![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
矩阵理论笔记
文章平均质量分 92
Insomnia_X
这个作者很懒,什么都没留下…
展开
-
矩阵理论| 特殊矩阵:正定矩阵
一方面因为实对称正定矩阵拥有良好性质,另一个原因是实对称正定矩阵的分析就足以应付其他一般的正定矩阵(原理:任何矩阵。原创 2023-02-13 21:41:40 · 6006 阅读 · 0 评论 -
矩阵理论| 特殊矩阵:Hermite矩阵/共轭对称矩阵
这里反映了一个问题:我们看待矩阵分解时,常常过度关注分解式所产生的简约形式,反而因此忽略了变换矩阵。这里合适的方法是,使用使用 Schur 定理将矩阵三角化,因为其左右变换矩阵都是酉矩阵,有助于化简。①分析:这里使用SVD和Jordan标准型都不奏效,使用SVD。Hermite矩阵是复数域上的“对称矩阵”根据 Schur 定理矩阵三角化,是Hermite矩阵,有如下几个。的对角线上的元素为特征值。原创 2023-02-13 21:28:48 · 3904 阅读 · 1 评论 -
矩阵理论| 特殊矩阵:幂等矩阵、投影、正交投影
(后面证明),有充足的无关特征向量,代数重数=几何重数,投影矩阵。投影矩阵 /幂等矩阵 (idempotent matrix)做投影,斜投影矩阵有无数个,正交投影矩阵则只有一个(下面先介绍一般投影的特点,然后再介绍正交投影。(列向量线性无关),我们希望向列空间。另外,投影矩阵的重要意义是,投影。如图,任意向量可拆分为投影部分。(正交投影的应用:最小二乘法)),我们可以直接说矩阵。**必然可以相似对角化。如图,任意向量可拆分为。和投影的“轨迹”部分。理解:“垂直投影”即。原创 2023-02-13 21:19:48 · 5772 阅读 · 5 评论 -
矩阵理论| 特殊矩阵:Householder矩阵 / 镜射矩阵
以上面的三对角化为基础,Householder 变换的两个主要应用都是在数值线性代数的内容:①执行 QR 分解;②计算特征值的 QR 迭代法的第一步。从第一列开始,依次将每一列变为三对角阵的形式,具体方法是设计一个可逆矩阵。,因而Householder矩阵是可逆的。正交投影至(镜射超平面的)法向量。到镜射超平面 的正交投影点就是。基于上面给出的最后一个性质,关于镜射超平面的 镜射点是。Householder矩阵。①从形式上,显然是对称矩阵。,其镜射变换后的向量为。上的投影长度,如图)原创 2023-02-13 21:13:48 · 5902 阅读 · 1 评论 -
矩阵理论| 特殊矩阵:初等矩阵(2) - 几何意义、一些特殊的初等矩阵举例(基本投影矩阵、基本镜射矩阵/Householder矩阵、初等行变换矩阵)
初等行变换不改变行空间、左零空间,可能改变列空间、零空间,但是能保持列向量之间的相关性。、以Y轴做镜面反射的矩阵(Householder矩阵),基本投影矩阵并不是一个初等矩阵(因为不可逆),这是Householder矩阵,对应镜射变换。引入初等矩阵,实际上是希望将很多常用的矩阵。我们已经知道,对矩阵做初等行变换,等价于用。是一个切变 (shear) 矩阵,他将向量。满足一些特殊关系时,初等矩阵又有。例如,初等行变换所乘的矩阵。、正交投影至XY平面的矩阵。个元素为1,其余为0),从而简化矩阵的设计。原创 2023-02-13 20:59:53 · 1344 阅读 · 0 评论 -
矩阵理论| 特殊矩阵:初等矩阵(1) - (行列式、逆矩阵、特征向量)、初等矩阵的相关定理和性质
下一篇文章会指出,基本投影矩阵、基本镜射矩阵/Householder矩阵(酉矩阵)、初等行变换矩阵,都属于初等矩阵。从高斯消元法来看,此性质就是说,一定存在初等矩阵,能够将每一列。在矩阵求逆时,我们学习过Gauss-Jordan法:将矩阵。任意非奇异/可逆矩阵,必然可以分解为若干个初等矩阵之积。为秩1矩阵(列向量乘以行向量,称为。具体消元的初等矩阵就是之后要介绍的。,特征值全为1(代数重数为。执行的初等行变换操作记为。,必然存在初等矩阵,使得。的正交补)中的任意向量。利用特征向量的知识,原创 2023-02-13 21:00:17 · 832 阅读 · 0 评论 -
矩阵理论| 基础:矩阵范数
上述的矩阵范数,仅是将矩阵视为广义的向量,却忽略了矩阵的“线性变换”意义(矩阵具有移动向量空间的能力)上面的F范数、算子2范数、核范数都是酉不变范数,进而都与奇异值有关;若将矩阵视为广义的向量,那么。然而,更一般的情况下,根据EVD/SVD的几何意义,特征向量是变换后。范数就是向量的几何长度,求算子范数就是找向量的最大伸缩量。从向量Lp范数推广,(将矩阵视为向量),可以直接得到。,对应的受到最大程度拉伸的向量是右奇异向量(理解:根据定义,算子范数就是将矩阵。一开始说过,自相容的矩阵范数满足。原创 2023-02-08 14:31:56 · 4920 阅读 · 1 评论 -
矩阵理论| 基础:向量范数、赋范向量空间与内积空间、重要不等式
范数是度量向量/矩阵/张量大小的方法范数定义了向量到实数的某种映射,并且满足正定性、齐次性、三角不等式∥v∥≥0∥cv∥∣c∣∥v∥∥vw∥≤∥v∥∥w∥。原创 2023-02-08 14:31:43 · 1149 阅读 · 0 评论 -
矩阵理论| 基础:Jordan标准型(从Jordan标准型求代数重数/几何重数/特征向量)
Jordan标准型在数值计算上的用处不大,但是可用于分析矩阵特征值情况,另外,证明两个矩阵相似的通用方法就是证明它们有相同的Jordan标准型。矩阵可对角化,那么其所有特征值的几何重数=代数重数,也就是说其Jordan标准型中所有的Jordan块都必须为1阶的。(可对角化的矩阵,其无关特征向量可张成整个空间,而Jordan标准型的情况,其所有广义特征向量张成整个空间),详见。因此,两个矩阵相似的一大特点是:特征值相同,各特征值的几何重数/代数重数相同。的特征值为0,且相应的特征子空间维数为。原创 2023-02-07 17:18:03 · 6789 阅读 · 1 评论 -
矩阵理论| 基础:特征值与特征向量、代数重数/几何重数、相似对角化和Jordan标准型
由上面的知识,特征值0的代数重数等于几何重数,特征值1的代数重数也等于几何重数,故幂等矩阵一定可以相似对角化。实对称矩阵(n个正交的特征向量)、幂等矩阵(证明见后文)必然可以相似对角化。首先注意,代数重数与几何重数的概念,都是针对某一个特征值。不同特征值对应的特征子空间的交为{0},幂等矩阵的特征值只可能为0和1(由。的特征值与特征向量满足。(其维数=代数重数,原创 2023-01-31 14:00:23 · 1717 阅读 · 0 评论 -
矩阵理论| 基础:线性变换(正交/酉变换、对称/共轭变换、正规变换)、不变子空间
(任意向量都可以表示为基向量的线性组合,结合上线性变换的可加性与数乘性,即可证明):在一组标准正交基下的矩阵为正规矩阵,满足。正交变换、对称变换、反对称变换都是正规变换。ps. 这里的值域/列空间记为。给定一个坐标系后,线性变换。具有良好性质的一类变换是。,两个不同的特征向量满足。,结合上共轭矩阵的性质得。进一步的,不变子空间。原创 2023-01-31 13:59:14 · 4122 阅读 · 0 评论 -
矩阵理论| 基础:线性子空间(非平凡子空间)、空间分解、直和分解
上面的情况,空间分解后,两个子空间有公共的基向量;进而,N维空间,可以不断分解为N个一维子空间的和。中向量的叠加,如果这种表示是唯一的,称为。、分别张成两个自空间(没有公共的基)空间中的任意向量,可以表示为子空间。的基向量,因此问题转化为求解方程。,且两个子空间相加得到整个原空间。,那么该矩阵行初等变换后得到的。将两个子空间的基 组合为矩阵。个无关的解,每个解对应的系数。并且,一般的空间分解满足,没有有公共的基向量,这就是。中的向量,必须满足既能由。的基表出,即满足方程。原创 2023-01-31 13:54:58 · 5175 阅读 · 0 评论