码迷,mamicode.com
首页 > 其他好文 > 详细

线性代数基础

时间:2019-05-26 17:50:33      阅读:113      评论:0      收藏:0      [点我收藏+]

标签:假设   有一个   向量   ram   pen   mil   ali   http   ati   

向量

一个向量是一列数。这些数是有序排列的。通过次序中的做因,我们可以确定每个单独的数。

若固定向量的起点,如记之为原点,则向量由其终点唯一确定于是我们可以等同:

  1.n维空间中的点;

  2.n元有序数组;

  3.n维空间中由原点出发的向量;

记向量:

                   技术图片

线性空间

组成元素的n维向量,且对加减和标量乘法封闭。

矩阵范数

矩阵范数用来衡量矩阵的大小

技术图片

特征分解

存在矩阵A,其中A为n×n方阵,则有:

  Ax = λx

其中λ为特征值,x为λ对应的特征向量。

奇异值分解SVD

奇异值分解是将矩阵分解为奇异向量(singular vector)和奇异值(singular value),通过分解有更广泛的应用。每个实数矩阵都有一个奇异值分解,但不一定有特征分解。

假设A为实数矩阵,则有;

  A  = UDV

若A为一个m×n的矩阵,那么U是一个m×m的矩阵,D是一个n×n的矩阵。

可以把奇异值分解看成线性变换的分解,即将变换分解为  旋转->缩放->旋转

Moore-Penrose 伪逆

对m×n的矩阵A,定义其伪逆(pseudoinverse)技术图片,使得当A为n阶可逆方阵时,有技术图片

 

线性代数基础

标签:假设   有一个   向量   ram   pen   mil   ali   http   ati   

原文地址:https://www.cnblogs.com/weizz/p/10926501.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!