对称矩阵、复矩阵、傅里叶变换、正定矩阵

最新推荐文章于 2024-03-29 14:50:42 发布

linyuxi_loretta

最新推荐文章于 2024-03-29 14:50:42 发布

阅读量1.4k

点赞数

分类专栏：线性代数文章标签：线性代数矩阵

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/linyuxi_loretta/article/details/126988924

版权

本文探讨了线性代数中的对称矩阵和正定矩阵特性，包括它们的实特征值、正交特征向量等。介绍了复向量和复矩阵，特别是埃尔米特矩阵和酉矩阵的概念。此外，文章详细阐述了傅里叶变换及其快速傅里叶变换（FFT）的原理，强调了正定矩阵在判断稳定性、二次型和微分方程中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

矩阵的特殊性也表现在eigenvalue和eigenvector上

马尔科夫矩阵，有一特征值为1

开始MIT线性代数课的最后一大部分，关于正定矩阵，对称，奇异值分解。这些都是线性代数的应用或者升华。明显比前两大块要抽象，也更加贴近应用。

对称矩阵中的极品:正定矩阵(所有特征值都 > 0)更是好东西，在现实应用中经常出现。

对称矩阵、

对称矩阵可是好东西，性质真是各种好：eigenvalue都是实数、eigenvector互相垂直

e.g.单位矩阵：eigenvalue都是1 ；每个向量都是eigenvector

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，那些线是垂直的，

如果特征值重复，那就有一整个平面的特征向量，

如果一个向量有n个线性无关的特征向量，那么有 $A=S \Lambda S^{-1}$

如果A还是对称矩阵，那么有 $A=Q \Lambda Q^{-1}=Q \Lambda Q^{T}$ 。

对称矩阵的分解形式，这个分解完全展现了特征值、特征向量、对称性等所有性质，

这些特征值叫做谱（spectrum 就是矩阵的特征值集合）。光谱理论，as a combination of pure things,; 力学上，主轴定理principle axis theorem，几何上来看，如果给定某种实体，在合适的轴上来看，各方向之间不相互耦合。

why real eigenvalues？

λ 是一个数，不是矩阵

$\overline{a+ib} =a-ib$

Ax=λx ---A是实矩阵，always--> $A\bar{x} =\bar{\lambda} \bar{x}$ ==> $\bar{x}^{T}A ^{T}=\bar{x}^{T}\bar{\lambda}$ ---对称---> $\bar{x}^{T}A =\bar{x}^{T}\bar{\lambda}$

取内积：

$\bar{x}^{T}A x =\lambda \bar{x}^{T}x$ $\bar{x}^{T}A x =\bar{x}^{T}\bar{\lambda}x$

$\lambda =\bar{\lambda}$ λ is real！ if $\bar{x}^{T}x$ ≠0

如果一个数

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。