共查询到20条相似文献,搜索用时 31 毫秒
1.
针对特征值与特征向量的抽象性,本文从特征值和特征向量的概念及特征值分解定理出发,通过几何直观演示、出租车的调配及高维数据的降维两个具体实例,并结合MATLAB软件阐明特征值与特征向量的几何直观性和实际应用,以期学生多角度深入理解特征值与特征向量,激发学生的学习兴趣,培养学生运用数学解决实际问题的能力. 相似文献
2.
矩阵的特征值与特征向量的研究 总被引:2,自引:0,他引:2
向以华 《重庆三峡学院学报》2009,25(3):135-138
对矩阵的特征值与特征向量研究具有一定意义。本文对矩阵特征值与特征向量相关问题进行系统的归纳,得出了通过对矩阵进行行列互逆变换就可同时求出特征值及特征向量的结论,同时讨论了反问题. 相似文献
4.
从方阵的特征值与特征向量的性质出发 ,结合具体的例子阐述了特征值与特征向量在简化矩阵运算中所起的作用。 相似文献
5.
王守根 《华东师范大学学报(自然科学版)》1997,(3):18-22
设A是实反对称矩阵。本文证明了A的特征值具有对称矩阵特征值同样的完美性态;又若A的特征向量对应于一个与其它特征值离得很开的特征值,则这个特征向量是良态的。本文给出了A^TA的Rayleigh商迭代计算A的特征值和特征向量的方法。 相似文献
6.
研究了可交换矩阵特征向量的关系.证明了当方阵A,B可交换时,任取A的特征值存在B的特征值满足它们特征向量的交集非空.给出了在已知A的特征值、特征向量的前提下,求与A可交换矩阵特征值、特征向量的一种比较简单的方法,并举例说明了该方法的有效性. 相似文献
7.
8.
9.
复杂网络的Laplacian矩阵的特征值和特征向量包含了其拓扑和集体行为等重要信息.该文研究了演化的汉语语言网络的Laplacian矩阵的谱密度、谱排序和特征向量等.研究发现特征值集中分布在区间[0,3]上,并且随着网络规模的增加,[0,3]上的谱密度之和逐渐减小;如果将特征值按降序排列,那么排在最前面的特征值及其序号之间满足幂律分布,其它较大的特征值与中间部分的特征值则满足指数分布;网络的度与前三大特征值对应的特征向量有关,但两者的变化趋势又不尽相同.此外,还将上述结论与邻接矩阵的结果进行了比较. 相似文献
10.
11.
《山西大同大学学报(自然科学版)》2016,(5)
在高等代数的研究范围内,计算矩阵的特征值与特征向量是一个基本问题。矩阵的相似性会关系到特征值与特征向量的计算,同时也会关系到矩阵对角化问题。主要探讨了矩阵的相似在微分方程组中的应用。 相似文献
12.
13.
杨载朴 《盐城工学院学报(自然科学版)》2000,13(3):1-4
讨论了块复合矩阵的块特征值的性质和块特征向量的正交性问题,得到了Hermite块复合矩阵的块特征值和块特征向量的一系列结论。 相似文献
14.
15.
矩阵的公共特征值和特征向量研究 总被引:1,自引:0,他引:1
邵逸民 《太原师范学院学报(自然科学版)》2008,7(3):40-42
通过对阶矩阵的特征值和特征向量的研究,讨论了矩阵有公共特征值、特征向量的一些条件,给出了这类矩阵的若干性质,最后指出了矩阵的公共特征值在矩阵多项式和矩阵方程方面的应用. 相似文献
16.
《贵州师范大学学报(自然科学版)》2020,(1)
对反散射中的Stekloff特征值问题的广义特征向量,证明了其共轭恰是共轭Stekloff特征值问题的广义特征向量。基于这一结果,我们对Stekloff特征值问题现有的二网格方案和多网格校正方案进行了改进。 相似文献
17.
陈神灿 《福州大学学报(自然科学版)》2011,39(2):157-159
如果一个复方阵的一个特征值所对应的每个右特征向量一定也是左特征向量,则称其为正规特征值.本文给出了具有正规特征值的矩阵的结构.作为应用,给出了谱半径等于谱范数的矩阵结构. 相似文献
18.
目前大多数应用于复杂网络社团划分的算法都不能自动确定类别数目.为了解决该问题,在计算出复杂网络的拉普拉斯矩阵特征值之后,利用特征值间隔提出一种自动确定特征向量与类别数目的谱聚类算法.该算法通过数据构造拉普拉斯矩阵,得到一系列特征值,再利用特征值差值确定聚类数目以及特征向量,然后利用K-means算法对特征向量进行处理最终得到社团划分结果.用MATLAB软件对常用网络进行测试,实验结果表明,该算法对复杂网络社团的划分具有较好的分类准确性. 相似文献
19.
模糊相似矩阵的特征值与特征向量 总被引:1,自引:0,他引:1
提出了求模糊相似矩阵R的特征值及其所对应的特征向量的可行方法,揭示R的特征值与基于R的系统聚类的水平、基元与对应于R的完备赋权图的最大树的边长之间的等价关系,指出R的特征向量与基于R的系统聚类的类之间的一对一关系。 相似文献
20.
给出矩阵A不可逆时,其伴随矩阵A*的特征值和特征向量的简便求法,即当r(A*)=0时,A*的所有的特征值都为零,任一非零向量都是其特征向量;当r(A*)=1时,A*有n-1个特征值为0,另一个特征值为A11+A22+…+Ann,此时,若A11+A22+…+Ann=0,则A*的属于特征值为0的所有特征向量由A的n-1个线性无关的列向量生成;若A11+A22+…+Ann≠0,A*的属于特征值为0的所有特征向量由A的n-1个线性无关的列向量生成,属于A11+A22+…+Ann的特征向量由A*的行元素的比例系数组成. 相似文献