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: 線性方程
每週問題 June 27, 2016
給定不可逆矩陣 ,線性方程 是否可能有唯一解? Let be an matrix. If has nonzero solutions, is it possible that has a unique solution for some vector ?
Kaczmarz 算法
本文的閱讀等級:中級 Kaczmarz 算法是線性方程 的一種迭代解法,1937年由波蘭數學家科區馬茲 (Stefan Kaczmarz) 所提出[1]。1970年,戈登 ( Richard Gordon)、本德爾 (Robert Bender) 和赫爾曼 (Gabor Herman) 三人重新發現此法,稱之為代數重建技術 (algebraic reconstruction technique),主要應用於電腦斷層掃描的影像重建[2]。我們以包含兩個未知數和兩個方程式的線性方程組 說明 Kaczmarz 算法的基本原理。考慮 , 其中係數 和常數 是實數。當係數矩陣可逆時,線性方程的解為下列兩個超平面 (此例為 平面的二直線) 的交點: 見下圖,給定任一初始點 ,連續交互正交投影至超平面 和 可得一向量序列 ,。當 ,,此即 的解。
線性方程 Ax=b 的通解與矩陣 A 的四個基本子空間整合算法
本文的閱讀等級:初級 令 為一 階實矩陣。矩陣 的行空間 (column space) 記為 ,零空間 (nullspace) 記為 。對於 階轉置矩陣 , 稱為 的列空間 (row space), 稱為 的左零空間 (left nullspace)[1]。以上是實矩陣 的四個基本子空間,其中列空間 和零空間 是 的子空間,行空間 和左零空間 是 的子空間。考慮下面兩個計算問題: 給定一 維向量 ,求線性方程 的通解 ,其中 為一特解,滿足 , 稱為齊次解,滿足 ,即 。 求矩陣 … Continue reading
線性代數在數值分析的應用 (二):Dirichlet 問題
本文的閱讀等級:中級 在物理學中,等方向均勻介質的一點的溫度變化由熱傳導方程 (heat equation) 所描述[1]: , 其中 是點 於時間 的溫度, 是一正數,稱為熱擴散率 (thermal diffusivity), 是 Laplace 算子 (或稱 Laplacian),定義如下: 。 淺白地說,Laplace 算子度量一點的函數值與其鄰近點的差異。若點 處於穩態,即該點溫度不隨時間改變,則 滿足 Laplace 方程 。如果二階連續可導函數 ( 為一開集) 滿足 Laplace 方程,我們稱之為調和函數 (harmonic function)。本文將探討簡化後的二維 Dirichlet 問題[2]:尋找一調和函數 ,使其在一正方形區域內所有點皆滿足 ,且邊界滿足給定條件 。
Posted in 線性代數專欄, 應用之道
Tagged 特徵值, 線性方程, Dirichlet 問題, Laplace 算子, Laplace 方程, 數值分析, 正定矩陣, 三對角矩陣
3 Comments
定常迭代法──線性方程的數值解法
本文的閱讀等級:中級 高斯消去法是當今最常被使用的線性方程解法 (見“高斯消去法”),它是一種直接法,即一次性地解決問題。對於一個 階方陣,高斯消去法耗用的運算量是 。如果我們面對的是一個大型的稀疏矩陣,這時可用迭代法來求解。所謂迭代法是指從一個初始估計值出發,尋找一系列近似解以期解決問題的方法。大致上,應用於解線性方程的迭代法可區分為兩類:定常迭代法 (stationary iterative method) 和 Krylov 法。定常迭代法相對古老,容易瞭解與實現,惟效果通常不佳。Krylov 法相對年輕,雖然較不易理解分析,但效果普遍優異。本文介紹定常迭代法,並討論其中三種主要方法。
線性代數在數值分析的應用 (一):兩點邊值問題
本文的閱讀等級:初級 數值分析 (numerical analysis) 是一門研究連續數學問題演算法的科目,內容包羅萬象,如解非線性方程、解線性或非線性聯立方程組、插值 (interpolation) 與曲線配適 (curve fitting)、數值微分與積分、常微分方程與偏微分方程的數值解、邊值 (boundary-value) 與特徵值 (characteristic-value) 問題等。線性代數和數值分析有極密切的關係,一方面數值分析涵蓋一些數值線性代數問題,另一方面數值分析的部分演算法建立於線性代數之上。本文介紹線性代數在數值分析中的一個簡單應用──將兩點邊值 (two-point boundary-value) 問題轉換為線性聯立方程組的求解問題。