;

证明开始。

“先定义A为一个nxn的厄米特矩阵，它具有特征值λi和赋范特征向量vi……”

“特征向量中的每个元素标记为vi，j……”

“通过删除jth行和jth列，可以得到A的子矩阵Mj，大小为×，它的特征值为λk……”

“然后，通过证明可以得到一个柯西-比内型公式……”

“再由引理1和引理2可以证明……”

“……通过共轭的定义，公式7左边的对角元素，决定了λiIn-A的子矩阵……”

“……因此，应用引理2，必然的结论就是，如果特征向量中的一个元素消失，vi，j=0，那么矩阵A的特征向量方程，将化为其子矩阵Mj的一个特征向量方程。”

陈舟的思路十分清晰，整个证明过程也十分顺畅。

没有遇到一丁点的阻碍，便将这个新公式给证明了。

“有点意思，这么长时间，居然没有人发现这个？”

陈舟看着眼前草稿纸上的证明过程，脸上带着一丝奇怪的笑容。

真要说起来的话，这个新公式并不复杂。

而新公式的证明方法，陈舟也至少能够给出五种方法。

可就是这么一个并不复杂的新公式和证明过程，为什么这么长时间，都没有人发现呢？

陈舟有些纳闷，却也有些小确幸。

这说明了，还得是他！

没有他的话，谁知道这个公式，又得沉寂多长时间，才会与世人见面呢？

这倒不是陈舟自恋，而是这个新公式的价值，确实蛮大的。

不管是对数学，还是对物理学，以及工程学来说，都有着十分现实的意义。

在这些学科里，还是有着许许多多的问题，都是涉及到特征向量和特征值的计算的。

就比如说，陈舟发现这个新公式的源头，中微子振荡概率的计算。

再比如说，在机器学习领域，数据降维，人脸识别，也都涉及矩阵特征值和特征向量理论的实际应用。

想一想，在任何情况下，你不需要知道矩阵中的任何元素，就可以计算出你想要的任何东西，还不够牛逼吗？

当然，陈舟并没有去想那么多，也没有去想这个新公式，可能会带来的影响。

陈舟也没有打算，立即把这个新公式的相关内容，给整理出来，然后发表期刊。

他只觉得，这玩意还

为优化阅读体验，本站内容均采用分页显示，请点击下一页继续阅读！ 第2页 / 共3页