@pearl3344
2018-04-25T04:23:19.000000Z
字数 2146
阅读 866
特征值分解
奇异值分解
行列式
积分
参考:
neural network for pattern recognition, bishop 1995
矩阵 ,
n个特征值 ,
n个特征(列)向量
A的特征值是,则 的特征值是 。
A的特征值是,则 的特征值是 。
特征向量的长度不确定,将其固定为1:
对称矩阵A的特征值分解,还可以取到一组正交的特征向量: (如果k=j则为1否则为0)
长度为1 且正交的一组特征向量 可以作为空间的基,任意向量可以线性表示为
将特征向量写成矩阵,每一列是一个特征向量
。
倒置的行列式值不变
矩阵的行列式值等于特征值乘积
方块儿矩阵的乘积的行列式可以分开
Jacobian矩阵: 向量对向量的一阶导,
指数定积分
积分换元:
单个变量的高斯积分
解:
,
,
得解。
多个变量的联合高斯积分