![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
矩阵论和线性代数
Vic_Hao
这个作者很懒,什么都没留下…
展开
-
矩阵的秩
在线性代数中,一个矩阵A的列秩是A的线性无关的纵列的极大数。类似的,行秩是A的线性无关的橫行的极大数目。方阵的列秩和行秩总是相等的,因此他们可以简称为矩阵A的秩。通常表示为r(A), rk(A)或rank(A)。mxn矩阵的秩为m和n中的较小者,表示为min(m,n)。直观理解矩阵的秩:秩是图像经过矩阵变换后的空间维度列空间的维度...原创 2018-05-09 10:24:28 · 6937 阅读 · 0 评论 -
特征分解
很多数学对象可以通过将它们分解为多个组成部分或者找到他们的一些属性而更好的理解,这些属性是通用的,而不是由我们选择表示它们的方式产生的。 正如我们可以通过分解质因数来发现整数的一些内在性质,我们也可以通过分解矩阵来发现矩阵表示成数组元素时不明显的函数性质。 特征分解是使用最广的矩阵分解之一,即我们将矩阵分解为一组特征向量和特征值。方阵A的特征向量...转载 2018-05-12 20:04:51 · 11245 阅读 · 0 评论 -
奇异值分解
另一种分解矩阵的方法被称为奇异值分解,将矩阵分解为奇异值和奇异向量。通过奇异值分解,我们会得到一些与特征分解相同类型的信息。然而,奇异值分解有更加广泛的应用。每个实矩阵都有奇异值分解,但不一定都有特征分解。例如,非方阵的矩阵没有特征分解,此时我们只能使用奇异值分解。 回想一下,我们使用特征分解去分析矩阵A时,得到由特征向量构成的矩阵V和由特征值构成的向量,我们可以重新...原创 2018-05-12 22:33:14 · 243 阅读 · 0 评论 -
期望,方差和协方差
1.期望函数f(x)f(x)f(x)关于某分布P(x)P(x)P(\mathrm{x})的期望或期望值是指,当xxx由PPP产生,fff作用于xxx时,f(x)f(x)f(x)的平均值。 对于离散型随机变量,我们可以通过求和得到: Ex∼P[f(x)]=∑xP(x)f(x)Ex∼P[f(x)]=∑xP(x)f(x)\mathbb{E}_{x\sim P}[f(x)]=\sum_{x}P(x...原创 2018-05-19 20:54:49 · 1464 阅读 · 0 评论 -
范数
有时我们需要衡量向量的大小,可以使用被成为范数的函数衡量向量的大小。形式上,原创 2018-05-15 11:22:45 · 345 阅读 · 0 评论 -
Moore-Penrose伪逆
对于非方阵而言,其逆矩阵没有定义。假设在下列问题中,我们希望通过矩阵AA\textit{A}的左逆BB\textit{B}来求解线性方程, Ax=yAx=y\textit{A}\textit{x}=\textit{y} 等式两边左乘左逆BB\textit{B}后,我们得到, x=Byx=By\textit{x}=\textit{B}\textit{y} 取决于问题的形式,我们可能无法设计一...原创 2018-05-15 19:59:36 · 2229 阅读 · 0 评论 -
矩阵的迹
迹运算返回的是矩阵对角元素的和, Tr(A)=∑iAi,iTr(A)=∑iAi,iTr\left ( A \right )=\sum_{i}A_{i,i} 迹运算因为很多原因而使用。若不使用求和符号,很多矩阵运算难以描述,而通过矩阵乘法和迹运算符号可以清楚的表示。例如,迹运算提供了另一种描述矩阵F范数的方式, ∥A∥F=Tr(AAT)−−−−−−−−√‖A‖F=Tr(AAT)\left \|...原创 2018-05-15 21:28:25 · 2575 阅读 · 0 评论 -
行列式
行列式,是一个将方阵AA\textit{A}映射到实数的函数,记作, det(A)det(A)det\left (\textit{A} \right ) 行列式等于矩阵特征值的乘积。行列式的绝对值可以用来衡量矩阵参与矩阵乘法后使得空间扩大或者缩小了多少。 如果行列式是0,那么说明空间至少沿着某一维完全收缩了,使其失去了所有的体积。如果行列式是1,那么这个转换保持空间体积不变。...原创 2018-05-15 21:41:30 · 424 阅读 · 0 评论