![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
矩阵方面
文章平均质量分 89
qq_2773878606
学生
展开
-
opencv矩阵运算(1)
从本篇开始整理下opencv实现的矩阵计算相关函数使用。矩阵初始化具体代码 这里初始化了两个3X3矩阵,并将它的数据显示出来:double x[3][3] = {{1, 50, -100}, {1, -110, 220}, {-1, 150, 150}};double y[3][3] = {{1, 0, 0}, {0, 1, 0}, {0, 0, 1}};转载 2015-08-25 16:41:55 · 592 阅读 · 0 评论 -
矩阵是怎样变换向量的
可以将矩阵对向量的转换理解为对向量所在坐标系的转换。1.向量的每个坐标都表明了平行于相应轴的偏移量,所以向量可以改写成如下形式:v = [x y z] = [x 0 0] + [0 y 0] + [0 0 z] = x [1 0 0] + y [0 1 0] + z [0 0 1]设向量p,q,r分别为指向+x,+y和+z方向的单位向量i = [转载 2015-12-03 09:13:51 · 1880 阅读 · 0 评论 -
常见向量范数和矩阵范数
1、向量范数1-范数:,即向量元素绝对值之和,matlab调用函数norm(x, 1) 。2-范数:,Euclid范数(欧几里得范数,常用计算向量长度),即向量元素绝对值的平方和再开方,matlab调用函数norm(x, 2)。∞-范数:,即所有向量元素绝对值中的最大值,matlab调用函数norm(x, inf)。-∞-范数:,即所有向量元素绝对值中的转载 2015-12-03 09:24:47 · 496 阅读 · 0 评论 -
矩阵求导公式
今天推导公式,发现居然有对矩阵的求导,狂汗--完全不会。不过还好网上有人总结了。吼吼,赶紧搬过来收藏备份。基本公式:Y = A * X --> DY/DX = A'Y = X * A --> DY/DX = AY = A' * X * B --> DY/DX = A * B'Y = A' * X' * B --> DY/DX = B * A'1. 矩阵Y对标量x转载 2015-11-26 16:24:14 · 2843 阅读 · 0 评论 -
matlab矩阵分解
矩阵分解是指根据一定的原理用某种算法将一个矩阵分解成若干个矩阵的乘积。常见的矩阵分解有LU分解(三角分解)、QR分解(正交变换)、Cholesky分解,以及Schur分解、Hessenberg分解、奇异分解等。 (1) LU分解(三角分解)矩阵的LU分解就是将一个矩阵表示为一个交换下三角矩阵和一个上三角矩阵的乘积形式。线性代数中已经证明,只要方阵A是非奇异(即行列式不等于0原创 2015-11-26 16:27:25 · 1058 阅读 · 0 评论 -
矩阵乘法的四种理解方式
先介绍向量的两种运算,一个行向量乘以一个列向量称作向量的内积,又叫作点积,结果是一个数;一个列向量乘以一个行向量称作向量的外积,外积是一种特殊的克罗内克积,结果是一个矩阵,假设和b分别是一个行向量和一个列向量,那么内积、外积分别记作和,为了讨论方便,假设每个向量的长度为2,内积和外积如下所示:定义了内积和外积以后,我们讨论矩阵的乘法。矩阵是由向量组成的,原创 2015-11-14 10:38:56 · 17654 阅读 · 0 评论 -
对称矩阵(Symmetric Matrices)
如果矩阵满足,则矩阵P称为对称矩阵,对称矩阵有很多优秀的属性,可以说是最重要的矩阵。1.对称矩阵的对角化如果一个矩阵有n个线性无关的特征向量,则矩阵是可对角化的,矩阵可表示成,相应的。因为,很有可能A的逆等于A的转置。同样的,就可能有,这可发现S中的特征向量和其他的特征向量正交,后文会进行证明。我们把上的S成为正交矩阵Q,Q满足,Q中的每一个列向量为单位特征向量。每一个对阵矩阵都可以被转载 2015-11-13 21:14:40 · 2917 阅读 · 0 评论 -
矩阵的对角化(Diagonalizing a Matrix )
如果一个矩阵时一个上三角、下三角或者对角矩阵,这个带来很大的方便。但是往往很多矩阵都不是对角矩阵,本文就来介绍如何使用特征值和特征向量把一个矩阵变成对角矩阵!1.对角化我们假设一个n*n的矩阵有n个线性无关的特征向量x1,x2....,xn,所有的向量组成一个特征向量矩阵S,则为特征值矩阵Λ:证明:根据特征值和特征向量的定义我们有:我们把矩阵AS转载 2015-11-13 21:13:31 · 3327 阅读 · 0 评论 -
特征值和特征向量(Eigenvalues and Eigenvectors)
特征值和特征向量是矩阵的本质内容,在动态问题中发挥很重要的作用,本文讲得矩阵默认为方阵(square)。1.几何意义现在我们从几何的角度解释说明是特征值什么是特征向量。大多数的向量(x)乘上矩阵A时,即Ax,(下文中提到向量x乘上A就值Ax)都会改变向量的方向,但存在某些列外的矩阵x,它的方向和Ax的方向相同,这些向量就被称为特征向量。向量Ax为标量乘上原始向量x。原创 2015-11-13 21:09:32 · 1044 阅读 · 0 评论 -
沿任意方向缩放、镜像、正交投影及切变及其推导
镜像、正交投影和切变的推导都可根据缩放变形而来。在要缩放方向上去缩放因子k,如果|k|1,物体“膨胀”;k=0,正交投影;k1. 缩放01. 沿坐标轴缩放2D中有两个缩放因子Kx和Ky,p和q是原来的基向量,缩放因子单独影响基向量,得到p`和q`:得到缩放矩阵:3D中增加缩放因子Kz转载 2015-12-03 09:19:17 · 1569 阅读 · 0 评论