根据前面的来看,一点点复述固然效果好,但是太费时间,后面会加快速度,可能使用截图。
1.特征征值与特征向量
1.1定义
对 m m m阶方阵 ,若存在数 λ \lambda λ,及非零向量(列向量) x x x,使得 A x = λ x Ax=\lambda x Ax=λx ,则称 λ \lambda λ为 A A A的特征值, x x x为 A A A的属于特征值 λ \lambda λ的特征向量。
- 特征向量不唯一
- 特征向量非零
- ( λ I − A ) x = 0 (\lambda I-A)x=0 (λI−A)x=0有非零解,称 d e t ( λ I − A ) det(\lambda I-A) det(λI−A)为 A A A的多项式求解 d e t ( λ I − A ) = 0 det(\lambda I-A)=0 det(λI−A)=0的解,求出的 λ \lambda λ便是矩阵的特征值,将特征值带入方程 ( λ I − A ) x = 0 (\lambda I-A)x=0 (λI−A)x=0中得到特征向量
[例一]:
1.2矩阵的迹与行列式
t r A = ∑ i = 1 n a i i , 所 有 对 角 线 元 素 之 和 trA=\sum_{i=1}^na_{ii},所有对角线元素之和 trA=i=1∑naii,所有对角线元素之和 d e t A = ∏ i = 1 n λ i , t r A = ∑ i = 1 n λ i detA=\prod_{i=1}^n\lambda_i,trA=\sum_{i=1}^n\lambda_{i} detA=i=1∏nλi,trA=i=1∑nλi
1.3两个定理
- 设 A , B A,B A,B分别为 m × n , n × m m\times n,n\times m m×n,n×m的矩阵,则 t r ( A B ) = t r ( B A ) tr(AB)=tr(BA) tr(AB)=tr(BA)
- s y l v s t e r sylvster sylvster定理:设 A , B A,B A,B分别为 m × n , n × m m\times n,n\times m m×n,n×m的矩阵,则 d e t ( λ I m − A B ) = λ m − n d e t ( λ I n − B A ) det(\lambda I_m-AB)=\lambda^{m-n}det(\lambda I_n-BA) det(λIm−AB)=λm−ndet(λIn−BA)
2矩阵对角化的充要条件
定理:
n
n
n阶方阵
A
A
A可通过相似变换对角化的充要条件是它具有
n
n
n个线性无关的特征向量。
3内积空间
3.1酉空间
设
V
V
V是复线性空间(
k
∈
C
k\in C
k∈C),对于 中任何两个元素
x
,
y
x,y
x,y均按某一规则存在一个实数与之对应,记为(x.y),若它满足
则称(x,y)为x与y的内积,定义了内积的复线性空间称为酉空间。
最简单:
实
:
(
x
,
y
)
=
x
T
y
实:(x,y)=x^Ty
实:(x,y)=xTy
复
:
(
x
,
y
)
=
x
T
y
‾
复:(x,y)=x^T\overline y
复:(x,y)=xTy
3.2正交性
若(x,y)=0,则称x与y正交。
夹角:
c
o
s
α
=
(
x
,
y
)
∣
x
∣
∣
y
∣
cos\alpha=\frac{(x,y)}{|x||y|}
cosα=∣x∣∣y∣(x,y)
3.3Gram-Schmidt正交化手续
第四将完结撒花!!!!