机器学习中的“向量”是指的只有一列的“矩阵”,这个矩阵有多少行就称其为有多少维度
一、行列式性质:
1.某行加上或减去另一行的几倍,行列式的值不变
2.某行乘K,等于K乘此行列式,例如:
3.互换两行,行列式变号
4.两行(列)成比例时,行列式的值为0
5.某行(列)为两项相加减时,行列式可拆成两个行列式相加减。例如:
6.求行列式的余子式与代数余子式(在余子式的基础上乘以一个-1的行+列次方):
二、矩阵
矩阵的加(减)法:两个矩阵必须维度相同(行数列数相同)才可以加减,对应的元素相加减
矩阵的乘(除)法:
1、标量与矩阵的乘(除)法:标量与矩阵中的每个元素进行相乘(除)【符合乘法交换律,结果一样;符合乘法结合律】
2、矩阵与矩阵的乘(矩阵与矩阵没有除法):前行乘后列,前面矩阵的列数要和后一个矩阵的行数相同,最终得到一个前行数X后列数维的矩阵【不符合乘法交换律;符合乘法结合律】例如:
3、矩阵与矩阵的点乘:就是矩阵各个对应元素相乘, 这个时候要求两个矩阵必须同样大小,例如:
a =
1 0
-1 3
b =
3 1
2 1
c = a . b
c = 3 0
-2 3
也可以:
零矩阵:所有元素全为0,例如:
任何矩阵乘以0矩阵都为0矩阵,0矩阵乘以任何矩阵也为0矩阵
单位矩阵:主对角线上全为1,其余位置全为0的矩阵,例如:
任何矩阵乘以单位矩阵都为其本身,单位矩阵乘以任何矩阵也为其本身,例如:
单位矩阵与标量乘法里面的“1”相同,不同维度矩阵的单位矩阵维度也不同,单位矩阵的维度可以通过与之相乘矩阵的行或者列来确定,例如:
注意!:1.矩阵的乘法是有顺序的,不能随便更改乘法顺序,例如:
2.矩阵没有除法,例如:
3.次方不能乘进去,例如:
总结如下:
逆矩阵:相当于实数中的“倒数”概念,任何矩阵乘以它的逆矩阵都等于单位矩阵,例如:
矩阵A有可逆矩阵的条件:
1、矩阵A为方阵(行数与列数相同)
2、(2.1 -> |A|(矩阵A的行列式)不等于0 )或者 (2.2 -> 存在一个方阵,满足AB=E或BA=E)
矩阵只有同时满足条件1和条件2才可逆,只有方阵才有逆矩阵,不存在逆矩阵的矩阵称之为奇异矩阵或者退化矩阵
矩阵的转置:原矩阵的行变为列,原矩阵的列变为行,形成原矩阵的转置,例如:
转置矩阵的定义为:Aij = Aji,下面有一些关于矩阵转置的运算法则:
矩阵的初等变换:
(1) 交换矩阵的两行(对调i,j,两行记为ri,rj);
(2) 以一个非零数k乘矩阵的某一行所有元素(第i行乘以k记为ri×k);
(3) 把矩阵的某一行所有元素乘以一个数k后加到另一行对应的元素(第j行乘以k加到第i行记为ri+krj)。
若矩阵A经过有限次的初等行变换变为矩阵B,则矩阵A与矩阵B行等价;若矩阵A经过有限次的初等列变换变为矩阵B,则矩阵A与矩阵B列等价;若矩阵A经过有限次的初等变换变为矩阵B,则矩阵A与矩阵B等价。