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​=⎣⎢⎢⎡​0000​00−2iθ0​0−2iθ00​0000​⎦⎥⎥⎤​​

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​=∣∣∣∣∣∣∣∣​−λ000​0−λ−2iθ0​0−2iθ−λ0​000−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} λ1​λ3​λ4​​=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​=⎣⎢⎢⎡​λ1​000​0λ2​00​00λ3​0​000λ4​​⎦⎥⎥⎤​​=⎣⎢⎢⎡​0000​0000​002iθ0​000−2iθ​⎦⎥⎥⎤​

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} ⎣⎢⎢⎡​0000​00−2iθ0​0−2iθ00​0000​⎦⎥⎥⎤​⎣⎢⎢⎡​x1​x2​x3​x4​​⎦⎥⎥⎤​=⎣⎢⎢⎡​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} ⎣⎢⎢⎡​−2iθ000​0−2iθ−2iθ0​0−2iθ−2iθ0​000−2iθ​⎦⎥⎥⎤​⎣⎢⎢⎡​x1​x2​x3​x4​​⎦⎥⎥⎤​=⎣⎢⎢⎡​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} ⎣⎢⎢⎡​2iθ000​02iθ−2iθ0​0−2iθ2iθ0​0002iθ​⎦⎥⎥⎤​⎣⎢⎢⎡​x1​x2​x3​x4​​⎦⎥⎥⎤​=⎣⎢⎢⎡​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=⎣⎢⎢⎡​1000​0001​022 ​​−22 ​​0​022 ​​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†=⎣⎢⎢⎡​1000​0022 ​​22 ​​​00−22 ​​22 ​​​0100​⎦⎥⎥⎤​

线性代数——实对成矩阵的对角化例子相关推荐

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 「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 ...

  5. 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 ...

  6. 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 ...

  7. 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() ...

  8. 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(","); ...

  9. 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

  1. 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...
  2. 仿中国比特币首页趋势图,折线图,k线图
  3. redhat下网络的配置
  4. 数据结构-顺序查找的二分查找法(折半查找)
  5. 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
  6. [Linux]NAT和代理服务器
  7. 原生input和onchange
  8. while循环(包含死循环、while嵌套)
  9. 底部导航栏使用BottomNavigationBar
  10. cpu与计算机其他的通信,PC与CPU224 通讯
  11. 达龙微信公众号正式改版啦!!!
  12. 单片机复位电路,隐藏着这么多门道
  13. 腕管综合征(鼠标手)的康复之路
  14. 【自动驾驶】【小障碍物感知】
  15. python 爬取doc文档
  16. 19行列式公式和代数余子式
  17. 知识汇总:Python办公自动化应该学习哪些内容
  18. 【工具】MobaXterm常用设置
  19. 网易跨域实现笔记以及顺便发现的XSS
  20. 《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

热门文章

  1. 集成环境哪个好?四大PHP集成开发环境比较
  2. pandas 数据比对
  3. 理解Python生成器的send函数
  4. 零基础如何入门Java
  5. 只允许输入汉字,英文,数字
  6. 学了8年Python,被这8行炫技代码惊呆了!
  7. 【考试指南】TiDB 5.0认证指南之PCTA PCTP
  8. 机器学习笔记二十四 中文分词资料整理
  9. aiohttp mysql_aiohttp 怎么复用连接池
  10. 黄仁勋台大毕典演说全文