把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质


 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质
文章图片

 把矩阵看作一个算子——从几何角度解释对称矩阵的三个最重要性质


对称矩阵是沿对角线对称的矩阵 。 它是一个自伴算子(self-adjoint operator)(把矩阵看作是一个算子并研究其性质确实是一件大事) 。 虽然我们不能直接从对称性中读出几何属性 , 但我们可以从对称矩阵的特征向量中找到最直观的解释 , 这将使我们对对称矩阵有更深入的了解 。
常见的例子是单位矩阵 。 一个重要的例子是:

  • 对称矩阵的一个例子
然而 , 虽然定义简单如斯 , 但却意义非凡 。 在这篇文章中 , 我们将看一看它们的重要属性 , 直观地解释它们 , 并介绍其应用 。
厄米特矩阵(The Hermitian matrix)是对称矩阵的复扩展 , 这意味着在厄米特矩阵中 , 所有元素都满足:
厄米特矩阵的共轭转置与自身相同 。 因此 , 它具有对称矩阵所具有的所有性质 。
  • 厄米特矩阵的一个例子
在这篇文章中 , 我主要讨论的是实数情况 , 即对称矩阵 , 以使分析变得简单一些 , 同时在数据科学中 , 我们遇到的也大都是实矩阵 , 因为我们要处理现实世界的问题 。
对称矩阵的最重要的性质本节将介绍对称矩阵的三个最重要的性质 。 它们涉及这些矩阵的特征值和特征向量的行为 , 这是区别对称矩阵和非对称矩阵的基本特征 。
性质1. 对称矩阵有实数特征值
这可以很容易地用代数法证明(正式的、直接的证明 , 而不是归纳法、矛盾法等) 。 首先 , 快速回顾一下特征值和特征向量 。
  • 矩阵A的特征向量是 , 在A作用于它之后 , 方向不变的向量 。 方向没有改变 , 但向量大小可以改变 。
  • 实数特征值给我们提供了线性变换中的拉伸或缩放信息 , 不像复数特征值 , 它没有 \"大小\" 。
向量被缩放的比例是特征值 , 我们用λ表示 。 因此我们有:
  • 式1.1
证明是相当容易的 , 但有一些重要的线性代数知识 , 所以我们还是要一步一步地来 。
1.1通过x的共轭转置x?得到:
  • 式1.2
需要注意的是 , λ是一个标量 , 这意味着涉及λ的乘法是可交换的 。 因此 , 我们可以把它移到x?(x的转置 , 上标H可能不显示)的左边: