• 复数矩阵的指数表示


    参考书:F. R. Gantmacher 《The Theory of matrices》Vol. 2

    1. 厄米、正交矩阵 (G = I e^{iK})(I) 为实对称对合矩阵,(K)为实反对称矩阵,(I,K)对易。

    设实矩阵 (S,T) 满足 (G = S + iT),因为 (G) 是厄米,所以有

    [S^ op - i T^ op = S + i T, Rightarrow S 对称,T 反对称 ]

    因为 (G) 是正交阵,所以有

    [E = ( S + i T ) (S - i T) = S^2 + T^2 + i (TS - ST ), Rightarrow S,T对易,S^2 + T^2 = E ]

    因为实数阵 (S,T) 是对易的正规算子,所以有正交归一基,在该基下,(S) 对应实数对角阵,(T) 对应反对称的实数正则矩阵。因为 (S^2 + T^2 = E),所以在正则矩阵的每个 (2 imes 2) 的分块中,

    [S = Q [ egin{smallmatrix} mu & 0 \ 0 & mu end{smallmatrix} ] Q^ op, T = Q[ egin{smallmatrix} 0 & u \ - u & 0 end{smallmatrix} ]Q^ op, ]

    (mu^2 - u^2 = 1),那些单个的实数特征值则绝对值为 (1),另外,

    [epsilon e^{ i[ egin{smallmatrix} 0 & varphi \ -varphi & 0 end{smallmatrix} ] } = epsilon [ egin{smallmatrix} cosh varphi & i sinh varphi \ -i sinh varphi & cosh varphi end{smallmatrix} ], ]

    所以取 (mu = epsilon cosh varphi, epsilon = pm 1, epsilon sinh varphi = u) 即可。
    所以,(G = I e^{iK})

    [I = diag{ epsilon_1, epsilon_1, cdots }, ~~ K = Q{ [ egin{smallmatrix} 0 & varphi_1 \ -varphi_1 & 0 end{smallmatrix} ], [ egin{smallmatrix} 0 & varphi_2 \ -varphi_2 & 0 end{smallmatrix} ], cdots }Q^ op。 ]

    显然 (I) 是对合阵,(I,K)对易。

    2. 厄米、正交、正定矩阵(G)

    多一个正定条件,则(G)的特征值都是正的,那么可以计算得到,所有 (epsilon = 0), (G) 的特征值为 (e^{pm varphi_1}, cdots, 1, 1, cdots),上式中 (I = E)

    3. 任意复数的正交矩阵 (Q= R e^{iK}),其中 (R) 是实数正交矩阵,(K) 是实数反对称矩阵

    • 因为 (Q) 是正交阵,即 (Q^ op Q = Q Q^ op = E),所以构造 (Q^dagger Q),既是厄米的,也是正交的,也是正定的,所以有 (Q^dagger Q = e^{iK}), (K)是反对易正则形式,如 #1 中所示。
    • 假设 (Q = R e^{iK/2}), 则有 (R = Q e^{-iK/2}),可以检验,(R) 是幺正、正交阵,即实数正交阵,而 (K) 是实数反对称阵,所以得证。
      这个定理的形式非常妙!就像复数的指数形式一样!

    4. 对称、幺正矩阵 (D = e^{iS})(S) 是一个实对称矩阵

    证明省略。

    5. 任意幺正矩阵 (U = Re^{iS})(R)是实正交阵,(S)是实对称阵。

    证明省略。这两个定理的证明都非常类似于上面记录的过程。

  • 相关阅读:
    centos7 Nginx1.14+php7+mysql5.7 以及 centos7 Apache2.4+PHP7+mysql 安装 Linux 配置 composer 以及Python2.7升级到3.7
    微信遇到的几个小问题
    前段mui框架初识
    关于百度编辑器设置默认行间距段间距
    call与apply 以及闭包
    随笔日记2018 4.10 关于多选框
    关于JVM中的两个Survivor区
    (转)Struts2的工作原理
    (转)struts2的执行流程、工作原理
    (转)最大乘积分析(切绳子)
  • 原文地址:https://www.cnblogs.com/luyi07/p/15439654.html
Copyright © 2020-2023  润新知