线性代数(五)特征值和特征向量

简介: 线性代数(五)特征值和特征向量

一:特征值与特征向量

1.定义:

注:必须是方阵!!!


2.给定特征值求特征向量:

注:已知特征值,可利用行化简求特征向量,即此时的齐次方程有无穷解则有特征向量,即一个特征值对应多个特征向量。


3.几种特殊矩阵的特征值

注:这个推导没看,有兴趣的可以自己分析下!!!


4.特征空间


二:特征方程

2.1行列式求解的另一种方法–初等变换

之前的参考简单说过没有细讲,这里进行补充一下:https://blog.csdn.net/qq_37534947/article/details/109497169

注:这里强调了不作行倍乘,其实也是可以有的,只是在结果上需要在除以所谓的倍乘!!!

例子:


2.2可逆矩阵定理以及行列式性质的补充

注:可逆矩阵/非奇异矩阵-------行列式不为0----Ax=0只有唯一零解;不可逆矩阵/奇异矩阵------行列式为0------Ax=b有其他解。


2.3特征方程/特征多项式

注:特征方程其实就是求行列式的值,最后求出的解就是特征值。

例子:

注:其中所说的复根后面就不说了,这里知道n*n的矩阵一定有n个特征值,其中可能有重根或者复根,一般讨论实根!!!


2.4相似性

注:这部分了解即可-----------一般用不到!!!!!!!!!!!!


三:对角化

3.1从例子出发


3.2定理

:上面的意思是,A如果可以对角化/A相似对角矩阵D------P列向量是特征向量,D对角矩阵对角线为特征值!!!!

证明

3.3例子

注:自己看吧,我没有看!!

参考书籍:线性代数及其应用(原书第5版)

书籍下载:https://download.csdn.net/download/qq_37534947/13115301

宋wz
+关注
目录
打赏
0
1
1
0
4
分享
相关文章
408王道计算机组成原理强化——存储系统大题
408王道计算机组成原理强化——存储系统大题(下)
2757 2
408王道计算机组成原理强化——存储系统大题
利用Python中的Pandas库进行数据分析与可视化
本文介绍了如何利用Python中的Pandas库进行数据分析与可视化。通过Pandas提供的强大功能,我们可以轻松地加载、清洗、处理和分析各种类型的数据。
深度强化学习在大模型中的应用:现状、问题和发展
强化学习在大模型中的应用具有广泛的潜力和机会。通过使用强化学习算法,如DQN、PPO和TRPO,可以训练具有复杂决策能力的智能体,在自动驾驶、机器人控制和游戏玩家等领域取得显著成果。然而,仍然存在一些挑战,如样本效率、探索与利用平衡以及可解释性问题。未来的研究方向包括提高样本效率、改进探索策略和探索可解释的强化学习算法,以进一步推动强化学习在大模型中的应用。
2837 3
kde
|
6天前
|
Docker镜像加速指南:手把手教你配置国内镜像源
配置国内镜像源可大幅提升 Docker 拉取速度,解决访问 Docker Hub 缓慢问题。本文详解 Linux、Docker Desktop 配置方法,并提供测速对比与常见问题解答,附最新可用镜像源列表,助力高效开发部署。
kde
3900 8
国内如何安装和使用 Claude Code镜像教程 - Windows 用户篇
国内如何安装和使用 Claude Code镜像教程 - Windows 用户篇
665 1
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问