矩阵分析与应用（一）

1.1.1 向量

均值向量

互相关矩阵

若互相关矩阵等于零矩阵，两个随机变量正交。

互协方差矩阵

互协方差函数越大，则两个随机信号的相关程度越强；反之，相关程度越弱。

若互协方差矩阵等于零矩阵，两个随机变量统计不相关。

对于分别具有零均值的两个随机变量，互协方差矩阵等于互相关矩阵，它们之间的统计不相关与正交是等价的。

相关函数 

如果相关函数越接近0，两个随机变量的相似度越弱；如果相关函数越接近于1，则相似度越强。

1.1.2 矩阵的基本运算

复共轭矩阵

共轭转置又叫Hermitian伴随、Hermitian转置或Hermitian共轭。

加法交换律 A+B=B=A

加法结合律 (A+B)+C=A+(B+C)

乘法结合律 A(BC)=(AB)C

乘法左分配律 (A+B)C=AC+BC

乘法右分配律 A(B+C)=AB+AC

1.1.3 非奇异矩阵

(1) 一个n×n矩阵A是非奇异的，当且仅当Ax=0只有零解x=0

(2) 一个n×n矩阵A是非奇异的，当且仅当它的n个列向量线性无关。

1.4.1 向量的内积与范数

内积

外积（叉积） 

内积公理

范数公理

范数的一般性质

常用的向量范数

相似度

Euclidean距离（Nearest Neighbor Classification）

Mahalanobis距离

1.6.1 矩阵的二次型

1.6.2 矩阵的迹

n×n矩阵A的对角元素之和称为A的迹，记作tr(A)

关于迹的等式

关于迹的不等式

 

矩阵分析与应用 张贤达著