矩阵分析与应用（一）

1. 矩阵基本知识

1. 共轭，共轭转置
   
   满足A^H=A的正方复矩阵成为Hermitian矩阵或共轭对称矩阵
2. 逆矩阵
   
3. 矩阵的共轭，转置和共轭转置性质
   
4. 幂等矩阵，对合矩阵
   
5. 矩阵内积
   
6. 矩阵的导数，积分
   
   
7. 矩阵函数及其导数
   
8. 子矩阵
   

2.向量的基本知识

1. 向量的线性无关
   
2. 奇异矩阵，非奇异矩阵
   
   
3. 复数方程求解
   

3. 向量空间

1. 子空间
   

2. 子空间运算
   

3. 实内积空间
   

4. 实内积空间与范数
   （1）定义
   
   （2）范数性质
   
   

5. 复内积空间
   
   复内积空间中范数的性质
   

4. 映射

1. 变换
   
2. 线性映射性质
   
   

5. 随机向量

1. 实随机向量

• 
• 随机向量的分布和概率密度
  分布函数：
  
  概率密度：
  
  边缘概率密度：
  
  独立：
  

2. 复随机变量
   
   分布函数：
   
   概率密度：
   
3. 统计描述
   均值向量：
   
   自相关矩阵：
   随机向量的二阶矩，描述随机向量分布的散布情况。
   
   自协方差
   
   
   x与与的互相关矩阵：
   
   互协方差矩阵：
   
4. 随机向量的线性变换
   
   自相关矩阵关系:
   
   自协方差矩阵关系：
   
   x与y的互相关矩阵：
   
   
   x与y的互协方差矩阵：
   

6.内积与范数

1. 内积公理：
   
   
2. 常数向量的内积与范数

• 定义：
  （1）内积
  
  （2）夹角
  
  （3）正交：
  
  （4）范数
  
• 函数向量的内积与范数
  
• 随机向量的内积与范数
  

3. 向量的相似度
   （1）近邻分类法
   Euclidean距离
   
   
   Mahalanobis距离
   m代表N个样本模式向量的均值向量
   
   使用C代表N个样本模式向量的协方差矩阵
   总未知模式向量x到均值向量m之间的Mabalanobis距离为：
   
   Tanimoto测度：
   
   广泛应用于信息回复，疾病分类，动物，植物分类。
   目标-概念距离：
   
4. 向量范数用作Lyapunov函数

• Lyapunov稳定性定理：
  
  

5. 矩阵范数与内积

• 范数性质
  
• 矩阵范数
  
  
• 矩阵范数与内积关系
  

7. 基与Gram-Schmidt正交化

1. 向量子空间的基

• 子空间/闭包
  
• 基向量
  
• 对偶基和正交基
  
  

2. Gram-Schmidt正交化
   
   【常用的二维正交化】
   
3. Bijorck正交化（常用，具有更好的性能）
   
   1.10和第四章之后。