初等矩阵及酉矩阵

线性代数中的酉矩阵理论线性代数是数学中的一个重要分支，研究向量空间及其线性映射的性质和结构。

其中，酉矩阵是线性代数中的一种特殊类型的矩阵，具有很多重要的性质和应用。

本文将探讨线性代数中酉矩阵的理论。

一、酉矩阵的定义与性质酉矩阵是指一个复矩阵，其共轭转置等于其逆矩阵，即对于一个n 阶酉矩阵U，满足以下条件：U*U^H = I，其中U*表示矩阵U的共轭转置，U^H表示矩阵U的转置。

酉矩阵的定义可以简单表达为U*U = I。

酉矩阵具有以下重要性质：1. 酉矩阵的行列式的模长等于1，即|det(U)| = 1。

这是因为酉矩阵的逆矩阵等于其共轭转置，所以行列式的值为1。

2. 酉矩阵的特征值的模长为1，即|λi| = 1。

这是因为酉矩阵具有正交对角化的性质，特征值对应的特征向量构成一组正交归一的基。

3. 酉矩阵的任意两行（或两列）是正交的。

设酉矩阵A的第i行为ai^T，第j行为aj^T，其中ai和aj分别为列向量，那么ai^T * aj = 0。

4. 酉矩阵的转置也是酉矩阵。

即如果U是酉矩阵，则U^T也是酉矩阵。

二、酉矩阵的应用酉矩阵在量子力学和信号处理等领域有广泛的应用。

1. 量子力学中的酉矩阵：量子力学中的态矢量表示为复向量，而量子系统的演化可以由酉矩阵描述。

在量子计算中，酉矩阵用于表示量子比特的操作。

2. 信号处理中的酉矩阵：信号处理领域中，酉矩阵用于表示信号变换的正交变换矩阵，如傅里叶变换和离散余弦变换等。

3. 几何旋转中的酉矩阵：二维和三维空间中的几何旋转可以由酉矩阵来表示，这是因为酉矩阵具有正交性质。

4. 线性方程组求解中的酉矩阵：酉矩阵用于线性方程组的求解，特别是在正交正交子空间的情况下，酉矩阵可以简化方程组的求解过程。

三、酉相似和酉相等在酉矩阵理论中，有两个重要的概念，即酉相似和酉相等。

1. 酉相似：如果一个矩阵A可以通过酉变换相似地变为矩阵B，即存在酉矩阵U，使得B = U^H * A * U，则矩阵A和B是酉相似的。

特征值——矩阵的本质属性——《矩阵分析》课程报告学院：数学与统计学院班级：硕2041班姓名：王彭学号：3112054028指导教师：说明本文并没有按照要求使用手写版，而是采用打印版，特此作如下说明：1.笔者采用手写版在第一部分画知识结构图时，发现由于知识点较多，框图须不停地修改；2.在进行正文书写的过程中，笔者发现课本上的前后知识点有串联，在进行后面书写的时候往往需要添加或修改前面的内容；显然，显然手写版难以满足不断修改的需要，笔者此前已写过两份手写版，但都由于无法修改不得已中途放弃，故最终采用了打印版的形式。

同时，笔者也保证，本课程教材为本文的唯一参考资料，本文无任何拷贝其他资料的内容，仅是笔者对课本知识点的整合梳理并加以自己的部分理解，望老师理解。

摘要本文以矩阵的特征值为主线，分别阐述了特征值、特征向量、相似性、酉等价、正规矩阵、Hermite矩阵和对称矩阵等矩阵的重要概念及其与矩阵特征值的关系。

关键字：特征值，矩阵的重要概念【目录】1 矩阵分析知识点框图 (3)2 特征值与特征向量 (4)2.1 特征值与特征向量 (4)2.2 谱与谱半径 (6)2.3 特征多项式 (6)2.4 小结 (7)3 相似性 (7)3.1 定义 (7)3.2 相似与特征值的关系 (7)3.3 矩阵的可对角化 (8)4 酉等价和正规矩阵 (9)4.1 酉矩阵 (9)4.2 酉等价 (9)4.3 SCHUR酉三角化定理 (10)4.4 可交换矩阵与矩阵的特征值之间的关系 (11)4.5 正规矩阵 (12)5 标准形 (13)5.1 JORDAN矩阵 (13)5.2 JORDAN标准形与矩阵特征值的关系 (13)5.3 由JORDAN表现出来的矩阵的基本性质 (14)6 HERMITE矩阵和对称矩阵 (15)6.1 HERMITE矩阵 (15)6.2 HERMITE矩阵、对称矩阵的相合与同时对角化 (16)6.3 合相似与合对角化 (17)7 总结 (18)1 矩阵分析知识点框图根据矩阵分析中出现的部分知识点的相互联系情况，作以上框图，笔者发现其几何中心为特征值，即特征值与绝大多数知识点都有直接或间接的关系，故本文中采用矩阵特征值为主线串联各知识点，以上的各种联系在下文中都会有体现。

酉矩阵通用表达式
酉矩阵是线性代数中的一个重要概念，它在许多领域中都有广泛的应用。

它是一个特殊的方阵，具有一些特殊的性质和特征。

酉矩阵的定义和性质可以用以下通用表达式来描述：
设A是一个n阶复数方阵，如果满足以下条件：
1. A的共轭转置矩阵等于A的逆矩阵，即A* = A^(-1)；
2. A的每个元素的模的平方之和等于1，即对于任意的i和j，|A(i,j)|^2 + |A(i+1,j)|^2 + ... + |A(n,j)|^2 = 1，其中|A(i,j)|表示A的第i 行第j列元素的模。

则称A为酉矩阵。

酉矩阵具有许多重要的性质和特征，下面将对其中一些进行介绍。

酉矩阵是一个幺正矩阵。

幺正矩阵是指满足A*A = I的方阵，其中I 是单位矩阵。

这意味着酉矩阵的共轭转置矩阵和它本身的乘积等于单位矩阵。

酉矩阵保持向量的内积不变。

对于任意的复数列向量x和y，如果A是一个酉矩阵，则有(x,y) = (Ax,Ay)，其中(x,y)表示x和y的内积。

这个性质在量子力学中有重要的应用。

酉矩阵的特征值都具有模长为1的性质。

对于酉矩阵A，它的特征值λ满足|λ| = 1。

这意味着酉矩阵的特征值总是在单位圆上。

酉矩阵是可逆的。

由于酉矩阵的共轭转置矩阵等于它的逆矩阵，所以酉矩阵是可逆的。

这个性质在矩阵求逆的计算中是非常有用的。

酉矩阵是一类具有特殊性质和特征的方阵。

它在许多领域中都有广泛的应用，特别是在量子力学中。

通过上述通用表达式的描述，我们可以更好地理解和应用酉矩阵的各种性质和特征。

§2 矩阵的运算一、矩阵的相等、加、减、数乘、乘法、转置与共轭(A +B )=A +B (kA )=kA (k 为任意复数) (AB )τ=BA (反序定律)(A 1A 2...A s )=τττ12...A A A s(A k )=(A )k (k 为整数)二、 矩阵的初等变换与初等矩阵设I =⎥⎥⎥⎥⎤⎢⎢⎢⎢⎡10101，称为单位矩阵.用数k（0）乘矩阵的第i 列（或行）初等变换具有性质：1° 任何矩阵（a ij ）都可经过有限次初等变换化为对角矩阵（a ij ）⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡0001012° 初等变换不改变矩阵的秩.三、 矩阵的微积分假设矩阵A 的元素a ij 都是参数t 的函数，那末1° 矩阵A 的导数定义为⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡==t a t a ta t a t a tat a t a t a A tA mn m m n n d d ...d d d d ............d d ...d d d d d d ...d d d d d d 212222111211同样可定义矩阵的高阶导数. 2° 矩阵A 的积分定义为⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=⎰⎰⎰⎰⎰⎰⎰⎰⎰⎰t a t a ta t at at a t a t a ta t A mn m m n nd ...d d ............d ...d d d ...d d d 212222111211同样可定义矩阵的多重积分.四、 特殊矩阵[零矩阵与零因子] 元素a ij 全为零的矩阵称为零矩阵，记作O =(0)=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡0...00............0 (00)0 (00)零矩阵具有性质：O +A =A +O =A OA =AO =OA +(－A )=O ,－A 称为A 的负矩阵若A ,B 为非零矩阵，即A ≠O ,B ≠O ,而AB =O ,则称矩阵A 为矩阵B 的左零因子，矩阵B 为矩阵A 的右零因子，例如A =⎥⎦⎤⎢⎣⎡--1111,B =⎥⎦⎤⎢⎣⎡--1111 AB =⎥⎦⎤⎢⎣⎡--1111⎥⎦⎤⎢⎣⎡--1111=⎥⎦⎤⎢⎣⎡0000=O[对角矩阵] 主对角线以外的元素都是零（d ij =0,i ≠j ）的方阵称为对角矩阵，记作D =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n d d d 0...021=diag(d 1,d 2,...,d n )=[ d 1 d 2 ... d n ] 对角矩阵具有性质： 1° 左乘BDB =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n d d d 0021⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n b b b b b b b b b .....................212222111211=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n n n n b d b d b d b d b d b d b d b d b d ............... (2)12222221211121111 =)(ij i b d 2° 右乘BBD =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n b b b b b b b b b (2)12112111211⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n d d d 0021=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n n n n b d bd b d b d b d bd b d b d b d (2211222)22111122111 3° 两个对角矩阵的和、差、积仍为对角矩阵.[数量矩阵] d i =d (i =1,2,...,n )的对角矩阵称为数量矩阵，记作D =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡d d d00 =[d d... d ]显然DB =BD =dB .[单位矩阵] d =1的数量矩阵称为单位矩阵，记作 I =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡10101 =「1 1 ... 1」显然IB =BI =B .[对称矩阵] 满足条件a ij =a ji (i ,j =1,2,...,n )的方阵A =(a ij )称为对称矩阵.例如A =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--423261315 是对称矩阵.对称矩阵具有性质： 若A ,B 都是对称矩阵，则A A=τ,且A －1（使A －1=A －1A =I 的矩阵.详见本节，六），A m (m 为正整数)，A +B 仍是对称矩阵.［实对称矩阵］实对称矩阵按其特征值（本节，七）可分为正定矩阵，半正定矩阵、负定矩阵、半负定矩阵和不定矩阵，它们的定义与充分必要条件如下[反对称矩阵] 满足条件⎩⎨⎧-=jiij a a 0 )()(j i j i ≠= (i ,j =1,2,...,n )的方阵A =(a ij )称为反对称矩阵.例如A =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---023201310 是反对称矩阵.反对称矩阵具有性质：１° 若A ,B 都是反对称矩阵，则A τ=－A ,且A －1, A +B 仍是反对称矩阵，A m 为⎩⎨⎧反对称矩阵对称矩阵）（）（为奇数为偶数m m２° 任意方阵A 都可分解为一个对称矩阵B =(b ij )与一个反对称矩阵C =(c ij )之和，即A =B +C只需取b ij =21 (a ij +a ji ),c ij =21(a ij -a ji )(i ,j =1,2,...n )[埃尔米特矩阵] 满足条件A τ=A的方阵A 称为埃尔米特矩阵.例如A =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+--++-4232231212215i i i i i i 是埃尔米特矩阵.埃尔米特矩阵具有性质：若A ,B 都是埃尔米特矩阵，则1-A ,A +B 仍是埃尔米特矩阵.若A 又是实方阵（即a ij 全为实数），则A 就是对称矩阵.[反埃尔米特矩阵] 满足条件A τ=A -的方阵A 称为反埃尔米特矩阵.例如A =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-+--+-05250212210i i i i i i 是反埃尔米特矩阵.反埃尔米特矩阵具有性质： 若A ,B 都是反埃尔米特矩阵，则1-A , A +B 仍是反埃尔米特矩阵.若A 又是实方阵，则A 就是反对称矩阵.[正交矩阵] 满足条件A τ=1-A的方阵A 称为正交矩阵.例如 A =⎥⎦⎤⎢⎣⎡-θθθθcos sin sin cos 是正交矩阵.正交矩阵具有性质：若A =(a ij )和B 都是正交矩阵，则 1° 1-A , AB 仍是正交矩阵. 2° det A =±1.3° ⎩⎨⎧=∑=011n k jk ik a a )()(j i j i ≠=⎩⎨⎧=∑=011n k kj ki a a )()(j i j i ≠=[酉(U )矩阵] 满足条件1-=A A τ的方阵A 称为酉(U )矩阵.例如：A =⎥⎦⎤⎢⎣⎡00i i 是酉矩阵.酉矩阵具有性质：若A =(a ij )和B 都是酉矩阵，则 1° A -1,AB 仍是酉矩阵. 2° det A ∙det A =1.3° 若A 又是实方阵，则A 是正交矩阵.[带型矩阵] 满足条件a ij =0 )(m j i >-的方阵A =(a ij )称为带型矩阵.2m +1称为带宽.一般形式为A =⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡--++++nn mn n n m n n n n m a a a a a a a,,1,11,11,11100[三角矩阵] 满足条件a ij =0 (i >j )的方阵A =(a ij )称为上三角形矩阵，一般形式为A =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n a a a a a a 022211211 满足条件()j i b ij <=0的方阵()ij b B =称为下三角形矩阵，一般形式为B =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n b b b b b b 212221110 三角形矩阵具有性质：1° 任何秩为r 的方阵C 的前r 个顺序的主子式不为0时，C 可表为一个上三角形矩阵A与一个下三角形矩阵B 的乘积，即C =AB2° 上（或下）三角形矩阵的和、差、积及数乘仍是上（或下）三角形矩阵.[分块矩阵] 用水平和垂直虚线将矩阵A 中的元素的阵列分成小块（称为子阵），A 就成为分块矩阵.例如A =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡333231232221131211a a a a a a a a a =⎥⎦⎤⎢⎣⎡22211211B B B B 式中B 11=⎥⎦⎤⎢⎣⎡22211211a a a a，B 12=⎥⎦⎤⎢⎣⎡2313a a B 21=[]3231a a , B 22=[]33a 它们都是A 的子阵. 进行分块矩阵的运算时，可将子阵当作通常矩阵的元素看待.这些运算指加、减、乘法、数乘、转置与共轭等.[分块对角矩阵] 主对角线上的子阵都是方阵，其余子阵都是零矩阵的分块矩阵称为分块对角矩阵.一般形式为A =⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡kkB O B O O O B 2211 分块对角矩阵A 的逆矩阵A －1和A 的行列式可以用下面简单公式求出A －1=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡---1122111KK B OB O Bdet A =det B 11·det B 22·...·det B kk注意，一般分块矩阵的行列式不能用把子阵当作通常矩阵的元素的方法来计算，例如把四阶方阵化为分块矩阵A =⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡44434241343332312423222114131211...........................a a a a a a a a a a a a a a a a =⎥⎦⎤⎢⎣⎡22211211B B B B 一般det A =det B 11·det B 22－det B 21·det B 12不成立（参见§1，二，3中的四阶行列式）.五、 相似变换[相似变换] 如果有一非奇异矩阵X （即det X ≠0）使得B =1-X AX那末称矩阵A 与矩阵B 相似，也称A 经相似变换化为B ，记作A ~B .它具有下列性质： 1° A ~A ,AA .2° 若A ~B ,则BA .3° 若A ~C ,B ~C ,则A ~B .4° 1-X (A 1+ A 2+...+ A m )X =1-X A 1X + 1-X A 2X + ...+ 1-X A m X 5° 1-X (A 1 A 2 ...A m )X =1-X A 1 X ·1-X A 2 X ·... ·1-X A m X 6° 1-X A m X =( 1-X AX )m7° 若)(A f 为矩阵A 的多项式，则1-X )(A f X =)(1AX X f -8° 若A ~B ，则A 与B 的秩相同，即rank A =rank B . A 与B 的行列式相同，即det A =det B .A 与B 的迹（定义见本节，七）相同，即tr A =tr B . A 与B 具有相同的特征多项式和特征值（本节，七）.[正交变换] 若Q 为正交矩阵（即1-Q =Q τ）,则称Q τAQ 为矩阵A 的正交变换，其性质与相似变换类似.特别还有性质： 对称矩阵A 经正交变换后仍是对称矩阵.[旋转变换] 取正交矩阵U 为)(p)(qU pq =(u ij )=)()(11cos sin 11sin cos 11q p ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡θθ-θθ 即u pp =u qq =θcosu pq =-u qp =θsin u ii =1 (i ≠p,q )u ij =0 (i,j ≠p,q;i ≠j ) 这时称B =pq pq AU U τ为A 的旋转变换，称为旋转角，如果A 是对称矩阵，那末B 的元素b ij 与A 的元素a ij 有 如下对应关系：⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧=θ+θ=θ-θ=θ-θ+θθ-==θ+θθ+θ=θ+θθ-θ=ijijqj pj qj qj pj pj pq qq pp qp pqqq pq pp qq qq pq pp pp a b a a b a a b a a a b b a a a b a a a b cos sin sin cos )sin (cos cos sin )(cos cos sin 2sin sin cos sin 2cos 222222）其他元素(),(),(q p j q p j ≠≠同时有性质：∑=nj i ija1,2=∑=nj i ij b 1,2∑=ni iia 12∑=≤ni ii b 12 若取旋转角pqpp qq a a a 2cot arc 21-=θ则旋转变换使0==qp pq b b六、 逆矩阵[逆矩阵及其性质] 若方阵A ,B 满足等式AB=BA=I (I 为单位矩阵)则称A 为B 的逆矩阵，或称B 为A 的逆矩阵,记作A=1-B 或B=1-A这时A,B 都称为可逆矩阵（或非奇异矩阵，或满秩矩阵）.否则称为不可逆矩阵（或奇异矩阵，或降秩矩阵）.可逆矩阵具有性质：1° 若A,B 为可逆矩阵，则AB 仍为可逆矩阵，且111)(---=A B AB （反序定律）一般地，若A 1 ,A 2 ,…,A s 为可逆矩阵，则=-121)(s A A A 11121---A A A s2° 矩阵A 可逆的充分必要条件是：det A ≠0.3° 若矩阵A 可逆，则det 1-A ≠0 且 det 1-A =(det 1)-A11)(--A =A , 111)(---=A a aA (a ≠0)1)(-τA =(1-A )τ,()()11--=A A4° 矩阵A 可逆的充分必要条件是：矩阵A 的特征值全不为零.[伴随矩阵与逆矩阵表达式] 设A ij 为矩阵A =(a ij )的第i 行第j 列元素a ij 的代数余子式，则矩阵A *=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn nnn n A A A A A A A A A (2122212)12111称为矩阵A 的伴随矩阵.若A 为非奇异矩阵，即det A ≠0,则A 的逆矩阵表达式为AA A det *1=-注意，A *的第i 行第j 列元素是A 的第j 行第i 列元素的代数余子式.[对角矩阵的逆矩阵] 对角矩阵D =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n d d d 0...021, d i ≠0 (i =1,2,...,n )的逆矩阵为D －1=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡---112110...0n d d d 显然对角矩阵的逆矩阵仍是对角矩阵.[三角形矩阵的逆矩阵] 三角形矩阵L =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n l l l l l l ...............0...0...21222111, 00=≠ij ii l l )(),...,2,1(i j n i >= 的逆矩阵为1-L =P =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n p p p p pp ...............0...0 (02)1222111 式中iiii l p 1=(i =1,2,...,n )∑-=-=11i jk kj ikiiij p ll p⎪⎪⎭⎫ ⎝⎛+=-=n j i n j ,...,11,...,2,1 0=ij p)(i j >显然非奇异下（上）三角形矩阵的逆矩阵仍是下（上）三角形矩阵.[正定矩阵的逆矩阵] 1° 高斯—若当法正定矩阵A =(a ij )的逆A －1=(b ij )可由下列递推公式求出：)1(11)(1-=k k nnaa, )1(11)1(1)(1,----=k k jk j n aa a, )1(11)1(1)(,1---=k k i k ni a a a)1(11)1(1)1(1)1()(1,1-------=k k jk i k ij k j i aa a a a )2,...,1,,(-=n n j i ij n ij a a =)((k=1,2,...,n )最后得到)(n ijij a b = 式中n 为该正定矩阵A 的阶. 2° 三角阵法 其步骤如下：（1） 把正定矩阵A =(a ij )表示为A =ΛD Λτ式中D 为实的非奇异对角矩阵D =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n d d d 0021为实的非奇异下三角矩阵.Λ=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡λλλλ-1111,2121n n n n是的转置矩阵.d i (i =1,2,...,n )与λij (i =2,...,n;j=1,…,n )由下面递推公式算出：0=ij λ)(i j > 1=λii ),...,2,1(n i =∑-=-=11j k jk ik ij ij x a x λ)1,...,2,1;,...,2(-==i j n ijij ij d x =λ)1,...,2,1;,...,2(-==i j n i∑-=-=11i k ik ik ii i x a d λ),...,2,1(n i =（2）求出D 的逆矩阵1-D =⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡n d d d 11121（3）求出Λ的逆矩阵1-Λ=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡1112121 n n ρρρ 式中⎪⎩⎪⎨⎧=-=∑-=11ii i jk kjik ij ρρλρ ),...,2,1(),...,2,1;1,...,2,1(n i n j j i n j =++=-=（4）求出A 的逆矩阵1-A =(ΛD 1)-τΛ=(1-Λ)τ1-D 1-Λ =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n βββββββββ212222112111式中∑==nik kkjki ij d ρρβ ),,2,1;,,2,1(n i i j ==注意，这种方法的好处是避免了求平方根的运算.[分块矩阵的逆矩阵] 设非奇异矩阵A 的分块矩阵为A =⎥⎦⎤⎢⎣⎡22211211B B B B 式中B 11,B 22为方子阵，那末A 的逆矩阵A －1=⎥⎦⎤⎢⎣⎡22211211C C C C由下面公式求出111211211111111212221221211112112111212222)(-------=-=-=-=B B C B C B B C C C B B C B B B B C[初等变换法求逆矩阵] 设1-A =1212222111211...........................-⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n a a a a a a a a a =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n b b b b b b b b b 212222111211=B 对矩阵⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡100010001212222111211 nn n n n n a a a a a a a a a 作一系列行的初等变换，使虚线左边一块矩阵化为单位矩阵，而右边一块单位矩阵就变为A 的逆矩阵B =A －1,即⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n b b b b b b b b b212222111211100010001[逆矩阵的近似求法] 设10-A 为矩阵A 的初始近似逆矩阵，可由下列迭代公式求出更精确的逆矩阵：)2(1111---+-=n n n AA I A A (n=0,1,2,...)式中I 为与A 同阶的单位矩阵.[计算机求逆程序的检验矩阵] 用下列n 阶非奇异矩阵及其逆矩阵，来检验大矩阵求逆的计算程序.A =⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡++-+------+-++222210221211210002112100002112122100021222n n n n n n1-A =⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡--------n n n n n n n n n n n n n13211432341223111221七、 特征值与特征矢量[特征值与特征矢量] 对n 阶方阵A =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n a a a a a a a a a 212222111211 和n 维非零列矢量α=(a 1,a 2,...,a n )τ如果有一个数λ，使得A α=λα则称λ为矩阵A 的特征值（特征根），α为矩阵A 的特征值λ所对应的特征矢量. 矩阵A 的所有特征值中绝对值最大的一个称为A 的第一特征值.[特征矩阵特征多项式特征方程] n 阶方阵A =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡nn n n n n a a a a a a a a a 212222111211 的特征矩阵定义为=-I A λ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡---λλλnn n n n n a a a a a aa a a212222111211 式中I 为n 阶单位矩阵.行列式|A －λI |称为矩阵A 的特征多项式，记作（）=|-A λI |方程（）＝０称为矩阵A 的特征方程.[矩阵的迹与谱] n 阶方阵A 的主对角线上各元素之和称为A 的迹，记作∑==ni ii a A 1tr特征方程（）＝０的n 个根1，2，...，n 就是矩阵A 的n 个特征值.集合{1，2，...，n }称为矩阵A 的谱，记作ch A .线性齐次方程组0)(=-αλI A i的非零解便是矩阵A 的特征值i 所对应的特征矢量.[特征值与特征矢量的性质]1° 设1，2，...，n 为n 阶方阵A 的n 个特征值，则A k 的特征值为k n k k λλλ,,,21 （k 为正整数）. A 的逆矩阵A －1的特征值为11211,,,---n λλλ .A 的伴随矩阵A *的特征值为A A A n 11211,,,---λλλ .2° n 阶方阵A 的n 个特征值之和等于A 的迹，矩阵A 的n 个特征值之积等于A 的行列式，即1+2+...+n =a 11+a 22+...+a nn12...n =A由此可以推出矩阵可逆的另一充分必要条件是：A 的所有特征值都不为零. 3° 若i 是特征方程的k 重根，则对应于i 的线性无关的特征矢量的个数不大于k .当i 为单根时，对应于i 的线性无关特征矢量只有一个.4° 矩阵A 的不同特征值所对应的特征矢量线性无关.若n 阶方阵A 对应于特征值1，2，...，s 的线性无关的特征矢量分别有k 1,k 2,...,k s个，则这∑=s i i k 1个特征矢量线性无关，且n k si i ≤∑=1.5° 实对称矩阵的特征值都是实数，并且有 n 个线性无关（而且是正交）的特征矢量. 6° 矩阵的特征值在相似变换下保持不变，特别，A τ与A 具有相同的特征值.[求第一特征值的迭代法] 在实际问题中，往往不要求算出矩阵A 的全部特征值，只需算出第一特征值，用迭代法计算如下：⎩⎨⎧=λ=α++b αα)0()1()1(1)(k k k A )2,1,0( =k 假定当ε<-+)1()(m m αα时，可以认为(k ) ≈(m +1)，那末迭代到m k =即可.这时)1(1+m λ为矩阵A 的第一特征值的近似值，(m +1)为所对应的特征矢量.[求实对称矩阵的雅可比法] 设n 阶实对称矩阵A =(a ij )的特征值是1，2，...，n ，则必存在一正交矩阵Q ，使得Q τAQ =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡λλλn 0021为对角矩阵.正交矩阵Q 可用一系列旋转矩阵的积来逼近：Q =∏pq U式中)()(11cos sin 11sin cos 11)()()(q p u U q p ij pq⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡-==θθθθ取pqpp qq a a a 2cot arc 21-=θ因为在这种旋转变换下，消去了矩阵中位于第p 行第q 列(p ≠q )交点上的元素（见本节，五），而矩阵所有元素的平方和保持不变，而且对角线上的元素的平方和增大，因而非对角线元素的平方和随之减小，因此，当旋转次数足够大时,可使非对角线元素的绝对值足够小.对于预先给定的精度>0,如果｜a ij ｜<(i ≠j ),则可认为a ij ≈0.于是得到求矩阵A 的特征值与特征矢量的具体迭代方法.1° 按以下递推公式求特征值1，2，...，n ：⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧+=θ=⎪⎪⎩⎪⎪⎨⎧<+->-+=θ=⎪⎩⎪⎨⎧<ςς++ς-≥ςς++ς=θ=-=θ=ς--2221212)()()(1sin )0(11)0(112tan )0()1()0()1(tan 22cot k k k k k k k k k kk k k k k k k k pq k pp k qq k t t s t t t t t t v t a a a⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧===≠≠=≠-+=≠+-=+=-=+++++),2,1(),,2,1,(),,,()()()()()1()1()()()()1()()()()1()()()1()()()1( k n j i a a q p j q p i a a q j a a s a a p j a a s a a a t a a a t a a ij ij kijk ijk qj k k pj k k qj k qj k pj k k qj k k pj k pj k pqk k qq k qq k pqk k pp k pp υυ假定当)()(j i a m ij ≠<ε时，可以认为0)(≈m ij a ，则迭代到1-=m k 即可.而取)(m iia 作为i的近似值：),,2,1(n i a miii =≈λ2° 求特征矢量 从1°有m m m m U U AU U U U 1111-- τττ=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n λλλ0021记P m =U 1…U m-1U m则AP m = P m ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n λλλ0021所以P m 为特征矢量矩阵.P m 由下列递推公式算出：)1,,2,1(),,2,1,(),,2,1(),()()()1()()1()()()()1()()()()1(-=⎪⎪⎪⎩⎪⎪⎪⎨⎧===≠=-+=+-=+++m k n j i u u n i q p j u u u u s u u u u s u u ijij k ijk ij k iq k k ip k k iq k iq k ip k k iq k k ip k ip υυ最后得到 )()(m ij m u P =即 τ),,,()()(2)(1)(m ni m i m i m i u u u u =为对应于特征值i 的特征矢量的近似值.[求对称三对角矩阵特征值的方法]1° 相似变换法 设A 为n 阶对称三对角矩阵：A =⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡--n n n d e e d e e d e e d 113222111(1)经过相似变换1211211)(U U U I t A U U U A n k k n k --+-=τττ式中I 为单位矩阵,t k 为适当选定的常数，U i 为雅可比旋转矩阵：)1()(1111)1()(+⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡-=+i i c s s c U i i ii i iiτi U 为U i 的转置矩阵.又A 1=A ，A k +1与k k t A -I 相似，且A m 与∑-=-111m j j I t A 相似.因此，若A m 的特征值为),,2,1()(n i m i =λ，则A 1的特征值i (i=1,2,...,n )为∑-=+=11)(m j j m ii t λλ(i =1,2,…,n )假定当),,2,1()(n i e m i =<ε时，可认为0)(≈m i e ，那末可适当选择s i ，c i ，使得当m 充分大时，A m 在该精度下化为对角线矩阵；其特征值),,2,1()()(n i d m i m i =≈λ.)(m i d (i=1,2,...,n )可由下列递推公式算出：()())1,,2,1;1,2,,2,1(,)]([)(//g ])()[(0,,)(1)(1)1(1)(1)(1)1(1)(1)(1)1(1)()()(1)()()(1)1(1)(1)()()()()(1)()()(1)(1)()(1)(1(k)1)()(1(k)1212)(2)(1)(1)()(-=--=⎪⎩⎪⎨⎧===-++=--=====+==-=+++++++++++++++++++++m k n n i q s e q c d r s e t d s g c s h d g s t d c q r e s r q c q c h e c c q rs c t d q k k k k k k k i k i k i k k i k i k i k i k i k i k i k i k i k k i k i k i k i k i k i k i k i k i k i k i i k i k i i k ik i k i k nk n k k n k nt k 的选择对收敛速度影响较大，取t k 为二阶矩阵⎥⎦⎤⎢⎣⎡)(2)(1)(1)(1k k k k d e e d 的接近于)(1k d 的那个特征值，即t k =⎪⎩⎪⎨⎧≥ββ++β-<ββ+-β-)0()1/()0()1/(2)(1)(12)(1)(1k k k k e d e d式中 )(1)(1)(22k k k e d d -=β 2° 二分法 设A 为n 阶对称三对角矩阵（如（1）式），对任意，设序列q 1()=d 1-q i ()=),,2()()(121n i q e d i i i =----λλ中q i ()<0的个数为N ()(在这些关系式中，对于某些i ，如果q i -1()=0，则只需用适当小的数代替即可），则N ()等于矩阵A 的小于的特征值的个数.假定矩阵A 的第k 个特征值k (1≤2≤… ≤k ≤…≤n )在区间[u ,υ]中，令21υ+=u r ,当N (r 1)≥k 时，则k ∈[u , r 1]；当N (r 1)<k 时，则k ∈[ r 1,v ];…依此类推，m步之后，k 包含在宽度为mu2-υ的区间中.m 充分大时，便可得到所求的特征值.八、 矩阵多项式与最小多项式[矩阵多项式] 设i a (i=1,2,...,n )为某一数域（实数域或复数域）中的数，A 为这个数域上的n 阶方阵，则表示式f (A )=a 0I+a 1A+...+a n A n称为矩阵A 的多项式，式中I 为n 阶单位矩阵.如果矩阵A 使得f (A )=O那末称A为多项式f(λ)=a0λ+ a1λ+ ...+a nλn的根.[哈密顿-凯莱定理] 任一方阵都是它的特征多项式的根.[最小多项式及其性质] 以矩阵A为根的非零多项式f(λ)中，存在首项系数为1次数最低的多项式(λ)，它就称为矩阵A的最小多项式.最小多项式具有性质：1°任一方阵仅有一个最小多项式；2°任一以A为根的多项式f(λ)都可被A的最小多项式(λ)所整除.特别，任一方阵的最小多项式可整除其特征多项式；3°方阵A的特征多项式的根都是A的最小多项式的根：4°相似矩阵具有相同的特征多项式和最小多项式.。

酉矩阵的应用-回复酉矩阵的应用是一项广泛而重要的数学领域，它在各个学科中都有着广泛的应用。

本文将逐步阐述酉矩阵的概念、性质和应用，并介绍一些相关的实际应用案例。

首先，我们来了解什么是酉矩阵。

酉矩阵是指一个复数域上的方阵，其共轭转置等于其逆矩阵。

换句话说，一个方阵U是酉矩阵，当且仅当U的共轭转置矩阵U*满足以下条件：U*U=UU*=I，其中I是一个单位矩阵。

接下来，我们来详细探讨酉矩阵的性质。

首先，酉矩阵的行列式的模长等于1，即det(U) =1。

其次，酉矩阵的特征值具有单位模长，即酉矩阵U 的特征值λ满足λ=1。

此外，酉矩阵的特征向量正交归一，即酉矩阵U 的特征向量对应于不同特征值的特征向量是正交且归一的。

最后，酉矩阵可以分解为单位模长的特征向量与特征矩阵的乘积，即U=VDV*，其中V 是酉矩阵的特征向量组成的酉矩阵，D是对角矩阵，对角线上的元素是酉矩阵U的特征值。

接下来，我们来看一些酉矩阵的应用案例。

首先，酉矩阵在量子力学中起着重要的作用。

量子力学是研究微观领域中粒子的行为和相互作用的理论框架，而酉矩阵则是描述量子力学系统中的态演化的数学工具。

量子态的演化可以用酉矩阵来表示，而量子测量可以通过酉矩阵的特征向量和特征值来描述。

其次，酉矩阵在信号处理中也有广泛应用。

例如，在正交频分复用系统中，酉矩阵可以用来进行信号的正交化处理，从而实现多个信号的同时传输。

在多输入多输出（MIMO）系统中，酉矩阵可以用来进行信号的空间预编码和信号的空间解码，从而提高系统的信号传输速率和可靠性。

此外，酉矩阵还在图像处理和机器学习等领域中广泛应用。

在图像处理中，酉矩阵可以用来进行图像的变换和压缩。

在机器学习中，酉矩阵可以用来进行特征提取和数据降维，从而改善机器学习算法的性能。

总之，酉矩阵的应用十分广泛，涉及到数学、物理、工程等多个学科领域。

通过了解酉矩阵的概念、性质和应用，我们可以更好地理解和应用酉矩阵，发挥其在各个领域的作用。

初等矩阵概念
初等矩阵是指一个由相同元素组成的矩阵,这些元素都是 0 或 1。

在数学和计算机科学中,初等矩阵是一个重要的概念,可以用来表示一些基本的矩阵运算,如加法、乘法、交换律和结合律等。

初等矩阵可以看作是一个特殊的矩阵,它有一个唯一的特征值,即它的行列式为零。

因此,初等矩阵的行数等于列数,即 $n$ 行 $n$ 列。

在数学和计算机科学中,初等矩阵通常用于矩阵乘法的实现,如矩阵和向量的加法和乘法。

除了初等矩阵之外,还有一些其他的矩阵类型,包括高等矩阵、单位矩阵、对角矩阵等。

高等矩阵是一种比初等矩阵更复杂的矩阵类型,它可以用来表示一些更复杂的矩阵运算。

单位矩阵是一种具有特殊性质的矩阵,它的行数等于列数,并且每行和每列的元素都相等。

对角矩阵是一种具有对角线的矩阵类型,它可以用来表示线性方程组和矩阵的对角化。

在数学和计算机科学中,矩阵是一种非常常见的数学工具,可以用来表示和处理各种数据类型。

矩阵的运算包括加法、乘法、交换律和结合律等,这些运算可以用来解决各种数学和计算机科学问题。

初等矩阵是一个重要的概念,可以用来表示一些基本的矩阵运算,同时也有其他特殊的矩阵类型,这些矩阵类型可以用来表示更复杂的矩阵运算。