族谱网 头条 人物百科

对角矩阵

2020-10-16
出处:族谱网
作者:阿族小谱
浏览:511
转发:0
评论:0
例子(a000b000c),(100020000),(1007),(2){displaystyle{begin{pmatrix}a&0&00&b&00&am

例子

(a000b000c),(100020000),(1007),(2){\displaystyle {\begin{pmatrix}a&0&0\\0&b&0\\0&0&c\end{pmatrix}},{\begin{pmatrix}1&0&0\\0&2&0\\0&0&0\end{pmatrix}},{\begin{pmatrix}1&0\\0&7\end{pmatrix}},{\begin{pmatrix}2\end{pmatrix}}}

均为对角矩阵

矩阵运算

[a1a2⋱ ⋱ -->an]+[b1b2⋱ ⋱ -->bn]=[a1+b1a2+b2⋱ ⋱ -->an+bn]{\displaystyle {\begin{bmatrix}a_{1}&&&\\&a_{2}&&\\&&\ddots &\\&&&a_{n}\end{bmatrix}}+{\begin{bmatrix}b_{1}&&&\\&b_{2}&&\\&&\ddots &\\&&&b_{n}\end{bmatrix}}={\begin{bmatrix}a_{1}+b_{1}&&&\\&a_{2}+b_{2}&&\\&&\ddots &\\&&&a_{n}+b_{n}\end{bmatrix}}}

[a1a2⋱ ⋱ -->an][b1b2⋱ ⋱ -->bn]=[a1b1a2b2⋱ ⋱ -->anbn]{\displaystyle {\begin{bmatrix}a_{1}&&&\\&a_{2}&&\\&&\ddots &\\&&&a_{n}\end{bmatrix}}{\begin{bmatrix}b_{1}&&&\\&b_{2}&&\\&&\ddots &\\&&&b_{n}\end{bmatrix}}={\begin{bmatrix}a_{1}b_{1}&&&\\&a_{2}b_{2}&&\\&&\ddots &\\&&&a_{n}b_{n}\end{bmatrix}}}

[a1a2⋱ ⋱ -->an]− − -->1=[a1− − -->1a2− − -->1⋱ ⋱ -->an− − -->1]{\displaystyle {\begin{bmatrix}a_{1}&&&\\&a_{2}&&\\&&\ddots &\\&&&a_{n}\end{bmatrix}}^{-1}={\begin{bmatrix}a_{1}^{-1}&&&\\&a_{2}^{-1}&&\\&&\ddots &\\&&&a_{n}^{-1}\end{bmatrix}}} 当且仅当 a1,a2,⋯ ⋯ -->,an{\displaystyle a_{1},a_{2},\cdots ,a_{n}} 均不为零。

性质

对角矩阵都是对称矩阵。

对角矩阵是上三角矩阵及下三角矩阵。

单位矩阵In及零矩阵恒为对角矩阵。一维的矩阵也恒为对角矩阵。

一个对角线上元素皆相等的对角矩阵是数乘矩阵,可表示为单位矩阵及一个系数λ的乘积:λI。

一对角矩阵 diag(a1, ..., an) 的特征值为a1, ..., an。而其特征向量为单位向量e1, ..., en。

一对角矩阵 diag(a1, ..., an) 的行列式为a1...an的乘积。

方阵与对角矩阵相似的充分必要条件

n{\displaystyle n}阶方阵可进行对角化的充分必要条件是:

n{\displaystyle n}阶方阵存在n{\displaystyle n}个线性无关的特征向量

如果n{\displaystyle n}阶方阵存在重复的特征值,每个特征值的线性无关的特征向量的个数恰好等于该特征值的重复次数

参考

三角矩阵

对角优势矩阵


免责声明:以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。

——— 没有了 ———
编辑:阿族小谱
发表评论
写好了,提交
{{item.label}}
{{commentTotal}}条评论
{{item.userName}}
发布时间:{{item.time}}
{{item.content}}
回复
举报
点击加载更多
打赏作者
“感谢您的打赏,我会更努力的创作”
— 请选择您要打赏的金额 —
{{item.label}}
{{item.label}}
打赏成功!
“感谢您的打赏,我会更努力的创作”
返回

更多文章

更多精彩文章
打赏
私信

推荐阅读

· 可对角化矩阵
特征化关于可对角化映射和矩阵的基本事实可表达为如下:在域F上的n×n矩阵A是可对角化的,当且仅当它的特征空间的维度等于n,它为真当且仅当存在由A的特征向量组成的F的基。如果找到了这样的基,可以形成有基向量作为纵列的矩阵P,而PAP将是对角矩阵。这个矩阵的对角元素是A的特征值。线性映射T:V→V是可对角化的,当且仅当它的特征空间的维度等于dim(V),它为真当且仅当存在由T的特征向量组成的V的基。T关于这个基将表示为对角矩阵。这个矩阵的对角元素是T的特征值。另一个特征化:矩阵或线性映射在域F上可对角化的,当且仅当它的极小多项式在F上有不同的线性因子。下列充分(但非必要)条件经常是有用的。n×n矩阵A只在域F上可对角化的,如果它在F中有n个不同的特征值,就是说,如果它的特征多项式在F中有n个不同的根。线性映射T:V→V带有n=dim(V)是可对角化的,如果它有n个不同的...
· 对角论证法
实数康托尔的证明表明区间[0,1]不是可数无穷大。该证明是用反证法完成的,步骤如下:假设区间[0,1]是可数无穷大的于是乎我们可以把所有在这区间内的数字排成数列(r1,r2,r3,...){\displaystyle(r_{1},r_{2},r_{3},...)}已知每一个这类的数字都能以小数形式表达我们把这些数字排成数列(这些数字不需按序排列;事实上,有些可数集,例如有理数也不能按照数字的大小把它们全数排序,但单只是成数列就没有问题的)。对于那些有两种小数形式的数字,例如0.499...=0.500...,我们选择前者。举例,如果该数列小数形式表现如下:r1=0.5105110...r2=0.4132043...r3=0.8245026...r4=0.2330126...r5=0.4107246...r6=0.9937838...r7=0.0105135......考虑rk{\displ...
· 矩阵
发展作为解决线性方程的工具,矩阵也有不短的历史。成书最迟在东汉前期的《九章算术》中,已经出现过以矩阵形式表示线性方程组系数以解方程的图例,可算作是矩阵的雏形。矩阵正式作为数学中的研究对象出现,则是在行列式的研究发展起来后。逻辑上,矩阵的概念先于行列式,但在实际的历史上则恰好相反。日本数学家关孝和(1683年)与微积分的发现者之一戈特弗里德·威廉·莱布尼茨(1693年)近乎同时地独立建立了行列式论。其后行列式作为解线性方程组的工具逐步发展。1750年,加布里尔·克拉默发现了克莱姆法则。阿瑟·凯莱被认为是矩阵论的奠基人进入十九世纪后,行列式的研究进一步发展,矩阵的概念也应运而生。奥古斯丁·路易·柯西是最早将行列式排成方阵并将其元素用双重下标表示的数学家。他还在1829年就在行列式的框架中证明了实对称矩阵特征根为实数的结论。其后,詹姆斯·约瑟夫·西尔维斯特注意到,在作为行列式的计算形式以外,将数...
· 变换矩阵
应用任意线性变换都可以用矩阵表示为易于计算的一致形式,并且多个变换也可以很容易地通过矩阵的相乘连接在一起。线性变换不是唯一可以用矩阵表示的变换。R维的仿射变换与透视投影都可以用齐次坐标表示为RP维(即n+1维的真实投影空间)的线性变换。因此,在三维计算机图形学中大量使用着4x4的矩阵变换。寻找变换矩阵如果已经有一个函数型的线性变换T(x){\displaystyleT(x)},那么通过T对标准基每个向量进行简单变换,然后将结果插入矩阵的列中,这样很容易就可以确定变换矩阵A,即例如,函数T(x)=5x{\displaystyleT(x)=5x}是线性变换,通过上面的过程得到(假设n=2)在二维图形中的应用示例最为常用的几何变换都是线性变换,这包括旋转、缩放、切变、反射以及正投影。在二维空间中,线性变换可以用2×2的变换矩阵表示。旋转绕原点逆时针旋转θ度角的变换公式是x′=xcos⁡⁡-->θ...
· 矩阵群
基本例子在一个交换环R上n×n矩阵集合MR(n,n)在矩阵加法与乘法下自身是一个环。MR(n,n)的单位群称为在环R上n×n矩阵的一般线性群,记作GLn(R)或GL(n,R)。所有矩阵群是某个一般线性群的子群。典型群某些特别有趣的矩阵群是所谓的典型群。当矩阵群的系数环是实数,这些群是典型李群。当底环是一个有限域,典型群是李型群。这些群在有限单群分类中起着重要的作用。有限群作为矩阵群任何有限群同构于某个矩阵群。这类似于凯莱定理说每个有限群同构于某个置换群。因为同构性质是传递的,我们只需考虑怎样从一个置换群构造一个矩阵群。令G是在n点(Ω={1,2,…,n})上的置换群,设{g1,...,gk}是G的一个生成集合。复数上n×n矩阵的一般线性群GLn(C)自然作用在向量空间C上。设B={b1,…,bn}是C的标准基。对每个gi令Mi属于GLn(C)是将每个bj...

关于我们

关注族谱网 微信公众号,每日及时查看相关推荐,订阅互动等。

APP下载

下载族谱APP 微信公众号,每日及时查看
扫一扫添加客服微信