核函式匯出的核矩陣性質的證明
定理中說核矩陣是半正定且對稱的。我們先證其對稱性:
(
κ
(
x
1
,
x
1
)
κ
(
x
1
,
x
2
)
κ
(
x
1
,
x
3
)
⋯
κ
(
x
1
,
x
n
)
κ
(
x
2
,
x
1
)
κ
(
x
2
,
x
2
)
κ
(
x
2
,
x
3
)
⋯
κ
(
x
2
,
x
n
)
⋮
⋮
⋮
⋱
⋮
κ
(
x
n
,
x
1
)
κ
(
x
n
,
x
2
)
κ
(
x
n
,
x
3
)
⋯
κ
(
x
n
,
x
n
)
)
\begin{pmatrix} \kappa(x_1,x_1) & \kappa(x_1,x_2) & \kappa(x_1,x_3) & \cdots & \kappa(x_1,x_n) \\ \kappa(x_2,x_1) & \kappa(x_2,x_2) & \kappa(x_2,x_3) & \cdots & \kappa(x_2,x_n) \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ \kappa(x_n,x_1) & \kappa(x_n,x_2) & \kappa(x_n,x_3) & \cdots & \kappa(x_n,x_n) \\ \end{pmatrix}
⎝⎜⎜⎜⎛κ(x1,x1)κ(x2,x1)⋮κ(xn,x1)κ(x1,x2)κ(x2,x2)⋮κ(xn,x2)κ(x1,x3)κ(x2,x3)⋮κ(xn,x3)⋯⋯⋱⋯κ(x1,xn)κ(x2,xn)⋮κ(xn,xn)⎠⎟⎟⎟⎞將
κ
(
x
i
,
x
j
)
\kappa(x_i,x_j)
κ(xi,xj)按定義展開得到
κ
(
x
i
,
x
j
)
=
ϕ
(
x
i
)
T
ϕ
(
x
j
)
\kappa(x_i,x_j)=\phi(x_i)^T\phi(x_j)
κ(xi,xj)=ϕ(xi)Tϕ(xj)由於
κ
(
x
i
,
x
j
)
\kappa(x_i,x_j)
κ(xi,xj)是一個
1
×
1
1\times1
1×1的矩陣(或者理解成一個數),取轉置得到
κ
(
x
i
,
x
j
)
=
κ
(
x
i
,
x
j
)
T
=
ϕ
(
x
j
)
T
ϕ
(
x
i
)
=
κ
(
x
j
,
x
i
)
\kappa(x_i,x_j)=\kappa(x_i,x_j)^T=\phi(x_j)^T\phi(x_i)=\kappa(x_j,x_i)
κ(xi,xj)=κ(xi,xj)T=ϕ(xj)Tϕ(xi)=κ(xj,xi)即證明了核矩陣的對稱性,下證其半正定性:
將按照定義展開的
κ
(
x
i
,
x
j
)
\kappa(x_i,x_j)
κ(xi,xj)帶入核矩陣中
(
ϕ
(
x
1
)
T
ϕ
(
x
1
)
ϕ
(
x
1
)
T
ϕ
(
x
2
)
ϕ
(
x
1
)
T
ϕ
(
x
3
)
⋯
ϕ
(
x
1
)
T
ϕ
(
x
n
)
ϕ
(
x
2
)
T
ϕ
(
x
1
)
ϕ
(
x
2
)
T
ϕ
(
x
2
)
ϕ
(
x
3
)
T
ϕ
(
x
2
)
⋯
ϕ
(
x
2
)
T
ϕ
(
x
n
)
⋮
⋮
⋮
⋱
⋮
ϕ
(
x
n
)
T
ϕ
(
x
1
)
ϕ
(
x
n
)
T
ϕ
(
x
2
)
ϕ
(
x
n
)
T
ϕ
(
x
3
)
⋯
ϕ
(
x
n
)
T
ϕ
(
x
n
)
)
\begin{pmatrix} \phi(x_1)^T\phi(x_1) & \phi(x_1)^T\phi(x_2) & \phi(x_1)^T\phi(x_3) & \cdots & \phi(x_1)^T\phi(x_n) \\ \phi(x_2)^T\phi(x_1) & \phi(x_2)^T\phi(x_2) & \phi(x_3)^T\phi(x_2) & \cdots & \phi(x_2)^T\phi(x_n) \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ \phi(x_n)^T\phi(x_1) & \phi(x_n)^T\phi(x_2) & \phi(x_n)^T\phi(x_3) & \cdots & \phi(x_n)^T\phi(x_n) \\ \end{pmatrix}
⎝⎜⎜⎜⎛ϕ(x1)Tϕ(x1)ϕ(x2)Tϕ(x1)⋮ϕ(xn)Tϕ(x1)ϕ(x1)Tϕ(x2)ϕ(x2)Tϕ(x2)⋮ϕ(xn)Tϕ(x2)ϕ(x1)Tϕ(x3)ϕ(x3)Tϕ(x2)⋮ϕ(xn)Tϕ(x3)⋯⋯⋱⋯ϕ(x1)Tϕ(xn)ϕ(x2)Tϕ(xn)⋮ϕ(xn)Tϕ(xn)⎠⎟⎟⎟⎞取其
k
k
k階順序主子式
(
1
≤
k
≤
n
)
(1\leq k\leq n)
(1≤k≤n)
∣
ϕ
(
x
1
)
T
ϕ
(
x
1
)
ϕ
(
x
1
)
T
ϕ
(
x
2
)
ϕ
(
x
1
)
T
ϕ
(
x
3
)
⋯
ϕ
(
x
1
)
T
ϕ
(
x
k
)
ϕ
(
x
2
)
T
ϕ
(
x
1
)
ϕ
(
x
2
)
T
ϕ
(
x
2
)
ϕ
(
x
3
)
T
ϕ
(
x
2
)
⋯
ϕ
(
x
2
)
T
ϕ
(
x
k
)
⋮
⋮
⋮
⋱
⋮
ϕ
(
x
n
)
T
ϕ
(
x
1
)
ϕ
(
x
n
)
T
ϕ
(
x
2
)
ϕ
(
x
n
)
T
ϕ
(
x
3
)
⋯
ϕ
(
x
n
)
T
ϕ
(
x
n
)
∣
\begin{vmatrix} \phi(x_1)^T\phi(x_1) & \phi(x_1)^T\phi(x_2) & \phi(x_1)^T\phi(x_3) & \cdots & \phi(x_1)^T\phi(x_k) \\ \phi(x_2)^T\phi(x_1) & \phi(x_2)^T\phi(x_2) & \phi(x_3)^T\phi(x_2) & \cdots & \phi(x_2)^T\phi(x_k) \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ \phi(x_n)^T\phi(x_1) & \phi(x_n)^T\phi(x_2) & \phi(x_n)^T\phi(x_3) & \cdots & \phi(x_n)^T\phi(x_n) \\ \end{vmatrix}
∣∣∣∣∣∣∣∣∣ϕ(x1)Tϕ(x1)ϕ(x2)Tϕ(x1)⋮ϕ(xn)Tϕ(x1)ϕ(x1)Tϕ(x2)ϕ(x2)Tϕ(x2)⋮ϕ(xn)Tϕ(x2)ϕ(x1)Tϕ(x3)ϕ(x3)Tϕ(x2)⋮ϕ(xn)Tϕ(x3)⋯⋯⋱⋯ϕ(x1)Tϕ(xk)ϕ(x2)Tϕ(xk)⋮ϕ(xn)Tϕ(xn)∣∣∣∣∣∣∣∣∣當
k
=
1
k=1
k=1時,顯然此時的順序主子式就是一個無窮維向量的轉置與自身的內積,必然大於等於0。
當
k
=
2
k=2
k=2時,順序主子式為
∣
ϕ
(
x
1
)
T
ϕ
(
x
1
)
ϕ
(
x
1
)
T
ϕ
(
x
2
)
ϕ
(
x
2
)
T
ϕ
(
x
1
)
ϕ
(
x
2
)
T
ϕ
(
x
2
)
∣
=
(
ϕ
(
x
1
)
−
ϕ
(
x
2
)
)
T
(
ϕ
(
x
1
)
−
ϕ
(
x
2
)
)
\begin{vmatrix} \phi(x_1)^T\phi(x_1) & \phi(x_1)^T\phi(x_2) \\ \phi(x_2)^T\phi(x_1) & \phi(x_2)^T\phi(x_2) \end{vmatrix} =(\phi(x_1)-\phi(x_2))^T(\phi(x_1)-\phi(x_2))
∣∣∣∣ϕ(x1)Tϕ(x1)ϕ(x2)Tϕ(x1)ϕ(x1)Tϕ(x2)ϕ(x2)Tϕ(x2)∣∣∣∣=(ϕ(x1)−ϕ(x2))T(ϕ(x1)−ϕ(x2))也同樣可以看作是一個無窮維向量的轉置與自身的內積,是非負的。
當
k
≥
2
k\geq2
k≥2時,我們將順序主子式中的第一列和第二列同時減去第三列得到
(
ϕ
(
x
1
)
−
ϕ
(
x
3
)
)
(
ϕ
(
x
2
)
−
ϕ
(
x
3
)
)
∣
ϕ
(
x
1
)
T
ϕ
(
x
1
)
T
ϕ
(
x
1
)
T
ϕ
(
x
3
)
⋯
ϕ
(
x
1
)
T
ϕ
(
x
k
)
ϕ
(
x
2
)
T
ϕ
(
x
2
)
T
ϕ
(
x
3
)
T
ϕ
(
x
2
)
⋯
ϕ
(
x
2
)
T
ϕ
(
x
k
)
⋮
⋮
⋮
⋱
⋮
ϕ
(
x
n
)
T
ϕ
(
x
n
)
T
ϕ
(
x
n
)
T
ϕ
(
x
3
)
⋯
ϕ
(
x
n
)
T
ϕ
(
x
n
)
∣
(\phi(x_1)-\phi(x_3))(\phi(x_2)-\phi(x_3))\begin{vmatrix} \phi(x_1)^T & \phi(x_1)^T & \phi(x_1)^T\phi(x_3) & \cdots & \phi(x_1)^T\phi(x_k) \\ \phi(x_2)^T & \phi(x_2)^T & \phi(x_3)^T\phi(x_2) & \cdots & \phi(x_2)^T\phi(x_k) \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ \phi(x_n)^T & \phi(x_n)^T & \phi(x_n)^T\phi(x_3) & \cdots & \phi(x_n)^T\phi(x_n) \\ \end{vmatrix}
(ϕ(x1)−ϕ(x3))(ϕ(x2)−ϕ(x3))∣∣∣∣∣∣∣∣∣ϕ(x1)Tϕ(x2)T⋮ϕ(xn)Tϕ(x1)Tϕ(x2)T⋮ϕ(xn)Tϕ(x1)Tϕ(x3)ϕ(x3)Tϕ(x2)⋮ϕ(xn)Tϕ(x3)⋯⋯⋱⋯ϕ(x1)Tϕ(xk)ϕ(x2)Tϕ(xk)⋮ϕ(xn)Tϕ(xn)∣∣∣∣∣∣∣∣∣此時順序主子式的行列式有兩列線性相關,結果為0,所以根據定義,該矩陣為一半正定的矩陣,故得證。
相關文章
- 核函式 多項式核函式 高斯核函式(常用)函式
- cuda 核函式函式
- 非線性支援向量機 與核函式函式
- 【機器學習】SVM核函式的計算機器學習函式
- 伴隨矩陣和逆矩陣的關係證明矩陣
- openvslam 最佳化誤差問題 隨機一致性 核函式 資訊矩陣(高斯牛頓)SLAM隨機函式矩陣
- (十一)KPCA非線性降維與核函式PCA函式
- SNN 核函式的2種形狀函式
- 支援向量機(三)核函式函式
- SVM 的核函式選擇和調參函式
- BEST 定理與矩陣樹定理的證明矩陣
- 旋轉矩陣(Rotate Matrix)的性質分析矩陣
- [機器學習&資料探勘]SVM---核函式機器學習函式
- 攝像機矩陣P的性質小結矩陣
- 《機器學習_07_03_svm_核函式與非線性支援向量機》機器學習函式
- 數學知識-核函式的通俗解釋例項函式
- 矩陣合同的本質矩陣
- Python機器學習筆記:SVM(2)——SVM核函式Python機器學習筆記函式
- webgl內建函式--幾何函式與矩陣函式Web函式矩陣
- 支援向量機 (二): 軟間隔 svm 與 核函式函式
- 支援向量機原理(三)線性不可分支援向量機與核函式函式
- 黃教主的開源NVDLA,“核”爆還是“核”平?
- 蘋果A12是四核還是六核處理器?iPhone Xs的處理器是幾核的蘋果iPhone
- 基於句法結構與語義資訊核函式的搭配關係抽取函式
- 核化線性降維中部分公式的推導公式
- matlab中用於統計矩陣資料頻率,出現次數的函式Matlab矩陣函式
- 尤拉函式性質和模版函式
- 巨大的矩陣(矩陣加速)矩陣
- 15.3 極限函式與和函式性質函式
- js獲取checkbox核取方塊checked屬性值為true核取方塊JS
- 一種方便的證明莫比烏斯函式的方法函式
- numpy矩陣的基本方法和屬性矩陣
- 卷積核卷積
- 分析核親和性對高吞吐量的流的影響
- 用fcntl()設定阻塞函式的阻塞性質函式
- 核間遷移的影響
- 將選中核取方塊值存入陣列陣列
- 印度核電公司(NPCIL)官方證實:Kudankulam核電站的確感染了朝鮮Dtrack變種惡意軟體