请
登录
后使用快捷导航
没有帐号?
立即注册
设为首页
|
收藏本站
|
切换风格
快捷导航
首页
论坛
BBS
头条
都市圈
美国
欧洲
分类信息
更多
搜索
本版
用户
发帖
登录
注册
每日签到
网站工具箱
帮助中心
西兔生活网
›
美洲华人圈
›
波士顿华人圈
›
麻省理工学院
回复
发帖
返回列表
[问答]
麻省理工学院
[复制链接]
微信扫一扫 分享朋友圈
已有
43
人穿越成功
教程:手机怎么扫描二维码
寂寞秋千
当前离线
白金会员
积分
兔币
帖子
白金会员, 积分 3469, 距离下一级还需 1531 积分
3469
1894
1575
在线时间:0 小时
最后登录:2024-3-7
窥视卡
雷达卡
58799
0
寂寞秋千
发表于 2023-3-20 23:35:21
|
只看该作者
这一节主要是讲特征值的应用。上一节主要讲稳态问题,其实就是特征值的特征向量的问题。
一、什么是马尔可夫矩阵?
\left[ \begin{array}{ccc} 0.1 & 0.01 & 0.3 \\ 0.2 & 0.99 & 0.3 \\ 0.7 & 0 & 0.4 \\ \end{array} \right]
以上就是马尔可夫矩阵,但是需要满足以下两条性质:
1、每个元素都大于等于0,矩阵平方后所有元素仍然大于等于0(矩阵的幂也是马尔可夫矩阵)
2、 每一列元素之和都等于1(马尔可夫矩阵和概率思想有关)
每个列相加和1的情况下,必有一个特征值为1
满足上面两条性质的马尔可夫矩阵有两个性质:
1、 \lambda=1 是其中一个特征值
2、其它的特征值的绝对值小于1, |\lambda_{i}|<1 (有可能出现等于1的情况,但是绝对不会大于1)
用线性方程来解释上面两条性质:
U_{k}=A^{k}U_{0}=c_{1}\lambda_{1}x_{1}+ c_{2}\lambda_{2}x_{2}+ c_{3}\lambda_{3}x_{3}... (这里需要全部的特征向量,否则 U_{0} 就不能写成特征向量的形式。)
\lambda_{1}=1 , |\lambda_{i}|<1 ,那么随着时间的(迭代)推移,上面的等式就成了:
U_{k}=A^{k}U_{0}=c_{1}1x_{1}+ 0+ 0...\rightarrow c_{1}x_{1}( 其余部分都是0,此时趋于 稳态)
初始条件的 U_{0} 的 c_{1}x_{1} 这部分就是稳态。
特征向量 x_{1} 的所有的元素都是正数,如果初始值是正数,稳态就也是正数。当然也可能有0元素的存在,但不会有负数值。
特征向量x1的所有元素都是正数或0,所以稳态是正值。
为什么1是特征值?
下面的矩阵每一列的和都是1,意味着 \lambda=1 是其中一个
特征值。
\left[ \begin{array}{ccc} 0.1 & 0.01 & 0.3 \\ 0.2 & 0.99 & 0.3 \\ 0.7 & 0 & 0.4 \\ \end{array} \right]
反过来想,如果1是特征值,有 A-1I= \left[ \begin{array}{ccc} -0.9 & 0.01 & 0.3 \\ 0.2 & -0.01 & 0.3 \\ 0.7 & 0 & -0.6 \\ \end{array} \right] (这个矩阵被平移了一个单位)
如果矩阵是奇异的,那么必有一个特征值是1.(特征值就是减去对角线元素后是的使得矩阵奇异的数),上面的矩阵有一个特点,就是每一列加起来是0,那么说明每一列线性相关,矩阵 A-1I 是奇异的。
为什么每一列加起来是0,就是奇异的呢?(这句话是真命题)
因为列全部项加能得到全零的列,也就是说列变换得到0行(也可以用行列式的值=0来证明) ,但是如果每列的和是1,那么证明每行线性相关会更容易。 1倍的行一加1倍的行二加1倍的行三,将三行全部项加结果是0。也就说明 \left[ \begin{array}{ccc} 1 \\ 1 \\ 1 \\ \end{array} \right] 是左零空间 A^{T} 的向量,所以行线性相关,矩阵是奇异的。
那么矩阵的零空间有哪些向量呢?
首先特征向量 x_{1} 在A的零空间中,对应的就是特征值是1的向量。
A和A^{T} 的特征值存在什么关系呢?它们是一样的。(特征值一般不好求解,但是知道一些性质总是有用的。)
证明特征值相同:(\lambda I)^{T}=\lambda I \begin{array}{ccc} det(A-\lambda I)=0 \\ det(A ^{T}-\lambda I)=0\\ \end{array},所以 A 的特征值 \lambda 也是 A^{T} 的特征值。
也就说明 \lambda=1 是 A的特征值,但是特征向量是不同的(左零空间不同于零空间)。1是特征值证明结束。
口算零空间中的向量,因为是线性相关的,先计算最后一行,再计算中间一行即可。
\left[ \begin{array}{ccc} -0.9 & 0.01 & 0.3 \\ 0.2 & -0.01 & 0.3 \\ 0.7 & 0 & -0.6 \\ \end{array} \right] \left[ \begin{array}{ccc} 0.6 \\ \\ 0.7\\ \end{array} \right] = \left[ \begin{array}{ccc} 0 \\ 0\\ 0\\ \end{array} \right] = \left[ \begin{array}{ccc} -0.9 & 0.01 & 0.3 \\ 0.2 & -0.01 & 0.3 \\ 0.7 & 0 & -0.6 \\ \end{array} \right] \left[ \begin{array}{ccc} 0.6 \\ 33 \\ 0.7\\ \end{array} \right] = \left[ \begin{array}{ccc} 0 \\ 0\\ 0\\ \end{array} \right]
注意这里的值都是正数,矩阵的零空间就找到了。
接下来讨论马尔可夫矩阵的实际应用
如果 A是马尔可夫矩阵,那么 U_{k+1}=AU_{k} 。
例子:
使用马尔可夫矩阵来看待人口迁移问题(类似一种递归计算),矩阵A代表一年以后人口迁移,一些人搬去麻省,一些人搬去
加州
。这些现实情况就满足马尔可夫矩阵的条件:1、都是正数2、去留的概率在0和1之间,加起来是1。整个过程中人数不变。
有: \left[ \begin{array}{ccc} U_{cal} \\ U_{mass} \\ \end{array} \right]_{k+1}= \left[ \begin{array}{ccc} A \end{array} \right]= \left[ \begin{array}{ccc} U_{cal} \\ U_{mass} \\ \end{array} \right]_{k} ,其中A是马尔可夫矩阵,随着时间的推移保持不变。但是每次变动的概率一样,每次变动给个结果,给出合理解释即可。
假设每次变化加州有10%的人搬去麻省,90%的人留下,而麻省因为红袜队输了导致有20%的搬到加州,80%的留下,得到:(元素非负,和为1.)
\left[ \begin{array}{ccc} U_{cal} \\ U_{mass} \\ \end{array} \right]_{k+1}= \left[ \begin{array}{ccc} 0.9 & 0.2\\ 0.1 & 0.8\\ \end{array} \right]= \left[ \begin{array}{ccc} U_{cal} \\ U_{mass} \\ \end{array} \right]_{k}
设定初始时刻(t=0)为: \left[ \begin{array}{ccc} U_{cal} \\ U_{mass} \\ \end{array} \right]_{0}= \left[ \begin{array}{ccc} 0 \\ 1000 \\ \end{array} \right] 起始时刻麻省人口1000,加州0人。
那么k步以后,人数会出现怎样的变化?
麻省的人口从1000开始下降,加州的人口从0开始增加。经过第一次变化结果为:
\left[ \begin{array}{ccc} U_{cal} \\ U_{mass} \\ \end{array} \right]_{1}= \left[ \begin{array}{ccc} 0.9 & 0.2\\ 0.1 & 0.8\\ \end{array} \right]\left[ \begin{array}{ccc} 0\\ 1000\\ \end{array} \right]= \left[ \begin{array}{ccc} 200 \\ 800 \\ \end{array} \right]
矩阵 \left[ \begin{array}{ccc} .9 & .2 \\ .1 & .8\\ \end{array} \right] 的其中一个特征值是1,另一个特征值是(矩阵的迹等于特征值的和)0.9+0.8-1=0.7
一个特征值小于1,矩阵的行列式等于0.7(0.9*
0.8-02*
0.1=0.7)
接下来计算特征向量: \left[ \begin{array}{ccc} 0.9-1 & .2 \\ 0.1 & 0.8-1\\ \end{array} \right]= \left[ \begin{array}{ccc} -0.1 & 0.2 \\ 0.1 & -0.2\\ \end{array} \right]\left[ \begin{array}{ccc} x_{1} \end{array} \right]=\left[ \begin{array}{ccc} 0 \\ 0 \\ \end{array} \right] 得 \left[ \begin{array}{ccc} x_{1} \end{array} \right]=\left[ \begin{array}{ccc} 2 \\ 1 \\ \end{array} \right] 稳态由这个向量给出。
\left[ \begin{array}{ccc} 0.9-0.7 & .2 \\ 0.1 & 0.8-0.7\\ \end{array} \right]= \left[ \begin{array}{ccc} 0.2 & 0.2 \\ 0.1 & 0.1\\ \end{array} \right]\left[ \begin{array}{ccc} x_{2} \end{array} \right]=\left[ \begin{array}{ccc} 0 \\ 0 \\ \end{array} \right] 得 \left[ \begin{array}{ccc} x_{2} \end{array} \right]=\left[ \begin{array}{ccc} -1 \\ 1 \\ \end{array} \right]
那么系数为: U_{0}=c_{1}x_{1}+c_{2}x_{2}=c_{1}\left[ \begin{array}{ccc} 2 \\ 1 \\ \end{array} \right]+c_{2}\left[ \begin{array}{ccc} -1 \\ 1 \\ \end{array} \right]= \left[ \begin{array}{ccc} 0 \\ 1000\\ \end{array} \right] 得 c_{1}=\frac{1000}{3}, c_{2}=\frac{2000}{3}
经过100步之后: U_{k}=c_{1}1^{k}x_{1}+c_{2}(0.7)^{k}x_{2} , U_{100}=\frac{1000}{3}\left[ \begin{array}{ccc} 2 \\ 1\\ \end{array} \right] 这就是矩阵幂得结果,用矩阵 A 对 U_{0} 进行多次作用。
人口迁徙建模结束。在其它学科中习惯使用行向量来解决问题, 行向量加起来是等于1,需要转置再计算。
从投影中引出傅里叶级数问题
主要讨论带有标准正交积的投影问题,基向量为 q_{1},q_{1}...q_{n}
空间中的任意向量 v=x_{1}q_{1}+x_{2}q_{2}+x_{3}q_{3}...x_{n}q_{n} ,将向量x展开到基上去,这组基是标准正交的。
q_{1}^{T}v=x_{1}q_{1}^{T}q_{1}+0+0...0 ( 正交基q_{1}和q_{2}做内积等于0 )
q_{1}^{T}v=x_{1}
写成矩阵的形式: \left[ \begin{array}{ccc} | & | &... & | \\ q_{1} &q_{2} & ... & q_{n}\\ | & | &... &|\\ \end{array} \right] \left[ \begin{array}{ccc} x_{1}\\ ...\\ x_{n}\\ \end{array} \right]=v 记作: Qx=v 方程的解为: x=Q^{-1}v=Q^{T}v
解得: x_{1}=q_{1}^{T}v (在一个纬度上的投影可以分开表示,v乘以正交基分量的转置在投影的面上,也有无穷个分量。一个向量在x轴的投影就是它在x轴上的分量,以此类推...那么再无穷维上,就有无穷个分量。傅里叶根据这发现了无穷向量空间和函数f(x)无穷级数的关系。)
傅里叶级数:
f(x)=a_{0}1+a_{1}cos(x)+b_{1}sin(x)+a_{2}cos(2x)+b_{1}sin(2x)+...
在这个方程中sin和cos依然是正交的,和上面的例子相同,从一般到特殊。可以用函数f(x)来代替向量v,用正交函数来代替正交向量 q_{1},q_{1}...q_{n} ,常数cos(x),sin(x),cos(2x),sin(2x)...也是无穷的,在向量空间中空间也是无穷维的。
基向量也是函数, a_{0} 常数的函数是1。基是:1,cos(x),sin(x),cos(2x),sin(2x)...,傅里叶级数成立的条件就是这些基向量正交。
向量的正交的意思是
y^Tx=0
,那函数的正交是什么?
向量:
v^Tw=v_1w_1+v_2w_2+...v_nw_n
其实就是1到n上的积分,比如三空间 \int_{1}^{3}v_{n}w_{n}=v_{1}w_{1}+v_{2}w_{2}+v_{3}w_{3}
函数:
f^Tg=\int_{0}^{2\pi}f(x)g(x)dx
为什么是上面的方程解释一下:向量是v点乘w,那么函数也应该是f(x)乘g(x)的形式,前者是几个相加,后者是连续的,前者相加,那么后者如果也是连续相加,就得是积分的形式,而且f(x)=f(x+2\pi ) 周期是2\pi
定义两个函数:f(x)=sin(x),g(x)=cos(x)。那么有
\int_{0}^{2\pi}sin(x)cos(x)dx=\frac{1}{2}(sinx)^2|_0^{2\pi}=0 ,则f(x) 和g(x)正交。
接下来让f(x)的每一项: f(x)=a_{0}1+a_{1}cos(x)+b_{1}sin(x)+a_{2}cos(2x)+b_{1}sin(2x)+... 和cos(x)作内积:
\int_{0}^{2\pi}f(x)cos(x)dx = \int_{0}^{2\pi}(0+a_{1}cos(x)cos(x)+0+...)=a_1\int_{0}^{2\pi}cos(x)^2dx=a_{1}\pi
所以 a_{1}=\frac{1}{\pi}\int_{0}^{2\pi}f(x)cos(x)dx (这个公式就是傅里叶级数系数公式)它的确能展开到一组标准正交基上。
上一篇:
麻省理工周记(230318):Deep Change & Deep Bias
下一篇:
麻省理工RD放榜,申请人数爆跌20%, 录取人数历年最低 ...
@免
责
声
明
1.西兔生活网 CTLIVES 内容全部来自网络;
2.版权归原网站或原作者所有;
3.内容与本站立场无关;
4.若涉及侵权或有疑义,请点击“举报”按钮,其他联系方式或无法及时处理。
举报
分享
0人
收藏
0人
支持
0人
反对
0人
淘帖
回复
使用道具
举报
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
返回列表
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
|
立即注册
本版积分规则
发表回复
回帖并转播
回帖后跳转到最后一页
寂寞秋千
白金会员
0
关注
7
粉丝
461
帖子
发送私信
收听TA
Ta的主页
热门图文
一季度数据出来了,深圳依然是那个最靓的仔
贾跃亭发视频回应周鸿祎质疑,却被郭艾伦评
俄军国防副部长拒绝认罪,绍伊古的位子,还
美国要对中国银行下手了?
“港圈女大佬”的顶级派对,200亿身家的林
正式服4.25:5大T0边路同时削弱,法系打野
热门帖子
都市圈
吴艳妮化妆风波持续升级!因倒数第一疯狂遭
教育育儿
9岁孩子跳楼,别让罚抄一万遍的老师跑了|
头条大事
布林肯人还未到,美国对华制裁先行,中国不
都市圈
拜登签署援乌援以涉TikTok法案
都市圈
田馥甄来内地演出遭抵制!举报电话被打爆,
都市圈
1-1,0-0!世界第101爆冷:世预赛或神奇出
都市圈
奔驰2.0T四缸C63来了!比老款4.0T八缸贵20.
都市圈
太遗憾了!四位喝酒达人先后离世,依然叫不
都市圈
上海豪宅被抢疯了,4天成交170亿!
都市圈
潘石屹口碑,好像反转了
排行榜
日
周
月
1
禽兽王朝整死战神家族
北齐武平三年(572)六月,咸阳王、丞相兼大将军斛律光收到了后主高纬御赐的一匹骏马
99391
0
2
“俄美在安理会就外空核武器问题发生冲突”
【环球网报道 记者 张晓雅】“俄罗斯和美国就外空核武器问题在联合国发生冲突”。路透
99127
3
3
解放军军演之际,缅甸反叛军打着“投诚”旗
我国解放军军演之际,缅甸反叛军之一的克钦独立军,向中方抛出了橄榄枝。其发言人表示
98635
5
4
布林肯专机刚到上海,美国真敢把“金融核弹
美国国务卿布林肯已到访华第一站——上海,有知情人士透露,美国正在起草切断中国一些
98463
20
5
贾跃亭发视频回应周鸿祎质疑,却被郭艾伦评
4月24日晚,在美造车的法拉第未来(FF)创始人、首席产品和用户官贾跃亭在个人社交平
98200
4
6
“卢旺达计划”终于通过,苏纳克放话:这次
搁置了两年的移民法案,终于在英国议会通过了。 本周,英国议会两院就“卢旺达计划”
98046
20
7
谁在制造小米汽车?
发布即交付的小米汽车是雷军创业以来最冒险的产品,冒险到作为高材生的他一度在微博
97869
20
8
兰博基尼Urus插混全球首发!动力大幅提升,
4月24日,兰博基尼Urus SE全球首发。新车沿用现款造型设计,细节处微调,车长减少14mm
97215
0
9
被疑违规对华出口AI服务器,戴尔/技嘉/美超
4月23日消息,虽然美国在2022年10月就限制了高性能GPU的对华出口,并在2023年11月进
96538
0
10
开盘就跌停!天齐锂业一季度财报爆雷:巨亏
锂矿巨头天齐锂业一季度财报爆雷引发市场震动,监管机构火速发函,其股价今日也应声跌
96416
6
1
“木头姐”谈特斯拉目标价,说对了吗
本文作者王煜全,海银资本创始合伙人 最近一个科技投资领域的风云人物“木头姐”Cathi
100038
12
2
美军中导部署中国家门口,射程覆盖陕西,警
美国空军C17大型运输机已于4月15日向菲律宾运输中程导弹武器发射系统,这是美军首次在
99969
2
3
辛芷蕾为玩梗道歉,单方面艾特杨洋被嘲太“
《花儿与少年5》收官两个月后,《花少与少年》好友季全新来袭,备受期待的“北斗七行
99935
4
4
巴勒斯坦“入联”遭美阻挠,联合国一票否决
民智评论 作者:姜姝,民智国际研究院研究助理 原标题:《深陷大国权力竞争泥潭的
99929
5
5
“浪姐”观众爆料MISS被针对:人气稳居前3
作为LOL初代电竞女神,Miss的排位日记,应该是很多老玩家的入坑教学,虽然现阶段,她
99926
3
6
郊区房价虽然便宜,但是买房时距离市中心,
城市的成长总是伴随着向外拓展的足迹,从一环二环的繁华,蔓延至五环六环。每个新环线
99890
0
7
出口了却无法收款,卢布跌至2023年10月以来
内容提要: 卢布兑美元再度跌破94,纳比乌琳娜左支右拙,无能为力。友好国家惧怕美国
99888
20
8
别人黑他没有成绩,他将世界冠军打成背景板
万众期待,10张身份证的决赛终于来了。BLG展现强大的实力,以3:1获胜,夺得冠军!
99862
7
9
德国海军“黑森”号护卫舰结束红海任务返航
【观察者网 讯】根据德国联邦国防军官方网站本周一发布的一则消息,在红海“保护商船
99743
0
10
西宁原属甘肃,为何成为青海省会?
全文共1500字 | 阅读需6分钟青海省会是西宁,不过青海省1928年才成立,清朝时西宁还属
99472
0
1
主角脸对女演员有多重要?看《无限超越班》
看完这期《无限超越班》,最大的感受就是从来没觉得“主角脸”对于一个演员来说如此重
100228
2
2
陈震:出于礼貌和雷军的合影2月就删了,现
三言科技 3月31日消息,今日,陈震发文回应删雷军合照一事,他表示和雷军的合影2月5
100182
2
3
20岁谷爱凌惊艳颁奖礼,穿“黄金战袍”气场
当地时间4月13日晚,谷爱凌(Eileen Feng Gu)出现在了于加利福尼亚州洛杉矶电影学
100122
20
4
花费53万竞买法拍房,拖延近一年多难收房;
“现在对方不腾房,过不了户,这对我来讲太不公平!”王先生称自己通过法院公开拍卖,
100121
20
5
用上大疆的换代迈腾成本涨7千,但智驾比特
4月北京车展马上亮相的换代迈腾,智能化实力都已经赶上新能源车了。 这次大众迈腾的
100095
3
6
轰20很快对外公布,台中将:轰20完全隐形,
根据台媒《中时电子报》报道,中国下一代战略轰炸机轰20很快将会对外公布,台中将表示
100081
20
7
不许对台军售!以往是美制裁中国,中方首次
中国对美国反制式的制裁,到底有没有用? 4月10日,美国商务部下属机构工业和安全局发
100027
18
8
美国突然全国变黑,NASA卫星紧急对准!分析
近日,美国发生了一次罕见的天文奇观,当月球经过太阳和地球之间形成日全食时,数百万
99989
20
9
大算力芯片,正在拥抱Chiplet
在和业内人士交流时,有人曾表示:“要么业界采用Chiplet技术,维持摩尔定律的影
99973
2
10
我老公是国足!球员妻子开保时捷撞车后打人
众所周知,中国男足的成绩在亚洲范围内越来越差,名声也随之越来越臭,只要沾惹上“
99971
14
活跃网友
1
财神驾到
主题数:2070,精华帖:0
2
绿林道的
主题数:1520,精华帖:0
3
一抹伤
主题数:1249,精华帖:0
4
哇哇的哭
主题数:1038,精华帖:0
5
冷香丸
主题数:692,精华帖:0
返回顶部
快速回复
上一主题
下一主题
返回列表
APP下载
手机访问
扫一扫用手机访问
快速回复
返回顶部
返回列表