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

目录
相关文章
|
XML 存储 数据处理
DTD约束的基本概述
DTD约束的基本概述
473 0
|
7月前
|
传感器 人工智能 JavaScript
Playwright实战:写UI自动化脚本,速度直接起飞
简介: 测试工程师老王因UI自动化问题深夜奋战,反映出传统测试工具的局限性。微软开源的Playwright凭借智能等待、跨域操作、移动端模拟与网络拦截等强大功能,正迅速取代Selenium,成为新一代自动化测试标准。其稳定高效的设计显著降低维护成本,助力企业构建高质量测试流程。
|
存储 人工智能 自然语言处理
OpenScholar:华盛顿大学联合艾伦研究所开源的学术搜索工具
OpenScholar是由华盛顿大学和艾伦AI研究所联合开发的开源学术搜索工具,旨在通过检索和综合科学文献中的相关论文来回答用户问题。该工具利用大规模科学论文数据库、定制的检索器和重排器,以及一个优化的8B参数语言模型,生成基于实际文献的准确回答。OpenScholar在提供事实性回答和准确引用方面超越了现有的专有和开源模型,所有相关代码和数据均已开源,支持并加速科学研究。
1022 1
OpenScholar:华盛顿大学联合艾伦研究所开源的学术搜索工具
|
设计模式 架构师 Java
一文详谈领域驱动设计实践
本文作者结合在团队的实践过程,分享了自己对领域驱动设计的一些思考。
820 8
|
敏捷开发 测试技术 BI
禅道:从安装到使用,一篇文章带你全面了解
禅道:从安装到使用,一篇文章带你全面了解
3495 3
|
存储 数据库 Android开发
🔥Android Jetpack全解析!拥抱Google官方库,让你的开发之旅更加顺畅无阻!🚀
【7月更文挑战第28天】在Android开发中追求高效稳定的路径?Android Jetpack作为Google官方库集合,是你的理想选择。它包含多个独立又协同工作的库,覆盖UI到安全性等多个领域,旨在减少样板代码,提高开发效率与应用质量。Jetpack核心组件如LiveData、ViewModel、Room等简化了数据绑定、状态保存及数据库操作。引入Jetpack只需在`build.gradle`中添加依赖。例如,使用Room进行数据库操作变得异常简单,从定义实体到实现CRUD操作,一切尽在掌握之中。拥抱Jetpack,提升开发效率,构建高质量应用!
575 4
|
存储 定位技术
关键数据备份策略的优缺点有哪些?
【6月更文挑战第20天】关键数据备份策略的优缺点有哪些?
582 2
|
并行计算 异构计算
卸载原有的cuda,更新cuda
本文提供了一个更新CUDA版本的详细指南,包括如何查看当前CUDA版本、检查可安装的CUDA版本、卸载旧版本CUDA以及安装新版本的CUDA。
14595 3
卸载原有的cuda,更新cuda
|
数据可视化 数据挖掘 索引
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。

热门文章

最新文章