主对角线反对称行列式一定等于零吗？ 反对称矩阵对角线必须为0吗？
\u4e3b\u5bf9\u89d2\u7ebf\u53cd\u5bf9\u79f0\u884c\u5217\u5f0f\u4e00\u5b9a\u7b49\u4e8e\u96f6\u5417\u53cd\u5bf9\u79f0\u884c\u5217\u5f0f\u7684\u4e3b\u5bf9\u89d2\u7ebf\u5143\u7d20\u4e00\u5b9a\u5168\u662f\u96f6\uff0c\u4f46\u53ea\u6709\u5947\u6570\u9636\u53cd\u5bf9\u79f0\u884c\u5217\u5f0f\u7684\u503c\u4e00\u5b9a\u7b49\u4e8e\u96f6\u3002
\u5982\u679c\u4e3b\u5bf9\u89d2\u7ebf\u4e0d\u4e3a\u96f6\uff0c\u5219A\u4e0d\u7b49\u4e8e-A\uff0c\u6240\u4ee5\u53cd\u5bf9\u6210\u77e9\u9635\u7684\u4e3b\u5bf9\u89d2\u7ebf\u4e0a\u5143\u7d20\u5fc5\u987b\u4e3a\u96f6\u3002
\u8bbeA\u4e3an\u7ef4\u65b9\u9635\uff0c\u82e5\u6709A'=-A\uff0c\u5219\u79f0\u77e9\u9635A\u4e3a\u53cd\u5bf9\u79f0\u77e9\u9635\u3002\u5bf9\u4e8e\u53cd\u5bf9\u79f0\u77e9\u9635\uff0c\u5b83\u7684\u4e3b\u5bf9\u89d2\u7ebf\u4e0a\u7684\u5143\u7d20\u5168\u4e3a\u96f6\uff0c\u800c\u4f4d\u4e8e\u4e3b\u5bf9\u89d2\u7ebf\u4e24\u4fa7\u5bf9\u79f0\u7684\u5143\u7d20\u53cd\u53f7\u3002
\u76f8\u5173\u4fe1\u606f\uff1a
\u53cd\u5bf9\u79f0\u77e9\u9635\u5177\u6709\u5f88\u591a\u826f\u597d\u7684\u6027\u8d28\uff0c\u5982\u82e5A\u4e3a\u53cd\u5bf9\u79f0\u77e9\u9635\uff0c\u5219A'\uff0c\u03bbA\u5747\u4e3a\u53cd\u5bf9\u79f0\u77e9\u9635\uff1b\u82e5A,B\u5747\u4e3a\u53cd\u5bf9\u79f0\u77e9\u9635\uff0c\u5219A\u00b1B\u4e5f\u4e3a\u53cd\u5bf9\u79f0\u77e9\u9635\uff1b\u8bbeA\u4e3a\u53cd\u5bf9\u79f0\u77e9\u9635\uff0cB\u4e3a\u5bf9\u79f0\u77e9\u9635\uff0c\u5219AB-BA\u4e3a\u5bf9\u79f0\u77e9\u9635\u3002
\u5947\u6570\u9636\u53cd\u5bf9\u79f0\u77e9\u9635\u7684\u884c\u5217\u5f0f\u5fc5\u4e3a0\u3002\u53cd\u5bf9\u79f0\u77e9\u9635\u7684\u7279\u5f81\u503c\u662f0\u6216\u7eaf\u865a\u6570\uff0c\u5e76\u4e14\u5bf9\u5e94\u4e8e\u7eaf\u865a\u6570\u7684\u7279\u5f81\u5411\u91cf\u7684\u5b9e\u90e8\u548c\u865a\u90e8\u5f62\u6210\u7684\u5b9e\u5411\u91cf\u7b49\u957f\u4e14\u4e92\u76f8\u6b63\u4ea4\u3002
奇异值分解（SVD）在机器学习、信号处理、统计学以及金融等领域中具有广泛应用。
但你有没有想过它是怎么来的呢？我猜十有八九没看到过吧，没关系，本文很快就告诉你。
在 1870 年代由意大利数学家贝尔特拉米（Beltrami）和法国数学家若尔当（Jordan）引入。英国数学家西尔维斯特（Sylvester）于 1889 年独立于贝尔特拉米和若尔当提出了对矩阵进行了奇异值分解。
在刚提出的那个时候，都是针对实数方阵而言的。1902 年，由 Autonne 引入了复数矩阵，并在 1939 年由 Eckhart 和 Young 引入了一般矩阵（即实数/复数和方阵/非方阵）。
而本文主要看一看在早期提出 SVD 的时候，有哪些数学家分别做了什么工作。目的是加深对 SVD 的了解，以便能更好地应用这个线代中的强大工具。
1引言
矩阵理论中最重要的思想之一就是矩阵分解。矩阵分解的理论实用性早已受到数学家们的肯定。而随着计算机的发明，它们逐渐成为数值线性代数的支柱，它们已经成为可以解决各种问题的计算平台。
而矩阵分解的发展离不开所谓的规范性。为了理清这一发展思路，让我们从简要介绍相关的历史背景开始。
大多数经典的矩阵分解方法的提出时间是要早于矩阵概念得到广泛使用的年代。矩阵分解法是随着行列式、线性方程组，尤其是双线性形式和二次型等问题的研究而提出来的。
高斯可以说是做了一些早期工作。他在 1823 年撰写的论文中使用他早在 1801 年就使用的消元法来实现如下任务，
具体而言，可以将函数 （关于 的一个二次型）简化为以下形式：
其中，除数 等是常数，而 等是 等的线性函数。但是，第二个函数 独立于 ；第三个 独立于 和 ；第四个 独立于 和 ，依此类推。最后一个函数 仅取决于最后一个未知数。此外，系数 在 中分别乘以 。
从中我们可以看到高斯这里的方法将二次型 的矩阵分解为乘积 ，其中 是对角矩阵，而 是与 具有相同对角元素的上三角矩阵。
高斯这里的 等函数是向量 对应的元素。
另外，高斯通过消元法还能有效地获得矩阵的逆，从而将方程组 转换为逆线性系统 。高斯处理二次型和线性方程组的技巧使他对最小二乘法的理论和应用的一般化处理成为可能。
随后，针对不同的问题出现了一系列进展，
1829 年，柯西 （Cauchy）通过考虑二次型和相应的齐次方程组，建立了对称矩阵的特征值和特征向量的特性。
1846 年，雅可比 （Jacobi）给出了著名的对称矩阵对角化算法，在 1857 年的遗作中，他通过以高斯形式分解双线性形式获得了 LU 分解。
1868 年，魏尔斯特拉斯 （Weierstrass）为一对双线性函数建立了规范模型，该问题现在被称为广义特征值问题。因此，从一定角度看来，1873 年提出的奇异值分解被视为规范型上取得的众多成果之一。
- 2预备知识 双线性形式
1、计算式 的根。
2、从式 确定出 。Beltrami 在此处指出， 的列是可以决定的，只差一个 因子，但实际上这是在所有 不相同时才成立。他还默认生成的 是正交的，这也要求 是不同的。
3、根据式 得出 ，这步要求 非奇异。
向量空间 上的双线性形式是域 上的一个双线性映射 。换句话说，双线性形式是一个函数 ，关于它的每个参数都是线性的，即有
坐标表示
令 为一个 -维向量空间，它的一组基为 。
由 定义的 矩阵 称为双线性形式在基 上的矩阵。
矩阵 表示向量 在这组基上的坐标 ，并且类似地， 表示另一个向量 ，则，
同一个双线性形式在不同的基上对应不同的矩阵。但是，一个双线性形式在不同的基上的矩阵相互之间是合同的。换句话说，假设 是 的另一组基，则有
其中 形成一个可逆矩阵 。然后，该双线性形式在新基上的矩阵为 。
3三位作者的独立工作 1、 问题
我们将使用现代矩阵符号来描述有关奇异值分解的早期工作。与高斯对其分解的描述一样，大多数内容都很容易转化为使用矩阵术语。
你要知道的是，使用现代矩阵记法可能会让你觉得他们的成就貌似微不足道。但是完全以原始的标量形式来表示的话，对于现代的读者来说会不习惯。这里，为了便以阅读，我们将几位作者的标记符号等统一起来。
在本文中，我们将针对如下所示的奇异值分解问题，
其中 是 阶实矩阵，
是对角矩阵，其对角线元素非负，并且按从大到下排列。而矩阵 和
以 及
都是正交矩阵。后面用到的函数 表示如下定义的 Frobenius-范数，
要知道，三位作者的论文在内容上比这里提到的精华要丰富得多，如果想看作者们详尽的论述，建议读者参考原始论文资料。
2、Beltrami，1873 年
Beltrami 和 Jordan 被认为是奇异值分解的共同开创者，Beltrami 第一个发表相关论文，而 Jordan 稍晚一点发表，但后者的贡献在于问题处理的完整性和优雅性。Beltrami 的贡献发表在意大利大学学生使用的数学杂志上，其目的是鼓励学生熟悉双线性形式。
推导
Beltrami 从如下双线性形式开始，
其中， 为 阶实矩阵。如果引入如下变量代换，
以 及
则有，
其中，
Beltrami 观察到，如果要求 和 是正交的，这样的话在选择它们的元素时将有 个自由度，他建议用这些自由度来消除 中的非对角元素。
假设 是对角矩阵，即
然后从式 和 的正交性可得出，
同样的有，
从式 可得到 （其中 是将矩阵 对角线上的元素取倒数），将其代入式 ，可得，
类似地，我们可以得到，
因此， 是如下方程的根，
请注意，Beltrami 这里的推导假设 是非奇异的，因此 也是非奇异的。
Beltrami 现在认为两个函数 和 是相同的，因为它们都是 次多项式，并且在 的值，以及在 的值 相同。
Beltrami 接下来声明，根据一个众所周知的定理，式 的根是实数，并且他们是正的。为了说明这一点，他指出
这里需要用到两个等式，由式 可得 ，以及由式 可得 。另外，上面的不等式也意味着这里的 是正的。
Beltrami 给出如下对角化的算法步骤，
从前面的内容可以明显看出，Beltrami 对于一个非奇异的、具有不同奇异值的实方阵推导出了奇异值分解。他的推导有一个小缺陷就是缺少了对于退化情况的处理。Beltrami 省略了这些额外情况，可能是在为他的学生简化过程，但也有可能他确实没有考虑到这些问题。
3、Jordan，1874 年
Jordan 可以称为奇异值分解的共同提出者。尽管他在 Beltrami 出版一年后才发表他的著作，但很显然，他的这项工作是由不同问题导出的独立工作。
推导
Jordan 从如下双线性形式开始，
并计算 在如下约束下的最大值和最小值，
最大值由如下公式确定
而该式对于满足下式的所有 和 都成立，
Jordan 然后断言: 方程 将是方程 的组合，从中可以得出
以及
从式 可得所求的最大值为，
同样地，最大值也为 ，因此有 。
上面是 Jordan 的推导，但感觉到有些地方或许并不是很清晰。
为了大家更好地理解，本文改用拉格朗日乘子法。先构造如下拉格朗日函数，
为了下文方便，上式两个乘子分别除以 2。
上面最后的式子两边左乘 ，因为 是单位向量，因此得，
可见，目标双线性形式的最大值为 。
上面最后的式子两边右乘 得，
同样地，最大值也为 ，因此有 。因此式 可以改为，
接下来看由式 和式 组成的线性方程组，
若尔当观察到， 是上面线性方程组对应的行列式决定的，即
要有非零解，该行列式必须为零。他显示该行列式仅包含 的偶次幂。现在让 为方程式 的根，让 和 满足式 和式 ，其中 。（Jordan 指出，即使它不是唯一的，也可以找到这样的解。）
是正交的，并令
通过这样的代换，得
当 时，其中
取得最大值。而且，在取最大值处由 、 和 的值容易验证得到如下结论，
以 及
这意味着
于是，令 以及 ，因此， 的形式为
其中 独立于 和 。接着，Jordan 用归纳法得出目标双线性形式的规范型为，
最后，Jordan 指出，当特征方程 的根方便计算时，可以直接从式 、式 和式 计算出 和 的列。
Jordan 以简洁、优雅的手法来处理该问题。在数学上可以称为 deflation。他先解决一部分问题，从而成功将问题的规模缩小，以至于用归纳法解决整个问题，也避免了 Beltrami 方法中的的退化问题。
顺便说一句，舒尔（Schur）后来使用同样的策略建立了对一般矩阵的三角化。
另外，形成行列式 的矩阵
也得到了广泛使用。
4、Sylvester，1889 年
Sylvester 就奇异值分解的主题写了一个 Note 和两篇论文。Sylvester 在一篇论文中提出了一种将二次型简化为标准型的迭代算法，他指出，类似的迭代方法可以用于对角化双线性形式。在 1889 年的一篇论文中，Sylvester 提出了迭代算法和具体法则。
法则
Sylvester 从如下双线性形式开始
并考虑二次型
令 为 的规范型。如果 具有规范型 ，则 等价于 ，这意味着在一定排序下有 。
为了找到代换，Sylvester 引入矩阵 和 ，并断言对 的代换是对角化 的代换，对 的代换是对角化 的代换。一般来说，仅当 具有不同的奇异值时，这点才成立。
无穷小迭代
Sylvester 提出此方法是为了对角化二次型，后来他将其推广到双线性形式。对于二次型，它已经足够复杂，这里仅限于这种情况。
Sylvester 使用归纳法，即先假定已经解决阶段为 时的问题。因此，对于 ，可以假设矩阵的形式为，
左上角蓝色的 的矩阵是归纳法假设已经搞定了。接下来的问题是在保留先前引入的 的情况下消除 和 。
Sylvester 建议进行以下形式的所谓无穷小正交变换
其中矩阵非对角线的元素非常小，因此比 1 次高的幂次项可以忽略。然后，转换矩阵
中第 和 两个元素为
而 的变化由
如果 或 均不为零，则可以适当选择 和 的值来减小 。如果 非零，则可以选择 ，以使式 等于 0，即保留先前引入的 0。对于诸如 之类的特殊情况，Sylvester 也提出了如何通过显式缩小问题规模来处理的办法。
Sylvester 现在声称，这些无穷小转换的无穷序列将使 或 之一减为零，或者将问题减少为一种特殊情况。
Sylvester 在当时并不了解上面 Jordan 在 1874 年的工作以及雅可比（Jacobi）在 1846 年提出的针对二次型对角化问题的迭代算法（该算法在 1954 年被 Kogbetliantz 推广到了奇异值分解）。Sylvester 在没有证明的情况下将其描述出来，从而给读者留下了太多细节。
4小结
由前文我们知道，数学家从二次型的研究导出了矩阵特征值问题以及特征值分解。而从本文可以知道，从双线性形式的规范型问题导出了矩阵的奇异值分解这一强大的理论和应用工具。
本文主要就早期提出奇异值分解的几位数学家的工作作了简单介绍，目的是对它有更多的了解。但我们学习这一理论的主要目的还是在于应用。
END
看你有没有被Cue到？
证明：根据反对称矩阵的性质有：
AT=-A
|A|=|AT|=|-A|=（-1）n|A|=-|A|
由于n为奇数
所以|A|=0
设A为n维方阵，若有A'=-A，则称矩阵A为反对称矩阵。对于反对称矩阵，它的主对角线上的元素全为零，而位于主对角线两侧对称的元反号。
扩展资料
函数在其定 义域的某些局部区域所达到的相对 最大值或相对最小值。当函数在其 定义域的某一点的值大于该点周围 任何点的值时，称函数在该点有极 大值; 当函数在其定义域的某一点的值小于该点周围任何点的值时， 称函数在该点有极小值。这里的极大和极小只具有局部意义。
因为函 数的一个极值只是它在某一点附近 的小范围内的极大值或极小值。函 数在其整个定义域内可能有许多极 大值或极小值，而且某个极大值不 一定大于某个极小值。
不能是0是r重根吗 n阶矩阵秩为1,那么应该是0至少为n-1重特征值,因为n可能是为重特征值.在矩阵的秩为1的时候,对角线元素之和为0的矩阵,那么0就是它的n重特征值,“秩为r,0为n-r重特征”适用。
绛旓細鍙嶅绉拌鍒楀紡鐨涓诲瑙掔嚎鍏冪礌涓瀹氬叏鏄浂锛屼絾鍙湁濂囨暟闃跺弽瀵圭О琛屽垪寮忕殑鍊涓瀹氱瓑浜庨浂銆
绛旓細鍙嶅绉扮煩闃电殑鎬ц川锛氬浜庡弽瀵圭О鐭╅樀锛屽畠鐨勪富瀵硅绾夸笂鐨勫厓绱犲叏涓0锛岃屼綅浜庝富瀵硅绾夸袱渚у绉扮殑鍏冪礌鍙嶅彿銆傛敞鎰忎簨椤 锛1锛夎A,B涓哄弽瀵圭О鐭╅樀锛孉B涓嶄竴瀹氭槸鍙嶅绉扮煩闃点傦紙2锛夎A涓哄弽瀵圭О鐭╅樀锛鑻鐨勯樁鏁颁负濂囨暟锛屽垯A鐨勮鍒楀紡涓0锛汚鐨勯樁鏁颁负鍋舵暟锛屽垯鏍规嵁鍏蜂綋鎯呭喌璁＄畻銆傚畾鐞嗗強鍏惰瘉鏄 瀹氱悊1 濂囨暟闃跺弽瀵圭О鐭...
绛旓細鑻ュ皵褰撹瀵熷埌, 鏄笂闈㈢嚎鎬ф柟绋嬬粍瀵瑰簲鐨勮鍒楀紡鍐冲畾鐨,鍗 瑕佹湁闈為浂瑙,璇ヨ鍒楀紡蹇呴』涓洪浂銆備粬鏄剧ず璇ヨ鍒楀紡浠呭寘鍚 鐨勫伓娆″箓銆傜幇鍦ㄨ 涓烘柟绋嬪紡 鐨勬牴,璁╁拰 婊¤冻寮 鍜屽紡 ,鍏朵腑 銆(Jordan 鎸囧嚭,鍗充娇瀹冧笉鏄敮涓鐨,涔熷彲浠ユ壘鍒拌繖鏍风殑瑙ｃ) 鏄浜ょ殑,骞朵护 閫氳繃杩欐牱鐨勪唬鎹,寰 褰撴椂,鍏朵腑 鍙栧緱鏈澶у笺傝屼笖,鍦ㄥ彇鏈澶у...
绛旓細鍙嶅绉拌鍒楀紡灏辨槸涓诲瑙掑厓閮芥槸0锛屽叾瀹冨叧浜庝富瀵硅绾垮绉颁綅缃殑鍏冪礌绗﹀彿鐩稿弽銆備笅鍥炬柟娉曞彲浠ヨ瘉鏄庡鏁伴樁鍙嶅绉拌鍒楀紡閮界瓑浜0銆
绛旓細鍙嶅绉拌鍒楀紡鐨勫畾涔夋槸绫讳技鐨勶紝涔熸槸瀵瑰簲浣嶇疆涓婄殑鍏冪礌浜掍负鐩稿弽鏁般備富瀵硅绾夸笂鐨勫厓绱犱负0銆傚浜庡弽瀵圭О鐭╅樀锛屽畠鐨勪富瀵硅绾夸笂鐨勫厓绱犲叏涓洪浂锛岃屼綅浜庝富瀵硅绾夸袱渚у绉扮殑鍏冨弽鍙枫傚弽瀵圭О鐭╅樀鍏锋湁寰堝鑹ソ鐨勬ц川锛屽鑻涓哄弽瀵圭О鐭╅樀锛屽垯A'锛屛籄鍧囦负鍙嶅绉扮煩闃碉紱鑻,B鍧囦负鍙嶅绉扮煩闃碉紝鍒橝卤B涔熶负鍙嶅绉扮煩闃点...
绛旓細鏂瀵圭О鐭╅樀鐨涓诲瑙掔嚎鍏冪礌蹇鏄浂锛屾墍浠ュ叾杩规暟涓洪浂銆傝鍒楀紡鑻鏄殑鏂滃绉扮煩闃碉紝鍏惰鍒楀紡婊¤冻鑻鏄鏁帮紝琛屽垪寮忕瓑浜庨浂銆傝繖涓粨鏋滃彨闆呭彲姣斿畾鐞嗐傝嫢n鏄伓鏁帮紝琛屽垪寮忓彲浠ュ啓鎴愰儴鍒嗗厓绱犵殑澶氶」寮忕殑骞虫柟銆傝繖涓椤瑰紡鍙獳鐨凱faffian銆備换鎰忓疄鏂滃绉扮煩闃电殑琛屽垪寮忔槸闈炶礋鏁般傝氨鐞嗚鏂滃绉扮煩闃电殑鐗瑰緛鏍规案杩滀互鎴愬鐨勫舰寮忓嚭鐜帮紝...
绛旓細棣栧厛锛鍙嶅绉拌鍒楀紡鐨涓诲瑙掔嚎鍏冪礌閮芥槸0 鍏舵锛孌鐨勬瘡涓琛屼箻浠ワ紞1鍚庡緱鍒扮殑琛屽垪寮忔槸D鐨勮浆缃紝琛屽垪寮忚浆缃悗缁撴灉涓嶅彉锛岃鍒楀紡鍙堟槸濂囨暟绾х殑锛屾墍浠锛(-1)^n脳D锛濓紞D锛屽緱D锛0
绛旓細璇佹槑锛氭牴鎹鍙嶅绉鐭╅樀鐨勬ц川鏈夛細AT=-A |A|=|AT|=|-A|=锛-1锛塶|A|=-|A| 鐢变簬n涓哄鏁 鎵浠A|=0 璁続涓簄缁存柟闃碉紝鑻ユ湁A'=-A锛屽垯绉扮煩闃礎涓哄弽瀵圭О鐭╅樀銆傚浜庡弽瀵圭О鐭╅樀锛屽畠鐨涓诲瑙掔嚎涓婄殑鍏冪礌鍏涓洪浂锛岃屼綅浜庝富瀵硅绾夸袱渚у绉扮殑鍏冨弽鍙枫
绛旓細璇佹槑锛氭牴鎹鍙嶅绉鐭╅樀鐨勬ц川鏈夛細AT=-A |A|=|AT|=|-A|=锛-1锛塶|A|=-|A| 鐢变簬n涓哄鏁 鎵浠A|=0 璁続涓簄缁存柟闃碉紝鑻ユ湁A'=-A锛屽垯绉扮煩闃礎涓哄弽瀵圭О鐭╅樀銆傚浜庡弽瀵圭О鐭╅樀锛屽畠鐨涓诲瑙掔嚎涓婄殑鍏冪礌鍏涓洪浂锛岃屼綅浜庝富瀵硅绾夸袱渚у绉扮殑鍏冨弽鍙枫
绛旓細鎵浠=0銆傚洜涓琛屽垪寮浠涓诲瑙掔嚎涓銆瀵圭О杞淬嬬粷瀵瑰肩浉绛夌鍙风浉鍙嶏紝鎵浠ユ彁鍑哄悇琛岀殑璐熶竴鍚庯紝琛屽垪寮忓瀛樺湪鍥犳暟璐熶竴锛堝洜涓哄鏁伴樁锛屼細鎻愬嚭濂囨暟涓礋涓銆傦級鐒跺悗鎶婅鍒楀紡銆愯浆缃戝嵆鍜屽師琛屽垪寮忕浉鍚岋紒浠嬬粛 琛屽垪寮忓湪鏁板涓紝鏄竴涓嚱鏁帮紝鍏跺畾涔夊煙涓篸et鐨勭煩闃礎锛屽彇鍊间负涓涓爣閲忥紝鍐欎綔det(A)鎴 | A | 銆傛棤璁烘槸...
