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 n 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 n n 维的向量 v v v ,如果有一组此空间的标准正交基 ( q 1 , q 2 , . . . q n ) (q_{1}, q_{2},...q_{n}) (q1,q2,...qn),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 v = x_{1}q_{1} + x_{2}q_{2}+...+x_{n}q_{n} v=x1q1+x2q2+...+xnqn
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 x_{i} xi, 那么可以将上面的式子左右同时乘以 q i T q_{i}^{T} qiT,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