特征向量与矩阵分析——第一节:向量向量空间和线性相关性
Posted 我擦我擦
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了特征向量与矩阵分析——第一节:向量向量空间和线性相关性相关的知识,希望对你有一定的参考价值。
文章目录
一:标量和向量
(1)基本概念
标量:由单一数值构成的对待研究对象的量化评价,标量的定义与其代表的数据类型强相关
- 用单位
cm
的实数值表示身高 - 用取值为
0
或1
的布尔型值表示信用状况
向量:如果在标定或描述一个事物的特征时需要用到多个标量,那么它就称之为向量
- 物体的颜色是一个向量(RGB)
- 空间位置是一个向量
给定任一向量 x = [ x 1 , x 2 , . . . , x d ] x=[x_1,x_2,...,x_d] x=[x1,x2,...,xd],它包含大小与方向两类信息,只有各分量位置处取相同值时两个向量才相等
- 大小:是指所有分量的平方和的根号,也即 ∣ ∣ x ∣ ∣ = ∑ i = 1 d x i 2 ||x||=\\sqrt\\sum\\limits_i=1^dx_i^2 ∣∣x∣∣=i=1∑dxi2
- 方向:是向量不同分量之间的比值
若有集合 s = 1 , 3 , 5 s=\\1,3,5\\ s=1,3,5,则
- x s = x 1 , x 3 , x 5 x_s=\\x_1,x_3,x_5\\ xs=x1,x3,x5
- x − s = x 2 , x 4 , x 6 , . . . , x d x_-s=\\x_2,x_4,x_6,...,x_d\\ x−s=x2,x4,x6,...,xd
注意以下特殊向量
- 零向量: [ 0 , 0 , . . . , 0 ] [0,0,...,0] [0,0,...,0]
- 单位向量 e e e: [ x 1 ∣ ∣ x ∣ ∣ , x 2 ∣ ∣ x ∣ ∣ , . . . x d ∣ ∣ x ∣ ∣ ] [\\fracx_1||x||,\\fracx_2||x||,...\\fracx_d||x||] [∣∣x∣∣x1,∣∣x∣∣x2,...∣∣x∣∣xd]
- 转置 x T x^T xT: 此时行向量变列向量;列向量变行向量
(2)坐标系中的向量表示
坐标系中的向量表示:在线性代数中,向量是一个以坐标原点为起点的箭头
- 下图是二维平面直角坐标系,三维或更高维也是如此
以 ( − 2 3 ) \\beginpmatrix -2\\\\ 3\\endpmatrix (−23)为例,这一对数表示了如何从原点(向量起点)到达末端(向量终点)。每一对数给出了唯一的一个向量,而每一个向量又恰好对应唯一的一对数
- -2:表示从原点开始沿着平行于X轴的负方向移动两个单位
- 3:表示从上一位置开始沿着平行于Y轴的正方向移动两个单位
再以 ( 2 1 3 ) \\beginpmatrix 2\\\\ 1\\\\ 3\\endpmatrix ⎝⎛213⎠⎞为例
- 2:表示从原点开始沿着平行于X轴的正方向移动两个单位
- 1:表示从上一位置开始沿着平行于Y轴的正方向移动一个单位
- 3:表示从上一位置开始沿着平行于Z轴的正方向移动三个单位
二:向量运算
向量运算:即向量之间的运算,在实际问题中会经常涉及向量运算。例如:“在共同申请贷款时,银行会把双方的特征向量作为一个整体来考虑他们是否满足标准”
(1)加减与数乘
加减与数乘:对于给定向量 x 1 = [ g 1 , h 1 , r 1 ] x_1=[g_1, h_1, r_1] x1=[g1,h1,r1]和 x 2 = [ g 2 , h 2 , r 2 ] x_2=[g_2, h_2, r_2] x2=[g2,h2,r2],则
- 加减: x 1 + x 2 = [ g 1 + g 2 , h 1 + h 2 , r 1 + r 2 ] x_1+x_2=[g_1+g_2, h_1+h_2, r_1+r_2] x1+x2=[g1+g2,h1+h2,r1+r2]
- 数乘: 2 x 1 = [ 2 g 1 , 2 h 1 , 2 r 1 ] 2x_1=[2g_1, 2h_1, 2r_1] 2x1=[2g1,2h1,2r1]
向量加法举例: ( 1 2 ) \\beginpmatrix 1\\\\ 2\\endpmatrix (12)+ ( 3 − 1 ) \\beginpmatrix 3\\\\ -1\\endpmatrix (3−1)= ( 4 1 ) \\beginpmatrix 4\\\\ 1\\endpmatrix (41)
首先 ( 1 2 ) \\beginpmatrix 1\\\\ 2\\endpmatrix (12)和 ( 3 − 1 ) \\beginpmatrix 3\\\\ -1\\endpmatrix (3−1)这两个向量在坐标系中表示如下
移动第二个向量,使其起点对齐至第一个向量的末尾,然后连线
为什么向量加法要这样操作呢?其实向量从某种方面来讲,揭示的是一种运动趋势,自然就有方向和距离,所以大家可以看到向量的和其实就是最终的运动趋势。体现在运算上,就是各个分量对应相加
向量数乘举例:2·以上是关于特征向量与矩阵分析——第一节:向量向量空间和线性相关性的主要内容,如果未能解决你的问题,请参考以下文章