线性代数—学习笔记

2023-11-07

对分类超平面方程:

<W,Xi>+b=0

W=∑aj Xj,

∑aj <Xj,Xi>+b=0

Xj,Xi均为列矩阵,aj 为数值,

dot([a1,a2,...,am],dot([X1,X2,...,Xm],[Xi,Xi,...,Xi]))

=dot([X1,X2,...,Xm],[Xi,Xi,...,Xi])*[a1,a2,...,am]'

=Xi' * [X1,X2,...,Xm]*[a1,a2,...,am]'

 

φ:Xi-->φ(Xi)

∑aj <φ(Xj),φ(Xi)>+b=0

采用核函数K(Xj,Xi)=<φ(Xj),φ(Xi)>

∑aj K(Xj,Xi)+b=0

=[a1,a2,...,am]*[K(X1,Xi),K(X2,Xi),...,K(Xm,Xi)]'+b=0

 

矩阵的运算规律:ABC=A(BC)

 

1、行列式

设有n²个数,排列成n行n列的表
a11 a12 ... a1n
a21 a22 ... a2n
... ... ... ...
an1 an2 ... ann
作出表中位于不同行不同列的n个数的乘积,并冠以符号(-1)t,得到形如 (-1)t a1p1 a2p2 ... anpn
的项,其中p1,p2,....pn为自然数1,2,...n的一个排列,t为这个排列的逆序数,由于这样的排列共有n!个,因此形如上式的项共有n!项,所有这n!项的代数和
 

n阶行列式利用性质计算n阶行列式

利用性质计算n阶行列式
定理1.1 一个排列中任意两个元素对换,排列奇偶性改变。
性质1.1 行列式与它的转置行列式相等。
性质1.2 互换行列的任意两行(两列)行列式变号。
性质1.3 把行列式中某一行(列)的所有元素都乘以一个数K,等于用数K乘以行列式。
性质1.4 行列式中的某行(列)元素全是0,则行列式的值为0。
性质1.5 如果行列式的某行(列)的各元素是两个元素之和,那么这个行列式等于两个行列式的和。
性质1.6 把行列式的任一行(列)的元素乘以同一个数后,加到另一行(列)的互对应元素上去,行列式不变。
定理1.2 n阶行列式的值d等于其中任一行(列)元素与其 代数余子式的乘积的和。
在n阶行列式
公式 公式

2、矩阵的K阶子式及矩阵的秩

一. 数学概念

定义2.1 在                                 矩阵A中,任取k行与k列(km,kn),位于这些行列交叉处的k2个元素,不改变它们在矩阵中所处的位置次序而得的k阶行列式,称为矩阵Ak阶子式。

定义2.1 设在矩阵A中有一个不等于0的r阶子式D,且所有r+1阶子式(如果存在的话)全等于0,那末D称为矩阵A的最高阶非零子式,数r称为矩阵A的秩,记作

R(A)。

1. 零矩阵的秩为0;

2.                             ;

3. 可逆矩阵称为满秩矩阵;

4. 不可逆矩阵称为降秩矩阵。

二. 原理公式和法则

    定理2.1 若A~B,则R(A)= R(B)。

根据这一定理,为求矩阵的秩,只要把矩阵用初等行变换成行阶梯形矩阵,易见该矩阵最高阶非零子式的阶数。显然行阶梯形矩阵中非零行的行数即是该矩阵的秩。这就给出求矩阵秩的方法。

 

3、逆矩阵及其求法

一、逆矩阵的概念

利用矩阵的乘法和矩阵相等的含义,可以把线性方程组写成矩阵形式。对于线性方程组

A   X   B

则方程组可写成AX=B.

方程AX=B是线性方程组的矩阵表达形式,称为矩阵方程。其中A称为方程组的系数矩阵X称为未知矩阵B称为常数项矩阵

这样,解线性方程组的问题就变成求矩阵方程中未知矩阵X的问题。类似于一元一次方程ax=ba≠0)的解可以写成x=a-1b,矩阵方程AX=B的解是否也可以表示为X=A-1B的形式?如果可以,则X可求出,但A-1的含义和存在的条件是什么呢?下面来讨论这些问题。

定义11  对于n阶方阵A,如果存在n阶方阵C,使得AC=CA=EEn阶单位矩阵),则把方阵C称为A逆矩阵(简称逆阵)记作A-1,即C=A-1

逆矩阵有如下性质:

(1)若A是可逆的,则逆矩阵唯一。

(2)若A可逆,则(A-1)-1=A.

(3)若AB为同阶方阵且均可逆,则AB可逆,且(AB)-1=B-1A-1

(4)若A可逆,则detA≠0。反之,若detA≠0,则A是可逆的。

 

二、逆矩阵的求法

1、用伴随矩阵求逆矩阵

2、用初等变换求逆矩阵

用初等变换求一个可逆矩阵A的逆矩阵,其具体方法为:把方阵A和同阶的单位矩阵E,写成一个长方矩阵,对该矩阵的行实施初等变换,当虚线左边的A变成单位矩阵E时,虚线右边的E变成了A-1

从而可求A-1

 

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

线性代数—学习笔记 的相关文章

  • 差分与微分

    差分与微分 差分和微分都是数学中的一些基本概念 它们在数学 物理学 经济学和其他领域中都有广泛的应用 1 差分 差分可以理解为函数值之间的差别 特别地 如果一个函数 f f f 在两个相邻点 x 0
  • 吴恩达机器学习笔记之神经网络参数的反向传播算法

    代价函数 回顾Logistic Regression中的代价函数为 神经网络的代价函数的基本思想与逻辑回归是一样的 但是形式上有一些差别 L表示神经网络的层数 sl表示l层神经网中的神经元的个数 K表示输出层的神经元的个数 正则项的计算包含
  • 线性相关与线性无关的定义与性质

    定义1 线性相关 K n K n K nK n Kn Kn 中向量组
  • 排列的生成(二) —— 序数法

    1 定义 n n n个元素的全排列有 n n n 个 如果将排列按顺序编号 并能够按照某种方法建立起每一个序号与一个排列之间的对应关系 那么就可以根据序号确定排列 反过来也可以根据排列确定它的序号 根据排列的序号生成对应排列的方法就称为序数
  • 参数估计(Parameter Estimation):频率学派(最大似然估计MLE、最大后验估计MAP)与贝叶斯学派(贝叶斯估计BPE)

    基础 频率学派与贝叶斯学派 http www douban com group topic 16719644 http www zhihu com question 20587681 最大似然估计 Maximum likelihood es
  • 如何用硬币模拟1/3的概率,以及任意概率?

    突然想起一个挺有意思的事 如何用硬币模拟1 3的概率 甚至任意概率 之前和朋友偶然间谈到如何用硬币模拟任何概率 当时以为是不可能的 因为硬币有两面 模拟的结果底数一定是2 n 今天又回顾了某个经典的条件概率问题 突然想到用硬币模拟任意概率是
  • 欧拉角,轴角,四元数与旋转矩阵详解

    入门小菜鸟 希望像做笔记记录自己学的东西 也希望能帮助到同样入门的人 更希望大佬们帮忙纠错啦 侵权立删 目录 一 欧拉角 1 静态定义 2 欧拉角的表示 3 欧拉角表示的优缺点 4 欧拉角的万向节死锁 静态不存在万向锁的问题 二 四元数 1
  • arctan函数加上90°;arctan(a/b)与arctan(b/a)的关系

  • 主成分分析PCA以及特征值和特征向量的意义

    定义 主成分分析 Principal Component Analysis PCA 是一种统计方法 通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量 转换后的这组变量叫主成分 PCA的思想是将n维特征映射到k维上 k
  • hdu 5792 World is Exploding 2016 Multi-University 5

    Problem acm hdu edu cn showproblem php pid 5792 题意 给一个序列 V 问有多少个由下标组成的四元组 a b c d 满足 a b c d a lt b c lt d Va lt Vb Vc g
  • 为什么样本方差里面要除以(n-1)而不是n?

    前段日子重新整理了一下这个问题的解答 跟大家分享一下 如果有什么错误的话希望大家能够提出来 我会及时改正的 话不多说进入正题 首先 我们来看一下样本方差的计算公式 刚开始接触这个公式的话可能会有一个疑问就是 为什么样本方差要除以 n 1 而
  • 介值定理究竟在讲什么?

    介值定理 书本上的定义 翻译成人话就是 函数最原始的定义 我们初中就知道 一个函数最根本的性质就是 函数值 自变量值 一一对应 所以介值定理就是在反复说一件事 一个数如果属于值域 在定义域内 一定能够找到一个 自变量 与其对应 当然这个结论
  • 线性代数 - 特征向量和特征值

    今天在看到这个马汉诺拉距离的时候 又看到了这个东西 就是利用特征值来进行协方差方向上的伸缩 突然感觉到了线性代数的作用了 但是实际上 我今天看到了非常多的内容 但是都没有吸收完 很多内容都是线性代数的东西 但是这些东西我都忘了 这里先挖个坑
  • 数学篇(二) 方差、标准差、协方差

    1 均值 均值就是将所有的数据相加求平均 求得一个样本数据的中间值 2 标准差 标准差也被称为标准偏差 公式如下所示 简单来说 标准差是一组数平均值分散成都的一种度量 一个较大的标准差 代表大部分数值和其平均值之间差异较大 一个较小的标准差
  • 目标检测算法之YOLOV3

    本博客中YOLO系列均为个人理解笔记 欢迎评论指出理解有误或者要讨论的地方 YOLOV3模型相比于v2来说 实质性的改进并不大 更多的是一些技术的堆叠 其并不像yolov2对于v1一样 由巨大的改变和提升 其相对于yolov2 改变在于 1
  • 机器学习练习题(二)

    从牛客网找来得题目 解析是题目下的高赞答案 1 下面有关分类算法的准确率 召回率 F1 值的描述 错误的是 a 准确率是检索出相关文档数与检索出的文档总数的比率 衡量的是检索系统的查准率 b 召回率是指检索出的相关文档数和文档库中所有的相关
  • 最小二乘法–高斯牛顿迭代法

    最小二乘法 高斯牛顿迭代法 本文将详解最小二乘法的非线性拟合 高斯牛顿迭代法 1 原理 高斯 牛顿迭代法的基本思想是使用泰勒级数展开式去近似地代替非线性回归模型 然后通过多次迭代 多次修正回归系数 使回归系数不断逼近非线性回归模型的最佳回归
  • 防止sigmoid和tanh激活函数溢出的C++实现

    引言 上一期 我们介绍了softmax函数的C 实现 但是考虑到sigmoid和tanh函数也是带 e e e的次幂 所以现在我们来考虑该函数的防止溢出实现 sigmoid函数 原理 该函数的公式为 1 1
  • Phase Sensitive Filter

    复数转换 如下图复数 由于 所以 这个就是复数的三角形式 这里 是模 是辅角 在讨论音频频域 即stft变换后的复数时 分别称为幅值和相位 根据欧拉公式 其中i是虚数符号 可得 这个公式可以方便地把幅值和相位还原回复数 进而做istft 将
  • 【华为OD机试真题 python】数字加减游戏【2022 Q4

    题目描述 数字加减游戏 小明在玩一个数字加减游戏 只使用加法或者减法 将一个数字s变成数字t 在每个回合中 小明可以用当前的数字加上或减去一个数字 现在有两种数字可以用来加减 分别为a b a b 其中b没有使用次数限制 请问小明最少可以用

随机推荐

  • 视觉注意力收集

    参考博文 神经网络学习小记录64 Pytorch 图像处理中注意力机制的解析与代码详解 pynq 注意力机制 Bubbliiiing的博客 CSDN博客 计算机视觉 详解 自注意力 Non local 模块与 Self attention
  • 概率论与数理统计(一)

    本文主要讲了什么是事件 事件与概率的关系 事件常见的分类 事件的基本关系及运算 什么是条件概率以及由条件概率引出的事件独立性 由事件独立性引出来的概率0乘法定理 概率的三条公理 文章目录 事件与概率 概率的三条公理 事件的关系与运算 条件概
  • Postman传入的Date参数类型

    需要定义全局变量 postman setGlobalVariable time Date parse new Date 2020 11 11 00 00 00 进行引用 time time
  • DX杂记之细分着色器和利用贝塞尔曲面平滑模型

    细分着色器的构成 细分着色器是为了将一大块的区域继续划分 划分成很多的小块 大体上由三部分构成 但也会涉及一些其它阶段的内容 这三个阶段分别为 Hull Shader Stage Tesslator Stage Domain Shader
  • Day3: 前端路由(基础篇)

    目标 持续输出 每日分享关于web前端常见知识 面试题 性能优化 新技术等方面的内容 主要面向群体 前端开发工程师 初 中 高级 应届 转行 培训等同学 Day3 今日话题 想必大家经常会在面试中或者工作生活中听到 前端路由 相关的问题或者
  • Training a deep autoencoder or a classifier on MNIST digits_Rbm训练(Matlab)

    这是第一次阅读matlab版的RBM程序所做的笔记 其中有好多没有理解的地方 希望能跟各位博友一起学习 一起研究 一起讨论 共同进步 一 Rbm阅读材料 http en wikipedia org wiki Restricted Boltz
  • statsmodels 0.10.0中文文档

    为什么翻译 本人会计出身 转行数据分析 更多是用excel sql spss等工具 30岁开始入坑python 在学习statsmodels包的过程中 在知乎 百度 CSDN和github上均没有找到statsmodels的中文文档 一开始
  • 自然图像目标检测数据集汇总

    参考 自然图像目标检测数据集汇总 云 社区 腾讯云 目录 一 PASCAL VOC 1 Challenge and tasks 2 Dataset 3 Detection Ground Truth 4 Evaluation 二 ImageN
  • 测试离线音频转文本模型Whisper.net的基本用法

    微信公众号 dotNET跨平台 中的文章 OpenAI的离线音频转文本模型Whisper的 NET封装项目 介绍了基于 net封装的开源语音辨识Whisper神经网络项目Whisper net 其GitHub地址见参考文献2 本文基于Whi
  • springMvc 自定义注解以及自定义异常处理

    上一篇写到自定义错误处理 那么有这么个需求 如果每个模块需要错误处理页面不同 那么上面一篇写死为error jsp就不合理了 所以就需要我们想跳哪个错误页面就哪个页面 这样就灵活多了 我采用自定义注解的方式了指定我们需求跳转的错误页面 具体
  • 菜鸡刷题-1

    很久不刷题了 再次刷题手太生了 痛定思痛 还是继续刷吧 立帖为证 天天坚持 217 存在重复元素 给定一个整数数组 判断是否存在重复元素 如果存在一值在数组中出现至少两次 函数返回 true 如果数组中每个元素都不相同 则返回 false
  • 目标检测详解

    文章目录 前言 一 基本概念 目标检测的思路 边界框 锚框 交并比 loU 标注锚框 在训练数据中标注锚框 将真实边界框分配给锚框 标记类别和偏移量 使用非极大值抑制预测边界框 二 模型介绍 两阶段 R CNN Fast R CNN Fas
  • Spring Boot如何让自己的bean优先加载

    背景介绍 在一些需求中 可能存在某些场景 比如先加载自己的bean 然后自己的bean做一些DB操作 初始化配置问题 然后后面的bean基于这个配置文件 继续做其他的业务逻辑 因此有了本文的这个题目 实现方法 DependsOn注解 这个
  • word交叉引用——在正文中给参考文献做链接

    word交叉引用只需两步即可 3分钟即会 第一步 插入编号 文档中有如下参考文献 但还没有 1 2 3 等编号 那么先给参考文献编号序号 使用word gt 开始 gt 编号 接下来给参考文献标好序号 光标选到某参考文献前 点编号即可自动编
  • opencv-python实现去雾操作

    通过仿真自动色阶算法 发现其去雾效果十分明显 并且速度快于暗通道算法 python实现 python3 6 import numpy as np import cv2 def ComputeHist img h w img shape hi
  • LINUX下编译c++11的代码

    C 11 即ISO IEC 14882 2011 是目前的C 编程语言的最新正式标准 它取代了第二版标准 第一版公开于1998年 第二版于2003年更新 分别通称C 98以及C 03 两者差异很小 新的标准包含核心语言的新机能 而且扩展C
  • Ubuntu 18 系统中对openssl进安降级安装方法总结

    1 下载openssl 下载链接 https www openssl org source snapshot 里边是当前仍支持版本的快照 同版本不同日期内容可能不同的 所以下载一般下对应版本的最新快照 安装出错则尝试另一个快照 解压后的文件
  • qt中的菜单栏的隐藏功能

    有时候为了能让菜单栏中的部分功能进行隐藏 我们就需要在构造函数中进行操作 一般的控件隐藏可以直接hide 就行 然后菜单栏中的部分功能进行隐藏 就需要ui gt 菜单栏名称 gt menuAction gt setVisible false
  • 5G NR 网络切片是什么意思

    网络切片可以理解为支持特定使用场景或商业模式的通信服务要求的一组逻辑网络功能的集合 是基于物理基础设施对服务的实现 这些逻辑网络功能可以看作是由EPC下的网络功能 NetworkFuncTIon 分解而来的一系列子功能 Networksub
  • 线性代数—学习笔记

    对分类超平面方程