Matrix

1. 行列式determinant

  • 代数意义:
  • 几何意义:n维上的体积。 The determinant gives the signed n-dimensional volume of this parallelotope. e.g.(from wiki): , . . The volume of the purple area is:
  • 负的行列式意味着将面积/体积反转过来(想象一张平行四边形纸片正面的面积为正,反面的面积为负) 图片来自维基

2. 特征值和特征向量eigen value and eigen vector

  • 参考知乎
  • 假设有矩阵。由可以求出其特征值为
  • 可解出,可见其为一系列向量,均指向同一方向。同样,对于,其对应的特征向量为
  • 也就是将矩阵所对应的旋转,拉伸,错切(二维空间上,二阶矩阵不能实现平移,三阶才可以)应用在特征向量上时,其作用与这个向量乘以对应的特征值相同,即只实现了拉伸。(特征向量和新的/映射后空间中的单位向量是什么关系呢?)
    旧坐标系中的被映射到了;旧坐标系中的被映射到了 新的坐标系中的为旧坐标系中的;新的坐标系中的为旧坐标系中的
  • 在利用进行旋转拉伸的过程中,特征向量所在的直线没有发生任何旋转,其他从原点发出的向量(不考虑平移)都因为投影发生了旋转。下面两个图表现了用进行变换后的效果。黑色箭头的起点和原点的连线为一个向量,箭头表示了在与相乘之后是如何变化的(与原向量的差的方向,箭头的长度经过了归一化,所以在这里比实际的短)。右侧的梯度图表示变换后的向量长度变化的系数()。可以看到所有向量都朝着同一个方向(正负)旋转,其中一个特征向量对应的是这个方向(绿线),另一个特征向量是与其两侧的方向(红线,此例中不正交)。同时对于两个方向,每个方向上向量的模的变化比例是相同的 (用绿线和红线标出),和特征值的绝对值相同,是在曲面上的两条直线。(如果一个以z轴为转动轴的平面扫过,与曲面相交的结果是怎样?)
  • ,对。均不再满秩(同样, 行列式变为0)。特征值与单位矩阵相乘可以帮助去掉组成矩阵中的一组基,使其不再满秩。
  • 特征值相当于把矩阵所有在原本的基上的拉伸提取了出来,(和相应的旋转/翻转(特征向量)作用之后就可以回复出原矩阵?但是特征向量组成的矩阵秩不为1,说明不是单纯的旋转一类的运动?)。(虚数特征值呢?如何理解旋转?知乎
  • 如果矩阵是呢?(MIT OCW
  • 行列式为特征值之积,迹trace为特征值之和
  • ,可得,故有
  • 与SVD的区别:特征值不一定正交,SVD要找到正交基

3. 齐次多项式,二次型与正定

  • 二次型:n个变量上的二次齐次多项式(每一项均为二次,),设法将其变换成标准型(只含平方项)

    • 几何意义:抛物线,抛物面,etc. (方便寻找极值点,从而变为最优化问题)
  • 正定:,对,都有),则为正定二次型,是正定的。 若,则是半正定的。

  • 多维高斯分布的协方差矩阵是半正定矩阵。 特例:个高斯分布均独立不相关

  • , 其中 ,协方差矩阵

  • 对称矩阵的二次型求导

矩阵求导

4. Jacobian and Hessian雅可比和海森矩阵

  • Jacobian:一阶偏导
    • For a multi-link arm, , where , the vector of input of joints ( or ).
  • Hessain:二阶偏导,用于多元函数极值的判定

5. 合同变换

  • 待整理12