【机器学习线性代数】12 对称矩阵的优秀特性

最新推荐文章于 2021-07-03 13:37:14 发布

石溪

最新推荐文章于 2021-07-03 13:37:14 发布

阅读量2.7k

点赞数 11

分类专栏：机器学习中的数学：线性代数机器学习中的数学（全集）文章标签：机器学习线性代数人工智能矩阵服务器

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_43716250/article/details/109706050

版权

机器学习中的数学（全集）同时被 2 个专栏收录

76 篇文章 672 订阅 ¥99.00 ¥99.00

订阅专栏

超级会员免费看

机器学习中的数学：线性代数

20 篇文章 307 订阅 ¥39.00 ¥99.00

订阅专栏

超级会员免费看

本文深入探讨了对称矩阵的重要性质，包括其可对角化性、特征向量的标准正交性以及与AAT的秩关系。重点讨论了实对称矩阵的正定性和特征值的正负性，指出它们在矩阵理论和机器学习中的应用价值。

摘要由CSDN通过智能技术生成

这里，我们花一讲的篇幅专门讨论一下对称矩阵，我们把对称矩阵称之为“最重要的”矩阵丝毫不夸张，因为他拥有许多非常重要和漂亮的性质。

1.对称矩阵基本特性回顾

首先，我们简单的回顾一下在之前的内容里介绍过的关于对称矩阵的基本特性：

如果一个矩阵 $S$ 的所有数据项都满足

了解本专栏

超级会员免费看

关注

11
点赞
踩
10

收藏

觉得还不错? 一键收藏
打赏
7
评论
【机器学习线性代数】12 对称矩阵的优秀特性

这里，我们花一讲的篇幅专门讨论一下对称矩阵，我们把对称矩阵称之为“最重要的”矩阵丝毫不夸张，因为他拥有许多非常重要和漂亮的性质。1.对称矩阵基本特性回顾首先，我们简单的回顾一下在之前的内容里介绍过的关于对称矩阵的基本特性：如果一个矩阵SSS的所有数据项都满足Sij=SjiS_{ij}=S_{ji}Sij=Sji，那么这个矩阵就是一个对称矩阵。通俗的说，一个对称矩阵通过转置操作，得到的仍然是他自身，即满足：S=STS=S^TS=ST。我们从这里面还可以推断出对阵矩阵SSS所蕴含的一个前提条件：他必须
复制链接

扫一扫

专栏目录

评论 7

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

石溪 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。