网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
2.任意矩阵的三角分解
1)不唯一分解:
行满秩矩阵(rank A=m),分解为m阶酉矩阵与n阶正线上三角复矩阵R的乘积。(即酉矩阵*高矩阵)。
列满秩矩阵(rank A=n),分解为n阶正线上三角复矩阵L与n阶酉矩阵的乘积。(即长矩阵*酉矩阵)。
主要利用将多余向量通过线性无关向量表征的方法证明。
2)唯一分解:
当酉矩阵和行满秩矩阵同型(且均行满秩),则A可唯一地分解为A=UR。
当酉矩阵和列满秩矩阵同型(且均列满秩),则A可唯一地分解为A=LU。
主要通过令酉矩阵为一个具体矩阵法验证。
3)普通分解(非方阵、非单边秩)
证明主要通过初等变换、一次行满秩分解、一次列满秩分解得证。
该方法此处简要学习,为SVD分解学习做准备。
二、矩阵的谱分解
- 单纯矩阵的谱分解
代数重复度(特征多项式对应次数)、几何重复度(特征子空间的维数)。
若矩阵A的每个特征值的代数重复度与几何重复度相等,则称矩阵A为单纯矩阵。、
单纯矩阵与对角阵相似,有n个线性无关向量,矩阵A可逆。
单纯矩阵可分解为一系列幂等矩阵的加权和。其中,幂等矩阵满足:幂等性、可分离性、可加性。
单纯矩阵的充要条件,k个矩阵Ai满足幂等性、可分离性、可加性。
2.正规矩阵及其分解
若n阶复矩阵满足A*A^H =A^H*A,则A为正规矩阵。
正规矩阵与对角阵酉相似(条件更强:不仅线性无关且正交)
若正规矩阵A与B酉相似,则B也是正规矩阵。
Schur定理:A是n阶方阵,存在酉矩阵U,使得A=U*R*U^H.其中,R是一个上三角矩阵且主对角线上的元素为A的特征值
设A正规矩阵且是三角矩阵,则A是对角矩阵。
n阶复矩阵A是正规矩阵的充要条件是A与对角矩阵酉相似。即存在n阶酉矩阵U,使得:
正规矩阵的重要条件是k个矩阵Ai满足:幂等性、可分离性、可加性、正交性。
三、矩阵的最大秩分解
任意矩阵A可分解为列满秩矩阵B和行满秩矩阵的乘积,即A=BD。
最大秩分解步骤:
1. 进行初等行变换,化为行标准形
2. 行标准形矩阵A的非零元所对应的列为矩阵B,非零行则构成D。
当然使用列变换也可以进行最大秩分解,这两种方法也表明最大秩分解不唯一。
当然,不同方法得到的BD满足一定的唯一性。(即唯一A+=右逆*左逆=D+ *B+):
四、矩阵的奇异值分解
A=UBV,则A、B酉等价,并且A、B有相同正奇异值.
奇异值分解定理
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上C C++开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
真正体系化!**
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新