MIT线性代数笔记-第35讲-期末复习

目录

  • 35.期末复习
    • 打赏

35.期末复习

  1. 已知一个矩阵 A A A满足 A x ⃗ = [ 1 0 0 ] A \vec{x} = \begin{bmatrix} 1 \\ 0 \\ 0 \end{bmatrix} Ax = 100 无解且 A x ⃗ = [ 0 1 0 ] A \vec{x} = \begin{bmatrix} 0 \\ 1 \\ 0 \end{bmatrix} Ax = 010 仅有一个解

    (1)求 A A A的行、列和秩

    (2)判断正误:① A A T A A^T AAT是正定矩阵

    ​       ② A T A A^T A ATA可逆

    ​       ③ A T A A^T A ATA A A T A A^T AAT的行列式相等

    (3)证明 A T y ⃗ = c ⃗ A^T \vec{y} = \vec{c} ATy =c 对于任意 c ⃗ \vec{c} c 都至少有一个解

    A n s Ans Ans:(1)易得 m = 3 m = 3 m=3

    ​    因为 A x ⃗ = [ 0 1 0 ] A \vec{x} = \begin{bmatrix} 0 \\ 1 \\ 0 \end{bmatrix} Ax = 010 仅有一个解,所以 n = r < m n = r < m n=r<m,因而 n = r = 1 n = r = 1 n=r=1 n = r = 2 n = r = 2 n=r=2

    ​    (2)①错误, A A T A A^T AAT的秩和 A A A一致,小于 3 3 3,而 A A T A A^T AAT 3 3 3阶方阵,所以 A A T A A^T AAT不可逆,不可能为正定矩阵

    ​     ②正确, A T A A^T A ATA的零空间和 A A A一致,而 A A A n = r n = r n=r,零空间中只有 0 ⃗ \vec{0} 0 ,所以 A T A A^T A ATA可逆

    ​     ③错误, A T A A^T A ATA可逆而 A A T A A^T AAT不可逆,二者行列式肯定不相等

    ​    (3)因为 A A A的列线性无关,所以 A T A^T AT的行线性无关,因而 A T y ⃗ = c ⃗ A^T \vec{y} = \vec{c} ATy =c 对于任意 c ⃗ \vec{c} c 都至少有一个解

  2. 已知一个马尔可夫矩阵 A = [ 0.2 0.4 0.3 0.4 0.2 0.3 0.4 0.4 0.4 ] A = \begin{bmatrix} 0.2 & 0.4 & 0.3 \\ 0.4 & 0.2 & 0.3 \\ 0.4 & 0.4 & 0.4 \end{bmatrix} A= 0.20.40.40.40.20.40.30.30.4 ,有 u ⃗ 0 = [ 0 10 0 ] , u ⃗ k = A k u ⃗ 0 \vec{u}_0 = \begin{bmatrix} 0 \\ 10 \\ 0 \end{bmatrix} , \vec{u}_k = A^k \vec{u}_0 u 0= 0100 ,u k=Aku 0,求 lim ⁡ k → + ∞ u ⃗ k \lim_{k \to +\infty} \vec{u}_k limk+u k

    A n s Ans Ans A A A的第一二列之和为第三列的两倍,所以 A A A的列线性相关, A A A不可逆,有一个特征值为 0 0 0

    ​    因为 A A A是马尔可夫矩阵,所以还有一个特征值为 1 1 1,最后一个特征值是 ( 0.2 + 0.2 + 0.4 ) − 0 − 1 = − 0.2 (0.2 + 0.2 + 0.4) - 0 - 1 = -0.2 (0.2+0.2+0.4)01=0.2

    ​    所以 u ⃗ k = c 1 λ 1 k x ⃗ 1 + c 2 λ 2 k x ⃗ 2 + c 3 λ 3 k x ⃗ 3 = c 2 x ⃗ 2 + c 3 ( − 0.2 ) k x ⃗ 3 \vec{u}_k = c_1 \lambda_1^k \vec{x}_1 + c_2 \lambda_2^k \vec{x}_2 + c_3 \lambda_3^k \vec{x}_3 = c_2 \vec{x}_2 + c_3 (-0.2)^k \vec{x}_3 u k=c1λ1kx 1+c2λ2kx 2+c3λ3kx 3=c2x 2+c3(0.2)kx 3

    ​    又 lim ⁡ k → + ∞ ( − 0.2 ) k = 0 \lim_{k \to +\infty} (-0.2)^k = 0 limk+(0.2)k=0,所以 lim ⁡ k → + ∞ u ⃗ k = c 2 x ⃗ 2 \lim_{k \to +\infty} \vec{u}_k = c_2 \vec{x}_2 limk+u k=c2x 2

    ​    有 A − I = [ − 0.8 0.4 0.3 0.4 − 0.8 0.3 0.4 0.4 − 0.6 ] A - I = \begin{bmatrix} -0.8 & 0.4 & 0.3 \\ 0.4 & -0.8 & 0.3 \\ 0.4 & 0.4 & -0.6 \end{bmatrix} AI= 0.80.40.40.40.80.40.30.30.6 ,第一二列之和为第三列的 − 4 3 -\dfrac{4}{3} 34,所以 [ 3 3 4 ] \begin{bmatrix} 3 \\ 3 \\ 4 \end{bmatrix} 334 在它的零空间中

    ​    又刚好 3 + 3 + 4 = 0 + 10 + 0 3 + 3 + 4 = 0 + 10 + 0 3+3+4=0+10+0,所以 c 2 = 1 , lim ⁡ k → + ∞ u ⃗ k = [ 3 3 4 ] c_2 = 1 , \lim_{k \to +\infty} \vec{u}_k = \begin{bmatrix} 3 \\ 3 \\ 4 \end{bmatrix} c2=1,limk+u k= 334 (因为乘上马尔可夫矩阵不会改变元素和)

  3. 求特征值为 0 , 3 0 , 3 0,3,且对应特征向量分别为 [ 1 2 ] , [ 2 1 ] \begin{bmatrix} 1 \\ 2 \end{bmatrix} , \begin{bmatrix} 2 \\ 1 \end{bmatrix} [12],[21]的二阶矩阵

    A n s Ans Ans:该二阶矩阵为 S Λ S − 1 = [ 1 2 2 1 ] [ 0 0 0 3 ] [ − 1 3 2 3 2 3 − 1 3 ] = [ 4 2 − 2 − 1 ] S \Lambda S^{-1} = \begin{bmatrix} 1 & 2 \\ 2 & 1 \end{bmatrix} \begin{bmatrix} 0 & 0 \\ 0 & 3 \end{bmatrix} \begin{bmatrix} -{1 \over 3} & {2 \over 3} \\ {2 \over 3} & -{1 \over 3} \end{bmatrix} = \begin{bmatrix} 4 & 2 \\ -2 & -1 \end{bmatrix} SΛS1=[1221][0003][31323231]=[4221]


打赏

制作不易,若有帮助,欢迎打赏!
赞赏码

支付宝付款码

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/283120.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Linux驱动学习—pinctl和gpio子系统

1、pinctl和gpio子系统&#xff08;一&#xff09; 1.1pinctrl 子系统主要工作内容 <1>获取设备树中 pin 信息&#xff0c;管理系统中所有的可以控制的 pin&#xff0c; 在系统初始化的时候&#xff0c; 枚举所有可以控制的 pin&#xff0c; 并标识这些 pin。 <2>…

burpsuite模块介绍之compare

导语 Burp Comparer是Burp Suite中的一个工具&#xff0c;主要提供一个可视化的差异比对功能&#xff0c;可以用于分析比较两次数据之间的区别。它的应用场景包括但不限于&#xff1a; 枚举用户名过程中&#xff0c;对比分析登陆成功和失败时&#xff0c;服务器端反馈结果的区…

python脚本实现一次提取多个文件下的图片

problem formulation 有时候下载的数据集如下&#xff0c;就很烦&#xff0c;一个里面就一张图片 code import os import shutil# 定义源目录和目标目录 source_dir ./dataset/data/Detection destination_dir ./dataset/data/img# 确保目标目录存在&#xff0c;如果不存…

初识大数据,一文掌握大数据必备知识文集(7)

&#x1f3c6;作者简介&#xff0c;普修罗双战士&#xff0c;一直追求不断学习和成长&#xff0c;在技术的道路上持续探索和实践。 &#x1f3c6;多年互联网行业从业经验&#xff0c;历任核心研发工程师&#xff0c;项目技术负责人。 &#x1f389;欢迎 &#x1f44d;点赞✍评论…

pycharm python环境安装

目录 1.Python安装 2.PyQt5介绍 3.安装pyuic 4.启动designer.exe 5.pyinstaller(打包发布程序) 6.指定源安装 7.PyQt5-tools安装失败处理 8.控件介绍 9.错误记录 1.NameError: name reload is not defined 10.开发记录 重写报文输出和文件 ​编辑 1.Python安装 点…

BFS

目录 BFS 走迷宫 BFS 算法特点 优先考虑宽度&#xff0c;换句话说就是按层推进&#xff0c;直到最后一层。 空间复杂度&#xff1a;O&#xff08;2^h&#xff09; BFS是按宽度搜索&#xff0c;所以可以找到最短路&#xff0c;适用于解决像最短路&#xff0c;最少之类的问题…

Python装饰器的专业解释

装饰器&#xff0c;其实是用到了闭包的原理来进行操作的。 单个装饰器&#xff1a; 以下是一个简单的例子&#xff1a; def outer(func):print("OUTER enter ...")def wrapper(*args, **kwargs):print("调用之前......")result func(*args, **kwargs)p…

【YOLO系列】yolo V1 ,V3,V5,V8 解释

文章目录 yolo V1 模型结构图通道数 的 物理意义是什么&#xff1f;输出 7730 怎么理解&#xff1f;YOLO v1 损失函数LOSS yolo V3yolo V5yolo V8 视频来源&#xff1a;https://www.bilibili.com/video/BV13K411t7Zs/ AI视频小助理 一、YOLO系列的目标检测算法&#xff0c;其中…

【操作系统】存储器管理

目录 4.1 存储器的层次结构 4.1.1 多级存储结构 4.1. 2 可执行存储器 4.1.3 高速缓存和磁盘缓存 4.2 程序的装入和链接 4.2.1 程序的装入 4.2.2 程序的链接 1.静态链接(Static Linking)方式 (1) 对相对地址进行修改。 (2) 变换外部调用符号。 2. 装入时动态链接(Load-t…

CodeWave赋能创新的全功能技术平台

目录 前言1 应用中心2 资产中心&#xff1a;汇聚创新能量&#xff0c;提供开发加速3 集成中心3.1 API管理3.2 报表管理 4 运维中心4.1 资源监控4.2 用户管理4.3 权限管理4.4 日志与监控 5 配置中心5.1 源码配置5.2 镜像仓库配置5.3 数据库配置5.4 报表配置5.5 资产配置5.6 品牌…

JavaFX:MVC模式学习01-使用PropertyValueFactory将模型与视图绑定

PropertyValueFactory类是“TableColumn cell value factory”,绑定创建列表中的项。示例如下&#xff1a; TableColumn<Person,String> firstNameCol new TableColumn<Person,String>("First Name");firstNameCol.setCellValueFactory(new PropertyVal…

安装torch(GPU版本)并在Pycharm中配置

零.前置环境 1.NVIDIA GPU Computing Toolkit已安装 版本为&#xff1a;11.6 已添加到环境变量 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp 在cmd中查看cuda版本 方法1&#xff1a…

详解Vue3中的鼠标事件mousemove、mouseover和mouseout

本文主要介绍Vue3中的常见鼠标事件mousemove、mouseover和mouseout。 目录 一、mousemove——鼠标移动事件二、mouseover——鼠标移入事件三、mouseout——鼠标移出事件 下面是Vue 3中常用的鼠标事件mousemove、mouseover和mouseout的详解。 一、mousemove——鼠标移动事件 鼠…

图神经网络--GNN从入门到精通

图神经网络--GNN从入门到精通 一、图的基本表示和特征工程1.1 什么是图1.2 图的基本表示1.3 图的性质--度&#xff08;degree)1.4 连通图&#xff0c;连通分量1.5有向图连通性1.6图直径1.7度中心性1.7特征中心性&#xff08; Eigenvector Centrality&#xff09;1.8中介中心性 …

年度总结 | 回味2023不平凡的一年

目录 前言1. 平台成就2. 自我提升3. Bug连连4. 个人展望 前言 每年CSDN的总结都不能落下&#xff0c;回顾去年&#xff1a;年度总结 | 回味2022不平凡的一年&#xff0c;在回忆今年&#xff0c;展望下年 1. 平台成就 平台造就我&#xff08;我也造就平台哈哈&#xff09; 每…

汇川PLC(H5U):定时器指令

一、H5U系列的定时器种类 H5U系列PLC的定时器指令都封装成指令块了&#xff0c;共4种类型&#xff1a;脉冲定时器、接通延时定时器、关断延时定时器、时间累加定时器。 H5U系列PLC的定时器时间基准是1ms&#xff0c;在IN引脚的执行指令有效的时候开始跟新计数器的值。 我们知…

门控循环单元(GRU)-多输入时序预测

目录 一、程序及算法内容介绍&#xff1a; 基本内容&#xff1a; 亮点与优势&#xff1a; 二、实际运行效果&#xff1a; 三、部分代码&#xff1a; 四、完整代码数据下载&#xff1a; 一、程序及算法内容介绍&#xff1a; 基本内容&#xff1a; 本代码基于Matlab平台编译…

LVS那点事

LVS 原理 IPVS LVS 的 IP 负载均衡技术是通过 IPVS 模块来实现的&#xff0c;IPVS 是 LVS 集群系统的核心软件&#xff0c;它的主要作用是&#xff1a;安装在 Director Server 上&#xff0c;同时在 Director Server 上虚拟出一个 IP 地址&#xff0c;用户必须通过这个虚拟的…

Docker的一个简单例子(一)

文章目录 环境示例准备构建启动/停止容器更新应用分享应用 参考 环境 RHEL 9.3Docker Community 24.0.7 示例 准备 从github克隆 getting-started-app 项目&#xff1a; git clone https://github.com/docker/getting-started-app.git查看项目&#xff1a; ➜ getting-s…

vue-springboot基于JavaWeb的家装一体化商城平台guptn

针对用户需求开发与设计&#xff0c;该技术尤其在各行业领域发挥了巨大的作用&#xff0c;有效地促进了家装一体化的发展。然而&#xff0c;由于用户量和需求量的增加&#xff0c;信息过载等问题暴露出来&#xff0c;为改善传统线下管理中的不足&#xff0c;本文将提出一套基于…
最新文章