矩阵分析与应用
文章平均质量分 88
NirHeavenX
404 error
展开
-
矩阵分析与应用(四)——逆矩阵、广义逆矩阵和Moore-Penrose逆矩阵
逆矩阵 逆矩阵的定义:如果对于一个方阵AA,存在一个方阵BB,使得AB=BA=IAB=BA=I,那么我们称BB为AA的逆矩阵,记做:A−1=B=1|A|A∗A^{-1}=B=\frac{1}{\vert A\vert}A^*,这里A∗A^*代表伴随矩阵。 一个n∗nn*n的方阵存在逆矩阵的充要条件等价于:AA为非奇异矩阵rank(A)=nrank(A)=nAA的行向量线性无关AA的列原创 2017-08-07 17:02:20 · 20269 阅读 · 1 评论 -
矩阵分析与应用(二)——内积与范数
常数向量的内积与范数 两个m×1m×1的向量之间的内积(点积)定义为: ⟨x,y⟩=xHy=∑i=1mx∗iyi\langle x,y\rangle=x^Hy=\sum_{i=1}^m x_i^*y_i 其夹角定义为: cosθ=⟨x,y⟩⟨x,x⟩⟨y,y⟩−−−−−−−−−√=xHy∥x∥∥y∥cos \theta = \frac{\langle x,y\rangle}{\sqrt {\原创 2017-07-31 11:57:30 · 27388 阅读 · 0 评论 -
矩阵分析与应用(三)——基与Gram-Schmidt正交化
nn维Euclidean空间只有一个,但是nn维向量空间却有无穷多个,如x={0,0,α,β,γ}x=\{0,0,\alpha,\beta,\gamma\}和y={1,5,α,β,γ}y=\{1,5,\alpha,\beta,\gamma\}就是两个完全不同的5维向量空间,虽然他们都在5阶Euclidean空间内。 我们知道,nn维空间的多个向量的线性组合也属于nn维空间(根据向量空间加法运算原创 2017-08-03 11:53:28 · 6063 阅读 · 0 评论 -
矩阵分析与应用(一)——集合的基本运算和内积空间
矩阵相关 幂等矩阵:对于方阵AA,如果A2=AA^2=A,则称为幂等矩阵 对合矩阵:对于方阵AA,如果A2=IA^2=I,则称为对合矩阵集合的基本运算A∪B={x∈X:x∈A or x∈B}A\cup B =\{x \in X: x \in A\space or \space x\in B\}A∩B={x∈X:x∈A and x∈B}A\cap B =\{x \in X: x原创 2017-07-27 19:35:28 · 2120 阅读 · 0 评论