MIT 线性代数导论 第二十四讲~二十九讲的概念梳理

最后的这几讲很多是介绍一些概念以及应用和复习总结，所以简单记录下一下，不再详细展开。
主要内容有：

• 马尔可夫矩阵以及傅里叶级数的概念
• 实对称矩阵以及正定矩阵的介绍
• 相似矩阵的概念
• 正定矩阵的概念

马尔可夫矩阵

马尔可夫矩阵（Markov Matrix） ：

• 首先是一个 $n$ 阶的方阵（其实在之后的几讲中，讨论的都是方阵）
• 方阵中的每个元素都非负
• 每一列元素的和都等于1

马尔可夫矩阵有两条重要的性质：

• 一定有有特征值等于1
• 其余的所有的特征值的绝对值都小于1

傅里叶级数

对于一个 $n$ 维的向量 $v$ ，如果有一组此空间的标准正交基$(q_1,q_2,...q_n)$，则这个向量对于这组基的投影可以表示为：
$$v=x_1{q}_1+x_2{q}_2+...+x_n{q}_n$$
那么，可欧律一个问题，如果要求的其中某一个分量上的分解量，比如求 $x_i$， 那么可以将上面的式子左右同时乘以 $q_i^T$，从而得到：
q i T v = x 1 q i T q 1 + x 2 q i T q 2 + . . . + x i q i T q i + . . . + x n q i T q n