最后的这几讲很多是介绍一些概念以及应用和复习总结,所以简单记录下一下,不再详细展开。
主要内容有:
- 马尔可夫矩阵以及傅里叶级数的概念
- 实对称矩阵以及正定矩阵的介绍
- 相似矩阵的概念
- 正定矩阵的概念
马尔可夫矩阵
马尔可夫矩阵(Markov Matrix) :
- 首先是一个
n 阶的方阵(其实在之后的几讲中,讨论的都是方阵)
- 方阵中的每个元素都非负
- 每一列元素的和都等于1
马尔可夫矩阵有两条重要的性质:
- 一定有有特征值等于1
- 其余的所有的特征值的绝对值都小于1
傅里叶级数
对于一个
n 维的向量
v ,如果有一组此空间的标准正交基
(q1,q2,...qn),则这个向量对于这组基的投影可以表示为:
v=x1q1+x2q2+...+xnqn
那么,可欧律一个问题,如果要求的其中某一个分量上的分解量,比如求
xi, 那么可以将上面的式子左右同时乘以
qiT,从而得到:
qiTv=x1qiTq1+x2qiTq2+...+xiqiTqi+...+xnqiTqn=xi
,如果使用
Q=(q1,q2,...qn),则
Q是一个正交阵,则
(x1,x2,..,xn)T=Q−1v。
有了这个方法,再来看傅里叶级数,它的函数表示为:
f(x)=a0+a1cos(x)+b1sin(x)+a2cos(2x)+b2sin(2x)+....
这里可以把每一项看作是空间的一个元素设两个函数的内积为:
∫02πf(x)g(x)d(x)
,可以得到,傅里叶级数中的每两项都是相互正交的,例如:
∫02πsin(x)cos(x)d(x)=0
,这里的处理跟上面的很相似,所以给我们的启发就是,如果我们要求傅里叶级数的某一项系数,a_{i},b_{i},可以将函数进行投影,例如,求a_{1}:
∫02πcos(x)f(x)d(x)=a0∫02πcos(x)dx+a1∫02πcos(x)2dx+b1∫02πcos(x)sin(x)dx+....
可以得到:
a1=π1∫02πcos(x)f(x)d(x)
实对称矩阵
对称矩阵有很多优秀的性质,所以接下来的很多概念都跟对称矩阵有关系,实对称矩阵是所有的元素都是实数的矩阵,它的主要性质如下:
- 所有的特征值都是实数
- 所有的特征向量都是实向量
- 具有
n 个线性无关的特征向量
- 所以,任意的实对称矩阵都可以表示为
QΛQ−1=QΛQT的形式
正定矩阵
正定矩阵式特殊的实对称矩阵,其所有的的特征值都大于0,对应的二次型
xTAx 恒大于0,判断实对称矩阵是否式正定矩阵的方法:
- 定义判断,是否所有的特征值都大于0
- 从左上角开始
0−n阶的子行列式都大于0
相似矩阵
对于两个方阵
A,B, 如果存在可逆矩阵
P,使得:
P−1AP=B,则称
B 是
A的相似矩阵,相似矩阵具有如下的性质:
- 相似矩阵具有相同的特征值
- 如果矩阵
A与对角阵相似,则对角阵中的对角线值也就是
A 的
n 个特征值,这里也就是之前讲到过的对角化的知识。