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: 相伴矩陣
常係數線性遞迴關係式 (中)
本文的閱讀等級:中級 前文介紹了常係數線性齊次遞迴關係式在特徵多項式有相異根的情況下的兩個線性代數解法 (見“常係數線性遞迴關係式 (上)”)。第一個方法建立於數列形成的無限維向量空間,通過與齊次遞迴關係式的特徵多項式同形式之算子多項式的零空間找出解。然而,當特徵多項式存在重根時,零空間基底的推導過程相當繁複。本文使用第二個方法,以簡潔的矩陣分析解出當特徵多項式存在重根時齊次遞迴關係式的通項表達式。
Krylov 子空間法
本文的閱讀等級:中級 令 為一 階複矩陣, 為一 維非零向量。1931年,俄國應用數學家、海軍工程師克雷洛夫 (Aleksey Krylov) 提出一個創新的想法[1]:運用向量序列 ,稱為 Krylov 序列,計算 的特徵多項式。Krylov 序列的擴張稱為 Krylov 子空間 (或循環子空間),記為 。 明顯地, 是 的一個子空間,故必存在最小正整數 使得 可表示為 的線性組合。如果 , 定義 次多項式 。 因為 ,我們說 是 相對於 的消滅多項式 (annihilating polynomial)。運用類似最小多項式 (minimal polynomial) 的論證方式可證明 (見“最小多項式 (上)”):給定任何矩陣—向量對 … Continue reading
二對稱矩陣分解
本文的閱讀等級:中級 因為近代線性代數教科書隻字不提,多數人可能從未聽聞過這個定理:任一實方陣 可分解為兩個實對稱矩陣的乘積 ,其中 是可逆矩陣;類似地,任一複方陣 可分解為兩個複對稱矩陣的乘積 ,其中 是可逆矩陣[1]。對稱矩陣 滿足 ,Hermitian 矩陣 滿足 。對於實矩陣,對稱矩陣等同於 Hermitian 矩陣;對於複矩陣,對稱矩陣不同於 Hermitian 矩陣。方陣的二對稱矩陣分解看似玄妙,但課本都不講述的定理能有甚麼用途呢?莊子曰:「人皆知有用之用,而莫知無用之用也。」按莊子的看法,「有用之用」與「無用之用」的區別在於個人的主觀認知。本文介紹二對稱矩陣分解的動機純粹是為了演練矩陣分析技巧,下面分別就複矩陣和實矩陣說明採行 Jordan 典型形式的建構式證法。至於這個矩陣分解式到底有用抑或無用,暫且不必急著下定論。
窮人的多項式求根法
本文的閱讀等級:初級 給定三次多項式 , 如何求得 的三個根?你可以購買一套商用數學軟體或使用校園授權軟體 (費用已經隱藏在繳交的學費中)。例如,MATLAB,輸入兩個指令: p = [1 -6 -72 -27]; r = roots(p) 馬上就得到答案: r = 12.1229 -5.7345 -0.3884 如果你近來阮囊羞澀或無法取得校園授權軟體,是否還有其他不用花錢的便捷方法?易經曰:「窮則變,變則通,通則久。」下面我介紹一個窮人的多項式求根法。首先我們要備妥一個免費的矩陣特徵值計算程式,譬如,具有多種功能的線上矩陣計算器 Online Matrix Calculator。在主畫面視窗鍵入三次多項式 的 階相伴 (companion) 矩陣 , 勾選 Eigenvalues/eigenvectors,按下 Calculate,可得三個特徵值,此即為三次多項式 的根。事實上,MATLAB 採用完全相同的多項式求根算法[1]。有錢或沒錢的差別待遇往往僅在於外表包裝不同而已。
矩陣相似於其逆的充要條件
本文的閱讀等級:高級 任一 階矩陣 相似於 (見“矩陣與其轉置的相似性”)。若 是一個實正交矩陣 (orthogonal matrix),,則 相似於 。我們不免好奇: 相似於 的充分以及必要條件是甚麼?考慮極端的情況:兩個相等的方陣必定相似。若 ,即 ,我們稱之為對合 (involutory) 矩陣 (見“特殊矩陣 (22):對合矩陣”)。除了對合矩陣,是否還有其他的 相似於 ?二人同心,其利斷金。若 ,其中 和 是對合矩陣,則 , 即知 相似於 。兩個對合矩陣的乘積不僅是矩陣相似於其逆的充分條件,也是必要條件。反向論證較為複雜,本文運用兩種特殊型態矩陣──Jordan 分塊和相伴 (companion) 矩陣──證明:若 相似於 ,則存在對合矩陣 和 使得 。
答r2123b──關於矩陣與遞迴關係式的特徵多項式
網友r2123b留言: 老師:請問線代的特徵多項式 跟求解遞迴方程式 ,,的 時所用的特徵多項式有什麼關聯嗎?為什麼都叫特徵多項式?
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。
不使用行列式的特徵值和特徵向量算法 (中)
本文的閱讀等級:中級 給定一 階矩陣 ,若 維向量 使得 ,即 ,則 稱為特徵值, 是對應的特徵向量。因為 的零空間包含非零向量,可知 不可逆,所以 。根據此事實,我們定義 的特徵多項式為 ,特徵值 即是 的根。從課堂演習的角度來看,這個基於行列式的特徵值算法的最大缺點在於,當 增大時,自行列式表達 到標準式 往往需要耗費大量的計算 (這解釋了何以多數線性代數教科書僅見 或 階的數值例子)。因為這個緣故,我們將箭頭瞄準不使用行列式的特徵值和特徵向量算法。下面先檢視幾種無須計算即可獲取特徵多項式的特殊形態矩陣,然後設法推導從任意矩陣至特殊形態矩陣的相似變換。
不變子空間──解構線性算子的利器
本文的閱讀等級:中級 設 是一個從向量空間 映至向量空間 的線性變換。若 ,我們稱 為定義於向量空間 的線性算子 (linear operator)。數學家發展出一個研究線性算子的方法,他們想像向量空間 可以分割成一組不交集的子空間 ,精確地說, 為這些不交集子空間的直和 (direct sum,見“補子空間與直和”): 。 對於任一 ,僅有唯一的 ,,能夠組合出 。為簡約符號,我們以 代表向量 經過 映射後得到的像 。利用線性變換的基本性質,可得 。 上式提示我們一個探索線性算子 的途徑:只要分別探討 在各個子空間 的行為即可對 的行為獲得完整的認識。實際的操作方式是令線性算子 限定於子空間 上,稱為限定算子 (restriction),記為 。限定算子成立的前提是任一 ,都有 ,即 ,滿足此性質的子空間 稱為 的不變子空間 (invariant … Continue reading
利用循環子空間計算特徵多項式
本文的閱讀等級:中級 令 為一向量空間且 為一線性變換 (或稱線性算子)。線性變換 將子空間 映射至另一子空間 。子空間 和 未必存在甚麼關係,但如果 ,我們稱 是 的一個不變子空間 (invariant subspace),也就是說,對於任意 ,必定有 。我們可以將線性變換 限定於子空間 上,於是有了限定算子 (restriction) 的概念,以符號表示為 。不變子空間的最主要價值在於化簡線性變換表示矩陣 (見“從不變子空間切入特徵值問題”),本文介紹一個產生不變子空間的簡易方式,稱為循環子空間 (cyclic subspace),並解說如何利用循環子空間計算矩陣特徵多項式。