线性代数(五十一) : 自伴随映射与二次型
2014-04-03 17:11
369 查看
从本节开始研究欧几里得空间的自伴随映射
则称A是自伴随映射.
称这类映射为对称映射.
称这类映射为埃尔米特映射.
也就是说:
是n个实变量的二阶可微实值函数.其中n个变量简记为向量x.f在a处的二阶泰勒近似为:
其中:
l(y)和q(y)分别是分别是y的线性函数和二次函数.因为线性函数都形如:
其中g是f在a处的梯度,根据泰勒定理:
二次函数q形如:
矩阵(hij)称作f的黑塞矩阵.根据泰勒定理.有:
运用矩阵和偶激励得标量积的记号将q重写为:
根据二阶可微函数混合偏导相等可知:
因此黑塞矩阵H是自伴随矩阵.
而考察函数在稳定点附近的行为不仅有其几何意义.对于动态系统的研究也是十分重要的.
因此二次函数在数学中占据十分重要的位置.而对称矩阵也成为线性代数研究的一个中心问题.
二次函数也叫二次型.如上边的q就是二次型
为了研究二次函数,常用的方法是引入新的变量:
其中L是可逆矩阵.q在新变量z下的矩阵形式较原来更为简洁.
1 自伴随映射
设A是欧几里得空间到自身的映射,若:则称A是自伴随映射.
2 对称映射
再上边的自伴随映射中若A是实欧几里得空间上的映射.则A在标准正交系下的矩阵表示是对称矩阵,即:称这类映射为对称映射.
3 埃尔米特映射
若A是复欧几里得空间上的映射.则A的矩阵表示是共轭对称的.即:称这类映射为埃尔米特映射.
4 线性映射的自伴随部分
设M是欧几里得空间任意线性映射.定义M的自伴随部分为:也就是说:
5 黑塞矩阵:
设:是n个实变量的二阶可微实值函数.其中n个变量简记为向量x.f在a处的二阶泰勒近似为:
其中:
l(y)和q(y)分别是分别是y的线性函数和二次函数.因为线性函数都形如:
其中g是f在a处的梯度,根据泰勒定理:
二次函数q形如:
矩阵(hij)称作f的黑塞矩阵.根据泰勒定理.有:
运用矩阵和偶激励得标量积的记号将q重写为:
根据二阶可微函数混合偏导相等可知:
因此黑塞矩阵H是自伴随矩阵.
6 二次型
设a是函数f的一个稳定点.即f的梯度g在a处取值为零.泰勒公式表明:f在a点附近的行为由f的二次项决定.而考察函数在稳定点附近的行为不仅有其几何意义.对于动态系统的研究也是十分重要的.
因此二次函数在数学中占据十分重要的位置.而对称矩阵也成为线性代数研究的一个中心问题.
二次函数也叫二次型.如上边的q就是二次型
为了研究二次函数,常用的方法是引入新的变量:
其中L是可逆矩阵.q在新变量z下的矩阵形式较原来更为简洁.
相关文章推荐
- 线性代数(三十二) : 矩阵的谱映射定理
- 线性代数6-二次型
- 线性代数复习 第六章 二次型
- 线性代数--二次型
- 线性代数复习八——正交性、二次型和对称矩阵
- 线性代数 05.06 用配方法化二次型为标准形
- 线性代数 05.07 用合同变换法化二次型为标准形
- (9.1.5)线性代数之相似矩阵和二次型
- 线性代数笔记(内积空间,实二次型)
- 线性代数:第五章 相似矩阵及二次型(1)向量的内积 方阵的特征值与特征向量 相似矩阵
- 线性代数 - 06 二次型
- 线性代数—相似矩阵与二次型(总结)
- 线性代数学习笔记五:相似矩阵及二次型
- 线性代数的直观理解 -- Intuition in Linear Algebra
- 线性代数之六:特征值与特征向量
- MIT线性代数学习心得其一
- 线性代数(二十八) : 特征值与特征向量
- 搜到的牛人对线性代数的理解
- 线性代数的本质(笔记二)