标签:特征值 方程 ... 矩阵 基础 SLAM 奇异 范数
矩阵相关概念
线性相关与线性无关
\[c_1u_1 + c_2u_2 + ... + c_nu_n = 0 \]其中可以有这样一组解:
\[c_1 = c_2 = ... = c_n = 0 \]若只有这样一种解 则认为 \(u_1, u_2, ... ,u_n\) 线性无关
若有0以外的解 则认为线性相关
奇异矩阵
\[Ax = 0 \]等价于
\[a_1x_1 + a_2x_2 + ... + a_nx_n = 0 \]其中A等于 \([a_1, ... , a_n]\) 若只有0解 则 \(a_1, ..., a_n\) 线性无关 此时A为非奇异矩阵
若有除0以外的解 A是奇异矩阵
范数
向量范数:描述向量的长度
对向量求范数
X为向量 它等于每一项的平方求和再开根号
矩阵范数:描述矩阵的大小
也是矩阵中的每一项的平方求和再开根号
行列式
\[det(A) = |A| \]行列式不等于0的矩阵称为非奇异矩阵
行列式不等于0的矩阵才有逆矩阵
行列式不等于0称为满秩
特征值
\[Lu = \lambda u \]若能找到 \(n * 1\) 的非零解
则 \(L\) 为特征向量 \(\lambda\) 为 \(L\) 对应的特征值 \(u\) 的大小为 \(n * 1\)
可以求出很多特征值
若 \(L\) 有一个特征值为0 则 \(L\) 一定是奇异矩阵
奇异的非零矩阵一定存在非零的特征值
矩阵的迹
\[tr(A) \]矩阵的迹等于矩阵所有对角元素(从左上角到右下角对角线上的元素)之和
矩阵的秩
\[rank(A) \]\(A_{mn}\) 的秩定义为该矩阵中线性无关的行或列的数目 线性无关的行和列的数目相同
欠定与超定
欠定方程:方程个数小于未知参数个数
欠定方程特点:无法求出唯一解
超定方程:方程个数大于未知参数个数
超定方程特点:无法求出满足全部方程的精确解
标签:特征值,方程,...,矩阵,基础,SLAM,奇异,范数 来源: https://www.cnblogs.com/linglingdog/p/15906581.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。