下载文档原格式
第五专题矩阵的数值特征(行列式、迹、秩、相对特征根、范数、条件数)一、行列式已知A p x q, B q x p,则|l p+AB| = |l q + BA|证明一：参照课本194 页，例4.3.证明二：利用AB 和BA 有相同的非零特征值的性质；从而l p+AB ，l q+BA 中不等于1 的特征值的数目相同，大小相同；其余特征值都等于1。
行列式是特征值的乘积，因此|I p+AB|和|I q+BA|等于特征值(不等于1)的乘积，所以二者相等。
二、矩阵的迹矩阵的迹相对其它数值特征简单些，然而，它在许多领域，如数值计算，逼近论，以及统计估计等都有相当多的应用，许多量的计算都会归结为矩阵的迹的运算。
下面讨论有关迹的一些性质和不等式。
nn定义：tr(A) a ii i ，etrA=exp(trA)i 1 i 1性质：1. tr( A B) tr(A) tr(B) ，线性性质；2. tr(A T ) tr(A) ；3. tr(AB) tr(BA) ；14. tr(P 1AP) tr(A) ；5. tr(x H Ax) tr(Axx H),x 为向量；nn6. tr(A) i ,tr(A k) i k;i 1 i 1从Schur 定理(或Jordan 标准形) 和(4)证明；7. A 0,则tr(A) 0 ,且等号成立的充要条件是A=0；8. A B(即A B 0),则tr(A) tr(B)，且等号成立的充要条件是A=B( A B i(A) i(B) )；9. 对于n阶方阵A，若存在正整数k,使得A k=0, 则tr(A)=0 (从Schur 定理或Jordan 标准形证明)。
若干基本不等式对于两个m x n复矩阵A和B, tr(A H B)是m x n 维酉空间上的内积，也就是将它们按列依次排成的两个mn 维列向量的内积，利用Cauchy-schwarz 不等式2[x,y] w [x,x]. [y,y]得定理：对任意两个m x n 复矩阵A 和B|tr(A H B)|2w tr(冲A) • tr(B H B)这里等号成立的充要条件是A=cB,c为一常数。
矩阵中秩的计算全文共四篇示例，供读者参考第一篇示例：矩阵是线性代数中的一个重要概念，它是由m行n列元素排成的矩形阵列。
在实际问题中，经常会遇到需要对矩阵进行分析和计算的情况。
矩阵的秩是一个非常重要的概念，它可以帮助我们理解矩阵的性质和特点。
矩阵的秩是指矩阵中线性独立的行或列的最大个数，也可以理解为矩阵中非零的行列式数量。
计算矩阵的秩是一项复杂而重要的工作，它涉及到矩阵的行变换和列变换等操作。
在计算矩阵的秩时，我们可以采用多种方法，如高斯消元法、矩阵的行列式等。
我们来看一种常用的计算矩阵秩的方法，即高斯消元法。
高斯消元法是一种基本的线性代数运算方法，在计算矩阵的秩时非常有效。
其基本思想是通过一系列的行变换操作将矩阵化为行阶梯形式，然后统计非零行的个数即为矩阵的秩。
具体步骤如下：1. 将矩阵化为增广矩阵形式，也就是矩阵的最右边添加一个单位矩阵。
2. 从左上角开始，通过一系列的行变换操作将矩阵化为行阶梯形式。
3. 统计非零行的个数，即为矩阵的秩。
通过高斯消元法，我们可以比较容易地计算矩阵的秩。
但需要注意的是，由于矩阵的秩是矩阵自带的性质，所以在进行行变换过程中需要保持同构性，即不能改变矩阵的秩。
另一种常用的方法是通过求解矩阵的行列式来计算矩阵的秩。
矩阵的行列式是一个标量值，表示矩阵中所有元素的线性组合。
矩阵的秩等于行列式非零的最大子式的阶数。
这种方法的优点是简单直观，适用于小规模矩阵的计算。
通过计算矩阵的秩，我们可以得到很多关于矩阵的信息。
矩阵的秩可以反映矩阵的线性无关性，即矩阵中非零行列向量的独立性。
当矩阵的秩小于其行数或列数时，说明矩阵中存在线性相关的行列向量；当矩阵的秩等于其行数或列数时，说明矩阵是满秩的，行列向量线性无关。
矩阵的秩还可以反映矩阵的奇异性。
一个矩阵是奇异的，当且仅当其秩小于其阶数。
奇异矩阵的行列式为0，没有逆矩阵。
通过计算矩阵的秩可以判断矩阵是否奇异。
矩阵的秩还与方程组的解有密切关系。
第五讲 矩阵的秩矩阵的秩是线性代数中又一重要概念，它描述了矩阵的一个重要的数值特征：在判定线性方程组是否有解，向量组的线性相关性，求矩阵的特征向量以及在多项式、空间几何等多个方面都有广泛的应用。
本讲我们主要了解矩阵秩的概念及其与方程组各类型解的关系。
5.1.1 矩阵秩的定义在第二讲中，我们通过矩阵的初等行（列）变换定义了矩阵的行（列）阶梯形、矩阵的行（列）最简形以及矩阵的标准形。
其中矩阵行（列）阶梯形与矩阵行（列）最简形可以不唯一，但矩阵的标准形唯一。
因此，下面就利用矩阵标准形的唯一性来给出矩阵秩的概念。
定义5.1 对于给定的m n ⨯矩阵A ，它的标准形(-)(-)(-)(-)rr n r m r r m r n r m nE OF O O ⨯⨯⨯⨯⎛⎫=⎪⎝⎭由数r 完全确定，我们称数r 为矩阵m n A ⨯的秩（rank ），记作()R A 。
其中， r E 是r 阶单位矩阵；其余都是零矩阵。
注：（1） 零矩阵的秩为零：()0R O =；（2） 矩阵的秩就是矩阵标准形中左上角单位矩阵的阶数。
（3）对于n 阶方阵A ，当()R A n =时，称A 为满秩矩阵。
当()R A n <时，称A 为降秩矩阵.例5.1 求矩阵111610121210A ⎛⎫⎪=-- ⎪ ⎪-⎝⎭的秩。
解 先将A 通过初等变换化为标准形111610121210A ⎛⎫ ⎪=-- ⎪ ⎪-⎝⎭2131111601280306r r r r --⎛⎫⎪−−−→ ⎪ ⎪⎝⎭323111601280026r r -⎛⎫ ⎪−−−→ ⎪ ⎪⎝⎭111601280013⎛⎫ ⎪→ ⎪ ⎪⎝⎭12312101201280013r r r ---⎛⎫ ⎪−−−→ ⎪ ⎪⎝⎭13232100101020013r r r r +-⎛⎫⎪−−−→ ⎪ ⎪⎝⎭()4142433312,3100001000010c c c c c c E O -⨯--⎛⎫ ⎪−−−−−→= ⎪ ⎪⎝⎭可看出，矩阵A 的标准形中左上角是3阶单位矩阵，所以()3R A =. 矩阵秩有如下性质 性质5.1 ()()TR A R A =； 性质5.2 }{0()min ,R A m n ≤≤；性质5.3 如果n 阶方阵A 可逆，则()R A n =；（可逆矩阵也称为满秩矩阵）性质5.4 {}()min (),()R PA R P R A ≤; 当P 可逆时，()()R PA R A =；若 P Q 、都可逆，且有PAQ B =，则()()R A R B =.性质5.5 max {}(),()(|)()+()R A R B R A B R A R B ≤≤；特别地，当B 为列矩阵时，有max {}(),()(|)()+1R A R B R A B R A ≤≤;性质5.6 ()()();()()().r A B r A r B r A B r A r B +≤+-≥-性质5.7 设A 为m n ⨯矩阵且()R A r =，则A 的任意S 行组成的矩阵B ，有().r B r s n ≥+-下面只证明性质5.3和性质5.4，其余的性质请学生自证。
第五专题矩阵的数值特征（行列式、迹、秩、相对特征根、范数、条件数）一、行列式已知A p×q, B q×p, 则|I p+AB|=|I q+BA|证明一：参照课本194页，例4.3.证明二：利用AB和BA有相同的非零特征值的性质；从而I p+AB，I q+BA中不等于1的特征值的数目相同，大小相同；其余特征值都等于1。
行列式是特征值的乘积，因此|I p+AB|和|I q+BA|等于特征值（不等于1）的乘积，所以二者相等。
二、矩阵的迹矩阵的迹相对其它数值特征简单些，然而，它在许多领域，如数值计算，逼近论，以及统计估计等都有相当多的应用，许多量的计算都会归结为矩阵的迹的运算。
下面讨论有关迹的一些性质和不等式。
定义：n nii ii1i1tr(A)a====λ∑∑，etrA=exp(trA)性质：1. tr(A B)tr(A)tr(B)λ+μ=λ+μ，线性性质；2. Ttr(A )tr(A)=；3. tr(AB)tr(BA)=；4. 1tr(P AP)tr(A)-=；5. H Htr(x Ax)tr(Axx ),x =为向量；6. nnk ki i i 1i 1tr(A),tr(A )===λ=λ∑∑;从Schur 定理（或Jordan 标准形）和（4）证明； 7. A 0≥,则tr(A)0≥,且等号成立的充要条件是A=0；8. A B(A B 0)≥-≥即,则tr(A)tr(B)≥，且等号成立的充要条件是A=B （i i A B (A)(B)≥⇒λ≥λ）；9. 对于n 阶方阵A ，若存在正整数k,使得A k =0,则tr(A)=0（从Schur 定理或Jordan 标准形证明）。
若干基本不等式对于两个m ×n 复矩阵A 和B ，tr(A H B)是m ×n 维酉空间上的内积，也就是将它们按列依次排成的两个mn 维列向量的内积，利用Cauchy-schwarz 不等式[x,y]2≤[x,x]﹒[y,y]得定理：对任意两个m ×n 复矩阵A 和B |tr(A H B)|2≤tr(A H A)﹒tr(B H B)这里等号成立的充要条件是A=cB,c为一常数。
