第二十六集 对称矩阵及正定性
对称矩阵
对称矩阵
这里的“有”,是指可以选出一套完全正交的特征向量。通常情况下,如果特征值互不相同,那么每个特征值的特征向量是在一条线上(特征向量空间是一维的),那些线是垂直的。但是如果特征值重复,那就有一整个平面的特征向量,在那个平面上,我们可以选择垂直的向量(比如单位矩阵)。
如果A 具有n 个线性无关的特征向量,可以对角化得到
矩阵能够进行这种分解,在数学上称为“谱定理”,“谱”是指矩阵特征值的集合,在物理上称之为“主轴定理”。
证明实特征值
实数矩阵A 具有特征值
将这个方程转置,得到
证明
比如复数向量
好性质的矩阵是其特征值为实数并且拥有一套正交特征向量。对于实矩阵,即为满足
对于对称矩阵,
因为列向量
对于大型矩阵,通过计算
对于对称矩阵,主元的乘积=特征值的乘积=矩阵行列式的值
正定矩阵
正定矩阵A 是特征值都为正数的对称矩阵。它的主元也均为正数。
因为主元的乘积=矩阵行列式的值。主元都为正数,且本身为对称矩阵,因此A 是正定矩阵。
本讲的内容将主元、行列式和特征值的概念结合在了一起,对于正定矩阵这些都是正的。
第二十八集 正定矩阵和最小值
因为半正定矩阵特征值大于等于0,所以半正定矩阵一定有一个特征值为0。
如果在鞍点情况下切割,就得到一个双曲线。
正定矩阵与几何的关系:椭圆和正定有关,双曲线与正定无关。
这是椭圆体的方程。
第三十集 奇异值分解
因为行空间是[4,3] 扩张的直线,所以v1是[4,3]单位化后的[0.8,0.6]。而v2与v1正交。同理,列空间是[4,8]=[1,2] 扩张的直线。
v2是零空间向量,u2是左零空间向量,对应于对角矩阵上的0特征值,很容易操作。重点是v1 和u1。
V和U之间没有耦合,A乘以每一个v对应一个u的方向。
参考文献:
线性代数及其应用(美)David C.LayPDF
豆丁网MIT-线性代数笔记(上)