【矩阵论总结(5)】常用计算及方法

最新推荐文章于 2023-11-27 00:22:53 发布

X_Cosmic

最新推荐文章于 2023-11-27 00:22:53 发布

阅读量5.5k

点赞数

分类专栏：矩阵论文章标签：矩阵论线性代数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-NC-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/X_Cosmic/article/details/85894034

版权

矩阵论专栏收录该内容

5 篇文章 2 订阅

订阅专栏

1、特征值与特征向量：通过 $\lambda I-A$ 来计算

2、矩阵的最小多项式：通过特征多项式计算

3、矩阵的迹：全体特征值的和（主对角线元素的和）tr（AB）=tr（BA）

4、Schmidt正交化：

${y_{1}^{'}}=x_{1}$

${y_{2}^{'}}=x_{2}-(x_{2},y_{1}^{'})/(y_{1}^{'},y_{1}^{'})\cdot y_{1}^{'}$

5、向量 $l_{p}$ 范数：

p=1,各向量模长之和，p=2,欧氏距离，p= $\infty$ ,模最大值

6、矩阵范数

$\left \| A \right \|_{1},$ 列和范数， $\left \| A \right \|_{\infty },$ 行和范数， $\left \| A \right \|_{2},$ 谱范数

7、矩阵的谱半径：特征值绝对值的最大值（思考:谱半径和范数的关系）

8、矩阵函数值的求法：

（1）待定系数法

$f(\lambda)=\varphi (\lambda)g(\lambda)+(a+b\lambda)$

（2）对角形法

$P\begin{bmatrix} f(\lambda_{1}) & \\ & f(\lambda_{2}) \\ & & f(\lambda_{3}) \end{bmatrix}P^{-1}$

（3）Jordan标准型法

9、函数微分

10、矩阵分解

（1）LDU分解：方阵

（2）QR分解：正交化法、Givens法、Householder法，需要是非奇异矩阵

Givens：

$c=\frac{\xi _{i}}{\sqrt{\xi^2_i+\xi_j^2}},s=\frac{\xi _{j}}{\sqrt{\xi^2_i+\xi_j^2}}$

$T=\begin{bmatrix} 1 & \\ & T_2 \end{bmatrix}T_{1}$

Q=T^T

Householder：

$H=I-2uu^{T}$

$u=\frac{x-|x|z}{\left | x-|x|z \right |}$

$S=\begin{bmatrix} 1 & \\ & H_2 \end{bmatrix}H_1$

Q=S^T

（3）满秩分解：通过Hermite标准型

（4）奇异值分解： $U\begin{bmatrix} \Sigma O \\ O O \end{bmatrix}V^H$ ，任何矩阵都可以

（5）Cholesky分解

11、特征值的界

12、直积

13、投影矩阵

$P_{L,M}=[X\vdots O][X\vdots Y]^{-1}$

14、{1}-逆

$X=P\begin{bmatrix} I_r & O \\ O & L \end{bmatrix}Q$

15、加号逆

$A^{+}=G^{H}(GG^{H})^{-1}(F^{H}F)^{-1}F^{H}$

16、方程组的极小范数解和极小范数最小二乘解

$x=A^{+}b$

关注

0
点赞
踩
8

收藏

觉得还不错? 一键收藏
1
评论
【矩阵论总结(5)】常用计算及方法

1、特征值与特征向量：通过来计算2、矩阵的最小多项式：通过特征多项式计算3、矩阵的迹：全体特征值的和（主对角线元素的和）tr（AB）=tr（BA）4、Schmidt正交化： 5、向量范数： p=1,各向量模长之和，p=2,欧氏距离，p=,模最大值6、矩阵范数列和范数，行和范数，谱范数7、矩阵的谱半径：特征值...
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。