矩阵对角化(Diagonalizing a Matrix)
矩阵对角化
- 1.矩阵对角化(Diagonalizing a Matrix)
- 1.1 对角矩阵的优点
- 1.2 求解一般矩阵的特征值和特征向量
- 1.3 矩阵对角化
- 1.4 计算 <span class="katex--inline">A^k</span>
- 1.5 矩阵对角化的注意事项
1.矩阵对角化(Diagonalizing a Matrix)
笔记参考来源:Visualizing Diagonalization & Eigenbases
1.1 对角矩阵的优点
对角矩阵优点1:
我们观察到对角矩阵只是对标准基进行了缩放,而没有进行旋转(这里的性质和特征向量有些类似!!!)这大大提高了线性变换的确定性(尤其对于高维空间中的线性变换),同时也大大简化了计算量
对角矩阵优点2:
特别容易求出对角矩阵的逆矩阵
1.2 求解一般矩阵的特征值和特征向量
我们将一般矩阵化为对角矩阵
我们观察到一般矩阵相较于对角矩阵,其线性变换较为复杂
我们求出上述矩阵的特征向量和特征值
求解矩阵的特征向量、特征值
方法一:
A=[5/43/43/45/4]Ax⃗=λx⃗(A−λI)x⃗=0⃗A−λI=[5/4−λ3/43/45/4−λ]det(A−λI)=0det(A−λI)=(54−λ)2−(34)2=0λ1=12、λ2=2Ax⃗1=12x⃗1、Ax⃗2=2x⃗2[5/43/43/45/4][a1a2]=12[a1a2]、[5/43/43/45/4][a3a4]=2[a3a4]a1=−a2、a3=a4Wetakea1=−1、a2=1、a3=1、a4=1x⃗1=[11]、x⃗2=[−11]A=\begin{bmatrix}5/4 & 3/4\\ 3/4 & 5/4\end{bmatrix}\\ ~\\ A\vec{x}=\lambda \vec{x}\\ ~\\ (A-\lambda I)\vec{x}=\vec{0}\\ ~\\ A-\lambda I=\begin{bmatrix}5/4-\lambda & 3/4\\ 3/4 & 5/4-\lambda\end{bmatrix}\\ ~\\ det(A-\lambda I)=0\\ ~\\ det(A-\lambda I)=(\frac{5}{4}-\lambda)^2-(\frac{3}{4})^2=0\\ ~\\ \lambda_1=\frac{1}{2}、\lambda_2=2\\ ~\\ A\vec{x}_1=\frac{1}{2}\vec{x}_1、A\vec{x}_2=2\vec{x}_2\\ ~\\ \begin{bmatrix} 5/4 & 3/4\\ 3/4 & 5/4 \end{bmatrix} \begin{bmatrix} a_1\\ a_2 \end{bmatrix}=\frac{1}{2} \begin{bmatrix} a_1\\ a_2 \end{bmatrix}、 \begin{bmatrix} 5/4 & 3/4\\ 3/4 & 5/4 \end{bmatrix} \begin{bmatrix} a_3\\ a_4 \end{bmatrix}=2 \begin{bmatrix} a_3\\ a_4 \end{bmatrix}\\ ~\\ a_1=-a_2、a_3=a_4\\ ~\\ We\ take\ a_1=-1、a_2=1、a_3=1、a_4=1\\ ~\\ \vec{x}_1= \begin{bmatrix} 1\\ 1 \end{bmatrix}、 \vec{x}_2= \begin{bmatrix} -1\\ 1 \end{bmatrix} A=[5/43/43/45/4] Ax=λx (A−λI)x=0 A−λI=[5/4−λ3/43/45/4−λ] det(A−λI)=0 det(A−λI)=(45−λ)2−(43)2=0 λ1=21、λ2=2 Ax1=21x1、Ax2=2x2 [5/43/43/45/4][a1a2]=21[a1a2]、[5/43/43/45/4][a3a4]=2[a3a4] a1=−a2、a3=a4 We take a1=−1、a2=1、a3=1、a4=1 x1=[11]、x2=[−11]
方法二:
A=[5/43/43/45/4]detA=(54)2−(34)2=1=λ1λ2trA=54+34=52=λ1+λ2{λ1λ2=1λ1+λ2=52λ1=12、λ2=2Ax⃗1=12x⃗1、Ax⃗2=2x⃗2[5/43/43/45/4][a1a2]=12[a1a2]、[5/43/43/45/4][a3a4]=2[a3a4]a1=−a2、a3=a4Wetakea1=−1、a2=1、a3=1、a4=1x⃗1=[11]、x⃗2=[−11]A=\begin{bmatrix}5/4 & 3/4\\ 3/4 & 5/4\end{bmatrix}\\ ~\\ det\ A=(\frac{5}{4})^2-(\frac{3}{4})^2=1=\lambda_1\lambda_2\\ ~\\ tr\ A=\frac{5}{4}+\frac{3}{4}=\frac{5}{2}=\lambda_1+\lambda_2\\ ~\\ \begin{cases} \lambda_1\lambda_2=1\\ \lambda_1+\lambda_2=\frac{5}{2} \end{cases}\\ ~\\ \lambda_1=\frac{1}{2}、\lambda_2=2\\ ~\\ A\vec{x}_1=\frac{1}{2}\vec{x}_1、A\vec{x}_2=2\vec{x}_2\\ ~\\ \begin{bmatrix} 5/4 & 3/4\\ 3/4 & 5/4 \end{bmatrix} \begin{bmatrix} a_1\\ a_2 \end{bmatrix}=\frac{1}{2} \begin{bmatrix} a_1\\ a_2 \end{bmatrix}、 \begin{bmatrix} 5/4 & 3/4\\ 3/4 & 5/4 \end{bmatrix} \begin{bmatrix} a_3\\ a_4 \end{bmatrix}=2 \begin{bmatrix} a_3\\ a_4 \end{bmatrix}\\ ~\\ a_1=-a_2、a_3=a_4\\ ~\\ We\ take\ a_1=-1、a_2=1、a_3=1、a_4=1\\ ~\\ \vec{x}_1= \begin{bmatrix} 1\\ 1 \end{bmatrix}、 \vec{x}_2= \begin{bmatrix} -1\\ 1 \end{bmatrix} A=[5/43/43/45/4] det A=(45)2−(43)2=1=λ1λ2 tr A=45+43=25=λ1+λ2 {λ1λ2=1λ1+λ2=25 λ1=21、λ2=2 Ax1=21x1、Ax2=2x2 [5/43/43/45/4][a1a2]=21[a1a2]、[5/43/43/45/4][a3a4]=2[a3a4] a1=−a2、a3=a4 We take a1=−1、a2=1、a3=1、a4=1 x1=[11]、x2=[−11]
1.3 矩阵对角化
特征向量矩阵 XXX
X=[x⃗1x⃗2]=[1−111]X=[\vec{x}_1\quad\vec{x}_2]= \begin{bmatrix} 1 & -1\\ 1 & 1 \end{bmatrix} X=[x1x2]=[11−11]
特征值矩阵 Λ\LambdaΛ
Λ=[λ100λ2]=[2001/2]\Lambda= \begin{bmatrix} \lambda_1 & 0\\ 0 & \lambda_2 \end{bmatrix}= \begin{bmatrix} 2 & 0\\ 0 & 1/2 \end{bmatrix} Λ=[λ100λ2]=[2001/2]
特征向量矩阵的逆矩阵 X−1X^{-1}X−1
X−1=1detX[11−11]=12[11−11]=[1/21/2−1/21/2]X^{-1}=\frac{1}{det\ X} \begin{bmatrix} 1 & 1\\ -1 & 1 \end{bmatrix}=\frac{1}{2} \begin{bmatrix} 1 & 1\\ -1 & 1 \end{bmatrix}= \begin{bmatrix} 1/2 & 1/2\\ -1/2 & 1/2 \end{bmatrix} X−1=det X1[1−111]=21[1−111]=[1/2−1/21/21/2]
将矩阵AAA 进行分解
A=XΛX−1=[1−111][2001/2][1/21/2−1/21/2]A=X\Lambda X^{-1}= \begin{bmatrix} 1 & -1\\ 1 & 1 \end{bmatrix} \begin{bmatrix} 2 & 0\\ 0 & 1/2 \end{bmatrix} \begin{bmatrix} 1/2 & 1/2\\ -1/2 & 1/2 \end{bmatrix} A=XΛX−1=[11−11][2001/2][1/2−1/21/21/2]
其中 XXX 是由矩阵的各个特征向量组成的矩阵、 Λ\LambdaΛ 是由矩阵的各个特征值组成的
对矩阵 X、Λ、X−1X、\Lambda、X^{-1}X、Λ、X−1 对应的线性变换过程的可视化
矩阵 X−1X^{-1}X−1 将特征向量转换到了标准基的位置(我们将此时的特征向量称其为特征基)
矩阵 Λ\LambdaΛ 将特征基缩放了特征值大小
矩阵 XXX 将缩放后的特征基转换到特征向量的原本位置(原标准基的坐标系下)
1.4 计算 AkA^kAk
例子:
1.5 矩阵对角化的注意事项
可逆性与可对角化性无关!!!
矩阵对角化(Diagonalizing a Matrix)相关推荐
- 【线性代数】6-2:对角化(Diagonalizing a Matrix)
title: [线性代数]6-2:对角化(Diagonalizing a Matrix) categories: Mathematic Linear Algebra keywords: Eigenva ...
- 特征值与特征向量、特征方程、特征多项式、矩阵相似、相似变换、矩阵对角化、奇异值分解(Singular Value Decomposition)手算加MATLAB
特征值(Eigenvalue)与特征向量(Eigenvector) 定义:若AAA为n×nn\times nn×n的矩阵,xxx为非零向量,若存在数λ\lambdaλ使得Ax=λxAx=\lamb ...
- Codeforces 947E Perpetual Subtraction (线性代数、矩阵对角化、DP)
Codeforces 947E Perpetual Subtraction (线性代数.矩阵对角化.DP) 手动博客搬家: 本文发表于20181212 09:37:21, 原地址https://blo ...
- Codeforces 947E/923E Perpetual Subtraction (线性代数、矩阵对角化、DP)
手动博客搬家: 本文发表于20181212 09:37:21, 原地址https://blog.csdn.net/suncongbo/article/details/84962727 呜啊怎么又是数学 ...
- FigDraw 12. SCI 文章绘图之相关性矩阵图(Correlation Matrix)
桓峰基因公众号推出基于R语言绘图教程并配有视频在线教程,目前整理出来的教程目录如下: FigDraw 1. SCI 文章的灵魂 之 简约优雅的图表配色 FigDraw 2. SCI 文章绘图必备 R ...
- 第十章:MATLAB:矩阵分析(特征值与特征向量,矩阵对角化,若尔当标准型,矩阵的反射与旋转变换)
第十章:矩阵分析 10.1. 特征值与特征向量 10.1.1. 标准特征值与特征向量问题 实例--矩阵特征值与特征向量 实例:矩阵特征值 10.1.2. 广义特征值与特征向量问题 实例:广义特征值与广 ...
- Toeplitz 矩阵对角化
Toeplitz 矩阵是一种比较特殊的矩阵:其中任何一条对角线的元素取相同的值,即 An=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢a0a1a2⋮ana−1a0a1⋮an−1a−2a−1a0⋱⋯⋯⋯⋱⋱a1a−na−n+ ...
- 导向矢量矩阵(steering vector matrix)
在阵列信号处理中,导向矢量矩阵(steering vector matrix)是描述阵列接收信号和信号源之间关系的重要工具.它用于计算不同到达角度(Direction of Arrival,DOA)下 ...
- 矩阵的对角化(Diagonalizing a Matrix )
如果一个矩阵时一个上三角.下三角或者对角矩阵,这个带来很大的方便.但是往往很多矩阵都不是对角矩阵,本文就来介绍如何使用特征值和特征向量把一个矩阵变成对角矩阵! 1.对角化 我们假设一个n*n的矩阵有n ...
- UA MATH567 高维统计专题2 Low-rank矩阵及其估计1 Matrix Completion简介
UA MATH567 高维统计专题2 Low-rank矩阵及其估计1 Low-rank Matrix简介 例 在推荐系统中,Netflix data是非常经典的数据集.考虑它的电影评分数据,用矩阵的每 ...
最新文章
- 为什么有些画面让你终生难忘?GAN来告诉你原因
- 我到底要选择一种什么样的生活方式,度过这一辈子呢:人生自由与职业发展方向(下)...
- synchronized原理_synchronized 关键字底层原理
- win10上的docker怎么设置开机不要自动启动 [问题点数:20分,结帖人xyq1986]
- 20210627:力扣第247周周赛(上)
- ModBus RTU协议CRC校验方式最简实现
- 简单的notepad将\n转化为换行
- 【IT基础】如何休息(每天都很累,但你真的会正确的休息方式么)
- 【原创】Web前端性能优化思维导图
- python爬虫基础案例——爬取猫眼电影并保存数据到excel
- 服务器集群虚拟机,服务器集群虚拟机
- 推荐一款笔记软件 Notion
- 第15课 模块与包
- 【IoT】CC2541 BLE 4.0 底层协议栈广播连接过程解析
- 机械键盘按键失灵解决办法(亲测有效,不用换不用拆,5分钟搞定)
- fopen函数和文件权限
- Unity 之 UGUI代码生成UI设置为相对位置问题
- MYSQL数据库 增删改查基础语句
- oracle查询遇到关键字
- 只有2~3年左右的开发经验,为什么年薪就可以达到50万+?
热门文章
- 【c++】《搜索习题集》题解,更新至DFS之搜索顺序
- 转:我通过微软亚洲研究院面试的经历
- 如何搭建移动数据安全体系?
- 【c++】C语言之输入行数,输出实心菱形和空心菱形
- 雨落C++小课堂第二课——C++程序结构(2)
- Elasticsearch短语或近似匹配及召回率案例深入剖析-搜索系统线上实战
- PS怎么用3D功能怎么用?如何用PS做立体字
- ai文字渐变_AI制作渐变色立体文字效果
- three.js 渲染调优,如何提升3d场景更逼真的渲染效果
- window7系统下如何使用虚拟机安装苹果系统