
matrix
看风景的人lsy
这个作者很懒,什么都没留下…
展开
-
【矩阵分解
矩阵分解原创 2022-09-11 20:14:56 · 716 阅读 · 1 评论 -
SVD分解
SVD分解结果:Am∗n=Um∗mΛm∗nVTn∗nAm∗n=Um∗mΛm∗nVn∗nTA_{m*n}=U_{m*m}\Lambda _{m*n}V_{n*n}^T 其中,矩阵U,VU,VU,V是酉矩阵,ΛΛ\Lambda的元素Λii=σiΛii=σi\Lambda_{ii}=\sigma_i是非负数,且满足σi>σi+1σi>σi+1\sigma_i>\sigma_{i+1}。...原创 2018-05-18 15:01:37 · 310 阅读 · 0 评论 -
SVD应用
线性方程组的解Am∗nx=bAm∗nx=bA_{m*n}x=b (1)如果n>m,那么未知数的个数大于方程数。解不唯一而且有一个解矢量空间 (2)如果m=n,那么只要A可逆便有唯一解.否则无解 (3)如果m>n,那么方程数个数大于未知数。方程一般无解,除非b是A的列的线性组合最小二乘解满秩:m>=n,且A的秩是n。寻找一个向量xxx使得||Ax−b原创 2018-05-26 18:21:18 · 409 阅读 · 0 评论 -
正交矩阵
UUT=UTU=IUUT=UTU=IUU^T=U^TU=I,且UUU是实数向量,则U是正交矩阵。可知UUU的行(列)向量都是单位范数并且正交的。det(U)=1or−1det(U)=1or−1det(U)=1 or -1行列式为+1的n维正交矩阵可以看作是n维旋转正交矩阵的保范性质:(Ux)T(Ux)=xTx(Ux)T(Ux)=xTx(Ux)^T(Ux)=x^Tx基变换矩阵:...原创 2018-07-12 11:27:47 · 5697 阅读 · 0 评论 -
对称和反对称矩阵
特征值分解如果AAA是一个实对称矩阵,那么AAA可以分解为A=UDUTA=UDUTA=UDU^T,其中UUU是正交矩阵,DDD是实对角矩阵,因此一个实对称矩阵有实特征值,其特征向量两两正交实对称矩阵的其他性质: 可通过Jacobi方法求实对称矩阵的特征值和特征向量叉乘a=(a1,a2,a3)T, [a]×=⎡⎣⎢0a3−a2−a30a1a2−a10⎤...原创 2018-09-05 19:18:47 · 6085 阅读 · 0 评论