矩阵A^TA(A'A)和AA^T(AA')的性质

最新推荐文章于 2025-03-17 23:46:20 发布
最新推荐文章于 2025-03-17 23:46:20 发布
阅读量2.3w 收藏 39
点赞数 11
分类专栏： 机器学习 控制理论 文章标签： 高等代数 对称矩阵
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Europe233/article/details/86720864
版权
本文探讨了矩阵A的转置与自身乘积ATA和自身与转置乘积AAT的性质，包括秩相等、对称半正定性、合同关系以及相同非零特征值。此外，还指出ATA与AT、AAT与A具有相同的列空间。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

\quad 对于任意一个矩阵 A ∈ R m × n A\in R^{m\times n} A∈Rm×n，其转置与它自身的乘积 A T A A^TA ATA,以及它自身与其转置的乘积 A A T AA^T AAT有如下性质：

1. r a n k ( A T A ) = r a n k ( A ) = r a n k ( A T ) = r a n k ( A A T ) rank(A^TA)=rank(A)=rank(A^T)=rank(AA^T) rank(ATA)=rank(A)=rank(AT)=rank(AAT)
\quad 证明：首先，显然有 r a n k ( A T A ) ≤ r a n k ( A ) rank(A^TA)\leq rank(A) rank(ATA)≤rank(A);
\quad 再由： A T A x = 0 ⇒ x T A T A x = 0 ⇒ A x = 0 A^TAx=0\Rightarrow x^TA^TAx=0\Rightarrow Ax=0 ATAx

最低0.47元/天 解锁文章
逆矩阵的性质、重要特点及其优势和在现代计算机科学和工程领域应用
AI天才研究院
03-10 982
逆矩阵是线性代数中的一个重要概念。ABBAInABBAIn​其中InI_nIn​是n阶单位矩阵，则称B是A的逆矩阵，记作A−1A^{-1}A−1。对于n阶方阵A，其逆矩阵A−1A^{-1}A−1AA−1A−1AInAA−1A−1AIn​本节将介绍一个基于逆矩阵的图像去模糊项目。ABBAInABBAIn​其中InI_nIn​是n阶单位矩阵，则称B是A的逆矩阵，记作A−1。
A‘A和AA‘拥有相同的非零特征值的证明
zhengjihao的博客
04-12 2万+
假设A是一个m×nm\times n的矩阵，记A的转置为ATA^{T}。 首先证明r(AAT)=r(ATA)=r(A)=r(AT)r(AA^{T})= r(A^{T}A)=r(A)=r(A^T). 假设线程方程组为 Ax=0Ax= 0 和 ATAx=0A^{T}Ax=0。 如果Ax=0Ax=0,则AT(Ax)=0A^{T}(Ax)=0,所以Ax=0Ax=0的解为ATAx=0A^{T}Ax=0
实对称矩阵A^T=A的特征值是实数
Mooncake博客
06-21 2450
证明 设复数λ\lambdaλ为对称矩阵AAA的特征值, 复向量xxx为对应的特征向量, 即Ax=λx,x≠0Ax=\lambda x, x \neq 0Ax=λx,x​=0. 设λˉ\bar{\lambda}λˉ是λ\lambdaλ的共轭复数, xˉ\bar{x}xˉ表示xxx的共轭复向量, 而AAA为实矩阵, 有A=AˉA=\bar{A}A=Aˉ,故 Axˉ=Aˉxˉ=(Axˉ)=(λxˉ)=λˉxˉA\bar{x}=\bar{A}\bar{x}=(\bar{Ax})=(\bar{\lambda .
3.4 矩阵 $A,A^T,A^TA,AA^T$ 秩相等，左逆和右逆
jhshanvip的博客
03-24 8755
矩阵 A,AT,ATA,AATA,A^T,A^TA,AA^TA,AT,ATA,AAT 秩相等，左逆和右逆 令 r=rankAr=rank Ar=rankA ，因为零空间秩为 n−rn-rn−r ，零空间是矩阵行空间的正交补空间，矩阵 ATA^TAT 列空间就是矩阵 AAA 行空间，故 rankAT=n−rank(nullA)=rrank A^T = n-rank (null A) = rrankA...
奇异值分解（Singular Value Decomposition, SVD）
最新发布
weixin_71288092的博客
03-17 963
奇异值分解（Singular Value Decomposition, SVD）是一种将任意矩阵分解为三个特定矩阵乘积的线性代数方法，广泛应用于数据降维、信号处理、推荐系统、自然语言处理（如潜在语义分析）等领域。
AAT矩阵元素之和的性质
bj_zhb的博客
12-16 3135
文章目录AATAA^TAAT矩阵元素之和的性质1. 假设2. 结论3. 证明3.1 引理3.2 分析 AATAA^TAAT矩阵元素之和的性质 1. 假设 设AAA为任意n∗nn*nn∗n矩阵，设A的各个元素为 A=[a11a12⋯a1na21a22⋯a2n⋮⋮⋱⋮an1an2⋯ann]A=\begin{bmatrix} {a_{11}}&{a_{12}}&{\cdots}&{a_{1n}}\\ {a_{21}}&{a_{22}}&{\cdots}&{a_{2n
奇异值分解时采用AA^T和A^TA 求解左右变换阵U 、V，但利用USV^T得到的矩阵与原矩阵不符的解释说明以及正确的做法
Victory8858的博客
12-02 1661
奇异值分解时采用AA^T和A^TA 求解左右变换阵U 、V，但利用USV^T得到的矩阵与原矩阵不符的解释说明以及正确的做法
方阵A由AA^T=I来推导A^TA=I
silence1214的专栏
03-01 3984
证明对任意m*n的矩阵A,A^TA和AA^T的非零特征值相同
06-08
首先，我们可以证明 A^TA 和 AA^T 是对称矩阵。 对于 A^TA，有 (A^TA)^T = A^T(A^T)^T = A^TA，因此 A^TA 是对称矩阵。 对于 AA^T，有 (AA^T)^T = (A^T)^TA^T = AA^T，因此 AA^T 是对称矩阵。 接下来，我们可以...
证明$r(A^TA) = r(A)$
Bing's Blog
10-30 5322
首先需要明确，这个证明的切入点是：方程组的解相同。1）证明r(ATA)≤r(A)r(A^TA) \leq r(A)当AX=0时，ATAX=0AX = 0时，A^TAX = 0必然成立，即：ATAX=0A^TAX = 0的解，包含了AX=0AX = 0的解，就说明了ATAX=0A^TAX = 0的基础解系包含AX=0AX = 0的基础解系。因此：n−r(ATA)≥n−r(A)n-r(A^TA) \ge
线性代数|机器学习-P17矩阵A逆和奇异值的导数
scar2016的博客
06-22 858
A2A2σ。
AI理论随笔-对称矩阵、正交矩阵与特征向量，特征值（2）
麦好的AI乐园
10-01 4069
如果：AAT=EAA^T=EAAT=E（E为单位矩阵，ATA^TAT表示“矩阵A的转置矩阵”。）或ATA=EA^TA=EATA=E，则n阶实矩阵A称为正交矩阵，若A为正交阵，则满足以下条件： (1) ATA^TAT是正交矩阵 (2) E为单位矩阵 (3) A的各行是单位向量且两两正交 (4) A的各列是单位向量且两两正交 (5) $ (Ax,Ay)=(x,y)x,y∈R$ (6) ∣A∣=1|A|...
证明：因为矩阵A非０，所以AA'也非零
肥仔的博客
08-13 1546
其实只是我的简单推测，不知道有没有错。推理如下： 1）设n级矩阵A的行向量组为α1，…，αn，则AA’的主对角线上的元素为αiαi’，即相当于A矩阵中第i行的所有元素的平方和，所以主对角线上的元素>=0，等号成立的条件是A矩阵中该行元素全为0。 2）如果AA’为零矩阵，那么主对角线上的元素也应该是全0，即A中每一行的元素全为0，即A为零矩阵，矛盾 3）所以AA’不为零矩阵 ...
由A* = A^T推导问题
Bing's Blog
11-26 5882
由A* = A^T推导问题@(线性代数)矩阵A=⎡⎣⎢⎢⎢⎢a11a21.an1a12a22.an2..........a1na2n.ann⎤⎦⎥⎥⎥⎥ A = {\left[\begin{array}{ccc} a_{11} & a_{12} &...& a_{1n} \\ a_{21} & a_{22} &...& a_{2n} \\ .&.& .&.\\ a_{n1} & a_{n2} &.
SVD总结
weixin_30564785的博客
09-25 119
1.概述 　　我们先从实数域R开始说起，再延伸到复数域C上去，先列出一个表格，把实数域以及复数域中常见的矩阵及其性质概括如下： 表1 常见矩阵及其性质 　　我们知道实对称矩阵正交相似于对角阵，从而将一个方阵对角化，那么一个的矩阵能否对角化为对角阵呢，答案是肯定的，这也是奇异值分解（singular value decomposition,SVD）的意义所在。 　　设A是一个矩...
常见的几类矩阵（正交矩阵、酉矩阵、正规矩阵等）
热门推荐
lch的博客
07-27 6万+
目录实对称矩阵定义实反对称矩阵定义厄米特矩阵定义反厄米特矩阵定义正交矩阵定义性质酉矩阵（幺正矩阵）定义性质正规矩阵定义性质正定矩阵定义性质充要条件友矩阵（伴侣矩阵）定义性质旋转矩阵定义性质对比 实对称矩阵 定义 AT=AA^T=AAT=A 实反对称矩阵 定义 AT=−AA^T=-AAT=−A 厄米特矩阵 定义 AH=AA^H=AAH=A 反厄米特矩阵 定义 AH=−AA^H=-AAH=−A 正交矩阵 定义 ATA=AAT=IA^TA=AA^T=IATA=AAT=I 换言之，当AT=A−1A^T=A
实对称矩阵的一些小知识——在LDA和LPP中遇到的
yutiannj的专栏
08-22 9401
实对称矩阵不一定可逆。 Sw实对称，转为可逆：SW=SW+0.0001*trace(SW)*eye() inv(Sw)不是对称矩阵，所以inv(Sw)*Sb不是实对称矩阵，所以opencv中不能直接用eigen()函数（只能处理对称矩阵）分解，而是用LDA.cpp中的一个特征分解类。 -----matlab可以直接用eigen()分解。 Sw和Sb都是实对称矩阵，是满秩
矩阵运算及求导
rauchy的博客
11-19 8417
基本运算   矩阵的常见运算如下： 符号 描述 A−1A^{-1}A−1 矩阵的逆 det⁡(A)\det(A)det(A) A的行列式 Tr(A)Tr(A)Tr(A) 矩阵的迹 eig(A)eig(A)eig(A) 矩阵的特征值 ATA^TAT A的转置 ∥A∥\|A\|∥A∥ A的范数 A∘BA\circ BA∘B 哈达玛积 A⊗BA\otimes ...
矩阵奇异值
quaer的博客
09-29 1397
接着： viTvi 转为两个向量的点乘 vi→·vi→=||vi||2。由于： ||Avi→||2 为非负数（一个向量的模长的平方为非负数）得到该新向量的模长 (||Avi→||) 即为 ATA 的奇异值。由上面可知： σi=λi=||Avi→||2=||Avi→||所以：每个 ui 的模长为1，于是： ||ui||2=1。那么将 vi 替换成 ui 后为： λi||ui||2。那么： ||Avi→||2=(Avi→)(Avi→)那么这个新的向量模的平方记为： ||Avi→||2。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值