![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
代数基础
文章平均质量分 74
脱北向南
这个作者很懒,什么都没留下…
展开
-
CP.26对称矩阵及正定性
本部分从对称矩阵的特征值、特征向量为出发点,并引出正定矩阵对称矩阵有如下两个性质:(1)A = AT(1)\textbf{A}\:=\:\textbf{A}^T(1)A=AT(2)有正交的特征向量其中第二点说的是,可以挑的出来一组正交特征向量,例如重特征根的情况。从对称矩阵性质二可知,其特征向量必然线性无关,这是矩阵对角化分解的条件,对于对角化而言,通常我们表达为A=S∧S−1A=S\wedge S^{-1}A=S∧S−1其中S是特征向量组成的矩阵。对于对称矩阵的对角分解表达为A = Q ∧ Q−1原创 2022-11-12 10:04:23 · 713 阅读 · 0 评论 -
CP.23微分方程与状态转移矩阵
引入微分方程组:du1dt=−u1+2u2(1)du2dt=u1−2u2(2)\begin{aligned}\frac{du_1}{dt}&=-u_1+2u_2 (1)\\\frac{du_2}{dt}&=u_1-2u_2(2)\end{aligned}dtdu1dtdu2=−u1+2u2(1)=u1−2u2(2)两式相加可以得到:u1˙=−u2˙(3)\dot{u_1}=-\dot{u_2}(3)u1˙=−u2˙(3)将(3)带入(2)可得(u1+u1˙2)′=u1−(原创 2022-11-11 22:07:56 · 439 阅读 · 0 评论 -
CP.22对角化和矩阵幂
如果矩阵A具有n个线性无关的特征向量,那么这些向量可以组成一个n×n可逆方阵S=[x1x2...xn]n×nAS=A[x1x2...xn]=[λ1x1λ2x2...λnxn]AS=A[x1x2⋯xn]=[λ1x1λ2。原创 2022-11-11 10:17:30 · 171 阅读 · 0 评论 -
CP.21特征值和特征向量
但是这个矩阵没有第二个无关特征向量,说明其是一个“退化矩阵”,即有两个相同的特征值但是特征向量短缺。对应的特征值也是加了3,但是特征向量不改变。这两个特征向量为正交关系,其线性组合可以张成整个特征向量空间,仍然与原来同方向,只是拉伸或缩短,拉伸缩短的长度取决于特征值。,求解矩阵特征值和特征向量的问题,转化成了求矩阵。的所有特征向量张成了整个特征向量空间。是奇异矩阵(不可逆),那么方程。,0特征值对应的特征向量就是。如果0是矩阵的特征值,则。,特征向量对应的特征值是。,特征向量对应的特征值是。原创 2022-11-10 21:36:36 · 205 阅读 · 0 评论 -
CP.17正交矩阵与正交化
前面讲过向量和矩阵的运算,提到过如果两个向量的乘积是0,那么这两个向量正交。除此之外,标准正交向量也是一个重要概念:设有一组向量q1,q2,...,qn,如果满足下列条件则称其为一组标准正交向量qiTqj=0,i=j1,j=j标准正交向量的长度都是1,并且两两相互正交。原创 2022-11-07 22:30:24 · 2384 阅读 · 0 评论 -
CP.16投影矩阵补充
如果矩阵的列向量是相互垂直的单位向量,则他们一定是线性无关的。这种向量称为标准正交。的列空间,前面讲过,矩阵的列空间和其自身的左零空间垂直,那么。CP15中讲了投影矩阵的初步,最后得到一个公式。的列空间中一部分,还剩一部分为。,投影得到的就是0了。,用投影矩阵左乘向量。原创 2022-11-06 20:45:22 · 69 阅读 · 0 评论 -
CP.15子空间投影
一个简单的投影实例是我们已知一个向量,想用一条线去拟合,就需要用到投影。问题转化为:如何在向量a的方向上寻找与向量b最接近的点。从图中可以看出,在b的末尾做一条垂线即可,将垂足定为p,那么向量p就是向量b在向量a方向上的投影。我们找到的这条线a距离b的误差定义为e=b−p。p与向量a共线,所以可以写成p=ax,这个x就是把向量a缩放多少的权重。aT(b−p)=aT(b−xa)=0可解得x=aTaaTb。原创 2022-11-04 20:39:22 · 331 阅读 · 0 评论 -
CP14.正交向量与正交子空间
x与y正交,则xTy=yTx=0。最常见的例子就是直角三角形中的勾股定理,设长边向量为x,短边为y,斜边为x+y,向量的长度用∣∣x∣∣=xTx∣∣x∣∣2+∣∣y∣∣2=∣∣x+y∣∣2(1)x=⎣⎡123⎦⎤,y=⎣⎡2−10⎦⎤,x+y=⎣⎡313⎦⎤,∣∣x∣∣2=14,∣∣y∣∣2。原创 2022-11-04 12:57:40 · 361 阅读 · 0 评论 -
CP.12图、网络、关联矩阵
图经常被应用于各种领域,用结点和边来描述变量之间的关系上图是具有4个节点5条边的图,可以用矩阵来表示,这门课里面把矩阵称作关联矩阵,其他地方称作邻接矩阵,总之是个矩阵用来描述边与节点的关系。A=[−11000−110−1010−100100−11]A=\begin{bmatrix}-1&1&0&0\\0&-1&1&0\\-1&0&1&0\\-1&0&0&1\\0&0&-1&1\end{bmatrix}A=⎣⎡−10−1−101−10000110−100011⎦⎤关联矩阵的每一行代表路径,每一原创 2022-11-03 22:30:13 · 1153 阅读 · 0 评论 -
CP.11矩阵空间、秩1矩阵、小世界图
先前所讲的向量空间,都是n维实数空间,现在将矩阵看作向量,例如将3×3的矩阵看作向量;这相当于从原来的n维扩展到n×n维。为什么可以把矩阵看作向量呢?因为矩阵也服从向量空间的运算,向量能加减、数乘,矩阵同样可以。所以说矩阵也可以当成向量来张成空间,这种空间称之为矩阵空间。原创 2022-11-03 19:27:54 · 129 阅读 · 0 评论 -
CP.10基本子空间
当Am×n例如A=[142536]2×3C(A):所有列的线性组合,RmA=[142536]2×3→[1001−12]2×3R(A)=2所以有一个自由列,因此列空间的基只有两组向量,因此列空间维数为R2,并不是矩阵有几列,列空间就是几维,因为这之中存在多余列。N(A)AX=0的解,RnR(A):所有行的线性组合(所有AT。原创 2022-11-03 13:07:30 · 200 阅读 · 0 评论 -
CP.9线性相关,基,维数
假设有一组向量x1,x2,x3,...,xn如果他们的线性组合不存在结果为零的情况(除了系数全为0),那么他们之间是线性无关的c1x1+c2x2+c3x3+...+cnxn=0,ci=0。原创 2022-11-02 23:23:07 · 79 阅读 · 0 评论 -
CP8.可解性与解的结构
方程组AX=b,其中A=⎣⎡1232462682810⎦⎤方程组为⎣⎡1232462682810⎦⎤⎣⎡x1x2x3x4⎦⎤=⎣⎡b1b2b3⎦⎤观察方程组的系数矩阵,第一行和第二行相加得到第三行,因此A矩阵的各行是线性相关的;消元求解的过程中,bi是增广矩阵的一部分,因此b。原创 2022-11-02 13:43:30 · 72 阅读 · 0 评论 -
CP7主变量,特解
这个主元的个数也就是矩阵的秩R=2,对应主元的列称作主元列,其余列成为自由列。原创 2022-11-01 19:55:32 · 347 阅读 · 0 评论 -
列空间和零向量
所谓的“向量空间”是对于线性运算封闭的向量集合。对空间中的任意向量v和W,v+w以及cv仍然属于该空间。即对于任意实数c和d,v与w的线性组合cv+dw都属于该空间。子空间是包含于向量空间内的一个空间,它本身内部的向量也必须满足封闭原则。原创 2022-11-01 18:30:00 · 573 阅读 · 0 评论 -
CP.5转置、置换和空间
前面使用消元法求解方程组的时候有一个重要的假设,那就是A矩阵不需要换行就可以完成逐步消元,实际上并不是所有矩阵都有这么优良的初始性质,因此需要先进行换行。因此矩阵分解也一样,原本的实际上应当是,P矩阵(permutation)是置换的意思。原创 2022-10-31 15:40:18 · 551 阅读 · 0 评论 -
CP4.矩阵的LU分解
将矩阵A分解成的形式,称作矩阵LU分解,L代指下三角矩阵,U代指上三角矩阵。首先用到的是前面讲过的消元法,以下为例子:通过消元操作,最后矩阵A变成了一个上三角矩阵U,那么只要上式左乘一个,就可以转化为这里的就是L矩阵了。,所以。也可以表达成如下形式,把U矩阵的主元提取出来。对于三阶矩阵不需要换行进行消元的情况,就是说如果一个三阶矩阵,只通过初等行变换就能完成消元的情况下,假设其步骤为:通过求逆可得矩阵A的LU分解为:假设某三阶矩阵的消元矩阵如下。原创 2022-10-30 19:28:15 · 1274 阅读 · 0 评论 -
矩阵乘法的几种表达与逆矩阵
有四种矩阵乘法的表达矩阵A的第i行乘以矩阵B的第j列,对应元素相乘后相加,得到Cij这就是同济版线性代数的东西,不想多说了,没什么巧。是矩阵B中的列向量,其实这里可以看作是矩阵B右乘A,是对A的列向量进行线性组合。这里看作是A左乘B,本质上是对B进行每一行的线性组合。原创 2022-10-30 10:34:44 · 1946 阅读 · 0 评论 -
矩阵消元与逆矩阵
消元法是求解方程组的重要手段,假设有一组方程:其矩阵表达形式为消元法的目的在于,通过A矩阵的行操作,削减未知数,从而求解方程组,过程如下:在原始矩阵A中,我们通常选取A(1,1)作为主元,主元(pivot element),一种变元。指在消去过程中起主导作用的元素。整个消元的过程是第2行或第3行加上第1行的指定倍数。在第一步消元过后,第二行的主元出现,即‘2’,然后进行第三步,最后一行的主元是‘5’,消元完成。这种’上三角矩阵‘我们通常称为U。原创 2022-10-29 20:36:01 · 1441 阅读 · 0 评论 -
CP1.方程组的几何解释
通常书上教的是矩阵A的行,乘以矩阵x的列形成矩阵b。实际上方程组求解的问题可以看作是列向量的线性组合,就是找出x,y,z合适的值,让A矩阵中的三个列向量通过一定的映射得到b,所以矩阵形式拆开可以写成。列向量的线性组合更能够揭示本质,原创 2022-10-29 10:58:56 · 73 阅读 · 0 评论