matlab用幂法求特征值与特征向量_【第一章 线性代数】1.4矩阵的特征值和特征向量+矩阵的对角化二次型...

掌握目标：

1、掌握内积，正交，线性相关，线性无关的概念

2、掌握规范正交基，正交矩阵

3、掌握特征值特征向量的几何意义与算法

4、掌握相似矩阵，对角化，对角化的条件。对称矩阵一定可以对角化

5、二次型与矩阵的正定性，以及如何判断正定，可逆的又一种判断方法

1。向量的内积以及正交性

由这些定义加上我们中学在二维空间里面向量夹角的概念，我们推广到高维空间，也可以用来衡量高维空间中两个样本的相似度的一种度量（不同于欧式距离）

柯西不等式，由(iii)+二次函数判别式

夹角，被证明cos在0到1之间

则可逆的充要条件 ：

思考：

二维空间的规范正交基有哪些？

如何求出这些表示的系数？

，则其他也可以这么算出来。

正交矩阵（正交阵）：

2。方阵的特征值与特征向量

特征方程：

特征多项式：

用韦达定理推出（ii）

问题：只解出两个特征向量呢？因为有重根！

证明例8的（1）

例9解：

，将1，-1,2代入得到结果即是答案。

3。方阵对角化

相似矩阵：

特征向量不一定相同呀

用对角阵求特征值来推导

定理3的证明：

矩阵的对角化：

必要性由上图的假设已经找到可逆矩阵p，充分性由以下证明得到，请看下面

定理4 充分性证明：

对称矩阵的对角化：

向量的正交化参照的是施密特规范正交化

4。二次型和矩阵的正定性

二次型

标准型和规范型

如果A是对角矩阵该有多好，就一下子就是标准型甚至规范性了

【作业】

打卡作业：

1、

2、求下列矩阵的特征值和特征向量

3、

4、

5、

6、总结现在为止矩阵可逆的充要条件

7、学习Numpy求解特征值特征向量

'''特征值和特征向量'''
# 定义矩阵
A = np.mat("1 4 2; 0 -3 4; 0 4 3")
print(A)
# [[ 1  4  2]
#  [ 0 -3  4]
#  [ 0  4  3]]

b = np.array([0, 8, -9])

# 线性方程组求解
x = np.linalg.solve(A, b)
print(x)
# [ 9.2 -2.4  0.2]

# 返回矩阵的特征值
y = np.linalg.eigvals(A)
print(y)
# [ 1. -5.  5.]

# 返回矩阵的特征值和特征向量的元组
(w, v) = np.linalg.eig(A)
print(w)
print(v)
# [ 1. -5.  5.]
# [[ 1.          0.40824829 -0.66666667]
#  [ 0.         -0.81649658 -0.33333333]
#  [ 0.          0.40824829 -0.66666667]]