遵循右手定则。

  • 相关阅读:
    jwttoken+redis+springsecurity
    Ubuntu22.04安装Go语言的几种方式
    Path 路径使用
    苹果曝出两个 iOS 系统 0-Day 漏洞
    pycharm远程连接服务器的使用(自用)
    ref实现input自动获取光标并执行多次
    树莓派 3b+ 学习
    lmxcms1.4
    D - Linear Probing- 并查集
    Java 守护线程的作用 Java 守护线程线程
  • 原文地址:https://blog.csdn.net/qq_41518277/article/details/132866442