$30 off During Our Annual Pro Sale. View Details »
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
73
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
39
統計学入門講座 第6回スライド
techmathproject
0
29
統計学入門講座 第7回スライド
techmathproject
0
21
統計学入門講座 第8回スライド
techmathproject
0
23
統計学入門講座 第4回スライド
techmathproject
0
260
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
260
統計学入門講座 第1回スライド
techmathproject
0
570
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
良書紹介04_生命科学の実験デザイン
bunnchinn3
0
110
Vibecoding for Product Managers
ibknadedeji
0
120
データから見る勝敗の法則 / The principle of victory discovered by science (open lecture in NSSU)
konakalab
1
250
論文紹介 音源分離:SCNET SPARSE COMPRESSION NETWORK FOR MUSIC SOURCE SEPARATION
kenmatsu4
0
460
PPIのみを用いたAIによる薬剤–遺伝子–疾患 相互作用の同定
tagtag
0
120
People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text
rudorudo11
0
170
凸最適化からDC最適化まで
santana_hammer
1
340
検索と推論タスクに関する論文の紹介
ynakano
1
110
AIによる科学の加速: 各領域での革新と共創の未来
masayamoriofficial
0
320
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
ド文系だった私が、 KaggleのNCAAコンペでソロ金取れるまで
wakamatsu_takumu
2
1.8k
baseballrによるMLBデータの抽出と階層ベイズモデルによる打率の推定 / TokyoR118
dropout009
2
640
Featured
See All Featured
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
48
9.8k
SEO in 2025: How to Prepare for the Future of Search
ipullrank
3
3.3k
Testing 201, or: Great Expectations
jmmastey
46
7.8k
Reflections from 52 weeks, 52 projects
jeffersonlam
355
21k
AI: The stuff that nobody shows you
jnunemaker
PRO
1
19
Max Prin - Stacking Signals: How International SEO Comes Together (And Falls Apart)
techseoconnect
PRO
0
49
Beyond borders and beyond the search box: How to win the global "messy middle" with AI-driven SEO
davidcarrasco
0
22
Data-driven link building: lessons from a $708K investment (BrightonSEO talk)
szymonslowik
1
850
Lightning talk: Run Django tests with GitHub Actions
sabderemane
0
92
SEOcharity - Dark patterns in SEO and UX: How to avoid them and build a more ethical web
sarafernandez
0
89
How to make the Groovebox
asonas
2
1.8k
Design of three-dimensional binary manipulators for pick-and-place task avoiding obstacles (IECON2024)
konakalab
0
310
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。