LinearAlgebra_3
2015-10-19 11:18
375 查看
矩阵空间秩一矩阵小世界图
矩阵空间
秩一矩阵
小世界图
图和网络
零空间
左零空间
行空间
欧拉公式
工业用公式
正交向量和子空间
向量正交
子空间正交
矩阵的bigPicture
无解方程组的最优解
子空间投影
二维空间的简单投影
多维空间情况
它的子空间,比如对称矩阵、上三角矩阵也是向量空间。
以M3∗3矩阵为例,维度是9。其对阵矩阵S的维度是6,其上三角矩阵U的维度是6。
S⋂U的维度是3,S⋃U不是线性空间,S+U的维度是9。
其中,
S+U= any element of S + any element of U
有一个公式:
dim(S)+dim(U)=dim(S⋂U)+dim(S+U)
此外,还有一种特殊的向量空间(特殊在并不包含向量)。
比如解微分方程:
d2ydx2+y=0
这是一个线性微分方程,所求的解可以理解为寻找解空间的一组基底。
这组基底可以是(【cosx,0】,【0,sinx】),也可以是(【e^(ix),0】,【e^(-ix),0】)。
此外,这组解空间的维数是2,因为d2y/dx2。
比如
如果A5∗11,rank(A)=4,那么原矩阵可以视为4个秩一矩阵的组合。
世界是很小的,往往通过几个edge就可以连到意想不到的node上面。
六度理论。
上面的图,可以表示电路,水路,穹顶等,图论在现实生活中应用很广泛。
而且实际中的矩阵一般都是稀疏的。
下面的例子,仅以节点代表电位,连接节点的线代表电流通道。
零空间代表每个点的电势应该怎么样,才可以保证每个连接上的电流是0。
本题中零空间是一维的,说明在整个回路中如果需要确定基点的电势,因此一般选择一个点接地(零电位点),主要原因就是零空间是一维的。
e=Ax
这个也叫作基尔霍夫电流定律,KCL。
这个题目中的维度是5-3=2。
独立的最大数目的行,被称作tree。
loops = edges - (nodes-1)
no source term的电路公式可以表述为:
e=Ax
y=Ce
ATy=0
合在一起就是
ATCAx=0
考虑了外加的source后:
ATy=f
ATCAx=f
ATA总是对称的。
向量点积为0的时候,表示向量正交,夹角为90度。
两个子空间正交,那么交点肯定不会有非零向量。
行空间和零空间正交,且构成正交补(两个子空间加起来填补了整个Rn)。
根据Ax=0可以看出来,零空间的任何一个向量与行空间向量的线性组合的点积都是0。
比如多次对卫星的距离测量,多次测量脉搏等。
可以使用ATA构建一个更好的矩阵。
这个矩阵的性质有:
N(ATA)=N(A)
rank(ATA)=rank(A)
ATA是方阵,对称矩阵,但是不一定可逆
求解的方法是:
Ax=b−−>>ATAx=b
主要有三个式子:
x=aTb/aTa
p=a∗x=a∗aTbaTa
P=aaTaTa
关于投影矩阵P
PT=P
Pk=P
AT(b−Pb)=0
AT(b−Ax^)=0
x^=(ATA)−1ATb
p=Ax^=A(ATA)−1ATb
P=A(ATA)−1AT
矩阵空间
秩一矩阵
小世界图
图和网络
零空间
左零空间
行空间
欧拉公式
工业用公式
正交向量和子空间
向量正交
子空间正交
矩阵的bigPicture
无解方程组的最优解
子空间投影
二维空间的简单投影
多维空间情况
矩阵空间、秩一矩阵、小世界图
矩阵空间
矩阵空间也是一种向量空间,对加法和数乘(或者说线性组合)封闭。它的子空间,比如对称矩阵、上三角矩阵也是向量空间。
以M3∗3矩阵为例,维度是9。其对阵矩阵S的维度是6,其上三角矩阵U的维度是6。
S⋂U的维度是3,S⋃U不是线性空间,S+U的维度是9。
其中,
S+U= any element of S + any element of U
有一个公式:
dim(S)+dim(U)=dim(S⋂U)+dim(S+U)
此外,还有一种特殊的向量空间(特殊在并不包含向量)。
比如解微分方程:
d2ydx2+y=0
这是一个线性微分方程,所求的解可以理解为寻找解空间的一组基底。
这组基底可以是(【cosx,0】,【0,sinx】),也可以是(【e^(ix),0】,【e^(-ix),0】)。
此外,这组解空间的维数是2,因为d2y/dx2。
秩一矩阵
秩为1的矩阵,就像building blocks for all matrics。
比如
A = [1 4 5 ] = [1] * [1 4 5] [2 8 10] [2]
如果A5∗11,rank(A)=4,那么原矩阵可以视为4个秩一矩阵的组合。
小世界图
Graph = {nodes, edges}世界是很小的,往往通过几个edge就可以连到意想不到的node上面。
六度理论。
图和网络
上面的图,可以表示电路,水路,穹顶等,图论在现实生活中应用很广泛。
而且实际中的矩阵一般都是稀疏的。
下面的例子,仅以节点代表电位,连接节点的线代表电流通道。
零空间
考虑列的线性组合,如果列是相关的,那么就形成了一个loop电流通路。零空间代表每个点的电势应该怎么样,才可以保证每个连接上的电流是0。
本题中零空间是一维的,说明在整个回路中如果需要确定基点的电势,因此一般选择一个点接地(零电位点),主要原因就是零空间是一维的。
e=Ax
左零空间
下面考虑$A^Ty=0,也就是每个连接上的电流是多少,才能够保证在每个node上的电流为0。这个也叫作基尔霍夫电流定律,KCL。
这个题目中的维度是5-3=2。
行空间
行如果独立的话,那么就不是一个loop回路。独立的最大数目的行,被称作tree。
欧拉公式
dim(N(AT))=m−rloops = edges - (nodes-1)
工业用公式
no source term的电路公式可以表述为:
e=Ax
y=Ce
ATy=0
合在一起就是
ATCAx=0
考虑了外加的source后:
ATy=f
ATCAx=f
ATA总是对称的。
正交向量和子空间
向量正交
向量点积为0的时候,表示向量正交,夹角为90度。
子空间正交
子空间正交,当且仅当子空间A的任意向量与子空间B的任意向量都垂直。两个子空间正交,那么交点肯定不会有非零向量。
矩阵的bigPicture
行空间和零空间正交,且构成正交补(两个子空间加起来填补了整个Rn)。
根据Ax=0可以看出来,零空间的任何一个向量与行空间向量的线性组合的点积都是0。
无解方程组的最优解
现实中,很多方程Ax=b都是无解的,这种情况一般是m>n。比如多次对卫星的距离测量,多次测量脉搏等。
可以使用ATA构建一个更好的矩阵。
这个矩阵的性质有:
N(ATA)=N(A)
rank(ATA)=rank(A)
ATA是方阵,对称矩阵,但是不一定可逆
求解的方法是:
Ax=b−−>>ATAx=b
子空间投影
二维空间的简单投影
主要有三个式子:
x=aTb/aTa
p=a∗x=a∗aTbaTa
P=aaTaTa
关于投影矩阵P
PT=P
Pk=P
多维空间情况
AT(b−Pb)=0
AT(b−Ax^)=0
x^=(ATA)−1ATb
p=Ax^=A(ATA)−1ATb
P=A(ATA)−1AT
相关文章推荐
- 我对特征值与特征向量的理解
- 马尔科夫状态转移矩阵的一个性质,以及一个直观的图形证明
- 【转】理解矩阵(三)--看了这些才发觉,读大学的作用就是要用的时候不用再买书了 ̄□ ̄||
- [转]理解矩阵(一)--个人觉得是最好的,线性代数都弱爆了
- PCA以及降维的思想
- Stanford 机器学习课程cs229 数学推导知识
- 基于特征值的斐波那契数列求解
- 从多元方程组到矩阵计算的乘法法则
- 三阶矩阵的特征值一般求解
- 特征值 特征向量, 你怎么看?
- PCA的数学原理
- 矩阵乘法的计算和来源
- 《3D数学基础:图像与游戏开发》读书笔记(一)
- 线性代数(一)(Linear Algobra with Application)steven J.Leon(Eighth Edition)
- 线性代数(二)(Linear Algobra with Application)steven J.Leon(Eighth Edition)
- 行列式求值
- 高斯消元算法 详解
- poj 1222 (高斯消元)
- 高斯消元模板
- poj 1681 Painter's Problem