33.单元检测3复习

1. 概述

1. 特征值，特征值$\lambda$,特征向量$x$
2. 微分方程 : $\frac{\mathrm{d}u}{\mathrm{d}t}=Au$
3. 对称矩阵 : $A^T=A$
4. 正定矩阵 : $x^{T}Ax>0$
5. 矩阵相似 : $A\sim B\Rightarrow B=M^{-1}AM$
6. SVD奇异值分解： $A=U\Sigma V^T$

我们第六章主要是涉及到特征值和特征向量，我们通过行列式求解特征值
$$\begin{array}{c}\det (A-\lambda I)=0\Rightarrow {\lambda }_1={\lambda }_2=\cdots ={\lambda }_n\Rightarrow x_1,x_2,\cdots ,x_n\end{array}$$

2. 微分方程1

2.1 求通解

假设我们有如下微分方程：
$$\begin{array}{c}\frac{\mathrm{d}u}{\mathrm{d}t}=Au=\left[\begin{array}{ccc}0& -1& 0\\ & & \\ 1& 0& -1\\ & & \\ 0& 1& 0\end{array}\right]u\end{array}$$

• 特征值求解：
  $$\begin{array}{c}\det (A-\lambda I)=0\Rightarrow {\lambda }_1=0,{\lambda }_2=\sqrt{2}\mathrm{i},{\lambda }_3=-\sqrt{2}\mathrm{i},\end{array}$$
• 通解如下：
  $$\begin{array}{c}u(t)=c_1{\mathrm{e}}^{{\lambda }_{1}t}+c_2{\mathrm{e}}^{{\lambda }_{2}t}+c_3{\mathrm{e}}^{{\lambda }_{3}t}\end{array}$$
  $$\begin{array}{c}u(t)=c_1+c_2{\mathrm{e}}^{\sqrt{2}\mathrm{i}t}+c_3{\mathrm{e}}^{-\sqrt{2}\mathrm{i}t}\end{array}$$
• 这里我们得到了一组复数根，那么我们发现$u(t)$既不发散又不收敛，那么$u(t)$是以什么周期来进行波动的呢？我们知道
• 复数欧拉方程如下：
  $${\mathrm{e}}^{2\pi i}=1\Rightarrow 2k\pi i=\sqrt{2}\mathrm{i}t\Rightarrow t=\sqrt{2}k\pi ,k=0,1,2,\cdots$$
• 也就是说当$t=\sqrt{2}k\pi ,k=0,1,2,\cdots$时候，指数值为回归到1.所以得到如下公式：
  $$\begin{array}{c}u(\sqrt{2}k\pi )=u(0)=c_1+c_2+c_3,k=0,1,2,3,\cdots \end{array}$$

2.2 小问题

• A是否奇异矩阵
  因为矩阵A的特征值为0，所以可得如下方程：
  $$\begin{array}{c}Ax=0\cdot x=0\Rightarrow ||A||=0\Rightarrow A为奇异矩阵\end{array}$$
• 矩阵A满足什么条件的时候，特征向量两两正交？
  $$\begin{array}{c}{A}^{T}A=A{A}^T=I\Rightarrow A的特征向量正交\end{array}$$
• 通过上述条件，有三种矩阵满足其特征向量相互正交：
  $$\begin{array}{c}对称矩阵，反对称矩阵，正交矩阵\end{array}$$
• 如果矩阵A可以对角化，$A=S\Lambda S^{-1}$，可以通解方程矩阵形式
  $$\begin{array}{c}u(t)={\mathrm{e}}^{At}u(0),{\mathrm{e}}^{At}=S{\mathrm{e}}^{\Lambda t}{S}^{-1}\end{array}$$
  $$\begin{array}{c}{\mathrm{e}}^{\Lambda t}=\left[\begin{array}{ccccc}{\mathrm{e}}^{{\lambda }_1}& & & & \\ & & & & \\ & {\mathrm{e}}^{{\lambda }_2}& & & \\ & & & & \\ & & \ddots & & \\ & & & & \\ & & & {\mathrm{e}}^{{\lambda }_1}& \end{array}\right]\end{array}$$

3. 微分方程2

现有矩阵A，给出部分特征值和对应的特征向量如下：
$$\begin{array}{c}{\lambda }_1=0,x_1=\left[\begin{array}{c}1\\ \\ 1\\ \\ 1\end{array}\right];{\lambda }_2=c,x_2=\left[\begin{array}{c}1\\ \\ -1\\ \\ 0\end{array}\right];{\lambda }_3=2,x_3=\left[\begin{array}{c}1\\ \\ 1\\ \\ -2\end{array}\right];\end{array}$$

• 当 c 满足什么条件下，矩阵3X3的A能够对角化？
  根据定义,nxn矩阵A可对角化的充要条件是A有n个线性无关的特征向量。根据给定的特征向量，我们两两计算其值可得：
  $$\begin{array}{c}{x}_1^T{x}_2=0,x_1^T{x}_3=0,x_2^T{x}_3=0\Rightarrow A有3个相互正交的特征向量，所以A可对角化，所以c为任意值\end{array}$$
• 当 c 满足什么条件下，矩阵3X3的A对称？
  我们看到所有的特征向量正交，也就可以得到$S^{T}S=I$,因为特征向量线性无关，所以可得
  $$\begin{array}{c}A=S^T\Lambda S,A^T=S^T{\Lambda }^{T}S\Rightarrow \Lambda ={\Lambda }^T\end{array}$$
  也就是说当 c 为实数时，可以得矩阵A为对称矩阵。
• 当 c 满足什么条件下，矩阵3X3的A正定矩阵？
  我们知道当 c 为实数时，矩阵A是对称矩阵，正定矩阵是对称矩阵的特例，现在已经有${\lambda }_1=0,{\lambda }_2=c,{\lambda }_3=2$,我们通过特征值大于零来判断是否是正定矩阵，现在${\lambda }_1=0$，所以矩阵A最多是半正定矩阵，所以不存在c使得矩阵A为正定矩阵。
• 当 c 满足什么条件下，矩阵3X3的A正半定矩阵？
  因为${\lambda }_1=0,{\lambda }_2=c,{\lambda }_3=2$,为了满足矩阵A为半正定矩阵，那么可以使得$c\ge 0$
• 当 c 满足什么条件下，3X3的矩阵A是马尔可夫矩阵？
  如果矩阵A是马尔可夫矩阵，那么必须满足矩阵A的特征值中有一个为1，其他值均小于1，现在${\lambda }_3=2>1$,所以矩阵A不可能是马尔可夫矩阵。
• 当 c 满足什么条件下，$\frac{1}{2}(A)$是投影矩阵？
  假设矩阵P是投影矩阵，那么可得$P=P^2\Rightarrow {\lambda }^2=\lambda \Rightarrow {\lambda }_i=0,{\lambda }_j=1$，所以必须满足矩阵P的特征值是0，1.那么$\frac{1}{2}(A)$的特征值为
  $$\begin{array}{c}{\lambda }_{11}=(0)/2=0,{\lambda }_{22}=\frac{c}{2},{\lambda }_{33}=\frac{2}{2}=1\Rightarrow c=2orc=0\end{array}$$

4. SVD奇异值分解

对于任意大小的矩阵A来说，可以进行SVD分解。
$$\begin{array}{c}A=U\Sigma V^T=(orthogonal)(diagonal)(orthogonal)\end{array}$$

• 正交矩阵U: m 行 m 列，该矩阵的每一个列向量都是$A{A}^T$的特征向量
• 正交矩阵V: n 行 n 列，该矩阵的每一个列向量都是$A^{T}A$的特征向量
• 对角阵$\Sigma$: m行n列，将$A^{T}A,A{A}^T$的特征值开根号，得到的就是该矩阵对角线上的元素，需要验证正负号。我们通常会用$A{v}_i={\sigma }_i{u}_i$来对正负号进行验证。

5. 对称矩阵

• 当矩阵A对称且相互正交，那么矩阵A的特征值是什么样的？
  $$\begin{array}{c}{A}^T=A,A^{T}A=I\Rightarrow {\lambda }^2-1=0\Rightarrow \lambda =\pm 1\end{array}$$
• 证明$\frac{1}{2}(A+I)$是投影矩阵？
  因为矩阵A的特征值为${\lambda }_i=\pm 1$,所以可得$\frac{1}{2}(A+I)$的特征值为$\frac{1}{2}({\lambda }_i+1)=0or1$,因为投影矩阵的特征值有1，0，所以满足此条件，$\frac{1}{2}(A+I)$为投影矩阵。