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

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

zoj3820(树的直径的应用)

题意:在一颗树上找两个点,使得所有点到选择与其更近的一个点的距离的最大值最小。 思路:如果是选择一个点的话,那么点就是直径的中点。现在考虑两个点的情况,先求树的直径,再把直径最中间的边去掉,再求剩下的两个子树中直径的中点。 代码如下: #include <stdio.h>#include <string.h>#include <algorithm>#include <map>#

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/

【区块链 + 人才服务】区块链集成开发平台 | FISCO BCOS应用案例

随着区块链技术的快速发展,越来越多的企业开始将其应用于实际业务中。然而,区块链技术的专业性使得其集成开发成为一项挑战。针对此,广东中创智慧科技有限公司基于国产开源联盟链 FISCO BCOS 推出了区块链集成开发平台。该平台基于区块链技术,提供一套全面的区块链开发工具和开发环境,支持开发者快速开发和部署区块链应用。此外,该平台还可以提供一套全面的区块链开发教程和文档,帮助开发者快速上手区块链开发。

【C++高阶】C++类型转换全攻略:深入理解并高效应用

📝个人主页🌹:Eternity._ ⏩收录专栏⏪:C++ “ 登神长阶 ” 🤡往期回顾🤡:C++ 智能指针 🌹🌹期待您的关注 🌹🌹 ❀C++的类型转换 📒1. C语言中的类型转换📚2. C++强制类型转换⛰️static_cast🌞reinterpret_cast⭐const_cast🍁dynamic_cast 📜3. C++强制类型转换的原因📝

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个