Professional Documents
Culture Documents
Phân Tích Số Liệu: Matrix Algebra And Random Vectors
Phân Tích Số Liệu: Matrix Algebra And Random Vectors
Cả nhóm đều tham gia đóng góp vào công việc chung để tạo ra sản
phẩm cuối cùng. Cụ thể:
Nhóm trưởng Thịnh: Lập kế hoạch, phân chia công việc, làm phần bài
tập và Excel.
Thành viên Giang và Đạt: Làm phần khái niệm cơ bản của ma trận và
vectors.
Thành viên Đức: Làm phần bất đẳng thức ma trận và cực đại hóa.
Thành viên Xứng và Đông: Làm phần vectors và ma trận ngẫu nhiên;
vector trung bình mẫu và ma trận hiệp phương sai.
Đánh giá của trưởng nhóm: Cả nhóm tích cực. Do tất cả các thành
viên đều tham gia đầy đủ các buổi họp, hoàn thành công việc được
giao, đồng thời tham gia thuyết trình phần bài làm của mình.
3 Phần bổ sung
3 Phần bổ sung
3 Phần bổ sung
Vector
Định nghĩa
Định nghĩa
Vector là một mảng của n số thực x1 , x2 , . . . , xn ; thường được biểu diễn
dưới dạng :
x1
x2
h i
T
.. hoặc x = x1 , x2 , . . . , xn
x=
.
xn
Vector
Định nghĩa
Về mặt hình học, một vector gồm n phần tử được coi là một điểm
trong không gian n chiều.
Vector có các đặc tính là chiều dài và hướng.
Vector
Định nghĩa
Về mặt hình học, một vector gồm n phần tử được coi là một điểm
trong không gian n chiều.
Vector có các đặc tính là chiều dài và hướng.
" #
x
Ví dụ, Trong không gian R2 , điểm A(x1 , x2 ), xét vector x = 1 có
x2
q
hướng theo tia OA và độ dài |x| = x21 + x22
Vector
Minh họa
q
" # Lx = x21 + x22
x1 x2
x=
x2 x2
x1
p
x1 Hình: Độ dài của x = x21 + x22
0
Hình: Vector x ∈ R2
Vector
Cộng trừ
x, y là 2 vector n chiều :
x1 y1 x 1 ± y1
x2 y2 x2 ± y2
x±y = . ± . =
..
.. .. .
xn yn xn ± yn
Quy tắc đường chéo hình bình hành
Vector
Cộng trừ
x−y
−y
Hình: Phép cộng và trừ 2 vector
PHÂN TÍCH SỐ LIỆU MATRIX ALGEBRA AND RANDOM VECTORS
Khái niệm cơ bản về ma trận và vector Một vài ứng dụng của ma trận Phần bổ sung
Vector
Nhân vô hướng với một số thực
Vector
Nhân vô hướng với một số thực
Vector
Nhân vô hướng với một số thực
(cx1 , cx2 )
c>1
(y1 , y2 )
(x1 , x2 )
(cy1 , cy2 )
0<c<1
0
c<0
Vector
Phép toán giữa 2 vector
x′ y = y ′ x = x1 y1 + x2 y2 + . . . + xn yn
x′ y
cos (θ) =
Lx Ly
x × y = ⃗n|x||y|sin(θ)
⃗n trực giao với x,y, có hướng xác định theo quy tắc bàn tay phải.
Vector
Không gian vector
Vector
Không gian vector
Vector
Không gian vector
c1 x1 + c2 x2 + . . . + cn xn = 0
Vector
Không gian vector
c1 x1 + c2 x2 + . . . + cn xn = 0
3 Phần bổ sung
Ma Trận
Khái niệm
Ma trận là một mảng hình chữ nhật bao gồm các số thực
Ma trận A có m hàng, n cột với m,n ∈ N∗ :
a11 a12 ··· a1n
a21
a22 ··· a2n
Am×n =
.. .. .. ..
. . . .
am1 am2 · · · amn
Ma Trận
Khái niệm
Ma trận là một mảng hình chữ nhật bao gồm các số thực
Ma trận A có m hàng, n cột với m,n ∈ N∗ :
a11 a12 ··· a1n
a21
a22 ··· a2n
Am×n =
.. .. .. ..
. . . .
am1 am2 · · · amn
" # 1 2
1 2 3
Ví dụ: A2×3 = A3×2 = 3 4
4 5 6
5 6
Ma Trận
Ma Trận
Ma trận
Tổng hiệu ma trận
Định nghĩa
Xét 2 ma trận cùng cỡ Am×n và Bm×n . Tổng (hiệu) của 2 ma trận A,B là
một ma trận cùng cỡ Cm×n với các phần tử là tổng (hiệu) của các thành
phần tương ứng.
a11 a12 ··· a1n b11 b12 ··· b1n
a21
a22 ··· a2n
b21
b22 ··· b2n
Am×n =
.. .. .. .. Bm×n =
.. .. .. ..
. . . .
. . . .
am1 am2 · · · amn bm1 bm2 · · · bmn
Ma trận
Tổng hiệu ma trận
a11 ± b11 a12 ± b12 ··· a1n ± b1n
a21 ± b21 a22 ± b22 ··· a2n ± b2n
Cm×n = Am×n ± Bm×n = .. .. .. ..
. . . .
am1 ± bm1 am2 ± bm2 · · · amn ± bmn
Ma trận
Tổng hiệu ma trận
a11 ± b11 a12 ± b12 ··· a1n ± b1n
a21 ± b21 a22 ± b22 ··· a2n ± b2n
Cm×n = Am×n ± Bm×n = .. .. .. ..
. . . .
am1 ± bm1 am2 ± bm2 · · · amn ± bmn
Ví dụ: " # " #
1 2 3 −3 1 4
A2×3 = B2×3 =
2 3 4 −2 1 5
" # " #
1−3 2+1 3+4 −2 3 7
C =A+B = =
2−2 3+1 4+5 0 4 9
Ma trận
Tích hai ma trận
Định nghĩa
-Trong toán học, phép nhân ma trận là phép toán tạo ra ma trận từ hai
ma trận cho trước.
Ma trận
Tích hai ma trận
Định nghĩa
-Trong toán học, phép nhân ma trận là phép toán tạo ra ma trận từ hai
ma trận cho trước.
-Để nhân ma trận, số lượng cột trong ma trận thứ nhất phải bằng số
lượng hàng trong ma trận thứ hai.
Ma trận
Tích hai ma trận
Định nghĩa
-Trong toán học, phép nhân ma trận là phép toán tạo ra ma trận từ hai
ma trận cho trước.
-Để nhân ma trận, số lượng cột trong ma trận thứ nhất phải bằng số
lượng hàng trong ma trận thứ hai.
-Ma trận kết quả, được gọi là tích ma trận, có số lượng hàng của ma trận
đầu tiên và số cột của ma trận thứ hai.
Ma trận
Tích hai ma trận
Ma trận
Tích hai ma trận
" # 1 2
1 2 3
Ví dụ 1: A2×3 = , B3×2 = 3 4
4 5 6
5 6
" #
22 28
⇒ C2×2 = A2×3 × B3×2 =
49 64
Ma trận
Tích hai ma trận
" # 1 2
1 2 3
Ví dụ 1: A2×3 = , B3×2 = 3 4
4 5 6
5 6
" #
22 28
⇒ C2×2 = A2×3 × B3×2 =
49 64
1 2 3 2 4 3
Ví dụ 2: A3×3 = 2 1 −2 , B3×3 = 0 1 5
4 5 1 2 3 1
8 15 16
⇒ C3×3 = A3×3 × B3×3 =0 3 9
10 24 38
Ma trận
Trị riêng và vector riêng
Định nghĩa
Cho A là ma trận vuông cấp n, ta gọi một số λ ∈ R là giá trị riêng của A
nếu tồn tại một vector u sao cho Au = λu.
Khi đó u được gọi là vector riêng của ma trận A
Ma trận
Trị riêng và vector riêng
Định nghĩa
Cho A là ma trận vuông cấp n, ta gọi một số λ ∈ R là giá trị riêng của A
nếu tồn tại một vector u sao cho Au = λu.
Khi đó u được gọi là vector riêng của ma trận A
" #
−1 3
Ví dụ: A =
−2 4
" # " # " # " #
−1 3 3 3 3
Dễ thấy: × =1× nên x = là vector riêng của ma
−2 4 2 2 2
trận và λ = 1 là giá trị riêng tương ứng.
Ma trận đơn vị
Ma trận đơn vị In là ma trận có kích thước n × n, trong đó mọi phần tử
trên đường chéo chính bằng 1 và tất cả phần tử khác đều bằng 0.
Ma trận đơn vị
Ma trận đơn vị In là ma trận có kích thước n × n, trong đó mọi phần tử
trên đường chéo chính bằng 1 và tất cả phần tử khác đều bằng 0.
1 0 0
Ví dụ: I = 0 1 0
0 0 1
Nhận xét: Ma trận đơn vị là ma trận đối xứng.
Ma trận đơn vị
Ma trận đơn vị In là ma trận có kích thước n × n, trong đó mọi phần tử
trên đường chéo chính bằng 1 và tất cả phần tử khác đều bằng 0.
1 0 0
Ví dụ: I = 0 1 0
0 0 1
Nhận xét: Ma trận đơn vị là ma trận đối xứng.
Ma trận nghịch đảo
Cho ma trận vuông A, giả sử tồn tại duy nhất ma trận vuông cùng cấp B
sao cho AB = BA = I với I là ma trận đơn vị, thì ta nói B là ma trận
nghịch đảo của ma trậnA.
Ký hiệu: B = A−1
AT = A−1
Cho A là ma trận đối xứng xác định dương cấp k. Theo tính chất A có
k trị riêng dương phân biệt λ1 , λ2 , . . . λk . Ta có khai triển phổ của A:
k
X
A = P ΛP T = λi ei eTi
i=1
Tính chất:
1. A1/2 A1/2 = A
2. A1/2 = (A1/2 )T
Pk
3. (A1/2 )−1 = i=1
√1 ei eT
λi i = P Λ−1/2 P T khi Λ−1/2 là một ma trận
chéo với √1 là một phần tử trên đường chéo
λi
3 Phần bổ sung
Lý thuyết đồ thị
Ma trận kề của một đồ thị hữu hạn biểu diễn hai đỉnh bất kì có được nối
với nhau bằng cạnh của đồ thị hay không. Ma trận chỉ chứa các giá trị 0
hoặc 1 biểu thị có hoặc không.
Ví dụ: đồ thị vô hướng có 4 đỉnh với ma trận kề biểu diễn như sau:
0 1 0 1
1 0 1 1
0 1 0 0
1 1 0 0
Lý thuyết đồ thị
Ma trận kề của một đồ thị hữu hạn biểu diễn hai đỉnh bất kì có được nối
với nhau bằng cạnh của đồ thị hay không. Ma trận chỉ chứa các giá trị 0
hoặc 1 biểu thị có hoặc không.
Ví dụ: đồ thị vô hướng có 4 đỉnh với ma trận kề biểu diễn như sau:
0 1 0 1
1 0 1 1
0 1 0 0
1 1 0 0
Ma trận trọng số của đồ thị có trọng số, tương tự như ma trận kề, thay 0
hoặc 1 bằng các trọng số của ma trận
Kỹ thuật xử lý ảnh có thế áp dụng bằng các phép toán của ma trận.
3 Phần bổ sung
Vectors
Quá trình Gram - Schmidt
Các khái niêm cơ bản về vectors, cộng và nhân vectors ta sẽ trình bày
ở các chương trước.( Definition 2A.1 - 2A.10 )
Ta sẽ trình bày về quá trình Gram - Schmidt. ( Definition 2A.11)
Định lý
Cho V là một không gian vectơ có tích vô hướng, S = {u1 , u2 , . . . , un } là
một họ vectơ độc lập tuyến tính của V . Ta có thể thay S bởi họ trực
chuẩn S ′ = {v1 , v2 , . . . , vn }, sao cho span
{u1 , u2 , . . . , uk } = span {v1 , v2 , . . . , vk } với moi k = 1, 2, . . . , n
Vectors
Quá trình Gram - Schmidt
u1
Bước 1: Đặt v1 = ∥u1 ∥
Bước 2: Đặt v2 = u2 + tv1 sao cho < v2 , v1 >= 0 tức là
t = − < u2 , v1 >. Sau đó chọn v2 = ∥vv22 | .
Vectors
Quá trình Gram - Schmidt
u1
Bước 1: Đặt v1 = ∥u1 ∥
Bước 2: Đặt v2 = u2 + tv1 sao cho < v2 , v1 >= 0 tức là
t = − < u2 , v1 >. Sau đó chọn v2 = ∥vv22 | .
Giả sử sau k − 1 bước ta đã xây dựng được họ trực chuẩn
′
Sk−1 = {v1 , v2 , . . . , vk−1 } sao cho span
{u1 , u2 , . . . , uk−1 } = span {v1 , v2 , . . . , vk−1 } . Ta thực hiện đến bước
thứ k sau:
Bước k: Đặt vk = uk + t1 v1 + . . . + tk−1 vk−1 sao cho
< vk , vj >= 0, j = 1, 2, . . . , k − 1. Tức là ta có
vk
tj = − < uk , vj >, j = 1, 2, . . . , k − 1. Sau đó chọn vk = ∥v̄k | . Tiếp
tục thực hiện đến khi k = n ta thu được hệ trực chuẩn
S ′ = {v1 , v2 , . . . , vn }
Vectors
Quá trình Gram - Schmidt
u1
Bước 1: Đặt v1 = ∥u1 ∥
Bước 2: Đặt v2 = u2 + tv1 sao cho < v2 , v1 >= 0 tức là
t = − < u2 , v1 >. Sau đó chọn v2 = ∥vv22 | .
Giả sử sau k − 1 bước ta đã xây dựng được họ trực chuẩn
′
Sk−1 = {v1 , v2 , . . . , vk−1 } sao cho span
{u1 , u2 , . . . , uk−1 } = span {v1 , v2 , . . . , vk−1 } . Ta thực hiện đến bước
thứ k sau:
Bước k: Đặt vk = uk + t1 v1 + . . . + tk−1 vk−1 sao cho
< vk , vj >= 0, j = 1, 2, . . . , k − 1. Tức là ta có
vk
tj = − < uk , vj >, j = 1, 2, . . . , k − 1. Sau đó chọn vk = ∥v̄k | . Tiếp
tục thực hiện đến khi k = n ta thu được hệ trực chuẩn
S ′ = {v1 , v2 , . . . , vn }
Ví dụ:
PHÂN TÍCH SỐ LIỆU MATRIX ALGEBRA AND RANDOM VECTORS
Khái niệm cơ bản về ma trận và vector Một vài ứng dụng của ma trận Phần bổ sung
Ma trận
4 không gian con cơ bản
Các khái niệm cơ bản về ma trận ta đã trình bày khá đầy đủ ở các
chương trước. ( Definition 2A.13 - 2A.24 )
Luôn có thể coi ma trận như một toán tử tuyến tính và ngược lại. Từ
đó ta có các định nghĩa sau:
Ma trận
Ma trận
Phân rã ma trận
Phân ra phổ
Ma trận vuông thực A đối xứng phân rã được thành ba ma trận đặc biệt:
A = P −1 ΛP
Ma trận
Phân rã ma trận
Phân ra phổ
Ma trận vuông thực A đối xứng phân rã được thành ba ma trận đặc biệt:
A = P −1 ΛP
Phân rã kỳ dị
Mọi ma trận thực A đều phân rã được thành ba ma trận đặc biệt:
A = U ΣV T
Ma trận
Phân rã ma trận
Ma trận
Phân rã ma trận
Về mặt hình học, khai triển kỳ dị của ma trận sẽ lần lượt trải qua:
phép xoay (rotation), phép nới rộng (scaling) và phép xoay ở cuối
cùng.
Nếu coi các dòng của ma trận A là các điểm dữ liệu và các chiều dữ
liệu là các cột. Khi đó:
Nhân các điểm dữ liệu với ma trận trực giao V T chính là việc ta thực
hiện một phép xoay và phép xoay này không làm thay đổi tích vô
hướng của các vector.
Phép nhân với ma trận đường chéo Σ sẽ làm co dãn độ lớn các chiều
theo giá trị của các trị riêng trên đường chéo chính.
Và cuối cùng, phép nhân với ma trận trực giao U lại thực hiện phép
xoay lần nữa.
Các quá trình trên có thể được mô tả như sau:
Ma trận
Phân rã ma trận
Ma trận
Phân rã ma trận
Một biểu diễn SVDs tương đương khác của A dưới dạng tổng của các
ma trận rank 1:
A = σ1 u1 v1T + σ2 u2 v2T + . . . + σr ur vrT
Với r = rank(A)
Trong cách biểu diễn này, ma trận A chỉ phụ thuộc vào r cột đầu tiên
của U , V và r giá trị khác 0 trên đường chéo chính của ma trận Σ.
Nếu A có rank nhỏ hơn rất nhiều so với số hàng và số cột r ≪ m, n
ta sẽ được lợi về mặt lưu trữ.
Ma trận
Phân rã ma trận
Ma trận
Phân rã ma trận
Trong ma trận Σ, các giá trị trên đường chéo chính không âm và
giảm dần σ1 ≥ σ2 ≥ · · · ≥ σr ≥ 0 = 0 = . . . = 0. Thông thường,
chỉ một lượng nhỏ các giá trị σi mang giá trị lớn, các giá trị còn lại
thường nhỏ và gần 0.
Ta có thể xấp xỉ ma trận A bằng tổng của k < r ma trận có rank 1
A ≈ Ak = Uk Σk (Vk )T = σ1 u1 v1T + . . . + σk uk vkT
Định lý xấp xỉ ma trận
Sai số do cách xấp xỉ trên chính là căn bậc hai của tổng bình phương của
các singular values mà ta bỏ qua ở phần cuối của Σ
r
||A − Ak ||2F = σi2
P
i=k+1
Ma trận
Phân rã ma trận
Sai số do xấp xỉ càng nhỏ nếu phần singular values bị truncated có giá trị
càng nhỏ so với phần singular values được giữ lại. Đây là một định lý quan
trọng giúp xác định việc xấp xỉ ma trận dựa trên lượng thông tin muốn giữ
lại.
Ví dụ, nếu ta muốn giữ lại ít nhất 90% lượng thông tin trong A:
r
σj2
P
Trước hết ta tính
j=1
Pk
σ2
Sau đó chọn k nhỏ nhất sao cho: ri=1 σi2 ≥ 0.9
P
j=1 j
Bài tập
Bài tập
" #
5 12
2.5. Check that Q = 13 13 is an orthogonal matrix.?
− 12 5
" #13 13
9 −2
2.6. Let A =
−2 6
a) Is A symmetric?
b) Show that A is positive definite.
Bài tập
Find
1 Σ−1
2 The eigenvalues and eigenvectors of Σ.
3 The eigenvalues and eigenvectors of Σ−1 .
Bài tập
25 −2 4
2.25. Let X have covariance matrix Σ = −2 4 1
4 1 9
1 Determine ρ and V 1/2 .
2 Multiply your matrices to check the relation V 1/2 ρV 1/2 = Σ.
2.26. Use Σ as given in Exercise 2.25.
1 Find ρ13 .
2 Find the correlation between X1 and 21 X2 + 12 X3
Bài tập
2.41. You are given the random vector X′ = [X1 , X2 , X3 , X4 ] with mean
vector µ′X = [3, 2, −2, 0] and variance-covariance matrix
3 0 0 0
0 3 0 0
Σx =
0 0 3 0
0 0 0 3
Let
1 −1 0 0
A= 1 1 −2 0
1 1 1 −3