Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
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
160
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
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
More Decks by TechmathProject
See All by TechmathProject
統計学入門講座 第5回スライド
techmathproject
0
150
統計学入門講座 第6回スライド
techmathproject
0
130
統計学入門講座 第7回スライド
techmathproject
0
150
統計学入門講座 第8回スライド
techmathproject
0
140
統計学入門講座 第4回スライド
techmathproject
0
390
統計学入門講座 第3回スライド
techmathproject
0
280
統計学入門講座 第2回スライド
techmathproject
0
400
統計学入門講座 第1回スライド
techmathproject
0
810
線形代数学入門講座 第1回スライド
techmathproject
0
320
Other Decks in Science
See All in Science
Conversation is the New Dashboard: 属人性を排除する第4世代BIツールの勢力図
shomaekawa
1
610
Inside the Mind of an LLM
baggiponte
0
200
やるべきときにMLをやる AIエージェント開発
fufufukakaka
2
1.5k
データベース03: 関係データモデル
trycycle
PRO
1
610
機械学習 - ニューラルネットワーク入門
trycycle
PRO
0
1.1k
(CVPR2026) Back to Basics: Let Denoising Generative Models Denoise
shumpei777
0
210
Non-Gaussian, nonlinear causal discovery with hidden variables and application
sshimizu2006
0
150
データベース11: 正規化(1/2) - 望ましくない関係スキーマ
trycycle
PRO
0
1.3k
機械学習 - 授業概要
trycycle
PRO
0
560
AkarengaLT vol.41
hashimoto_kei
1
150
Conwayの法則を"ちゃんと"使うために — 原典でConwayは何を言っていたのか
bonotake
9
5.5k
TypeScript で WebAssembly を用いた 型安全なプラグイン設計
nagano
2
570
Featured
See All Featured
SERP Conf. Vienna - Web Accessibility: Optimizing for Inclusivity and SEO
sarafernandez
2
1.5k
HTML-Aware ERB: The Path to Reactive Rendering @ RubyCon 2026, Rimini, Italy
marcoroth
2
330
コードの90%をAIが書く世界で何が待っているのか / What awaits us in a world where 90% of the code is written by AI
rkaga
62
45k
How People are Using Generative and Agentic AI to Supercharge Their Products, Projects, Services and Value Streams Today
helenjbeal
1
240
Ecommerce SEO: The Keys for Success Now & Beyond - #SERPConf2024
aleyda
1
2.1k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
55
3.4k
ラッコキーワード サービス紹介資料
rakko
1
3.9M
Fashionably flexible responsive web design (full day workshop)
malarkey
408
67k
Rails Girls Zürich Keynote
gr2m
96
14k
The Language of Interfaces
destraynor
162
27k
Impact Scores and Hybrid Strategies: The future of link building
tamaranovitovic
0
340
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.6k
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。