机器学习数学基础-线代必备上

最新推荐文章于 2023-12-21 17:59:53 发布

皇大甫

最新推荐文章于 2023-12-21 17:59:53 发布

阅读量506

点赞数

分类专栏：数学基础

本文链接：https://blog.csdn.net/weixin_40265541/article/details/107690801

版权

数学基础专栏收录该内容

2 篇文章 0 订阅

订阅专栏

1、行列式

略

2、代数余子式

余子式：一个n阶方阵行列式A中，把元素 $a_{ij}$ 所在的i行j列的元素删除，剩下的n-1阶方阵的行列式叫做元素 $a_{ij}$ 的余子式，记作 $M_{ij}$

代数余子式： $A_{ij}=(-1)^{i+j}M_{ij}$

3、伴随矩阵

对于n*n的方阵A，任意元素 $a_{ij}$ 都有其代数余子式 $A_{ij}$ ，则由 $A_{ij}$ 构成的矩阵称为矩阵A的伴随矩阵 $A^{*}$

注意 $A_{ij}$ 位于 $A^{*}$ 的第j行第i列。

4、逆矩阵

4.1概念

$A\cdot A^{*}=|A|\cdot I$

则 $A^{-1}=A^{*}/|A|$

4.2求解

（1）A $A^{-1}$ =E

(2) $A^{-1}=A^{*}/|A|$

5、矩阵运算

5.1加减法

矩阵结构相同的矩阵，各位置的元素直接加减获得新的矩阵

5.2乘法

（1）矩阵乘以常量，只需将矩阵内各元素都乘以常量即可。

（2）m行n列的矩阵A只能乘以n行p列的矩阵B，得到新的m行p列的矩阵C，新矩阵的元素根据位置 $C_{mp}$ ，分别由A矩阵的第m行向量乘以B矩阵的第j列向量。

（3）矩阵的乘法不满足交换律，不满足消除律，满足结合律和乘法对加法的分配律。

6、矩阵转置

将m*n的矩阵，行与列交换得到的矩阵便是原矩阵的转置矩阵。

7、特殊矩阵

（1）零矩阵，所有元素都等于零，也可以记为0

（2）单位矩阵，对角线上都为1，其他元素都为0

（3）三角矩阵，主对角线上（下）的元素全为零

（4）对称矩阵，和倒置矩阵相同的矩阵，成为对称矩阵

8、矩阵的秩

讲矩阵的秩要引入矩阵的子式的概念。在mxn矩阵A中，任取k行与k列，位于这些行列交叉处的 $k^{2}$ 个元素，不改变他们在A中所处位置而得到的k阶行列式，成为矩阵的k阶子式。

如果在矩阵A中有不等于零的r阶子式D，且所有r+1阶子式（如果存在）全等于零，那么D称为A 的最高阶非零子式，r就是矩阵A的秩，记为R(A)，规定零矩阵的秩为0。

矩阵的秩R(A)就是A的非零子式的最高阶。

可逆矩阵又成满秩矩阵。

对于n元线性方程组Ax=b：（1）无解的充要条件是R(A)<R(A,b)；（2）唯一解的充要条件是R(A)=R(A,b)=n；（3）无限多解的充要条件是R(A)=R(A,b)<n

9、特征值特征向量

设A为n阶矩阵，如果数 $\lambda$ 和n维非零列向量x使关系式 $Ax=\lambda x$ 成立，则称 $\lambda$ 为A的特征值，非零向量x为A的对应于特征值 $\lambda$ 的特征向量。也可以写作 $(A-\lambda E)x=0$

特征值的求解，x非零，则 $A-\lambda E$ 的行列式肯定为零。代入和进行求解。

一个矩阵可以有多个特征值，每个特征值对应一个特征向量，如果特征值各不相等，则特征向量线性无关。

设A为n阶对称矩阵，则必有正交阵P，使得 $P^{-1}AP=P^{T}AP=\Lambda$ ， $\Lambda$ 为以A的n个特征值为对角元的对角阵，该变换成为合同变换，A与 $\Lambda$ 互为合同矩阵。

10、正交基

10.1向量的内积

$\alpha =(a_{1},a_{2},...,a_{n})^{T}$ ， $\beta =(b_{1},b_{2},...,b_{n})^{T}$ ，向量α与向量β的内积， $(\alpha ,\beta )=a_{1}b_{1}+a_{2}b_{2}+...+a_{n}b_{n}$

10.2向量内积的性质

$(1) (\alpha ,\beta )=(\beta ,\alpha ) \\ (2) (\lambda \alpha ,\beta )=(\alpha ,\lambda \beta )=\lambda (\alpha ,\beta )\\ (3)(\alpha +\beta ,\gamma )=(\alpha ,\gamma )+(\beta ,\gamma ) \\(4)(\alpha ,\alpha )\geq 0 and == is true,\Leftrightarrow \alpha =0$