总结数学理论
实矩阵、可对角化
- 可对角化矩阵
存在一个可逆矩阵P使得P-1AP是对角矩阵,则它就被称为可对角化的。 - 酉矩阵unitary matrix
又称为幺正矩阵(unitary matrix),指其共轭转置恰为其逆矩阵的复数方阵。
数学描述: - 共轭复数:实数部分相同而虚数部分互为相反数的两个复数。【实部相同,虚部相反】
- 矩阵的共轭转置:把矩阵转置后,再把每一个数换成它的共轭复数。
1.矩阵有实数矩阵和复数矩阵。
2.实数矩阵的共轭转置矩阵:转置矩阵->将矩阵的行和列对换
3.复数矩阵的共轭转置矩阵:行列互换后每个元素取共轭
实正交矩阵 = 酉矩阵
对复数向量或矩阵进行T时,同时对他们取共轭。
- 酉对角化
- 正规矩阵
- 对称矩阵
指转置矩阵和自身相等的方形矩阵。
图
热力图heatmap:观察数据的分布情况
热力图常用于展示一组变量的相关系数矩阵,也可用于展示列联表的数据分布上,通过热力图可直观感受到数值大小的差异状况。
本篇涉及的基本理论SVD
- Singular value decomposition 奇异值分解
SVD是实或复矩阵的分解。它把具有正交特征(an orthonormal eigenbasis)的方形正规矩阵的特征分解(the eigendecomposition)应用于任何m x n的矩阵中。它和极性分解(polar decomposition)相关。
基础数学知识回顾
- 正交(Orthogonality)
垂直。两向量内积为0,即正交。 - 向量内积:两个向量对应各个维度的分量的乘积的和。
1.向量内积,数学公式:
,X和Y都是n维的向量,两个向量能够计算内积的前提是两个向量的维度一样。
2.通常把两个向量内积写成:[x,y]=xTy
3.可用欧几里得公式计算它的长度。即,用向量的长度以及向量之间的夹角来表示向量的内积,如:[x,y]=|x|∙|y|cosθ.
通常用这个夹角来反映向量之间的相似度。两个向量越相似,那之间的夹角应该越小,对应的cos余弦值应越大。—— the source of cosine similarity - 正交向量:两个向量夹角为90°,即a⊥b => <a,b>=0。
- 正交向量组:指一组两两正交且非零的向量组。有n维向量组,a_1,…,a_n,两两正交,一定线性无关,即不存在一组不为零的系数λ,使得
- 正交矩阵
把一个规范正交基向量组看成是一个矩阵。
性质:- A-1=AT |A|=±1
- 如果A和B都是正交矩阵,并且它们阶数一样,那么AB也是正交矩阵。
- 如果A是正交矩阵,向量y经过A变换之后行列式保持不变。