对称矩阵

最新推荐文章于 2022-05-05 00:08:19 发布

Ltp_zy

最新推荐文章于 2022-05-05 00:08:19 发布

阅读量1.1w

点赞数 2

分类专栏：机器学习数学基础

本文链接：https://blog.csdn.net/Ltp_zy/article/details/83817457

版权

机器学习数学基础专栏收录该内容

2 篇文章 0 订阅

订阅专栏

对称矩阵

特征向量特征值对角化

维基百科，自由的百科全书

线性代数 A = [ 1 2 3 4 ] {\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix))} 向量 · 向量空间 · 行列式 · 矩阵向量标量 · 向量 · 向量空间 · 向量投影 · 外积 · 内积 · 数量积 · 向量积矩阵与行列式矩阵 · 行列式 · 线性方程组 · 秩 · 核 · 迹 · 单位矩阵 · 初等矩阵 · 方块矩阵 · 分块矩阵 · 三角矩阵 · 非奇异方阵 · 转置矩阵 · 逆矩阵 · 对角矩阵 · 可对角化矩阵 · 对称矩阵 · 反对称矩阵 · 正交矩阵 · 幺正矩阵 · 埃尔米特矩阵 · 反埃尔米特矩阵 · 正规矩阵 · 伴随矩阵 · 余因子矩阵 · 共轭转置 · 正定矩阵 · 幂零矩阵 · 矩阵分解（LU分解 · 奇异值分解 · QR分解 · 极分解 · 特征分解） · 子式和余子式 · 拉普拉斯展开 · 线性空间与线性变换线性空间 · 线性变换 · 线性子空间 · 线性生成空间 · 基 · 线性映射 · 线性投影 · 线性无关 · 线性组合 · 线性泛函 · 行空间与列空间 · 对偶空间 · 正交 · 特征向量 · 最小二乘法 · 格拉姆-施密特正交化 · 查论编

在线性代数中，对称矩阵（英语：symmetric matrix）是一个方形矩阵，其转置矩阵和自身相等。

$A = A^{\textrm{T)) , \,\!$

对称矩阵中的右上至左下方向元素以主对角线（左上至右下）为轴进行对称。若将其写作 $A = (a_{ij})$ ，则对所有的i和j，

$a_{ij}=a_{ji}.\,\!$

下列是3×3的对称矩阵：

$\begin{bmatrix} 1 & 2 & 3\\ 2 & 4 & -5\\ 3 & -5 & 6\end{bmatrix}$

下列是斜对称矩阵（英语：skew-symmetric matrix，又称反对称矩阵，英语：antisymmetric matrix）：

$\begin{bmatrix} 0 & -3 & 4\\ 3 & 0 & -5\\ -4 & 5 & 0\end{bmatrix}$

例子

${\begin{bmatrix}a&b&c\\b&d&e\\c&e&f\end{bmatrix)),{\begin{bmatrix}1&5\\5&7\end{bmatrix)),$ ${\begin{bmatrix}1&3&0\\3&1&6\\0&6&1\end{bmatrix)),{\begin{bmatrix}a&b\\b&c\end{bmatrix)),{\begin{bmatrix}2\end{bmatrix))$

性质

对于任何方形矩阵 $X$ ， $X+X^T$ 是对称矩阵。
$A$ 为方形矩阵是 $A$ 为对称矩阵的必要条件。
对角矩阵都是对称矩阵。
两个对称矩阵的积是对称矩阵，当且仅当两者的乘法可交换。两个实对称矩阵乘法可交换当且仅当两者的特征空间相同。
用<,>表示 $R^n$ 上的内积。 $n\times n$ 的实矩阵 $A$ 是对称的，当且仅当对于所有 $x,y\in\Bbb{R}^n$ ， $\langle Ax,y \rangle = \langle x, Ay\rangle$ 。
任何方形矩阵 $X$ ，如果它的元素属于一个特征不为2的域（例如实数），可以用刚好一种方法写成一个对称矩阵和一个斜对称矩阵之和：