MIT 18.06 linear algebra 第二十六讲笔记

MIT 18.06 linear algebra 第二十六讲笔记

---

第二十六课课程要点：

• Symmetric Matrices
• Eigenvalue & Eigenvector
• start: Positive Definite Matrix

---

关于对称矩阵$A=A^T$有以下特性：

1. 特征值都是实数
2. 特征向量都是(可以选取出一组)正交的。

如果特征值不同的话，那么对应的特征向量是垂直的。如果特征值有重复的话，我们可以在既定平面上选取出一组相互垂直的特征向量。就前面这句话的解释为：假设有特征值$\lambda_i$与$\lambda_j$的值是相等的，那么将其代入求特征向量时$(A-\lambda I)x=0$,因为$\lambda$是重根，所以$N(A-I)$必定对应一个空间，那么我们在这个空间内选取两个相互垂直的特征向量即可。

通常来说我们可以把矩阵写为$A=S\Lambda S^{-1}$。对于对称矩阵时，我们可以选取一组标准正交的特征向量作为特征向量，因此可以有$A=Q\Lambda Q^{-1}$,又由于$Q$为标准正交向量，那么有$A=Q\Lambda Q^{-1}=Q\Lambda Q^T$。

---

下面证明下为何特征值是实数？
对于$Ax=\lambda x$,其存在共轭的形式$\overline{A}\overline{x}=\overline{\lambda}\overline{x}$。
如果一个实矩阵有一特征值$\lambda$和一特征向量$x$，那么它必然有另一特征值$\overline{\lambda}$和特征值