线性代数
- 内积
[x1x2⋯xn]⎣⎢⎢⎢⎡y1y2⋮yn⎦⎥⎥⎥⎤=i=1∑nxiyi
- 相似矩阵
两个n阶方阵A和B为相似矩阵,当且仅当存在一个n阶可逆矩阵P使得:
P−1AP=B
方阵P称为A和B之间的相似变换矩阵,方阵A相似B记做:A~B
- Jordan标准型
对任意一n阶矩阵A,必存在n阶可逆矩阵P,使得:
P−1AP=⎣⎢⎢⎡J1J2⋱Jn⎦⎥⎥⎤=J,其中每一个对角块都是Jordan块:
Ji=⎣⎢⎢⎢⎢⎡λi1λi1λi⋱⋱1λi⎦⎥⎥⎥⎥⎤
,对角线上同为
λi,
λi的上面都有一个1,其余元素都是0
- 相似对角化
矩阵
An∗n可相似对角化的条件为A有n个线性无关的特征向量;可以理解为每一个特征值的几何重数等于代数重数
- 矩阵的等价、相似与合同
矩阵等价:如果两个矩阵满足QAP=B,其中Q与P都为可逆矩阵则A与B等价
矩阵相似:
P−1AP=B,则A与B相似
矩阵合同:若存在可逆矩阵C,使得
CTAC=B则称方阵A与B合同,记做A=B
- 二次型
n阶实对称阵A的二次型定义为
f=xTAx
对称阵A叫做二次型
f的矩阵,
f叫做对称阵的二次型
给定一个二次型就能唯一地确定一个对称阵;反之任给一个对称阵也能唯一确定一个二次型
- 正定、半正定矩阵
对于n阶对称方阵A
正定矩阵:二次型
xTAx>0,
∀x̸=0
(对称方阵A所有特征值均为正数)
半正定矩阵:二次型
xTAx≥0,
∀x̸=0
(对称方阵A的所有特征值均为非负数)
- 向量的范数
x∈Rn
ι1范数
∥x∥1=j=1∑n∣xj∣
ι2范数
∥x∥2=(x12+x22+⋯+xn2)21
ι∞范数
∥x∥∞=max(∣x1∣,⋯,∣xn∣)无穷范数
- 矩阵的范数
- 谱范数:
∥A∥2=δmax=λmax
,
λmax位
ATA的最大特征值,
δmax为方阵A最大奇异值
- p范数
ιp范数
∥A∥p=x̸=0max∥x∥p∥Ax∥p
- 最小二乘法
- 目标
SSE(sum squares of error):
SSE=i=1∑m(yi−y^i)2
- 特点
最小二乘法是残差满足正态分布情况下的最大似然估计