Трассировка (линейная алгебра) – Arc.Ask3.Ru
Трассировка (линейная алгебра) Определение следа матрицы След матрицы A определяется как сумма элементов на главной диагонали: tr(A) = a11 + […]
Трассировка (линейная алгебра) Определение следа матрицы След матрицы A определяется как сумма элементов на главной диагонали: tr(A) = a11 + […]
Собственное разложение матрицы Собственное разложение матрицы Матрица A может быть разложена на собственные значения и векторы. Разложение возможно только для
Международное общество линейной алгебры История и цели ILAS Основано в 1989 году для содействия исследованиям и образованию в области линейной
Полярное разложение Полярное разложение матрицы Полярное разложение матрицы A = U P, где U — унитарная матрица, P — положительно-полуопределенная
Собственные значения и векторы Определение собственных векторов и значений Собственный вектор — это вектор, направление которого не меняется при линейном
Собственные значения и векторы Определение собственных векторов и значений Собственный вектор — это вектор, направление которого не меняется при линейном
Полностью позитивная матрица Определение полностью положительной матрицы Квадратная матрица, в которой все младшие значения положительны Определитель каждой квадратной подматрицы является
Полностью позитивная матрица Определение полностью положительной матрицы Квадратная матрица, в которой все младшие значения положительны Определитель каждой квадратной подматрицы является
Собственные значения и векторы Определение и свойства матрицы Матрица – это прямоугольная таблица чисел, которая отображает строки на столбцы. Матрицы
Неотрицательная матричная факторизация Основы неотрицательной матричной факторизации NMF – это метод разложения матрицы на неотрицательные факторы, которые объясняют наблюдаемые данные.
Обобщенный собственный вектор Определение и свойства собственных векторов Собственный вектор – это вектор, который удовлетворяет уравнению Собственные векторы образуют линейно
Собственное разложение матрицы Определение и свойства собственных значений и векторов Собственные значения и векторы описывают линейные преобразования и являются ключевыми
Логарифм матрицы Определение и свойства логарифма матрицы Логарифм матрицы – это матрица, обратная к экспоненциальной матрице. Логарифм существует, если матрица
Квадратный корень из матрицы Определение и свойства квадратных корней Квадратный корень из матрицы A – это матрица B, такая что
Сопряженная матрица Определение и свойства адъюгата матрицы Адъюгат матрицы – это матрица, обратная к транспонированной. Адъюгат имеет ранг, равный рангу
Матричный многочлен Матричный многочлен – многочлен с квадратными матрицами в качестве переменных. Матричное полиномиальное уравнение – равенство между двумя матричными
Джорданова матрица Матрица Жордана – блочная диагональная матрица над кольцом R, где каждый блок имеет собственное значение и размерность n.
Спектр матрицы Спектр матрицы – это набор собственных значений матрицы. Определитель матрицы равен произведению собственных значений. След матрицы равен сумме
Нормальная форма Смита Нормальная форма Смита – это нормальная форма матрицы, которая может быть определена для любой матрицы с элементами
Каноническая форма вейра Каноническая форма Вейра – квадратная матрица, индуцирующая “приятные” свойства у матриц, с которыми она коммутирует. Форма Вейра
Разложение по сингулярным значениям SVD (сингулярное разложение) – разложение матрицы на множители с изменением масштаба и вращением. SVD обобщает собственное