线性代数——实对成矩阵的对角化例子
文章目录
- 题目
- 解答过程
- 1、求 A 的特征值
- 2、得到对角化矩阵
- 3、求 A 的特征向量
- 4、将特征向量正交单位化
- 5、计算 U − 1 U^{-1} U−1
题目
将下列矩阵对角化
A = [ 0 0 0 0 0 0 − 2 i θ 0 0 − 2 i θ 0 0 0 0 0 0 ] \begin{aligned} A&=\left[\begin{array}{ll} 0 & 0& 0& 0 \\ 0 & 0& -2i\theta& 0 \\ 0 & -2i\theta& 0& 0 \\ 0 & 0& 0& 0 \end{array}\right] \end{aligned} A=⎣⎢⎢⎡000000−2iθ00−2iθ000000⎦⎥⎥⎤
解答过程
1、求 A 的特征值
解方程 ∣ A − λ ∣ = 0 |A-\lambda|=0 ∣A−λ∣=0 :
A = ∣ − λ 0 0 0 0 − λ − 2 i θ 0 0 − 2 i θ − λ 0 0 0 0 − λ ∣ = 0 \begin{aligned} A&=\left|\begin{array}{ll} -\lambda& 0& 0& 0 \\ 0 & -\lambda& -2i\theta& 0 \\ 0 & -2i\theta& -\lambda& 0 \\ 0 & 0& 0& -\lambda \end{array}\right|=0 \end{aligned} A=∣∣∣∣∣∣∣∣−λ0000−λ−2iθ00−2iθ−λ0000−λ∣∣∣∣∣∣∣∣=0 得到:
λ 1 = λ 2 = 0 , λ 3 = 2 i θ λ 4 = − 2 i θ \begin{aligned} \lambda_1&=\lambda_2=0, \\ \lambda_3&=2i\theta \\ \lambda_4&=-2i\theta \end{aligned} λ1λ3λ4=λ2=0,=2iθ=−2iθ
2、得到对角化矩阵
D = [ λ 1 0 0 0 0 λ 2 0 0 0 0 λ 3 0 0 0 0 λ 4 ] = [ 0 0 0 0 0 0 0 0 0 0 2 i θ 0 0 0 0 − 2 i θ ] \begin{aligned} D&=\left[\begin{array}{ll} \lambda_1 & 0& 0& 0 \\ 0 & \lambda_2& 0& 0 \\ 0 & 0& \lambda_3& 0 \\ 0 & 0& 0& \lambda_4 \end{array}\right] \end{aligned} =\left[\begin{array}{ll} 0 & 0& 0& 0 \\ 0 & 0& 0& 0 \\ 0 & 0& 2i\theta& 0 \\ 0 & 0& 0& -2i\theta \end{array}\right] D=⎣⎢⎢⎡λ10000λ20000λ30000λ4⎦⎥⎥⎤=⎣⎢⎢⎡00000000002iθ0000−2iθ⎦⎥⎥⎤
3、求 A 的特征向量
λ 1 = λ 2 = 0 \lambda_1=\lambda_2=0 λ1=λ2=0:
解方程:
[ 0 0 0 0 0 0 − 2 i θ 0 0 − 2 i θ 0 0 0 0 0 0 ] [ x 1 x 2 x 3 x 4 ] = [ 0 0 0 0 ] \begin{aligned} \left[\begin{array}{ll} 0 & 0& 0& 0 \\ 0 & 0& -2i\theta& 0 \\ 0 & -2i\theta& 0& 0 \\ 0 & 0& 0& 0 \end{array}\right] \left[\begin{array}{ll} x_1\\ x_2 \\ x_3 \\ x_4 \end{array}\right]= \left[\begin{array}{ll} 0\\ 0 \\ 0 \\ 0 \end{array}\right] \end{aligned} ⎣⎢⎢⎡000000−2iθ00−2iθ000000⎦⎥⎥⎤⎣⎢⎢⎡x1x2x3x4⎦⎥⎥⎤=⎣⎢⎢⎡0000⎦⎥⎥⎤得到对应的基础解系:
η 1 = [ 1 0 0 0 ] , η 2 = [ 0 0 0 1 ] \eta_1=\left[\begin{array}{ll} 1\\ 0 \\ 0 \\ 0 \end{array}\right], \eta_2=\left[\begin{array}{ll} 0\\ 0 \\ 0 \\ 1 \end{array}\right] η1=⎣⎢⎢⎡1000⎦⎥⎥⎤,η2=⎣⎢⎢⎡0001⎦⎥⎥⎤ λ 3 = 2 i θ \lambda_3=2i\theta λ3=2iθ:
解方程:
[ − 2 i θ 0 0 0 0 − 2 i θ − 2 i θ 0 0 − 2 i θ − 2 i θ 0 0 0 0 − 2 i θ ] [ x 1 x 2 x 3 x 4 ] = [ 0 0 0 0 ] \begin{aligned} \left[\begin{array}{ll} -2i\theta & 0& 0& 0 \\ 0 & -2i\theta& -2i\theta& 0 \\ 0 & -2i\theta& -2i\theta& 0 \\ 0 & 0& 0& -2i\theta \end{array}\right] \left[\begin{array}{ll} x_1\\ x_2 \\ x_3 \\ x_4 \end{array}\right]= \left[\begin{array}{ll} 0\\ 0 \\ 0 \\ 0 \end{array}\right] \end{aligned} ⎣⎢⎢⎡−2iθ0000−2iθ−2iθ00−2iθ−2iθ0000−2iθ⎦⎥⎥⎤⎣⎢⎢⎡x1x2x3x4⎦⎥⎥⎤=⎣⎢⎢⎡0000⎦⎥⎥⎤得到对应的基础解系:
η 3 = [ 0 1 − 1 0 ] \eta_3=\left[\begin{array}{ll} 0\\ 1 \\ -1 \\ 0 \end{array}\right] η3=⎣⎢⎢⎡01−10⎦⎥⎥⎤ λ 4 = − 2 i θ \lambda_4=-2i\theta λ4=−2iθ:
解方程:
[ 2 i θ 0 0 0 0 2 i θ − 2 i θ 0 0 − 2 i θ 2 i θ 0 0 0 0 2 i θ ] [ x 1 x 2 x 3 x 4 ] = [ 0 0 0 0 ] \begin{aligned} \left[\begin{array}{ll} 2i\theta & 0& 0& 0 \\ 0 & 2i\theta& -2i\theta& 0 \\ 0 & -2i\theta& 2i\theta& 0 \\ 0 & 0& 0& 2i\theta \end{array}\right] \left[\begin{array}{ll} x_1\\ x_2 \\ x_3 \\ x_4 \end{array}\right]= \left[\begin{array}{ll} 0\\ 0 \\ 0 \\ 0 \end{array}\right] \end{aligned} ⎣⎢⎢⎡2iθ00002iθ−2iθ00−2iθ2iθ00002iθ⎦⎥⎥⎤⎣⎢⎢⎡x1x2x3x4⎦⎥⎥⎤=⎣⎢⎢⎡0000⎦⎥⎥⎤得到对应的基础解系:
η 4 = [ 0 1 1 0 ] \eta_4=\left[\begin{array}{ll} 0 \\ 1 \\ 1 \\ 0 \end{array}\right] η4=⎣⎢⎢⎡0110⎦⎥⎥⎤
4、将特征向量正交单位化
U = [ 1 0 0 0 0 0 2 2 2 2 0 0 − 2 2 2 2 0 1 0 0 ] U=\left[\begin{array}{ll} 1 & 0& 0& 0 \\ 0 & 0& \frac{\sqrt{2}}{2}& \frac{\sqrt{2}}{2} \\ 0 & 0& -\frac{\sqrt{2}}{2}& \frac{\sqrt{2}}{2} \\ 0 & 1& 0& 0 \end{array}\right] U=⎣⎢⎢⎡10000001022 −22 0022 22 0⎦⎥⎥⎤
5、计算 U − 1 U^{-1} U−1
U − 1 = U † = [ 1 0 0 0 0 0 0 1 0 2 2 − 2 2 0 0 2 2 2 2 0 ] U^{-1}=U^{\dagger}=\left[\begin{array}{ll} 1 & 0& 0& 0 \\ 0 & 0& 0& 1 \\ 0 & \frac{\sqrt{2}}{2}& -\frac{\sqrt{2}}{2}& 0 \\ 0 & \frac{\sqrt{2}}{2}& \frac{\sqrt{2}}{2}& 0 \end{array}\right] U−1=U†=⎣⎢⎢⎡10000022 22 00−22 22 0100⎦⎥⎥⎤
线性代数——实对成矩阵的对角化例子相关推荐
- 线性代数笔记:矩阵的对角化、SVD分解及应用
矩阵的对角化.SVD分解及应用 矩阵的对角化.SVD分解及应用 矩阵运算的总结 矩阵对角化 SVD分解(奇异值分解) 应用 矩阵的对角化.SVD分解及应用 许多数学对象可以通过将它们分解成多个组成部分 ...
- 快手基于 Flink 构建实时数仓场景化实践
摘要:本文整理自快手数据技术专家李天朔在 5 月 22 日北京站 Flink Meetup 分享的议题<快手基于 Flink 构建实时数仓场景化实践>,内容包括: 快手实时计算场景 快手实 ...
- 支付渠道参数如何设计成路由化配置
转载自 支付渠道参数如何设计成路由化配置 今天我们来探讨在搭建支付系统时一个比较关键的问题:渠道参数路由化配置如何设计? 在开发支付系统的时候,我们经常会涉及到对接多个支付渠道,除常见的支付宝.微信 ...
- 「镁客·请讲」虚之实康成:等风来不如先发制人,打磨好硬件产品才是王道...
虚之实的VIA WALK原地行走器可以让我们在虚拟世界自由行走和互动. 戴上VR头显,绑上护具,调试好设备,握好枪摆好姿势--在线下体验店里,我们经常会看到这样的场景. 但是如果想要在虚拟空间中来回走 ...
- 计算机专业项目化教学,中职计算机专业实训课项目化教学实践探索
中职计算机专业实训课项 目化教学实践探索 李 叶 (淮海技师学院,江苏 宿迁 223800) 摘 要:中职教育的主要教学目标与实质是培养学生的创新精神与实践能力,提高学生的毕业就业录取率,努力将学生塑 ...
- 矩阵的对角化(Diagonalizing a Matrix )
如果一个矩阵时一个上三角.下三角或者对角矩阵,这个带来很大的方便.但是往往很多矩阵都不是对角矩阵,本文就来介绍如何使用特征值和特征向量把一个矩阵变成对角矩阵! 1.对角化 我们假设一个n*n的矩阵有n ...
- 将java类转换成jsp的例子_使用 动作可以在JSP页面中得到Bean实例的属性值,并将其转换为()_学小易找答案...
[单选题]下面哪个方法当服务器关闭时被调用,用来释放Servlet所占用的资源? [多选题]非处方药的遴选原则是( ). [单选题]主控制板与门机变频器有开门.关门命令.公共端,那么主控制板应该是() ...
- python 分隔符为逗号或顿号_js中通过split函数分割字符串成数组小例子
str="2,2,3,5,6,6"; //这是一字符串 var strs= new Array(); //定义一数组 strs=str.split(","); ...
- 矩阵的对角化与特征值及特征向量
参考链接:https://blog.csdn.net/crazy_scott/article/details/79795567
最新文章
- 我心中的核心组件(可插拔的AOP)~第十三回 实现AOP的拦截组件Unity.Interception...
- 仿中国比特币首页趋势图,折线图,k线图
- redhat下网络的配置
- 数据结构-顺序查找的二分查找法(折半查找)
- vf6.0 如何把命令窗口字体变大些_终端命令行工具iTerm2 for Mac免费版
- [Linux]NAT和代理服务器
- 原生input和onchange
- while循环(包含死循环、while嵌套)
- 底部导航栏使用BottomNavigationBar
- cpu与计算机其他的通信,PC与CPU224 通讯
- 达龙微信公众号正式改版啦!!!
- 单片机复位电路,隐藏着这么多门道
- 腕管综合征(鼠标手)的康复之路
- 【自动驾驶】【小障碍物感知】
- python 爬取doc文档
- 19行列式公式和代数余子式
- 知识汇总:Python办公自动化应该学习哪些内容
- 【工具】MobaXterm常用设置
- 网易跨域实现笔记以及顺便发现的XSS
- 《潮流时装设计——世界顶级时装CAD制板技巧》——1.1 什么是服装CAD