机器学习|数学基础Mathematics for Machine Learning系列之线性代数(19):二次型及其标准形
Posted 海轰Pro
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习|数学基础Mathematics for Machine Learning系列之线性代数(19):二次型及其标准形相关的知识,希望对你有一定的参考价值。
前言
Hello!小伙伴!
非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~
自我介绍 ଘ(੭ˊᵕˋ)੭
昵称:海轰
标签:程序猿|C++选手|学生
简介:因C语言结识编程,随后转入计算机专业,有幸拿过一些国奖、省奖…已保研。目前正在学习C++/Linux/Python
学习经验:扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语!
机器学习小白阶段
文章仅作为自己的学习笔记 用于知识体系建立以及复习
知其然 知其所以然!
往期文章
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(1):二阶与三阶行列式、全排列及其逆序数
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(2):n阶行列式、对换
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(3):行列式的性质
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(4):行列式按行(列)展开
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(5):克拉默法则
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(6):矩阵的运算
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(7):逆矩阵
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(8):矩阵的初等变换
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(9):矩阵的秩、线性方程组的解
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(10):向量组及其线性组合
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(11):向量组的线性相关性
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(12):向量组的秩
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(13):线性方程组的解的结构
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(14):向量空间
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(15):向量的内积、长度及正交性
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(16):方阵的特征值与特征向量
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(17):相似矩阵
【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(18):对称矩阵的对角化
5.5 二次型及其标准形
定义8:二次型
含有 n n n个变量 x 1 , x 2 , . . . , x n x_1,x_2,...,x_n x1,x2,...,xn的二次齐次函数
f ( x 1 , x 2 , . . . , x n ) = a 11 x 1 2 + a 22 x 2 2 + . . . . + a n n x n 2 + 2 a 12 x 1 x 2 + 2 a 13 x 1 x 3 + . . . . + 2 a n − 1 , n x n − 1 x n f(x_1,x_2,...,x_n)=a_{11}x_1^2+a_{22}x_2^2+....+a_{nn}x_n^2+2a_{12}x_1x_2+2a_{13}x_1x_3+....+2a_{n-1,n}x_{n-1}x_n f(x1,x2,...,xn)=a11x12+a22x22+....+annxn2+2a12x1x2+2a13x1x3+....+2an−1,nxn−1xn
称为二次型
f f f中的每一项的次数都是2称为二次齐次函数 比如 x 1 2 , x 1 x 2 . . . . x_1^2,x_1x_2.... x12,x1x2....
取 a j i = a i j a_{ji}=a_{ij} aji=aij,则有
2 a i j x i x j = a i j x i x j + a j i x j x i 2a_{ij}x_ix_j=a_{ij}x_ix_j+a_{ji}x_jx_i 2aijxixj=aijxixj+ajixjxi
所以
f = a 11 x 1 2 + a 12 x 1 x 2 + . . . + a 1 n x 1 x n + a 21 x 2 x 1 + a 22 x 2 2 + . . . + a 2 n x 2 x n + . . . + a n 1 x n x 1 + a n 2 x n x 2 + . . . . + a n n x n 2 = ∑ i , j = 1 n a i j x i x j f=a_{11}x_1^2+a_{12}x_1x_2+...+a_{1n}x_1x_n+a_{21}x_2x_1+a_{22}x_2^2+...+a_{2n}x_2x_n+...+a_{n1}x_nx_1+a_{n2}x_nx_2+....+a_{nn}x_n^2=\\sum^n_{i,j=1}a_{ij}x_ix_j f=a11x12+a12x1x2+...+a1nx1xn+a21x2x1+a22x22+...+a2nx2xn+...+an1xnx1+an2xnx2+....+annxn2=i,j=1∑naijx机器学习|数学基础Mathematics for Machine Learning系列之图论:树及其性质
机器学习|数学基础Mathematics for Machine Learning系列之图论:树及其性质
机器学习|数学基础Mathematics for Machine Learning系列之图论(10):匹配基本定理
机器学习|数学基础Mathematics for Machine Learning系列之图论(10):匹配基本定理
机器学习|数学基础Mathematics for Machine Learning系列之图论(10):匹配基本定理
机器学习|数学基础Mathematics for Machine Learning系列之矩阵理论(16):向量和矩阵的极限