代数重复度

A ∈ C n × n A\in C^{n\times n} A∈Cn×n
不妨假设 λ 1 , … , λ r \lambda_1,\dots,\lambda_r λ1​,…,λr​为 A A A的相异特征值,其重数分别为 m 1 , … , m r m_1,\dots,m_r m1​,…,mr​,则称, m i m_i mi​为 λ i \lambda_i λi​的代数重复度,显然 ∑ i = 1 r m i = n \sum_{i=1}^{r}m_i=n ∑i=1r​mi​=n

几何重复度

矩阵 A ∈ C n × n A\in C^{n\times n} A∈Cn×n, λ i \lambda_i λi​是 A A A的一个特征值
V λ i = { x ∣ ( λ i I − A ) x = 0 , x ∈ C n } V_{\lambda_i}=\left \{ \left. x\right|(\lambda_iI-A)x=0,x\in C^{n} \right \} Vλi​​={x∣(λi​I−A)x=0,x∈Cn}
则 V λ i V_{\lambda_i} Vλi​​是 C n C^{n} Cn的一个子空间,称 V λ i V_{\lambda_i} Vλi​​为矩阵 A A A的属于 λ i \lambda_i λi​的特征子空间
d i m ( V λ i ) dim(V_{\lambda_i}) dim(Vλi​​)为特征值 λ i \lambda_i λi​的几何重复度

几何重复度不大于代数重复度

设 λ 0 \lambda_0 λ0​为 A A A的一个特征值
( λ 0 I − A ) x = 0 (\lambda_0 I-A)x=0 (λ0​I−A)x=0的基础解系为 x 1 , … , x k x_1,\dots,x_k x1​,…,xk​
由基的扩展定理,可取 x k + 1 , … , x n x_{k+1},\dots,x_n xk+1​,…,xn​使得
x 1 , … , x n x_1,\dots,x_n x1​,…,xn​
构成 C n C^{n} Cn的一组基
C = [ x 1 , … , x n ] T C=\begin{bmatrix}x_1,\dots,x_n \end{bmatrix}^T C=[x1​,…,xn​​]T
C − 1 C = [ C − 1 x 1 , … , C − 1 x n ] T = I C^{-1}C=\begin{bmatrix}C^{-1}x_1,\dots,C^{-1}x_n \end{bmatrix}^T=I C−1C=[C−1x1​,…,C−1xn​​]T=I

C − 1 x i = e i ( i = 1 , 2 , … , n ) C^{-1}x_i=e_{i}(i=1,2,\dots,n) C−1xi​=ei​(i=1,2,…,n)
( e i e_i ei​表示第 i i i个元素为1,其余元素为0的向量)
C − 1 A C = [ C − 1 A x 1 , … , C − 1 A x n ] T = [ λ 0 C − 1 x 1 , … , λ 0 C − 1 x k , C − 1 A x k + 1 , … , C − 1 A x n ] T = ( λ 0 I k ∗ 0 A 0 ) = B \begin{aligned} C^{-1}AC&=\begin{bmatrix}C^{-1}A x_1,\dots,C^{-1}A x_n \end{bmatrix}^T\\ &=\begin{bmatrix}\lambda_0 C^{-1} x_1,\dots,\lambda_{0}C^{-1}x_k,C^{-1}Ax_{k+1},\dots,C^{-1}A x_n \end{bmatrix}^T\\ &=\begin{pmatrix} \lambda_0 I_{k} & *\\ 0&A_0\\ \end{pmatrix}\\ &=B \end{aligned} C−1AC​=[C−1Ax1​,…,C−1Axn​​]T=[λ0​C−1x1​,…,λ0​C−1xk​,C−1Axk+1​,…,C−1Axn​​]T=(λ0​Ik​0​∗A0​​)=B​
其中 ∗ * ∗是一个 k × ( n − k ) k\times (n-k) k×(n−k)的矩阵
I k I_k Ik​是一个 k k k阶单位矩阵
A 0 A_0 A0​是 n − k n-k n−k阶方阵
A ∼ B ⇒ ∣ λ I n − A ∣ = ∣ λ I n − B ∣ = ( λ − λ 0 ) k ∣ λ I n − k − A 0 ∣ A\sim B\Rightarrow \left|\lambda I_n -A\right| =\left|\lambda I_n -B\right| =(\lambda-\lambda_0)^k\left|\lambda I_{n-k} -A_0\right| A∼B⇒∣λIn​−A∣=∣λIn​−B∣=(λ−λ0​)k∣λIn−k​−A0​∣
可以推出,代数重复度至少为k,而几何重复度恰好为k,所以成立

特征值的几何重复度不大于代数重复度相关推荐

  1. php正文重复度,百度如何判断网页文章的重复度?两个页面相似度确认方法介绍...

    在这个科技高度发达的时代,百度已经成为人们能获取消息的主要途径.但如今的百度,到处充斥着一些重复的内容,对用户的访问造成很大的困扰.因此,百度需要对网页重复进行判断,对重复的网页,只选取一些高质量的我 ...

  2. php文章重复度检测,百度如何判断网页文章的重复度?两个页面相似度确认方法介绍...

    在这个科技高度发达的时代,百度已经成为人们能获取消息的主要途径.但如今的百度,到处充斥着一些重复的内容,对用户的访问造成很大的困扰.因此,百度需要对网页重复进行判断,对重复的网页,只选取一些高质量的我 ...

  3. 海量图片相似度算法软件,海量数据相似度匹配

    计算图像相似度的算法有哪些 SIM=StructuralSIMilarity(结构相似性),这是一种用来评测图像质量的一种方法. 由于人类视觉很容易从图像中抽取出结构信息,因此计算两幅图像结构信息的相 ...

  4. 数据挖掘中的支持度 置信度 期望置信度 提升度

    在各种数据挖掘算法中,关联规则挖掘算是比较重要的一种,尤其是受购物篮分析的影响,关联规则被应用到很多实际业务中,本文对 关联规则挖掘 做一个小的总结. 首先,和聚类算法一样,关联规则挖掘属于 无监督学 ...

  5. 图片对比相似度算法标准,图片相似度匹配算法

    怎么对比两张图片的相似度 1.首先打开微信,选择底部"发现".如图所示.2.然后在点击进入"小程序".如图所示.3.然后输入"腾讯AI体验中心&quo ...

  6. python 计算订单_python实现apriori算法的关联规则之支持度、置信度、提升度

    Apriori算法的简介 Apriori算法:使用候选项集找频繁项集 Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法.其核心是基于两阶段频集思想的递推算法.该关联规则在分类上属于单维 ...

  7. C语言度化为度分秒的方法,一句话转换度:分:秒格式为度.度度度

    在excel中度.分.秒格式怎转化为多少度的格式我的生涯一片无悔,想起那天下午夕阳下我含着泪奔跑,那是我逝去的青春. =104所在列数值+(46所在列数值*60+01所在列数值)/3600倾向于把别人 ...

  8. 圈复杂度函数Java_圈复杂度 - byron_nj - 博客园

    Cyclomatic Complexity 1. 概念 a. 圈复杂度是一种衡量代码复杂程度的标准. b. 圈复杂度高的害处: 圈复杂度大说明代码的判断逻辑复杂,可能质量低: 需要的更多的测试用例,难 ...

  9. 支持度、置信度、提升度、apriori算法理解(简易版)

    关于支持度.置信度.提升度以及apriori算法的理解(简单版) 理解支持度 所谓支持度,就是比如说10个用户购买商品,有8个用户购买商品A,那么商品A的支持度就是80%.支持度越大,关联规则越重要, ...

最新文章

  1. 使用VC内嵌Python实现的一个代码检测工具
  2. 负载均衡算法-最少连接数均衡
  3. DAG添加第二台主机报超时
  4. 12年前的高考到底有多难,只在这一道题上就看出来了...
  5. 面向对象的接口思想与函数式编程
  6. 《Essential C++》笔记之迭代器Iterator(泛型指针)
  7. 关于uni-app框架下,用户真实头像采集的优化方案
  8. 电脑连接android智能电视的一种方法
  9. 欧拉筛素数的应用-漂亮数
  10. 利用DCT进行jpg压缩;对图像进行二值化【matlab代码】
  11. 必须知道的python专属骚技巧25例
  12. 在进化计算中,软件进行元基编码的新陈代谢方式 V0. 1. 0
  13. 《SMPLicit: Topology-aware Generative Model for Clothed People》论文解读
  14. android M权限问题
  15. R语言ggplot2可视化:ggplot2可视化为轴标签添加复杂下标(Subscripts)和上标(superscripts)、离子化学符号(ionic chemical notation)等
  16. Oracle创建表,id为自增序列
  17. Ubuntu下使用opencv完成图像程序编程操作
  18. RDKit|分子3D构象生成与优化
  19. 2018hdu个人排位赛:涮羊肉
  20. 关于operator bool () 和bool operator ==()

热门文章

  1. 神器工具:新一代多系统启动 U 盘装机解决方案
  2. Linux中kil命令和pkill命令的区别
  3. 64只马,8个赛道,选出最快4只马
  4. uniapp与微信小程序的区别
  5. 怎样让android手机屏幕滑动,安卓手机使用这个小设置,让你手机更流畅!
  6. 斐波那契数列的通项公式
  7. 【大数据】季节性模型概述
  8. 12个适合打造个人品牌IP的自媒体平台
  9. 「产品战略管理 」产品策略工具 - BCG增长 - 共享矩阵
  10. 【网络进阶】五种IO网络模型(一)