Eigenvectors and eigenvalues can on

Eigenvectors and eigenvalues can only be found for a square matrix, and thus the decom-position into UAU−1 is only possible for these matrices. The Singular Value Decomposition (SVD) is a very useful technique, which provides a similar decomposition for any matrix. The specifics are covered in the IB Linear Algebra course, but an outline of the outcome
of the decomposition is given here.

ผลลัพธ์ (ไทย) 1:

ลักษณะเฉพาะและเวกเตอร์สามารถพบในเมทริกซ์จัตุรัส และดังนั้น ตำแหน่ง decom เข้า UAU−1 ได้เฉพาะสำหรับเมทริกซ์นี้ แยกส่วนประกอบค่าเอกพจน์ (SVD) เป็นเทคนิคหนึ่งที่มีประโยชน์มาก ซึ่งมีการแยกส่วนประกอบที่คล้ายกันสำหรับเมทริกซ์ใด ๆ ครอบคลุมข้อกำหนดในหลักสูตร IB พีชคณิตเชิงเส้น แต่เค้าโครงของผลของการเน่าได้ที่นี่

ผลลัพธ์ (ไทย) 2:

eigenvectors ค่าลักษณะเฉพาะและสามารถพบได้เฉพาะสำหรับตารางเมทริกซ์และทำให้ Decom ตำแหน่งลงใน UAU-1 จะเป็นไปได้สำหรับการฝึกอบรมเหล่านี้ มูลค่าเอกพจน์สลายตัว (SVD) เป็นเทคนิคที่มีประโยชน์มากซึ่งมีการสลายตัวที่คล้ายกันสำหรับเมทริกซ์ใด ๆ เฉพาะที่ได้รับความคุ้มครองในหลักสูตร IB พีชคณิตเชิงเส้น
แต่ร่างของผลที่ได้จากการสลายตัวจะได้รับที่นี่

ผลลัพธ์ (ไทย) 3:

เสนอแบบและสามารถพบได้สำหรับเมทริกซ์จัตุรัส และดังนั้น decom ตำแหน่งใน uau − 1 เท่านั้นที่เป็นไปได้สำหรับเมทริกซ์เหล่านี้ ส่วนมูลค่าเอกพจน์ ( SVD ) เป็นเทคนิคที่มีประโยชน์มาก ซึ่งมีการใด ๆที่คล้ายกันสำหรับเมทริกซ์ เกร็ดครอบคลุมในหลักสูตร IB พีชคณิตเชิงเส้น แต่ร่างของผลของการย่อยสลาย
จะได้รับที่นี่