当前位置: 首页 > news >正文

数学复习笔记 25

今天能把第五章学完。加油。今年是最好上岸的一年。

5.23:全是单根,笑死,居然难受了。我现在每个题,都要总结。总结。总结实际上也总结不出啥东西。但是我一定要总结。主动让自己思考一下。老师的思路很清奇。他认为考的稀松平常,我们学习的技巧性的东西发挥不出来,就有点稀松平常了,和别人拉不开差距了。这题就是从特征向量出发算特征值,解出来一些参数,然后继续算特征值和特征向量。然后就可以了。果然章节名字是有道理的,特征值,灵魂就是特征值和特征向量。绕来绕去就是包装了一下,本质就是考特征值和特征向量,就像前面考秩和行列式。实对称矩阵不同特征值对应的特征向量是天然正交的。单位化是把原来的向量的每个元素,平方,求和,开根号,把每个元素除以这个根号。

考点 3 :两个矩阵相似,特征值相等,行列式,迹,秩,特征行列式,都相等。看了一圈,感觉最重要的就是初试尽可能考一个高的分数,这样就稳了。初试非常非常高,就稳了,关键问题就是自己能否考到一个非常非常高的分数。这就是我现在努力的原因。相似的传递性,两个矩阵,先算特征值,特征值是否相等,相等就算能否相似对角化。

5.24:上三角、下三角和对角矩阵的特征值都是主对角线上面的元素。看能否相似对角化,就是看特征矩阵的秩,是多少,k 重特征值是否有 k 个线性无关的特征向量。特征向量的个数就是 s = n − r ( λ E − A ) s = n - r( \lambda E-A) s=nr(λEA) ,假设特征矩阵直接就是满秩,那就是直接可以相似对角化的。

考点 4 :后面的内容是非常关键的知识点。 行向量乘以列向量是一个数字。列向量乘以行向量是一个矩阵。矩阵的迹就是前面算出来的数字。关键还是复盘。看最后学习的东西有没有消化吸收,内化为自己的东西。现在还剩一节课就跟上这个进度了。最新的一次课是明天晚上。

5.1:这题比较简单,就是把特征值和特征向量的定义式写出来,算一个矩阵乘法,就可以了。几个参数都可以算出来。也就是说,已知原来的矩阵,知道特征向量,可以算特征值。

考点 1 :特征值和特征向量的概念,特征向量一定是非零的。

5.2:学着学着突然不想学了,突然想玩,然后玩的时候也不是很尽兴,没啥意思。真的想尽力一次。这题主要是一个经验,就是矩阵的和是一个固定数,或者实际上就是前面的那种行和相等的类型,前面算行列式是全部加到第一列,然后提出去,然后用第一行进行高斯消元,这里是直接注意到 1 1 1 的转置得到的列向量是特征向量,行和是特征值,这个观察到了就非常显然,但是没观察到就没办法了,可能这就是考研数学的难点,经验不足,然后灵活度不够临时观察不出来,就像老师说的,也没啥,就是写不出这个题呗。别整理知识点了,直接刷题就完事了。另外感觉可以多睡觉。可以午睡一次,然后晚饭之后再睡一次,多睡觉才能保持精神,晚上也睡八个小时。养精蓄锐。

回顾:特征值和特征向量的计算是基础。相似对角化,本质上也是求特征值和特征向量。5 6 章可能考 12 + 5 + 5 ,考 20 分左右的分数。总共是 32 分的分数。和高数一样,都是越到后面越重要。 总的来说就是没啥难的。相信别人,更要一百倍地相信自己。正交化的操作实际上非常简单,就是先算出来一个特征向量,假设是重根,那么用正交内积为零,还有原来的行最简的特征矩阵,可以解出来剩下的特征向量,这样可以得到两个正交的向量。判断两个矩阵是否相似,就是看特征值,特征值完全相等,判断矩阵能否相似对角化,均可以相似对角化,那么两个矩阵相似,一个可以相似对角化,一个不相似对角化,那么两个矩阵一定不相似,都不可以相似对角化,无法判断。果然还是要多多回顾。

考点 4 :秩为一的矩阵。一个向量不额外说明,一般表示的是列向量。

判断能否相似对角化:判断是否是对称矩阵,判断是否是秩为 1 的矩阵,求特征值,单根和重根。比较重要,可能还需要一个题来检验一下。我现在感觉心里有点不踏实。

某个矩阵可以相似对角化的时候,非零特征值的个数,等于该矩阵的秩。

对称阵是转置之后和原来的方阵是一致的。对称阵一定可以相似对角化。

考点 1 :二次型的定义,就是变量只乘了两次,不出现一次,不出现零次,不出现三次。这个函数每个式子都是二次的,二次型就是二次齐次函数。准备就做好周洋鑫的这套资料,然后强化结束之后就开始刷套卷,刷 150 套卷子。可以认为强化之前,都是在沉淀,开始刷套卷,就像朱昊鲲说的,疾风刷套卷。二次型从矩阵的角度来看,本质上是一个数字,或者是一个 1 * 1 的矩阵。

考点 2 :二次型的矩阵表示,可以把一个二次型,拆开,变成行向量乘以矩阵,乘以列向量。自变量的行向量和列向量。二次型的矩阵的表达有很多种情况。感觉就是要把一本书从头刷到尾,然后再从尾刷到前面,再从前面刷到后面。反复刷一本书,感觉更有效果。第六章一般都是对称阵。感觉不能换来换去,精力很容易涣散。一般型对应对称阵,标准型对应对角阵。

考点 3:感觉这个部分非常有挑战性。

考点 4:矩阵合同。矩阵合同实际上和矩阵相似的定义非常像,就是把逆矩阵换成了转置阵。奥,还要求这个转置阵可逆。要求比较严格。两个矩阵是合同的,两个矩阵的秩是相等的。

考点 5:线性变换。缺的是重复和遍数。行列式不为零,矩阵就是可逆的。可逆矩阵乘以任何矩阵,原来的矩阵是不变秩的。相当于进行了一些行变换。

6.3: 这题的关键是判断变换矩阵是否是可逆的。假设是不可逆的,那么就推不出合同。不可逆的线性变换,是考研中的坑。算二次型的秩,就是算二次型对应矩阵的秩,对应矩阵是除了前面的行向量,后面的列向量,夹在中间的那个矩阵。

考点 6:线性变换为标准型。首先是正交变换。有点没跟上。蒙了直接。本质上就是算特征值和特征向量,然后就结束了。非常简单。

6.4:把二次型的对应的对称阵表示出来,然后把一些基础的东西列一下,可以把参数算出来。 算特征值和特征向量非常简单。奥,这里要求特征向量是正交的。算公共解,本质上是联立方程,算齐次方程的解。但是这里为啥还需要单位化,奥,正交需要正交,也需要单位化。所以关键还是计算,只要计算不出错,就没啥难度呢。这里是一环套一环的。

相关文章:

  • 神经符号AI的企业应用:结合符号推理与深度学习的混合智能
  • 虚拟机CentOS 7 网络连接显示“以太网(ens33,被拔出)“、有线已拔出、CentOS7不显示网络图标
  • Redis中的setIfAbsent方法和execute
  • Mybatis入门到精通
  • SQL 中 JOIN 的执行顺序优化指南
  • GAN模式崩塌难题:成因分析与多维度解决方案
  • nlohmann/json简介及使用
  • 半导体热电技术方案领跑者「富信」×企企通,构建采购数字化升级
  • Cursor 工具项目构建指南:Java 21 环境下的 Spring Boot Prompt Rules 约束
  • psycopg2-binary、pgvector、 SQLAlchemy、 PostgreSQL四者的关系
  • .NET 原生驾驭 AI 新基建实战系列(三):Chroma ── 轻松构建智能应用的向量数据库
  • vue源码解析——diff算法
  • 【Linux】Linux程序地址基础
  • 读文献先读图:GO弦图怎么看?
  • 基于vue框架的动漫网站noww0(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。
  • DeepSeek+SpringAI实现流式对话
  • vue 多端适配之pxtorem
  • MySQL 事务深度解析:面试核心知识点与实战
  • Redis中的过期策略与内存淘汰策略
  • 组件库二次封装——透传问题
  • 哪些企业需要做网站建设/怎样在网上推广
  • 怎么建电子商务网站/百度指数
  • 合肥网站建设哪家好/个人在线网站推广
  • 室内设计素材网站大全/适合奖励自己的网站免费
  • 字体设计在线转换器/seo研究中心倒闭
  • 深圳宝安沙井网站建设/中国网络营销公司