线性代数_矩阵

目录

  • 矩阵加法
  • 矩阵减法
  • 矩阵的数乘(\(k\cdot A\))
  • 矩阵的矩乘(\(A \cdot B\))
    • 矩阵的幂运算
  • 转置矩阵(\(A^T\))
    • 正交矩阵
  • 矩阵求逆(\(A^{-1}\))
    • 伴随矩阵(\(A^*\))
  • 矩阵的秩
  • 现在来看例题

矩阵加法

矩阵减法

矩阵的数乘(\(k\cdot A\))

矩阵的矩乘(\(A \cdot B\))

矩阵的幂运算

转置矩阵(\(A^T\))

正交矩阵

矩阵求逆(\(A^{-1}\))

伴随矩阵(\(A^*\))

矩阵的秩

现在来看例题



\(例1:已知AP=PB,其中 B= \left[ \begin{array} {CCC} 1 & 0 &0 \\ 0 &0 &0 \\ 0 &0 &-1 \end{array} \right ],P= \left [ \begin{array} {CCC} 1 & 0 &0 \\ 2 &-1 &0 \\ 2 &1 &1 \end{array} \right ],求A及A^5\)。

解:$ AP=PB$
\(A=PBP^{-1}\)
\(求A^5,即矩阵的5次幂运算。\)


>> B=[1 0 0;0 0 0;0 0 -1 ]
B =

   1   0   0
   0   0   0
   0   0  -1

>> P=[1 0 0 ;2 -1 0;2 1 1]
P =

   1   0   0
   2  -1   0
   2   1   1

>>  A=P*B*inv(P)
A =

   1   0   0
   2   0   0
   6  -1  -1

>> A^5
ans =

   1   0   0
   2   0   0
   6  -1  -1

原文地址:https://www.cnblogs.com/tamkery/p/11623317.html

时间: 2024-08-29 06:06:31

线性代数_矩阵的相关文章

线性代数_矩阵基础

1. 矩阵的意义与消元法 1.1 二维矩阵 : 直线相交解的表示方法 求两个直线相交的点 2x -  y = 0 -x +2y = 3 等同 2 -1    x      0 -1 2    y  =  3          A      X =  b 转换为向量的思考方式, x是向量2 -1的参数  y是向量 -1 2的参数, 两个向量的和是向量 0 3 直线交点->向量和 x  2 y  -1 =  0 -1    2      3 1.2 三维矩阵 : 面相交的解释方法 消元法 x+2y+

线性代数之矩阵与坐标系的转换

空间中的点是可以用向量来描绘的,这些点的描绘是基于我们自建的欧式空间坐标系下.我们可以用一个行向量来表示一个空间的点.那我们的要进行空间坐标的转换的时候怎么办呢?一个行向量 B,我可以理解成IB,B的三个值既为三个行向量(1,0,0),(0,1,0),(0,0,1)上的三个分量的度量.我们设向量M是一个3x3的向量.M是线性无关.即M得三个行向量a1,a2,a3不共面,Mx=B,这时候 是一个3x1的列向量x.x=           X1           Y1          Z1 Mx

线性代数 - 02 矩阵

线性代数 - 02 矩阵 一.矩阵的概念及其线性运算 1.矩阵的概念 2.矩阵的加减运算 3.矩阵的数乘 二.矩阵的乘法与转置 1.矩阵的乘法 2.矩阵乘法的性质 3.矩阵的转置 4.方阵行列式的乘积定理 三.逆矩阵 1.逆矩阵的概念 2.矩阵可逆的条件 3.逆矩阵的性质 四.矩阵的初等变换 1.矩阵的初等行变换 2.初等变换的标准程序 3.用初等变换法求逆矩阵 4.初等矩阵 五.分块矩阵 1.分块矩阵的概念 2.分块矩阵的运算 线性代数 - 02 矩阵,码迷,mamicode.com

线性代数 - 05 矩阵的特征值与特征向量

线性代数 - 05 矩阵的特征值与特征向量 一.特征值与特征向量 二.矩阵的相似与矩阵的对角化 三.实对称矩阵的对角化 1.向量的内积与正交矩阵 2.实对称矩阵的特征值与特征向量 线性代数 - 05 矩阵的特征值与特征向量,码迷,mamicode.com

【线性代数】矩阵的四个基本子空间

矩阵的四个基本子空间 1.零空间 矩阵A的零空间就Ax=0的解的集合.假设矩阵的秩为r,矩阵为m*n的矩阵,则零空间的维数为n-r.因为秩为r,则自由变量的个数为n-r,有几个自由变量,零空间就可以表示层几个特解的线性组合,也即是零空间的维数为自由变量的个数. 2.列空间 矩阵A的列空间就是矩阵A中各列的线性组合.假设矩阵的秩为r,矩阵为m*n的矩阵,则列空间可以表示为r个主元的线性组合,即零空间的维数为r. 3.行空间 在线性代数中,我们一般习惯将矩阵看出是一组列向量的组合,matlab中矩阵

Codeforces 947E Perpetual Subtraction (线性代数、矩阵对角化、DP)

手动博客搬家: 本文发表于20181212 09:37:21, 原地址https://blog.csdn.net/suncongbo/article/details/84962727 呜啊怎么又是数学了啊...数学比例\(\frac{16}{33}=0.4848\) orz yhx-12243神仙 题目链接: https://codeforces.com/contest/947/problem/E 题意: 有一个\([0,n]\)的随机数\(x\)初始为\(i\)的概率为\(p_i\). \(m

线性代数精华——矩阵的特征值与特征向量

今天和大家聊一个非常重要,在机器学习领域也广泛使用的一个概念--矩阵的特征值与特征向量. 我们先来看它的定义,定义本身很简单,假设我们有一个n阶的矩阵A以及一个实数\(\lambda\),使得我们可以找到一个非零向量x,满足: \[Ax=\lambda x\] 如果能够找到的话,我们就称\(\lambda\)是矩阵A的特征值,非零向量x是矩阵A的特征向量. 几何意义 光从上面的式子其实我们很难看出来什么,但是我们可以结合矩阵变换的几何意义,就会明朗很多. 我们都知道,对于一个n维的向量x来说,如

nyoj_148_fibonacci数列(二)_矩阵快速幂

fibonacci数列(二) 时间限制:1000 ms  |  内存限制:65535 KB 难度:3 描述 In the Fibonacci integer sequence, F0 = 0, F1 = 1, and Fn = Fn − 1 + Fn − 2 for n ≥ 2. For example, the first ten terms of the Fibonacci sequence are: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, … An alterna

『Python』PIL图像处理_矩阵转化

应师兄要求改图,因为使用了PIL包把图片对象转化为numpy的矩阵,截取以及处理很好玩且方便,特此记录: 1 import numpy as np 2 from PIL import Image 3 import matplotlib.pyplot as plt 4 5 img = Image.open('./7b6021ef9e6892dcf14dc5dd269afaada763fedc13b29-iHXENu_fw658.jpeg') 6 plt.imshow(img) 7 plt.show