![1044e14e53fe93f273f6e5236fb9f82d.png](https://i-blog.csdnimg.cn/blog_migrate/f3cafd4ed9a4853a3bf5e199cfaad0d0.jpeg)
本章侧重于应用,下面先给出本人总结的本章大致框架,然后针对以上内容,给出一些可作为参考的证明链接,如果感兴趣或者不太了解的,可以进入相关链接。最后就是需要掌握的常见的计算和证明。
开始之前补充点知识:
下图是概念之间的韦恩图
![f1ed1b2a240688f013b5a5913c2e528d.png](https://i-blog.csdnimg.cn/blog_migrate/8fe7a775622fc378356df91946475cb5.jpeg)
首先理解下单纯矩阵,就是几何重复度=代数重复度。几何重复度是度量有多少特征向量可以线性无关的表示出来组成P(即
![d3e5efe8e5170785b7ff2a4b95c2b222.png](https://i-blog.csdnimg.cn/blog_migrate/5c418999a152d090f188fd973b103c44.jpeg)
换句话说,单纯矩阵就是可以相似对角化的矩阵。
正规矩阵就是:
Hermite矩阵就是
3.1 三角分解
![bed8619c45f2e5264d31c2d1dd799224.png](https://i-blog.csdnimg.cn/blog_migrate/59466570508b4ba80a46dd5f9f783fdb.jpeg)
通常证明题,可能会涉及推论2中,把正定Hermite P表示称QR的形式(正交矩阵+上三角矩阵而且表示唯一),然后正定Hermite A矩阵可以表示成
其次,三角分解分为n阶矩阵分解和任意矩阵分解两部分,注意区别哪些分解的表示的唯一性,哪些不是!判断和选择题还是很容易出现的。
3.2 矩阵的谱分解
![5c1cc8117c0197e1c1f3ca0068329b6c.png](https://i-blog.csdnimg.cn/blog_migrate/f9d380ad23f98c090fc4e6c7574f3a71.jpeg)
上面定理3中的谱分解,,要求能写出来,理解这个谱分解还是站在
![269719251fd3ae1559877d1612c33bfb.png](https://i-blog.csdnimg.cn/blog_migrate/747d2c423e1c6e29b9310f1d344be2bd.jpeg)
正规矩阵和单纯矩阵还是有很大区别的。
![a1620f330b1de56e036c11c5616aff1f.png](https://i-blog.csdnimg.cn/blog_migrate/34df2a8b6159e12df814de23eb5350d0.jpeg)
![80bd4e374be812177618e0ca1ed3a77d.png](https://i-blog.csdnimg.cn/blog_migrate/4b7a9338f8a9afda8196e95265bb055d.jpeg)
谱分解:还应用于Karhunen-Loever变换、PCA分析、能量最大化
下面提一下PCA,因为机器学习里很经典的方法,感兴趣的可以了解下。
![93e4cab15b5092a0202a72f1238f8a79.png](https://i-blog.csdnimg.cn/blog_migrate/48b056441299b4971ffa930cef1d3c4d.jpeg)
![4eff41377f822b2a4417e25c10f42761.png](https://i-blog.csdnimg.cn/blog_migrate/65c66625d1c5fb394544c80e3f18dfd5.jpeg)
3.3 Hermite分解
![e60d76646bceb0f240eeb617a5dcd184.png](https://i-blog.csdnimg.cn/blog_migrate/126a4c044b1165ddcac3b4585a172396.jpeg)
以上红色部分概念在证明和计算中经常出现,务必熟悉。
3.4 矩阵的最大秩分解
![64e30c0936076dbe929daf4391584958.png](https://i-blog.csdnimg.cn/blog_migrate/50ce15d181d9bd7878b6fdd5e948dfa9.jpeg)
这是一个十分常用的方法,无论是在求广义逆、低秩方阵的高秩分解、不等式证明都会使用。
最后注意两点,其一,A可以进行行列的初等变换,其二,分解不唯一。
3.5 奇异值分解
![41a444c58911ed9713aeffdd306b5db6.png](https://i-blog.csdnimg.cn/blog_migrate/e58a08e2e6cf4c34e64b0e8c12d830d3.png)
定理1是非常重要的结论,这里重点说下
![fedb1df53645d81de81779ae8e29f072.png](https://i-blog.csdnimg.cn/blog_migrate/69aa382690e8304c40cc85e02ad38056.jpeg)
关键是说明
![8241cb64fe9c5bf59fae0065dbc8ebd4.png](https://i-blog.csdnimg.cn/blog_migrate/3f93a3006eb4e00279b24063523aad61.png)
利用内积的齐次性。
下面是,奇异值分解的定义和表示
![eab374b72563df703bdbfd33139e9554.png](https://i-blog.csdnimg.cn/blog_migrate/ca246a906c58d185bc359722dbeb8817.png)
![e2823e0923ca2f6aab5fad6bbde805f0.png](https://i-blog.csdnimg.cn/blog_migrate/23b54967f84a568bfc2a6f71da144897.png)
![06ac5669be9ca31e803c40f50e562dd0.png](https://i-blog.csdnimg.cn/blog_migrate/0f29d721d4280972bfb1d3a559e72a10.jpeg)
![24ebea1be645c1d6ac123dc7d913a75c.png](https://i-blog.csdnimg.cn/blog_migrate/085e0f3f1636f22576942e3e678bb32b.jpeg)
![820ded7a285ae2af26224f3ebff3c6dd.png](https://i-blog.csdnimg.cn/blog_migrate/a243bc69ce0c22786bd9bfafc77cf72a.jpeg)
![080c6868b323adfab2eded256ba6dd37.png](https://i-blog.csdnimg.cn/blog_migrate/1556dc2deaedcddad95ba6f3ae9ec0c8.png)
网上其他博客的具体证明,比如,三角矩阵,谱分解,满秩分解,奇异值分解
梳理总结
![906526663be909870a23321d771a0635.png](https://i-blog.csdnimg.cn/blog_migrate/5b1f946d1616ebd2166ed0b7ec209c3a.jpeg)
简单介绍下schur定理,
![1bcb769470cc36b150bc8fff31ee6b40.png](https://i-blog.csdnimg.cn/blog_migrate/d04fca23d3ef1243b6e6300a93fea68f.png)
针对矩阵理论怎么学习,本文以考试和应用为导向,侧重概念的理解和套路的总结。
由于本人水平有限,有些解释不到位或者有纰漏的地方,还望指出。同时,字写的不好,还请见谅。
最后,由于不同学校不同老师出题风格和难度不同,该专栏只能帮助初学者在短时间内,更好的理解课本内容。最后的落脚还是要以书本和PPT为主。对于想取得高分的同学,务必熟悉书上的定义和主要定理的证明。
还觉得满意话,请给一个赞~