实对称矩阵的性质_机器学习 第81集：什么是正定矩阵？( 含有笔记、代码、注释 )...

什么是正定矩阵？

① 在不考虑复数构成的矩阵情况下，正定矩阵还是很简单的。

② 定义：给定一个大小为

的实对称矩阵

，若对于任意长度为

的非零向量

，有

恒成立，则矩阵

是一个正定矩阵。

③ 例如：单位矩阵

是正定矩阵。

注：设向量

为非零向量，则

注：由于

，故

恒成立，即单位矩阵

是正定矩阵。

注：对于任意单位矩阵

而言，给定任意非零向量

，恒有

④ 例如：正定矩阵一定是对称矩阵。

注：例如：实对称矩阵为

，设向量

为非零向量。

注：则，

因此，任意非零向量 x ，该方程恒大于0，因此实对称矩阵

是正定矩阵。

注：正定矩阵的前提一定是对称矩阵，对称矩阵不一定是正定矩阵。

Python基础积累(pandas)

表格添加多级索引

import pandas as pd
tuples = list(zip(*[['bar', 'bar', 'baz', 'baz',
                     'foo', 'foo', 'qux', 'qux'],
                    ['one', 'two', 'one', 'two',
                     'one', 'two', 'one', 'two']]))
print(tuples)

运行结果：

[('bar', 'one'), ('bar', 'two'), ('baz', 'one'), ('baz', 'two'), ('foo', 'one'), ('foo', 'two'), ('qux', 'one'), ('qux', 'two')]

注：zip函数接受任意多个（包括0个和1个）序列作为参数，返回一个tuple列表。

注：x = [1, 2, 3]

注：y = [4, 5, 6]

注：z = [7, 8, 9]

注：xyz = zip(x, y, z)

注：print xyz

注：运行结果为：[(1, 4, 7), (2, 5, 8), (3, 6, 9)]

index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
print(index)

运行结果：

MultiIndex([('bar', 'one'),
('bar', 'two'),
('baz', 'one'),
('baz', 'two'),
('foo', 'one'),
('foo', 'two'),
('qux', 'one'),
('qux', 'two')],
names=['first', 'second'])

注：MultiIndex创建多级索引，它是从Index继承过来的。

注：tuples索引为 names=['first', 'second']。

import numpy as np
df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=['A', 'B'])

注：创建的多级索引继承到index上了。

df2 = df[:4]
df2

运行结果：

注：取首行到第四行。

stacked = df2.stack()
stacked

运行结果：

注：stack()方法对DataFrame的列“压缩”一个层级，一组一组表示数据。

stacked.unstack()

运行结果：

注：对于一个“堆叠过的”DataFrame或者Series（拥有MultiIndex作为索引），stack()的逆操作是unstack()，默认反堆叠到上一个层级

stacked.unstack(1)

运行结果：

注：stacked.unstack(1)等价于stacked.unstack()，反堆叠为原来数据。

stacked.unstack(0)

运行结果：

注：类似于反堆叠的转置。

参考文献：

1. 知乎 / Xinyu Chen / 浅谈「正定矩阵」和「半正定矩阵」

"♥每天积累一点点♥"