矩阵论
1. 准备知识——复数域上的矩阵与换位公式)
1. 准备知识——复数域上的内积域正交阵
1. 准备知识——相似对角化与合同&正定阵
2. 矩阵分解—— SVD准备知识——奇异值
2. 矩阵分解——SVD
2. 矩阵分解——QR分解
2. 矩阵分解——乔利斯分解&平方根公式
2. 矩阵分解——正规谱分解——正规阵
2. 矩阵分解——正规分解
2. 矩阵分解——单阵及特征值特征向量一些求法
2. 矩阵分解——高低分解
3. 矩阵运算与函数——张量积


矩阵分解可以得到简化的乘积矩阵,可以简化后续的计算与处理度

2.4.5 正规谱分解

a. 正规分解推导

若A=An×n正规,互异根为λ1,⋯,λk,则有QHAQ=D=(λ1I1⋱λkIk)其中Q为U阵,QH=Q−1,I1,⋯,Ik为单位阵(如D=(2(11)3(11))=(2I13I2))可设Q−1AQ=D=(λ1I10⋱0λkIk)(Q为U阵,QH=Q−1)写为D=λ1(I10⋱00)+λ2(00I20⋱)+⋯+λk(00⋱0Ik)则令D1=(I10⋱00),D2=(00I20⋱),⋯,Dk=(00⋱0Ik)⇒Q−1AQ=D=λ1D1+λ2D2+⋯+λkDk\begin{aligned} &若A=A_{n\times n} 正规,互异根为 \lambda_1,\cdots,\lambda_k,则有Q^HAQ=D=\left( \begin{matrix} \lambda_1I_1&&\\ &\ddots&\\ &&\lambda_kI_k \end{matrix} \right)\\ &其中Q为U阵,Q^H=Q^{-1},I_1,\cdots,I_k为单位阵\\ &\left(如D=\left( \begin{matrix} 2\left( \begin{matrix} 1&\\ &1 \end{matrix} \right)\\ &3\left( \begin{matrix} 1&\\ &1 \end{matrix} \right) \end{matrix} \right)=\left( \begin{matrix} 2I_1&\\ &3I_2 \end{matrix} \right)\right)\\ &可设 Q^{-1}AQ=D=\left( \begin{matrix} \lambda_1I_1&&0\\ &\ddots&\\ 0&&\lambda_kI_k \end{matrix} \right)(Q为U阵,Q^H=Q^{-1})\\ &写为D=\lambda_1\left( \begin{matrix} I_1&&0\\ &\ddots&\\ 0&&0 \end{matrix} \right)+\lambda_2\left( \begin{matrix} 0&&0\\ &I_2&\\ 0&&\ddots \end{matrix} \right)+\cdots+\lambda_k\left( \begin{matrix} 0&&0\\ &\ddots&\\ 0&&I_k \end{matrix} \right)\\ &则令D_1=\left( \begin{matrix} I_1&&0\\ &\ddots&\\ 0&&0 \end{matrix} \right),D_2=\left( \begin{matrix} 0&&0\\ &I_2&\\ 0&&\ddots \end{matrix} \right),\cdots,D_k=\left( \begin{matrix} 0&&0\\ &\ddots&\\ 0&&I_k \end{matrix} \right)\\ &\Rightarrow Q^{-1}AQ=D=\lambda_1D_1+\lambda_2D_2+\cdots+\lambda_kD_k\\ \end{aligned} ​若A=An×n​正规,互异根为λ1​,⋯,λk​,则有QHAQ=D=​λ1​I1​​⋱​λk​Ik​​​其中Q为U阵,QH=Q−1,I1​,⋯,Ik​为单位阵​如D=​2(1​1​)​3(1​1​)​​=(2I1​​3I2​​)​可设Q−1AQ=D=​λ1​I1​0​⋱​0λk​Ik​​​(Q为U阵,QH=Q−1)写为D=λ1​​I1​0​⋱​00​​+λ2​​00​I2​​0⋱​​+⋯+λk​​00​⋱​0Ik​​​则令D1​=​I1​0​⋱​00​​,D2​=​00​I2​​0⋱​​,⋯,Dk​=​00​⋱​0Ik​​​⇒Q−1AQ=D=λ1​D1​+λ2​D2​+⋯+λk​Dk​​

则可得出结论:

  1. 和为单位阵:D1+D2+⋯+Dk=(I1⋱Ik)=I(单位阵)D_1+D_2+\cdots+D_k=\left( \begin{matrix} I_1&&\\ &\ddots&\\ &&I_k \end{matrix} \right)=I(单位阵)D1​+D2​+⋯+Dk​=​I1​​⋱​Ik​​​=I(单位阵)
  2. 正交:D1D2=0,⋯,DiDj=0(i≠j)D_1D_2=0,\cdots,D_iD_j=0(i\neq j)D1​D2​=0,⋯,Di​Dj​=0(i=j)
  3. 幂等:D12=D1,⋯,Dk2=Dk,且D1H=D1,⋯,DkH=DkD_1^2=D_1,\cdots,D_k^2=D_k,且D_1^H=D_1,\cdots,D_k^H=D_kD12​=D1​,⋯,Dk2​=Dk​,且D1H​=D1​,⋯,DkH​=Dk​

故可等价写为:
QHAQ=D=λ1D1+λ2D2+⋯+λkDk⇒A=QDQH=λ1QD1QH+λ2QD2QH+⋯+λkQDkQH可令G1=QD1QH,⋯,Gk=QDkQH⇒A=λ1G1+⋯+λkGk\begin{aligned} &Q^HAQ=D=\lambda_1D_1+\lambda_2D_2+\cdots+\lambda_kD_k\\ &\Rightarrow A=QDQ^H=\lambda_1QD_1Q^H+\lambda_2QD_2Q^H+\cdots+\lambda_kQD_kQ^H\\ &可令G_1=QD_1Q^H,\cdots,G_k=QD_kQ^H\\ &\Rightarrow A=\lambda_1G_1+\cdots+\lambda_kG_k \end{aligned} ​QHAQ=D=λ1​D1​+λ2​D2​+⋯+λk​Dk​⇒A=QDQH=λ1​QD1​QH+λ2​QD2​QH+⋯+λk​QDk​QH可令G1​=QD1​QH,⋯,Gk​=QDk​QH⇒A=λ1​G1​+⋯+λk​Gk​​

有类似推论:

  1. G1+G2+⋯+Gk=IG_1+G_2+\cdots+G_k=IG1​+G2​+⋯+Gk​=I
    ∵G1+G2+⋯+Gk=Q(D1Q−1+D2+⋯+Dk)Q−1=QIQ−1=I\because G_1+G_2+\cdots+G_k=Q(D_1Q^{-1}+D_2+\cdots+D_k)Q^{-1}=QIQ^{-1}=I ∵G1​+G2​+⋯+Gk​=Q(D1​Q−1+D2​+⋯+Dk​)Q−1=QIQ−1=I

  2. G1G2=0,⋯,GiGj=0(i≠j)G_1G_2=0,\cdots,G_iG_j=0(i \neq j)G1​G2​=0,⋯,Gi​Gj​=0(i=j)
    ∵G1G2=(QD1Q−1)(QD2Q−1)=0\because G_1G_2=(QD_1Q^{-1})(QD_2Q^{-1})=0 ∵G1​G2​=(QD1​Q−1)(QD2​Q−1)=0

  3. G12=G1,⋯,Gk2=GkG_1^2=G_1,\cdots,G_k^2=G_kG12​=G1​,⋯,Gk2​=Gk​,且 G1H=G1,⋯,GkH=GkG_1^H=G_1,\cdots,G_k^H=G_kG1H​=G1​,⋯,GkH​=Gk​ 都是Hermite阵

b. 正规阵谱分解与谱阵性质

若 A=An×nA=A_{n\times n}A=An×n​ 正规,全体互异根为 λ1,⋯,λk\lambda_1,\cdots,\lambda_kλ1​,⋯,λk​,则有 A=λ1G1+λ2G2+⋯+λkGkA=\lambda_1G_1+\lambda_2G_2+\cdots+\lambda_kG_kA=λ1​G1​+λ2​G2​+⋯+λk​Gk​ ,其中 G1,⋯,GkG_1,\cdots,G_kG1​,⋯,Gk​ 为 AAA 的谱阵

性质

①和为I:G1+G2+⋯+Gk=I②正交:G1G2=0,⋯,GiGj=0(i≠j)③幂等:G12=G1,⋯,Gk2=Gk(幂等),且G1H=G1,⋯,GkH=Gk④正规阵幂次:Ap=λ1pG1+⋯+λkGk,p=0,1,2.⋯⑤正规阵函数:f(A)=f(λ1)G1+⋯+f(λk)Gk,f(x)=c0+c1x1+⋯+cpxp∵f(A)=c0I+c1A+⋯+ckAp=c0(G1+⋯+Gk)+c1(λ1G1+λ2G2+⋯+λkGk)+⋯+cp(λ1pG1+λ2pG2+⋯+λpkGk)=(c0+c1λ1+cpλ1k)G1+(c0+c1λ2+⋯+cpλ2pk)G2+⋯+(c0+c1λk+⋯+cpλkp)Gk=f(λ1)G1+⋯+f(λk)Gk⑥正规阵求法:设A正规,全体不同根为λ1,λ2,⋯,λk,则有谱阵公式G1,G2,⋯,GkG1=(A−λ2I)⋯(A−λkI)(λ1−λ2)⋯(λ1−λk),G2=(A−λ1I)(A−λ3I)⋯(A−λkI)(λ2−λ1)(λ2−λ3)⋯(λ2−λk)⋯Gk=(A−λ1I)(A−λ2I)⋯(A−λk−1I)(λk−λ1)(λk−λ2)⋯(λk−λk−1)⑦谱阵中列是A的特征向量:AG1=λ1G1,AG2=λ2G2,⋯,AGk=λkGk∵AG1=(λ1G1+⋯+λkGk)G1=λ1G1\begin{aligned} &①和为I:G_1+G_2+\cdots+G_k=I\\ &②正交:G_1G_2=0,\cdots,G_iG_j=0(i\neq j)\\ &③幂等: G_1^{2}=G_1,\cdots,G_k^{2}=G_k(幂等),且G_1^H=G_1,\cdots ,G_k^H=G_k\\ &④正规阵幂次:A^p=\lambda_1^pG_1+\cdots+\lambda_kG_k,p=0,1,2.\cdots\\ &⑤正规阵函数:f(A)=f(\lambda_1)G_1+\cdots+f(\lambda_k)G_k,f(x)=c_0+c_1x_1+\cdots+c_px^p\\ & \quad \because f(A)=c_0I+c_1A+\cdots+c_kA^p\\ & \quad \quad =c_0(G_1+\cdots+G_k)+c_1(\lambda_1G_1+\lambda_2G_2+\cdots+\lambda_kG_k)+\\ & \quad \quad \quad \cdots+c_p(\lambda_1^pG_1+\lambda_2^pG_2+\cdots+\lambda_p^kG_k)\\ & \quad \quad =(c_0+c_1\lambda_1+c_p\lambda_1^k)G_1+(c_0+c_1\lambda_2+\cdots+c_p\lambda_2^pk)G_2+\\ & \quad \quad \quad \cdots+(c_0+c_1\lambda_k+\cdots+c_p\lambda_k^p)G_k\\ & \quad \quad =f(\lambda_1)G_1+\cdots+f(\lambda_k)G_k\\ &⑥正规阵求法:设A正规,全体不同根为 \lambda_1,\lambda_2,\cdots,\lambda_k,则有谱阵公式G_1,G_2,\cdots,G_k\\ &\quad G_1=\frac{(A-\lambda_2I)\cdots(A-\lambda_kI)}{(\lambda_1-\lambda_2)\cdots(\lambda_1-\lambda_k)},G_2=\frac{(A-\lambda_1I)(A-\lambda_3I)\cdots(A-\lambda_kI)}{(\lambda_2-\lambda_1)(\lambda_2-\lambda_3)\cdots(\lambda_2-\lambda_k)}\\ &\quad\cdots\\ &\quad G_k=\frac{(A-\lambda_1I)(A-\lambda_2I)\cdots(A-\lambda_{k-1}I)}{(\lambda_k-\lambda_1)(\lambda_k-\lambda_2)\cdots(\lambda_k-\lambda_{k-1})}\\ &⑦谱阵中列是A的特征向量:AG_1=\lambda_1G_1,AG_2=\lambda_2G_2,\cdots,AG_k=\lambda_kG_k\\ &\quad \because AG_1=(\lambda_1G_1+\cdots+\lambda_kG_k)G_1=\lambda_1G_1 \end{aligned} ​①和为I:G1​+G2​+⋯+Gk​=I②正交:G1​G2​=0,⋯,Gi​Gj​=0(i=j)③幂等:G12​=G1​,⋯,Gk2​=Gk​(幂等),且G1H​=G1​,⋯,GkH​=Gk​④正规阵幂次:Ap=λ1p​G1​+⋯+λk​Gk​,p=0,1,2.⋯⑤正规阵函数:f(A)=f(λ1​)G1​+⋯+f(λk​)Gk​,f(x)=c0​+c1​x1​+⋯+cp​xp∵f(A)=c0​I+c1​A+⋯+ck​Ap=c0​(G1​+⋯+Gk​)+c1​(λ1​G1​+λ2​G2​+⋯+λk​Gk​)+⋯+cp​(λ1p​G1​+λ2p​G2​+⋯+λpk​Gk​)=(c0​+c1​λ1​+cp​λ1k​)G1​+(c0​+c1​λ2​+⋯+cp​λ2p​k)G2​+⋯+(c0​+c1​λk​+⋯+cp​λkp​)Gk​=f(λ1​)G1​+⋯+f(λk​)Gk​⑥正规阵求法:设A正规,全体不同根为λ1​,λ2​,⋯,λk​,则有谱阵公式G1​,G2​,⋯,Gk​G1​=(λ1​−λ2​)⋯(λ1​−λk​)(A−λ2​I)⋯(A−λk​I)​,G2​=(λ2​−λ1​)(λ2​−λ3​)⋯(λ2​−λk​)(A−λ1​I)(A−λ3​I)⋯(A−λk​I)​⋯Gk​=(λk​−λ1​)(λk​−λ2​)⋯(λk​−λk−1​)(A−λ1​I)(A−λ2​I)⋯(A−λk−1​I)​⑦谱阵中列是A的特征向量:AG1​=λ1​G1​,AG2​=λ2​G2​,⋯,AGk​=λk​Gk​∵AG1​=(λ1​G1​+⋯+λk​Gk​)G1​=λ1​G1​​

谱阵求法

由推论⑤可知,取k个不同的函数f(x)可求出谱阵 G1,G2,⋯.GkG_1,G_2,\cdots.G_kG1​,G2​,⋯.Gk​

证明

A正规有2个不同根

G1=A−λ2Iλ1−λ2,G2=I−G1=A−λ1Iλ2−λ1\begin{aligned} G_1=\frac{A-\lambda_2I}{\lambda_1-\lambda_2},G_2=I-G_1=\frac{A-\lambda_1I}{\lambda_2-\lambda_1} \end{aligned} G1​=λ1​−λ2​A−λ2​I​,G2​=I−G1​=λ2​−λ1​A−λ1​I​​

A正规且有3个不同根

G1=(A−λ2I)(A−λ3I)(λ1−λ2)(λ1−λ3),G2=(A−λ1I)(A−λ3I)(λ2−λ1)(λ2−λ3),G3=I−G1−G2=(A−λ1I)(A−λ2I)(λ3−λ1)(λ3−λ2)\begin{aligned} &G_1=\frac{(A-\lambda_2I)(A-\lambda_3I)}{(\lambda_1-\lambda_2)(\lambda_1-\lambda_3)},G_2=\frac{(A-\lambda_1I)(A-\lambda_3I)}{(\lambda_2-\lambda_1)(\lambda_2-\lambda_3)},\\ &G_3=I-G_1-G_2=\frac{(A-\lambda_1I)(A-\lambda_2I)}{(\lambda_3-\lambda_1)(\lambda_3-\lambda_2)} \end{aligned} ​G1​=(λ1​−λ2​)(λ1​−λ3​)(A−λ2​I)(A−λ3​I)​,G2​=(λ2​−λ1​)(λ2​−λ3​)(A−λ1​I)(A−λ3​I)​,G3​=I−G1​−G2​=(λ3​−λ1​)(λ3​−λ2​)(A−λ1​I)(A−λ2​I)​​

正规分解性质的应用例
1

A=(10−2000−204)(实对称正规阵),求A与f(A)的谱分解,与A100\begin{aligned} A=\left( \begin{matrix} 1&0&-2\\ 0&0&0\\ -2&0&4 \end{matrix} \right)(实对称正规阵),求A与f(A)的谱分解,与A^{100} \end{aligned} A=​10−2​000​−204​​(实对称正规阵),求A与f(A)的谱分解,与A100​

可知A为秩1矩阵,r(A)=1,特征根为λ(A)=5,0,0,不同根为λ1=5,λ2=0G1=A−λ2Iλ1−λ2=15(10−2000−204),G2=A−λ1Iλ2−λ1=I−G1=15(402050201)得谱分解:A=λ1G1+λ2G2,且f(A)=f(λ1)G1+f(λ2)G2即f(A)=f(5)G1+f(0)G2令f(x)=x100⇒A100=f(5)G1+f(0)G2=5100G1=510015A=599A由于G中列向量都是A的特征向量,所以λ1=5的特征向量α1=(10−2)λ2=0的特征向量α2=(201),α3=(010)\begin{aligned} &可知A为秩1矩阵,r(A)=1,特征根为\lambda(A)={5,0,0},不同根为\lambda_1=5,\lambda_2=0\\ &G_1=\frac{A-\lambda_2I}{\lambda_1-\lambda_2}=\frac{1}{5}\left( \begin{matrix} 1&0&-2\\ 0&0&0\\ -2&0&4 \end{matrix} \right),G_2=\frac{A-\lambda_1I}{\lambda_2-\lambda_1}=I-G_1=\frac{1}{5}\left( \begin{matrix} 4&0&2\\ 0&5&0\\ 2&0&1 \end{matrix} \right)\\ &得谱分解:A=\lambda_1G_1+\lambda_2G_2,且f(A)=f(\lambda_1)G_1+f(\lambda_2)G_2\\ &即f(A)=f(5)G_1+f(0)G_2\\ &令f(x)=x^{100}\Rightarrow A^{100}=f(5)G_1+f(0)G_2=5^{100}G_1=5^{100}\frac{1}{5}A=5^{99}A\\ &由于G中列向量都是A的特征向量,所以\lambda_1=5的特征向量\alpha_1=\left( \begin{matrix} 1\\0\\-2 \end{matrix} \right)\\ &\lambda_2=0的特征向量\alpha_2=\left( \begin{matrix} 2\\0\\1 \end{matrix} \right),\alpha_3=\left( \begin{matrix} 0\\1\\0 \end{matrix} \right) \end{aligned} ​可知A为秩1矩阵,r(A)=1,特征根为λ(A)=5,0,0,不同根为λ1​=5,λ2​=0G1​=λ1​−λ2​A−λ2​I​=51​​10−2​000​−204​​,G2​=λ2​−λ1​A−λ1​I​=I−G1​=51​​402​050​201​​得谱分解:A=λ1​G1​+λ2​G2​,且f(A)=f(λ1​)G1​+f(λ2​)G2​即f(A)=f(5)G1​+f(0)G2​令f(x)=x100⇒A100=f(5)G1​+f(0)G2​=5100G1​=510051​A=599A由于G中列向量都是A的特征向量,所以λ1​=5的特征向量α1​=​10−2​​λ2​=0的特征向量α2​=​201​​,α3​=​010​​​

2

2.分块法

c. 新平方根公式

A=λ1G1+λ2G2+⋯+λnGn条件:A正规,且A=λ1G1+⋯+λkGk\begin{aligned} &\sqrt{A}=\sqrt{\lambda_1}G_1+\sqrt{\lambda_2}G_2+\cdots+\sqrt{\lambda_n}G_n\\ &条件:A正规,且A=\lambda_1G_1+\cdots+\lambda_kG_k \end{aligned} ​A​=λ1​​G1​+λ2​​G2​+⋯+λn​​Gn​条件:A正规,且A=λ1​G1​+⋯+λk​Gk​​

证明:

(A)2=(λ1G1+λ2G2+⋯+λkGk)2=λ1G12+λ2G22+⋯+λkGk2=λ1G1+λ2G2+⋯+λkGk\begin{aligned} (\sqrt{A})^2&=(\sqrt{\lambda_1}G_1+\sqrt{\lambda_2}G_2+\cdots+\sqrt{\lambda_k}G_k)^2\\ &=\lambda_1G_1^2+\lambda_2G_2^2+\cdots+\lambda_kG_k^2\\ &=\lambda_1G_1+\lambda_2G_2+\cdots+\lambda_kG_k \end{aligned} (A​)2​=(λ1​​G1​+λ2​​G2​+⋯+λk​​Gk​)2=λ1​G12​+λ2​G22​+⋯+λk​Gk2​=λ1​G1​+λ2​G2​+⋯+λk​Gk​​

eg

A=(5445),求AA=\left( \begin{matrix} 5&4\\ 4&5 \end{matrix} \right),求\sqrt{A} A=(54​45​),求A​


由于A为行和相等矩阵,∴λ(A)={9,tr(A)−9}={9,1},令λ1=9,λ2=1⇒G1=A−λ2Iλ1−λ2=12(1111),G2=A−λ1Iλ2−λ1=12(1−1−11)⇒A=λ1G1+λ2G2=3G1+G2=(2112)\begin{aligned} &由于A为行和相等矩阵,\therefore \lambda(A)=\{9,tr(A)-9\}=\{9,1\},令\lambda_1=9,\lambda_2=1\\ &\Rightarrow G_1=\frac{A-\lambda_2I}{\lambda_1-\lambda_2}=\frac{1}{2}\left( \begin{matrix} 1&1\\1&1 \end{matrix} \right),G_2=\frac{A-\lambda_1I}{\lambda_2-\lambda_1}=\frac{1}{2}\left( \begin{matrix} 1&-1\\-1&1 \end{matrix} \right)\\ &\Rightarrow \sqrt{A}=\sqrt{\lambda_1}G_1+\sqrt{\lambda_2}G_2=3G_1+G_2=\left( \begin{matrix} 2&1\\1&2 \end{matrix} \right) \end{aligned} ​由于A为行和相等矩阵,∴λ(A)={9,tr(A)−9}={9,1},令λ1​=9,λ2​=1⇒G1​=λ1​−λ2​A−λ2​I​=21​(11​11​),G2​=λ2​−λ1​A−λ1​I​=21​(1−1​−11​)⇒A​=λ1​​G1​+λ2​​G2​=3G1​+G2​=(21​12​)​

【矩阵论】2. 矩阵分解——正规谱分解相关推荐

  1. 【矩阵论】2. 矩阵分解——正规分解——正规阵

    矩阵论 1. 准备知识--复数域上的矩阵与换位公式) 1. 准备知识--复数域上的内积域正交阵 1. 准备知识--相似对角化与合同&正定阵 2. 矩阵分解-- SVD准备知识--奇异值 2. ...

  2. 【矩阵论】2. 矩阵分解——SVD

    矩阵论 1. 准备知识--复数域上矩阵,Hermite变换) 1.准备知识--复数域上的内积域正交阵 1.准备知识--Hermite阵,二次型,矩阵合同,正定阵,幂0阵,幂等阵,矩阵的秩 2. 矩阵分 ...

  3. 【矩阵论】2. 矩阵分解——正定阵分解

    矩阵论 1. 准备知识--复数域上的矩阵与换位公式) 1. 准备知识--复数域上的内积域正交阵 1. 准备知识--相似对角化与合同&正定阵 2. 矩阵分解-- SVD准备知识--奇异值 2. ...

  4. 【矩阵论】2. 矩阵分解——QR分解

    矩阵论 1. 准备知识--复数域上矩阵,Hermite变换) 1.准备知识--复数域上的内积域正交阵 1.准备知识--Hermite阵,二次型,矩阵合同,正定阵,幂0阵,幂等阵,矩阵的秩 2. 矩阵分 ...

  5. Matlab 矩阵论 矩阵分解的计算实现(六)矩阵的正交三角分解

    Matlab 矩阵论 矩阵分解的计算实现(六)矩阵的正交三角分解 本来matlab中自带了做正交三角分解的函数,[U,R]=qr(A),U R为分解结果.但是这样使用只会有结果没有中间过程,所以写了一 ...

  6. matlab仿真谱间干扰,内外分解和谱分解问题解析计算及其MATLAB仿真.pdf

    内外分解和谱分解问题的解析计算及其MATLAB 仿真 摘 要 内外分解及谱分解问题是控制领域的一个重要问题,其应用范围非常广泛, 在许多重要问题上都发挥了关键的作用. 本文首先在第一章中介绍了内外分解 ...

  7. 推荐系统基础之矩阵分解

    1 隐语义模型与矩阵分解 隐语义模型最早在文本领域被提出,用于挖掘文本的隐含语义.在推荐系统中,隐语义模型的核心思想就是基于用户的行为挖掘用户和物品的潜在特征.那么,如何找出用户和物品的潜在特征呢?矩 ...

  8. matlab矩阵特征分解,用MATLAB实现矩阵分解

    MATLAB求解线性方程的过程基于三种分解法则: (1)Cholesky分解,针对对称正定矩阵: (2)高斯消元法,  针对一般矩阵: (3)正交化,      针对一般矩阵(行数≠列数) 这三种分解 ...

  9. 【矩阵论】矩阵的相似标准型(2)

    矩阵的相似标准型之Hamilton-Cayley定理 在该系列第一篇文章中的末尾我们讲到可以利用矩阵的化零多项式来求解矩阵的候选特征解,这一篇文章我们就要讨论矩阵的化零多项式是否一直存在的问题. 一. ...

最新文章

  1. 使用Python,将字符串的首字母变为大写,其余都变为小写
  2. 高通8xxx平台双MIC设置
  3. kotlin之plus、copyOf、reverse、forEach、filter、map、reduce、fold等函数解释和使用
  4. linux模拟内存数据落盘,Linux:保证数据安全落盘
  5. Protocol handler start failedCaused by: java.net.SocketException: Permission denied
  6. 迁移到云端之前需要考虑哪些问题?
  7. c语言与程序设计读后感,《高质量c语言编程》读后感
  8. Qt学习笔记之GUI基本知识
  9. 网易云音乐UC!缓存格式文件转MP3方法
  10. SQL Server Compact 3.5 SP1 RTM发布了!
  11. Excel 2010 VBA 入门 071 工作表事件之Worksheet_Change
  12. Widows 和Linux 查看端口和杀掉进程的方法
  13. 【转】Mac下 如何配置虚拟机软件Parallel Desktop--超详细
  14. python爬虫requests模块
  15. 2020最残酷一幕终于到来:最怕大势将至,你还浑然不知
  16. php的mysqli步骤,php安装扩展mysqli的实现步骤及报错解决办法
  17. 入木三分学网络第一篇--VRRP协议详解-----(2)
  18. EXCEL VBA案例教程-李立宗-专题视频课程
  19. C语言讲义——预处理
  20. ghttp作为客户端下载大文件的问题

热门文章

  1. 【商标注册】怎么注册商标?2014商标注册费用大概多少?
  2. OpenCV:Vec4f二维直线类型
  3. 做新媒体短视频运营死路一条
  4. 数据库模式——三级模式两级映像
  5. linux 指令使用大全
  6. web3:智能合约-虚拟机(EVM、HVM、WASM、MOVE)
  7. cad在线转换_还不知道CAD怎么转PDF?新同事教我这简单到不行的三招,招招强大...
  8. AOP(二)之AfterReturning增强处理
  9. QuickLook v3.7.1 按下空格键 快速查看文件内容
  10. spark 序列化错误 集群提交时_spark 面试题(2)