两矩阵相乘的秩的性质_矩阵分析与应用(一,矩阵基础知识)
前言:花了一个半月时间学习了 北大丘维声的《高等代数》、北理史荣昌的《矩阵分析》、清华张贤达的《矩阵分析与应用》;北大与哈工大的网课。
本质:(万物皆矩阵)矩阵论主要研究矩阵,对于图像、神经网络等可表示成矩阵形式,然后结果矩阵的处理方法,对其进行操作,例如分解,基本运算等。
一、矩阵(矩阵表示单个事物)
1.1矩阵的基本运算
基本运算:加法;数乘;矩阵乘法;转置;內积;外积
拓展运算:直和;Hadamard积(Schur积);Kronecker积(直积);Khatri-Rao积(对应列Kronecker积)
注:向量之间的外积可由Kronecker积表示;Khatri-Rao积由两个列数相同的矩阵 对应列Kronecker积构成
矩阵结构运算:向量化(列向量化vec(A),行向量化revec(A)),矩阵化(分行向量矩阵化与列向量矩阵化)
1.2矩阵的性能指标
(实对称矩阵或Hermite矩阵)二次型:
(方阵)行列式:刻画矩阵的奇异性;等于特征值之积
(方阵)特征值:1、刻画矩阵的奇异性(是否存在0特征值) 2、刻画矩阵的正定性 3、刻画对角元素之和
注:上,下三角矩阵的特征值等于主对角元素;实对称矩阵不同特征值对应的特征向量是正交的。
(方阵)迹:等于特征值之和
秩:刻画矩阵的奇异性,行秩等于列秩(对于张量不一定成立)
奇异值:
1.3矩阵的度量(内积与范数)
向量:(常采用典范內积
)
注:L2范数常称Euclidean范数或者Frobenius范数
矩阵:
矩阵內积:
矩阵范数:诱导范数、元素形式范数、Schatten范数
(1)诱导范数定义:
注:常用的诱导范数为p-范数
矩阵的谱范数)对应矩阵A的最大奇异值;诱导L
(2)“元素形式”范数:
注:当p=2时的范数称为L2范数,Euclidean范数,Frobenius范数
(3)Schatten范数(用矩阵奇异值定义的范数)
1.4 逆矩阵
(1)正方满秩矩阵的逆矩阵
(2)非正方满(行或列)秩的伪逆矩阵
左逆矩阵
右逆矩阵
注:左伪逆矩阵与超定方程的最小二乘解有关,右伪逆矩阵与欠定方程的最小二乘解有关
(3)非正方秩亏损的伪逆矩阵(Moore-Penrose逆矩阵,广义逆矩阵)
满足以下4个条件的矩阵,称为Moore-Penrose逆矩阵
1.5 特殊矩阵
(1)(方阵)实对称矩阵与复共轭对称矩阵(Hermite矩阵)
(2)(方阵)实正交矩阵与酉矩阵(复数域)
注:酉矩阵的列或者行向量皆为标准正交基;酉矩阵对应的酉变换保內积,保长度
(3)(方阵)正规矩阵
注:对称矩阵hermite矩阵,正交矩阵,酉矩阵皆为正规矩阵。
(4)置换矩阵:每一行每一列有且仅有一个非零元素1。(等于初等矩阵的乘积,左乘A表示行变换,右乘A表示列变换,)
注:置换矩阵的三种特殊情况:交换矩阵,互换矩阵,位移矩阵
(5)带型矩阵(三角矩阵为带型矩阵的特例)除主对角线上下几条斜线以外元素皆为0
(6)求和向量与中心化矩阵(数理统计中常用)
求和向量(元素全为1):n个标量的求和可表示为求和向量与另一向量的內积
中心化矩阵:
注:
Cnx向量內积等于C的二次型,等于样本数据的协方差
(7)Vandermonde矩阵,Fourier矩阵,Hadmard矩阵(信号处理中常用)
1.6 常数、函数、随机矩阵
注:矩阵元素可为常数、函数、随机变量
函数矩阵的极限、导数、积分等于对应元素求极限、导数、积分;其余与常数矩阵类似
1.7 矩阵函数
(1)利用矩阵幂级数定义矩阵函数(北理数用解析定义)
(2)常见矩阵函数(类似利用一元多项式环的通用性质直接得到,与常见函数的泰勒展开式一致)
(3)矩阵函数值的计算
由该定理,我们可以实现降次的目的。
(4)矩阵函数微分(其中矩阵函数值根据f(X)中f的不同,最终结果可为标量、向量、矩阵)(梯度矩阵与Hessian矩阵最优化问题中常用)
1、以实矩阵为变元的实函数(梯度矩阵等于Jacobian矩阵的转置)
注1:Jacobian矩阵为按行向量形式定义的偏导矩阵,梯度矩阵(最优化问题中常见)为按列向量形式定义的偏导矩阵;Jacobian矩阵也有称协(同)梯度矩阵
注2:一阶实矩阵微分是辨识实矩阵函数的梯度矩阵、Jacobian矩阵的有效数学工具;(即可通过对矩阵函数求一阶微分的结果中直接得到梯度矩阵与Jacobian矩阵,具体表示式见张贤达书第三章)
注3:二阶实矩阵微分是辨识实矩阵函数的Hessian矩阵(二阶偏导矩阵)的有效数学工具;(即可通过对矩阵函数求二阶微分的结果中直接得到实函数的Hessian矩阵,具体表示式见张贤达书第三章)
2、以复矩阵为变元的实函数(梯度矩阵等于Jacobian矩阵的转置,会得到梯度&共轭梯度)注:一阶复矩阵微分可以标识梯度矩阵与共轭梯度矩阵,Jacobian矩阵与共轭Jacobian矩阵;二阶复矩阵微分可以标识复Hessian矩阵
二、代数系统(矩阵表示两系统之间的关系)
2.1 代数系统(线性空间、环、域)
线性空间:定义了加法与数乘,满足8条
环:定义了加法与乘法,满足6条,乘法需要满足结合律与左右分配律
注:乘法满足交换律的环称为交换环,乘法中含有单位元的环称为有单位元的环
举例:一元多项式环,n元多项式环,整数集
域:含有单位元的交换环,并且其中每个非零元都是可逆元
举例:数域
2.2 线性映射(描述两个线性空间的映射问题)
1、线性映射的矩阵表达式
线性变换矩阵:
线性映射矩阵:
注:已知向量a在
2、线性变换的Jordan标准型(方阵,矩阵相似的“最简形式”)
证明思路:基于不变子空间可将矩阵块三角化与块对角化,即P1与P2皆为方阵的不变子空间,则实现矩阵的块对角化。若引入一维不变子空间,即特征向量作为P的列向量,当存在n个线性无关的特征向量(表示满足P可逆),则实现矩阵的对角化。
最终得到最重要的Jordan标准性:
3、特殊的线性变换
注:一个方阵对应与一个线性变换,具有特殊性质的矩阵对应的线性变换,同样具有某些特性
(1)酉变换、正交变换(保内积,保长度),属于保距同构映射
注:酉矩阵一定酉相似于对角矩阵,其主对角元素为模为1的复数(因为酉矩阵特征值的模等于1);正交变换正交相似于分块对角矩阵
(2)Hermite变换、对称变换
注:实对称矩阵一定能正交相似于对角矩阵,n级Hermite矩阵一定能酉相似于对角矩阵
(3)正交投影
注:若P即为幂等矩阵又为Hermite矩阵,即可作为一投影算子。I-P则为正交投影算子(往垂线方向投影)
2.3 具有度量的线性空间(內积空间、赋范空间、Hilbert空间)
內积空间:只要规定了一个內积(正定的对称双线性函数)的线性空间皆可称为內积空间
注1:有限维实內积空间称为欧几里得空间,简称欧式空间;有限维复內积空间称为酉空间,
注2:(正定性二者皆满足)复內积与实內积的区别:1、复內积满足共轭对称性,实內积满足对称性;2、实內积对两个变量都是线性的,复內积对于一个变量线性,对另一个共轭线性
赋范空间:定义了范数的空间,可度量向量长度、距离、领域
注:定义了L2范数的赋范空间称为Eculidean空间
完备赋范空间:(完备性)
1、Banach空间:每一个Cauchy序列极限都存在于空间中
2、Hibert空间:每一个Cauchy序列的范数的极限都存在于空间中
3、一个有限维的赋范空间一定是Banach空间,自动满足Cauchy序列极限收敛的条件
两矩阵相乘的秩的性质_矩阵分析与应用(一,矩阵基础知识)相关推荐
- 两矩阵相乘的秩的性质_MIT—线性代数笔记04 矩阵的LU分解
第04讲 矩阵的LU分解 Factorization into A=LU 04 A的LU分解v.youku.com 本节的主要目的是从矩阵的角度理解高斯消元法,最后找到所谓的L矩阵,使得矩阵A可以转 ...
- c语言 异或_编程入门:C语言基础知识全网超全不用到处找了!(文末附清单)
你背或者不背,干货就在那里,不悲不喜 你学或者不学,编程就在那里,不来不去 听到这话的你是否略感扎心? 01基础知识 1. 计算机系统的主要技术指标与系统配置. 2. 计算机系统.硬件.软件及其相互关 ...
- 二级公共基础知识_计算机二级选择题(公共基础知识)
在这一期的文章主要以计算机二级选择题的公共基础知识进行讲解. 在计算机二级考试当中,选择题中的二级公共基础知识是必考的部分.很多考生对计算机二级的公共基础知识选择题有很多不解.二级公共基础知识选择题主 ...
- python环境下数据操作_数据分析环境搭建和Python基础知识
搭建数据分析环境主要包括使用anaconda管理包和环境:使用Jupyter notebook将说明文本.数学方程.代码和可视化内容全部组合到一个易于共享的文档中.Python基础知识包括关键点(数据 ...
- 八门神器java版本_【修改教程】java基础知识字符串处理_八门神器
[Java基础知识]字符串处理1.获取字符串的长度 String s = "AIDE"; System.out.println(s "长度为:" s.lengt ...
- gram矩阵的性质_矩阵分析(九)Gram矩阵
欧氏空间 $V$是$\mathbb{R}$上的线性空间,定义映射 $$ \sigma: V\times V \to \mathbb{R} $$ 对于$\alpha, \beta \in V$,将$\s ...
- 三阶矩阵的lu分解详细步骤_数学 - 线性代数导论 - #4 矩阵分解之LU分解的意义、步骤和成立条件...
线性代数导论 - #4 矩阵分解之LU分解的意义.步骤和成立条件 目前我们用于解线性方程组的方法依然是Gauss消元法.在Gauss消元法中,我们将右侧向量b与A写在一起作为一个增广矩阵进行同步的操作 ...
- java可用于开发两类程序_此内容适合初学者java基础知识 第一章
(一)Java 可用来生成两类程序:应用程序(Application). 小应用程序( Applet ) . (二)Java 既是一种解释执行的语言,也是一种编译执行的语言 (三)Java技术体系 1 ...
- 三阶矩阵的lu分解详细步骤_计算方法(三)矩阵分解2-LU分解
LU分解(LU Decomposition)是矩阵分解的一种,可以将一个矩阵分解为一个下三角矩阵和一个上三角矩阵的乘积,作为解线性方程以及优化高斯消去法的一个分解方法,在后续文章中会使用到. 如下列方 ...
- capture 部分元器件编号_十大电子元器件及其相关基础知识
导读 对于从事电子行业的工程师来说,电子元器件是每天都需要去接触,每天都需要用到的,但其实里面的门门道道很多工程师未必了解.文中列举出工程师们常用的十大电子元器件,及相关的基础概念和知识. 常用电子元 ...
最新文章
- 40个最好的Tumblr主题
- Django学习---原生ajax
- [转]ubuntu系统瘦身-清理系统垃圾文件
- 移动开发语言Swift
- 某计算机配置的内存为2GB,实测告诉你为APU分配64MB和2GB显存性能差距多大
- Oracle 对 JDK收费和.NET Core 给我们的机遇
- xp系统和服务器同步时间出错,xp电脑时间同步出错该怎么解决?电脑时间同步错误解决方法...
- linux———/bin/sh、 /bin/bash、 /bin/dash的区别
- 远程控制电脑的软件哪个比较好用
- Navicat从外部导入数据失败报错“Incorrect string value: '\xE5\x8C\x97\xE4\xBA\xAC”之类
- win10一直卡在自动修复_win10卡在开机欢迎界面转圈解决方法
- IntelliJ IDEA 快捷键及模板Templates设置
- Oracle恢复误删数据
- 论文参考文献格式详细国家标准
- python 仪表盘图片读数_OpenCV 表盘指针自动读数的示例代码
- 2018年财富中国500强:东方明珠蝉联登榜 领跑文化传媒业
- QQ 微信 第三方登录 分享
- Three.js--》实现3d官网模型展示
- 第二证券|抖音发布三季度安全透明度报告,整治贩卖焦虑广告近3万条
- java 异步线程池_Java - 异步线程池