大家好,欢迎来到IT知识分享网。
前言:
提前说明一下,这一节有一点晦涩难懂,我也是看了好多遍。
所以一定要有耐心,我把视频老师讲的地方重新演说了一遍,希望能够协助你理解。
1 相似变换:
研究的是方阵,
相似变化的目的是简化。
2 矩阵的对角化
方阵简单形式,
也就是一个方阵能不能和一个对角阵相似
【注意,我们的根本目的还是简化计算】也就是找到对角化矩阵是最终目的,相似矩阵是手段。
下面的式子,也就是,
P是A的相似矩阵运算定义的一个可逆方阵,∧是A的相似矩阵,他们是互为相似,也就是下面的第三行,
我们做一个假设,就是下面第四行,
下面就这个假设展开,
P1为第一列,这里分别是一个对角阵和一个由列向量组成的矩阵:
我们进行矩阵运算,进行变形,
到这里,我们上面的假设推出的结论如上,第四行,这个不就是特征值和特征向量的定义吗?
我们回顾一下,
(7条消息) 线性代数【9】 – 特征值和特征向量_山云的专栏-CSDN博客
Pi不就是X,于是有如下结论:
下面这题是,反之亦然的引用:
就是假如我们知道是特征向量,我们可以把矩阵 ,通过一对可逆的同阶方阵,搞成他的特征向量和特征值组成的一个对角矩阵的关系式子了。
也就是我们实现了根本目标,化简了!!!
以上是结论,
逆阵的求法,老师视频省略了,方法可以看到之前博客:
(7条消息) 线性代数【6】- 初等行变换和矩阵的秩_山云的专栏-CSDN博客
第2节,
这里我演算了一下,
这个例子,我们就是证明了,
一个普通的方阵,
被一对可逆的方阵,
搞成了一个具备大致性质的对角阵,
要对角化,就是要实现我们刚才得出的结论,找到他的特征。。。
对角化的充分必要条件,就是找到两个线性无关的特征向量。
上面,第一行,我们用特征向量的定义代入,求出特征值。
然后,依据这个特征值解特征向量。我们求出他的特征向量和基础解系。
【案,我详细写了一下】
我们由特征向量的一般式得出特征值后,代入这个系数行列式里面,得出系数行列式。
然后,用前面的方法,求他的基础解系。
这里只有一个线性无关的特征向量,
可逆 = 线性无关。
既然有相似的对角阵,则必有特征值和特征向量对,我们代入特征方程求解行列式,
用代数余子式展开
依据,定义就把A的对角阵相识矩阵,安装特征值写成来了。至于可逆矩阵,这个是工具我们不考虑了。
由上节知识:迹的概念,
只需要依次求出P的列向量,而列向量和对角阵(特征值)B的相应的特征向量对于。
第一列,应该对应B的“2”的特征值的特征向量,
第2列,应对于“Y”的特征值的特征向量
第3列,对于B的“-1”列的特征向量
求齐次线性方程的基础解系,
首先有,特征向量2,利用λ=2,代入特征方程的公式,计算行列式的系数,然后,化为阶梯阵,将非阶梯点的变量设定为自由变量,进行求解。
同理,Y=1,那么就是对应1的
同理,
这样,我们求出了3个“列”特征向量,然后,依据对应关系,我们将列向量合成一个特征值向量。
检测,向量的线性相关性,3个向量是线性无关的。那么,对角化的充分必要条件,就是要有3个线性无关的特征向量,我们现在有3个,那么,一定可以对角化。,
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/22066.html