宋浩线性代数笔记（五）矩阵的对角化

相关文章

• 线性代数｜分块对角矩阵的定义和性质

  前置知识： 阶梯形行列式的性质 定义 设 A boldsymbol{A} A 为 n n n 阶方阵，若 A boldsymbol{A} A 的分块矩阵只有在对角线上有非零子块，其余子块都为零矩阵，且在对角线上的子块都是方阵，即 A = ( A 1 O A 2 ⋱ O A s ) boldsymbol{A} = begin{pmatrix} boldsymbol{A}_1 boldsymbol{O} \\\\ boldsymbol{A}_

  2024年02月07日

  浏览(26)

• 【线性代数】如何判断矩阵是否可以相似对角化

  第一步，看是不是实对称矩阵，如果是实对称矩阵，立即推可相似对角化，如果不是实对称矩阵，看第二步； 第二步，求方阵的n个特征值，如果特征值彼此都不相同，也就是都是单根的话，立即推可相似对角化，如果有重根，看第三步； 第三步，来验证k重根是不是具备k个

  2024年02月11日

  浏览(37)
• 

  线性代数（五） | 矩阵对角化 特征值 特征向量

  矩阵实际上是一种变换,是一种旋转伸缩变换（方阵） 不是方阵的话还有可能是一种升维和降维的变换 直观理解可以看系列超赞视频线性代数-哔哩哔哩_Bilibili 比如A= ( 1 2 2 1 ) begin{pmatrix}12\\\\21end{pmatrix} ( 1 2 ​ 2 1 ​ ) x= ( 1 2 ) begin{pmatrix}1\\\\2end{pmatrix} ( 1 2 ​ ) 我们给x左乘A实际

  2024年02月04日

  浏览(43)

• 线性代数｜证明：矩阵特征值之和等于主对角线元素之和

  性质 1 设 n n n 阶矩阵 A = ( a i j ) boldsymbol{A} = (a_{ij}) A = ( a ij ​ ) 的特征值为 λ 1 , λ 2 , ⋯   , λ n lambda_1,lambda_2,cdots,lambda_n λ 1 ​ , λ 2 ​ , ⋯ , λ n ​ ，则 λ 1 + λ 2 + ⋯ + λ n = a 11 + a 22 + ⋯ + a n n lambda_1 + lambda_2 + cdots + lambda_n = a_{11} + a_{22} + cdots + a_{nn} λ 1 ​ + λ 2 ​

  2024年02月08日

  浏览(29)
• 

  第一百天学习记录：线性代数：行列式（宋浩板书）

  注：二阶行列式和三阶行列式以及排列和逆序数见高等数学自学向量篇中间穿插的线性代数知识点补充。 性质7（☆☆☆） 拉普拉斯 行列式相乘 行列式的计算 题外话：不知不觉已经学习了100天。坚持果然是一件特别好的东西。它能逐渐让人养成学习的习惯。希望往后能够一

  2024年02月13日

  浏览(32)

• 线性代数：增广矩阵学习笔记

  定义 对于一个 n × m ntimes m n × m 的矩阵 A = [ a i j ] A=[a_{ij}] A = [ a ij ​ ] ，我们可以在它的右边加上一个 n × 1 ntimes1 n × 1 的列向量 b b b ，得到一个 n × ( m + 1 ) ntimes(m+1) n × ( m + 1 ) 的矩阵 [ A ∣ b ] begin{bmatrix} A bigl| bend{bmatrix} [ A ​ ​ ​ b ​ ] ，这个矩阵被称为 A A A 的

  2024年02月05日

  浏览(43)

• 线性代数笔记11--矩阵空间、秩1矩阵

  1. 矩阵空间 所有的 3 × 3 3 times 3 3 × 3 矩阵构成的空间 M M M 。 考虑空间 M M M 的子空间 上三角矩阵 对称矩阵 对角矩阵 3 x 3 3x3 3 x 3 矩阵空间的基: [ 1 0 0 0 0 0 0 0 0 ] [ 0 1 0 0 0 0 0 0 0 ] [ 0 0 1 0 0 0 0 0 0 ] [ 0 0 0 1 0 0 0 0 0 ] [ 0 0 0 0 1 0 0 0 0 ] [ 0 0 0 0 0 1 0 0 0 ] [ 0 0 0 0 0 0 1 0 0 ] [ 0 0 0 0 0 0

  2024年03月10日

  浏览(31)

• 线性代数笔记2--矩阵消元

  0. 简介 矩阵消元 1. 消元过程 实例方程组 { x + 2 y + z = 2 3 x + 8 y + z = 12 4 y + z = 2 begin{cases} x+2y+z=2\\\\ 3x+8y+z=12\\\\ 4y+z=2 end{cases} ⎩ ⎨ ⎧ ​ x + 2 y + z = 2 3 x + 8 y + z = 12 4 y + z = 2 ​ 矩阵化 A = [ 1 2 1 3 8 1 0 4 1 ] X = [ x y z ] A= begin{bmatrix} 1 2 1 \\\\ 3 8 1 \\\\ 0 4 1 end{bmatrix} \\\\ X= begin{bmatrix} x\\\\

  2024年02月22日

  浏览(29)
• 

  【学习笔记】（数学）线性代数-矩阵的概念和特殊矩阵

  由 m × n mtimes n m × n 个数按一定的次序排成的 m m m 行 n n n 列的矩形数表成为 m × n mtimes n m × n 的矩阵，简称 矩阵 (matrix)。 横的各排称为矩阵的 行 ，竖的各列称为矩阵的 列 。 元素为实数的称为 实矩阵 ，一般情况下我们所讨论的矩阵均为实矩阵。 1 行 n n n 列的矩阵称为

  2024年02月09日

  浏览(32)

• 线性代数(六)：相似对角化

  定义6.1：对 n n n 阶方阵 A bold{A} A , B bold{B} B ,若有可逆 n n n 阶方阵 P bold{P} P 使得： P − 1 A P = B bold{P^{-1}AP=B} P − 1 AP = B 则称 A A A 与 B B B 相似，记作 A ∼ B bold{Asim B} A ∼ B ，而 P bold{P} P 称作相似变换矩阵。 Remark ： 矩阵的相似关系是一种矩阵等价的关系。 定理6.1 ：若

  2024年02月03日

  浏览(36)