Tag Archive: Linear Algebra

线性代数 Cheat Sheet 5-8:特征值的迭代估计

1. 幂算法   幂算法适用于 $n \times n$ 矩阵 $A$ 由严格占优特征值(亦称主特征值)$\lambda_1$ 的情况。$\lambda_1$ 为主特征值的意思是 $\lambda_1$ 的绝对值比其他特征值的绝对值都大。此时,幂算法产生一个近似 $\lambda_1$ 的数列和一个近似对应主特征向量的向量序列。   为简单起见,假设 $A$ 可对角化,特征向量 $\boldsym…
Read more

线性代数 Cheat Sheet 5-6:离散动力系统

  对于由差分方程 $\boldsymbol x_{k+1} = A \boldsymbol x$ 描述的动力系统,$A$ 的特征值和特征向量提供了该动力系统长期行为(如控制系统中的稳态响应)的线索。   假设 $A$ 可对角化,由 $n$ 个线性无关的特征向量 $\boldsymbol v_1, \cdots, \boldsymbol v_n$ 和对应的特征值 $\lambda_1, \cdot…
Read more

线性代数 Cheat Sheet 5-5:复特征值

  $n \times n$ 矩阵的特征方程含有 $n$ 次多项式,如果考虑复根,方程恰好有 $n$ 个根(重根重复计算)。对复特征值的研究能揭示矩阵中隐藏的信息,通常与周期、震动、旋转等问题相关。   建立在 $\mathbb{R}^n$ 基础上的矩阵特征值-特征向量理论同样可以应用到 $\mathbb{C}^n$。因此,一个复数 $\lambda$ 满足 $\det(A – \la…
Read more

线性代数 Cheat Sheet 5-3:对角化

  如果一个方阵 $A$ 相似于对角阵,即存在可逆矩阵 $P$ 和对角矩阵 $D$,有 $A = PDP^{-1}$,则称 $A$ 可对角化。   定理 5(对角化定理)$n \times n$ 矩阵 $A$ 可对角化的充分必要条件时 $A$ 有 $n$ 个线性无关的特征向量。事实上,$A = PDP^{-1}$,$D$ 为对角矩阵的充分必要条件是 $P$ 的列向量是 $A$ 的 $n$ 个线性无…
Read more

线性代数 Cheat Sheet 5-2:特征方程

1. 行列式   设 $A$ 是 $n \times n$ 矩阵,$U$ 是对 $A$ 作行替换和行交换(不做行倍乘)所得到的任一阶梯型矩阵,$r$ 是行交换的次数,那么 $A$ 的行列式 $\det A = (-1)^r u_{11} \cdots u_{nn}$。如果 $A$ 可逆,那么 $u_{11} \cdots u_{nn}$ 都是主元(因为 $A \sim I_n$ 且 $u_{ii}…
Read more