- 主元(pivot)就是在矩阵消去过程中,每列的要保留的非零元素,用它可以把该列其他消去(非零);在阶梯型矩阵中,主元就是每个非零行第一个非零元素就是主元。
1. 左乘/右乘一个对角矩阵
(1)矩阵 A 左乘一个对角矩阵
D ,是分别用 D 的对角线元素分别作用于矩阵A 的每一行;(2)相似地,矩阵 A 右乘一个对角矩阵
D ,是分别将 D 的对角线元素分别作用于矩阵A 的每一列
2. 对角阵作用于一个向量
一个对角阵作用于一个向量,效果等价于矩阵对角线上的元素(作为因子factor)分别乘以向量中的每一个位置上的元素。
% matlab
D*x
diag(D).*x
% 两者等价
3. Projection Matrix (投影矩阵)
投影矩阵有两个重要性质:
- 对称, PT=P
- 幂等, P2=P
两个推论:
- 如果向量
b
在
A 的列空间( R(A)={Ax|x∈Rn} )中,则 Pb=b
- 如果 b⊥R(A) ,则 Pb=0 Pb=0
I−P 也是投影矩阵,自然也满足投影矩阵的性质:
- 对称
- 幂等
4. 矩阵行和列的意义
xn
表示特征向量,是一个列向量(column vector),
X
是特征向量组成的样本矩阵,每一列表示一个样本(一次观测值,observation)。
也即(整个和式可用内积表示):
更常见的情况是 X 的每一行表示一个样本,所以上式可以转换为:
5. 实对称矩阵
实对称矩阵( AT=A )的优良性质(它可以正交相似于一个实对角阵):
设 A 是一个
n
阶实对称矩阵,α,β 是任意的n
维实向量,那么:(Aα,β)=(α,Aβ)
(⋅) 表示内积。实对称矩阵的特征值都是实数
证明如下:
Ax=λxxHAH=λ¯xHxHAHx=λ¯xHxxHAx=λ¯xHxxHλx=λ¯xHxλ∥x∥2=λ¯∥x∥2λ=λ¯实对称矩阵的属于不同特征值的特征向量一定正交。
6. 实对称矩阵的特征值分解(eigen-decomposition)
常见的实对称矩阵:1. 标准化的协方差矩阵 C=XTX
其中,特征值为实数,选择特征向量以使彼此标准正交,其中 Q 是一个正交矩阵,也即
考虑这样一种情况,已知
注意特征值构成的对角矩阵 Γ 不超过 d~ 个非零元。也即 WWT 非零特征值的个数不超过 d~ 个。