先有矩阵,然后有行列式。矩阵常有,而行列式不常有。
矩阵是存储数据的,单独的一个数,从本质来讲,也是矩阵,不过是1行1列的。行列式的意义在于发现矩阵中数据的特征。
矩阵存储数据,因而,如果加以某种运算,矩阵是可以作用到其他矩阵上的,并且可以改变原矩阵。例如,2、5同是1行1列矩阵,2*5=10,矩阵2,通过矩阵5的作用,变成了矩阵10。将这种性质扩展到多维空间中,便是矩阵变化,也就是说,矩阵也可以理解为某种变换。矩阵既可以代表坐标,也可以代表变化,至于怎么样理解矩阵最到位(有些同学喜欢研究矩阵的本质,其实矩阵的本质诚如刚才的例子,就是存储数据的。不要纠结于一定要感知到矩阵的本质。),就看具体的情形了。
矩阵从1维到2维的过程中,会存在某些性质的变化,而从2维再到更高维,这种变化可以类推(可类比微积分中的微分和导数),故而,在矩阵的研究过程中,二次型是重要的一个环节。
按照惯例,在矩阵变换两个相乘的矩阵中,位于左边的矩阵,我们认为是变换,位于右边的矩阵,认为是原矩阵。
[x,y,1]’ 代表原矩阵,在不同的变化下,原矩阵(此例中即为三维空间中的点)可发生下面的变换:
数据挖掘中的矩阵基础(1)
最新推荐文章于 2023-12-26 01:55:32 发布