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⎠⎟⎟⎞ 与 b = ( y 1 y 2 . . . y n ) b=\begin{pmatrix} y1 \\ y2 \\ ...\\ yn \end{pmatrix}
1.对角化 对于矩阵 A A A,我们假设有 n n n个向量。 将他们放置在一起组成矩阵 S S S。 A S = A [ X 1 X 2 . . . X n ] = [ λ 1 X 1 λ 2 X 2 . . . λ n X n ] = [ X 1 X 2 . . . X n ] [ λ 1 λ 2 λ 3 ⋱ λ n ] AS=A[X_1X_2...X_n]=[\lambda_1X_1
本讲的主要内容 对角化矩阵的概念以及方法计算矩阵的幂的对角化方法几个例子 对角化矩阵、计算矩阵的幂 对于一个有 n n n 个不同特征向量(其实就是说所有的特征值均不同)的矩阵 A A A,讲它的 n n n 个特征向量组成一个矩阵 S S S ,如果我们计算 A S AS AS 可以有如下过程: A S = A ( x 1 , x 2 , x 3 . . . x n ) =
目录 22.对角化, A A A的幂打赏 22.对角化, A A A的幂 特征向量矩阵:一个每一列都是方阵 A A A的特征向量且这些特征向量线性无关的 n n n阶方阵,记作 S S S A S = A [ ∣ ∣ ∣ ∣ x 1 x 2 ⋯ x n ∣ ∣ ∣ ∣ ] = [ ∣ ∣ ∣ ∣ λ 1 x 1 λ 2 x 2 ⋯ λ n x n ∣ ∣ ∣ ∣ ] = [