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
99
0
Share
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
70
統計学入門講座 第6回スライド
techmathproject
0
56
統計学入門講座 第7回スライド
techmathproject
0
56
統計学入門講座 第8回スライド
techmathproject
0
64
統計学入門講座 第4回スライド
techmathproject
0
310
統計学入門講座 第3回スライド
techmathproject
0
200
統計学入門講座 第2回スライド
techmathproject
0
300
統計学入門講座 第1回スライド
techmathproject
0
670
線形代数学入門講座 第1回スライド
techmathproject
0
240
Other Decks in Science
See All in Science
My Little Monster
juzishuu
0
690
ハミルトン・ヤコビ方程式の解の性質と物理的意味
enakai00
0
210
アクシズを探せ! 各勢力の位置関係についての考察
miu_crescent
PRO
1
210
AkarengaLT vol.41
hashimoto_kei
1
130
academist Prize 4期生 研究トーク延長戦!「美は世界を救う」っていうけど、どうやって?
jimpe_hitsuwari
0
510
Non-Gaussian, nonlinear causal discovery with hidden variables and application
sshimizu2006
0
100
機械学習 - 授業概要
trycycle
PRO
0
450
MATSUO Makiko
genomethica
0
130
2025-06-11-ai_belgium
sofievl
1
250
AIによる科学の加速: 各領域での革新と共創の未来
masayamoriofficial
0
490
データマイニング - グラフ構造の諸指標
trycycle
PRO
0
290
データマイニング - ノードの中心性
trycycle
PRO
0
370
Featured
See All Featured
Visualization
eitanlees
150
17k
AI: The stuff that nobody shows you
jnunemaker
PRO
5
530
The Invisible Side of Design
smashingmag
302
51k
Neural Spatial Audio Processing for Sound Field Analysis and Control
skoyamalab
0
250
Measuring & Analyzing Core Web Vitals
bluesmoon
9
800
SERP Conf. Vienna - Web Accessibility: Optimizing for Inclusivity and SEO
sarafernandez
2
1.4k
Thoughts on Productivity
jonyablonski
76
5.1k
Building the Perfect Custom Keyboard
takai
2
720
How STYLIGHT went responsive
nonsquared
100
6k
Data-driven link building: lessons from a $708K investment (BrightonSEO talk)
szymonslowik
1
1k
Testing 201, or: Great Expectations
jmmastey
46
8.1k
How to Get Subject Matter Experts Bought In and Actively Contributing to SEO & PR Initiatives.
livdayseo
0
96
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。