Lock in $30 Savings on PRO—Offer Ends Soon! ⏳
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
線形代数学入門講座 第7回スライド
Search
TechmathProject
September 04, 2024
Science
0
72
線形代数学入門講座 第7回スライド
てくますプロジェクトで行った線形代数学入門講座の第7回スライドです。
実施:2024/07/22
TechmathProject
September 04, 2024
Tweet
Share
More Decks by TechmathProject
See All by TechmathProject
統計学入門講座 第5回スライド
techmathproject
0
37
統計学入門講座 第6回スライド
techmathproject
0
28
統計学入門講座 第7回スライド
techmathproject
0
20
統計学入門講座 第8回スライド
techmathproject
0
21
統計学入門講座 第4回スライド
techmathproject
0
250
統計学入門講座 第3回スライド
techmathproject
0
160
統計学入門講座 第2回スライド
techmathproject
0
250
統計学入門講座 第1回スライド
techmathproject
0
560
線形代数学入門講座 第1回スライド
techmathproject
0
160
Other Decks in Science
See All in Science
次代のデータサイエンティストへ~スキルチェックリスト、タスクリスト更新~
datascientistsociety
PRO
2
21k
良書紹介04_生命科学の実験デザイン
bunnchinn3
0
110
データマイニング - グラフ構造の諸指標
trycycle
PRO
0
220
Vibecoding for Product Managers
ibknadedeji
0
120
データベース09: 実体関連モデル上の一貫性制約
trycycle
PRO
0
1.1k
Cross-Media Technologies, Information Science and Human-Information Interaction
signer
PRO
3
31k
データベース15: ビッグデータ時代のデータベース
trycycle
PRO
0
400
機械学習 - SVM
trycycle
PRO
1
950
People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text
rudorudo11
0
170
安心・効率的な医療現場の実現へ ~オンプレAI & ノーコードワークフローで進める業務改革~
siyoo
0
420
機械学習 - K-means & 階層的クラスタリング
trycycle
PRO
0
1.2k
My Little Monster
juzishuu
0
340
Featured
See All Featured
The Anti-SEO Checklist Checklist. Pubcon Cyber Week
ryanjones
0
25
Dominate Local Search Results - an insider guide to GBP, reviews, and Local SEO
greggifford
PRO
0
15
Become a Pro
speakerdeck
PRO
31
5.7k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
34
2.6k
Art, The Web, and Tiny UX
lynnandtonic
304
21k
SEO Brein meetup: CTRL+C is not how to scale international SEO
lindahogenes
0
2.2k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3.2k
The Curious Case for Waylosing
cassininazir
0
190
Paper Plane (Part 1)
katiecoart
PRO
0
1.9k
Technical Leadership for Architectural Decision Making
baasie
0
180
Building a A Zero-Code AI SEO Workflow
portentint
PRO
0
190
How STYLIGHT went responsive
nonsquared
100
6k
Transcript
線形代数学 入門講座 ⑦固有値 てくますゼミ
①行列の演算 ②連立一次方程式 ③正則行列 ④置換 ⑤行列式 ⑥数ベクトル空間 ⑦固有値 ⑧行列の対角化 てくます講座 線形代数学(全8回)
の流れ 線形変換 固有値と固有ベクトル 固有多項式 固有空間
てくます講座 学習方法 ・メモをとろう! 講座ではスライドに載せきれない大事なことも話します。 配布されたレジュメの余白に書いておきましょう。 ・問題を解こう! 学問を読み聞きだけで身に付けるのは難しいです。 問題を解くことで手を動かし、理解の確認をしましょう。 ・質問をしよう! せっかく参加した講座です。
気になることは、講座中でも質問していきましょう。
線形代数学 ⑦固有値 線形変換 ℝ𝑛から ℝ𝑛自身への線形写像を線形変換といいます。 線形写像 𝑓 は行列 𝐴 をかける写像
𝑓 𝒗 = 𝐴𝒗 だとみなすことができましたが、 とくに線形変換の場合は、特別なベクトル 𝒗0 に対しては定数 𝜆 をかける写像 𝑓 𝒗0 = 𝜆𝒗0 の形になっているかもしれません。 そのような特別なベクトル 𝒗0 と倍率 𝜆 を調べていきます。
線形代数学 ⑦固有値 固有値と固有ベクトル ℝ𝑛の線形変換 𝑓 𝒗 = 𝐴𝒗 について、 𝑓
𝒗 = 𝜆𝒗, 𝒗 ∈ ℝ𝑛, 𝒗 ≠ 𝟎, 𝜆 ∈ ℝ をみたす 𝜆 を 𝑓 や 𝐴 の固有値, 𝒗 を固有値 𝜆 に属する固有ベクトルといいます。 (例) 線形変換 𝑓 𝒗 = −1 −2 3 4 𝒗 (𝒗 ∈ ℝ2) に対して、 −1 −2 3 4 −2 3 = −4 6 = 2 −2 3 なので、 2 は 𝑓 の固有値, −2 3 は固有値 2 に属する固有ベクトルである。
線形代数学 ⑦固有値 固有値の探し方 ℝ𝑛の線形変換 𝑓 𝒗 = 𝐴𝒗 に対して、どんな数 𝜆
が固有値になるのでしょうか。 𝐴𝒗0 = 𝜆𝒗0 となる 𝒗0 ≠ 𝟎 が存在するような 𝜆 が 𝑓 の固有値です。 つまり、𝜆𝒗0 − 𝐴𝒗0 = 𝜆𝐸𝑛 − 𝐴 𝒗0 = 𝟎 となる 𝒗0 ≠ 𝟎 があるということなので、 連立一次方程式 𝜆𝐸𝑛 − 𝐴 𝒙 = 𝟎 に非自明な解があるということであり、 det 𝜆𝐸𝑛 − 𝐴 = 0 になっていることが 𝜆 が固有値であるための条件になります。
線形代数学 ⑦固有値 固有多項式 ℝ𝑛の線形変換 𝑓 𝒗 = 𝐴𝒗 に対して、 多項式
𝜑 𝑡 = det 𝑡𝐸𝑛 − 𝐴 を 𝑓 や 𝐴 の固有多項式といいます。 (例) 線形変換 𝑓 𝒗 = −1 −2 3 4 𝒗 (𝒗 ∈ ℝ2) に対して、 𝜑 𝑡 = det 𝑡𝐸𝑛 − 𝐴 = det 𝑡 + 1 2 −3 𝑡 − 4 = 𝑡 + 1 × 𝑡 − 4 − 2 × (−3) = 𝑡2 − 3𝑡 + 2
線形代数学 ⑦固有値 固有方程式 ℝ𝑛の線形変換 𝑓 𝒗 = 𝐴𝒗 の固有多項式 𝜑
𝑡 に対して、 𝑡 に関する方程式 𝜑 𝑡 = 0 を 𝑓 や 𝐴 の固有方程式といいます。 固有値の探し方で見たように、固有方程式の解が固有値になっています。 (例) 線形変換 𝑓 𝒗 = −1 −2 3 4 𝒗 (𝒗 ∈ ℝ2) に対して、 𝑓 の固有方程式は 𝜑 𝑡 = 𝑡2 − 3𝑡 + 2 = (𝑡 − 1)(𝑡 − 2) = 0 であり、 𝑓 の固有値は 1 と 2 である。
線形代数学 ⑦固有値 固有ベクトルの探し方 ℝ𝑛の線形変換 𝑓 𝒗 = 𝐴𝒗 に対して、固有値 𝜆
が見つかったとき、 どんなベクトルが 𝜆 に属する固有ベクトルになるのでしょうか。 𝐴𝒗 = 𝜆𝒗 となる 𝒗 ≠ 𝟎 が 𝜆 に属する固有ベクトルです。 つまり、𝜆𝒗 − 𝐴𝒗 = 𝜆𝐸𝑛 − 𝐴 𝒗 = 𝟎 となる 𝒗 ≠ 𝟎 を探せばいいので、 連立一次方程式 𝜆𝐸𝑛 − 𝐴 𝒙 = 𝟎 の非自明な解が 𝜆 に属する固有ベクトルです。
線形代数学 ⑦固有値 固有ベクトルの探し方 (例) 線形変換 𝑓 𝒗 = −1 −2
3 4 𝒗 (𝒗 ∈ ℝ2) に対して、 𝑓 の固有値は 1 と 2 であった。 固有値2に属する固有ベクトルは、連立一次方程式 2 1 0 0 1 − −1 −2 3 4 𝒙 = 3 2 −3 −2 𝒙 = 𝟎 の非自明な解であり、 − 2 3 𝑐 𝑐 𝑐 ≠ 0 が固有値 2 に属する固有ベクトルである。
線形代数学 ⑦固有値 固有空間 ℝ𝑛の線形変換 𝑓 とその固有値 𝜆 に対して、 𝜆 に属する固有ベクトルと𝟎の集合
𝑊 𝜆 ; 𝑓 = 𝒗 ∈ ℝ𝑛 𝑓 𝒗 = 𝟎} は ℝ𝑛 の部分空間になっていて、 𝑓 の固有値 𝜆 の固有空間といいます。 (例) 線形変換 𝑓 𝒗 = −1 −2 3 4 𝒗 (𝒗 ∈ ℝ2) に対して、 固有値 2 の固有空間は 𝑊 2 ; 𝑓 = − 2 3 𝑐 𝑐 ∈ ℝ2 𝑐 ∈ ℝ = −2𝑐 3𝑐 ∈ ℝ2 𝑐 ∈ ℝ
線形代数学 ⑦固有値 まとめ ・線形変換で 𝜆 倍される非零なベクトルを固有値 𝜆 に属する固有ベクトルという。 ・固有値は固有方程式の解として得られる。 ・固有ベクトルはある連立一次方程式の非自明な解として得られる。
・固有ベクトルと零ベクトルからなる部分空間を固有空間という。