g******s 发帖数: 410 | 1 令矩阵A=x*x^H,其中x为列向量,那么A^H=A。反过来,任一semipositive definite的
Hermitian矩阵,能分解为某一列向量的外积吗?是否有什么附加条件要满足?给定了A
,如何构造向量x呢?谢谢 |
H****h 发帖数: 1037 | 2 rank(A)=1 or 0.
了A
【在 g******s 的大作中提到】 : 令矩阵A=x*x^H,其中x为列向量,那么A^H=A。反过来,任一semipositive definite的 : Hermitian矩阵,能分解为某一列向量的外积吗?是否有什么附加条件要满足?给定了A : ,如何构造向量x呢?谢谢
|
g******s 发帖数: 410 | 3 rank(A)=0?那不就是零矩阵了?
如果rank(A)=1呢?怎么求向量x?请详细说说,谢谢!
【在 H****h 的大作中提到】 : rank(A)=1 or 0. : : 了A
|
D*******a 发帖数: 3688 | 4 SVD
【在 g******s 的大作中提到】 : rank(A)=0?那不就是零矩阵了? : 如果rank(A)=1呢?怎么求向量x?请详细说说,谢谢!
|
d******e 发帖数: 7844 | 5 你说的是Spectral Decompositiona吧
A通过SVD分解,得到U,Simga,V,那么A=sum(lambda(i)*u(:,i)*v(:,i)');
Hermitian是SVD的特殊情况,U=V';
你如果一个矩阵可以分解为一个向量的外积,那矩阵的Rank也就1或者0,因为向量的
rank是1或者0。
了A
【在 g******s 的大作中提到】 : 令矩阵A=x*x^H,其中x为列向量,那么A^H=A。反过来,任一semipositive definite的 : Hermitian矩阵,能分解为某一列向量的外积吗?是否有什么附加条件要满足?给定了A : ,如何构造向量x呢?谢谢
|
g******s 发帖数: 410 | 6 我知道SVD或者特征分解,在SVD分解中,我们可以将矩阵A表示成一组正交向量外积的加
权和,权重就是特征值或者奇异值。我想要证明的是半正定的Hermitian矩阵A(抑或再
加上Toeplitz特性)如何分解成某“一个”向量的外积。我想这里A肯定要满足一些条件
才行,那么是什么条件呢?
【在 d******e 的大作中提到】 : 你说的是Spectral Decompositiona吧 : A通过SVD分解,得到U,Simga,V,那么A=sum(lambda(i)*u(:,i)*v(:,i)'); : Hermitian是SVD的特殊情况,U=V'; : 你如果一个矩阵可以分解为一个向量的外积,那矩阵的Rank也就1或者0,因为向量的 : rank是1或者0。 : : 了A
|
D*******a 发帖数: 3688 | 7 条件就是rank(A)=1 (or 0, trivially)
的加
条件
【在 g******s 的大作中提到】 : 我知道SVD或者特征分解,在SVD分解中,我们可以将矩阵A表示成一组正交向量外积的加 : 权和,权重就是特征值或者奇异值。我想要证明的是半正定的Hermitian矩阵A(抑或再 : 加上Toeplitz特性)如何分解成某“一个”向量的外积。我想这里A肯定要满足一些条件 : 才行,那么是什么条件呢?
|
g******s 发帖数: 410 | 8 再请教大牛,如果rank(A)=1满足了,向量x如何构造呢?在下愚钝请赐教!
【在 D*******a 的大作中提到】 : 条件就是rank(A)=1 (or 0, trivially) : : 的加 : 条件
|
g******s 发帖数: 410 | 9 如果A=E{x*x^H},E{.}表示数学期望,还要求rank(A)=1或0吗?
【在 D*******a 的大作中提到】 : 条件就是rank(A)=1 (or 0, trivially) : : 的加 : 条件
|
d******e 发帖数: 7844 | 10 特征值分解就可以了.
【在 g******s 的大作中提到】 : 再请教大牛,如果rank(A)=1满足了,向量x如何构造呢?在下愚钝请赐教!
|
|
|
d******e 发帖数: 7844 | 11 那你的x需要是随机变量。
对于一个列向量,trace(xx')=x'x
【在 g******s 的大作中提到】 : 如果A=E{x*x^H},E{.}表示数学期望,还要求rank(A)=1或0吗?
|
g******s 发帖数: 410 | 12 数学比较烂,看不出原来的问题跟trace有什么关系,请大牛指教!
【在 d******e 的大作中提到】 : 那你的x需要是随机变量。 : 对于一个列向量,trace(xx')=x'x
|
H****h 发帖数: 1037 | 13 你到底在考虑什么问题?
【在 g******s 的大作中提到】 : 如果A=E{x*x^H},E{.}表示数学期望,还要求rank(A)=1或0吗?
|
g******s 发帖数: 410 | 14 很抱歉我把问题说得太模糊了,我本来是想把一个工程上的问题抽象出来讨论的,可惜
没有做好。其实问题是这样的:
我们知道自相关矩阵是半正定的Hermitian和Toeplitz矩阵,那么我的问题是是否一个矩
阵满足半正定、Hermitian、Toeplitz就能看成或者表示成自相关矩阵。
1.对于确定性向量,自相关矩阵A定义为A=x*x^H,x为列向量。刚才的给为给出的答案是
rank(A)=1,出去全零矩阵的特殊情况。
2.对于随机向量,自相关矩阵定义为A=E{x*x^H},E{.}表示数学期望。我现在的问题是对
随机向量的情况,如果一个矩阵A满足半正定、Hermitian、Toeplitz,它是否可以分解
成E{x*x^H}。我知道在随机情况下构造x可能很困难或者不可能,那么这种分解的表示是
否一定成立?或者矩阵A满足怎么样的条件才能分解成上述形式?
希望我这次把问题说清楚了:)谢谢指教!
【在 H****h 的大作中提到】 : 你到底在考虑什么问题?
|
H****h 发帖数: 1037 | 15 随机变量的情况需要各个分量独立吗?
个矩
是对
示是
【在 g******s 的大作中提到】 : 很抱歉我把问题说得太模糊了,我本来是想把一个工程上的问题抽象出来讨论的,可惜 : 没有做好。其实问题是这样的: : 我们知道自相关矩阵是半正定的Hermitian和Toeplitz矩阵,那么我的问题是是否一个矩 : 阵满足半正定、Hermitian、Toeplitz就能看成或者表示成自相关矩阵。 : 1.对于确定性向量,自相关矩阵A定义为A=x*x^H,x为列向量。刚才的给为给出的答案是 : rank(A)=1,出去全零矩阵的特殊情况。 : 2.对于随机向量,自相关矩阵定义为A=E{x*x^H},E{.}表示数学期望。我现在的问题是对 : 随机向量的情况,如果一个矩阵A满足半正定、Hermitian、Toeplitz,它是否可以分解 : 成E{x*x^H}。我知道在随机情况下构造x可能很困难或者不可能,那么这种分解的表示是 : 否一定成立?或者矩阵A满足怎么样的条件才能分解成上述形式?
|
g******s 发帖数: 410 | 16 从我的角度,一般情况向量x的各分量是不独立的。如果独立再加上零均值的条件,A就
是一个对角阵了。
【在 H****h 的大作中提到】 : 随机变量的情况需要各个分量独立吗? : : 个矩 : 是对 : 示是
|
H****h 发帖数: 1037 | 17 你总可以把半正定矩阵写成若干rank为1的半正定矩阵之和。
所以任何半正定矩阵都可以符合你的要求。
【在 g******s 的大作中提到】 : 从我的角度,一般情况向量x的各分量是不独立的。如果独立再加上零均值的条件,A就 : 是一个对角阵了。
|
g******s 发帖数: 410 | 18 那不就回到特征值分解了吗?这个半正定矩阵表示为一组(可能是N个)特征向量外积的
加权和,而不是某一个(随机)向量的外积。不知道我的理解有没有不对?我原来的问
题是想把A分解成一个列向量的外积的期望。
【在 H****h 的大作中提到】 : 你总可以把半正定矩阵写成若干rank为1的半正定矩阵之和。 : 所以任何半正定矩阵都可以符合你的要求。
|