- 博客(4)
- 资源 (14)
- 收藏
- 关注
翻译 漫步凸分析三——凸集代数
有许多种代数运算可以保留凸性。例如,如果CC是RnR^n中的凸集,那么所有平移操作C+aC+a和标量乘法λC\lambda C同样是凸集,其中 λC={λx|x∈C}\lambda C=\{\lambda x|x\in C\}从几何上看,如果λ>0\lambda>0,那么λC\lambda C就是CC伸缩λ\lambda倍得到的图像。过原点CC的对称反射是−C=(−1)C-C=(-1)C,对于
2016-11-30 22:04:44 3044 1
翻译 漫步线性代数二十七——矩阵对角化
现在我们开始实质性的计算,它非常简单并且在随后的几篇文章里都会用到。特征向量对角化一个矩阵:3、假设n×nn\times n矩阵有nn个线性无关的特征向量,如果这些向量是矩阵SS的列,那么S−1ASS^{-1}AS是一个对角矩阵Λ\Lambda,AA的特征值在Λ\Lambda的对角线上: S−1AS=Λ=⎡⎣⎢⎢⎢⎢⎢λ1λ2⋱λn⎤⎦⎥⎥⎥⎥⎥(1)\begin{equation}S^{-1}
2016-11-29 22:03:24 9354 2
翻译 漫步凸分析二——凸集和锥
对于RnR^n中的子集CC,当x∈C,y∈C,0<λ<1x\in C,y\in C,0<\lambda<1 时,(1−λ)x+λy∈C(1-\lambda)x+\lambda y\in C,那么我们说集合CC是凸的。所以仿射集(包括∅\emptyset和RnR^n本身)是凸的,之所以凸集比仿射集更普遍是因为对于不同的点x,yx,y,凸集只包含通过x,yx,y直线的一部分,也就是 {(1−λ)x+λ
2016-11-29 19:17:46 8859 2
翻译 漫步凸分析一——仿射集
§1 \S1\ 仿射集本文中,用RR表示实数,RnR^n表示实nn元x=(ξ1,…,ξn)x=(\xi_1,\ldots,\xi_n)的向量空间,除非特别指明,否则都是在RnR^n中讨论。在RnR^n中两个向量x,x∗x,x^*的内积表示成 ⟨x,x∗⟩=ξ1ξ∗1+⋯+ξnξ∗n\langle x,x^*\rangle=\xi_1\xi_1^*+\cdots+\xi_n\xi_n^*符号AA
2016-11-25 17:28:28 7001 9
数学方法论选讲
2015-11-16
error_ellipse
2015-05-23
主成分分析的matlab代码
2015-05-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人