線性代數
文章平均质量分 88
keineahnung2345
这个作者很懒,什么都没留下…
展开
-
兩獨立高斯隨機變數之和
兩獨立高斯隨機變數之和以下證明參考Sum of normally distributed random variables - Proof using characteristic functions。兩個隨機變數X,YX,YX,Y的特徵函數定義如下:φX(t)=E(eitX),φY(t)=E(eitY)\varphi_X (t) = \operatorname{E}\left(e^{itX}\right), \qquad \varphi_Y(t) = \operatorname{E}\left(原创 2022-02-08 15:20:08 · 2125 阅读 · 0 评论 -
兩獨立隨機變數之和的特徵函數
兩獨立隨機變數之和的特徵函數參考機率論 特性函數(1) - Properties,特徵函數(characteristic function)的定義為:φX(t)=E(eit(X))\varphi_{X}(t)=\operatorname{E}\left(e^{it(X)}\right)φX(t)=E(eit(X))。φX+Y(t)=E(eit(X+Y))套用特徵函數的定義=E(eit(X))E(eit(Y))假設有兩獨立的隨機變數X,Y,則E(XY)=E(X)E(Y)=φX(t)φY(t原创 2022-02-08 14:44:13 · 1000 阅读 · 0 评论 -
兩隨機變數乘積的期望值
兩隨機變數乘積的期望值以下推導參考Distribution of the product of two random variables - Expectation of product of random variables。E(XY)=E(E(XY∣Y))law of total expectation=E(Y⋅E[X∣Y])外層給定Y=y,所以Y對內層期望值來說為常數\begin{aligned} \operatorname{E}(XY) &= \o原创 2022-02-08 14:40:08 · 2689 阅读 · 0 评论 -
Law of total expectation證明
Law of total expectation證明Law of total expectation的公式為:E(X)=E(E(X∣Y))\operatorname{E} (X) = \operatorname{E} \left( \operatorname{E} (X \mid Y) \right)E(X)=E(E(X∣Y))參考Law of total expectation - Proof in the finite and countable cases,證明如下:E(E(X∣Y)原创 2022-02-08 14:29:12 · 1300 阅读 · 0 评论 -
對隨機變數做線性變換後的期望值和協方差
對隨機變數做線性變換後的期望值和協方差假設X,b∈Rn,A∈Rm×n\textbf{X},b \in \R^n, A \in R^{m \times n}X,b∈Rn,A∈Rm×n,那麼使用A,bA,bA,b對X\textbf{X}X做線性變換後,其期望值如下:E[AX]=AE[X]\operatorname{E}[A\textbf{X}] =A \operatorname{E}[\textbf{X}]E[AX]=AE[X]E[X+b]=E[X]+bE是線性算子\begin{aligned}原创 2022-02-08 14:27:49 · 1240 阅读 · 0 评论 -
Frobenius norm的特性以及證明
本篇整理自深藍學院三維點雲處理課程的Lecture 9 – Registration,並補上證明。原创 2021-09-26 09:17:53 · 1611 阅读 · 0 评论 -
矩陣的跡(matrix trace)的特性以及證明
本篇整理自深藍學院三維點雲處理課程的Lecture 9 – Registration,並補上證明。原创 2021-09-26 09:03:33 · 2871 阅读 · 0 评论 -
兩矩陣乘積的跡對矩陣微分公式證明
本公式來自The Matrix Cookbook中的公式(104)。證明如下。原创 2021-09-26 08:54:07 · 310 阅读 · 0 评论 -
x^Tx對x微分公式證明
本公式來自The Matrix Cookbook中的公式(131)。證明如下。原创 2021-09-26 08:43:52 · 1383 阅读 · 0 评论 -
由旋轉矩陣得到旋轉軸和旋轉角度
羅德里格公式闡述了旋轉矩陣R和旋轉軸n及旋轉角度θ之間的關係:R(n,θ)=I+sin(θ)n×+(1−cos(θ))n×2,其中n×是n的反對稱矩陣。本篇文章的目的是想要由R得到n和θ。注:本篇參考A property of orthogonal matrices。原创 2021-09-05 11:35:35 · 462 阅读 · 0 评论 -
羅德里格斯公式的證明
設旋轉向量長度為θ,⽅向為n,那麽旋轉矩陣R為:R=cosθI+(1−cosθ)nnT+sinθn^R參考Rodrigues’ rotation formula使用旋轉向量對向量v進行旋轉。將向量v拆分成與旋轉軸平行的分量v∥及與旋轉軸垂直的分量v⊥原创 2021-09-05 10:21:51 · 293 阅读 · 0 评论 -
向量的反對稱矩陣
向量的反對稱矩陣定義推導性質參考連結定義參考Skew-symmetric matrix,反對稱矩陣的定義如下:a skew-symmetric (or antisymmetric or antimetric[1]) matrix is a square matrix whose transpose equals its negative即滿足AT=−AA^T = -AAT=−A的矩陣。推導參考Skew-symmetric matrix:Three-by-three skew-symmetri原创 2021-01-19 17:23:41 · 3581 阅读 · 0 评论