矩阵论
文章平均质量分 94
quaer
大学生
展开
-
谱分解与Cholesky分解
可以和 σ(T)\sigma(T) 构成的对应,因此我们可以有一个从 ATA_T 到 C(σ(T))C(\sigma(T)) 的Gelfand map Γ\Gamma ,而且这个映射是 ∗* 代数同构的,也就是说,反过来,我们随便给一个连续函数 u∈C(σ(T))u\in C(\sigma(T)) ,那么 Γ−1(u)\Gamma^{-1} (u) 是一个。,所以我们可以构造 Ei=Γ−1(χλi)E_i=\Gamma^{-1}(\chi_{\lambda_i}) ,不难证明 EiE_i 是。原创 2024-09-29 18:07:16 · 253 阅读 · 0 评论 -
Cholesky分解
Cholesky 应该怎么念,o(╯□╰)o,我感觉比较像‘瞅乐死骑’,毕竟这是 名字,哈哈哈哈这个矩阵非常重要,之前在也见过它,如果:Ax=b无解,也就是 x=A−1b 不成立, A 不可逆,我们无法计算 A−1 .那么我们会想要最小化:||Ax−b||2也就是:这个 Error 函数对 x 求导:也就是需要解:(1)式也就是:(1)式 一定可以推出 (2) 式么?(ATA)−1 一定存在逆矩阵么?也许不一定,所以才有。原创 2024-09-29 18:03:14 · 598 阅读 · 0 评论 -
如何理解矩阵的复数特征值和特征向量?
但是这里给出一个不那么简洁、但是更加直观的理解方式:把它放在实空间中。和一个虚部(两个自由度),但是由于特征值必然是共轭成对出现的,那么两个特征值仍然只对应着一个实部和一个虚部(两个自由度)。后,蓝色空间变为红色空间就是一个纯粹的旋转过程了。的实部向量、虚部向量、以及实特征值的特征向量。的直观含义非常好理解,它就是在对应的特征向量方向上的纯拉伸/压缩。:在x-y平面上的均匀拉伸r倍,以及在z方向上单向拉伸c倍。也给我们两个向量,一个是实部向量,一个是虚部向量。给我们两个自由度,一个模,一个幅角。原创 2024-09-29 18:00:11 · 333 阅读 · 0 评论 -
矩阵奇异值
接着: viTvi 转为两个向量的点乘 vi→·vi→=||vi||2。由于: ||Avi→||2 为非负数(一个向量的模长的平方为非负数)得到该新向量的模长 (||Avi→||) 即为 ATA 的奇异值。由上面可知: σi=λi=||Avi→||2=||Avi→||所以:每个 ui 的模长为1,于是: ||ui||2=1。那么将 vi 替换成 ui 后为: λi||ui||2。那么: ||Avi→||2=(Avi→)(Avi→)那么这个新的向量模的平方记为: ||Avi→||2。原创 2024-09-29 17:58:57 · 398 阅读 · 0 评论 -
矩阵特征值估计
Gerschgorin圆盘:设 A=(aij)n×n 为实方阵,则称复平面上以 aii 为中心, 以ri=∑j=1,j≠in|ai,j| 为半径的 n 个圆盘称为Gerschgorin圆盘。原创 2024-09-29 17:58:20 · 353 阅读 · 0 评论 -
为什么不直接求特征值而是去估计特征值
【预备知识】:设A = ( a i j ) ∈ C n × n , R r ( A ) = ∑ s = 1 , s ≠ r n ∣ a r s ∣ A=(a_{ij})\in \mathbb{C}^{n\times n},R_r(A)=\sum_{s=1,s\not=r}^n|a_{rs}|A=(a。【性质4】设A = ( a i j ) ∈ C n × n ( n ≥ 2 ) A=(a_{ij})\in \mathbb{C}^{n\times n}(n\ge2)A=(a。原创 2024-09-29 17:49:17 · 762 阅读 · 0 评论 -
奇异值分解(SVD)
可能对于复线性空间有点难理解,那么对实数矩阵 Am×n , 我们不能求其特征值,但对于ATA 和 AAT 分别为n阶和m阶对称方阵,他们的秩R(ATA)=R(AAT)=R(A), 且两个对称矩阵的非零特值相同 ,对称矩阵的特征址矩阵是正交矩阵,特征值均为正实数,因此可求出特征值的平方根--奇异值SVD的实现(以下仅针对实数域)原创 2024-09-25 23:25:32 · 973 阅读 · 0 评论 -
范数--矩阵论
从上图可以很容易地看出,由于2范数解范围是圆,所以相切的点可能有很多个,绝大部分不在坐标轴上,而由于1范数是菱形,其相切的点大多在坐标轴上,而坐标轴上的点有一个特点,其只有一个坐标分量不为零,其他坐标分量为零,即是稀疏的。除了这一点,2范数的正则项还有其他好处,比如控制方差和偏差的关系,得到一个好的拟合,这里就不赘述了,毕竟这里讲的是范数,有兴趣可以参阅相关资料。以2范数作为正则项可以得到稠密解,并且由于其良好的性质,其解的定义很好,往往可以得到闭式解,所以用的很多。另外,从距离的角度说一下范数。原创 2024-09-25 21:42:54 · 1063 阅读 · 0 评论 -
关于若尔当矩阵中过渡矩阵的求法
这一点说明了,在矩阵的Jordan标准形中,除了若尔当块的排列顺序外是唯一确定的,其中若尔当的顺序可以任意调换.因此rank(A-3E)=2,从而主对角元为3的Jordan块数为3-2=1.于是A的Jordan标准形J为。4.求下列矩阵的若尔当标准形,并求出过渡矩阵P,使得P−1AP=J.最后一个例子的AP=PJ处J的代入写错了,但下面写的没错。的若尔当标准形,并求出过渡矩阵P,使得P−1AP=J.的若尔当标准形,并求出过渡矩阵P,使得P−1AP=J.的若尔当标准形,并求出过渡矩阵P,使得P−1AP=J.原创 2024-09-20 19:38:14 · 1079 阅读 · 0 评论 -
Jordan标准型(2)
播报编辑对任一阶矩阵,必存在阶可逆阵,使,其中每一个对角块都是Jordan块:,即对角线上同为的上面都有一个1,其余元素都是0,是阶方阵。因此中所有都是矩阵的特征值。进一步,若不计各个Jordan块的排序,是由唯一确定的,也就是说,的Jordan块标准型,在不计Jordan块次序的前提下,是唯一确定的。我们称称为Jordan块。[1]每个n阶的复数矩阵A都与一个若尔当形矩阵相似,这个若尔当形矩阵除去其中若尔当块的排列次序是被矩阵A唯一确定的,它成为矩阵A的。原创 2024-09-20 16:45:20 · 828 阅读 · 0 评论 -
Jordan标准型
(a) 如果 A=Diag(B,C) ,那么 EAp(λ)=EBp(λ)⊕ECp(λ),gmAp(λ)=gmBp(λ)+gmCp(λ)。因为 Nullsp(B)=EA(λ)⊂EAp+1(λ)⇒dim(Nullsp(B)⋂EAp+1(λ))=dimEA(λ)=gmA(λ)所以 dim(Im(B)⋂EAp+1(λ))=dim(EAp+1(λ))−gmA(λ)=gmAp+1(λ)−gmA(λ)我们有 v∈EA(λ)⇔v∈PEB(λ) ,所以 EA(λ)=PEB(λ) ,从而 gmB(λ)=gmA(λ)。原创 2024-09-20 16:42:06 · 878 阅读 · 0 评论