前言
本文主要针对线性代数中的正定矩阵、实对称矩阵、矩阵特征值分解以及矩阵 SVD 分解进行总结。
如果你对这篇文章可感兴趣,可以点击如下卡片,查看完整博客分类与对应链接。
【访客必读 - 指引页】一文囊括主页内所有高质量博客gene-liu.blog.csdn.net正定矩阵
概念
对于任意非零向量
,若
恒成立,则矩阵
为正定矩阵;若
恒成立,则矩阵
为半正定矩阵。
其他充要条件
充要条件1:
矩阵的全部特征值都是正数推论:
若正定,则,即可逆(有时会根据矩阵正定来判断是否可逆)推论:
若正定,则与单位阵合同,即存在可逆阵,使得成立
充要条件2:
矩阵的各阶顺序主子式都是正数,即- 其中
表示矩阵前行与前列组成的子矩阵的行列式的值
- 其中
实对称矩阵
概念
矩阵为方阵,其中元素均为实数,且
。
性质
性质1:
实对称矩阵的特征值都是实数。- 假设
、分别为矩阵的特征值、特征向量,即
- 等式两边取共轭,即
,,是实对称矩阵,因此,即
- 等式两边取转置,则
-
-
,由于,因此,为实数
- 假设
性质2:
实对称矩阵不同特征值所对应的特征向量必定正交。- 假设
与成立
-
-
-
,因此与正交
- 假设
性质3:
实对称矩阵相同特征值所对应的特征向量必定线性无关。- 证明较繁琐,不详细展开
- 线性无关的向量可以通过施密特正交化转为正交向量
- 对于线性无关向量组
,转为正交向量组
-
-
- 对于线性无关向量组
- 由于新的正交向量都是原来线性无关向量的线性组合,而原先的线性无关向量对应的特征值均相同,因此新的正交向量也均为该相同特征值对应的特征向量
性质4:
任何一个实对称矩阵,都可以正交对角化。- 正交对角化,即存在一个正交矩阵
使得,其中是一个对角矩阵
- 实对称矩阵,一定有
个解,因为实对称矩阵特征值都是实数,因此一共有个实特征值(包括重特征值)—— 性质
- 不同特征值对应的特征向量正交,相同特征值也一定存在对应的正交向量 —— 性质
- 实对称矩阵,一定有
个正交特征向量,因此可以特征值分解,即该性质成立
- 正交对角化,即存在一个正交矩阵
矩阵特征值分解
概念
的方阵
,由
可以得到
。
- 如果方阵
有个线性无关的特征向量,则可逆
-
- 其中矩阵
的列为方阵的特征向量,
矩阵 SVD 分解
概念
任意一个矩阵
都可以分解为
,其中
均为正交单位矩阵,
为对角矩阵。
证明
-
,由于为实对称矩阵,因此为矩阵对应特征向量组成的正交单位阵。
-
,由于为实对称矩阵,因此矩阵对应特征向量组成的正交单位阵。
-
,其中为对角阵,因此,由此可以得到对角矩阵,其中就是奇异值。
-