第二章基础知识回顾.pptVIP

第 二 章 应用多元分析预备知识回顾 §1 矩阵代数---线性代数§2随机向量（变量）---概率论 §1 矩阵代数 ---线性代数基本内容简单复习 1）矩阵基础知识 2）向量、特征向量、特征值 3）正定矩阵和非负定矩阵 1.矩阵的定义以及计算: 矩阵的定义： n*m阶矩阵、零矩阵、n阶方阵（对角线元素、非对角线元素）、列向量、行向量、 对角阵、单位矩阵、转置矩阵、对称矩阵、三角阵、上三角阵、下三角阵 矩阵运算： 矩阵的加法、常数与矩阵的积、矩阵的乘法、 矩阵的运算规律 矩阵的行列式： 行列式的定义，行列式的性质 逆矩阵 定义、矩阵可逆的充要条件、逆矩阵的性质 矩阵的迹、矩阵的秩：定义、性质 正交矩阵与正交变换 正交矩阵定义、性质；正交变换 分块矩阵 分块矩阵定义、利用分块矩阵求逆 ２.矩阵的加法 ３.矩阵的数乘 ４.矩阵的乘法 ５.矩阵的转置 小结：矩阵运算的性质 矩阵转置的性质 矩阵运算的性质： (A+B)’= A’+ B’ (AB)’= B’ A’ C(A+B)=CA+CB CA=AC? 其他定义（Ｐ４） ： 正交矩阵:AA’= I 单位向量 幂等矩阵:A2=A 投影矩阵:对称的幂等矩阵 分块矩阵 ６.对称矩阵 ７.单位矩阵 ８.互逆矩阵：AB=I 二阶逆矩阵的计算公式 逆矩阵计算公式的具体应用 矩阵的逆基本性质 １．退化方阵︱A ︱=0，非退化方阵︱A ︱≠0 ， 逆矩阵 ２．逆矩阵的基本性质： AA-1= A-1A =I (A’) -1= (A-1) ’ (AB)-1 = B-1A-1 ︱ A-1 ︱= ︱A ︱-1 ３．逆矩阵的求法：公式法，初等变化法 ４.如果方阵的行列式等于0，则该方阵无逆矩阵. 如果方阵的行列式等于0，则称该方阵为奇异矩阵；否则，为非奇异矩阵. 如果A的逆矩阵等于其转置矩阵，则称矩阵A正交 ９.矩阵的秩 定义 性质： rank(A)= rank(A’) rank(AA’)= rank(A’A) 计算：初等行变化划为阶梯型 　　　根据定义计算 二.向量、特征向量、特征值 方阵的行列式 行列式的计算 行列式的性质： ︱ A’ ︱= ︱A ︱ 若A某行（列）为零，行列式为零；行列式某行（列）对应元素为比例，行列式为零。 三角矩阵行列式的值为对角线元素乘积 ︱ AB︱= ︱A ︱ ︱B ︱ ５.特征值、特征向量的定义 特征值和特征向量的基本性质 A与A’,AB与BA有相同的非零的特征值。 Ａ的特征值已知，求kA（kb）,A的逆(1/b)，I+A(1+b)的特征值． 行列式和特征值的关系:行列式等于特征值的乘积 谱分解： A＝T∧T’ 方阵的迹:对角线元素之和。 性质： tr(AB)=tr(BA) tr(A)=tr(A ’) tr(A+B)=tr(A)+ tr(B) 方阵的迹等于特征值之和。 三、正定矩阵和非负定矩阵 （1）正定矩阵定义 （2）非负定矩阵定义 （3）特征值的极值问题 定理一（基本定理） 定理二：在判别分析，主成分分析，因子分析等内容用 定理三：柯西－许瓦茨不等式 §2随机向量（变量） ---概率与数理统计论有关内容简单回顾 1）随机变量的一元分布 2）参数估计 3）假设检验 4）样本方差（协方差）与相关系数 5）变量的标准化  总体与样本 ◆总体： 所有调查研究的事物或现象的全体叫总体。反映总体数量特征的是总体统计指标，如总体均值，总体方差等。总体可划分为有限总体和无限总体。 ◆样本： 在总体中抽取出来的一部分个体的集合称为样本。反映样本数量特征的指标称为样本指标，如样本均值、样本方差等，样本指标的用途在于推断总体指标。 ◆随机变量: 表示随机现象（在一定条件下，并不总是出现相同结果的现象称为随机现象）各种结果的变量（一切可能的样本点）。 一.随机变量的一元分布 １.随机变量与概率分布函数 （１）随机变量的特点：取值的随机性，取值的统计规律性 ２.概率分布的类型 （1）离散型随机变量的分布函数定义与性质 （2）连续型随机变量的分布函数定义与性质 ３.随机变量的数学期望（均值）与方差 离散型随机变量数学期望与方差的定义 连续型随机变量数学期望与方差的定义 数学期望的性质 方差的性质 ４.几种重要的分布 离散型变量： （１）二项分布：分布列，期望，方差 （２）超几何分布：分布列，期望，方差 （３）泊松分布：分布列，期望，方差 连续型变量 （１）正态分布：概率密度，标准正态分布，正态分布的性质。 （２）卡方分布：定义（Ｐ３１） （３）学生分布：定义（Ｐ３１）