【ok】李宏毅机器学习12： 对称矩阵

最新推荐文章于 2022-11-12 10:04:23 发布
最新推荐文章于 2022-11-12 10:04:23 发布
阅读量491 收藏
点赞数
分类专栏： 线性代数 文章标签： 线性代数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40206371/article/details/119295743
版权

1 对称矩阵性质

1）对称矩阵的特征值都是实数

证明：以2*2的为例

 

 

 2）

 在之前对角化一章中，我们知道，不同特征值对应的特征空间，里面的基互相独立

这里我们跟进一个更为特殊的性质：如果矩阵是对称的，那么这些不同特征值对应的特征空间，将是正交的

 

 证明：

 2 对称矩阵的对角化

注：如果是P^TAP的形式，P得是正交矩阵

 

举个例子

3  对称矩阵谱分解

 

 

UQI-LIUWJ
关注
专栏目录
对称矩阵（Symmetric Matrices）
一个搬运知识的笨小孩
01-13 2862
对称矩阵（Symmetric Matrices） S=[1225] S=\begin{bmatrix} 1 & 2\\ 2 & 5 \end{bmatrix} S=[12​25​] 对称矩阵的转置等于其本身 ST=[1225] S^T=\begin{bmatrix} 1 & 2\\ 2 & 5 \end{bmatrix} ST=[12​25​] 对称矩阵的逆仍然是对称的 S−1=[5−2−21] S^{-1}=\begin{bmatrix} 5 & -2\\ -2
李宏毅机器学习笔记一
youyoudao
05-10 1166
Contents0 Introduction of this Course1 Regression-Case Study2 Where does the error come from? 0 Introduction of this Course AI ： 目标 Machine Learning ：手段 Deep Learning：Machine Learning的一种方法 1 Regressio...
番外.李宏毅学习笔记.12.GNN
老毛的博客
04-12 3478
文章目录前言IntroductionNN（略）Graph常见GNN应用ClassificationGeneration结合社交网络的分类现有问题RoadmapTasks, Dataset, and BenchmarkGraph Classification: SuperPixel MNIST and CIFAR10Regression: ZINC molecule graphs datasetNo...
CP.26对称矩阵及正定性
最新发布
cx550378562的博客
11-12 748
本部分从对称矩阵的特征值、特征向量为出发点，并引出正定矩阵对称矩阵有如下两个性质： (1)A = AT(1)\textbf{A}\:=\:\textbf{A}^T(1)A=AT (2)有正交的特征向量 其中第二点说的是，可以挑的出来一组正交特征向量，例如重特征根的情况。从对称矩阵性质二可知，其特征向量必然线性无关，这是矩阵对角化分解的条件，对于对角化而言，通常我们表达为A=S∧S−1A=S\wedge S^{-1}A=S∧S−1其中S是特征向量组成的矩阵。 对于对称矩阵的对角分解表达为A = Q ∧ Q−1
【学习笔记】李宏毅2021春机器学习课程第8.1节：自编码器（一）
Harryline的博客
08-04 638
文章目录1 引言：自监督学习框架2 什么是自编码器3 自编码器到底好在哪里？4 自编码器并不是一个新想法5 去噪的自编码器 1 引言：自监督学习框架 在讲 Auto-Encoder 之前，我们再来回忆一下自监督学习的框架，因为其实 Auto-Encoder 也可以算是Self-Supervised Learning 的一环。 首先你有大量的没有标注的资料，用这些没有标注的资料，你可以去训练一个模型做一些不需要标注资料的任务，比如说做填空题，预测下一个 Token 等等。这个不用标注资料的学习就叫做 Sel
2021李宏毅机器学习笔记--5 classification分类
guoxinxin0605的博客
05-09 437
2021李宏毅机器学习笔记--5 classification分类1 摘要2 分类步骤2.1 model（function）2.2 loss2.3 best3 小结与展望 1 摘要 本文主要介绍classification分类，分类是指这样一个函数，输入一个对象x，经过函数之后的输出是这个对象属于哪个类别，比如医疗诊断，把一个病人的年纪性别症状等进行输入，它的输出是具体的哪一种病，比如信用卡借贷系统，把一个人的年纪，收入，职业等输入，输出是=的是系统判定的能否借钱。值得注意的是，在分类函式中，类别是事先已
李宏毅机器学习27—Unsupervised learning auto-encoder
weixin_57178683的博客
07-04 316
上节课讲了auto-encoder， Auto-encoder主要包含一个编码器（Encoder）和一个解码器（Decoder）。Encoder接收一张图像，输出一个vector，上节课中称他为code，也可以叫它Embedding、Latent Representation或Latent code，这个vector是关于输入图像的表示；然后将vector输入到Decoder中就可以得到重建后的图像，我们希望输出图像和输入图像越接近越好，这个方法叫做reconstruction error。 这节课更深入的
降维（一）PCA (李宏毅机器学习）
BRAVE_NO1的专栏
11-18 1291
PCA、LLE、SNE、auto-encoder
机器学习该怎么入门？
weixin_48649532的博客
07-25 2309
1、误认为学习机器学习，要先补齐所有的前期知识 误认为学习机器学习，要先补好全部的数学基础，然后在学习python，最后学习机器学习的算法。 你可能听很多人说过，机器人学习需要很强的数学基础，然后你就疯狂地开始补数学基础，你开始学习线性代数、概率论等知识。 你的规划是7月份补数学基础，8月份学习Python,9月份开始正式学习机器学习。抱着严谨的态度，你要把数学知识都弄懂了才进行下一个环节。最后你的机器学习，始于数学而终于数学。以这样的心态学习下去，机器学习从入门到放弃，你可能不需要一个月。 学习机器学习，
对称矩阵的特征值与特征向量
guanguanboy的专栏
08-20 4万+
对称矩阵： A = A的转置 这里讨论的是实对称矩阵 两个好的性质： 1， 特征值是实数 2，特征向量是两两正交的   一个对称矩阵A可以进行如下分解： A=QQ的转置   对于对称矩阵来说，有一个性质：主元的符号与特征值得符号是相同的。即正主元的个数等于正的特征值的个数。   正定矩阵：首先是一个对称矩阵，是对称矩阵一个很好的子类。正定矩阵的所有特征值都是正数。所有的主元都...
线性代数｜证明：对称矩阵的特征值为实数
长行
10-17 4275
线性代数学习笔记
实对称矩阵的若干性质与详细证明
Banach_I的博客
04-06 4万+
花了一下午终于把实对称矩阵的几个定理的证明都搞定了，定理很简单，证明起来却十分之费事，用的都是十分基础而经典的证明手段，这破编辑器还不能写公式，直接截图了。 所有特征值都为实数。 某百科里还认为所有特征向量都是实特征向量，这是不对的，简单的例子就是A是一阶方阵的时候，, x可取任何复数。 性质2> 不同特征值对应的特征向量互相正交。 设A是实对称矩阵
对称矩阵的基本性质
牛牛码特的博客
07-03 6881
1.对于任何方形矩阵X，X+XT是对称矩阵。 2.A为方形矩阵是A为对称矩阵的必要条件。 3.对角矩阵都是对称矩阵。 4.两个对称矩阵的积是对称矩阵，当且仅当两者的乘法可交换。两个实对称矩阵乘法可交换当且仅当两者的特征空间相同。 5.用<,>表示RN上的内积。n×n的实矩阵A是对称的。 6.任何方形矩阵X，如果它的元素属于一个特征值不为2的域（例如实数），可以用刚好一种方法写成一个对称矩阵和一个斜对称矩阵之和。 7.每个实方形矩阵都可写作两个实对称矩阵的积，每个复方形矩阵都可写作两个复对称矩阵的
实对称矩阵及其几大性质
热门推荐
qq_24690701的博客
08-19 11万+
做机器学习的过程中，难免会与矩阵打交道，而实对称矩阵更是其中常用的矩阵之一。所以，下面将介绍一下什么是实对称矩阵，并介绍一下它的几个性质（这也是很多笔试题中常考的点） 定义：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。 主要性质： 1.实对称矩阵A的不同特征值对应的特征向量是正交的（网易笔试题曾考过）。 2....
机器学习基础：极大似然估计（Machine Learning Fundamentals: Maximum Likelihood Estimation）
newxuyangcao
03-24 333
极大似然估计的核心思想是：利用已知数据来计算最可能获得这种数据分布的概率密度函数。
对称矩阵的一些性质
小方哥哥的博客
03-19 8375
对称矩阵的一些性质和定理
## 7.1 奇异值分解SVD和对称矩阵谱分解
jhshanvip的博客
05-10 2282
7.1 奇异值分解SVD和对称矩阵谱分解 矩阵 Amn,rankA=r<(m,n)A_{mn},rank A=r < (m, n)Amn​,rankA=r<(m,n) 是亏秩矩阵时，虽然高斯消元法可以求得方程 Ax=bA\mathbf{x}=\mathbf{b}Ax=b 的解，很可惜的是，采用高斯消元法，有两个缺点：第一是，当方程不存在精确解时，高斯消元法无法得到最小二乘解；第二是，当方程存在精确解时，其解的结构是特解加零解。当选择不同的矩阵 AAA 列空间的极大无关组时，可以求得不同的特
对称矩阵（简单模拟）
林下的码路
02-24 3928
链接：https://www.nowcoder.com/practice/ad11ebc8d44842c78bb0bbfb6d07ad7a?tpId=40&tqId=21552&tPage=11&rp=11&ru=/ta/kaoyan&qru=/ta/kaoyan/question-ranking 来源：牛客网 题目描述 输入一个N维矩阵，判断是否对称。  输入描述: 输入第一行
李宏毅机器学习作业：RNN情感分析
该资源是李宏毅2020年机器学习课程的第四次作业，主要内容是使用循环神经网络（RNN）进行句子情感分类。作业要求使用RNN模型，不能借助额外数据或预训练模型。提供的数据包括带有标签的训练数据（training_label.txt...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UQI-LIUWJ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值