LinearAlgebra_3

矩阵空间、秩一矩阵、小世界图

矩阵空间

矩阵空间也是一种向量空间,对加法和数乘(或者说线性组合)封闭。 它的子空间,比如对称矩阵、上三角矩阵也是向量空间。

以M3∗3M_{3*3}矩阵为例,维度是9。其对阵矩阵SS的维度是6,其上三角矩阵UU的维度是6。 S⋂US \bigcap U的维度是3,S⋃US \bigcup U不是线性空间,S+US+U的维度是9。 其中,

S+U=S + U = any element of S + any element of U

有一个公式:

dim(S)+dim(U)=dim(S⋂U)+dim(S+U)

dim(S)+dim(U)=dim(S \bigcap U) + dim(S+U)

此外,还有一种特殊的向量空间(特殊在并不包含向量)。 比如解微分方程:

d2ydx2+y=0

\frac{\mathrm{d}^2y}{\mathrm{d}x^2} + y = 0 这是一个线性微分方程,所求的解可以理解为寻找解空间的一组基底。

这组基底可以是(【cosx,0】,【0,sinx】),也可以是(【e^(ix),0】,【e^(-ix),0】)。

此外,这组解空间的维数是2,因为d2y/dx2\mathrm{d}^2y/\mathrm{d}x^2。

秩一矩阵

秩为1的矩阵,就像building blocks for all matrics

比如

A = [1 4 5 ] = [1] * [1 4 5]
    [2 8 10]   [2]

如果A5∗11A_{5*11},rank(A)=4rank(A)=4,那么原矩阵可以视为4个秩一矩阵的组合。

小世界图

Graph = {nodes, edges} 世界是很小的,往往通过几个edge就可以连到意想不到的node上面。 六度理论。

图和网络

上面的图,可以表示电路,水路,穹顶等,图论在现实生活中应用很广泛。 而且实际中的矩阵一般都是稀疏的。

下面的例子,仅以节点代表电位,连接节点的线代表电流通道。

零空间

考虑列的线性组合,如果列是相关的,那么就形成了一个loop电流通路。 零空间代表每个点的电势应该怎么样,才可以保证每个连接上的电流是0。 本题中零空间是一维的,说明在整个回路中如果需要确定基点的电势,因此一般选择一个点接地(零电位点),主要原因就是零空间是一维的。

e=Ax

e = Ax

左零空间

下面考虑$A^Ty=0,也就是每个连接上的电流是多少,才能够保证在每个node上的电流为0。 这个也叫作基尔霍夫电流定律,KCL。

这个题目中的维度是5-3=2。

行空间

行如果独立的话,那么就不是一个loop回路。 独立的最大数目的行,被称作tree。

欧拉公式

dim(N(AT))=m−r

dim(N(A^T)) = m-r loops = edges - (nodes-1)

工业用公式

no source term的电路公式可以表述为: e=Axe = Ax y=Cey = Ce ATy=0A^Ty=0 合在一起就是

ATCAx=0

A^TCAx=0 考虑了外加的source后: ATy=fA^Ty=f

ATCAx=f

A^TCAx=f

ATAA^TA总是对称的。

正交向量和子空间

向量正交

向量点积为0的时候,表示向量正交,夹角为90度。

子空间正交

子空间正交,当且仅当子空间A的任意向量与子空间B的任意向量都垂直。

两个子空间正交,那么交点肯定不会有非零向量。

矩阵的bigPicture

行空间和零空间正交,且构成正交补(两个子空间加起来填补了整个Rn\mathrm{R^n})。 根据Ax=0Ax=0可以看出来,零空间的任何一个向量与行空间向量的线性组合的点积都是0。

无解方程组的最优解

现实中,很多方程Ax=bAx=b都是无解的,这种情况一般是m>nm>n。 比如多次对卫星的距离测量,多次测量脉搏等。

可以使用ATAA^TA构建一个更好的矩阵。 这个矩阵的性质有:

  1. N(ATA)=N(A)N(A^TA) = N(A)
  2. rank(ATA)=rank(A)rank(A^TA) = rank(A)
  3. ATAA^TA是方阵,对称矩阵,但是不一定可逆

求解的方法是:

Ax=b−−>>ATAx=b

Ax=b -->> A^TAx=b

子空间投影

二维空间的简单投影

主要有三个式子:

x=aTb/aTa

x = a^Tb/a^Ta

p=a∗x=a∗aTbaTa

p = a*x = a*\frac{a^Tb}{a^Ta}

P=aaTaTa

P = \frac{aa^T}{a^Ta}

关于投影矩阵P

  1. PT=PP^T=P
  2. Pk=PP^k=P

多维空间情况

AT(b−Pb)=0

A^T(b-Pb)=0

AT(b−Ax^)=0

A^T(b-A\hat{x})=0

x^=(ATA)−1ATb

\hat{x} =(A^TA)^{-1}A^Tb

p=Ax^=A(ATA)−1ATb

p = A\hat{x}=A(A^TA)^{-1}A^Tb

P=A(ATA)−1AT

P = A(A^TA)^{-1}A^T

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Vamei实验室

概率论11 协方差与相关系数

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明。谢谢!

662
来自专栏程序生活

机器学习(十一)时间序列模型

AR模型(自回归模型),是统计上一种处理时间序列的方法,用同一变数例如x的之前各期,亦即x1至xt-1来预测本期xt的表现,并假设它们为一线性关系。因为这是从回...

362
来自专栏人工智能LeadAI

奇异值分解(SVD)

最近两天都在看奇异值分解及其在推荐系统和图像压缩方面的应用,这部分知识比较散也比较难理解,看代码不是很好懂,所以通过编学边整理的方式帮助大脑理解这部分知识。 ...

3576
来自专栏算法channel

机器学习储备(1):协方差和相关系数

为了深刻理解机器学习算法的原理,首先得掌握其中涉及到的一些基本概念和理论,比如概率,期望,标准差,方差。在这些基本概念上,又衍生出了很多重要概念,比如协方差,相...

33910
来自专栏大数据挖掘DT机器学习

用R语言做时间序列分析(附数据集和源码)

时间序列(time series)是一系列有序的数据。通常是等时间间隔的采样数据。如果不是等间隔,则一般会标注每个数据点的时间刻度。 下面以time seri...

3374
来自专栏小樱的经验随笔

时间序列分析算法【R详解】

简介 在商业应用中,时间是最重要的因素,能够提升成功率。然而绝大多数公司很难跟上时间的脚步。但是随着技术的发展,出现了很多有效的方法,能够让我们预测未来。不要担...

3386
来自专栏开心的学习之路

奇异值分解

最近两天都在看奇异值分解及其在推荐系统和图像压缩方面的应用,这部分知识比较散也比较难理解,看代码不是很好懂,所以通过编学边整理的方式帮助大脑理解这部分知识。 ...

27810
来自专栏开源FPGA

基于FPGA的腐蚀膨胀算法实现

         本篇文章我要写的是基于的腐蚀膨胀算法实现,腐蚀膨胀是形态学图像处理的基础,,腐蚀在二值图像的基础上做“收缩”或“细化”操作,膨胀在二值图像的基...

2396
来自专栏大数据文摘

暑期追剧学AI | 十分钟搞定机器学习中的数学思维(二)

1302
来自专栏YoungGy

小论线性变换

任何一个线性变换都可以用一个矩阵A来表示。 EIG分解 特征值分解的适应情况是: 矩阵是方阵 矩阵有足够的特征向量 如果矩阵有不相同的特征值 ,那么肯定有足够的...

1977

扫码关注云+社区