前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >LinearAlgebra_4

LinearAlgebra_4

作者头像
用户1147754
发布于 2018-01-02 09:23:52
发布于 2018-01-02 09:23:52
9220
举报
文章被收录于专栏:YoungGyYoungGy
  • 投影矩阵和最小二乘
    • 二维空间
    • 多维空间
  • 正交矩阵和Gram-Schmidt正交化
    • 回顾
    • 正交基
    • 正交矩阵
    • 如何变成正交矩阵
  • 行列式与其性质
  • 行列式公式和代数余子式
  • 克拉默法则逆矩阵体积
    • 逆矩阵
    • 克拉默法则
    • box体积

投影矩阵和最小二乘

二维空间

假设二维空间Ax=bAx=b,拟合的直线是b=C+Dt。投影矩阵为b = C+Dt。 投影矩阵为P$,那么有:

P=A(ATA)−1AT

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

  1. Pb=0Pb=0(如果向量b和矩阵A的列空间垂直的话,ATb=0A^Tb=0)
  2. Pb=bPb=b(如果向量b在矩阵A的列空间内部的话,b=Axb=Ax)

多维空间

思考最优直线或者最佳投影可以从两种方式思考

一。矩阵空间

矩阵空间,即找到最优的b^\hat{b},也就是找到bb在AA的列空间的投影。

ATAx=ATb

A^TAx=A^Tb

如果A的列满秩的话,那么ATAA^TA可逆,所以有:

x=(ATA)−1ATb

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

P=A(ATA)−1AT

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

需要注意的是,ATAA^TA可逆有两种情况:

  1. ATAx=0A^TAx=0的零空间只有0,左右都乘XTX^T即可。
  2. AA的列线性无关,相互垂直的单位向量,orthonomal vectors

二。原来的空间

此外,还可以用最小二乘法做,使用微分求解也能得到同样的结果。

正交矩阵和Gram-Schmidt正交化

回顾

正交向量:两个向量点积为0。 正交空间:行空间与零空间。

正交基

正交矩阵

orthogonal orthonormal

正交矩阵QQ的特性如下:

  1. QTQ=IQ^TQ=I
  2. Q−1=QTQ^{-1}=Q^T(如果QQ是方阵的话)

正交矩阵好处很大。

P=Q(QTQ)−1QT=QQT

P=Q(Q^TQ)^{-1}Q^T=QQ^T 上式在QQ为方阵的情况下成立。

如何变成正交矩阵

总体思路就是先求出正交的向量,然后根据向量的长度变成正交矩阵。

求正交的向量,可以用

b=b−p=b−Ax=b−AATbATA

b = b-p=b-Ax=b-A\frac{A^Tb}{A^TA}

行列式与其性质

行列式,是最能够代表矩阵性质的一个数,根据它可以判断矩阵是不是奇异矩阵等。

行列式,是为了求出特征值,它的对象是每个方阵。

共有10条性质,1——3是基础,4——10是推倒。

1。detI=1detI=1 2。每交换一次行,矩阵的行列式乘以−1-1 3a。[tactbd]=t∗[acbd]\begin{bmatrix} ta & tb \\ c & d \end{bmatrix} = t * \begin{bmatrix} a & b \\ c & d \end{bmatrix} 3b。[a+a′cb+b′d]=[acbd]+[a′cb′d]\begin{bmatrix} a + a' & b+b' \\ c & d \end{bmatrix} = \begin{bmatrix} a & b \\ c & d \end{bmatrix} +\begin{bmatrix} a' & b' \\ c & d \end{bmatrix} 4。如果两行相等,行列式为0 5。Substract l*rowI for rowK,行列式不变,所以可以随便消元,不影响行列式 6。有零行存在,行列式是0 7。上三角矩阵的行列式是角上元素的乘积 8。行列式为0是矩阵奇异的充要条件 9。detAB=detA∗detBdetAB=detA*detB, det2A=2mdetAdet2A=2^m detA 10。detAT=detAdetA^T=detA,将行列联系在了一起

此外,有一个问题:7次和10次行交换会得到同样的矩阵么。 A: 置换分为odd和even的。

行列式公式和代数余子式

行列式,是线代里面很小的但是很完整的一部分,之前很重要,现在并不是很重要。它的主要目的是和特征值结合。 代数余子式的意义是可以将大的矩阵的特征值分解成小的矩阵的特征值。

矩阵An∗nA_{n*n}分解后共有nnn^n情况,其中不为0的情况共有n!n!种。

代数余子式(cofactor)值得是aija_{ij}去除第i行和第j列剩下部分的行列式,并且考虑到符号问题。

克拉默法则逆矩阵体积

逆矩阵

A−1=1detACT

A^{-1} = \frac{1}{detA} C^T 其中,CC代表包含符号的代数余子式,CTC^T代表伴随矩阵。

克拉默法则

A−1A^{-1}只用上面的式子是不够的,克拉默法则提供了求逆的代数表达形式,但是一般不用因为太过繁琐,典型的中看不中用,一般使用消元法。

box体积

行列式代表volumn of box。 正负号的意义是左手坐标系还是右手坐标系。

detQ=1detQ=1 QQT=IQQ^T=I

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
博客 | MIT—线性代数(下)
1、 投影矩阵与最小二乘:向量子空间投影在机器学习中的应用最为广泛。就拿最小二乘的线性拟合来说,首先根据抽样特征维度假设线性方程形式,即假设函数。
AI研习社
2018/12/28
1.4K0
博客 | MIT—线性代数(下)
线性代数--MIT18.06(二十五)
是秩 1 矩阵,因此秩为 1 ,也就说明在零空间是二维平面,即有两个特征值为 0 ,根据迹即为特征值相加之和,即可得到另一个特征值为 1 。其特征向量就是
fireWang
2019/03/13
6730
CSDN——C知道已开通满血版DeepSeek-R1功能-超级强大,快来尝试一下吧
自己搭建的DeepSeek是不是仅有7B呢,想使用超级豪华版本又没法长时间租赁服务器,使用接口又总是卡主,现在好了,C知道满血版本的DeepSeek已经来临,我们有什么犹豫的呢?快来开个会员不限次数的免费使用吧。
红目香薰
2025/02/17
1020
CSDN——C知道已开通满血版DeepSeek-R1功能-超级强大,快来尝试一下吧
LinearAlgebra_3
根据文章内容撰写摘要总结。
用户1147754
2018/01/02
8120
LinearAlgebra_3
算法入门(二) -- 线性代数回顾
本来从这周就应该上手经典算法的,但是我大概翻了一下博客,没有人系统的串讲一下算法中用到的高数知识,都是在算法中掺杂的,想了一下还是准备花几周时间专门整理一下基础理论知识,今天我们就开始线性代数的复习吧。
万事可爱^
2025/01/23
1050
算法入门(二) -- 线性代数回顾
线性代数 行列式
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/125734.html原文链接:https://javaforall.cn
全栈程序员站长
2022/07/22
4050
线性代数 行列式
线性代数精华1——从行列式开始
线性代数是机器学习领域当中非常重要的基础知识,但是很遗憾的是,在真正入门之前很少有人能认识到它的重要性,将它学习扎实,在入门之后,再认识到想要补课也不容易。
TechFlow-承志
2020/03/05
1.1K0
线性代数精华1——从行列式开始
线性代数的历史
一般理工科专业在本科都要学习微积分、线性代数、概率统计三门数学课程。微积分和概率统计两门课程的用途在学习过程中立竿见影。可是线性代数有什么用,初学者常常摸不到头脑。包括我本人大一时学习高等代数时也不太感兴趣。若干年之后对数学学科有了更深的整体性认识,返回头再看线性代数的确是非常重要。相信很多理工科学生是读研甚至工作之后才意识到线性代数的重要性。
用户9861443
2024/04/01
2870
线性代数的历史
线性代数--MIT18.06(二十四)
马尔科夫矩阵的稳态问题就是有关特征值为 1 的对应特征向量,并且其他的特征值的绝对值都是小于 1 (可有其他特征值也为 1 的例外)。为什么呢?
fireWang
2019/04/24
6300
线性代数--MIT18.06(二十四)
呆在家无聊?何不抓住这个机会好好学习!
本公众号一向坚持的理念是数据分析工具要从基础开始学习,按部就班,才能深入理解并准确利用这些工具。鼠年第一篇原创推送比较长,将从基础的线性代数开始。线性代数大家都学过,但可能因为联系不到实用情况,都还给了曾经的老师。线性代数是数理统计尤其是各种排序分析的基础,今天我将以全新的角度基于R语言介绍线性代数,并手动完成PCA分析,从而强化关于线性代数和实际数据分析的联系。
SYSU星空
2022/05/05
7760
呆在家无聊?何不抓住这个机会好好学习!
线性代数投影矩阵的定义_线性代数a和线性代数b
  一个矩阵 A A A既可以表示一种线性变换,又可以是一个子空间(由基张开的),还可以是一组坐标,甚是神奇。
全栈程序员站长
2022/11/09
5670
线性代数投影矩阵的定义_线性代数a和线性代数b
啊!再见吧!我的行列式~
当你听完线性代数中矩阵各种厉害,各种应用,然后提了提裤子冲入线性代数的世界,会发现出现了行列式,代数余子式,等等的东西,和你想象的那个变换,映射的世界相差甚远。
云深无际
2024/08/21
1320
啊!再见吧!我的行列式~
透析矩阵,由浅入深娓娓道来—高数-线性代数-矩阵
线性代数是用来描述状态和变化的,而矩阵是存储状态和变化的信息的媒介,可以分为状态(静态)和变化(动态)信息来看待。
周陆军
2018/03/27
7.3K7
透析矩阵,由浅入深娓娓道来—高数-线性代数-矩阵
【运筹学】线性规划数学模型 ( 求解基矩阵示例 | 矩阵的可逆性 | 线性规划表示为 基矩阵 基向量 非基矩阵 非基向量 形式 )
个矩阵都是可逆矩阵 , 都可以作为基矩阵 , 当选中一个基矩阵时 , 其对应的列向量就是基向量 , 对应的变量 , 就是基变量 , 剩余的变量是非基变量 ;
韩曙亮
2023/03/28
1.4K0
【运筹学】线性规划数学模型 ( 求解基矩阵示例 | 矩阵的可逆性 | 线性规划表示为 基矩阵 基向量 非基矩阵 非基向量 形式 )
深度学习中的数学(二)——线性代数
线性可分的定义:线性可分就是说可以用一个线性函数把两类样本分开,比如二维空间中的直线、三维空间中的平面以及高维空间中的超平面。(所谓可分指可以没有误差地分开;线性不可分指有部分样本用线性分类面划分时会产生分类误差的情况。)
润森
2022/09/22
8560
深度学习中的数学(二)——线性代数
线性代数--MIT18.06(二十)
行列式用一个数值就包含了所有信息,从行列式的值出发我们又可以发现一些新的公式,用于计算我们之前讲解过得一些可以求解但是没有公式用于求解的东西
fireWang
2019/03/13
6410
线性代数--MIT18.06(二十六)
特征值的性质我们已经知道了,由于是对称矩阵的性质,我们再看下它的特征向量,因为特征向量正交,基于十七讲的内容,我们总可以将正交向量矩阵转化为正交矩阵,因此我们就可以将对角化公式进行如下分解
fireWang
2019/03/13
1.4K0
矩阵可逆-我们能不能回到当初第一次见面的模样
标题的意思就是,能不能回到我送你进矩阵之前的模样,要是还能回去那就是可逆,可逆其实讲的是“原料”。有没有那么一个矩阵,可以把变换过的原料再变回去。
云深无际
2024/10/12
1840
矩阵可逆-我们能不能回到当初第一次见面的模样
机器学习应该准备哪些数学预备知识?
首先,线性代数和微积分都是必要的,但是初学者容易割裂地看待它们以及机器学习,不清楚哪些线性代数&微积分的知识才是掌握机器学习数学推导的关键。一样,我也走过并继续在走很多弯路,就说说我的感受吧,大家一起探讨探讨。 1 理解矩阵变换 矩阵变换简单的说就是x->Ax,A矩阵把原空间上的向量x映射到了Ax的位置,看似简单实在是奥妙无穷。 1.1 A可以是由一组单位正交基组成,那么该矩阵变换就是基变换,简单理解就是旋转坐标轴的变换,PCA就是找了一组特殊位置的单位正交基,本质上就是基变换。 1.2 A可以是某些矩阵,
小莹莹
2018/04/19
7660
机器学习应该准备哪些数学预备知识?
LinearAlgebra_1
方程组的几何解释 linear equation row picture column picture 矩阵计算的两种方法 some questions 需要思考的其他问题 矩阵消元 回顾 主题 消元
用户1147754
2018/01/02
1K0
相关推荐
博客 | MIT—线性代数(下)
更多 >
LV.1
这个人很懒,什么都没有留下~
加入讨论
的问答专区 >
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
    查看详情【社区公告】 技术创作特训营有奖征文