![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
矩阵论
文章平均质量分 87
培之
这个作者很懒,什么都没留下…
展开
-
正交矩阵与几何
设A∈Rn×nA∈Rn×n,如果ATA=IATA=I。就称A\mathbf{A}A为正交矩阵。谁能想到,仅仅只用了一个等式竟然蕴含这么多的信息,给了一个这么强的约束。原创 2022-10-07 10:46:51 · 1234 阅读 · 0 评论 -
本质矩阵8点法中的线代知识
在多视图几何的 2D 几何中,在利用八点法(Eight-point-algorithm)求解本质矩阵(Essential Matrix)的时候,出现一个将xTEy表示成BElinear的过程其中,B的元素 仅与x,y有关。下面首先简单地推导该过程,接着复习一下二次型相关内容。原创 2022-09-23 14:41:58 · 816 阅读 · 0 评论 -
线性方程组解个数的判定和求解
线性方程组解个数的判定和求解线性方程组解的判定含有 mmm 个方程, nnn 个未知数(unknowns)的线性方程组的一般形式如下:{a11x1+a12x2+⋯+a1nxn=b1a21x1+a22x2+⋯+a2nxn=b2⋯an1x1+an2x2+⋯+annxn=bn\left\{\begin{array}{c} a_{11}x_1+a_{12}x_2+\cdots+a_{1n}x_n=b_1 \\ a_{21}x_1+a_{22}x_2+\cdots+a_{2n}x_n=b_2原创 2021-08-30 16:39:38 · 21756 阅读 · 0 评论 -
矩阵 A乘A的转置是否一定正定? NO!!!
矩阵 ATAA^{T}AATA 是否一定正定?NO!注意,并不要求 AAA 是方阵,记 AAA 是 m×nm\times nm×n 的矩阵。则xTATAx=(Ax)TAx=∥Ax∥2≥0x^{T}A^{T}Ax=(Ax)^{T}Ax= \lVert Ax\rVert^{2} \ge 0xTATAx=(Ax)TAx=∥Ax∥2≥0其中 xxx 是 n×1n\times 1n×1 的向量, ATAA^{T}AATA 是 n×nn\times nn×n 的方阵。由上面的不等式我们知道 ATAA^{T}原创 2021-07-26 21:04:18 · 16096 阅读 · 7 评论 -
向量的反对称矩阵算子的反交换性
验证 a^b=−b^a\boldsymbol{a}^\boldsymbol{\hat{}}\boldsymbol{b}=-\boldsymbol{b}^\boldsymbol{\hat{}}\boldsymbol{a}a^b=−b^a,其中a=[a1a2a3]T\boldsymbol{a}=[a_{1}\quad a_{2} \quad a_{3}]^\mathrm{T}a=[a1a2a3]Tb=[b1b2b3]T\boldsymbol{b}=[b_{1}\quad b_{2} \quad b_{原创 2021-07-25 14:05:26 · 2056 阅读 · 0 评论 -
特征值和特征向量概述-面试必问3(含特征值、向量意义)
特征值和特征向量(Eigenvalues and eigenvectors)在线性代数中,一个线性变换的特征向量(eigenvector 或者 characteristic vector)是一个非零向量。将线性变换应用在它上面,它最多以一个标量因子进行伸缩变换。特征向量缩放的因子叫做特征值,记为 λ\lambdaλ 。几何上,一个特征向量,对应于一个实非零特征值,指向它被变换拉伸的方向,特征值是它被拉伸的因子。如果特征值是负的,则方向相反,如果特征值为0,则缩回原点。不严谨地说,在多维向量空间中,特征原创 2021-07-18 10:13:47 · 4361 阅读 · 0 评论 -
秩的11个常用不等式(完全证明)——考试必考,面试必问2
秩的不等式思路本文默认读者了解矩阵秩的多种定义。如果不了解,也没关系,可以先移步博主的**本篇文章**。思路1:证明秩相等,考虑证同解方程组构造(Ⅰ) AX=0⃗AX = \vec{0}AX=0 (Ⅱ)BX=0⃗BX = \vec{0}BX=0 。(A,BA,BA,B 列数相同)若(Ⅰ)(Ⅱ)同解(两个方程组,若它们的未知量个数相同且解集相等,则称为同解方程组),则(Ⅰ)(Ⅱ)各自的基础解析等价,从而 n−r(A)=n−r(B)⇒r(A)=r(B)n-r(A) = n-r(B) \Righta原创 2021-07-14 21:31:24 · 17944 阅读 · 9 评论 -
秩 的概述——线代面试必问1
秩在线性代数(linear algebra)中,矩阵 AAA 的秩是由它的列向量生成(张成)的列空间的维度。这对应 AAA 中线性无关(linearly independent)的列的极大数目。这也和它的行向量张成的行空间的维度相等。因此,秩是由 AAA 表示的线性方程组和线性变换的“非退化性”(nondegenerateness)的度量。秩有多个等价定义。矩阵的秩是它最基本(fundamental)的特征之一。从行阶梯形得到秩求矩阵秩的一种常用方法是通过初等行变换(elementary row op原创 2021-07-13 10:45:51 · 2355 阅读 · 1 评论 -
两个个向量组向量数目相对大小重要定理
向量组线性相关性重要定理:定理1.2.3:设V为数域P上的线性空间,如果V中向量组α1,α2,…,αr\alpha_1,\alpha_2,\dots,\alpha_rα1,α2,…,αr线性无关,并且可由向量组β1,β2,…,βs\beta_1,\beta_2,\dots,\beta_sβ1,β2,…,βs线性表示,则r≤sr \le sr≤s本人对定理的理解: 如果一组向量组A是线性无关组,说明它内部向量最有效的,性价比最高的。现在你来了另外一组向量组B,不清楚它是线性相关组还是线原创 2021-07-10 17:16:01 · 787 阅读 · 0 评论 -
矩阵的秩+基础解系的秩为什么等于n?
本文证明任何一个m×nm \times nm×n矩阵的秩和对应齐次线性方程组的秩和为n。Rank-Nullity Theorem叙述如下:对任意m×nm\times nm×n矩阵AAArank(A)+nullity(A)=n(1)rank(A) + nullity(A) = n \tag{1}rank(A)+nullity(A)=n(1)其中, rank(A)rank(A)rank(A)是矩阵 AAA 的秩,nullity(A)nullity(A)nullity(A) 是矩阵 AAA 的 nu原创 2021-05-27 13:26:07 · 11089 阅读 · 0 评论