线性代数——理解向(4)

这篇具有很好参考价值的文章主要介绍了线性代数——理解向(4)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

麻省理工学院 - MIT - 线性代数(我愿称之为线性代数教程天花板)_哔哩哔哩_bilibili

 MIT—线性代数笔记00 - 知乎 (zhihu.com)

行列式的部分相关性质与知识点这里暂不描述,可看上面给出的知乎笔记

一、行列式与体积之间的关系

矩阵A行列式的绝对值等于以矩阵A行(列)向量为边所构成的平行六面体的体积。行列式的正负对应左手系和右手系。

如果矩阵A是单位矩阵,则其构成的是三个边长均为1且互相垂直的立方体,其体积为1,这与上面的结论相符

而如果矩阵A为正交矩阵Q,则其构成的也是三个边边长为1且三边互相垂直的立方体,其体积也为1只是取向与单位阵不同。这也与上面的结论相符,因为,且 det(Q)=det(QT) ,所以detQ=1。

交换矩阵A中的行并不会改变其行列式的绝对值,显然也不会改变向量围成的体积,因此这也和体积理论相符。

二、特征值和特征向量

如何通俗地解释特征值与特征向量_哔哩哔哩_bilibili(非常有助理解)

矩阵A完成的是一个向量空间到另一个向量空间的映射,有些向量映射前后在一条直线上,该向量称为特征向量。这里的矩阵A就只起到了伸缩作用,因此可以表示为,称为特征值;

线性代数——理解向(4)

非零x满足,就被称为A的特征值,x称为A的对应于特征值的特征向量;

举例:求的特征值,特征向量:

;

如果方程有非零解,那么系数矩阵为奇异矩阵,行列式为零,求出的值,分别带入方程,求出方程的解

线性代数——理解向(4)

 迹

迹是对角线所有元素的和;

矩阵的迹等于特征值之和;

对称矩阵的特征向量正交;

特征值之积等于行列式;

复数特征值

是一个90°的旋转矩阵,从矩阵的迹和行列式的值可以得到线性代数——理解向(4),所以两个数一正一负;所以两个数同符号,综上无解。从矩阵的性质可知它的实数特征向量只有零向量,因为其他任何向量乘以旋转矩阵,向量的方向都会发生改变。计算可得:

线性代数——理解向(4)

 可以解得λ1=i 和 λ2=−i 。如果一个矩阵具有复数特征值a+bi则,它的共轭复数a-bi也是矩阵的特征值。实数特征值让特征向量伸缩而虚数让其旋转。

三角阵和重特征值

对于的三角矩阵,特征值就是矩阵对角线上的元素;

线性代数——理解向(4)

 说明A是一个退化矩阵,对应相同的特征值而特征向量短缺;

四、对角化和矩阵的幂

对角化矩阵

如果矩阵A具有n个线性无关的特征向量,将他们作为列向量可以组成一个可逆方阵S,并且有:

线性代数——理解向(4)

 这里的矩阵为对角阵,他的非零元素就是矩阵A的特征值。因为举证S中的列向量线性无关,因此逆矩阵存在。在等是两侧左乘逆矩阵,得到,同样。

现在我们得到的是矩阵的”相似标准型“,它还保留来了矩阵操作的基本性质——特征值;

而之前的消元行操作和列操作得到的”相抵标准型“,之神下最内核的秩;

矩阵的幂

线性代数——理解向(4)如果矩阵A具有n个线性无关的特征向量,如果所有的特征值均满足,则时,.

重特征值

如果矩阵A没有重特征值,则其一定具有n个线性无关的特征向量。

如果矩阵A有重特征值,它有可能具有n个线性无关的特征向量,也可能没有。比如单位阵的特征值为重特征值1,但是其具有n个线性无关的特征向量。

 差分方程

线性代数——理解向(4)

用斐波那契数列举例:

线性代数——理解向(4)

 为了凑成矩阵形式,列以下方程组:

线性代数——理解向(4)

 令线性代数——理解向(4),则有线性代数——理解向(4),观察矩阵的特征向量和特征值,因为是对称矩阵,特征值为实数,特征向量正交;

线性代数——理解向(4)

 线性代数——理解向(4)

 求解方程,这里使用小技巧:

,求非零解,那么左边是奇异矩阵,所以行向量线性相关,用系数矩阵第二行乘以x的结果和第一行相同,而可以一眼第二行乘x=0,

所以特征向量和;

这里的特征值反映了数列增长快慢程度;

 后续补充微分方程、马尔科夫矩阵和傅里叶级数;

 文章来源地址https://www.toymoban.com/news/detail-410953.html

到了这里,关于线性代数——理解向(4)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 太原理工大学软件学院信息安全方向软件安全技术重点

    2019级信息安全方向软件安全技术课 代课教师为王星魁 一、书上重点: 第一章 1.零日攻击 什么是零日攻击? 零日漏洞是指未被公开披露的软件漏洞,没有给软件的作者或厂商以时间去为漏洞打补丁或是给出解决方案建议,从而使攻击者能够利用这种漏洞破坏计算机程序、数

    2024年02月01日
    浏览(55)
  • 模仿蜘蛛工作原理 苏黎世联邦理工学院研发牛油果机器人可在雨林树冠穿行

    对于野外环境生物监测的研究人员来讲,收集生物多样性数据已成为日常工作重要组成部分,特别是对于热带雨林的茂密树冠当中活跃着非常多的动物、昆虫与植物。每次勘察都需要研究人员爬上茂密树冠收集数据,一方面增加了数据收集难度,而另一方面危险系数也随之增

    2024年03月11日
    浏览(48)
  • 线性代数——理解向(2)

    麻省理工学院 - MIT - 线性代数(我愿称之为线性代数教程天花板)_哔哩哔哩_bilibili  MIT—线性代数笔记00 - 知乎 (zhihu.com) 计算零空间 矩阵 A 的零空间即满足 A x=0的所有x构成的向量空间。 取    (A的列向量并不线性无关) 对于矩阵 A 进行“行操作”并不会改变 A x = b 的解,因

    2024年01月24日
    浏览(38)
  • 线性代数——理解向(4)

    麻省理工学院 - MIT - 线性代数(我愿称之为线性代数教程天花板)_哔哩哔哩_bilibili  MIT—线性代数笔记00 - 知乎 (zhihu.com) 行列式的部分相关性质与知识点这里暂不描述,可看上面给出的知乎笔记 矩阵 A 行列式的绝对值等于以矩阵 A 行(列)向量为边所构成的平行六面体的体

    2023年04月12日
    浏览(37)
  • 线性代数——理解向(5)

    麻省理工学院 - MIT - 线性代数(我愿称之为线性代数教程天花板)_哔哩哔哩_bilibili  MIT—线性代数笔记00 - 知乎 (zhihu.com) 给定一个2x2矩阵 A= ,有四个途径判定矩阵是否正定矩阵: 特征值: λ10,λ20; 行列式(所有子行列式): ,; 主元: , 表达式  ( x =0除外)。通常这

    2024年02月10日
    浏览(40)
  • 【理解线性代数】(四)线性运算的推广与矩阵基础

    工业生产的发展趋势总是从单件生产到批量生产。科学技术研究也是一样,总是从简单计算到复合运算、批量运算。批量意味着生产能力、处理能力的提升。计算机从16位发展到64位,从单核发展到多核;计算机从CPU处理数据发展到GPU处理数据;大数据、人工智能领域的大模型

    2024年02月09日
    浏览(52)
  • 线性代数的本质——几何角度理解

    B站网课来自 3Blue1Brown的翻译版,看完醍醐灌顶,强烈推荐: 线性代数的本质 本课程从几何的角度翻译了线代中各种核心的概念及性质,对做题和练习效果有实质性的提高,下面博主来总结一下自己的理解 在物理中的理解是一个有 起点和终点的方向矢量 ,而在计算机科学中

    2024年02月02日
    浏览(62)
  • 理解微分方程和线性代数的联系

    之前学线性代数的时候碰到过微分的情况,但那个时候还没详细解释微分方程和矩阵之间的关系,这次又碰到了,遗憾的是也没有说,于是查了写资料,特此说明。 主要参考:斐波那契数列通项推导过程中凭什么定理断定它能写成两个等比数列的和? - 知乎 特征方程是什么

    2023年04月09日
    浏览(37)
  • 【线性代数】从矩阵分块的角度理解矩阵乘法

    概念: 例: 1. 分块矩阵计算的数学步骤 使用Numpy计算例1 按列分块 按行分块 分块后的计算公式 矩阵分块法提供了行数和列数较多的矩阵相乘的一种计算方法,以此来简化矩阵相乘的运算次数; 按行列分块将矩阵A分为n个列向量和m个行向量,利用矩阵乘法的定义,殊途同归

    2024年02月13日
    浏览(69)
  • 线代学习笔记(一)——线性代数的通俗理解

    本篇笔记内容主要来源于45分钟线性代数通俗讲解_哔哩哔哩_bilibili,非常感谢up主的分享,这里我加入了部分自己的理解,与自己所学的知识结合完成。 数据的维度:即数据含有参数的个数,描述一个对象所需要的参数个数,这样一组数据构成一个多维数据,如一个空间坐标

    2024年02月06日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包