搜尋(繁體中文或英文)
訊息看板
-
近期文章
線性代數專欄
其他主題專欄
每週問題
數據充分性問題
其他分類
Recent Comments
陳倍恩 on 線性代數的第一堂課──矩陣乘法的定義 輕鬆談如何教學二項式定理?… on 牛頓的二項式定理 (上) madhouse on 高斯消去法 WishMobile on 翻轉 LU 分解 周子傑 on Karush-Kuhn-Tucker (KKT) 條件 Cloud Huang on 線性泛函與伴隨 近期最多人點閱
分類
Archives
標籤雲
- Cayley-Hamilton 定理
- Frobenius 範數
- Gram-Schmidt 正交化
- Gramian 矩陣
- Hermitian 矩陣
- Householder 矩陣
- Jordan 典型形式
- LU 分解
- QR 分解
- Schur 定理
- SVD
- Vandermonde 矩陣
- 三角不等式
- 不變子空間
- 么正矩陣
- 二次型
- 代數重數
- 伴隨矩陣
- 內積
- 冪矩陣
- 冪等矩陣
- 冪零矩陣
- 分塊矩陣
- 列空間
- 半正定矩陣
- 反對稱矩陣
- 可交換矩陣
- 可逆矩陣
- 向量空間
- 圖論
- 基底
- 基本列運算
- 奇異值
- 奇異值分解
- 實對稱矩陣
- 對角化
- 座標變換
- 微分方程
- 投影矩陣
- 排列矩陣
- 旋轉矩陣
- 最小多項式
- 最小平方法
- 正交性
- 正交投影
- 正交矩陣
- 正交補餘
- 正定矩陣
- 正規矩陣
- 特徵值
- 特徵向量
- 特徵多項式
- 特殊矩陣
- 相伴矩陣
- 相似
- 矩陣乘法
- 矩陣多項式
- 矩陣指數
- 矩陣範數
- 矩陣譜
- 秩
- 秩─零度定理
- 簡約列梯形式
- 組合數學
- 線性獨立
- 線性變換
- 線性變換表示矩陣
- 行列式
- 行空間
- 譜分解
- 跡數
- 逆矩陣
- 通解
- 零空間
- 高斯消去法
線代線上影音課程
線代學習網站
線代電子書
- A First Course in Linear Algebra (Robert A. Beezer)
- Fundamentals of Linear Algebra (James B. Carrell)
- Linear Algebra (Jim Hefferon)
- Linear Algebra Done Wrong (Sergei Treil)
- Linear Algebra Problems (Jerry L. Kazdan)
- Linear Algebra via Exterior Products (Sergei Winitzki)
- Linear Algebra, Theory and Applications (Kenneth Kuttler)
- Matrix Analysis and Applied Linear Algebra (Carl D. Meyer)
- Notes on Linear Algebra (Peter J. Cameron)
矩陣計算器
LaTeX
Blogroll
-
Join 676 other subscribers
Tag Archives: 不變子空間
Jordan-Chevalley 分解
本文的閱讀等級:高級 對於一 階複矩陣 ,Jordan-Chevalley 分解[1]是指存在唯一的可對角化矩陣 與冪零 (nilpotent) 矩陣 使得 且 (稱為可交換)。對於複矩陣,Jordan-Chevalley 分解很容易以 Jordan 典型形式表達 (見“Jordan 形式大解讀 (上)”)。我們利用 Jordan 形式證明 Jordan-Chevalley 分解的存在性與唯一性。
每週問題 September 28, 2015
證明方陣 的一個不變子空間中存在一特徵向量。 Let be an matrix. If is an invariant subspace of , i.e., for every , show that there exists a nonzero vector in such that .
正規矩陣的等價條件
本文的閱讀等級:高級 令 為一個 階矩陣。若 ,也就是說 和 可交換,則 稱為正規矩陣 (normal matrix)。例如,實對稱矩陣 、Hermitian 矩陣 、反共軛對稱矩陣 ,以及么正 (unitary) 矩陣 皆為正規矩陣 (見“特殊矩陣 (2):正規矩陣”)。目前已知的正規矩陣等價條件大約有 90 個[1],其中很多條件引用的概念相近,另有少許冷僻艱澀。本文挑選 25 個 (文獻[2]列舉出 70 個) 有關於特徵值、特徵向量、奇異值、跡數、範數、二次型、可交換、不變子空間 (invariant subspace)、正定、譜分解 (spectral decomposition),以及極分解 (polar decomposition) 等較具代表性的等價條件,並給出證明 (部分已刊登的證明僅提供連結)。
每週問題 June 15, 2015
這是正規矩陣 (normal matrix) 的界定問題:若 的任一特徵向量是 的特徵向量,則 是正規矩陣,反之亦然。 Let be an matrix. Show that is normal if and only if any eigenvector of is an eigenvector of .
利用多項式分解向量空間──兼論齊次線性微分方程解法
本文的閱讀等級:中級 考慮齊次線性微分方程 , 其中 是微分算子, 皆為常係數。令 。 以 取代 ,可得 。從線性代數觀點,求解齊次線性微分方程 等同於計算線性算子 的核 (kernel) 或零空間 (見“從線性代數看微分方程”)。本文解釋如何利用多項式來分解向量空間,藉此並可建立齊次線性微分方程解法的理論基礎。
特徵向量是甚麽物,恁麽來?
本文的閱讀等級:初級 《南嶽懷讓禪師傳》記載: 祖問:「甚麽處來?」 曰:「嵩山來。」 祖曰:「甚麽物,恁麽來?」師無語,經八載忽然有悟,乃白祖曰:「某甲有個會處。」 祖曰:「作麽生?」 師曰:「説似一物即不中。」 唐代懷讓禪師為尋訪善知識跑去嵩山謁見惠安國師,惠安指點他參訪曹溪六祖。禮拜畢,六祖問:「你從何處來?」懷讓回:「我從嵩山來。」六祖又問:「你是甚麼東西?怎麼來的?」懷讓當下無言以對,經過八年參究,一天豁然開悟,便對六祖說:「我想通了。」六祖問:「怎麼樣?」懷讓回:「說是甚麼東西都不對。」 特徵向量甚麽處來?問既一般,答亦相似,翻開課本就可以找到答案,定義有兩種版本。 線性變換版:令 為一個向量空間, 是一個線性變換。若非零向量 滿足 ,則 稱為對應特徵值 的特徵向量。 矩陣版:令 為一個 階矩陣。若非零向量 滿足 ,則 稱為對應特徵值 的特徵向量。 若繼續追問:特徵向量是甚麽物,恁麽來?「説似一物即不中」提點我們不要死執一法 (定義),所以何妨「說似多物」,即便亂槍打鳥不中或許亦不遠矣。
不使用行列式的特徵值和特徵向量算法 (下)
本文的閱讀等級:高級 延續前文“不使用行列式的特徵值和特徵向量算法 (上)”和“不使用行列式的特徵值和特徵向量算法 (中)”,本文將討論以下三個與實際操作相關的問題:(1) 如何選擇「好種子」?(2) 如何快速檢查 是否為 的線性組合?(3) 特徵向量算法的基本原理是甚麼?不論特徵值的相重數為何,是否總能求得完整的特徵空間?往下閱讀前,請讀者先回顧前文。
限定算子的特徵值與特徵向量 (下)
本文的閱讀等級:中級 令 是一有限維向量空間,, 是一線性變換, 是定義於不變子空間 的一個限定算子。上文“限定算子的特徵值與特徵向量 (上)”介紹了限定算子 的特徵值和特徵向量,及座標變換和相似變換。本文討論限定算子的特徵多項式和最小多項式,並證明以下三個命題: 限定算子 的特徵多項式整除線性變換 的特徵多項式。 限定算子 的最小多項式整除線性變換 的最小多項式。 若限定算子 不可對角化,則線性變換 也不可對角化。換句話說,若 可對角化,則 也可對角化。
循環向量定理
本文的閱讀等級:高級 令 為一個 階矩陣。對於 維向量 ,如果向量集 構成 的一組基底,則 稱為 的一個循環向量 (cyclic vector)。任一方陣 未必總是存在循環向量,譬如,單位矩陣 ,因為對於所有 ,。本文證明循環向量定理,包含下列等價陳述: 有一個循環向量。 相似於一個相伴矩陣 (companion matrix)。 的最小多項式即為其特徵多項式。 若 和 是可交換矩陣,,則 是由 形成的矩陣多項式,即 , 是一個多項式。
限定算子的特徵值與特徵向量 (上)
本文的閱讀等級:中級 令 為一向量空間, 為一線性變換 (亦稱線性算子)。若 是 的一個子空間,且對於每一 ,都有 ,即 ,則 稱為 的不變子空間 (invariant subspace)。我們可以設定不變子空間 等於 的定義域和到達域,稱為限定算子 (restriction),記作 。限定算子和不變子空間是一套極為有效的線性算子結構分析工具 (見“不變子空間──解構線性算子的利器”),本文介紹限定算子的特徵值與特徵向量計算方法。