标量:
一个标量就是一个单独的数,将会用斜体表示标量,通常被赋予小写的变量名称。
向量:
向量是有序的数字组成的数组,我们可以通过索引拿到任何一个数,同时我们将向量看作成一个空间点的坐标,如
向量在空间中表示为一条线段并且是有方向的,代表了向量的长度和方向
运算:
两个向量正交的意思是两个向量的内积为 0(1)加法
(2)乘法
向量空间:
加法和数量乘法,依然可以用有向线段来解释,对于这样一个附加加法与数量乘法运算的世界,我们成为向量空间。
张量
在某些情况下,我们讨论的坐标超过两维的数组。一般地,一个数组中的元素分布在若干维坐标的规则网格中,我们称为张量。
基底
如,
作为基准的一组向量就叫做基底,沿着各个基准向量向量走的步数叫做坐标。基底(e1,e2),成员e1,e2就是基向量。
对于一组向量(e1,。。。,en),构成基底的条件为:
(1)任何向量v都可以表示为
(2)这种表示方法是唯一的
矩阵
1.定义:
由nxn个数aij构成的n行n列的数表A,也
2.运算:
(1)矩阵的加法
(2)数与矩阵的乘法
(3)矩阵与矩阵的乘法
3.矩阵的转置:将矩阵的行和列互换称为矩阵的转置
4.对称矩阵:
设A为n阶方阵,如果满足A^T=A,即aij=aji,那么A称为对称矩阵,简称对称阵
5.正交矩阵:
如果AA^T=I,I为单位矩阵,则A^T为A的正交矩阵,且A^T=A^-1。
而在向量中,x^Ty=0,那么说明向量x和向量y是相互正交。如果2个范数都是非0数,这两个向量之间的夹角是90度。
6.线性方程组
Ax=b -->
7.单位矩阵
主对角线的值是1,其余都是0;
8.逆矩阵
A^-1A=E -->A^-1则为逆矩阵,E为单位矩阵
向量组的线性相关和线性无关
给定向量组,如果存在不全为0的数,,使得
则称向量组A是线性相关的,否则是线性无关的。
秩的定义:
在线性代数中,一个矩阵A的列秩是A的线性独立的纵列的极大数。
线性代数中,一个矩阵A的列秩是A的线性独立的纵列的极大数目。类似地,行秩是A的线性无关的横行的极大数目。通俗一点说,如果把矩阵看成一个个行向量或者列向量,秩就是这些行向量或者列向量的秩,也就是极大无关组中所含向量的个数。
性质:
(1)向量组线性相关的充分必要条件是它构成的矩阵的秩小于向量个数m;向量组线性无关的充分必要条件是R(A)=m;
(2)若向量组组线性相关,则向量组也线性相关。反言之,向量组B线性无关,则A也线性无关。
(3)m个n维向量组成的向量组,当维数n小于向量向量个数m时一定线性相关。特别地,n+1个n维向量一定线性相关。
(4)设向量组线性无关,而向量组,b线性相关,则向量b必能由向量组A线性表示,且表示是唯一的。
(5)向量组的秩等于它的行向量组的秩,也等于它的列向量组的秩。
(6)最大无关组(矩阵中的秩的列向量就是一个极大无关组)
设向量组是向量组A的一个部分组,满足
(i)向量组A0线性无关。
(ii)向量组A的任一向量都能有向量组A0线性表示。
那么向量组A0是A的一个最大无关组。
(7)向量组b能由向量组a线性表示的充分必要条件是R(a)=R(b)
范数:
衡量一个向量的大小,而在机器学习中,范数是衡量向量的大小。典型的是:L0、L1、L2;单位矩阵的范数为1.
行列式
行列式,记作det(A),是方阵A映射到实数的函数。行列式等于矩阵特征值的乘机。行列式的绝对值可以用来衡量矩阵乘法后扩大或者缩小了多少。行列式值为1时,表明转换后的空间体积不变。行列式为0时,表明该矩阵别压缩成了一条直线,没有了空间体积。
参考文献
线性代数-同济大学
深度学习
https://baike.baidu.com/item/%E7%9F%A9%E9%98%B5%E7%9A%84%E7%A7%A9