摘要:
1 此条目内容摘自物理CPU、CPU核数、逻辑CPU、超线程 基本概念 物理CPU 物理CPU是插在主机上的真实的CPU硬件,在Linux下可以数不同的physical id 来确认主机的物理CPU个数。 核心数 物理CPU下一层概念是核心数,我们常常听到多核处理器,其中的核指的就是核心数。在Lin 阅读全文
摘要:
从奇异值的角度看矩阵范数,会发现与向量范数有一一对应关系: (注:表中涉及到用奇异值表示Frobenius范数,其推导可参考这篇博客) 向量的L1范数是L0范数的松弛,并且在一定条件下是等价的。矩阵核范数是rank约束的松弛,并且在一定条件下是等价的。 阅读全文
摘要:
定义:若$AA=A$,则称$A$为幂等矩阵。 1.幂等矩阵的特征值只取1和0两个数值 证明: 设$\lambda$是幂等矩阵$A$的特征值,$\bold{v}$是与$\lambda$对应的特征向量,则 $\lambda \bold{v}=A\bold{v}=A^2 \bold{v}=\lambda^ 阅读全文
摘要:
本文摘自张贤达的《矩阵分析与应用》第六章第2节 阅读全文
摘要:
本文摘自张贤达的《矩阵分析与应用》第六章第一节 阅读全文
摘要:
本文摘自张贤达的《矩阵分析与应用》第六章 阅读全文
摘要:
本文摘自本文摘自史加荣等人发表在计算机应用研究杂志的《低秩矩阵恢复算法综述》 优化问题式(10)被称为鲁棒主成分分析(Robust Principal Component Analysis). 阅读全文
摘要:
假设$A$是$m*n$矩阵,可通过证明$Ax=0$和$A^TAx=0$这两个n元方程有相同解来证明$rank(A^TA)=rank(A)$。 (1) $Ax=0 \rightarrow A^TAx=0$,即方程$Ax=0$的解也是$A^TAx=0$的解; (2) $A^TAx=0 \rightarr 阅读全文