几何重数的相关

最新推荐文章于 2025-03-05 07:30:27 发布

summer coming

最新推荐文章于 2025-03-05 07:30:27 发布

阅读量503

点赞数 6

文章标签：算法机器学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/2203_75316683/article/details/143677161

版权

1、几何重数 $=N-rank(\lambda I-A)$

$\lambda \rightarrow$ 特征值, $\left | \lambda I-A \right |=0\rightarrow \lambda$

$x:$ 与特征值 $\lambda$ 关联的非零向量 $x$ ,满足 $Ax=\lambda x$

2、秩和零空间

秩： $rank(\lambda I-A)$ 表示矩阵 $\lambda I-A$ 的线性独立行或列的数量.也可理解为该矩阵的线性变换所生成的列空间的维度.

零空间：矩阵 $\lambda I-A$ 的零空间是所有使得 $(\lambda I-A)x=0$ 的向量 $x$ 的集合.零空间的维度也称为核的维度.

3、维度定理

在任意线性变换中，维度定理告诉我们，矩阵的维度可以拆分为秩和零空间的维度之和：

$N=rank(\lambda I-A)+nullity(\lambda I-A)$

注： $N$ 是矩阵的总维度， $nullity(\lambda I-A)$ 即零空间的维度，即几何重数

4、 $A$ 对称矩阵 $\rightarrow$ $A$ 可对角化 $\rightarrow$ 几何重数=代数重数

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。