1. 矩阵基本知识
- 共轭,共轭转置
满足AH=A的正方复矩阵成为Hermitian矩阵或共轭对称矩阵 - 逆矩阵
- 矩阵的共轭,转置和共轭转置性质
- 幂等矩阵,对合矩阵
- 矩阵内积
- 矩阵的导数,积分
- 矩阵函数及其导数
- 子矩阵
2.向量的基本知识
- 向量的线性无关
- 奇异矩阵,非奇异矩阵
- 复数方程求解
3. 向量空间
-
子空间
-
子空间运算
-
实内积空间
-
实内积空间与范数
(1)定义
(2)范数性质
-
复内积空间
复内积空间中范数的性质
4. 映射
- 变换
- 线性映射性质
5. 随机向量
- 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:
- 复随机变量
分布函数:
概率密度:
- 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:
- 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
- 内积公理:
- 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
- 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:
- 向量范数用作Lyapunov函数
- Lyapunov稳定性定理:
- 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
- 向量子空间的基
- 子空间/闭包
- 基向量
- 对偶基和正交基
- Gram-Schmidt正交化
【常用的二维正交化】
- Bijorck正交化(常用,具有更好的性能)
1.10和第四章之后。