本文介绍了矩阵的不同类型，包括埃尔米特矩阵、酉矩阵、可对角化矩阵、正规矩阵和正定矩阵，并探讨了LU、特征、QR、Cholesky和SVD分解。重点阐述了矩阵分解的重要性和应用，如在正定矩阵中的Cholesky分解以及实对称矩阵的特征分解。
文章目录
0. 矩阵种类
埃尔米特矩阵（Hermitian Matrix）
埃尔米特矩阵中每一个第 i i i 行第 j j j 列的元素都与第 j j j 行第 i i i 列的元素的复共轭。
A = A H （ 也 可 写 成 A = A ∗ ） A = A^H （也可写成 \hspace{2mm} A = A^*） A=AH（也可写成A=A∗）
对应于实数域的对称矩阵。
酉矩阵 （Unitary Matrix）
在复数域上存在特性
A ∗ A ∗ = I A * A^* = I A∗A∗=I
对应实数域的正交矩阵。
可对角化矩阵
如果存在一个可逆矩阵 P P P 使得 P − 1 A P P^{−1}AP P−1AP 是对角矩阵，则它就被称为可对角化的，等同于 P A = Λ P PA=\Lambda P PA=ΛP。
正规矩阵（Normal Matrix）
正规矩阵 A \mathbf {A} A 是与自己的共轭转置满足交换律的复数方块矩阵，也就是说， A \mathbf {A} A 满足
A ∗ A = A A ∗ \mathbf{A}^* \mathbf{A} = \mathbf{A} \mathbf{A}^* A∗A=AA∗
所有的 酉矩阵、埃尔米特矩阵 和 斜埃尔米特矩阵 都是正规的。
正定矩阵
- 在线性代数里，正定矩阵是埃尔米特矩阵的一种。
- 如果是实数，那么正定矩阵一定是对称矩阵
- 正定矩阵所有的特征值 λ i \lambda_i λi 都是正的。
1. LU 分解
将一个矩阵分解为一个下三角矩阵和上三角矩阵的乘积。它可以被看作是高斯消去的矩阵形式。
分解的条件
所有子式都非零。 而即使矩阵不可逆，LU仍然可能存在。
Cholesky 分解是把一个对称正定的矩阵表示成一个下三角矩阵L和其转置的乘积的分解。它要求矩阵的所有特征值必须大于零，故分解的下三角的对角元也是大于零的。Cholesky分解法又称平方根法，是当A为实对称正定矩阵时，LU三角分解法的变形。
2. 特征分解 （Eigen Decomposition / Spectral Decomposition）
令 A A A 是一个 N × N N \times N N×N 的矩阵，且有 N N N 个线性独立的特征向量 q i ( i = 1 , … , N ) q_i (i = 1, \dots, N) qi(i=1,…,N
最低0.47元/天 解锁文章
485
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
