关于 工程中常用的矩阵理论 的那点小事
2013-09-07 21:11
323 查看
一、正交变换
正交变换是保持图形形状和大小不变的几何变换,包含旋转,平移,轴对称及上述变换的复合。二、期望、方差、协方差
在二维随机变量(X,Y)中,1、期望EX 和EY分别反映了X,Y各自的总体平均值。
2、方差DX和DY反映了总体相对于平均值的稳定程度。
3、协方差则表示了X与Y之间的相互关系。方差是协方差的一个特殊情况,当两个变量是相同的情况的协方差就是方差。
给出协方差的数学公式:COV(X,Y)=E[(X-E(X))(Y-E(Y))]
具体的:(1)如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值。
(2)如果两个变量的变化趋势相反,即其中一个大于自身的期望值,另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。
(3)协方差==0,表示X与Y之间不存在线性关系。协方差==0的两个变量之间是不相关的。
讨论XY独不独立,就是讨论XY之间是否存在任何一种关系,线性关系是独不独立范畴之内的一个因素。如果X与Y是独立的,则协方差是0(他们之间没任何关系,显然就没有线性关系了);反过来,如果协方差==0,则X与Y不一定独立,因为协方差只表示X与Y的线性关系,协方差==0,表示X与Y之间不存在线性关系。
三、特征值、特征向量
1、特征值:设A为n阶矩阵,若存在常数λ及非零的n维向量x,使得
Ax=λx,
则称λ是矩阵A的特征值,x是A属于特征值λ的特征向量。
解释:
特征向量x经过A变换后,变换的结果仅仅是将向量在尺度上改变为原来的 λ 倍,
2、特征向量
特征向量经过A变换后,得到的新向量与原来的旧向量仍然维持在一条直线上(大小有可能会改变),这样的向量叫做变换A的特征向量
如图,在蒙娜丽莎的图像中有3个向量 红、橙、黄。
经过左右翻转后,红色向量长度和方向(确切的说反转前后新旧向量都维持在一条直线上)都没变,他的特征值是1.
黄色向量,他的大小没变,方向刚好倒转,所以他的特征值是1
橙色向量变换后,新旧向量不能维持在一条直线上,所以不是反转变换的特征向量
四、基向量
1、空间内任意的向量都可以由这组向量表示,则这组向量就是基向量。(基向量间是线性无关的)五、协方差矩阵
1、协方差矩阵是一个矩阵,元素 Aij 表示向量Xi 与向量Xj之间的协方差。2、协方差矩阵的巨大作用:(1)通过观察协方差分对角线元素的值可以知道向量之间的相关性 (2)由协方差矩阵的特征向量构成的矩阵A,是一个特别有用的变换矩阵,该矩阵可以去掉向量之间的相关性
六、标准差
1、标准差是方差的算术平方值,标准差可以用来描述数据集的离散程度(各个数据偏离平均数距离的平均值)相关文章推荐
- 矩阵、优化理论常用记号
- 关于矩阵的常用Matlab操作
- 关于maven导入工程和创建工程的常用配置
- 关于Android Studio导入工程卡在Building Gradle上
- webdriver 关于元素的常用操作 python版本
- RecyclerView关于notifyItemRemoved的那点小事
- 关于变量以及常用的逻辑运算符
- mongoDB的读书笔记(via3.0)(05)_【Sharding】(03)_关于Shard Keys与Hash的理论知识小絮叨
- 关于程序常用功能小技巧 - 日志
- 关于linux中FTP的两种传输模式及常用的命令
- 关于图的常用算法——Dijkstra单源最短路径、Floyd多源最短路径、Prim和Kruskal最小生成树算法
- 关于js注册事件的常用方法
- 关于mysql 简单的查询语句 以及常用函数的 总结
- 关于iOS开发者常用的一些工具
- 关于 Android Studio 2.x 工程占用空间大的一个解决方法
- 关于C,看过的一些书 (转自电子工程专辑catch2000)
- 关于cookie 的常用方法
- 关于XCode5打开工程闪退的一种解决方案
- 理论、常用权限命令
- 关于eclipse如何将已有的工程导入