c++矩阵转置_线性代数(Gelbert)对称矩阵
终于不用住公司了,虽然不会像之前更新的那么连贯、快。上接《傅里叶级数》。
这一系列前面几篇中,虽然我不记得是哪集篇了,经常提到对称矩阵的特征值一定是实数,然后一直没证明过。虽然Gelbert在这一课中也只是大略的说了下证明(不够完整,很大一部分没有证明),然后随随便便带过了谱定理也就是主轴定理。只好我自己杜撰点。
矩阵的特征值和特征向量可以一定程度上反应矩阵的特性,如马尔科夫矩阵有一个特征值是1。长话短说,对称阵有两个性质:
一、特征值一定是实数;
二、一定可以找出一对正交(也就是垂直)的特征向量。
参考《线性代数(Gelbert)---特征向量》结尾处,以及方程组求解(如2、3、4次方程求根公式)可以看出对于对称矩阵,如果特征值是复数,那一定是共轭的特征值成对儿出现(如果看不出来,可以找我讨论)。特征值既然共轭,那特征向量一定也共轭(代入特征值很明显):
Ax = λx
λ* = conjugate(λ) 的 x 为 x*= conjugate(x),证明的思路就是把λ和λ*建立联系,然后证明它们相等。为了建立联系,先在等式两端同乘x*T :
x*TAx = x*Tλx
因为共轭:
Ax* = λ*x*
对x*A转置:
(Ax*)T = (x*)TAT
由于是对称矩阵,有A = AT:
(x*)TAT = x*TA = (λ*x*)T = λ*x*T
于是:
x*TAx = λ* x*Tx = x*Tλx
可以发现如果x*Tx不为0,则λ* = λ,一个数的共轭等于自身,那么它的虚部只能为0,所以λ是实数。
现在,需要证明x*Tx不为0。如果每个x分量的实部为a,虚部为b,由于特征向量不能是零向量,所以 a ≠ 0 且 b ≠ 0。
(a + bi)(a - bi) = a² - i²×b² = a² + b²
很明显a² + b² > 0,所以所有对应分量与它的共轭转置相乘的和一定大于0。然后证明第二个性质,证明方法类似。
Axa = λaxa
Axb = λbxb
有两个不同方向的特征向量:xa、xb,对应的特征值分别为:λa、λb。要证明xa和xb垂直,就是说 xaxbT = 0。思路是一样的,先联系到一起。
xbTAxa = xbTλaxa
(Axb)T = xbTAT = xbTA = λbxbT
xbTAxa = λbxbTxa = λaxbTxa
由于 λa ≠ λb,所以 xbTxa = 0。
这两证明都是在A是实矩阵的情况下,如果A是复矩阵,那就不是 AT,而是 A*T了,这一点暂时先不证明,不过参考《特征向量》可以大概看出,A的转置就是变了个正负号。如果是复数,转置以后变号特征向量和没变一样,如果特征向量想变成共轭的那个,矩阵转置以后也得共轭才行。
既然都到这一篇了,讲对称阵,肯定是说线性无关的,那这个对称阵就一定可以对角化(《矩阵的幂》):
A = S∧S-1
而且已经证明了S中所有的基之间都是正交的,对于S中的某个基向量x:
Ax = λx
通过 《正交基标准化》中介绍过的标准化的方法,两边的x都可以化为标准正交基,那么提出来的系数也相同,于是系数约掉了,也就是说特征矩阵中的正交基一定可以转化为标准正交基,那么S也就可以使用Q替代。虽说有些画蛇添足,但是不这么来一下总觉得差点啥,如果有问题依然是找我讨论下最好。严谨的证明方法,其实也是有的,只是涉及到了很多课里还没讲的概念,我在结尾列一下,有兴趣的自己查查就好了,不知道Gelbert后面会不会讲。
由于S中的向量都可以化为标准正交基,S就可以是正交矩阵了,于是:
A = Q∧Q-1
可逆矩阵转置的逆等于逆的转置:
(AA-1)T = (A-1)TAT = I => (A-1)T = (AT)-1
QT = Q-1
A = Q∧Q-1 = Q∧QT
对称矩阵等于其转置,分解以后也一样:
(Q∧QT)T = Q∧QT
Gelberts说:对称矩阵一定能分解成A = Q∧QT这样的形式,即正交矩阵乘以对角矩阵乘以正交矩阵的转置,这在数学上称为谱定理,谱(spectrum)就是指矩阵的特征值集合。在力学上,这常称为主轴定理,他没事儿就讲物理。
谱定理还可以用另一种形式表达:
《矩阵的幂》中有过相似的分解过程。其中的 λnqnqnT,可以与《正交》讲到的投影矩阵P = (aaT)/(aTa)对比一下。能发现只是由于a换成q后,qTq = 1就只剩下qqT了,这一组分解就变成每个特征值的投影的集合了。另外,还是qqT个单元阵,无论几次方都还是自己。总觉得好像在哪篇里提到过相关的内容,不过想不起来了。
对称矩阵正负主元个数与正负特征值个数分别相等:惯性定律,就不证明了,又牵扯好多概念。Gelbert说可以应用于求特征值,比如移动7个单位,再看看有多少个正负主元什么的。
对称矩阵还有一个很出名的子类,主元全是正数的,叫正定矩阵。既然主元都是正的,特征是肯定也都是正的,那么子行列式也都是正的,这三个条件等价,看上去这是后续课程的内容,我就不发散了。
以下发散一下,前边说的不知道课上会不会讲的内容,就是列一些概念,大部分都是抄来的,最后一段干脆就是百度上贴过来的:
谱定理提供了一个算子所作用的向量空间的标准分解,称为谱分解,特征值分解,或者特征分解。在代数上,主轴定理是完全平方公式的泛化。在线性代数和泛函分析中,它是谱定理的几何等价物。
和牛顿第一定律同名的惯性定律,还有合同定理,细节不说了,估计是因为涉及二次型的原因,Gelbert并没有提到。包括 Hermitian 矩阵(共轭转置的对称),酉矩阵(酉矩阵U : UU* = I),至于正交变换算不算讲了有点闹不清楚,其实应该算是讲了。我相信这里很多内容他的教材里都有,只是课上没讲。
酉空间(unitary linear space)是一种特殊的复线性空间。指以一类埃尔米特函数作内积的复线性空间。设V是复数域C上的线性空间,J是C的(共轭)自同构:(a+bi)J=a-bi。若在V上定义了一个关于J的埃尔米特函数,并且对任意α∈V,内积(α,α)≥0及(α,α)=0 当且仅当α=0,则称V为酉空间。n维酉空间U中总存在标准正交基。对U的任一线性变换σ,都存在它的共轭变换σ*。若以A,B分别表示σ与σ*关于给定基的矩阵,则A=G′-1B-′G′,这里G是关于给定基的格拉姆矩阵,B-′是B的转置共轭矩阵。对U的任一正规(埃尔米特)变换σ,都存在标准正交基,使σ关于此基的矩阵为对角形(实对角形)矩阵。
公众号:
c++矩阵转置_线性代数(Gelbert)对称矩阵相关推荐
- c++矩阵转置_线性代数中的向量矩阵
目录 前言 符号约定 向量的基本性质 [定义,基向量,线性相关/无关*,向量点积] 矩阵的基本性质 [转置,广播,线性变换] 矩阵基本运算 [矩阵相乘,矩阵点积] 行列式 [概念,性质,右手法则,行列 ...
- python矩阵转置_关于python中矩阵的实现和矩阵的转置
python中矩阵的实现是靠序列,,, 序列有很多形式, 其实矩阵是现实生活中的东西,把现实生活中的结构转换到程序中. 就需要有个实现的方法,而这种路径是多种多样的. 下面给出一个把矩阵转换成pyth ...
- python矩阵转置_对python矩阵转置transpose的实例讲解
对python矩阵转置transpose的实例讲解 在读图片时,会用到这么的一段代码: image_vector_len = np.prod(image_size)#总元素大小,3*55*47 img ...
- C/C++语言100题练习计划 94——矩阵转置(线性代数)
名人说:博学之,审问之,慎思之,明辨之,笃行之.--<中庸> 进度:C/C++语言100题练习计划专栏,目前94/100 1.问题描述 Problem Description 输入一个 n ...
- matlab非同秩矩阵相乘_线性代数精华——讲透矩阵的初等变换与矩阵的秩
这篇文章和大家聊聊矩阵的初等变换和矩阵的秩. 矩阵的初等变换这个概念可能在很多人听来有些陌生,但其实我们早在初中的解多元方程组的时候就用过它.只不过在课本当中,这种方法叫做消元法.我们先来看一个课本里 ...
- java 矩阵转置_图解利用Java实现数组转置
我们编写Java代码,如下图所示: package com.tina; public class demo { public static void main(String args[]) { int ...
- 如何将一个向量投影到一个平面上_线性代数19——投影矩阵和最小二乘
一维空间的投影矩阵 先来看一维空间内向量的投影: 向量p是b在a上的投影,也称为b在a上的分量,可以用b乘以a方向的单位向量来计算,现在,我们打算尝试用更"贴近"线性代数的方式表达 ...
- 用Java矩阵的加减数乘运算_线性代数(2):矩阵运算之矩阵加法、乘法、除法...
授人予鱼不如授人予渔,在<线性代数>的学习中,方法尤为重要.下面就让我们一起解决<线性代数>中令人头痛的--矩阵的加法运算吧! 前言:想要学会<线性代数>中的--矩 ...
- 不是方阵有逆矩阵吗_吴恩达机器学习笔记18逆矩阵、矩阵转置
本文是吴恩达<机器学习>视频笔记第18篇,对应第1周第18个视频. "Linear Algebra review(optional)--Inverse and transpose ...
- java三元组的快速转置_矩阵压缩——三元组以及矩阵快速转置程序实现
一.问题描述 将一个稀疏矩阵,用三元组的方式压缩存储,然后实现其快速转置 二.实验源码 #include #include #define Size 100 typedef struct { int ...
最新文章
- 大三Java后端暑期实习面经总结——Java多线程并发篇
- 数据库的备份 mysql
- Python学习笔记之Windows下通过pip安装PyMySQL
- Jmeter 获取、读取token 供其他 HTTP 请求调用
- 别再用代码开发了,整理了30套实用可视化大屏模板,无套路直接领
- C语言volatile的本质(三十四)
- WSUS提示“内容文件下载失败”的修复方法
- apache-apollo Dockfile 镜像制作
- javascript中map是否有序?
- latex插图编号_latex中插图心得
- 宏碁电脑怎么快速重装Win11系统?
- WinCC7.5 笔记3-用表格和趋势图显示温度变化和风扇运转(变量记录)
- 青岛小学 初中有计算机编程比赛,2017年青岛中小学信息技术竞赛活动.doc
- webpack入门使用教程
- Python爬虫实战:爬取小姐姐最近的听歌曲目
- svn如何删除服务器上的文件,【SVN】彻底 svn 服务器上的 删除某一个文件或文件夹...
- 调用百度AI实现人像分割(下)
- 2012服务器系统设,server2012服务器安装及设置
- Hadoop下载地址大全
- Adversarial Semantic Hallucination for Domain Generalized Semantic Segmentation
热门文章
- 【五步完美整理Windows系统】
- 单反相机的一般入门设置建议
- 单反相机镜头选择tips
- webservice 实现与his系统对接_基于互联网架构的一体化HISamp;EMR设计与实现
- python编写一个产品管理系统
- 【每日早报】2019/07/17
- 所用计算机网卡品牌得的型号,惠普无线网卡驱动,详细教您如何
- windows7系统损坏修复_火绒安全警报:微软发布高危漏洞补丁 火绒“漏洞修复”模块已完成升级...
- VMware系列序列号
- openwrt的ipk包开发