特征值+SVD分解+伪逆(广义逆)
方阵的特征值与矩阵的相似
An,n有分解Ax=λx使用det(λI−A)=0求λA_{n,n}有分解Ax=\lambda x\\ 使用det(\lambda I-A)=0求 \lambda An,n有分解Ax=λx使用det(λI−A)=0求λ
几何重数(特征值的特征子空间的维数)≤代数重数(根的重数)特征值和为迹,积为det(利用多项式根与系数的关系)几何重数(特征值的特征子空间的维数)\leq 代数重数(根的重数)\\ 特征值和为迹,积为det(利用多项式根与系数的关系)几何重数(特征值的特征子空间的维数)≤代数重数(根的重数)特征值和为迹,积为det(利用多项式根与系数的关系)
A,B矩阵相似:B=M−1AMA,B有相同的特征方程与特征值,同一个线性变换在不同基下的矩阵相似AB与BA有相同的非零特征值若ABx=λx,BABx=λBxA,B矩阵相似:B=M^{-1}AM\\ A,B有相同的特征方程与特征值,同一个线性变换在不同基下的矩阵相似\\ AB与BA有相同的非零特征值若ABx=\lambda x,BABx=\lambda B x A,B矩阵相似:B=M−1AMA,B有相同的特征方程与特征值,同一个线性变换在不同基下的矩阵相似AB与BA有相同的非零特征值若ABx=λx,BABx=λBx
AX=A[x1,x2,x3]=XΛA=XΛX−1但是即使固定Λ,Z也不唯一(如果一个特征值λ对应的特征子空间不是一维的)AX=A[x_1,x_2,x_3]=X\Lambda \\ A=X\Lambda X^{-1}\\ 但是即使固定\Lambda ,Z也不唯一(如果一个特征值\lambda 对应的特征子空间不是一维的)AX=A[x1,x2,x3]=XΛA=XΛX−1但是即使固定Λ,Z也不唯一(如果一个特征值λ对应的特征子空间不是一维的)
EVD分解斐波那契数列通项公式:[Fk+2Fk+1]=[111][Fk+1Fk]本质是求矩阵的n次方EVD分解斐波那契数列通项公式: \begin{bmatrix}F_{k+2}\\F_{k+1}\end{bmatrix}=\begin{bmatrix}1&1\\&1\end{bmatrix}\begin{bmatrix}F_{k+1}\\F_{k}\end{bmatrix}\\本质是求矩阵的n次方EVD分解斐波那契数列通项公式:[Fk+2Fk+1]=[111][Fk+1Fk]本质是求矩阵的n次方
谱定理
A特征值实数有n个正交的特征向量,AQ=QΛ,Q是可逆矩阵A=QΛQtA是实对称方阵,满足以上条件A特征值实数有n个正交的特征向量,AQ=Q\Lambda,Q是可逆矩阵\\ A=Q\Lambda Q^t\\ A是实对称方阵,满足以上条件A特征值实数有n个正交的特征向量,AQ=QΛ,Q是可逆矩阵A=QΛQtA是实对称方阵,满足以上条件
SVD分解(链接为实例)
伪逆 (广义逆)
列满秩,左逆矩阵:ALA=E,AAL≠E,AL=(AtA)−1At行满秩,右逆矩阵:AAR=E,ARA≠E,AR=At(AtA)−1列满秩,左逆矩阵:A^LA=E,AA^L\neq E,A^L=(A^tA)^{-1}A^t\\ 行满秩,右逆矩阵:AA^R=E,A^RA\neq E,A^R=A^t(A^tA)^{-1}\\ 列满秩,左逆矩阵:ALA=E,AAL=E,AL=(AtA)−1At行满秩,右逆矩阵:AAR=E,ARA=E,AR=At(AtA)−1
对于矩阵A,如果存在B使得:ABA=A,BAB=B,(AB)t=AB,(BA)t=BA,则B为A的伪逆若A=U[Σ000]Vt,则B=V[Σ−1000]Ut对于矩阵A,如果存在B使得:ABA=A,BAB=B,(AB)^t=AB,(BA)^t=BA,则B为A的伪逆\\ 若A=U\begin{bmatrix}\Sigma &0\\0&0\end{bmatrix}V^t,则B=V\begin{bmatrix}\Sigma^{-1}&0\\0&0\end{bmatrix}U^t 对于矩阵A,如果存在B使得:ABA=A,BAB=B,(AB)t=AB,(BA)t=BA,则B为A的伪逆若A=U[Σ000]Vt,则B=V[Σ−1000]Ut
添加链接描述
PCA降维
确定几个正交分主方向综合起来模拟原来的矩阵:
A≃Um,rΣr,rVr,ntA\simeq U_{m,r}\Sigma_{r,r} V_{r,n}^tA≃Um,rΣr,rVr,nt
MATLAB
程序:
A=[3,2,2;2,3,-2]
B=A'
C=A'*A
d = eig(C)%特征值
[V,D] = eig(C)%计算C的特征值对角阵D和特征向量V,使AV=VD成立。
[U,S,V] = svd (C) %返回一个与C同大小的对角矩阵S,两个酉矩阵U和V,且满足C= U*S*V'。若C为m×n阵,则U为m×m阵,V为n×n阵。奇异值在S的对角线上,非负且按降序排列。
结果:
C= 13 12 212 13 -22 -2 8
d = -0.0000 9.0000 25.0000
---------------------------------------------------
U =-0.7071 -0.7071-0.7071 0.7071
S =5.0000 0 00 3.0000 0
V =-0.7071 -0.2357 -0.6667-0.7071 0.2357 0.6667-0.0000 -0.9428 0.3333
特征值+SVD分解+伪逆(广义逆)相关推荐
- 线性代数学习笔记10-4:左右逆、伪逆/M-P广义逆(从四个子空间和SVD角度理解)
下面讨论m×nm\times nm×n的秩为rrr的矩阵 对于不同情况,讨论逆矩阵 两侧逆矩阵 2-sided inverse 这也是一般所说的"逆矩阵"的含义 方阵A\bolds ...
- gemm() 与 gesvd() 到矩阵求逆(inverse)(根据 SVD 分解和矩阵乘法求矩阵的逆)
可逆方阵 AA 的逆记为,A−1A^{-1},需满足 AA−1=IAA^{-1}=I. 在 BLAS 的各种实现中,一般都不会直接给出 matrix inverse 的直接实现,其实矩阵(方阵)的逆是 ...
- 【矩阵论】4. 矩阵运算——广义逆——减号逆
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 ...
- 【矩阵论】4. 矩阵运算——广义逆——加号逆应用
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 ...
- 矩阵分析与应用(一)——矩阵基础知识、广义逆
文章目录 前言 部分符号约定 关于矩阵理论的碎碎念 一些基础知识与本门课知识串讲 矩阵奇异与线性无关 向量空间.内积.范数 行列式.特征值.迹 逆.广义逆 矩阵方程.向量化.Kronecker积 向量 ...
- 【矩阵论】4. 矩阵运算——广义逆——加号逆的计算
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 ...
- 解方程AX=b与矩阵分解:奇异值分解(SVD分解) 特征值分解 QR分解 三角分解 LLT分解
文章目录 1. 前言 2. LU三角分解 3. Cholesky分解 - LDLT分解 4. Cholesky分解 - LLT分解 5. QR分解 6. 奇异值分解 7. 特征值分解 1. 前言 本博 ...
- 视觉SLAM中的数学——解方程AX=b与矩阵分解:奇异值分解(SVD分解) 特征值分解 QR分解 三角分解 LLT分解
前言 本博客主要介绍在SLAM问题中常常出现的一些线性代数相关的知识,重点是如何采用矩阵分解的方法,求解线性方程组AX=B.主要参考了<计算机视觉--算法与应用>附录A以及Eigen库的方 ...
- Moore-Penrose广义逆:可解决MATLAB报错“矩阵接近奇异值,或者缩放错误。结果可能不准确”
上一篇博文讲到:<方程AX=b的解的讨论(特解.通解.零空间向量等概念)及其MATLAB实现>,程序中用到的是mldivide或者A\b的方法(二者相同)来解方程. 但实际上运行过程中我们 ...
- MATLAB中:左右除法、逆inv、广义逆pinv的区别
以下是通过实验得出的一些结论: 左除行相等,右除列相等.只要满足此条件便可运算,且左.右除意义不相同! 逆inv()仅针对"非奇异方阵|A|≠0",使得A^(-1) A=A ...
最新文章
- 知识产权一般都具有法定的保护期限,一旦保护期限届满,权利将自行终止,成为社会公众可以自由使用的知识。 (20答案:D
- oracle 10g SYSAUX表空间快速增长之WRH$_SQL_PLAN篇
- c hello world_C 字符串
- 研究生一年级,非计算机专业,自学机器学习现实吗?
- k8s pod里访问不到外部ip_K8S中的Service的存在理由
- 莫烦Tensorflow教程(15~22)
- java基础实例代码_Java基础实例
- MetroGridHelper: A helpful debugging assistant for designers and developers alike
- 【长沙集训】2017.10.10
- 推荐算法是今日头条的核心竞争力吗?
- linux下安装mysql数据库
- YOS里面推入AD的命令行生成代码
- 天云服务器做系统,自己做云服务器系统
- C语言图书管理系统 文件数据库
- 2023中兴笔试复盘
- oracle 财务云优势,Oracle ERP云助力财务团队提升业务弹性
- 手把手教你使用Bitvise Tunnelier设置SSH代理服务器
- 八数码问题引发的思考
- Ubuntu16.04安装微软字体库
- HTML网页入门练习——淘宝抢购模块设计