A.PCA和LDA均是基于监督学习的降维方法
B.假设原始数据一共有K个类别,那么LDA所得数据的降维维度小于或等于K−1
C.LDA降维后所得到维度是与数据样本的类别个数K有关(与数据本身维度无关)
D.PCA对高维数据降维后的维数是与原始数据特征维度相关(与数据类别标签无关)
(I)用非退化线性替换化下列二次型为标准形,并利用矩阵验算所得结果:
(II)把上述二次型进一步化为规范形,分实系数、复系数两种情形;并写出所作的非退化线性替换。
V是n维复线性空间,是V上线性变换,证明:的若尔当标准形矩阵中若尔当块的数目等于V中的线性无关的特征向量的最大数目。
设ε1,ε2,ε3,ε4是四维线性空间V的一组基,线性变换在这组基下的矩阵为
1)求在基
下的矩阵;
2)求的特征值与特征向量;
3)求一可逆矩阵T,使T-1AT成对角形。
设A是s×n矩阵,γ是非齐次线性方程组Ax=b的特解,η1,η2,…,ηn-r是Ax=0的基础解系。记证明:
(1)线性无关;
(2)Ax=b的任意解都可以写成的线性组合。