マガジン

  • 行列計算を使わない線形代数

最近の記事

行列計算を使わない線形代数 #12 〜 線形写像(その5) 対角化・最小多項式・一般固有空間

■定義12.1(再掲:対角化可能) 有限次元ベクトル空間上の線形写像$${A:V\to V}$$の固有空間$${E_\lambda , \lambda\in\sigma(A)}$$が$${V}$$を直和分解するとき、$${A}$$は対角化可能であるという。 ■定理12.2(再掲) 有限次元ベクトル空間上の線形写像$${A}$$が対角化可能であるための必要十分条件は、 $$ \displaystyle  \prod_{\lambda\in\sigma(A)} (A-\l

    • 以前の記事で質点系の話を書きましたが、その背景の並進対称性や運動量保存則などを書いていなかったことに気づきいて追記しました。もしよかったら、追記も読んでください。 ▼質点系の数理(追記あり) https://note.com/yoshiyoc/n/n3b25db46c36e ※次は最小多項式と対角化を書かねば・・・

      • 線形微分方程式のマグヌス展開の記事を、昨日ようやく公開したんですが、線形代数の話より脇道の話の方を書きたくなってます笑 基礎から積み上げてというのもいいですが、好きなアドバンストな話から基礎に戻るのもいいと思うんですどね。亜流になるかもだけど

        • 行列計算を使わない線形代数 #11 〜 おまけ:線形常微分方程式の解(行列の指数関数とLie群の視点から)

          $${n}$$次元ユークリッド空間$${\mathbb{R}^n}$$上の微分方程式 $$ \displaystyle \frac{d\bm{x}}{dt} = A(t) \bm{x}, \quad \bm{x}(0)=\bm{x}_0, \quad \quad \quad (1)  $$ を考えます。ここで、$${A(t) \in \mathbb{R}^{n\times n},t\in\mathbb{R}, }$$は$${n}$$次正方行列の1径数族(one-param

          ¥100
        • 行列計算を使わない線形代数 #12 〜 線形写像(その5) 対角化・最小多項式・一般固有空間

        • 以前の記事で質点系の話を書きましたが、その背景の並進対称性や運動量保存則などを書いていなかったことに気づきいて追記しました。もしよかったら、追記も読んでください。 ▼質点系の数理(追記あり) https://note.com/yoshiyoc/n/n3b25db46c36e ※次は最小多項式と対角化を書かねば・・・

        • 線形微分方程式のマグヌス展開の記事を、昨日ようやく公開したんですが、線形代数の話より脇道の話の方を書きたくなってます笑 基礎から積み上げてというのもいいですが、好きなアドバンストな話から基礎に戻るのもいいと思うんですどね。亜流になるかもだけど

        • 行列計算を使わない線形代数 #11 〜 おまけ:線形常微分方程式の解(行列の指数関数とLie群の視点から)

          ¥100

        マガジン

        • 行列計算を使わない線形代数
          13本

        記事

          いまおまけの記事を書いているんですが、なかなか長くなってしまってます。線形常微分方程式について自分の知識があやふやなところがあったようで、調べてみると奥深い。次回は(も?)かなりマイナーなテーマになりますが、よろしくお願いします。

          いまおまけの記事を書いているんですが、なかなか長くなってしまってます。線形常微分方程式について自分の知識があやふやなところがあったようで、調べてみると奥深い。次回は(も?)かなりマイナーなテーマになりますが、よろしくお願いします。

          これで10本目の記事です。晩酌しながら書いていることもあり、公開してから間違いをいくつも修正してます。見つけたらコメントで指摘してください笑 https://note.com/yoshiyoc/n/n1dcd3be38b6c

          これで10本目の記事です。晩酌しながら書いていることもあり、公開してから間違いをいくつも修正してます。見つけたらコメントで指摘してください笑 https://note.com/yoshiyoc/n/n1dcd3be38b6c

          行列計算を使わない線形代数 #10 〜 線形写像(その3) 固有値・固有空間・最小多項式

          ■定義10.1 ベクトル空間$${V}$$上の線形写像$${A:V\to V}$$に対して、部分空間$${W}$$が$${A(W)\subset W}$$を満たすとき、$${W}$$を$${A}$$の不変部分空間であるという。 ■命題10.2 $${A:V\to V}$$を$${n}$$次元ベクトル空間$${V}$$上の線形写像とし、$${W}$$を$${A}$$の$${r}$$次元の不変部分空間であるとする。このとき、$${V}$$の基底$${\{e_1,\cdots

          行列計算を使わない線形代数 #10 〜 線形写像(その3) 固有値・固有空間・最小多項式

          行列計算を使わない線形代数 #9 〜 おまけ:質点系の数理

          物理学、とくに古典力学における質点系を考えます。質点とは、体積は持たないが質量は持つという仮想的な力学的な対象をいいます。実際の物体は体積(大きさ・広がり)を持つため、その形状が変化したり、形状が変化しなくてもその物体自体が自転します。そのため、形状の変化や回転も考慮に入れる必要があるのですが、質点系ではそれらを無視して、質点自体の運動のみを考えることができます。 さて、質点系では一般に質点は複数であると仮定します。いま、質点の数を$${N}$$とし、その質点に$${1}$

          行列計算を使わない線形代数 #9 〜 おまけ:質点系の数理

          行列計算を使わない線形代数 #8 〜 線形写像(その3) 線形写像の共役

          ■定義8.1 $${V}$$を有限次元のベクトル空間とし、$${X}$$を$${V}$$の部分空間であるとする。このとき、$${X}$$の直行空間(annihilator)$${X^\perp}$$を $$ X^\perp := \{ f \in V^* \,\,|\,\, f(x)=0, \,\, \forall x \in X \} $$ で定義する。$${X^\perp}$$は$${V^*}$$の部分空間になる。 ■命題8.2 定義8.1の仮定のもとで、$${

          行列計算を使わない線形代数 #8 〜 線形写像(その3) 線形写像の共役

          線形代数の記事を書いていますが数学科の出身ではないです。情報系出身で幾何学や数理物理が専門でした。物理や工学への応用や幾何学の理論が好きなので、本当は線形代数の基礎よりアドバンストな記事を書きたいです。ただ、テーマ選びが大変なので、おまけという感じでちょいちょい書くことにしてます

          線形代数の記事を書いていますが数学科の出身ではないです。情報系出身で幾何学や数理物理が専門でした。物理や工学への応用や幾何学の理論が好きなので、本当は線形代数の基礎よりアドバンストな記事を書きたいです。ただ、テーマ選びが大変なので、おまけという感じでちょいちょい書くことにしてます

          行列計算を使わない線形代数 #7 〜 おまけ(ベクトル空間の具体例:線形常微分方程式の解空間)

          $${\mathbb{R}^n}$$を$${n}$$次元数ベクトル空間とします。つまり、 $$ \mathbb{R}^{n} = \left\{ \bm{x}=\begin{pmatrix} x_1 \\ \vdots \\ x_n\end{pmatrix} \Biggm| \,\, x_1, \cdots , x_n \in \mathbb{R}  \right\}.  $$ $${\mathbb{R}}$$上のベクトル値関数$${\bm{f}:\mathbb{R}\t

          行列計算を使わない線形代数 #7 〜 おまけ(ベクトル空間の具体例:線形常微分方程式の解空間)

          行列計算を使わない線形代数 #6 〜 おまけ(ベクトル空間の引き算としてのK群入門)

          $${K=\mathbb{R}}$$または$${K=\mathbb{C}}$$とします。 $${V,W}$$を$${K}$$-ベクトル空間とします。$${V}$$と$${W}$$の「和」は、直和$${V\oplus W}$$として定義できます。ここで、直和を復習しておきましょう。直積$${V\times W = \{(v,w) \,|\, v\in V, w\in W\}}$$に和とスカラー倍を以下のように定義します: $$ (v,w) + (v',w') = (v+v'

          行列計算を使わない線形代数 #6 〜 おまけ(ベクトル空間の引き算としてのK群入門)

          行列計算を使わない線形代数 #5 〜 線形写像(その2) 双対空間

          ■定義5.1(再掲) $${V,W}$$を$${K}$$-ベクトル空間とする。$${V}$$から$${W}$$への線形写像全体の集合を$${\mathrm{Hom}(V,W)}$$と表す。特に、$${V=W}$$のとき、$${ \mathrm{Hom}(V) := \mathrm{Hom}(V, V) }$$と表す。 ■命題5.2 $${\varphi, \phi\in\mathrm{Hom}(V,W)}$$、$${\alpha\in K}$$に対して、その和$${\v

          行列計算を使わない線形代数 #5 〜 線形写像(その2) 双対空間

          行列計算を使わない線形代数 #3 〜 ベクトル空間の基底とその変換

          $${V}$$を$${n}$$次元ベクトル空間、$${\{e_1,\cdots,e_n\}}$$をその基底であるとする。 いま$${v\in V}$$を基底$${\{e_1, \cdots, e_n\}}$$の線形結合$${v=\alpha_1 e_1 + \cdots + \alpha_n e_n}$$と書いたとき、$${\alpha_1, \cdots, \alpha_n}$$をその基底に関する成分と呼ぶ。成分を縦に並べた数ベクトル $$ \bm{a} = \begi

          行列計算を使わない線形代数 #3 〜 ベクトル空間の基底とその変換

          行列計算を使わない線形代数 #4 〜 線形写像(その1) 線形写像の定義と次元定理

          ■定義4.1(線形写像) $${V,W}$$を$${K}$$-ベクトル空間とする。写像$${\varphi : V \to W}$$が線形写像であるとは、任意の$${v_1, v_2\in V}$$と$${\alpha_1, \alpha_2\in K}$$に対して、 $$ \varphi( \alpha_1 v_1 + \alpha_2 v_2 ) = \alpha_1 \varphi(v_1) + \alpha_2 \varphi(v_2) $$ が成り立つときにい

          行列計算を使わない線形代数 #4 〜 線形写像(その1) 線形写像の定義と次元定理

          行列計算を使わない線形代数 #0

          大学の初年度で学習する線形代数は、冒頭から連立方程式などを扱うためなのか、数学の初歩だと思われています。実際に演習で行うのも、行列の変形や連立方程式、行列式の計算、固有値・対角化の計算などと、どちらかというと計算中心になっています。大学のテキストもそのような構成になっているものがほとんどです。 しかし、線形代数は計算中心の応用数学ではありません。 いまの形で整備されたのは20世紀前半のことであり、線形代数は数学の中でも比較的新しい領域です。そのため代数だけではなく、関数解

          行列計算を使わない線形代数 #0