MIT_线性代数笔记：第 28 讲相似矩阵和若尔当标准型

最新推荐文章于 2024-07-20 18:00:14 发布

原创

最新推荐文章于 2024-07-20 18:00:14 发布 · 1.4k 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#线性代数 #笔记

正定矩阵 $A^TA$

若矩阵 A 满足对任意向量 x≠0 均有 $x^TAx>0$ ，则称矩阵为正定矩阵，可以通过特征值、主元和行列式的办法来判断矩阵的正定性。

正定矩阵来自于最小二乘问题。有大量的实际问题用到了长方形矩阵，而最小二乘问题中用到了长方形矩阵的积 $A^TA$ ，它是正定矩阵。

正定矩阵 A 是对称矩阵，它的逆矩阵 $A^{ -1}$ 也是正定矩阵，逆矩阵的特征值是原矩阵的倒数，因此也都是正数。若矩阵 A 和 B 都是正定矩阵，则 A+B 也是正定矩阵： $x^TAx>0$ ， $x^TBx>0$ ，则有 $x^T(A+B)x>0$ 。

如果 A 是一个 m x n 长方形矩阵，则 $A^TA$ 是对称方阵。通过讨论 $x^T(A^TA)x$ 的正负可以确认它是正定矩阵： $x^T(A^TA)x=(Ax)^T(Ax)= \begin{vmatrix} Ax \end{vmatrix}^2≥0$ 。当且仅当 Ax=0 时，表达式为 0。当矩阵 A 的各列线性无关时，即矩阵为列满秩 r=n，A 的零空间只有零向量，即此条件下仅有零向量，满足 $x^T(A^TA)x$ =0。因此矩阵列满秩时， $A^TA$ 是正定矩阵。正定矩阵将之前的知识点串联起来。

相似矩阵 Similar matrices

A 和 B 均是 n x n 方阵，若存在可逆矩阵 M，使得 B= $M^{-1}AM$ ，则 A 和 B 为相似矩阵。

特征值互不相同 Distinct eigenvalues

若矩阵 A 具有 n 个线性无关的特征向量，可以对角化得到 $S^{-1}AS =Λ$ ，则 A 相似于 Λ，这里的 M 是特征向量矩阵 S。如果将 M 取其它可逆矩阵，可以得到和 A相似的另一矩阵 B，实际上这样可以定义一类矩阵，Λ 是其中最简洁的一个。

$例：A=\begin{bmatrix} 2&1\\1&2 \end{bmatrix},则 Λ=\begin{bmatrix} 3&0\\0&1 \end{bmatrix}$ ，而取另一 M，则有

$B=\begin{bmatrix} 1&-4\\0&1 \end{bmatrix}\begin{bmatrix} 2&1\\1&2 \end{bmatrix}\begin{bmatrix} 1&4\\0&1 \end{bmatrix}=\begin{bmatrix} -2&-15\\1&6 \end{bmatrix}$