1. 程式人生 > >AI理論隨筆-對稱矩陣與特徵向量,特徵值

AI理論隨筆-對稱矩陣與特徵向量,特徵值

一、對稱矩陣(Symmetric Matrices)是指元素以主對角線為對稱軸對應相等的矩陣。 對稱矩陣是一個方形矩陣,其轉置矩陣和自身相等。

如果有n階矩陣A,其矩陣的元素都為實數,且矩陣A的轉置等於其本身(aij=aji)(i,j為元素的腳標),則稱A為實對稱矩陣。比如: A=[1272317111] A=\begin{bmatrix} 1 & 2&7\\ 2& 3&1\\ 7&1&11 \end {bmatrix} 二、設A為n階矩陣,若存在常數λ及n維非零向量a

a,使得Aa=λaAa=λa,則稱λ是矩陣A的特徵值,aa是A屬於特徵值λ的特徵向量。 A的所有特徵值的全體,叫做A的譜,記為 λ(A)λ(A)。 經過A的線性變換後,向量aa僅僅做了尺度的綻放而沒有做其他的變換。 三、 1.實對稱矩陣A的不同特徵值對應的特徵向量是正交的,即:a1,a22a1a2=0a_1,a_2為2個特徵向量,則a_1a_2=0。 2.實對稱矩陣A的特徵值都是實數,特徵向量都是實向量。 3.n階實對稱矩陣A必可對角化,且相似對角陣上的元素即為矩陣本身特徵值。 4.若λ0λ_0具有k重特徵值,必有k個線性無關的特徵向量,或者說必有秩r
(λ0EA)=nkr(λ_0E-A)=n-k
,其中E為單位矩陣。 5.實對稱矩陣的逆的轉置矩陣等於它的逆矩陣。