矩阵分析复习

第三章

定理

1. 酉矩阵：$A{A}^H=A^{H}A=E$，那么$A$是酉矩阵。是正交矩阵$A^{T}A=A{A}^T=E$的扩展。

2. Hermite矩阵：也叫$H$-阵，$A^H=A$，那么$A$叫做Hermite矩阵。
   Hermite矩阵一定可以被酉变换为一个对角矩阵，且特征值均为实数。

3. 正规矩阵：$A{A}^H=A^{H}A$，那么$A$是正规矩阵。$H$-阵，反$H$-阵，正交矩阵，酉矩阵，对角矩阵全部都是正规矩阵。

4. 有关正定矩阵的等价叙述：
   - $f(X)$是正定的
   - 对于任意n阶可逆矩阵$P$都有$P^{H}AP$为正定矩阵
   - A的n个特征值都大于零
   - 存在n阶可逆矩阵$P$使得$P^{H}AP=I$
   - 存在n阶可逆矩阵$Q$使得$A=Q^{H}Q$
   - 存在正线上三角矩阵$R$使得$A=R^{H}R$，且此分解唯一.

5. 酉矩阵的行列式值为1，且所有特征值的模长为1，即$|{\lambda }_i|=1$

6. Hermite矩阵偶在复合同下的标准型：设$A，B$均为n阶Hermite-阵，且B是正定的。那么必存在$P\in C_n^{n\times n}$使得
   $$P^{H}AP=\left[\begin{array}{cccc}{\lambda }_1& & & \\ & {\lambda }_2& & \\ & & \ddots & \\ & & & {\lambda }_n\end{array}\right]$$
   与$$P^{H}BP=I_{n\times n}$$同时成立，其中${\lambda }_1,{\lambda }_2,...,{\lambda }_n$是与$P$无关的实数。

7. Rayleigh商：设$A$为一个Hermite矩阵，那么我们称$$R(X)=\frac{X^{H}AX}{X^{H}X},(X\in C^n,X̸=0)$$为Hermite矩阵$A$的Rayleigh商。注意$X$是一个n维向量。

题目

1. 证明：设$A$是一个正定的H-阵，且又是酉矩阵，则$A=I$
2. 已知矩阵
   $$A=\left[\begin{array}{ccc}3& 0& 8\\ 3& -1& 6\\ -2& 0& -5\end{array}\right]\text{\hspace{1em}(1)}$$
   试求酉矩阵$U$使得$U^{H}AU$为上三角矩阵.

第五章

定理

1. Holder不等式：设$\alpha =[a_1,a_2,...,a_n],\beta =[b_1,b_2,...,b_n]\in C^n$
   则
   $$\sum _{i=1}^n|a_i{b}_i|\le (\sum _{i=1}^n|a_i{|}^p{)}^{1/p}(\sum _{i=1}^n|b_i{|}^q{)}^{1/q}$$
   其中$p>1,q>1$且$1/p+1/q=1$.
2. 矩阵的Frobenious范数，表示为$||A|{|}_F$。计算公式为
   $$||A|{|}_F=(\sum _{i=1}^m\sum _{j=1}^n|a_{ij}{|}^2{)}^{(1/2)}$$ 即为矩阵中所有元素的平方和开根号。
3. 诱导范数：列和范数，谱范数，行和范数
4. 矩阵的谱半径:矩阵$A$所有特征值中绝对值最大的就是矩阵$A$的谱半径。
5. 收敛与绝对收敛：绝对是指绝对值

题目

1. 证明范数：非负性，齐次性，三角不等式，矩阵乘法相容性

第六章

定理

1. Hamilton-Cayley定理：已知$A\in C^{n\times n}，f(\lambda )$为其特征多项式，那么就有$$f(A)=O_{n\times n}$$
2. 最小多项式：在$A$的零化多项式中，次数最低且首项系数为$A$的最小多项式，通常记为$m(\lambda )$
3. 矩阵函数$f(A)$的Jordan表示

题目

1. 给出多项式$f(x)$ 求矩阵函数$f(A)$
2. 求A的最小多项式$m(\lambda )$
3. 求矩阵函数$f(A)$的Lagrange-Sylvester内插多项式表示：
   先由矩阵$A$的最小多项式${\Psi }_A(x)$写出${\Phi }_1(x),{\Phi }_2(x),...{\Phi }_k(x)$；然后再求出$a_{11},a_{12},...,a_{1d_1}；a_{21},a_{22},a_{2d_2}；a_{k1},a_{k2},a_{k{d}_k}$；最后写出插值多项式表示
   $$f(A)=\sum _{k=1}^s[a_{k1}E+a_{k2}(A-{\lambda }_{k}E)+a_{k3}(A-{\lambda }_{k}E{)}^2+......+a_{k{d}_k}(A-{\lambda }_{k}E{)}^{d_k-1}]{\Phi }_k(A)$$
   其中s是最小多项式中因子的数量。$d_k(其中k=1,2,...,s)$是每个因子的次数。
   也就是说每个因子都有$d_k$个系数，就是说一共有${\sum }_{k=1}^s{d}_k=m$个系数
4. 求矩阵函数$f(A)$的多项式表示：$p(x)$比最小多项式低一阶。最小多项式的阶数${\sum }_{k=1}^s{d}_k=m$，那么$p(x)$就是一个m-1阶多项式。
   先求出最小多项式$m(x)$；
   由$p^{(}k)({\lambda }_i)=f^{(}k)({\lambda }_i)$（其中k表示k阶导数）将$p(x)$的系数用$f^{(k)}(\lambda )$表示
5. 求矩阵函数的幂级数表示：