一、矩阵和线性代数
1.SVD
奇异值分解(Singular Value Decomposition)是一种重要的矩阵分解方法,可以看做对称方阵在任意矩阵上的推广。
假设A是一个m×n阶实矩阵,则存在一个分解使得:
通常将奇异值由大而小排列。这样, 便能由A唯一确定了。
与特征值、特征向量的概念相对应:
(1) 对角线上的元素称为矩阵A的奇异值;
(2)U的第i列称为A的关于 的左奇异向量;
(3)V的第i列称为A的关于 的右奇异向量。
2.线性代数
定义:方阵的行列式
(1)1阶方阵的行列式为该元素本身
(2)n阶方阵的行列式等于它的任一行(或列)的各元素与其对应的代数余子式乘积之和。
3.方阵行列式
1×1的方阵,其行列式等于该元素本身。
2×2的方阵,其行列式用主对角线元素乘积减去次对角线元素的乘积。