工程数学基础(第六讲-第十一讲)
MathBase 工程数学基础(第六讲-第十一讲)
- Author:Dargon
- Note date:2020/10/19
- 学习视频来源:
国防科技大学 MOOC
第六讲,内积空间
-
度量矩阵
将大G矩阵中的各元素用对应序号的内机空间来进行表示,且定义说明 G 是正定矩阵 成为度量矩阵(暂时没有发现那里可以用到) -
向量的正交 和施密特(schmidit)正交化
两向量内积 为0 ,进行单位正交化 可以使用固定的公式
单位化 就是一个向量除于自己的模长
正交化 两向量相乘为0 (带入公式进行计算) -
求标准正交基
就是将现有的基进行 单位化 正交化 结果就是一组标准正交基
第七讲,正交变换与对称变换
- 正交变换
看一下定义:
设T 是欧式空间 V n V^n Vn上的线性变换,若对任意的 α , β ⊂ V n \alpha,\beta \subset V^n α,β⊂Vn 存在
< T α , T β > = < α , β > <T \alpha, T \beta > =<\alpha,\beta> <Tα,Tβ>=<α,β>
则T为V^n上的正交变换
一道例题 基本实现 找一个基使得T在这组新的基下面为对角阵
- 任意找一组基,算出T在基下的一个矩阵
- 求矩阵特征值,特征向量,将特征向量组成P ,就可以利用P将这个矩阵对角化(代数的基本知识),同时P 也就是这组基向新基的一个过渡矩阵
- 用原来的基(E1,E2,E3)分别乘以 P里面的列向量X1,X2,X3可以得到一组新的基,
- T在这组新的基下面的坐标就是可对角化的矩阵。
-
旋转变换
一个关于图像旋转的粗糙
算法
-
镜像变换(Householder变换)
一个向量关于一个平面(或者其他的线或者更多维度的)镜像
可以得到一个变换矩阵 H ( ω ) = I − 2 ω ω T \color{blue}H(\omega) =I -2\omega \omega^T H(ω)=I−2ωωT
第八讲,矩阵的相似对角化
-
相似对角化
和以前的知识点没有变化 -
特征子空间
出现几何重数和代数重数
直观上的理解 代数重数 是特征值的几次根例如 ( λ − 1 ) 3 (\lambda -1)^3 (λ−1)3 代数重数就是3
几何重数 是上面特征值 1所对应的特征向量有几个是独立的 (线性无关的)若是2 则几何重数就是 2
这样一来就说明 几何重数 <= 代数重数的
几何重数代表的都是真
的向量 代数重数里面包含有假
(可以被别人表示的)的向量
几何重数为基础解析的个数 = (n -r) 可以在空间中有多少个维度(方向)可以扩散 -
求解矩阵的相似对角化
和前面知识一样,求特征值、求特征向量、组成矩阵P、然后 P − 1 A P = Λ P^{-1}AP =\Lambda P−1AP=Λ
第九讲,Jordan标准型
-
jordan标准型出现的原因;
由于在上一章节 求相似对角化的时候,有重根的特征值没有那么多对应的特征向量,就构造不成矩阵 P,也就不能相似对角化成 对角阵的形式,
于是就出现了Jordan标准型的形式,类似于P的功能。
P − 1 A P = Λ → P − 1