对称矩阵(Symmetric Matrices)
2014-03-26 19:51
3087 查看
如果矩阵满足
,则矩阵P称为对称矩阵,对称矩阵有很多优秀的属性,可以说是最重要的矩阵。
,相应的
。因为
,很有可能A的逆等于A的转置。同样的,就可能有
,这可发现S中的特征向量和其他的特征向量正交,后文会进行证明。
我们把上的S成为正交矩阵Q,Q满足
,Q中的每一个列向量为单位特征向量。每一个对阵矩阵都可以被分解成
:
2.对阵矩阵的特征向量相互正交。
上面例子是矩阵的另一种分解形式,把矩阵A分解成了两个投影矩阵的线性组合。
下面介绍下什么是投影矩阵,如果一个方阵满足
,我们矩阵P为投影矩阵。
现在我们有两个投影矩阵P1和P2,显然满足
。
任意给定一个3维列向量b=(x,y,z),通过P1矩阵后得到列向量p1=(0,0,z),可以发现矩阵P把所有的向量都投影到了Z轴上面。
同样的P2把所有的向量都投影到xy平面上。
这里补充一个知识,如果想把向量投影到一条直线上,如何得到投影矩阵。给出一个最简单的方法,如果u是这条直线的单位方向向量,则投影矩阵P=uuT。详细的投影介绍见wikip。
现在重新回到谱分解,现在考虑n*n的对阵矩阵,肯定存在n和投影矩阵
,可以把矩阵A看成n个投影矩阵的线性组合,这个就是谱分解。
1.对于所有矩阵,主元的乘积=特征值的乘积=矩阵的行列式
2.对于对称矩阵,主元和特征值有相同的符号,即正主元的个数和正特征值的个数相同,但是非对称矩阵不满足,下面是两个例子。
,则矩阵P称为对称矩阵,对称矩阵有很多优秀的属性,可以说是最重要的矩阵。
1.对称矩阵的对角化
如果一个矩阵有n个线性无关的特征向量,则矩阵是可对角化的,矩阵可表示成,相应的
。因为
,很有可能A的逆等于A的转置。同样的,就可能有
,这可发现S中的特征向量和其他的特征向量正交,后文会进行证明。
我们把上的S成为正交矩阵Q,Q满足
,Q中的每一个列向量为单位特征向量。每一个对阵矩阵都可以被分解成
:
2.对称矩阵的性质
1.对阵矩阵的特征值为实数。2.对阵矩阵的特征向量相互正交。
3.谱分解
先看一个例子:上面例子是矩阵的另一种分解形式,把矩阵A分解成了两个投影矩阵的线性组合。
下面介绍下什么是投影矩阵,如果一个方阵满足
,我们矩阵P为投影矩阵。
现在我们有两个投影矩阵P1和P2,显然满足
。
任意给定一个3维列向量b=(x,y,z),通过P1矩阵后得到列向量p1=(0,0,z),可以发现矩阵P把所有的向量都投影到了Z轴上面。
同样的P2把所有的向量都投影到xy平面上。
这里补充一个知识,如果想把向量投影到一条直线上,如何得到投影矩阵。给出一个最简单的方法,如果u是这条直线的单位方向向量,则投影矩阵P=uuT。详细的投影介绍见wikip。
现在重新回到谱分解,现在考虑n*n的对阵矩阵,肯定存在n和投影矩阵
,可以把矩阵A看成n个投影矩阵的线性组合,这个就是谱分解。
4.主元和特征值的关系
主元和特征值不同,但是他们又一定的联系:1.对于所有矩阵,主元的乘积=特征值的乘积=矩阵的行列式
2.对于对称矩阵,主元和特征值有相同的符号,即正主元的个数和正特征值的个数相同,但是非对称矩阵不满足,下面是两个例子。
5.对角性
如果一个矩阵A的特征值都不相同,它的特征向量肯定线性无关,则A是可以对角化的。如果一个矩阵存在相同的特征值,对于非对称矩阵会导致特征向量不足,无法对角化;但对于对称矩阵,即使存在相同的特征值,矩阵仍然可以对角化。(在这就不做证明了)6.Reference
《A Introduction to Linear Algebra》 GILBERT STRANG相关文章推荐
- 求取对称矩阵特征值和特征向量的Jacobi过关法
- 题目1180:对称矩阵
- C#判断一个矩阵是否为对称矩阵及反称矩阵的方法
- 项目二——对称矩阵压缩存储的实现与应用
- 第九周上机实践—项目2(1)—对称矩阵压缩存储及基本运算
- 第九周实践项目2—对称矩阵压缩存储的实现与应用(1)
- 对称矩阵及对称矩阵的压缩存储
- hdu2859(最大对称矩阵)
- 对称矩阵及对称矩阵的压缩存储
- 第九周项目2-对称矩阵的压缩存储的实现与运用(3)
- 对称矩阵的压缩存储
- 判断是否为对称矩阵
- 第八周 压缩存储的对称矩阵的运算
- 对称矩阵的判定
- 3.3.3.1对称矩阵
- 山东理工ACM【1522】对称矩阵的判定
- C#实现将一个矩阵分解为对称矩阵与反称矩阵之和的方法
- 对称矩阵的压缩存储及基本运算(1)
- 第9周、项目2(3)—对称矩阵的压缩存储的实现与运用
- 第九周实践项目~对称矩阵压缩存储的实现与应用(1)