数学
yeyustudy
这个作者很懒,什么都没留下…
展开
-
线性代数(二)
一、线性空间 1、空间中的向量满足八种运算,其结果仍在这个空间中,则称之为线性空间。 子空间的概念与之类似,是线性空间的子集,也满足上述的表述。下面给出一个子空间的示例。一个二维线性空间的子空间有:它自身,过原点的一条直线,原点。 如何由一个矩阵构造子空间?取其列向量进行线性相加即可构成列空间。 也可以通过一个方程组满足特定的条件,例如使得Ax=0,其解就构成了一个子空间。 2、方程可以...原创 2018-06-11 15:13:55 · 260 阅读 · 0 评论 -
线性代数(七)
特征值与特征向量特征向量1、实质:所谓的特征向量,实质是将x输入到一个函数中,其结果与x同方向 2、性质:特征值的和等于迹的和,特征值之积等于行列式的值;对称矩阵特征值是实数;n个不同的特征值有n个不同的特征向量,但有重复特征值的情况下不一定有n个不同的特征向量 3、如何推导出特征方程:(A−λI)x=0(A−λI)x=0(A - \lambda I)x = 0 显然,A−λIA−...原创 2018-07-15 15:47:46 · 667 阅读 · 0 评论 -
线性代数(十一)
线性变换1、定义:满足加法跟数乘的运算,投影跟旋转都属于线性变换 2、矩阵与线性变换的联系:Ax就是一个线性变换,矩阵源于坐标系,只要确定了基,坐标随之确定 3、基的选取可以有多种,选取特征向量作为基也是一种较好的方法;对于求变换矩阵,可以从基的变换入手 4、特征向量相互正交:AAT=ATAAAT=ATAA{A^T} = {A^T}A...原创 2018-07-20 16:21:31 · 136 阅读 · 0 评论 -
线性代数(十)
相似矩阵1、定义:存在可逆阵M,使得 B=M−1AMB=M−1AMB = {M^{ - 1}}AM ,则称A与B相似 2、性质:相似矩阵具有相同的特征值,若尔当矩阵1、若尔当标准型:形如下列矩阵: 其对角线上是相同的特征值,上一斜列都为1,这样的一个若尔当块,有n个特征值,n-1个1,故有1个特征向量 2、所有的方阵都可以相似于一个若尔当阵,若尔当阵由若尔当块组成...原创 2018-07-20 14:31:16 · 676 阅读 · 0 评论 -
线性代数(六)
行列式一、 1、行列式的意义:通过一个数来尽可能的表达行列式的信息 2、行列式的基本性质: 1) det(I)=1det(I)=1\det (I) = 1 2) 交换行,行列式的值会相反 3)矩阵的数乘与相加可以进行分解 4)两行相等行列式为0 5)从某行加减另一行的k倍,行列式不变 6) 某一行为0,行列式为0...原创 2018-07-14 15:25:19 · 290 阅读 · 0 评论 -
线性代数(九)
对称矩阵1、性质:实对称矩阵的特征值为实数,特征向量正交 2、一个对称阵,可以分解为:A=SΛS−1=QΛQTA=SΛS−1=QΛQTA = S\Lambda {S^{ - 1}} = Q\Lambda {Q^T} 3、当阶数过多时,计算矩阵的特征值特征向量就成了问题,对于对称阵,这种较好的矩阵来说有比较好的性质,主元的符号与特征值的符号一致,也就是说正负特征值与正负主元的个数一致...原创 2018-07-18 20:26:00 · 599 阅读 · 0 评论 -
线性代数(八)
微分方程前提:常系数微分方程的解是指数形式 1、一阶常系数微分方程稳定的条件:特征值为0其余的为负 2、一阶常系数微分方程的解为:y=cieλitxiy=cieλitxiy = {c_i}{e^{{\lambda _i}t}}{x_i} 3、高阶微分方程也可以将其转化为类似的形式,实质上都是利用了方程的幂与特征值特征向量的关系马尔科夫矩阵1、性质:每个元素大于0;每一列的和为1 ...原创 2018-07-17 19:06:29 · 141 阅读 · 0 评论 -
线性代数(五)
一、正交 1、零空间不会因可逆因子而改变,也就是说有:N(CD)=N(D)N(CD)=N(D)N(CD) = N(D) 其中,C是可逆矩阵 2、零空间与行空间正交,列空间与左零空间正交 3、如何求一个不可解的方程的最优解呢?可以利用这个方程:ATAx=ATbATAx=ATb{A^T}Ax = {A^T}b,需要了解的是,转置乘以自身,是对称的,但并非总是可逆的。 4、一些重要的结论:N(A...原创 2018-07-11 15:46:16 · 262 阅读 · 0 评论 -
线性代数(四)
一、矩阵空间 1、尝试从线性空间引入矩阵空间,显然,在矩阵空间中,仍然存在着数乘、相加等性质。 接下来考虑矩阵空间的维数,最终推导出,两个子空间相加的维数,等于其并的维数加上其交的维数,即dim(V+M)=dim(V∪M)+dim(V∩M)dim(V+M)=dim(V∪M)+dim(V∩M)\dim (V + M) = \dim (V \cup M) + \dim (V \cap M) ...原创 2018-06-13 21:15:50 · 400 阅读 · 0 评论 -
线性代数(一)
显然,矩阵的概念应该从方程组的概念引入。例如: 2x−y=02x−y=02x - y = 0 −x+2y=3−x+2y=3 - x + 2y = 3 其矩阵形式为: 接下来介绍两种不同分析矩阵的方法: 行图像:实质是将矩阵按行进行思考,例如上例中的两个方程,将其在坐标轴上画出图像,其交点即为方程组的解 列图像:实质是将矩阵按列进行思考,即这种形式: 即向量的线性组合,只要经过...原创 2018-06-05 16:15:01 · 653 阅读 · 0 评论 -
线性代数(三)
线性空间相关一、线性无关相关 1、线性无关:只有各系数为0的条件下,才存在:c1x1+c2x2+⋯+cnxn=0c1x1+c2x2+⋯+cnxn=0{c_1}{x_1} + {c_2}{x_2} + \cdots + {c_n}{x_n} = 0 等价定义:其零空间只有零向量;秩等于列数 2、线性空间的基:是一个向量组,线性无关,且能生成整个空间 3、对于指定空间,虽然基可能不一样...原创 2018-06-11 17:03:54 · 1085 阅读 · 0 评论 -
线性代数(十二)
左逆与右逆1、当列满秩时,有左逆存在,即[(ATA)−1AT]A=I[(ATA)−1AT]A=I[{({A^T}A)^{ - 1}}{A^T}]A = I ,当行满秩时,有右逆存在,即A[AT(AAT)−1]=IA[AT(AAT)−1]=IA[{A^T}{(A{A^T})^{ - 1}}] = I 2、伪逆:行空间上不同向量,经过A的映射到列空间上,如果没有零空间的干扰,有A+(Ax)=xA...原创 2018-07-21 15:29:07 · 410 阅读 · 0 评论