线性代数-方阵对角化及其应用

2024-03-29 14:58

本文主要是介绍线性代数-方阵对角化及其应用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前置知识

1.向量的内积

对于 a = ( x 1 x 2 . . . x n ) a=\begin{pmatrix} x1 \\ x2 \\ ...\\ xn \end{pmatrix} a=x1x2...xn
b = ( y 1 y 2 . . . y n ) b=\begin{pmatrix} y1 \\ y2 \\ ...\\ yn \end{pmatrix} b=y1y2...yn
a与b的内积为[a,b] ,其中[a,b]= x 1 ∗ y 1 + x 2 ∗ y 2... + x n ∗ y n x1*y1+x2*y2...+xn*yn x1y1+x2y2...+xnyn

对于a与b的内积有以下一些基本变化

(1)交换律:[a,b]=[b,a];
(2)提取律:[ka,b]=k[a,b]
(3)拆分律:[a+b,y]=[a,y]+[b,y]
(4)0律:[a,a]>=0单且仅当a=0时等号成立

2.向量的长度(范数)

对于 a = ( x 1 x 2 . . . x n ) a=\begin{pmatrix} x1 \\ x2 \\ ...\\ xn \end{pmatrix} a=x1x2...xn
||a||称为向量a的长度,其中||a||= x 1 2 + x 2 2 + . . . + x n 2 \sqrt{x1^{2}+x2^{2}+...+xn^{2}} x12+x22+...+xn2

对于向量长度有以下一些基本性质

(1)非负性:||a||>=0;
(2)齐次性:||ka||=|k|||a||(k为常数)
(3)施瓦茨不等式 |[a,b]|<=||a|| *||b||
(4)三角不等式 ||a+b||<=||a||+||b||

单位向量

对于任意向量a,其单位向量为 a 0 = a ∣ ∣ a ∣ ∣ a_{0}=\frac{a}{||a||} a0=aa

两向量夹角

θ = a r c c o s [ a , b ] ∣ ∣ a ∣ ∣ . ∣ ∣ b ∣ ∣ \theta =arccos \frac{[a,b]}{||a||.||b||} θ=arccosa.b[a,b]

正交与正交向量组

1.正交:若两向量a与b内积为0([a,b]=0)则称两向量正交
2.正交向量组:向量组内向量两两正交则称之为正交向量组
3.标准正交向量组:正交向量组中每个向量都为单位向量则称该正交向量组为标准正交向量组
4.若两向量正交 ∣ ∣ a + b ∣ ∣ 2 = ∣ ∣ a ∣ ∣ 2 + ∣ ∣ b ∣ ∣ 2 ||a+b||^{2}=||a||^{2}+||b||^{2} a+b2=a2+b2
5.正交向量组是线性无关向量组

正交矩阵

如果n阶方阵 A T A = E A^{T}A=E ATA=E,即为 A − 1 = A T A^{-1}=A^{T} A1=AT则称A为正交矩阵

规范正交化

1.对于n阶矩阵规范正交化需要求出e1、e2…en
2. e 1 = b 1 ∣ ∣ b 1 ∣ ∣ e1=\frac{b1}{||b1||} e1=b1b1 e n = b n ∣ ∣ b n ∣ ∣ en=\frac{bn}{||bn||} en=bnbn
3.令b1=a1
4. b 2 = a 2 [ b 1 , a 2 ] [ b 1 , b 1 ] b2=a2\frac{[b1,a2]}{[b1,b1]} b2=a2[b1,b1][b1,a2]
5.对于[b1,a2]运算如下图,为两向量相乘和
6.对于bn有. b n = a n [ b 1 , a n ] [ b 1 , b 1 ] ∗ a n [ b 2 , a n ] [ b 2 , b 2 ] bn=an\frac{[b1,an]}{[b1,b1]}*an\frac{[b2,an]}{[b2,b2]} bn=an[b1,b1][b1,an]an[b2,b2][b2,an]
7.求出所有bi (1<=i<=n)后求出||bi||,其中bi为向量模长
在这里插入图片描述

求矩阵的特征值

1.寻找满足 ∣ A − λ E ∣ = 0 |A-\lambda E|=0 AλE=0其中 λ \lambda λ为矩阵特征值
2.代入式子得到矩阵,将矩阵化为半角矩阵,解得 λ \lambda λ,其中 λ \lambda λ取值看次方数,具体如图
在这里插入图片描述

求矩阵的特征向量

在这里插入图片描述

判断方阵是否与对角线相似

在这里插入图片描述

求方阵对应的对角阵A及其可逆变换矩阵

在这里插入图片描述
在这里插入图片描述

已知 P − 1 A P = A P^{-1}AP=A P1AP=A求关于A的复杂式子

在这里插入图片描述

这篇关于线性代数-方阵对角化及其应用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/858885

相关文章

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Android Kotlin 高阶函数详解及其在协程中的应用小结

《AndroidKotlin高阶函数详解及其在协程中的应用小结》高阶函数是Kotlin中的一个重要特性,它能够将函数作为一等公民(First-ClassCitizen),使得代码更加简洁、灵活和可... 目录1. 引言2. 什么是高阶函数?3. 高阶函数的基础用法3.1 传递函数作为参数3.2 Lambda

Java中&和&&以及|和||的区别、应用场景和代码示例

《Java中&和&&以及|和||的区别、应用场景和代码示例》:本文主要介绍Java中的逻辑运算符&、&&、|和||的区别,包括它们在布尔和整数类型上的应用,文中通过代码介绍的非常详细,需要的朋友可... 目录前言1. & 和 &&代码示例2. | 和 ||代码示例3. 为什么要使用 & 和 | 而不是总是使

Python循环缓冲区的应用详解

《Python循环缓冲区的应用详解》循环缓冲区是一个线性缓冲区,逻辑上被视为一个循环的结构,本文主要为大家介绍了Python中循环缓冲区的相关应用,有兴趣的小伙伴可以了解一下... 目录什么是循环缓冲区循环缓冲区的结构python中的循环缓冲区实现运行循环缓冲区循环缓冲区的优势应用案例Python中的实现库

SpringBoot整合MybatisPlus的基本应用指南

《SpringBoot整合MybatisPlus的基本应用指南》MyBatis-Plus,简称MP,是一个MyBatis的增强工具,在MyBatis的基础上只做增强不做改变,下面小编就来和大家介绍一下... 目录一、MyBATisPlus简介二、SpringBoot整合MybatisPlus1、创建数据库和

python中time模块的常用方法及应用详解

《python中time模块的常用方法及应用详解》在Python开发中,时间处理是绕不开的刚需场景,从性能计时到定时任务,从日志记录到数据同步,时间模块始终是开发者最得力的工具之一,本文将通过真实案例... 目录一、时间基石:time.time()典型场景:程序性能分析进阶技巧:结合上下文管理器实现自动计时

Java逻辑运算符之&&、|| 与&、 |的区别及应用

《Java逻辑运算符之&&、||与&、|的区别及应用》:本文主要介绍Java逻辑运算符之&&、||与&、|的区别及应用的相关资料,分别是&&、||与&、|,并探讨了它们在不同应用场景中... 目录前言一、基本概念与运算符介绍二、短路与与非短路与:&& 与 & 的区别1. &&:短路与(AND)2. &:非短

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav