29. 相似矩阵,若尔当型

文章目录

1. 相似矩阵

假设矩阵A,B为正定矩阵,那么对于任意非零列向量x来说,二次型 x T A x , x T B x x^TAx,x^TBx xTAx,xTBx恒为正
x T A x > 0 , x T B x > 0 , \begin{equation} x^TAx>0,x^TBx>0, \end{equation} xTAx>0xTBx>0

  • 如果A,B均是正定矩阵,那么A+B也是正定矩阵
    x T ( A + B ) x = ( x T A + x T B ) x = x T A x + x T B x > 0 \begin{equation} x^T(A+B)x=(x^TA+x^TB)x=x^TAx+x^TBx>0 \end{equation} xT(A+B)x=(xTA+xTB)x=xTAx+xTBx>0
    我们在做最小二乘法的过程中,需要拟合一条直线,满足直线基本能反映点的情况,我们知道b值不一定在A的列空间中,所以我们通过同时乘以 A T A^T AT 得到 A T b A^Tb ATb,使得方程能求得最优解 x ^ \hat{x} x^
    A T A x ^ = A T b \begin{equation} A^TA\hat{x}=A^Tb \end{equation} ATAx^=ATb
    这时候我们就遇到了 A T A A^TA ATA矩阵,那么这个矩阵肯定是对称矩阵,请问 A T A A^TA ATA 是否是正定矩阵呢?

1.1 A T A A^TA ATA正定性证明

首先 A T A A^TA ATA是对称的,那么我们只需要证明对于任意非零向量x,二次型恒正即可:
x T A T A x > ? ? ? 0 \begin{equation} x^TA^TAx>???0 \end{equation} xTATAx>???0

  • 整理上述公式可得:
    ( x T A T ) ( A x ) = ( A x ) T ( A x ) \begin{equation} (x^TA^T)(Ax)=(Ax)^T(Ax) \end{equation} (xTAT)(Ax)=(Ax)T(Ax)
  • 我们知道Ax表示的是A列向量的组合,最后还是一个列向量,所以上述值都是一个标量的平方,所以可以得到如下:
    ( x T A T ) ( A x ) = ( A x ) T ( A x ) = ∣ ∣ A x ∣ ∣ 2 ≥ 0 \begin{equation} (x^TA^T)(Ax)=(Ax)^T(Ax)=||Ax||^2 \ge 0 \end{equation} (xTAT)(Ax)=(Ax)T(Ax)=∣∣Ax20
  • 那么什么时候 ∣ ∣ A x ∣ ∣ ≠ 0 ||Ax|| \neq0 ∣∣Ax∣∣=0呢?也就是当Ax=0无零解,也就是说矩阵A的秩等于列数n,所以可以得到,只要给定一个m行n列的矩阵A,如果矩阵A的秩为n,即满列秩,那么就可以得到 A T A A^TA ATA为正定矩阵!!!

2. 相似矩阵

假设A,B均是N×N的矩阵,如果存在一个可以矩阵M,使得三个矩阵满足如下关系,那么A相似于B
B = M − 1 A M \begin{equation} B=M^{-1}AM \end{equation} B=M1AM
特征向量矩阵S,当我们有一个矩阵A,其特征值矩阵为 Λ \Lambda Λ,特征向量矩阵为S,满足如下条件:
Λ = S − 1 A S ⇒ A ∼ Λ \begin{equation} \Lambda=S^{-1}AS \Rightarrow A \sim \Lambda \end{equation} Λ=S1ASAΛ

  • 按照新的说法来说,矩阵A相似于特征向量 Λ \Lambda Λ,也就是说当矩阵M是特征向量矩阵S时候,矩阵A相似于特征值矩阵 Λ \Lambda Λ,如果 M ≠ S M \ne S M=S,那么矩阵A相似于其他的。
    B = M − 1 A M ⇒ { A ∼ Λ , M = S A ∼ B , M ≠ S \begin{equation} B=M^{-1}AM \Rightarrow \left\{ \begin{aligned} A \sim \Lambda,M=S\\ A \sim B,M\neq S\\ \end{aligned} \right.\end{equation} B=M1AM{AΛM=SABM=S

2.1 举例

当我们矩阵A表示如下,可以得到其特征向量矩阵S,特征值矩阵 Λ \Lambda Λ
A = [ 2 1 1 2 ] ⇒ S = [ 1 1 − 1 1 ] , Λ = [ 1 0 0 3 ] ⇒ A ∼ Λ \begin{equation} A=\begin{bmatrix} 2&1\\\\ 1&2 \end{bmatrix}\Rightarrow S=\begin{bmatrix} 1&1\\\\ -1&1 \end{bmatrix},\Lambda=\begin{bmatrix} 1&0\\\\ 0&3 \end{bmatrix}\Rightarrow A \sim \Lambda \end{equation} A= 2112 S= 1111 ,Λ= 1003 AΛ

  • 给定一个矩阵M,可得如下B
    A = [ 2 1 1 2 ] ⇒ M = [ 1 4 0 1 ] , B = M − 1 A M = [ − 2 − 15 1 6 ] ⇒ A ∼ B \begin{equation} A=\begin{bmatrix} 2&1\\\\ 1&2 \end{bmatrix}\Rightarrow M=\begin{bmatrix} 1&4\\\\ 0&1 \end{bmatrix},B=M^{-1}AM=\begin{bmatrix} -2&-15\\\\ 1&6 \end{bmatrix}\Rightarrow A \sim B \end{equation} A= 2112 M= 1041 ,B=M1AM= 21156 AB
  • 矩阵A,B, Λ \Lambda Λ之间有什么关系呢?
    ∣ ∣ A ∣ ∣ = 3 , λ A 1 = 1 ; λ A 2 = 3 ; t r a c e A = 4 \begin{equation} ||A||=3,\lambda_{A1}=1;\lambda_{A2}=3;trace_A=4 \end{equation} ∣∣A∣∣=3,λA1=1λA2=3;traceA=4
    ∣ ∣ B ∣ ∣ = 3 , λ B 1 = 1 ; λ B 2 = 3 ; t r a c e B = 4 \begin{equation} ||B||=3,\lambda_{B1}=1;\lambda_{B2}=3;trace_B=4 \end{equation} ∣∣B∣∣=3,λB1=1λB2=3;traceB=4

1、两者的秩相等。 2、两者的行列式值相等。 3、两者的迹数相等。 4、两者拥有同样的特征值,尽管相应的特征向量一般不同

2.2 证明相似矩阵具有相同特征值

B = M − 1 A M , A x = λ x \begin{equation} B=M^{-1}AM,Ax=\lambda x \end{equation} B=M1AM,Ax=λx

M B M − 1 = A ⇒ M B M − 1 x = A x = λ x ⇒ B [ M − 1 x ] = λ [ M − 1 x ] \begin{equation} MBM^{-1}=A\Rightarrow MBM^{-1}x=Ax=\lambda x \Rightarrow B[M^{-1}x]=\lambda [M^{-1}x] \end{equation} MBM1=AMBM1x=Ax=λxB[M1x]=λ[M1x]

  • 故可以得到,如果矩阵A相似于矩阵B,那么A,B具有相同的特征值矩阵。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/15469.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

网络模型-策略路由配置

在实际网络应用中,策略路由也是一种重要的技术手段。尽管在考试并不注重策略路由,但是实际上应用较多建议考生除了掌握基本的静态路由协议IP route-static,动态路由协议RIP、还要掌握如何配置策略路由。策略路由的基本原理:根据ACL定义的不同…

深度学习之人脸性别年龄检测系统

欢迎大家点赞、收藏、关注、评论啦 ,由于篇幅有限,只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 一、项目背景与意义 随着计算机视觉和深度学习技术的飞速发展,人脸性别年龄检测系统在多个领域展现出广…

字符串转ArrayBuffer

const arrayBuffer new ArrayBuffer(str.length)const bufferView new Uint8Array(ab) for (let i 0; i < str.length; i) {bufferView[i] str.charCodeAt(i) }【前端】失落的 ArrayBuffer - 知乎

SVG批量转为pdf超有效的方式!

最近在整理工作&#xff0c;发现ppt里面画的图智能导出svg格式无法导出pdf格式&#xff0c;由于在线的网站会把我的图片搞乱而且不想下载visio&#xff08;会把本地的word搞坏&#xff09;&#xff0c;因此琢磨出这种批量转换的方式。 1. 下载并安装Inkscape 下载链接&#xf…

使用HTTP客户端在Python中进行网页抓取——笔记

使用HTTP客户端在Python中进行网页抓取 在网页抓取的上下中&#xff0c;HTTP客户端向目标网站发送请求&#xff0c;并检索网站的HTML代码或JSON有效负载等信息。 HTTP客户端并不直接指向代码开发者&#xff0c;而是指在客户端-服务器模型中发送HTTP请求的部分。这个客户端是一…

电路仿真软件:点亮教学新篇章,十大便利助力高效学习

在信息化时代的浪潮中&#xff0c;电路仿真软件以其独特的优势&#xff0c;逐渐在教学领域崭露头角。它不仅能够帮助学生更好地理解电路知识&#xff0c;还能提升教师的教学效果。接下来&#xff0c;让我们一起探讨电路仿真软件对教学带来的十大便利。 一、直观展示电路原理 电…

Keras深度学习框架第二十四讲:KerasNLP概述

1、KerasNLP简介 KerasNLP是一个与TensorFlow深度集成的库&#xff0c;旨在简化NLP&#xff08;自然语言处理&#xff09;任务的建模过程。它提供了一系列高级API&#xff0c;用于预处理文本数据、构建序列模型和执行常见的NLP任务&#xff0c;如情感分析、命名实体识别和机器…

风控指南:国内车险欺诈呈现四大趋势

目录 车险欺诈呈现内外勾结的团伙化 防范车险欺诈需要多重合作 保险企业需要提升反欺诈能力 监管部门需要加强协同合作 2024年4月11日&#xff0c;国家金融监督管理总局官网发布国家金融监督管理总局关于《反保险欺诈工作办法&#xff08;征求意见稿&#xff09;》公开征求意见…

PCL平面多边形可视化

1、背景介绍 多边形是一个在二维平面上由直线段&#xff08;称为边或侧&#xff09;首尾顺次连接围成的封闭图形。这些直线段也称为多边形的边&#xff0c;而它们的交点称为多边形的顶点或角。在点云边缘点提取后&#xff0c;有时候需要将其进行可视化&#xff0c;如下图所示。…

【Mac】跑猫RunCat for mac(菜单栏Cpu可视化监测工具) v10.3免费版安装教程

软件介绍 RunCat是一款为菜单栏提供关键帧动画的软件。动画速度会根据Mac的CPU使用情况而变化。奔跑的小猫通过运行速度告诉您Mac的CPU使用率。 这是一款好玩的软件&#xff0c;可以为您的Mac使用添加一点小确幸。感兴趣的朋友可以试试哦。 安装步骤 1.打开安装包&#xff0…

贵州大学24计算机考研数据速览,国家重点实验室22408复试线285分!贵州大学计算机考研考情分析!

贵州大学计算机科学与技术学院坐落在贵州大学北校区&#xff08;贵阳花溪&#xff09;。 学院现有教职工139人&#xff0c;其中专职教师126人&#xff0c;教授17人&#xff0c;副教授37人&#xff0c;讲师46人&#xff0c;高级实验师4人&#xff0c;实验师17人。具有博士学位的…

诺兰电影欣赏笔记

2012&#xff1a;蝙蝠侠&#xff1a;黑暗骑士崛起&#xff08;Batman 3: The Dark Knight Rises&#xff09; 播放平台&#xff1a;优酷

Django 入门教程

1. Django简介 基本介绍 Django 是一个由 Python 编写的一个开放源代码的 Web 应用框架。 MVC 与 MVT 模型 MVC 模型 MVC 模式&#xff08;Model–view–controller&#xff09;是软件工程中的一种软件架构模式&#xff0c;把软件系统分为三个基本部分&#xff1a;模型&am…

图论(三)(最小生成树)

一、图的表示&#xff08;简要概述&#xff09; 对于图G&#xff08;V&#xff0c;E&#xff09;&#xff08; V 为节点的集合&#xff0c;E 为边的集合 V*V 的子集&#xff09;有两种表示方法&#xff1a;邻接链表和邻接矩阵&#xff0c;两种表示方法既可以表示有向图&#x…

【C++STL详解(四)------vector的模拟实现】

文章目录 vector各函数接口总览vector当中的成员变量介绍默认成员函数构造函数1构造函数2构造函数3拷贝构造函数赋值运算符重载函数析构函数 迭代器相关函数begin和end 容量和大小相关函数size和capacityreserveresizeempty 修改容器内容相关函数push_backpop_backinserterases…

掌握安全渗透测试:利用永恒之黑漏洞获取Windows 10系统访问权限

以下是利用永恒之黑漏洞对Windows 10进行渗透测试的步骤&#xff1a; 环境介绍 靶机&#xff1a;IP地址为192.168.1.60&#xff0c;运行Windows 10 1903版本。攻击机&#xff1a;IP地址为192.168.1.53。 靶机准备 检查Windows 10版本号&#xff1a;确保靶机运行的Windows 1…

鼠标滚轮使用时上下跳动的解决方法

前阵子鼠标滚轮使用时总会出现上下跳动比如向下滚动会往上反弹或者是在当前框架卡住但颤动的情况&#xff0c;这个问题困扰了我很久&#xff0c;试过了很多设置和驱动方面的办法都没解决&#xff0c;因此大概率是滚轮那有脏东西了。最后终于在一个答复下面看到了一种不用拆开修…

基于open3d加载kitti数据集bin文件

前言 在自动驾驶领域&#xff0c;Kitti数据集是一个非常流行的点云数据集&#xff0c;广泛用于3D目标检测、跟踪和其他相关研究。Open3D是一个强大的开源库&#xff0c;专门用于处理和可视化三维数据。本文将介绍如何使用Open3D来加载和可视化Kitti数据集中的.bin文件。 准备…

类脑计算和量子计算、人工智能的关系

According to www.iAsk.ai Ask Ai Search Engine: 类脑计算、量子计算和人工智能是三个不同但相关的领域。它们在不同层面上探索和利用了不同的计算模型和技术&#xff0c;但都旨在推动计算能力的发展和创新。 类脑计算是一种受到人脑神经系统启发的计算模型。它试图通过模拟…

页面置换算法

一、实验目的&#xff1a; 通过编写一个页面置换算法的模拟程序&#xff0c;深入理解并比较最佳置换算法、先进先出算法和最近最久未使用算法在操作系统中的应用和性能差异。同时&#xff0c;通过实验&#xff0c;加深对操作系统中内存管理相关概念的理解。 实验设备与实验环境…