Gram 矩阵

{\displaystyle G_{ij}=\langle v_{i},v_{j}\rangle }

内容为维基百科翻译过来，原文地址：https://en.wikipedia.org/wiki/Gramian_matrix

线性代数中，就是在内积空间中一组向量的集合，可写成。

应用：

1.计算线性独立性：当且仅当Gram行列式（Gram矩阵的行列式）非零时，一组向量是线性无关的。

2.在机器学习中，内核函数通常表示为格拉姆矩阵。

行列式：

在几何上，格拉姆行列式是矢量形成的平行体的体积的平方。 特别是，当且仅当格拉姆行列式非零（当且仅当格拉姆矩阵是非奇异的）时，向量才是线性无关的。

Gram行列式也可以用矢量的外积表示

综上：Gram矩阵既体现了自己的特征，有体现了和维度之间的关系。

因为维度经过相乘之后也可以体现出来。