核—幂零分解
若向量空间 V \mathcal V V存在子空间 X \mathcal X X与 Y \mathcal Y Y,当
X + Y = V X ∩ Y = 0 \mathcal {X\text{+}Y\text{=}V}\\ \mathcal {X}\cap \mathcal {Y}=0 X+Y=VX∩Y=0
时称子空间 X \mathcal X X与 Y \mathcal Y Y是完备的,其中记为 X ⊕ Y = V \mathcal X \oplus \mathcal Y = \mathcal V X⊕Y=V
若存在 X ⊕ Y = V \mathcal X \oplus \mathcal Y = \mathcal V X⊕Y=V, 对于 x ∈ X , y ∈ Y , v ∈ V x\in \mathcal X,y \in \mathcal Y,v \in \mathcal V x∈X,y∈Y,v∈V,满足 v = x + y v=x+y v=x+y,则向量 x x x被称为向量 v v v沿着 Y \mathcal Y Y到 X \mathcal X X 空间的投影,向量 y y y被称为向量 v v v沿着 X \mathcal X X到 Y \mathcal Y Y 空间的投影,若存在 P v = x Pv=x Pv=x, P P P被称为沿着 Y \mathcal Y Y到 X \mathcal X X 空间的投影算子,其中
- P 2 = P P^2=P P2=P
- 1 − P 1-P 1−P沿着 X \mathcal X X到 Y \mathcal Y Y 空间的投影算子
- R ( P ) = N ( 1 − P ) = X R(P)=N(1-P)=\mathcal X R(P)=N(1−P)=X
- N ( P ) = R ( 1 − P ) = Y N(P)=R(1-P)=\mathcal Y N(P)=R(1−P)=Y
若 V = R n V=\mathfrak R^n V=Rn,则 P [ X ∣ Y ] = [ X ∣ 0 ] P[\mathbf X|\mathbf Y]=[\mathbf X|\mathbf 0] P[X∣Y]=[X∣0],即 P = [ X ∣ 0 ] [ X ∣ Y ] − 1 = [ X ∣ 0 ] ( I 0 0 0 ) [ X ∣ Y ] − 1 P=[\mathbf X|\mathbf 0][\mathbf X|\mathbf Y]^{-1}=[\mathbf X|\mathbf 0]\begin{pmatrix}\mathbf I&\mathbf0\\\mathbf 0&\mathbf 0\end{pmatrix}[\mathbf X|\mathbf Y]^{-1} P=[X∣0][X∣Y]−1=[X∣0](I000)[X∣Y]−1,其中 X , Y \mathbf X,\mathbf Y X,Y分别表示 X , Y \mathcal X ,\mathcal Y X,Y的一组基
值域零空间分解
若存在一个k,满足 rank ( A k ) = rank ( A k + 1 ) \text{rank}(A^k)=\text{rank}(A^{k+1}) rank(Ak)=rank(Ak+1),则将最小的那个k值称为index,其中非奇异矩阵的index为0
对于奇异矩阵 A n × n A_{n\times n} An×n,存在一个index k,使得$R(A^k)\oplus N(A^k)=\mathfrak R^n $
若存在一个矩阵 A k = 0 A^k=0 Ak=0,其中index(A)=0,则矩阵A被称为幂零矩阵
核—幂零分解
如果A是一个 n × n n\times n n×n 的index为k的奇异矩阵,其中 rank ( A k ) = r \text{rank}(A^k)=r rank(Ak)=r,则存在一个非奇异矩阵 Q Q Q, 满足
Q − 1 A Q = ( C r × r 0 0 N ) \left.\mathbf{Q}^{-1}\mathbf{A}\mathbf{Q}=\left(\begin{array}{cc}\mathbf{C}_{r\times r}&\mathbf{0}\\\mathbf{0}&\mathbf{N}\end{array}\right.\right) Q−1AQ=(Cr×r00N)
其中 C C C是非奇异矩阵, N N N是index为k的幂零矩阵,其中 Q Q Q为矩阵 A k A^k Ak的值域空间和零空间的基的组合
若存在 A = Q ( C 0 0 N ) Q − 1 \left.\mathbf{A}=\mathbf{Q}\left(\begin{array}{ll}\mathbf{C}&0\\0&\mathbf{N}\end{array}\right.\right)\mathbf{Q}^{-1} A=Q(C00N)Q−1,则 A D = Q ( C − 1 0 0 0 ) Q − 1 \left.\mathbf{A}^D=\mathbf{Q}\left(\begin{array}{ll}\mathbf{C}^{-1}&0\\0&0\end{array}\right.\right)\mathbf{Q}^{-1} AD=Q(C−1000)Q−1,其中 A D A^D AD被称为A的广义逆
对于矩阵 A = ( − 2 0 − 4 4 2 4 3 2 2 ) \left.\textbf{A}=\left(\begin{array}{rrr}-2&0&-4\\4&2&4\\3&2&2\end{array}\right.\right) A= −243022−442 ,计算出 core-nilpoten 的分解形式,并给出对应的 Drazin 逆的形式。
直接计算可得 : r a n k ( A ) = 2 , r a n k ( A 2 ) = 1 , r a n k ( A 3 ) = 1 :\:rank(\mathbf{A})=2,\:rank(\mathbf{A^2})=1,\:rank(\mathbf{A^3})=1 :rank(A)=2,rank(A2)=1,rank(A3)=1, 由此可知 : i n d e x ( A ) = 2. :index(\mathbf{A})=2. :index(A)=2. 由 core-nilpotent 分解可知,矩阵 Q = [ X ∣ Y ] \mathbf{Q}=[\mathbf{X}|\mathbf{Y}] Q=[X∣Y], 这里 X \mathbf{X} X 和 Y 分别为 R ( A 2 ) R(\mathbf{A}^2) R(A2) 和 N ( A 2 ) N(\mathbf{A}^2) N(A2) 的一组基。从而直接计算可得,
X = ( − 8 12 8 ) , Y = ( − 1 0 1 0 0 1 ) , \left.\mathbf{X}=\left(\begin{array}{rr}-8\\12\\8\end{array}\right.\right),\quad\mathbf{Y}=\left(\begin{array}{rr}-1&0\\1&0\\0&1\end{array}\right), X= −8128 ,Y= −110001 ,
可得
Q = ( − 8 − 1 0 12 1 0 8 0 1 ) \left.\mathbf{Q}=\left(\begin{array}{rrr}-8&-1&0\\12&1&0\\8&0&1\end{array}\right.\right) Q= −8128−110001
所以
Q − 1 A Q = ( 1 4 1 4 0 − 3 − 2 0 − 2 − 2 1 ) ( − 2 0 − 4 4 2 4 3 2 2 ) ( − 8 − 1 0 12 1 0 8 0 1 ) = ( 2 0 0 0 − 2 4 0 − 1 2 ) \left.\mathbf{Q}^{-1}\mathbf{A}\mathbf{Q}=\left(\begin{array}{rrr}\frac{1}{4}&\frac{1}{4}&0\\-3&-2&0\\-2&-2&1\end{array}\right.\right)\left(\begin{array}{rrr}-2&0&-4\\4&2&4\\3&2&2\end{array}\right)\left(\begin{array}{rrrr}-8&-1&0\\12&1&0\\8&0&1\end{array}\right)=\left(\begin{array}{rrr}2&0&0\\0&-2&4\\0&-1&2\end{array}\right) Q−1AQ= 41−3−241−2−2001 −243022−442 −8128−110001 = 2000−2−1042
因为 Q − 1 A Q = ( C 0 0 N ) , C = ( 2 ) , N = ( − 2 4 − 1 2 ) \left.\mathbf{Q}^{-1}\mathbf{AQ}=\left(\begin{array}{ll}\mathbf{C}&\mathbf{0}\\\mathbf{0}&\mathbf{N}\end{array}\right.\right),\left.\mathbf{C}=(2),\mathbf{N}=\left(\begin{array}{cc}-2&4\\-1&2\end{array}\right.\right) Q−1AQ=(C00N),C=(2),N=(−2−142)
所以
相关文章:
核—幂零分解
若向量空间 V \mathcal V V存在子空间 X \mathcal X X与 Y \mathcal Y Y,当 X Y V X ∩ Y 0 \mathcal {X\text{}Y\text{}V}\\ \mathcal {X}\cap \mathcal {Y}0 XYVX∩Y0 时称子空间 X \mathcal X X与 Y \mathcal Y Y是完备的,其中记为 X ⊕ Y V \ma…...
轻松掌控财务,分析账户花销,明细记录支出情况
随着科技的发展,我们的生活变得越来越智能化。然而,对于许多忙碌的现代人来说,管理财务可能是一件令人头疼的事情。复杂的账单、花销、收入,这些可能会让你感到无从下手。但现在,我们有一个全新的解决方案——一款全新…...
竞赛 题目:基于机器视觉opencv的手势检测 手势识别 算法 - 深度学习 卷积神经网络 opencv python
文章目录 1 简介2 传统机器视觉的手势检测2.1 轮廓检测法2.2 算法结果2.3 整体代码实现2.3.1 算法流程 3 深度学习方法做手势识别3.1 经典的卷积神经网络3.2 YOLO系列3.3 SSD3.4 实现步骤3.4.1 数据集3.4.2 图像预处理3.4.3 构建卷积神经网络结构3.4.4 实验训练过程及结果 3.5 …...
11. Spring源码篇之实例化前的后置处理器
简介 spring在创建Bean的过程中,提供了很多个生命周期,实例化前就是比较早的一个生命周期,顾名思义就是在Bean被实例化之前的处理,这个时候还没实例化,只能拿到该Bean的Class对象,如果在这个时候直接返回一…...
Python-Python高阶技巧:HTTP协议、静态Web服务器程序开发、循环接收客户端的连接请求
版本说明 当前版本号[20231114]。 版本修改说明20231114初版 目录 文章目录 版本说明目录HTTP协议1、网址1.1 网址的概念1.2 URL的组成1.3 知识要点 2、HTTP协议的介绍2.1 HTTP协议的概念及作用2.2 HTTP协议的概念及作用2.3 浏览器访问Web服务器的过程 3、HTTP请求报文3.1 H…...
P1304 哥德巴赫猜想
题目描述 输入一个偶数 N,验证 4∼N 所有偶数是否符合哥德巴赫猜想:任一大于 22 的偶数都可写成两个质数之和。如果一个数不止一种分法,则输出第一个加数相比其他分法最小的方案。例如 1010,10=3+7=5+510=3+7=5+5,则 10=5+510=5+5 是错误答案。 输入格式 第一行输入一个…...
CSDN每日一题学习训练——Python版(搜索插入位置、最大子序和)
版本说明 当前版本号[20231118]。 版本修改说明20231118初版 目录 文章目录 版本说明目录搜索插入位置题目解题思路代码思路参考代码 最大子序和题目解题思路代码思路参考代码 搜索插入位置 题目 给定一个排序数组和一个目标值,在数组中找到目标值,…...
Java在物联网中的重要性
【点我-这里送书】 本人详解 作者:王文峰,参加过 CSDN 2020年度博客之星,《Java王大师王天师》 公众号:JAVA开发王大师,专注于天道酬勤的 Java 开发问题中国国学、传统文化和代码爱好者的程序人生,期待你的关注和支持!本人外号:神秘小峯 山峯 转载说明:务必注明来源(…...
动态规划解背包问题
题目 题解 def knapsac(W: int, N: int, wt: List[int], val: List[int]) -> int:# 定义状态动作价值函数: dp[i][j],对于前i个物品,当前背包容量为j,最大的可装载价值dp [[0 for j in range(W1)] for i in range(N1)]# 状态动作转移for…...
PCL内置点云类型
PCL内置了许多点云类型供我们使用,下面先介绍PLC内置的点云数据类型 PCL中的点云类型为PointT;至于为什么是PointT类型需要追随到原来的ros开发中去,因为PCL库也是从原来的ROS中剥离出来的;大家都一致的认为点云结构是离散的N维信…...
clickhouse数据结构和常用数据操作
背景, 大数据中查询用mysql时间太长, 使用clickhouse 速度快, 数据写入mysql后同步到clickhouse中 测试1千万数据模糊搜索 mysql 需要30-40秒 clickhouse 约 100ms 一 数据结构和存储引擎 1 查看clickhouse所有数据类型 select * from system.data_type_families; 2 …...
upload-labs关卡9(基于win特性data流绕过)通关思路
文章目录 前言一、靶场需要了解的知识1::$data是什么 二、靶场第九关通关思路1、看源码2、bp抓包修改后缀名3、检查是否成功上传 总结 前言 此文章只用于学习和反思巩固文件上传漏洞知识,禁止用于做非法攻击。注意靶场是可以练习的平台,不能随意去尚未授…...
C++过河卒问题
#include <iostream> #include <cstring> using namespace std;int board[20][20]; // 棋盘 int dp[20][20][20][20]; // 动态规划数组int main() {int x0, y0, x1, y1;cin >> x0 >> y0 >> x1 >> y1; // 输入卒的起点和终点memset(board,…...
【机器学习12】集成学习
1 集成学习分类 1.1 Boosting 训练基分类器时采用串行的方式, 各个基分类器之间有依赖。每一层在训练的时候, 对前一层基分类器分错的样本, 给予更高的权重。 测试时, 根据各层分类器的结果的加权得到最终结果。 1.2 Bagging …...
nodeJs基础笔记
title: nodeJs基础笔记 date: 2023-11-18 22:33:54 tags: 1. Buffer 1. 概念 Buffer 是一个类似于数组的 对象 ,用于表示固定长度的字节序列。 Buffer 本质是一段内存空间,专门用来处理 二进制数据 。 2. 特点 Buffer 大小固定且无法调整Buffer 性能…...
Skywalking流程分析_9(JDK类库中增强流程)
前言 之前的文章详细介绍了关于非JDK类库的静态方法、构造方法、实例方法的增强拦截流程,本文会详细分析JDK类库中的类是如何被增强拦截的 回到最开始的SkyWalkingAgent#premain try {/** 里面有个重点逻辑 把一些类注入到Boostrap类加载器中 为了解决Bootstrap类…...
矩阵的QR分解
矩阵的QR分解 GramSchmidt 设存在 B { x 1 , x 2 , … , x n } \mathcal{B}\left\{\mathbf{x}_{1},\mathbf{x}_{2},\ldots,\mathbf{x}_{n}\right\} B{x1,x2,…,xn}在施密特正交化过程中 q 1 x 1 ∣ ∣ x 1 ∣ ∣ q_1\frac{x_1}{||x_1||} q1∣∣x1∣∣x1 q k …...
STL总结
STL vector 头文件<vector> 初始化,定义,定义长度,定义长度并且赋值,从数组中获取数据返回元素个数size()判断是否为空empty()返回第一个元素front()返回最后一个数back()删除最后一个数pop_back()插入push_back(x)清空clear()begin()end()使用s…...
资深测试总结,现在软件测试有未来吗?“你“的底气在哪里?
目录:导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结(尾部小惊喜) 前言 1、为什么会有 “…...
Scalable Exact Inference in Multi-Output Gaussian Processes
Orthogonal Instantaneous Linear Mixing Model TY are m-dimensional summaries,ILMM means ‘Instantaneous Linear Mixing Model’,OILMM means ‘Orthogonal Instantaneous Linear Mixing Model’ 辅助信息 作者未提供代码...
Vibe coding对程序员的影响
一、深化核心能力数学与算法基础掌握离散数学、概率论等基础理论熟练应用动态规划、图论等算法范式示例:优化算法时间复杂度 O(n\log n)--O(n)系统设计能力理解计算机组成原理与操作系统机制构建高可用分布式系统(如CAP定理)二、适应技术演进…...
H5与原生App高效通信:DSBridge桥方法实战解析
1. 为什么需要DSBridge? 在混合开发中,H5页面经常需要调用摄像头、地理位置等原生功能,而原生App也需要获取H5页面的数据更新。传统通信方式(如URL Scheme拦截)存在三个痛点:协议维护成本高(需…...
从package.xml到CMakeLists.txt:手把手教你配置一个ROS1机器人控制包(附完整项目模板)
从package.xml到CMakeLists.txt:构建工业级ROS1机器人控制包的完整指南 在机器人操作系统(ROS)开发中,功能包的配置质量直接影响项目的可维护性和扩展性。本文将带您深入理解ROS1功能包的核心配置文件,通过一个完整的工业机器人控制包案例&am…...
深度解析 Claude Code v2.1.88 源码:技术栈与底层实现全揭秘(基于流出架构资料)
深度解析 Claude Code v2.1.88 源码:技术栈与底层实现全揭秘(基于流出架构资料) 摘要:2026年3月31日,Claude Code v2.1.88 相关技术资料(含TypeScript工程架构、核心模块实现逻辑,合计51.2万行代码量级)公开流出,包含其核心架构、工具系统、安全机制等全部实现细节。…...
不止于上传预览:在若依框架中构建一个轻量级企业文档管理模块
若依框架下的企业级文档中心设计与实战 在数字化转型浪潮中,企业文档管理正从简单的文件存储向智能化协作平台演进。基于若依微服务框架构建文档中心模块,不仅能满足基础的PDF上传预览需求,更能为企业提供版本控制、权限管理、全文检索等进阶…...
逆向实战:WASM加密在荔枝网x-itouchtv-ca参数中的定位与Hook技巧
1. WASM加密技术解析 WebAssembly(简称WASM)是一种新兴的二进制指令格式,它的出现让前端加密技术迈上了新台阶。与传统JavaScript加密相比,WASM具有明显的性能优势。在我的实际测试中,相同加密算法在WASM环境下的执行速…...
基于YOLOV8的车辆检测系统:快速上手与实用功能
基于YOLOV8的车辆检测系统 基于深度学习的车辆检测系统有数据集 模型已经训练好 直接用即可 报告 30r 就是售价 包搭配环境 远程运行跑通程序 本项目已经训练好模型,配置好环境可直接使用,运行效果见图像(可找我要演示视频) 项…...
intv_ai_mk11惊艳效果展示:输入‘设计一个碳中和主题PPT’→大纲+每页文案+视觉建议
intv_ai_mk11惊艳效果展示:输入设计一个碳中和主题PPT→大纲每页文案视觉建议 1. 效果预览:从简单指令到完整PPT方案 当我向intv_ai_mk11输入"设计一个碳中和主题PPT"这个简单指令时,它在30秒内就生成了一个专业级的完整方案。这…...
昇腾910B分布式微调避坑指南:从SSH免密到权重合并的5个常见问题
昇腾910B分布式微调实战避坑手册:5个关键环节的深度解析 当你在深夜的机房盯着屏幕上闪烁的错误日志,第八次尝试启动分布式微调任务却依然卡在SSH认证环节时,那种混合着焦虑与挫败的感受,我太熟悉了。这不是又一篇按部就班的操作手…...
八股文的终结:为什么2026年大厂面试开始大规模考察“内存安全”?
在2026年的北美IT求职市场中,底层系统开发(Infrastructure, Backend, Systems Engineering)岗位的技术面试逻辑正在经历一场深刻的底层范式转换。过去几年中,候选人凭借熟练背诵C虚函数表、STL底层源码剖析、以及各类设计模式等标…...
