标量,向量,矩阵,张量
标量(Scalar):只有数值大小,没有方向的量
向量(Vector):具有大小和方向的量
矩阵(Matrix):由mn个数aij排成的m行n列的数表称为矩阵,简称mn矩阵
张量(Tensor):简单理解为更高阶的向量,如一幅图的灰度,色彩,以及帧率就可以组成一个三阶张量
向量与矩阵运算
范数:常用来度量某个向量空间或矩阵中每个向量的长度或大小
例如:用2-范数 求xy组成的矩阵的两点之间的距离,√x²+y²
无穷范数表示的是一个向量组中所有向量中的最大分量
0范数表示的是一个向量组的稀疏性(0范数不是0就是1,以此来判断稀疏性)
三种矩阵计算方法:`1
常用的:k * n * n * m →k* m(前行乘后列)
hadamard 积:矩阵内对应标量相乘
kronecker 积:m * n * m * n →m(m * n)* n,例如两个2*2矩阵通过kronecker积后变为4 * 4矩阵
张量积
不太懂,后面看到了又懂的话再补回来
矩阵的逆与伪逆
矩阵的逆的定义:设A是一个n阶矩阵,若存在另一个n阶矩阵B,使得: AB=BA=E ,则称方阵A可逆,并称方阵B是A的逆矩阵
伪逆的定义:伪逆矩阵是逆矩阵的广义形式。由于奇异矩阵或非方阵的矩阵不存在逆矩阵
penrose inverse 条件:
行列式
定义:行列式在数学中,是一个函数,其定义域为det的矩阵A,取值为一个标量,写作det(A)或 | A |
性质:
性质1:行列式与它的转置行列式相等
性质2:互换行列式的两行(列),行列式变号
性质3:行列式的某一行(列)中所有的元素都乘以同一数k,等于用数k乘此行列式
性质4:行列式中如果有两行(列)元素成比例,则此行列式等于零
性质5:若行列式的某一行(列)的元素都是两数之和,例如第j列的元素都是两数之和
线性方程组
二次型与正定性
二次型:n个变量的二次多项式称为二次型,即在一个多项式中,未知数的个数为任意多个,但每一项的次数都为2的多项式。
下面给出一个、两个、和三个变量的二次形式:
正定性:
1、正定矩阵的行列式恒为正;
2、实对称矩阵A正定当且仅当A与单位矩阵合同;
3、若A是正定矩阵,则A的逆矩阵也是正定矩阵;
4、两个正定矩阵的和是正定矩阵;
5、正实数与正定矩阵的乘积是正定矩阵。
ps.1.实对称矩阵:如果有n阶矩阵A,其矩阵的元素都为实数,且矩阵A的转置等于其本身(aij=aji),(i,j为元素的脚标),则称A为实对称矩阵
2.合同矩阵,两个矩阵A和B是合同的,当且仅当存在一个可逆矩阵 C,使得CTAC=B,则称方阵A合同于矩阵B。
矩阵分解
上个维基百科链接:https://en.wikipedia.org/wiki/Matrix_decomposition
ps.以后回来再看,搞不懂