1向量、矩阵、向量范数、矩阵范数

向量

向量内积 和 投影


内积:
1用点乘:a•b
2用转置乘:a^T b
3向量的模是范数的一种
4 wT w《=》向量自己做内积 = 自身长度(模)²,因为投影结果还是w向量本身

投影:
1 b在a上的投影 = |b|cosθ
2 内积 = 向量1在向量2上的投影 * 他的长度(模,绝对值符号);
3 由2又有:b在a上的投影 = $\frac {a^T b} {||a||}$ ★

向量外积

向量范数

  1. 向量范数的定义和性质:


齐次性:数乘以后会放大相应的倍数

  1. 1-范数、2-范数、无穷范数:

  1. 稀疏性 和 0-范数:


稀疏性用到的范数:
特殊的0-范数,他不满足齐次性;
所以需要1-范数来辅助解决;

  1. 范数的几何意义:


向量组

  1. 初始单位向两组

  1. 向量组等价

  1. 线性相关 和 线性无关
  2. 施密特正交化

    由施密特正交化生成的 正交向量组 和 之前的线性无关向量组 可以互相线性表示

矩阵

  • O矩阵
    所有元素都为0的矩阵

  • 一阶矩阵(a)
    等同于数a

  • 矩阵的内积
    内积 A·B <=> ${A^T}B$

    矩阵范数


    矩阵的范数比向量的范数多一条相容性
꧁༺The༒End༻꧂