人工智能中的数学基础之一(线性代数篇)

<正>人工智能技术是建立在数学模型之上,包含有许多数学基础知识,其中线性代数研究的是以向量和矩阵的形式来研究抽象化的万事万物的变化规律.来看两个问题:(1)特征值和特征向量的意义;(2)范数的意义.可以这样来描述向量和矩阵:向量x是n维线性空间中的静止点;线性变换描述了向量的变化,用矩阵     

二次自伴矩阵多项式阵的特征值

系统地论证了二次自伴矩阵多项式特征值,特征向量的性质.给出了二次自伴矩阵多项式特征值与任一非零向量所对应的二次多项式根之间的大小关系;精确地给出了二次自伴矩阵多项式是负定时参数的界;简化了二次自伴矩阵多项式的符号特征是正(负)的特征值对应特征向量间可以是线性无关等定理的证明.     

对合pascal矩阵

研究对合pascal矩阵Un,根据它的特殊结构,给出对合pascal矩阵Un和UnT的特征向量.最后还分别得到了Un和UnT的对应特征值1和-1的特征子空间.     

二次矩阵方程AX~2+BX+C=0的可对角化解

给出了二次矩阵方程AX2+BX+C=0的特征值和特征子空间的定义,然后运用其特征子空间的维数或特征向量刻画了该二次矩阵方程存在可对角化解的充要条件.     

特征值与特征向量

特征值与特征向量的两种不同定义是一致的：线性变换/A与其对应的n阶矩阵A有相同的特征值,而n阶矩阵A的特征向量x是/A的特征向量ξ在基ε1,…εn下的坐标。     

最小多项式矩阵与线性多变量系统(Ⅰ)

本文分为两部分:(Ⅰ)为关于最小多项式矩阵的理论:(Ⅱ)为最小多项式矩阵理论在线性多变量系统中的应用.在(Ⅰ)中,我们给出了线性变换在向量组的消失多项式矩阵与最小多项式矩阵的概念,给出了不变子空间的生成组与最小生成组的概念.在讨论了这些概念的基本性质之后,我们研究了它们与线性变换在任何不变子空间上诱导算子对应的特征矩阵之间的关系,给出了向量组的最小多项式矩阵类的特征,并给出了有相同生成空间的生成组之间的充分必要条件.利用这些结果,对于给定的矩阵A,给出了能使系统x=Ax+Bu完全可控的矩阵B的全体的集合的表达式.     

调和Arnoldi方法的一种变形

讨论求解大规模非对称矩阵内部特征问题的一种方法,与标准的调和A rnold i方法相比,该方法仍用调和R itz值作为特征值的近似,而在近似特征向量选取方面,我们充分利用A rnold i过程所提供的最末一个基向量的信息,在多1维K ry lov子空间中选取一个向量-称之为改进的调和R itz向量-作为所求的特征向量的近似.理论分析和数值试验均表明这种变形的调和A rnold i方法的可行性和有效性.     

几个Ritz迭代的收敛性

1.大稀疏对称特征值问题的解法中有一类方法是构造一个子空间序列,逐次逼近某些特征向量张成的不变子空间,并用子空间上的Ritz值和Ritz向量逼近原问题特征值和特征向量。同时迭代法,Lanczos法,和块Lanczos法等就都是这样。它们     

欧氏空间Rn的子空间的本性矩阵及其应用

提出欧氏空间Rn的子空间的本性矩阵的概念,并给出了在一类特征值反问题中的应用,证明了有s个已知互异特征值的实对称矩阵由其任何s-1个特征子空间唯一确定.     

乘幂法求矩阵特征向量与特征值的初始向量及循环控制

矩阵迭代法是求矩阵的第一阶特征值与特征向量的一种数值方法 .本文讨论了用矩阵迭代法求解矩阵的特征值与特征向量时的初始向量选取和循环控制条件     

一类无穷维Hamilton算子根向量组的完备性

本文研究主对角元为常数的无穷维Hamilton算子的特征值问题.基于次对角元乘积的特征值和特征向量的某些性质,刻画此类Hamilton算子特征值分布、特征值的代数指标、特征向量(或一阶根向量)的辛正交关系及特征向量组和根向量组在辛Hilbert空间中完备的充要条件.     

一类线性变换的特征值、特征向量和对角化问题

一类线性变换的特征值、特征向量和对角化问题麦苗（北京信息工程学院）一、引言文［１］的作者之一Ｃ．Ｒ．Ｊｏｈｎｓｏｎ考虑了２×２矩阵到自身的一个线性变换：Ｌ＝Ａ×Ｂ，其中Ａ，Ｂ为２×２矩阵，指出，在Ａ与Ｂ均有不同特征值的假设下，线性变换Ｌ的特征值是Ａ的...     

Jordan标准形过渡矩阵的一种算法

给出Jordan定理的一个证明,以及Jordan标准形过渡矩阵的一种算法:求出一线性方程组解空间的基,解空间即是矩阵关于某特征值的特征向量、广义特征向量所张成的子空间,在该解空间中依次找出各特征向量及所对应的广义特征向量.一个8阶矩阵的计算实例表明算法简便实用.     

二阶矩阵的特征值和特征向量常考题型例析

矩阵的特征值和特征向量是矩阵与变换的一个非常重要的内容,利用矩阵的特征值和特征向量,可以方便地计算多次矩阵变换的结果,而且在实际工程计算和工程控制中也发挥着重要作用.二阶矩阵的特征值和特征向量有两个基本内容.一是二阶矩阵的特征值和特征向量的概念：设A是一个二阶矩阵,如果对于实数λ,存在一个非零向量α,使得Aα=λα,那么λ称为A的一个特征值,而α称为A的属于特征值λ的一个特征向量.     

核空间与像空间构成直和的条件

根据线性变换与矩阵之间的联系,利用Jordan标准型给出线性变换的核空间与像空间构成直和的条件,即线性变换的特征值不含零,或以零为特征值的Jordan块均为一阶.     

实对称矩阵基本定理的存在性证明

对于实对称矩阵A,通过考虑欧氏空间?~n中的连续函数f(X)=X~TAX在一些有界闭集上的最大值,构造相应子空间上的半正定矩阵,进而得到实对称矩阵A的实特征值和相应的特征向量.最终可得实对称矩阵A可以正交相似对角化.     

立方矩阵的方向特征值与方向特征向量

对立方矩阵定义了方向特征值与方向特征向量,并研究了其基本性质.证明了立方矩阵的特征值是随着方向连续变化的,同时也证明了超对称立方矩阵可以由其一些方向特征值和特征向量重建.     

解大规模矩阵特征问题的复合正交投影方法 *

对于求解大规模矩阵特征问题的经典正交投影类方法 ,当矩阵非Hermite时 ,Ritz向量收敛比Ritz值收敛要困难得多 .已有一类新的精化正交投影类方法 ,它们用精化的近似特征向量取代标准的Ritz向量来逼近所求的特征向量 .证明了在某种意义下 ,每个精化方法是两个经典方法的复合 ,精化近似特征向量满足某个Her mite半正定矩阵在同一个子空间上的经典正交投影 ,进而 ,用特征向量到子空间的距离建立了精化近似特征向量的先验误差界 .结果表明 ,精化的近似特征向量和对应的Ritz值收敛的充分条件相同 .     

广义特征向量几种算法的比较

关于求一个矩阵 Jordan标准型的变换矩阵问题须计算矩阵的广义特征向量 ,目前常见的矩阵理论教材中有下述两种方法 .下设 A是 n× n阶矩阵 ,λ是 A的某特征值 ,其代数重数为 r,几何重数为 s且r>s.方法 1　由方程 ( A- λI) x=0解出 A的特征向量 p,由 ( A- λI) x=p解出第一个广义特征向量 q,这里的 p不能是任一特征向量而应是 A的 λ特征子空间内使方程 ( A- λI) x=p有解的那一个 .设 A的 λ特征子空间的基是 p1,p2 ,… ,ps,当 s>1时正确的说法是 :通过选择系数 k1,k2 ,… ,ks由方程 ( A- λI) x=k1p1+ k2 p2 +… + ksps解出第一个广…     

幂等矩阵的性质及其推广

首先对幂等矩阵的简单性质进行了归纳总结,接着论证了幂等矩阵的等价条件及其特征值的取值范围,并讨论了幂等矩阵与实对称矩阵的关系、幂等矩阵与其伴随矩阵的特征值和特征向量的对应关系及幂等矩阵在群逆中的一个性质.最后讨论了幂等矩阵的两种分解形式.