maths.free › Linear Algebra › Diagonalisation and matrix powers

Diagonalisation and matrix powers

A = PDP⁻¹, computing Aⁿ, and the matrices that cannot be diagonalised.

With a full set of eigenvectors, A = PDP⁻¹ where D is diagonal, so Aⁿ = PDⁿP⁻¹: Fibonacci in closed form, Markov chains at equilibrium. Picture it: the transformation stretching along eigenvector directions and nothing else. Think it: symmetric matrices always diagonalise with orthogonal eigenvectors (the spectral theorem); defective ones need Jordan form.

လုပ်ဆောင်ခဲ့သောဥပမာ · eigenvalues of [[4,1],[2,3]]

Linear-Algebra · Eigenvalues

Eigenvalues of [[4,1],[2,3]]

\left[\begin{matrix}4 & 1\\2 & 3\end{matrix}\right]

ခြေလှမ်းတစ်လှမ်း

  1. \det(A - \lambda I) = 0

    Eigenvalues are the roots of the characteristic polynomial.

  2. \det\left[\begin{matrix}4 - \lambda & 1\\2 & 3 - \lambda\end{matrix}\right] = 0

    Subtract λ from the diagonal.

  3. \lambda^{2} - 7 \lambda + 10 = 0

    Expand the determinant.

  4. \left(\lambda - 5\right) \left(\lambda - 2\right) = 0

    Factor.

  5. \lambda = 5, \lambda = 2

    Eigenvalues (with multiplicity).

  6. \lambda = 2:\ (A - \lambda I)\mathbf{v} = 0 \Rightarrow \mathbf{v} = \left[\begin{matrix}- \frac{1}{2}\\1\end{matrix}\right]

    Solve (A − 2I)v = 0 for a basis eigenvector.

  7. \lambda = 5:\ (A - \lambda I)\mathbf{v} = 0 \Rightarrow \mathbf{v} = \left[\begin{matrix}1\\1\end{matrix}\right]

    Solve (A − 5I)v = 0 for a basis eigenvector.

အဖြေကို ဖော်ပြပါ
\lambda = 5,\; \lambda = 2

အခုတော့သင် ပြဿနာတစ်ခု Pick, သို့မဟုတ် type သို့မဟုတ်သင့်ကိုယ်ပိုင်ဆွဲ. အားလုံးအဆင့်, ဓာတ်ပုံ, သင်မေးသောအခါအထိအဖြေကိုပုန်း.

သင်၏ကိုယ်ပိုင်အလုပ်လုပ်ကိုင်ထား

တစ်ဦးအခမဲ့အကောင့်ကိုအားလုံးသင်ခန်းစာအပေါ်မှတ်စုများ adds, သင်ပြီးဆုံးခဲ့သည်ဘာ၏မှတ်တမ်း, တစ်နေရာတည်းတွင်သင်၏ဖြေရှင်းပြဿနာများကို, နှင့်သင်ဤစာမျက်နှာအကြောင်းကိုမေးနိုင်ပါတယ်ဆရာ. သင်္ချာကိုယ်လူတိုင်းအတွက်ဖွင့်, သို့မဟုတ်မဟုတ်ခဲ့.

မှတ်ပုံတင် ဝင်ရောက်မှု

ဒီနေရာမှာ သုံးစွဲတဲ့ သင်္ကေတများ

ပြည့်စုံသောအဓိပ္ပါယ်ဖွင့်ဆိုချက်အတွက်မည်သည့်အက္ခရာကိုမဆိုနှိပ်ပါ၊ ဓာတ်ပုံနှင့်၎င်းတွင်စာလုံးတိုင်းကိုဆိုလိုသည်ကို။

ဘယ်လို: Diagonalisation and matrix powers

  1. Eigenvalues are the roots of the characteristic polynomial.
  2. Subtract λ from the diagonal.
  3. Expand the determinant.
  4. Factor.
  5. Eigenvalues (with multiplicity).
  6. Solve (A − 2I)v = 0 for a basis eigenvector.
  7. Solve (A − 5I)v = 0 for a basis eigenvector.

လူတွေမေးတဲ့မေးခွန်းတွေ

What does a determinant mean geometrically?

It is the factor by which the matrix scales area (2×2) or volume (3×3), with a negative sign if orientation flips. Zero means the matrix flattens space and cannot be undone.

What is an eigenvector?

A direction the matrix does not turn: it only stretches it by the eigenvalue. Along eigenvectors a complicated matrix acts like multiplication by a number.

Why is matrix multiplication not commutative?

Because a matrix is a transformation and AB means "do B, then A". Rotating then reflecting is not the same as reflecting then rotating.

ပိုပြီး Linear Algebra

DeterminantsMatrix inverseEigenvalues and eigenvectorsMatrix multiplicationRow reductionVector spaces, span and linear independenceOrthogonality, projections and least squaresLinear transformations and change of basis