一、正定矩阵与半正定矩阵
请问谁能用易于理解的语言解释下矩阵的正定及半正定? – 知乎
M为一个方阵
定义: 一个非零向量X,如果=0″>,那么我们就规定这个M方阵为正定矩阵
单位矩阵是正定矩阵 (positive definite)
同理:
那么这个M矩阵为半正定矩阵
如何判别一个矩阵是不是正定矩阵
1、M的特征值都>0 ,那么这个矩阵为正定矩阵
2、M的特征值都<0 ,那么这个矩阵为半正定矩阵
正定矩阵的性质:
正定矩阵已经是一个非奇异矩阵(行列式不为0)
正定矩阵的代数余子式一定也是一个正定矩阵
如果矩阵M为一个正定矩阵,那么有M=L*Lt,也就是Cholesky分解
如果 A B 是对称的正定矩阵,那么 A +B 也是正定矩阵
线性代数之——正定矩阵 – 知乎
浅谈「正定矩阵」和「半正定矩阵」
案例:
为什么协方差矩阵要是半正定的?
二、奇异矩阵
定义:
奇异矩阵(Singular Matrix)是一个方阵,其行列式的值为零。也可以说,如果一个矩阵的行列式等于零,则该矩阵为奇异矩阵。
性质:
1. 非满秩:行列式为0 那么一定是非满秩 ,矩阵中的行向量或列向量存在一定的线性相关性。
2. 没有逆矩阵:奇异矩阵是不可逆的,不可分解
3. 零空间非零:奇异矩阵的零空间(Null Space)不为空,即存在非零向量使得与奇异矩阵相乘结果为零向量。这是因为奇异矩阵存在线性相关的行向量或列向量。
奇异矩阵在线性方程组求解、矩阵分解和特征值计算等问题中具有重要的意义。例如,对于线性方程组,当系数矩阵为奇异矩阵时,该方程组可能无解或有无穷多解;在矩阵分解中,奇异矩阵无法进行LU分解或Cholesky分解等常见的分解方法;在特征值计算中,奇异矩阵的特征值一般不易求解。
为逆矩阵
伪逆矩阵 的使用-CSDN博客
三、非奇异矩阵(Non-singular Matrix)
非奇异矩阵(Non-singular Matrix)是指行列式不为零的方阵。非奇异矩阵具有满秩、可逆和零空间为空的特点,因此在各种数学和工程应用中更常见和有用。
SVD分解
【彻底搞懂】矩阵奇异值分解(SVD) – 知乎
奇异值分解(SVD)原理总结
SVD 奇异值分解_左奇异矩阵和右奇异矩阵-CSDN博客
3*3 矩阵变成4*4 矩阵
Eigen::AngleAxisf angle_axis(M_PI / 3, Eigen::Vector3f(0, 0, 1));
Eigen::Matrix3f R_12_ = angle_axis.matrix();
Eigen::Vector3f t_12_(0.1, 0.1, -0.1);
Eigen::Matrix4f RT = Eigen::Matrix4f::Identity();
RT.block<3, 3>(0, 0) = R_12_.matrix();
RT.block<3, 1>(0, 3) = t_12_.matrix();
std::cout << "except t_12:\n" << RT << std::endl;
四、雅可比矩阵和黑塞矩阵
雅可比(jacobian)、黑塞矩阵(Hessian)-CSDN博客
ex1
clear all;
clc;
syms x y z
f1=x^2+y^2+3*x*y*z;
%f2=x^3+y^2+4*x*y*z^3;
%f3=x^3+y^2+5*x*y^3*z^3;
% 1 直接计算hessian矩阵
H0=hessian(f1,[x;y;z])
% 2 先求雅可比矩阵,然后再计算 hessian 矩阵
J0=jacobian(f1,[x,y,z]) % 雅可比矩阵
H2=jacobian(J0,[x,y,z])
% 3、先计算梯度,然后再计算hessian 矩阵
G=gradient(f1,[x,y,z])
H3=jacobian(G,[x,y,z])
ex2
syms x y z
f1=x^2*z+5*x-2*y^3;
J=jacobian(f1,[x,y,z]);
% 1 直接计算hessian矩阵
H0=hessian(f1,[x;y;z])
ex3
syms x y z
% 2 先求雅可比矩阵,然后再计算 hessian 矩阵
f2=-(x^2)-4*y^2+3*x+9*y-3*x*y;
J0=jacobian(f2,[x,y]) % 雅可比矩阵
H2=jacobian(J0,[x,y])
五、协方差矩阵
协方差矩阵-CSDN博客
今天的文章什么是正定矩阵和半正定矩阵_半正定矩阵是对称矩阵吗分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/81372.html