a与a的共轭转置相乘_线性代数A矩阵乘以A的转置的含义或者几何意义

展开全部

对于任意矩阵A(甚至62616964757a686964616fe4b893e5b19e31333431346438是非方的)，A(T)A(这个时候就变成方阵了，可以算特征值了)的特征值就称为A的奇异值。奇异值有个特性，就是A(T)A和AA(T)特征值相同。证明如下：

假定A(T)A做了一个特征分解，为：A(T)A = QΣQ(T)

对上式取转置，有AA(T) = QΣ(T)Q(T)

显然，Σ是个对角阵，因而，Σ(T) = Σ

故而，AA(T)和A(T)A有完全一致的特征分解，即共特征值。

扩展资料：

将A的所有元素绕着一条从第1行第1列元素出发的右下方45度的射线作镜面反转，即得到A的转置。一个矩阵M, 把它的第一行变成第一列，第二行变成第二列，......,最末一行变为最末一列， 从而得到一个新的矩阵N。

设A为n阶方阵，X=(x1，… ，xn)′，二次型f= X′AX的矩阵为：

解：因为未假设A对称，所以f= X′AX虽然是n元二次型，但不能肯定其矩阵是A。只有A对称时，二次型f= X′AX的矩阵才是A。

由于一阶矩阵的转置不变，所以(X′AX)′=X′AX，即就是：X′A′X= X′AX。

由此可得：f= X′AX= X′*1/2*(A+ A′)*X。

注意到1/2(A+ A′)是对称矩阵，所以二次型f= X′AX的矩阵为1/2(A+ A′)。

无论采用的设备多精密，方法有多好，总是会存在一些误差的。由于大的奇异值对应着矩阵中的主要信息，因此可以运用奇异值分解进行数据分析，提取矩阵的主要信息。